Documentos de Académico
Documentos de Profesional
Documentos de Cultura
va a haber una incertidumbre. El propósito principal de los pronósticos es hacer buenas estimaciones y así las
operaciones que se hagan, sean eficientes. Un pronóstico puede implicar el empleo de datos históricos y su proyección
hacia el futuro mediante un modelo matemático, también puede ser una predicción subjetiva o intuitiva, puede basarse
en información de la demanda o puede involucrar una combinación de todas las anteriores.
Pronostico a corto plazo (generalmente tiene una extensión inferior a 3 meses, pero puede llegar hasta 1 año):
Se usa para planear compras, programar el trabajo, determinar niveles de mano de obra, asignar el trabajo y
decidir niveles de producción.
Pronostico a mediano plazo (tiene una extensión entre 3 meses y 3 años): Se una para planear ventas, el
presupuesto y flujo de efectivo, analizar diferentes planes operativos.
Pronostico a largo plazo (tiene una extensión de 3 años o más): Se usa para planear la fabricación de nuevos
productos y para el I+D.
Diferencias:
Los pronósticos de mediano y largo manejan aspectos más generales y pueden tomar de 5 a 8 años desde su
concepción hasta su terminación.
Los pronósticos a corto plazo tienden a ser más precisos que los otros dos, entonces a medida que el
horizonte del tiempo se alarga, es más probable que la exactitud del pronóstico disminuya.
TIPOS DE PRONOSTICOS:
Pronósticos económicos: Indicadores de planeación que son valiosos para ayudar a las organizaciones en la
preparación de los pronósticos de mediano y largo plazo.
Pronósticos tecnológicos: Pronósticos de largo plazo relacionados con las tasas de progreso tecnológico.
Pronósticos de la demanda: Proyecciones de las ventas de una compañía para cada periodo situado en el
horizonte de planeación. Aquí lo importante es identificar y dar seguimiento rápido de los deseos de los clientes.
Estos pronósticos guían la producción, la capacidad y los sistemas de programación de una compañía y sirven
como entradas en la planeación financiera, de marketing y de personas. El pronóstico es la única estimación de
la demanda hasta que se conoce la demanda real y por eso este es tan importante, ya que conducen a las
decisiones en muchas áreas.
Administración de la cadena de suministro: las buenas relaciones con el proveedor y las consiguientes ventajas
en la innovación del producto, el costo y el rápido acceso al mercado dependen de los pronósticos precisos.
Recursos humanos: la contratación, la capacitación y el despido de los trabajadores dependen de la demanda
anticipada.
Capacidad: cuando la capacidad es inadecuada, los faltantes que resultan pueden significar entregas poco
confiables, pérdida de clientes y pérdida de participación en el mercado, (producir lo que se requiere y no tener
sobre costos por producir de más)
1. Determinar el uso del pronóstico (para qué vamos a usar el pronóstico que se haga).
2. Seleccionar los aspectos que se van a pronosticar (qué vamos a pronosticar).
3. Determinar el horizonte de tiempo del pronóstico (cuál va a ser el plazo del pronóstico: corto, mediano o largo).
4. Seleccionar los modelos de pronóstico (qué modelo de pronóstico se va a usar para hacer las mediciones).
5. Recopilar los datos necesarios para elaborar el pronóstico.
6. Realizar el pronóstico.
7. Validar e implementar los resultados (los pronósticos se deben revisar constantemente).
ENFOQUES DE PRONOSTICOS:
Existen dos generales: (en la práctica, la combinación de estos dos suele ser más efectiva).
Pronósticos cualitativos: Incorporan factores como la intuición, las emociones, las experiencias personales y el
sistema de valores de quien toma las decisiones.
Pronósticos cuantitativos: Emplean modelos matemáticos que se apoyan en datos históricos y en variables
asociativas para pronosticar la demanda.
Métodos cuantitativos: Se dividen en dos categorías (Modelos de serie de tiempo y modelos asociativos):
1.Modelos de series de tiempo: técnica de pronostico que usa una serie de datos puntuales del pasado
(semanales, mensuales, trimestrales, etc.) para realizar un pronóstico. Consta de los siguientes métodos:
1. Enfoque intuitivo
2. Promedios móviles
3. Suavización exponencial
4. Proyección de tendencias
Los datos para los pronósticos de series de tiempo implican que los valores futuros se predicen solo a partir de
los valores pasados y que se pueden ignorar otras variables, sin importar que tan valiosas sean.
3. Ciclos: patrones detectados en los datos, que ocurren cada cierta cantidad de años.
4. Variaciones aleatorias: señales generadas en los datos por casualidad o situaciones inusuales, por lo tanto,
no se pueden predecir.
ENFOQUE INTUITIVO
Técnica de pronósticos que supone que la demanda del siguiente periodo será igual a la demanda del periodo más
reciente. Este modelo es más efectivo en costos. (Se usa en mercados muy estables)
PROMEDIOS MOVILES
Método de pronósticos que utiliza un promedio de los datos de los n periodos más recientes para pronosticar el
siguiente periodo. Estos son útiles si podemos suponer que la demanda del mercado permanecerá relativamente estable
en el tiempo. Estos fallan en su respuesta a las tendencias.
Método de pronostico por promedios móviles ponderados donde los datos se ponderan mediante una función
exponencial. Requiere pocos registros de datos históricos.
Nuevo pronostico=Pronostico del periodoant .+α (demandareal del mes ant .− pronostico del periodo ant .)
Donde α es una ponderación o constante de suavización (número ≥ 0 y ≤ 1). Para aplicaciones de negocios se encuentra
por lo regular en un rango de 0,05 a 0,50. Puede cambiarse para dar más peso a los datos recientes (cuando α es alta) o
más peso a datos anteriores (si α es baja). Si α llega al extremo (1) entonces el pronóstico se vuelve idéntico al modelo
del enfoque intuitivo, donde para el periodo siguiente se considera la misma demanda del periodo actual. Para
seleccionar la contante (α), se eligen valores altos cuando el promedio subyacente tiene probabilidades de cambiar y se
emplean valores bajos de α cuando el promedio en que se basa es bastante estable.
La exactitud general de cualquier modelo de pronostico puede determinarse al comparar los valores pronosticados con
los valores reales u observados.
1. Desviación absoluta media (MAD): una medida del error global de pronóstico para un modelo.
MAD=
∑ │ real−pronostico │ MAD= ∑ │ desviaciones│
n n
2. Error cuadrático medio (MSE): segunda medida del error global de pronóstico. Este indica que se prefiere tener
varias desviaciones pequeñas en lugar de una sola desviación grande. MSE=∑ ¿ ¿ ¿
3. Error porcentual absoluto medio (MAPE): Este evita el problema que se puede dar en los dos anteriores de que,
si el elemento pronosticado se mide en millares, los valores de MAD y MSE pueden ser muy grandes. Este se
Es un enfoque común en los negocios. Con la suavización exponencial ajustada por la tendencia, las estimaciones del
promedio y de la tendencia se suavizan. Este procedimiento requiere dos constantes de suavización: α para el promedio
y β para la tendencia.
PROYECCIONES DE TENDENCIAS
Método de pronósticos de serie de tiempo que ajusta una recta de tendencia a una serie de datos históricos, y después
proyecta la recta al futuro para obtener pronósticos de mediano y largo plazo. (método de mínimos cuadrados)
Si se calcula la intersección con el eje y y la pendiente, se puede expresar la recta con la siguiente ecuación:
^y =a+bx
Donde a= intersección con el eje y x= variable independiente (siempre es el tiempo)
La siguiente ecuación se utiliza para encontrar los valores de a y b para cualquier recta de regresión. La pendiente b se
encuentra mediante:
∑ xy −n x́ ý
b=
∑ x 2−n x́ 2
La intersección con el eje y, a, puede calcularse así:
a= ý−b x́
Notas sobre el uso del método de mínimos cuadrados:
1. Siempre deben graficarse los datos porque los datos de mínimos cuadrados suponen una relación lineal.
2. No se predicen periodos lejanos a la base de datos dada.
3. Se supone que las desviaciones calculadas alrededor de la recta de mínimos cuadrados son aleatorias y por lo
general están distribuidas normalmente.
VARIACIONES ESTACIONALES EN LOS DATOS: movimientos regulares ascendentes o descendentes en una serie de
tiempo que están asociados con eventos recurrentes. Puede aplicarse por horas, diaria, semanal, mensual o en patrones
recurrentes. Comprender las variaciones estacionales es importante para planear la capacidad en las organizaciones que
manejan picos en la carga de trabajo. La presencia de estacionalidad hace necesario ajustar los pronósticos con una
recta de tendencia.
Analizar los datos en términos de meses o trimestres suele facilitar la detección de patrones estacionales. En lo que se
denomina modelo estacional multiplicativo, los factores estacionales se multiplican por una estimación de la demanda
promedio para producir un pronóstico estacional.
1. Encontrar la demanda histórica promedio de cada mes (sumando la demanda medida en ese es de cada año y
dividiéndola entre el número de años con datos disponibles) (promedio horizontal).
2. Calcular la demanda promedio de todos los meses (dividiendo el promedio total de la demanda actual entre el
número de estaciones) (promedio vertical, se saca el promedio de la demanda promedio anual).
3. Calcular un índice estacional para cada estación (dividiendo la demanda histórica real de ese mes (paso 1) entre la
demanda promedio de todos los meses (paso 2)).
4. Estimar la demanda total anual para el siguiente año (dato dado en los ejercicios).
5. Hallar el pronóstico estacional (dividir la estimación de la demanda total anual entre el número de estaciones,
después multiplicarla por el índice estacional para ese mes)
VARIACIONES CICLICAS EN LOS DATOS: los ciclos son como las variaciones estacionales de los datos, pero ocurren
cada varios años (no semanas, meses o trimestres). El pronóstico de los ciclos de demanda para productos individuales
también puede estar guiado por los ciclos de vida del producto (desde la introducción hasta la declinación).
2.Modelos asociativos: incorporan las variables o factores que pueden influir en la cantidad que se vaya a
pronosticar. Consta del método de:
1. Regresión lineal (la variable X ya no es el tiempo como en el otro método de mínimos cuadrados)