Documentos de Académico
Documentos de Profesional
Documentos de Cultura
▪ Unidad 02:
▪ Introducción a la generación de Pronósticos
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
https://www.youtube.com/watch?v=yUs8_eVHIrk
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Temario
Pronósticos
Técnicas de Proyección Cualitativa
- Método Delphi.
- Investigación de Mercado.
- Analogías de Ciclo de Vida.
- Consenso de Grupo.
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
▪ Nivel: Es el elemento constante.
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Patrones de Series de Tiempo
▪ Estacionarios: Si los datos fluctúan alrededor de una media y varianza
constante.
▪ Si los valores más recientes son mejor indicativo del futuro que los
datos antiguos se puede utilizar la técnica de Ajuste Exponencial.
▪ El método de los mínimos cuadrados, selecciona una línea de tendencia recta del tipo y = a + bx, donde y es
la variable dependiente, x la independiente, a el punto de intersección de la función en el eje vertical y b la
pendiente de la función.
▪ Este método se conoce también como regresión lineal y busca determinar la recta que represente de mejor
manera la tendencia de las relaciones observadas en el pasado para usarlas como base de la proyección de
la tendencia futura.
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal
El objetivo del análisis de regresión como método causal es pronosticar la demanda a partir de una o más
causas (variables independientes), las cuales pueden ser por ejemplo el tiempo, precios del producto o servicio,
precios de la competencia, economía del país, acciones del gobierno o fomentos publicitarios.
Algunos apuntes importantes sobre éste método son:
▪ Puedes calcular series de tiempo y relaciones causales. En el primer caso, ubicas la demanda histórica de tu
bien o servicio para que cambie en función del tiempo. El segundo caso es cuando la variable que pronosticas
cambia en función de otra (variable causal).
▪ Lineal significa que los datos del periodo anterior y la proyección para el periodo futuro que vas a obtener
caen sobre una recta.
▪ Si hablamos de una sola variable independiente, es una regresión lineal simple, contrario a si son dos o más
variables independientes, donde hablaríamos de regresión lineal múltiple.
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal Observación real
Desviación
Valores de la variable dependiente
Punto en la línea
de tendencia
ŷ = a + bx 1
a
Periodo de tiempo
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal
Presentamos la demanda histórica de combustible las últimas doce semanas:
t Galones
1 285
2 294
3 306
4 281
5 296
6 267
7 250
8 280
9 264
10 288
11 301
12 287
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal x y xy x2
1 285 285 1
2 294 588 4
3 306 918 9
4 281 1124 16
5 296 1480 25
6 267 1602 36
7 250 1750 49
8 280 2240 64
9 264 2376 81
10 288 2880 100
11 301 3311 121
12 287 3444 144
21998 650 Suma
6.5 283.25 Promedio
b -0.6678322
a 287.590909
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Regresión Lineal
t Galones Estimación
b -0.6678322 1 285 286.92
a 287.590909 2 294 286.26
3 306 285.59
4 281 284.92
5 296 284.25
6 267 283.58
7 250 282.92
8 280 282.25
9 264 281.58
10 288 280.91
11 301 280.24
12 287 279.58
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Errores de Pronósticos
▪ El componente aleatorio del pronóstico hace que es no sea igual a la demanda real.
▪ La exactitud general de cualquier modelo de pronóstico —promedios móviles, suavizamiento exponencial u
otro, puede determinarse al comparar los valores pronosticados con los valores reales u observados. Si Ft
denota el pronóstico en el periodo t, y At denota la demanda real del periodo t, el error de pronóstico (o
desviación) se define como:
▪ Se considera como la diferencia entre la demanda real y el pronóstico:
Et = Dt - Ft
Error de pronóstico = Demanda real - Valor pronosticado
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Errores Cuadráticos Medios
Se relaciona la varianza del error del pronóstico, se asume que el componente aleatorio de la demanda tiene
una media de 0 y una varianza igual al Error Cuadrático Medio (MSE)
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Desviación Absoluta Media
Es el promedio de la desviación absoluta durante todos los períodos del pronóstico.
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Error de Pronóstico Acumulado
También llamado Sesgo. Es la suma de los errores del pronóstico.
Los errores positivos y negativos deben equilibrarse. Útil para evaluar el sesgo de un pronóstico.
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Señal de Rastreo
▪ Indica si el promedio de proyección está manteniendo el ritmo de cambio de la demanda, ya sea por exceso o
defecto.
▪ Si el TS está fuera del rango de -6 a +6, se considera que el promedio está sesgado, hacia arriba (>+6) o hacia
abajo (<-6)
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Series de Tiempo
Error Porcentual Absoluto Medio - MAPE
Un problema tanto con la MAD como con el MSE es que sus valores dependen de la magnitud del elemento que se
pronostica. Si el elemento pronosticado se mide en millares, los valores de la MAD y del MSE pueden ser muy grandes. Para
evitar este problema, podemos usar el error porcentual absoluto medio (MAPE). Éste se calcula como el promedio de las
diferencias absolutas encontradas entre los valores pronosticados y los reales, y se expresa como un porcentaje de los
valores reales. Es decir, si hemos pronosticado n periodos y los valores reales corresponden a esa misma cantidad de
periodos, el MAPE se calcula como:
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Ajuste Exponencial
Alfa 0.3
Tiempo Demanda Pronóstico Error Error Abs MSE MAD t Sesgo t TS t % Error MAPE t
1 285 283.25 1.75 1.75 3.06 1.75 1.75 1.0 1% 1%
2 294 283.78 10.23 10.23 53.81 5.99 11.98 2.0 3% 2%
3 306 286.84 19.16 19.16 158.21 10.38 31.13 3.0 6% 3%
4 281 292.59 -11.59 11.59 152.24 10.68 19.54 1.8 4% 4%
5 296 289.11 6.89 6.89 131.28 9.92 26.43 2.7 2% 3%
6 267 291.18 -24.18 24.18 206.83 12.30 2.25 0.2 9% 4%
7 250 283.93 -33.93 33.93 341.70 15.39 -31.67 -2.1 14% 6%
8 280 273.75 6.25 6.25 303.88 14.25 -25.42 -1.8 2% 5%
9 264 275.62 -11.62 11.62 285.12 13.95 -37.05 -2.7 4% 5%
10 288 272.14 15.86 15.86 281.78 14.15 -21.18 -1.5 6% 5%
11 301 276.90 24.10 24.10 308.98 15.05 2.92 0.2 8% 5%
12 287 284.13 2.87 2.87 283.92 14.04 5.80 0.4 1% 5%
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Regresión Lineal
t Galones Estimación Error Error Abs MSE MAD t Sesgo t TS t % Error MAPE t
1 285 286.92 -1.92 1.92 3.70 1.92 -1.92 -1.0 1% 1%
2 294 286.26 7.74 7.74 31.84 4.83 5.82 1.2 3% 2%
3 306 285.59 20.41 20.41 160.12 10.03 26.23 2.6 7% 3%
4 281 284.92 -3.92 3.92 123.93 8.50 22.31 2.6 1% 3%
5 296 284.25 11.75 11.75 126.75 9.15 34.06 3.7 4% 3%
6 267 283.58 -16.58 16.58 151.46 10.39 17.48 1.7 6% 4%
7 250 282.92 -32.92 32.92 284.60 13.61 -15.44 -1.1 13% 5%
8 280 282.25 -2.25 2.25 249.66 12.19 -17.69 -1.5 1% 4%
9 264 281.58 -17.58 17.58 256.26 12.79 -35.27 -2.8 7% 5%
10 288 280.91 7.09 7.09 235.66 12.22 -28.18 -2.3 2% 4%
11 301 280.24 20.76 20.76 253.40 12.99 -7.42 -0.6 7% 5%
12 287 279.58 7.42 7.42 236.87 12.53 0.00 0.0 3% 5%
Sistemas de Administración de Operaciones – Pronósticos
Pronósticos
Técnicas de Proyección Cuantitativa
Método MAD
PMS 15.04
PMP 15.55
Ajuste Exponencial 14.04
Regresión Lineal 12.53
En el ejemplo estudiado vemos que el menor MAD lo tiene la Regresión Lineal. Con ese método debemos
estimar valores futuros en la línea de tiempo.
Sistemas de Administración de Operaciones – Pronósticos
https://www.youtube.com/watch?v=Z46cz8cJpZY