Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑO DE OPERACIONES
2023-B
UNAC – FIIS.
Métodos Cuantitativos: Panorama
• 1. Enfoque simple
• 2. Promedios móviles simples y
ponderados Modelos de series de
• 3. Suavizamiento exponencial tiempo
• 4. Proyección de tendencia
• 5. Regresión lineal
• 6. Ajuste por Índices Estacionales Modelos asociativos
Pronósticos de Series de Tiempo
• Una serie de tiempo es una secuencia de datos
obtenidos a intervalos iguales.
• Se analizan para proyectarlos al futuro.
• Supone que los valores futuros se predicen
solamente a partir de los valores pasados.
Ejemplo:
Año: 2005 2006 2007 2008 2009
Ventas: 78,7 63,5 89,7 93,2 92,1
Componentes de una serie de tiempo
• Tendencia
• Estacionalidad
• Ciclos
• Variaciones aleatorias
Demanda de un Producto
representada en un perÍodo de 4 años, con tendencia de
crecimiento y estacionalidad.
Línea de
demanda
actual
Demanda media
en cuatro años
Variación
aleatoria
Primer Segundo Tercer Cuarto
año año año año
1. Enfoque Simple
A t -1 + A t -2 + A t -3 + ... + A t -n
Ft =
n
Ft = Pronóstico para el periodo t
n = Número de periodos que se consideran
A t-i = Valor de variable de interés para periodo t-i
2.1. Promedio Móvil Simple (PMS): Ejemplo
Semana Demanda
1 650
2 678
3 720
4 785
Proyecte la demanda para cada
semana, usando el promedio
5 859
móvil sobre 3 semanas y el
6 920 promedio móvil sobre 6
7 850 semanas
8 758
9 892
10 920
11 789
12 844
2.1. Promedio Móvil Simple (PMS): Ejemplo
Semana Demanda 3-Semanas 6-Semanas
1 650
F4=(650+678+720)/3 =682.67
2 678
F7=(650+678+720 +785
3 720
+859+920) / 6
4 785 682.67
5 859 727.67 =768.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83
2.1. Promedio Móvil Simple (PMS): Ejemplo
El promedio sobre 3 semanas suaviza la
curva real. El de 6 semanas la suaviza aun
más y muestra la tendencia
950
900
850 Demanda
800
Demanda
3 - Semanas
750
700 6 - Semanas
650
600
550
500
1 2 3 4 5 6 7 8 9 10 11 12
Sem ana
2.2. Promedio Móvil Ponderado
Ft = w1A t -1 + w 2 A t -2 + w 3 A t -3 + ... + w n A t -n
w
i=1
i =1 Los pesos deben sumar 1
2.2. Promedio Móvil Ponderado
F4 = 0.5(720)+0.3(678)+0.2(650)=693.4
2.3. Promedio Móvil Doble (PMD)
Sirve para calcular el pronóstico de la demanda o de las ventas para
periodos futuros, para su aplicación y cálculos es recomendable seguir
el procedimiento que se indica.
Procedimiento:
o Se calcula el PMS.
o Se calcula el promedio móvil doble
o Se calculan los valores correspondientes a:
2.3. Promedio Móvil Doble (PMD): Ejemplo
Se desea calcular los pronósticos de ventas para los meses de Noviembre, Diciembre y
Enero. Estos cálculos se deberán obtener mediante PMD. (n=2)
Periodos Mensuales Demanda (D) Pronósticos (P) PMS Pronósticos (P´) PMD
Enero 30 - -
Febrero 35 - -
D Marzo 28 32.5 -
a Abril 20 31.5 -
Mayo 25 24.0 32
t
Junio 30 22.5 27.75
o Julio 35 27.5 23.25
s Agosto 40 32.5 25
Septiembre 50 37.5 30
Octubre ¿?
a = 2(PMS) – PMD
a = 2 (37.50) – 30 = 45
a = 45
b = n/n-1 (PMS – PMD) b = 15
ynov = a + b(x) = 45+15 (2) = 75 unidades
ydic = a + b(x) = 45+15 (3) = 90 unidades
yene = a + b(x) = 45+15 (4) = 105 unidades
2. Promedio Móvil: Limitaciones
• Al aumentar el tamaño de “n” se suavizan las
fluctuaciones, pero se pierde sensibilidad frente a
los datos recientes.
• No reflejan bien las tendencias.
• Requieren amplios registros de datos históricos.
3.1. Suavizamiento Exponencial Simple (AES)
Ft = α A t -1 + (1- α) Ft -1
Ft Ft -1 α (A t-1 - Ft -1)
3.1. Suavizamiento Exponencial Simple (AES): Ejemplo
PHP es una empresa que se dedica a la fabricación de artículos higiénicos,
el gerente de mercadotecnia está interesado en conocer el pronóstico de
ventas para l mes de octubre del 20XX, su exigencia le conduce a utilizar
un factor de ponderación = 0,1 para lo cual se cuenta con la siguiente
información histórica que se indica a continuación. El cálculo del pronóstico
deseado se deberá obtener por AES.
Procedimiento:
o Se calcula el AES.
o Se calcula el AED
o Se calculan los valores correspondientes a:
3.2. Ajuste Exponencial Doble: Ejemplo
Se desea calcular los pronósticos de ventas para los meses de Noviembre, Diciembre y Enero.
Estos cálculos se deberán obtener mediante AED. (α=0.2)
yˆ a bx
Desviación
Punto en la línea
b de tendencia
ˆ a bx
Y
1
a
PerÍodo de tiempo
5. Regresión Lineal
a = y - bx
Fórmulas para calcular “a” y “b”
xy - n( y)(x )
b=
x 2
- n( x ) 2
Semana Ventas
1 150
2 157
3 162
4 166
5 177
5. Regresión Lineal
180
175
170
165
Ventas
Ventas
160
155 Pronóstico
150
145
140
135
1 2 3 4 5
Semana
6. Ajuste por Índices Estacionales
PERÍODOS BIMESTRES
(ANUALES) TOTAL
1º 2º 3º 4º 5º 6º
1991 80 120 130 100 90 120
1992 55 140 140 105 95 125
1993 84 160 150 105 94 125
1994 83 170 155 110 93 130
1995 81 175 160 100 92 140
__
PROMEDIOS: X
6. Ajuste por Índices Estacionales: Ejemplo
1) Hacer sumatorias horizontales y verticales en su caso.
2) Calcular los promedios por bimestre (en este caso)
3) Cálculo del promedio total __
X Bimestre
4) Cálculo de los Índices de estacionalidad: IE Bimestre __
X Total
5) Calcular el pronóstico para el año 2003 (Regresión Lineal Simple)
Y 2003 = a + b(X) Donde: X=13
n XY X .Y
b
n X 2 X
2
__
Y2003
6) Calcular el pronóstico promedio: Y
6 Bimestres
6. Ajuste por Índices Estacionales: Ejemplo
7) Ajuste del pronóstico bimestral por los IE
PERÍODOS BIMESTRES
(ANUALES) 1º 2º 3º 4º 5º 6º
IE
Pronostico__
Promedio ( Y )
Pronóstico
Bimestral ajustado por IE
__
IE*Y
Error de Pronóstico
Error de Pronóstico: Definición
E t A t Ft
–3
+5
Error de Pronóstico Acumulado
CFE Et
A
t =1
t - Ft
MAD =
n
• Si MAD = 0, no hay error en el pronóstico
• A mayor MAD, menor precisión en el pronóstico
• Si los datos siguen una distribución normal:
1 MAD 0.8 desviación estándar
1 desviación estándar 0.81 MAD
2
E
MSE t
n
• Se acentúa en grandes desviaciones
Resumen