Pronostico: Estimar la demanda futura de productos y servicios y los recursos necesarios para producirlos.

Las estimaciones de la demanda para productos servicios por lo general se conocen como pronsticos de ventas. Los gerentes de operaciones necesitan pronsticos a largo plazo para tomar decisiones estratgicas relacionadas con productos, procesos e instalaciones. Tambin necesitan pronsticos a corto plazo que los ayuden a la toma de decisiones en problemas de produccin que solo abarcan las siguientes pocas semanas. Los pronsticos a largo plazo por lo general abarcan un ano o mas, y estiman la demanda de la totalidad de lneas de producto, como por ejemplo productos para jardinera. Los pronsticos a rango medio por lo general abarcan varios meses, y agrupan productos en familias de productos, como por ejemplo segadoras de pasto. Los pronsticos a corto plazo por lo general abarcan unas pocas semanas y se enfocan a productos especficos, como el modelo de segadora de pasto numero 3559. Los insumos se procesan a travs de modelos o mtodos de pronstico para el desarrollo de estimaciones de la demanda. Estas estimaciones de la demanda no son los pronsticos de ventas; ms bien son el punto de partida para que los equipos administrativos desarrollen los pronsticos de ventas. MODELOS CUANTITATIVOS DE PRONSTICO Son modelos matemticos que se basan en datos histricos, suponen que los datos histricos son relevantes para el futuro. Todos estos modelos se pueden utilizar con series de tiempo. SERIE DE TIEMPO: Es un conjunto de valores observados, medidos durante periodos sucesivos. ANALISIS DE SERIES DE TIEMPO Se sustenta en la idea de que podemos usar los datos de la demanda del pasado para prever la demanda futura.

RANGO DE PRONOSTICOS Cuando el Anlisis de Regresin lineal genera pronsticos para periodos futuros, estos son solo estimaciones y por lo tanto estn sujetos a error. La precedencia de errores de pronstico o de variaciones al azar es un hecho para quienes pronostican; el pronstico es un proceso que esta

inmerso en la incertidumbre. Una manera de tratar esta incertidumbre es desarrollando intervalos de confianza para los pronsticos.

La siguiente figura muestra de manera grafica cual es la forma en que se podran establecer intervalos de confianza para los pronsticos.

Se utilizan 10 periodos de datos para desarrollar una lnea de tendencia. Al extender una lnea de tendencia hacia el periodo 12, se obtiene un pronstico de 2400 unidades. Mediante el dibujo de limites superior e inferiores a los datos, paralelos a la lnea de tendencia de forma que las ventas anuales reales excedan a los limites solo de manera espordica, lo limites superiores o inferiores puede exceder de hasta el periodo 12 y obtener un limite superior de 3300 unidades y uno inferior de 1500. Si los lmites se acercan el uno al otro, los datos histricos estarn agrupados muy cerca de la lnea de tendencia y tendremos ms confianza en nuestros pronsticos. Aunque a veces se utiliza este procedimiento grafico para establecer lmites superiores e inferiores, es decir, rangos de pronsticos, existe un mtodo mas preciso. El siguiente ejemplo utiliza esta formula para estimar rangos para un pronstico.

 La expresin se conoce como error estndar del pronstico o desviacin estndar del

pronstico, es una medida de la manera en que han quedado dispersos a uno y otro lado de la lnea de tendencia los puntos de datos histricos. Si es pequeo en relacin con el pronostico, los puntos de datos pasados han quedado agrupados muy cerca de la lnea de tendencia y los limites superior e inferior se acercan entre si. Establecer rangos para los pronsticos permite a los analistas hacer frente a la incertidumbre que rodea a su trabajo desarrollando pronsticos con buenos estimados as, como los rangos dentro de los cuales los datos reales ms probablemente ocurrirn. EJEMPLO RANGOS DE PRONOSTICOS DE SERIE DE TIEMPO Specific Motors produce motores electrnicos para vlvulas automaticas para la industria de la construccin . durante mas de un ao la planta de produccin de Specific ha operado casi a plena capacidad. Jim White, el gerente de la planta, estima que el crecimiento en las ventas continuara y desea desarrollar u pronostico a largo plazo que se usara para planear las necesidades de las instalaciones para los siguientes 3 aos. Se han totalizado las cifras de ventas correspondientes a los ltimos 10 aos. Ventas anuales Ao 1 2 3 4 5 6 7 8 9 10 Totales
(miles de unidades)

y2 1000000 1690000 3240000 4000000 4000000 4000000 4840000 6760000 8410000 10240000 =48180000

(y) 1000 1300 1800 2000 2000 2000 2200 2600 2900 3200 21000

Periodo (x) 1 2 3 4 5 6 7 8 9 10 55

x2 1 4 9 16 25 36 49 64 81 100 385

Xy 1000 2600 5400 8000 10000 12000 15400 20800 26100 32000 133300

De estos datos tambin obtenemos: n= 10

5.5 2100 Ahora calculemos el valor de : 

  =173.0 Miles de unidades Despues tenemos el Valor de periodo 11* Limite superior = Y11+ t Limite inferior = Y11 - t Donde t es el nmero de desviaciones estndar de separacin respecto a la media de las distribuciones para proporcionar una probabilidad dada de llegar a estos limites superior e inferior. Digamos por ejemplo, que deseamos establecer los limites para que solo exista una probabilidad de 10% (5% en cada extremo) de exceder de manera casual los limites. El apndice B enlista los valores de t. Dado que para un anlisis de regresin simple los grados de libertad (g.l.)= n-2 y el nivel de significancia es igual a 0.10, el valor de t=1.860 y Limite superior = 3286.7 + 1.86 (173)= 3608.0, o 3610 miles de unidades calculemos los limites superior e inferior del pronostico para el

Limite inferior= 3286.7 1.86 (173)= 2964.9, o 2960 miles de unidades Note que se han redondeado los lmites a un lmite significativo por esencia de los datos originales. Posteriormente podremos describirle al gerente lo que tenemos: Existe una probabilidad de 90% que nuestras ventas anuales de prximo ao queden entre 3310 y 2960 miles de unidades. Solo existe una posibilidad del 10% que nuestras ventas caigan fuera de estos lmites. Nuestra mejor estimacin es 3290 miles de unidades.

BIBLIOGRAFIA Admon. De Produccion y Operaciones 8va. Edicion Norman Gaither Greg Fraizer International Thomson Editores