Diseo de Sistemas de

Produccin

Administracin de proyectos

Capitulo 3
I.C. y M.A. Isidro Domnguez Alcaraz

1 / 61

ndice
La importancia de la administracin de proyectos
Planeacin del proyecto
El administrador del proyecto
Estructura desglosada del trabajo

Programacin del proyecto

Control del proyecto

2 / 61

ndice - Continuacin

Tcnicas de administracin del proyecto: PERT y

CPM
El marco de trabajo de PERT y CPM
Diagramas de redes y sus enfoques
Ejemplo de actividades en los nodos
Ejemplo de actividades en flechas

Determinacin del programa del proyecto

Pasada hacia adelante
Pasada hacia atrs
Calculo del tiempo de holgura e identificacin de
la(s) ruta(s) critica(s)
3 / 61

ndice Continuacin

Variabilidad en los tiempos de las actividades

Tres estimaciones de tiempo en PERT
Probabilidad de terminar el proyecto

Trueques costo-tiempo y aceleracin del

proyecto

Una critica a PERT y CPM

Uso de Microsoft Project para administrar

proyectos
4 / 61

Objetivos de aprendizaje
Al terminar de estudiar este capitulo usted
ser capaz de:
Identificar o Definir:

Work breakdown structure

Critical path
AOA and AON Networks
Forward and Backward Passes
Variability in Activity Times

5 / 61

Objetivos de
aprendizaje
Al terminar de estudiar este capitulo usted
ser capaz de:
Describir o Explicar:

El papel del administrador del proyecto

Tcnica de evaluacin y revisin del programa
(PERT)
Mtodo de la ruta crtica (CPM)
Aceleracin de un proyecto
El uso del MS Project
6 / 61

Bechtel

Asked by Kuwait to begin rebuilding after

Desert Storm
650 wells ablaze, others uncapped
No water, electricity, food or facilities
Land mines! Bombs! Grenades!
Many fires inaccessible because of oilcovered roads

7 / 61

Bechtel

Project required:

Storage, docking, and warehousing facilities

at Dubai
125,000 tons of equipment and supplies
150 kilometers of pipeline capable of
delivering 20,000,000 gallons of water per
day to the fire site
more than 200 lagoons with 1,000,000 gals of
seawater

8 / 61

Bechtel
Other Projects

Building 26 massive distribution centers in just two

years for the internet company Webvan Group
Constructing 30 high-security data centers
worldwide for Equinix, Inc.
Building and running a rail line between London
and the Channel Tunnel ($4.6 billion)
Developing an oil pipeline from the Caspian Sea
region to Russia ($850 million)
Expanding the Dubai Airport in the UAE ($600
million), and the Miami Airport in Florida ($2 billion)

9 / 61

Bechtel
Other Projects - Continued

Building liquid natural gas plants in Yemen $2

billion) and in Trinidad, West Indies ($1 billion)
Building a new subway for Athens, Greece ($2.6
billion)
Constructing a natural gas pipeline in Thailand
($700 million)
Building a highway to link the north and south of
Croatia ($303 million)

10 / 61

Strategic Importance of
Project Management

Bechtel Kuwait Project:

8,000 workers
1,000 construction professionals
100 medical personnel
2 helicopter evacuation teams
6 full-service dining halls
27,000 meals per day
40 bed field hospital

11 / 61

Strategic Importance of
Project Management - Continued

Microsoft Windows XP Project:

hundreds of programmers
millions of lines of code
millions of dollars cost

Ford Redesign of Mustang Project:

450 member project team

Cost $700-million
25% faster and 30% cheaper than
comparable project at Ford
12 / 61

Project Characteristics

Single unit
Many related activities
Difficult production planning and inventory
control
General purpose equipment
High labor skills

13 / 61

An Example

Building construction

1995 Corel Corp.

14 / 61

An Example

Research project

1995
Corel Corp.

15 / 61

Management of Large Projects

Planning - goal setting, project definition,

team organization
Scheduling - relating people, money, and
supplies to specific activities and activities
to one and other
Controlling - monitoring resources, costs,
quality, and budgets; revising plans and
shifting resources to meet time and cost
demands

16 / 61

Project Management Activities

Planning
Objectives
Resources
Work breakdown schedule
Organization

Scheduling
Project
activities
Start & end
times
Network
Controlling
Monitor, compare,
revise, action
17 / 61

Project Organization
Works Best When

Work can be defined with a specific goal

and deadline
The job is unique or somewhat unfamiliar
to the existing organization
The work contains complex interrelated
tasks requiring specialized skills
The project is temporary but critical to the
organization
18 / 61

Project Planning, Scheduling,

and Controlling
Project Planning
1. Setting goals
2. Defining the project
3. Tying needs into timed project
activities
4. Organizing the team

Time/cost estimates
Budgets
Engineering diagrams
Cash flow charts
Material availability details

Project Scheduling
1. Tying resources to specific
activities
2. Relating activities to each other
3. Updating and revising on a
regular basis

CPM/PERT
Gantt charts
Milestone charts
Cash flow schedules

Project Controlling
1. Monitoring resources, costs, quality,
and budgets
2. Revising and changing plans
3. Shifting resources to meet demands
Before Project

Reports
budgets
delayed activities
slack activities

During Project
19 / 61

Project Planning, Scheduling, and

Controlling

20 / 61

Project Planning

Establishing objectives
Defining project
Creating work breakdown
structure
Determining resources
Forming organization

1995 Corel Corp.

21 / 61

Project Organization

Often temporary structure

Uses specialists from entire company
Headed by project manager

Coordinates activities
Monitors schedule
& costs

Permanent
structure called
matrix organization

Eng.
Acct.

Eng.
Mkt.
Mgr.

1995
Corel Corp.

22 / 61

A Sample Project Organization

Presidente

Ventas

Finanzas

Proyecto 1

Project
Manager

Proyecto 2

Human
Resources

Engineering

Quality
Control

Produccin

Physiologist

Propulsion
Engineer

Test
Engineer

Technician

Psychologist

Structural
Engineer

Inspection
Technician

Technician

Project
Manager

23 / 61

A Sample Project Organization

Presidente
Recursos
humanos

Ventas

Proyecto 1

Proyecto 2

Finanzas

Project
Manager

Project
Manager

Engineering

Quality
Control

Produccin

Propulsion
Engineer

Test
Engineer

Technician

Structural
Engineer

Inspection
Technician

Technician

24 / 61

Matrix Organization

Mkt
Project 1
Project 2
Project 3
Project 4

Oper

Eng

Fin

25 / 61

The Role of
the Project Manager
Project Plan
and Schedule
Revisions and
Updates
Project
Manager
Information
regarding times,
costs, problems,
delays
Resources

Performance
Reports

Project
Team

Feedback Loop
Top
Management
26 / 61

Work Breakdown Structure

1. Project
2.
Major tasks in the project
3.
Subtasks in the major tasks
4.
Activities (or work packages) to
be completed

27 / 61

Project Scheduling

PERT
v ity
Acti
ign
Des
d
Buil
t
Tes

nth
F
Mo
M
A
M

1995 Corel Corp.

Identifying precedence
relationships
Sequencing activities
Determining activity
times & costs
Estimating material &
worker requirements
Determining critical
activities

28 / 61

Purposes of Project Scheduling

Shows the relationship of each activity to

others and to the whole project.
Identifies the precedence relationships
among activities.
Encourages the setting of realistic time
and cost estimates for each activity.
Helps make better use of people, money,
and material resources by identifying
critical bottlenecks in the project.

29 / 61

Project Management Techniques

Gantt chart
Critical Path Method (CPM)
Program Evaluation & Review
Technique (PERT)

1984-1994 T/Maker Co.

30 / 61

Gantt Chart

Activity

Time Period
J

Design
Build
Test

31 / 61

Service Activities for A Delta Jet During a 60

Minute Layover

32 / 61

Project Control Reports

Detailed cost breakdowns for each task

Total program labor curves
Cost distribution tables
Functional cost and hour summaries
Raw materials and expenditure forecasts
Variance reports
Time analysis reports
Work status reports

33 / 61

PERT and CPM

Network techniques
Developed in 1950s

CPM by DuPont for chemical plants (1957)

PERT by Booz, Allen & Hamilton with the U.S.
Navy, for Polaris missile (1958)

Consider precedence relationships and

interdependencies
Each uses a different estimate of activity
times
34 / 61

Questions Which May Be Addressed by

PERT & CPM
Is the project on schedule, ahead of schedule,
or behind schedule?
Is the project over or under cost budget?
Are there enough resources available to finish
the project on time?
If the project must be finished in less than the
scheduled amount of time, what is the way to
accomplish this at least cost?
35 / 61

The Six Steps Common to PERT & CPM

Define the project and prepare the work

breakdown structure,
Develop relationships among the activities.
(Decide which activities must precede and which
must follow others.)
Draw the network connecting all of the activities
Assign time and/or cost estimates to each activity
Compute the longest time path through the
network. This is called the critical path
Use the network to help plan, schedule, monitor,
and control the project

36 / 61

A Comparison of AON and AOA Network

Conventions

37 / 61

Milwaukee General Hospitals Activities and

Predecessors
Activity

Description

Immediate
Predecessors

Build internal components

Modify roof and floor

Construct collection stack

Pour concrete and install

frame

A, B

Build high-temperature burner

Install pollution control system

Install air pollution device

D, E

Inspect and test

F, G
38 / 61

AON Network for Milwaukee General

Hospital
F
A

C
F

Start
B

H
G

ow
h
s
s
Arrow dence
prece ships
on
i
t
a
l
e
r
39 / 61

AOA Network (With Dummy Activities)

for Milwaukee General

Bu

B
M
roo od
f/fl ify
oo
r

C
Construct
stack

Dummy
Activity

4
E
Build burner

co ild i A
mp nte
on r n
en al
ts

D
Pour concrete/
Install frame

Ins
tal
l

F
co
ntr

ols

on
i
t
llu vice
o
l p l de
l
a
t o
Ins ontr
c

H
Inspect/Test

40 / 61

Critical Path Analysis

Provides activity information

Earliest (ES) & latest (LS) start

Earliest (EF) & latest (LF) finish
Slack (S): Allowable delay

Identifies critical path

Longest path in network

Shortest time project can be completed
Any delay on critical path activities delays
project
Critical path activities have 0 slack
41 / 61

Earliest Start and Finish Steps

Begin at starting event and work forward

ES = 0 for starting activities

EF = ES + Activity time

ES is earliest start
EF is earliest finish

ES = Maximum EF of all predecessors for

non-starting activities

42 / 61

Latest Start and Finish Steps

Begin at ending event and work backward

LF = Maximum EF for ending activities

LS = LF - Activity time

LF is latest finish; EF is earliest finish

LS is latest start

LF = Minimum LS of all successors for nonending activities

43 / 61

Notacin empleada en los nodos para las pasadas

hacia adelante

Tiempo de
inicio ms
lejano

IL

Duracin de
la actividad

IC

Nombre de
la actividad

Tiempo de
inicio ms
cercano

TC

TL

Tiempo de
terminacin
ms
cercano
Tiempo de
terminacin
ms lejano

44 / 61

Ruta Critica para el hospital general Milwaukee

F
A

C
F

Inicio
B

H
G

ow
h
s
s
Arrow dence
prece ships
on
i
t
a
l
e
r
45 / 61

Ruta critica y tiempos de holgura para el hospital

general de Milwaukee
0

10

2
Holgura = 0

2
Holgura = 0

7
13

3
Holgura = 6

Inicio

13
13

4
Holgura = 0

0
0
1

3
Holgura = 1

Ruta critica = A-C-E-G-H

2
Holgura = 0

4
Holgura = 1

15
15

13
13

5
Holgura = 0
46 / 61

Gantt Chart
Earliest Start and Finish
Milwaukee General Hospital
1 2 3 4 5 6 7 8 9 10 1112 13 1415 16
A Build internal components
B Modify roof and floor
C Construct collection stack
D Pour concrete and install
frame
E Build high-temperature
burner
F Install pollution control
system
G Install air pollution device
H Inspect and test
47 / 61

Gantt Chart
Latest Start and Finish
Milwaukee General Hospital
1 2 3 4 5 6 7 8 9 10 1112 13 1415 16
A Build internal components
B Modify roof and floor
C Construct collection stack
D Pour concrete and install
frame
E Build high-temperature
burner
F Install pollution control
system
G Install air pollution device
H Inspect and test
48 / 61

Gantt Chart
Latest Start and Finish
Build House Project
Activity

1 1 1
1 2 3 4 5 6 7 8 9 0 1 2

1-2 Fdn & frame

1-3 Buy shrubs
2-3 Roof
2-4 Interior work
3-4 Landscape

49 / 61

PERT Activity Times

3 time estimates

Optimistic times (a)

Most-likely time (m)
Pessimistic time (b)

Follow beta distribution

Expected time: t = (a + 4m + b)/6
Variance of times: v = (b - a)2/6

50 / 61

Project Times

Expected project time (T) Used to obtain

probability of project
Sum of critical path
completion!
activity times, t
Project variance (V)

Sum of critical path

activity variances, v

51 / 61

PERT Probability Example

Youre a project planner for
General Dynamics. A
submarine project has an
expected completion time of
40 weeks, with a standard
deviation of 5 weeks. What
is the probability of finishing
the sub in 50 weeks or less?

1995
Corel Corp.

52 / 61

Converting to Standardized Variable

X - T 50 - 40
=
= 2 .0
Z =
s
5
Normal
Distribution

Standardized Normal
Distribution

sZ = 1

s =5

T = 40 50

mz = 0 2.0

Z
53 / 61

Obtaining the Probability

Standardized Normal Probability
Table (Portion)
Z

.00

.01

.02

sZ =1

0.0 .50000 .50399 .50798

:

2.0 .97725 .97784 .97831

.97725

2.1 .98214 .98257 .98300

mz = 0 2.0

Probabilities in body
54 / 61

Variability of Completion Time for

Noncritical Paths

Variability of times for activities on noncritical

paths must be considered when finding the
probability of finishing in a specified time.
Variation in noncritical activity may cause
change in critical path.

55 / 61

Factors to Consider when Crashing

The amount by which an activity is crashed

is, in fact, permissible.
Taken together, the shortened activity
durations will enable one to finish the project
by the due date.
The total cost of crashing is as small as
possible.

56 / 61

Steps in Project Crashing

Compute the crash cost per time period. For

crash costs assumed linear over time:
(Crash cost Normal cost
(Normalfind
time the
Crash
time)
times,
critical

Crash cost per period

Using current activity

path
If there is only one critical path, then select the
activity on this critical path that (a) can still be
crashed, and (b) has the smallest crash cost per
period. Note that a single activity may be
common to more than one critical path
Update all activity times.
57 / 61

Crash and Normal Times and Costs for

Activity B

58 / 61

Cost-Time Curves Used in Crashing

Analysis

59 / 61

Advantages of PERT/CPM

Especially useful when scheduling and controlling large

projects.
Straightforward concept and not mathematically
complex.
Graphical networks aid perception of relationships
among project activities.
Critical path & slack time analyses help pinpoint
activities that need to be closely watched.
Project documentation and graphics point out who is
responsible for various activities.
Applicable to a wide variety of projects.
Useful in monitoring schedules and costs.

60 / 61

Limitations of PERT/CPM

Assumes clearly defined, independent, &

stable activities
Specified precedence relationships
Activity times (PERT) follow
beta distribution
Subjective time estimates
Over-emphasis on critical path

61 / 61

Diseo de Sistemas de
Produccin
Pronsticos
Capitulo 4
Ing. Y M.A. Isidro Domnguez Alcaraz

62 / 97

ndice

Qu son los pronsticos?

Horizonte de tiempo del pronstico
Influencia del ciclo de vida del producto

Tipos de Pronsticos
Econmicos
Tecnolgicos
De la demanda

La importancia estratgica del pronstico

Recursos humanos
Capacidad
Administracin de la cadena de suministro

Siete pasos en el sistema de pronstico

63 / 97

ndice - Continuacin

Enfoque de pronsticos
Panorama de los mtodos cualitativos
Panorama de los mtodos cuantitativos

Pronsticos de series de tiempo

Descomposicin de una serie de tiempo
Enfoque intuitivo
Promedio mviles
Suavizamiento exponencial
Suavizamiento exponencial con ajuste de
tendencia
Proyeccin de tendencias
Variaciones estacionales en los datos
Variaciones cclicas en los datos
64 / 97

ndice - Continuacin

Mtodos asociativos de pronstico: anlisis de

regresin y correlacin
Uso del anlisis de regresin para pronosticar
Error estndar de la estimacin
Coeficientes de correlacin para rectas de
regresin
Anlisis de regresin mltiple

Supervisin y control de pronsticos

Suavizamiento adaptable
Pronostico enfocado

Pronsticos en el sector de servicios

65 / 97

Objetivos de aprendizaje
Al terminar de estudiar este capitulo
usted ser capaz de :
Identificar o definir:
Pronstico
Tipos de pronsticos
Horizontes de tiempo
Enfoques del pronstico

66 / 97

Objetivos de aprendizaje cont.

Al terminar de estudiar este capitulo usted ser capaz
de :
Describir o explicar:
Promedios mviles
Suavizamiento exponencial
Proyeccin de tendencias
Anlisis de regresin y correlacin
Medidas de la precisin del pronstico

67 / 97

Qu significa pronosticar?

Procesos de predecir un
evento futuro
Son la base para la toma
de decisiones
Produccin
Inventario
Personal
Instalaciones

Las ventas
sern $200
Millones!

68 / 97

Tipos de pronsticos por horizonte de

tiempo

Pronstico a corto plazo

Periodo de hasta un ao; pero usualmente es menor que 3
meses
Planear compras, programar el trabajo, determinar niveles de
mano de obra y decidir los niveles de produccin

Pronstico a mediano plazo

De 3 meses a 3 aos
Planear ventas, produccin, presupuesto, flujo de efectivo,
analizar diversos planes de operaciones

Pronstico a largo plazo

3 aos o ms
Planear nuevos productos , gastos de capital, ubicacin o
ampliacin de las instalaciones e investigacin y desarrollo
69 / 97

Pronstico a corto plazo vs. pronstico a ms

largo plazo

Mediano/largo plazo manejan cuestiones ms

globales y apoyan las decisiones administrativas
acerca de la planeacion y productos, plantas y
procesos

Corto-plazo usualmente emplea diferentes

metodologas que el pronstico a largo plazo

Corto-plazo tienden a ser ms precisos que los de

largo plazo.

70 / 97

Influencia del ciclo de vida del producto

Introduccin, crecimiento, madurez, declinacin

En las dos primeras fases de su ciclo de vida necesitan

pronsticos ms lejanos que las fases de madurez y
declinacin

Pronsticos tiles en la proyeccin de

niveles de personal,

niveles de inventarios, y
Capacidad de la planta
como el producto pasa a travs de las etapas del ciclo de
vida

71 / 97

Tipos de Pronsticos

Pronsticos econmicos
Abordan el ciclo del negocio al predecir tasas de
inflacin, suministros de dinero y otros indicadores
de planeacin.

Pronsticos tecnolgicos
ndices de progreso tecnolgico
Predecir la aceptacin de un producto nuevo

Pronsticos de la demanda
Predecir las ventas de un producto

72 / 97

La importancia estratgica del pronostico

Un buen pronostico es de importancia crucial para todos los
aspectos del negocio: el pronostico es la nica estimacin de la
demanda hasta que se conoce la demanda real. Por lo tanto,
los pronsticos de la demanda impulsan las decisiones en
muchas reas.

Recursos Humanos
La contratacin, capacitacin y despido de los trabajadores
dependen de la demanda prevista.

73 / 97

Capacidad
Cuando la capacidad es inadecuada, los faltantes que resultan
pueden significar entregas poco confiables, perdida de clientes y
perdida de la participacin en el mercado.

Administracin de la cadena de suministro

Las buenas relaciones con los proveedores y las subsecuentes
ventajas de precio en materiales y partes dependen de
pronsticos adecuados.

74 / 97

Siete pasos en el sistema de pronstico

1.
2.

3.
4.
5.

6.
7.

Determinar el uso del pronstico

Seleccionar los aspectos que se deben
pronosticar
Determinar el horizonte del pronstico
Seleccionar los modelos de pronstico
Reunir los datos necesarios para elaborar el
pronstico
Obtener el pronstico
Validar e implantar los resultados

75 / 97

Demanda del producto o servicio

Grfica de la demanda de un producto durante 4 aos que

seala una tendencia de crecimiento y estacionalidad
Picos estacionales

Componente de Tendencia

Lnea de
demanda real

Variacin
aleatoria
Ao
1

Ao

Demanda promedio
en 4 aos

Ao

Ao

76 / 97

Demanda actual, Promedio mvil,

Promedio mvil ponderado
Promedio mvil ponderado
Ventas reales

Promedio mvil

77 / 97

Realidades del Pronstico

Los pronsticos pocas veces son perfectos.

La mayora de las tcnicas de pronostico suponen la

existencia de cierta estabilidad en el sistema

Tanto los pronsticos de familias de producto como los

agregados son mas precisos que los pronsticos para
productos individuales.

78 / 97

Enfoques de Pronsticos
Mtodos Cualitativos

Mtodos Cuantitativos

Usado cuando la
situacin es vaga y existe
pocos datos
Productos nuevos
Nueva tecnologa

Usado cuando la situacin

es estable y existen
datos histricos
Productos existentes
Tecnologa actual

Incluye intuicin,
experiencia

Utiliza tcnicas
matemticas

eje., pronosticar
ventas en Internet

Eje., pronstico de
ventas de televisiones
de color

79 / 97

Panorama de los mtodos cualitativos

Jurado de opinin de ejecutivos

Mtodo Delphi

Panel de expertos, preguntas iterativas

Composicin de la fuerza de ventas

Las opiniones de un grupo de expertos o

administradores de alto nivel, a menudo en
combinacin con modelos estadsticos, convergen para
llegar a una estimacin grupal de la demanda

Cada vendedor estima cules sern las ventas en su

regin

Encuesta en el mercado de consumo

Pregunta al cliente
80 / 97

Jurado de opinin de ejecutivos

Incluye pequeos grupos de gerentes de alto nivel

El grupo estima la demanda trabajando juntos

Combina experiencia gerencial con modelos

estadsticos

Relativamente rpido

Pensamiento de grupo
desventaja

81 / 97

Composicin de la fuerza de ventas

Cada vendedor proyecta

sus ventas

Combinan niveles de
ventas (distrito y nacional)

Los representantes de
ventas saben lo que los
clientes desean

Tiende a ser demasiado

optimista

Ventas

1995 Corel Corp.

82 / 97

Mtodo Delphi

Proceso iterativo
3 tipos de personas
Tomadores de
decisiones
Personal
Entrevistados
Reduce la forma de
pensar del grupo

Tomadores de
decisiones

Staff
(Qu ventas
se obtuviera de
la encuesta?)

(Ventas?)
(Las ventas sern 50!)

Respuestas

(Las ventas sern 45, 50, 55)

83 / 97

Encuesta al consumidor

Pregunta al
consumidor sobre
sus planes de
compra
Que dicen los
consumidores, y que
lo hacen ellos es
frecuentemente
diferente
A veces es difcil
contestar

84 / 97

Panorama de los mtodos Cualitativos

Enfoque intuitivo
Promedio mviles
Suavizamiento exponencial
Proyeccin de tendencias

Regresin lineal

Modelos de series
de tiempo

Modelo asociativo

85 / 97

Mtodos de pronstico Cuantitativos

(No-intuitivos)
Pronstico
Cuantitativo

Modelos de
Series de tiempo

Promedio
Mvil

Suavizamiento
Exponencial

Modelo
asociativo

Proyeccin
de tendencias

Regresin
Lineal

86 / 97

Qu es una serie de tiempos?

Se basa en una secuencia de datos puntuales

separados a intervalos iguales
Obtenido observando la variable de respuesta a
periodos regulares de tiempo

Pronstico basado solamente en valores pasados

Asume que los factores que influyeron el pasado

y el presente continuarn influenciando en el
futuro
Ejemplo

Ao:
Ventas:

1998
78.7

1999
63.5

2000
89.7

2001
93.2

2002
92.1
87 / 97

Descomposicin de la serie de tiempo

Tendencia

Ciclos

Estacionalidad

Aleatoria

88 / 97

Tendencia

Movimiento gradual, ascendente o descendente, de

los datos en el tiempo
Debido a la poblacin, tecnologa, etc.
Tiene varios aos de duracin

Respuesta

Mes, Trimestre, Ao
89 / 97

Estacionalidad

Patrn regular de fluctuaciones hacia arriba y

hacia abajo
Debido al clima, clientes, etc.
Ocurre dentro de 1 ao

Verano

Respuesta

Mes, Trimestre
90 / 97

Patrones comunes de estacionalidad

Periodo del
patrn

Longitud de la
estacin

Nmero de
estaciones en el
Patrn

Semana

Da

Mes

Semana

44

Mes

Da

28 31

Ao

Trimestre

Ao

Mes

12

Ao

Semana

52

91 / 97

Cclicos

Son patrones en los datos que se repiten despus de

varios aos
Usualmente estn sujetos al ciclo comercial
Usualmente tiene entre 2 y10 aos de duracin

Ciclo
Respuesta

Mes, Trimestre, Ao

92 / 97

Componentes aleatorios

Errtico, no sistemtico, fluctuaciones residuales

Debido a variaciones aleatorias o eventos no

previstos

Huelga del sindicato

Tornado

De corta duracin y que no

se repiten

93 / 97

Modelos Generales de Series de tiempo

Cualquier valor observado en una serie de tiempo es

el producto o la suma) de sus componentes.

Modelo multiplicativo
Y = T S C R (Si los datos son trimestrales o
i
i
i
i
i
mensuales)

Modelo aditivo
Y = T + S + C + R (si los datos son trimestrales
i
i
i
i
i
o mensuales)

94 / 97

Enfoque intuitivo

Asume que la demanda del

siguiente periodo ser igual a
la demanda del periodo ms
reciente
Ej., si las ventas de Mayo
fueron 48, entonces las
ventas de Junio sern 48
tambin
Para algunas lneas de
productos este enfoque resulta
ms efectivo en costo y
eficientemente objetivo

95 / 97

Mtodo de promedio mvil

PM es una serie de medias aritmticas

Usa muy poco o no usa tendencias

Con frecuencia usa suavizamiento

Provee una impresin general de los datos
Ecuacin

Demanda en los n periodos anteriores

PM
n

PM = Promedio Mvil
96 / 97

Ejemplo de Promedio Mvil

Usted es gerente de la tienda de un museo
donde se venden replicas. Usted desea
pronosticar las ventas (000) para 2003 usando
a el promedio mvil para 3 periodos.
1998
1999
2000
2001
2002

4
6
5
3
7

97 / 97

Promedio mvil (Solucin)

98 / 97

Solucin de promedio mvil

99 / 97

Solucin de promedio mvil

100 / 97

Grfica de Promedio mvil

Ventas
8

Actual

Pronstico

4
2
95

96

97

98
Ao

99

00

101 / 97

Ejemplo de Promedio Mvil

Mes

Ventas
Reales

Total Mvil

Promedio Mvil

Enero

10

Febrero

12

Marzo

13

Abril

16

(10+12+13) = 35

35/3 = 11.67

Mayo

19

(12+13+16) = 41

41/3 = 13.67

Junio

23

(13+16+19) = 48

48/3 = 16.00

Julio

26

(16+19+23) = 58

58/3 = 19.33

Agosto

30

(19+23+26) = 68

68/3 = 22.67

Septiembre

28

(23+26+30) = 79

79/3 = 26.33

Octubre

18

(26+30+28) = 84

84/3 = 28.00

Noviembre

16

(30+28+18) = 76

76/3 = 25.33

Diciembre

14

(28+18+16) = 62

62/3 = 20.67
102 / 97

Mtodo Promedio Mvil Ponderado

Se utiliza cuando se presenta una tendencia o patrn

Ponderacin basada en intuicin

Los datos ms antiguos tienen menor importancia

Frecuentemente entre 0 y 1, o totalizando 1.0

Ecuacin

ponderacion para periodo n demanda en periodo n

PMP
ponderaciones
103 / 97

Ejemplo de Promedio Mvil Ponderado

Mes

Ventas
Reales

Total Mvil

Promedio Mvil

Enero

10

Febrero

12

Marzo

13

Abril

16

(10*1+12*2+13*3) = 73

73/6 = 12.17

Mayo

19

(12*1+13*2+16*3) = 86

86/6 = 14.33

Junio

23

(13*1+16*2+19*3) = 102 102/6 = 17.00

Julio

26

(16*1+19*2+23*3) = 123 123/6 = 20.50

Agosto

30

(19*1+23*2+26*3) = 143 143/6 = 23.83

Septiembre

28

(23*1+26*2+30*3) = 165 165/6 = 27.50

Octubre

18

(26*1+30*2+28*3) = 170 170/6 = 28.33

Noviembre

16

(30*1+28*2+18*3) = 140 140/6 = 23.33

Diciembre

14

(28*1+18*2+16*3) = 112 112/6 = 18.67

104 / 97

Demanda Actual, Promedio mvil, Promedio

mvil Ponderado
Promedio mvil ponderado
Ventas reales

Promedio mvil

105 / 97

Desventajas de Mtodos de Promedio Mviles

Incrementando n hace el pronstico

menos sensible a los cambios

No pronostica bien las tendencias

Requiere de muchos datos

histricos

106 / 97

Mtodo de Suavizamiento exponencial

Es un sofisticado de mtodo pronstico de

promedios mviles ponderados
La ponderacin declina exponencialmente
Los datos ms recientes tienen mayor
ponderacin
Requiere una constante de suavizamiento ()
Rango de 0 a 1
Se escoge subjetivamente
Implica mantener muy pocos registros de datos
histricos
107 / 97

Ecuacin de Suavizamiento exponencial

Ft = At - 1 + (1-)At - 2 + (1- )2At - 3

+ (1- )3At - 4 + ... + (1- )t-1A0

Ft

Ft-1 = pronstico anterior

= Constante de suavizado (o ponderacion) (0 1)
At-1 = demanda real en el periodo anterior

= Nuevo pronstico

Ft = Ft-1 + (At-1 - Ft-1)

Se utiliza para calcular pronsticos

108 / 97

Ejemplo de Suavizamiento exponencial

Durante los ltimos 8 trimestres, el puerto de Baltimore ha
descargado de los barcos grandes cantidades de grano. El
pronstico para el primer trimestre fue 175..Se examinan dos
valores de = 0.10 y = 0.50

Encontrar el
pronstico para el
9o trimestre.

Trimestre

Real

180

168

159

175

190

205

180

182

?
109 / 97

Solucin con Suavizamiento exponencial

Ft = Ft-1 + 0.10(At-1 - Ft-1)

Trimestre

Real

Pronstico, Ft

( = 0.10)

175.00 (Dado)

180

168

175.00 + .10(180 - 175.00) = 175.50

159

175.50 + .10(168 - 175.50) = 174.75

175

174.75 + .10(159 - 174.75) = 173.18

190

173.18 + .10(175 - 173.18) = 173.36

205

173.36 + .10(190 - 173.36) = 175.02

110 / 97

Solucin con Suavizamiento exponencial

Ft = Ft-1 + 0.10(At-1 - Ft-1)

Trimestre Actual

Pronstico, Ft

( = 0.10)

175

190

173.18 + .10(175 - 173.18) = 173.36

205

173.36 + .10(190 - 173.36) = 175.02

7
8

180
182
?

175.02 + .10(205 - 175.02) =

178.02
178.02 + .10(180 - 178.02) = 178.22
178.22 + .10(182 - 178.22) = 178.58

174.75 + .10(159 - 174.75) = 173.18

111 / 97

Ponderacin Asignada

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Ponderaciones
=
= 0.10

Periodo ms
reciente

2do periodo
ms reciente

3er periodo
ms reciente

(1 - )

(1 - )2

10%

= 0.90

112 / 97

Ponderacin Asignada

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Ponderaciones
=

= 0.10

Periodo ms
reciente

2do periodo
ms reciente

3er periodo
ms reciente

(1 - )

(1 - )2

10%

9%

= 0.90

113 / 97

Ponderacin Asignada

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Ponderaciones
=

= 0.10

Periodo ms
reciente

2do periodo
ms reciente

3er periodo
ms reciente

(1 - )

(1 - )2

10%

9%

8.1%

= 0.90

114 / 97

Ponderacin Asignada

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Ponderaciones
Periodo ms
reciente

2do periodo
ms reciente

3er periodo
ms reciente

(1 - )

(1 - )2

= 0.10

10%

9%

8.1%

= 0.90

90%

115 / 97

Ponderacin Asignada

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Ponderaciones
Periodo ms
reciente

2do periodo
ms reciente

3er periodo
ms reciente

(1 - )

(1 - )2

= 0.10

10%

9%

8.1%

= 0.90

90%

9%

116 / 97

Ponderacin Asignada

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Ponderaciones
Periodo ms
reciente

2do periodo
ms reciente

(1 - )

= 0.10

10%

9%

= 0.90

90%

9%

3er periodo
ms reciente

(1 - )2
8.1%
0.9%

117 / 97

Impacto de

118 / 97

Escogiendo
Busca minimizar la desviacin absoluta media (Mean
Absolute Deviation => MAD)
Si: Error del pronstico = demanda real valor pronosticado
Entonces:

real - pronstico
MAD
n

119 / 97

Para = 0.10
Trimestre

Real

Pronstico

Error

Absoluto

Cuadrado

180

175.00

5.00

5.00

25.00

168

175.50

-7.50

7.50

56.25

159

174.75

-15.75

15.75

248.06

175

173.18

1.82

1.82

3.31

190

173.36

16.64

16.64

276.89

205

175.02

29.98

29.98

898.80

180

178.02

1.98

1.98

3.92

182

178.22

3.78

3.78

14.29

178.58

Suma

82.45

1526.52

MAD

10.31

190.815
120 / 97

Para = 0.50
Trimestre

Real

Pronstico

Error

Absoluto Cuadrado

180

175.00

5.00

5.00

25.00

168

177.50

-9.50

9.50

90.25

159

172.75

-13.75

13.75

189.06

175

165.88

9.12

9.12

83.17

190

170.44

19.56

19.56

382.59

205

180.22

24.78

24.78

614.05

180

192.61

-12.61

12.61

159.01

182

186.30

-4.30

4.30

18.49

184.15

Suma

98.62

1561.62

MAD

12.32

195.20
121 / 97

Suavizamiento exponencial con ajuste

de tendencia

Pronstico incluyendo la tendencia (FITt)

= pronstico exponencialmente suavizado (Ft)
+ tendencia exponencialmente suavizada (Tt)

122 / 97

Suavizamiento exponencial con ajuste de

tendencia - continuacin
Ft = (demanda real del ltimo periodo) +
(1 - )(pronstico del ltimo periodo +
tendencia estimada para el ltimo periodo)
o
Ft = (At-1) + (1 - ) (Ft-1 + Tt-1)
Tt = (Pronstico de este periodo pronstico del
ltimo periodo) + (1-)(tendencia estimada
para el ltimo periodo)
o
Tt = (Ft - Ft-1) + (1- )Tt-1
123 / 97

Suavizamiento exponencial con ajuste de

tendencia - continuacin

Ft = pronstico exponencialmente suavizado de la serie de

datos en el periodo t

Tt = tendencia exponencialmente suavizada en el

periodo t

At = demanda real en el periodo t

= constate de suavizado para el promedio (0 1)

= constante de suavizado para la tendencia (0 1)

124 / 97

Mes

Real

Ft = (At-1) + (1 - ) (Ft-1 + Tt-1)

Tt = (Ft - Ft-1) + (1- )Tt-1

12

F1 = 11, T1 = 2.0

17

F2 = (0.02)(12) + (1.0 - 0.02)(11.0 + 2.0) = 12.80

T2 = (0.40)(12.8 - 11.0) + (1 0.40)(2.0) = 1.92

20

F3 = (0.02)(17) + (1.0-0.02)(12.8 + 1.92) = 15.18

T3 = (0.40)(15.18 - 12.8) + (1 0.40)(1.92) = 2.10

19

F4 = (0.02)(20) + (1.0-0.02)(15.18 + 2.1)=17.82

T4 = (0.40)(17.82 - 15.18) + (1 0.40)(2.1) = 2.32

24

F5 = (0.02)(19) + (1.0-0.02)(17.82 + 2.32) = 19.91

T5 = (0.40)(19.91 17.82) + (1 0.40)(2.32) = 2.23

21

F6 = (0.02)(24) + (1.0-0.02)(19.91 + 2.23) = 22.51

T6 = (0.40)(22.51 19.91) + (1 0.40)(2.23) = 2.38
125 / 97

Mes
7

Real
31

Ft = (At-1) + (1 - ) (Ft-1 + Tt-1)

Tt = (Ft - Ft-1) + (1- )Tt-1

F7 = (0.02)(21) + (1.0 - 0.02)(22.51 + 2.38) = 24.11
T7 = (0.40)(24.11 22.51) + (1 0.40)(2.38) = 2.07

28

F8 = (0.02)(31) + (1.0 - 0.02)(24.11 + 2.07) = 27.14

T8 = (0.40)(27.14 24.11) + (1 0.40)(2.07) = 2.45

36

F9 = (0.02)(28) + (1.0-0.02)(27.14 + 2.45) = 29.28

T9 = (0.40)(29.28 27.14) + (1 0.40)(2.45) = 2.10

10

F10 = (0.02)(36) + (1.0-0.02)(29.28 + 2.10)=17.82

T10 = (0.40)(17.82 29.28) + (1 0.40)(2.10) = 2.68

126 / 97

Mes

Demanda
Real

Pronstico
Tendencia
Suavizado, Ft Suavizada, Tt

Pronstico
incluyendo
tendencia FITt

12

11.00

2.00

13.00

17

12.80

1.92

14.72

20

15.18

2.10

17.28

19

17.82

2.32

20.14

24

19.91

2.23

22.14

21

22.51

2.38

24.89

31

24.11

2.07

26.18

28

27.14

2.45

29.59

36

29.28

2.32

31.60

10

32.48

2.68

35.16
127 / 97

Comparando Real y Pronsticos

128 / 97

Problema 4.43 Pagina 147

Las llamadas de emergencia durante las ultimas 24 semanas al sistema 911 de
Gainesville, Florida, se muestran en la siguiente tabla:

Semana

10

11

12

Llamadas

50

35

25

40

45

35

20

30

35

20

15

40

Semana

13

14

15

16

17

18

19

20

21

22

23

24

Llamadas

55

35

25

55

55

40

35

60

75

50

40

65

a).- Calcule el pronostico suavizado exponencialmente de las llamadas para cada semana.
Suponga un pronostico inicial de 50 llamadas en la primera semana, y use = 0.20, Cul
es el pronstico para la semana 25?
b).- Pronostique de nuevo con = 0.60.
c).- Las llamadas reales durante la semana 25 fueron 85. Qu constante de suavizado
proporciona un pronostico superior? Explique y justifique la medida de error que uso.

129 / 97

Problema 4.44 Pagina 147

Usando los datos de las llamadas al 911 en el problema anterior,
pronostique las llamadas para la semana 2 a 25 con un modelo de
suavizamiento exponencial con ajuste de tendencia. Suponga un
pronostico inicial de 50 llamadas para la semana 1 y una tendencia
inicial de cero. Utilice constantes de suavizado a = 0.30 y b = 0.20. Es
este un mejor modelo que el empleado en el problema anterior? Que
ajuste podra ser til para mejorarlo aun mas?

130 / 97

Regresin lineal

131 / 97

Valores de las variables dependientes

Mnimos cuadrados

Observacin
actual

Desviacin

Desviacin

Desviacin
Desviacin

Desviacin

Desviacin
Desviacin

Punto en la
lnea de
regresin

Y a bx
Tiempo
132 / 97

Real y Lnea de Mnimos Cuadrados

133 / 97

Proyeccin de tendencias

Utilizado para pronosticar tendencias lineales

Se asume que la relacin entre la variable de
respuesta y la variable de tiempo es una
funcin lineal
yi = a + bxi

Se estima utilizando el mtodo de mnimos

cuadrados
Minimiza los cuadrados de los errores

134 / 97

Ecuaciones de Mnimos Cuadrados

Ecuacin:

i a bx i
Y
n

Pendiente:

x i y i nx y

b i n

x i nx
i

Y-Intercepcin:

a y bx
136 / 97

Tabla de Computo

Xi
X1

Yi
Y1

Xi

X1

Y2

X2

Xn
Xi

Yn
Yi

Xn

X iY i

Y1

X 1Y 1

Y2

X 2Y 2

Yi

X2

:
2

Xi

Yn

:
2

Yi

X nY n
X iY i
137 / 97

Usando la lnea de tendencia

Ao
1997
1998
1999
2000
2001
2002
2003

Demanda
74
79
80
90
105
142
122

La demanda de energa
elctrica en N.Y.Edison
entre los aos 1997 y
2003 estn a la izquierda.
Encontrar la tendencia

138 / 97

Encontrando una lnea de tendencia

Ao

Periodo

Demanda

x2

xy

1997

74

74

1998

79

158

1999

80

240

2000

90

16

360

2001

105

25

525

2002

142

36

852

2003

122

49

854

x = 28

y = 692

x2 = 140

xy = 3,063

139 / 97

Ecuacin de lnea de tendencia

x 28

4
n
7

xy - nxy 3,063 (7)(4)(98.86) 295

10.54
2
2
2
x nx
140 (7)(4)
28

y 692

98.86
n
7

a y - bx 98.86 - 10.54(4) 56.70

Demanda en 2004 56.70 10.54(8) 141.02 megawatts
Demanda en 2005 56.70 10.54(9) 151.56 megawatts
140 / 97

Real y Pronstico

141 / 97

Modelo de Regresin Lineal

Muestra la relacin lineal que existe entre la

variable dependiente y las variables
independientes
Ejemplo: ventas y anuncios (no tiempo)
Intercepcin y

Pendiente

^
Yi = a + bX i
Variable dependiente
(respuesta)

Variable independiente
(explicativa)
142 / 97

Ecuaciones de Regresin Lineal

Ecuacin:

Yi a bx i
n

Pendiente:

x i y i nx y

i 1
n

x i2 nx 2

i 1

Y-Intercepcin:

a y bx
144 / 97

Tabla Computo de valores

Xi
X1

Yi

2
Xi

2
Yi

X iY i

Y1

X1

Y1

X 1Y 1

Y2

X 2Y 2

X2

Y2

X2

Xn
X i

:
2

Yn

Xn

Yi

2
X i

:
2

X nY n

2
Y i

X iY i

Yn

145 / 97

Interpretacin de los Coeficientes

Pendiente (b)
Cambio estimado en Y con valor b por cada
unidad que incrementa X
Si b = 2, entonces las ventas (Y) se
incrementaran en 2 por cada unidad que
se incrementa en anuncios (X)

Y-intercepcin (a)
Valor promedio de Y cuando X = 0
Si a = 4, entonces las ventas promedio (Y)
sern 4 cuando los anuncios sea cero (X)
146 / 97

Suposiciones de los Mnimos Cuadrados

Se asume relacin lineal para las

variables. Primero se grafica los datos. Si
aparece una curva, utilizar anlisis no
lineal.

La relacin lineal es para interpolar los

valores, no es valido para valores ms all
de los limites.

Las desviaciones son aleatorias.

147 / 97

Error estndar del estimado

n

S y,x

i 1

yc

n2

i 1

i 1

i 1

2
y
i a y i b xi y i

n2

148 / 97

Coeficiente de Correlacin

n x i yi x i yi

n x i
i

x i n yi yi
i i
i
n

149 / 97

Desempleo y Crecimiento Econmico

USA 1966-1995
En 1962 el economista norteamericano Arthur Okun plante un modelo
macroeconmico para explicar las variaciones en la tasa de desempleo.
Segn este modelo, que se conoce hoy en da como la ley de Okun, existe
una relacin lineal entre el cambio en la tasa de desempleo y la tasa de
crecimiento del Producto Interno Bruto (PIB) real.
El siguiente cuadro muestra datos sobre desempleo y crecimiento
econmico en los Estados Unidos durante el perodo 1966-95.
a) Use estos datos para estimar el modelo de Okun, y explique el significado
de los coeficientes obtenidos.
b) En este problema, el punto donde la recta intersecta al eje X tiene un
significado econmico interesante. Determine este punto para este caso, y
explique su significado en trminos del modelo de Okun.

150 / 97

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

Tasa de
Desempleo (%)

Crecimiento
PIB real (%)

1966

3.6

6.0

1981

7.5

1.8

1967

3.7

2.6

1982

9.5

-2.2

1968

3.4

4.1

1983

9.5

3.9

1969

3.4

2.7

1984

7.4

6.2

1970

4.8

0.0

1985

7.1

3.2

1971

5.8

3.1

1986

6.9

2.9

1972

5.5

4.8

1987

6.1

3.1

1973

4.8

5.2

1988

5.4

3.9

1974

5.5

-0.6

1989

5.2

2.5

1975

8.3

-0.8

1990

5.6

0.8

1976

7.6

4.9

1991

6.8

-1.2

1977

6.9

4.5

1992

7.5

3.3

1978

6.0

4.8

1993

6.9

3.1

1979

5.8

2.5

1994

6.0

4.1

1980

7.0

-0.5

1995

5.5

151 / 2.0
97

Coeficiente de Correlacin y Modelo

de Regresin

r=1

Y^i = a + b X i

r = -1
Y^i = a + b X i

r = .89
Y^i = a + b X i

X
Y

r=0
Y^i = a + b X i

r2 = cuadrado del coeficiente de correlacin (r), es el porcentaje de la

variacin en y que es explicado por la regresin lineal
153 / 97

Patrn del error del pronstico

Trend Not Fully

Accounted for
Error

Patrn deseado
Error

0
Tiempo (aos)

Tiempo (aos)

154 / 97

Forecast Error Equations

Mean Square Error (MSE)

n

MSE

(y
i 1

y i ) 2

Mean Absolute Deviation (MAD)

n

MAD

forecast errors

| y
i 1

y i |

| forecast

errors |

Mean Absolute Percent Error (MAPE)

n

MAPE 100

i 1

actual i forecast i
actual i
n

155 / 97

Selecting Forecasting Model Example

Youre a marketing analyst for Hasbro Toys. Youve forecast sales with a
linear model & exponential smoothing. Which model do you use?

Actual

Modelo lineal

Exponential

Year

Ventas

Pronstico

Smoothing
Forecast (.9)

1998
1999
2000
2001
2002

1
1
2
2
4

0.6
1.3
2.0
2.7
3.4

1.0
1.0
1.9
2.0
3.8
156 / 97

Evaluacin del modelo lineal

Ao

Yi

Y^ i

1998
1999
2000
2001
2002

1
1
2
2
4

0.6
1.3
2.0
2.7
3.4

Total

Error Error

|Error|

0.4
-0.3
0.0
-0.7
0.6

0.16
0.09
0.00
0.49
0.36

0.4
0.3
0.0
0.7
0.6

0.0

1.10

2.0

|Error|
Actual
0.40
0.30
0.00
0.35
0.15
1.20

MSE = Error2 / n = 1.10 / 5 = 0.220

MAD = |Error| / n = 2.0 / 5 = 0.400
MAPE = 100 |absolute percent errors|/n= 1.20/5 = 0.240
157 / 97

Exponential Smoothing Model Evaluation

Year
1998
1999
2000
2001
2002
Total

Y
i
1
1
2
2
4

Y^

i
1.0
1.0
1.9
2.0
3.8

Error

Error

0.0
0.0
0.1
0.0
0.2

0.00
0.00
0.01
0.00
0.04

0.3

0.05

|Error|
0.0
0.0
0.1
0.0
0.2
0.3

|Error|
Actual
0.00
0.00
0.05
0.00
0.05
0.10

MSE = Error2 / n = 0.05 / 5 = 0.01

MAD = |Error| / n = 0.3 / 5 = 0.06
MAPE = 100 |Absolute percent errors|/n = 0.10/5 = 0.02
158 / 97

Evaluacin del modelo de suavizamiento

exponencial
Modelo Lineal :
MSE = Error2 / n = 1.10 / 5 = .220
MAD = |Error| / n = 2.0 / 5 = .400
MAPE = 100 |absolute percent errors|/n= 1.20/5 = 0.240
Modelo de suavizamiento exponencial:
MSE = Error2 / n = 0.05 / 5 = 0.01
MAD = |Error| / n = 0.3 / 5 = 0.06
MAPE = 100 |Absolute percent errors|/n = 0.10/5 = 0.02
159 / 97