Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRODUCCION
PRONOSTICOS
1
QU ES PRONOSTICAR?
Ingreso: Estimacin
Mtodos de
Mercado, de la
Pronstico
Economa, demanda
Otros
Pronstico Equipo de
de Ventas Administracin
Estrategia Pronstico de
de Negocios Recursos de Produccin 5
EJEMPLOS DE PRONSTICOS DE
RECURSOS DE PRODUCCIN
8
TIPOS DE PRONSTICOS
Econmicos
Tecnolgicos
De demanda
9
PRONOSTICOS ECONOMICOS
Pronostican la probabilidad y
el significado de posibles
desarrollos futuros.Indican la
direccin de los cambios
tecnolgicos y la tasa de
cambios esperada.
PRONOSTICOS DE LA DEMANDA
Las predicciones de
demanda pronostican la
cantidad y la duracin
de la demanda de los
bienes y servicios de
una empresa.
ENFOQUES PARA PRONOSTICAR
Pronsticos Cualitativos
Pronsticos
Cuantitativos
13
ENFOQUES CUALITATIVOS PARA
PRONOSTICAR LA DEMANDA
Tendencia Cclica
Estacional Aleatorio
19
METODOS CUANTITATIVOS
Mtodo
Cuantitativo
Modelos Modelos
Serie de Causales
Tiempos
20
DESCOMPOSICION DE UNA
SERIE DE TIEMPOS
Tedencia (T) es el movimiento gradual, ascendente o
descendente, de los datos a traves del tiempo.
Estacionalidad (S) es el patron de datos que se repite
a si mismo despues de un periodo de dias, semanas,
meses, trimestres, estaciones, etc. pero dentrol ao..
Ciclos (C) son patrones que ocurren enlos datos cada
varios aos.
Variacin al azar (R) son variaciones aleatorias que
no obedecen a ningun comportamiento.
21
TENDENCIAS
Las tendencias reflejan los cambios en
la tecnologa, los estndares de vida,
los ndices de poblacin ,etc..
DEFINICION: Una tendencia es el
movimiento gradual hacia arriba o
hacia debajo de los datos en el tiempo.
Las tendencias son montonas , pero
no siempre lineales; pueden ser
logartmica o exponenciales.
ESTACIONALIDAD
Las variaciones de temporada
pueden corresponder a las
estaciones del ao, a los das
festivos o a diferentes momentos
del da o la semana.
DEFINICION: La temporada es la
variacin que se repite a intervalos
fijos. Pueden durar un ao o solo
unas pocas horas.
ESTACIONALIDAD
Ao Trimestre 4
Ao Mes 12
Year Semana 52
Mes Semana 4
Mes Dia 28-31
Semana Dia 7
24
VARIACIONES CICLICAS
27
MODELOS DE SERIE DE TIEMPO
Ventas
8 Actual
6
4 Pronstic
2 o
0
93 94 95 96 97 98
Ao
33
PROMEDIO MOVIL PONDERADO
35
MODELOS DE SUAVIZADO
EXPONENCIAL
36
MODELOS DE SUAVIZADO
Los modelos de suavizacin, como el promedio de
desplazamiento simple y la suavizacin exponencial,
pueden proporcionar predicciones razonables a
corto plazo con rapidez y a bajo costo.
Suavizacin exponencial:
38
EJEMPLO DE SUAVIZADO EXPONENCIAL
Ventas
190 Actual
180
170 Pronstico
160
150
140
03 04 05 06 07 08
Ao
48
DESVIACIN MEDIA ABSOLUTA
(MAD)
i =1
Demanda actual- Demanda pronosticada
MAD =
n
49
SUAVIZADO EXPONENCIAL CON
TENDENCIA
b = (xy-nxy) a = y - bx
(x2 nx2)
Donde:
t = nmero de perodos siguientes al perodo base.
Ft = demanda estimada para el perodo t
a = demanda para el periodo base.
b = pendiente de la lnea de tendencia.
PROYECCIONES DE TEMPORADA
54
ANALISIS DE REGRESION LINEAL
55
GRAFICO DE REGRESION LINEAL
Ventas
Ventas Vs Tiempo
4
3
2
1
0
92 93 94 95 96
Tiempo
57
ANALISIS DE REGRESION LINEAL
Equacin: Yi a bx i
n
x i y i nx y
Constante: b i n
x i n x
i
Y-Intercepta: a y bx
58
TABLA DE REGRESION LINEAL
2 2
Xi Yi Xi Yi XiYi
2 2
X1 Y1 X1 Y1 X1Y1
2 2
X2 Y2 X2 Y2 X2Y2
: : : : :
2 2
Xn Yn Xn Yn XnYn
Xi Yi Xi Yi XiYi
2 2
59
EJEMPLO DE REGRESION LINEAL
Ud. Tiene que hacer un anlisis de mercado para
producir y vender un osito de la cadena Hasbro Toys.
Ud. Tirene los siguientes datos:
Aos Ventas (Miles de Unidades)
1992 1
1993 1
1994 2
1995 2
1996 4
Cul es la tendencia de la ecuacin?
60
EJEMPLO DE REGRESION LINEAL
61
DESVIACIN MEDIA ABSOLUTA
(MAD)
i =1
Demanda actual- Demanda pronosticada
MAD =
n
62
ERROR ESTANDAR ESTIMADO (MSE)
Syx = = (y -yc)2
n-2
Donde:
y = el valor de y para cada punto de dato.
yc = el valor calculado para la variable
dependiente
a partir de la ecuacin de regresin.
n = el nmero de puntos de datos
63
APLICACIONES DE REGRESION
64