Clase No.

1
PROCESOS INDUSTRIALES
Pronóstico de producción
• El pronóstico intenta predecir el futuro. Existen varios tipos de
pronósticos y presupuestos de producción y se dividen en dos
categorías generales. Éstos se denominan pronósticos de producción
cualitativos y cuantitativos.
• La elección de la técnica para un pronóstico depende del objetivo
del pronóstico. Para pronosticar la demanda de un producto y, por
lo tanto, planificar la capacidad de producción, deberemos basar el
pronóstico en los datos de origen.
Importancia del pronóstico
• En la experiencia de la mayoría de los negocios regionales -sean
estos del giro de producción o de servicios-, las decisiones tomadas
en el presente que impactaran en el futuro se respaldan en la
intuición; y no es que esto sea malo, pero bajo el contexto actual en
el cual se mueven todos los mercados, la incertidumbre es parte de
la operación de las empresas en el día a día.
• Para que las empresas puedan reducir este grado de incertidumbre
como resultado del cambio constante del entorno, deben respaldar
sus decisiones en algo más que la intuición, deben respaldarlo en la
elaboración de pronósticos correctos y precisos que sean suficientes
para satisfacer las necesidades de planeación de la organización
(Hanke y Wichern, 2006).
• En el sentido de los negocios, un pronóstico es una herramienta que
proporciona un estimado cuantitativo -o un conjunto de estimados-
acerca de la probabilidad de eventos futuros que se elaboran en
base en la información de interés en su dimensión pasada y actual
(Pindyck y Rubinfeld, 2001); dicha información se encuentra
expresada en la forma de un modelo y existen múltiples formas de
estos expresadas a través de técnicas de pronósticos.
• Es importante saber también que, para fines administrativos que
tengan como objetivo una mejor planeación en la empresa, el
proceso del pronóstico y sus resultados deben presentarse de forma
eficaz a fin de que sean utilizados en el proceso de toma de
decisiones en la organización, justificando siempre los resultados en
base a un costo-beneficio.
Pronóstico para las familias de demanda
estable:
• Son aquellas familias que a través del tiempo los requerimientos de
producto no varían de gran manera en el rango del mismo, o sea, los
requerimientos se mantienen estables, tal como su nombre lo
indica. Los cambios entre período y período son muy pequeños.
• La representación gráfica de esta familia se puede exponer de la
siguiente manera:
Método de último período:
• Este método se aplica a aquellos modelos de demanda que con el
tiempo son muy estables, o sea, los datos de requerimientos de
producto no cambian de gran manera con el tiempo.
• En su aplicación se asume que la desviación estándar de los datos
históricos será la misma para el futuro, esto quiere decir que el
pronóstico para el próximo período será igual al requerimiento del
último período que se tenga.
• Este método tiene la limitación que solo permite calcular solo un
período como pronóstico de riesgo
Método del promedio aritmético
• Este método se utiliza para reflejar el pasado en el futuro, cuando
una serie de datos se mantiene estable a menudo obedece cierto
patrón el cual es necesario reflejarlo en el pronóstico.
• De una serie de datos históricos, se seleccionan los últimos doce y
se regresa cuatro períodos atrás, esto ubica al período número 8
como último y descartan los datos de los períodos del 9 al 12. El
pronóstico de evaluación para el período 9 es el promedio del resto
de datos, o sea, el promedio de los períodos del 1 al 8.
• Luego se calcula el pronóstico para el período 10 al calcular el
promedio de los datos históricos del 1 al 9, y así sucesivamente
hasta obtener todos los pronósticos de evaluación requeridos.
• Luego se calcula el error acumulado y se compara con los errores
acumulados de los diferentes métodos que se estén evaluando. De
brindar este método el menor error acumulado se tomará para
hacer el pronóstico de riesgo.
Promedio Móvil para calcular pronósticos:
• Se utiliza cuando se quiere dar más importancia a conjuntos de
datos más recientes para obtener la previsión. Cada punto de una
media móvil de una serie temporal es la media aritmética de un
número de puntos consecutivos de la serie, donde el número de
puntos es elegido de tal manera que los efectos estacionales y / o
irregulares sean eliminados.
• Es óptimo para patrones de demanda aleatorios o nivelados donde
se pretende eliminar el impacto de los elementos irregulares
históricos mediante un enfoque en períodos de demanda reciente.
Promedio móvil:
Fórmula

Ventas reales en unidades de los

Promedio de ventas en unidades en
períodos anteriores a t
el período
Promedio t en unidades en el período t
de ventas Ventas reales en unidades de los períodos anteriores a t

Número de datos
Número de datos

Sumatoria de datos
Sumatoria de datos
Ejemplo promedio móvil:
MES VENTAS REALES (2009) • Una compañía presenta en el
siguiente tabulado el reporte de
Enero 80 ventas correspondiente al año 2009.
Febrero 90 • Teniendo en cuenta los datos
anteriores, se debe calcular un
Marzo 85 pronóstico mediante la técnica de
Abril 70 Promedio Móvil utilizando:
• Un período de 3 meses (a partir de
Mayo 80 abril de 2009)
Junio 105 • Un período de 6 meses (a partir de
julio de 2009)
Julio 100
• El objetivo consiste en identificar con
Agosto 105 cuál de los dos períodos del
pronóstico se obtiene mayor
Septiembre 100 precisión al compararse con las
Octubre 105 ventas reales del reporte.
Noviembre 100

Diciembre 150
 Solución:
Al ser un pronóstico con un período móvil de 3 meses, este deberá efectuarse a partir del mes Luego para efectuar la previsión del mes de Mayo, deberán tenerse en cuenta los últimos tres
de abril, es decir que para su cálculo tendrá en cuenta tres períodos, es decir, Enero, Febrero períodos que anteceden al mes de Mayo, es decir Febrero, Marzo y Abril.
y Marzo.
 MES VENTAS REALES (2009 ) PRONÓSTICO 3 MESE S

Enero 80

Febrero 90

Marzo 85

Abril 70 85

Mayo 80 82

Junio 105 78

Julio 100 85

Agosto 105 95

Septiembre 100 103

Octubre 105 102

Noviembre 100 103

Diciembre 150 102

Pronóstico de 6 meses:
El pronóstico restante al ser un pronóstico con un período móvil de 6 meses, este deberá
efectuarse a partir del mes de Julio, es decir que para su cálculo tendrá en cuenta seis
períodos, es decir, Enero, Febrero, Marzo, Abril, Mayo y Junio.

De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado:

 MES VENTAS REALES (2009) PRONÓSTICO 3 MESES PRONÓSTICO 6 MESES

Enero 80

Febrero 90

Marzo 85

Abril 70 85

Mayo 80 82

Junio 105 78

Julio 100 85 85

Agosto 105 95 88

Septiembre 100 103 91

Octubre 105 102 93

Noviembre 100 103 99

Diciembre 150 102 103

Promedio Móvil ponderado:
• Mientras, en el promedio móvil simple se le asigna igual
importancia a cada uno de los datos que componen dicho promedio,
en el promedio móvil ponderado podemos asignar cualquier
importancia (peso) a cualquier dato del promedio (siempre que la
sumatoria de las ponderaciones sean equivalentes al 100%). Es una
práctica regular aplicar el factor de ponderación (porcentaje) mayor
al dato más reciente.
Fórmula

Factor de ponderación

Promedio de ventas en unidades en el período t Ventas o demandas reales en unidades de los períodos anteriores a t

Sumatoria de datos Número de datos

Ejemplo:
• Un almacén ha determinado que el mejor pronóstico se encuentra
determinado con 4 datos y utilizando los siguientes factores de
ponderación (40%, 30%, 20% y 10%). Determinar el pronóstico para
el período 5.
Período Ventas (unidades) Ponderación
Mes 1 100000 10%
Mes 2 90000 20%
Mes 3 105000 30%
Mes 4 95000 40%
Solución
En este caso el primer paso consiste en multiplicar a cada período por su correspondiente
factor de ponderación, luego efectuar la sumatoria de los productos.

Podemos así determinar que el pronóstico de ventas para el período 5 es equivalente a 97500
unidades.
Método del promedio móvil ponderado
exponencialmente
• Este método permite el manejo de tendencias que no son
exclusivamente estables, permite además, regular las causas
asignables a fallas que se dan entre los requerimientos reales y los
pronósticos calculados.
• Esto lo logra al incluir un nuevo valor denominado factor alfa. Las
posibles causas en la diferencia del cálculo se pueden clasificar en:
causas asignables al azar y causas asignables al modelo.
• El valor del factor alfa varía entre un rango de 0 a 1. Cuando se
asigna un valor cercano a 0, se debe a que las causas son asignables
al azar, y cuando se asigna un valor cercano a 1 se debe a que las
causas son asignables al modelo.
• Para cada serie de datos es necesario definir el mejor valor posible
del factor alfa, esto se logra al hacer pronósticos de evaluación con
valores cercanos a 0, valores medios de 0 y 1 y valores cercanos a 1
utilizando la siguiente fórmula:
Fórmula de pronóstico del promedio móvil
ponderado exponencialmente
• P = Pronóstico anterior + Factor alfa * Error