Optimización de la producción

Pronósticos
 Contenido

2. Pronósticos
1. Planeación de la demanda.
2. Conceptos básicos de pronósticos
3. Tipos de pronósticos
1. A largo plazo
2. A corto plazo
3. Suavización de la exponencial
4. Regresión lineal simple
4. Análisis de series de tiempo
5. Pronósticos causales
 Pronóstico

El pronóstico es el proceso de proyectar

valores de una o más variables en el futuro.

Se necesitan buenos pronósticos en las

organizaciones para dirigir los análisis y las
decisiones relacionadas con las
operaciones.
 Planeación de la demanda
Procesos de apoyo y administrativos generales
GANAR UN CLIENTE CREACIÓN DE VALOR CONSERVAR AL CLIENTE

Servicios de Procesos centrales Servicios de

preproducción
• Demanda de bienes y servicios
• Participación de mercado,
ingresos y ganancias
• Demanda por marcas y
categorías
• Necesidades de
educación/capacitación
• Objetivos e incentivos de los
vendedores
• Nuevos diseños , cambios y
tendencias de tecnología
• Necesidades de financiamiento
• Pronósticos de la producción
• Tasas y tendencias de
productividad, calidad y
desempeño
• Tasas de falla de equipos
• Tendencias y habilidades para
el empleo
• Tendencias económicas
• Desempeño y tendencias en los
proveedores
posproducción
• Volumen y tiempo del centro
de atención telefónica
• Demanda de instalación,
mantenimiento y reparaciones
de campo
• Demanda de transporte
• Tendencias de
garantías/reclamaciones
• Capacitación en servicio de
campo y del centro de atención
telefónica

Medición y retroalimentación
 Conceptos básicos de pronóstico

Conceptos
básicos

Horizonte de Errores y
Patrones de Series de Series de
planeación del exactitud en
datos tiempo tiempo
pronóstico los pronósticos
 Horizonte de planeación del pronóstico

El horizonte de planeación es el periodo en el que se basa el pronóstico. Dependiendo el tipo de

pronóstico es el tiempo que requieren:

Horizonte de
Tipo de pronóstico ¿Para que se utilizan?
planeación

• Planear expansión de instalaciones

Largo plazo 1 a 10 años Determinar necesidades futuras como: terreno, mano de obra y equipo.
•

• Planear niveles de fuerza de trabajo.

Alcance intermedio 3 a 12 meses • Asignar presupuestos entre las divisiones
• Programar presupuestos y recursos
• Establecer planes de compra
• Planear horarios de producción y asignar roles a trabajadores.
Corto plazo Hasta 3 meses • Determinar requerimientos de capacidad al corto plazo
• Ayudar al departamento de embarque a planear necesidades de transporte
• Establecer fechas y horarios de entrega
 Factor de tiempo

El factor de tiempo es la unidad de medida para un periodo en el tiempo utilizado

en el pronóstico. Un factor de tiempo, puede ser un año, un trimestre, un mes, una
semana, un día, una hora o incluso un minuto.
Esto dependerá de el tipo de horizonte en el que se planea.
 Patrones de datos y series de tiempo

Una serie de tiempo es un conjunto de observaciones medidas en puntos sucesivos en el tiempo o en periodos
sucesivos. Una serie de tiempo nos proporciona datos para comprender como ha cambiado históricamente la variable
que queremos pronosticar.

Para explicar un patrón en una serie de datos es útil pensar en términos de cinco características:
Tendencias
1.Estacional
2.Cíclica
3.Variación aleatoria
4.Variación irregular
Una tendencia es un patrón subyacente de crecimiento o declive en una serie de tiempo. Este cambio gradual en el
tiempo puede verse a factores de largo plazo como los cambios en el desempeño, la tecnología, la productividad, la
población, las características demográficas y preferencias del cliente.

Las tendencias pueden ser crecientes o decrecientes; y tener ser lineales o no lineales:
Patrones estacionales
• Se caracteriza por periodos de tiempo repetibles de altibajos en
periodos cortos

Patrones cíclicos
• Son patrones regulares en una serie de tiempo de datos que tienen
lugar en periodos prolongados

Variación aleatoria
• Es una desviación no explicada de una serie de tiempo respecto de
un patrón predecible, como el de tendencias, estacional o cíclico.

Variación irregular
• Es una variación explicable de una sola vez.
 Errores y exactitud de pronósticos

Todos los pronósticos están sujetos a errores y comprender la naturaleza y magnitud de estos últimos
es importante para tomar buenas decisiones. Para realizar este cálculo, daremos sentidos a las
variables utilizadas:

• At representa el valor de la serie de tiempo en el tiempo t. (valor histórico).

• Ft representa el valor de pronóstico del periodo t.
• T es la suma de periodos de tiempo t en la serie de datos

El error de pronóstico es la diferencia entre el valor observado de la serie de tiempo y el pronóstico

𝐸𝑟𝑟𝑜𝑟 = 𝐴 𝑡 − 𝑃 𝑡
 Métricas para errores de pronósticos

Error del cuadrado medio o MSE:

MSE

Desviación media absoluta o MAD

𝑀𝐴𝐷=
∑ | 𝐴𝑡 − 𝑃 𝑡|
𝑇

Error porcentual absoluto medio o MAPE

𝑀𝐴𝑃𝐸=
∑|( 𝐴𝑡 − 𝑃 𝑡 ) / 𝐴𝑡| ∙ 100
𝑇
 Métodos de pronóstico cualitativos
Exactitud
Costo
Método Descripción del método Uso relativo
Corto Alcance Largo
plazo intermedio plazo

Consiste en pronosticar con base en la Planeación de capacidad e De

opinión de expertos reuniendo juicios y • De justa De justa a justa a
instalaciones Medio a
Método Delfos opiniones de personal clave a muy muy buena muy
fundamentados en su experiencia y • Evaluar cuándo pueden ocurrir buena buena alto
cambios tecnológicos.
conocimiento de la situación

Son utilizadas para obtener información de • Para predecir ventas totales de la

Encuestas de clientes potenciales sobre su deseo de empresa, principales grupos de Muy Buena Justa Alto
mercado buena
adquirir un bien o servicio. productos o productos individuales.

Predicción basada en las fases de

Analogía de introducción, crecimiento y madurez de • Para planear capacidad de venta a Justa a Justa a
gran escala Pobre Medio
ciclos de vida productos similares. Utiliza la curva de buena buena
crecimiento de ventas en forma de S • planear instalaciones

Pronóstico de un grupo o de un individuo

Juicio sobre la base de la experiencia, • Ventas totales Pobre a Probe a Pobre a
informado corazonadas o hechos sobre la situación. Ventas de productos individuales justa justa justa Bajo
•
No se utiliza ningún método riguroso.
 Modelos estadísticos de pronósticos

El pronostico estadístico se basa en el supuesto de que el futuro será una

extrapolación del pasado.

Métodos de
series de tiempo
Métodos
estadísticos
Métodos de
regresión
 Promedio móvil simple

Un pronóstico de promedio móvil es un pronostico de las observaciones “k” más recientes en una serie de
tiempo.
𝑡

∑ ( 𝐴¿¿ 𝑖)
𝑡 −𝑘+1
𝐹 𝑡 +1= ¿
𝑘

𝐴 𝑡 + 𝐴 𝑡 − 1+ 𝐴𝑡 −2 + 𝐴 𝑡 −3 + ⋯+ 𝐴 𝑡 − 𝑘+1
𝐹 𝑡 +1=
𝑘

Este método funciona mejor para horizontes de planeación cortos, cuando no hay patrones de tendencias,
estacionales o ciclos de negocio.

Una forma de ajustar el modelo hay que encontrar un k que minimice el MSE
Ejemplo
Periodo Observación Estos datos muestran los litros de leche que se venden cada mes en un Gas-Mart.
1 172 Sí utilizamos k=3.¿cómo calcular el pronóstico para el 4 período?
2 217
3 190
4 233
5 179 𝐴 3 + 𝐴 2+ 𝐴1
𝐹 4=
6 162 3
7 204
8 180
9 225 172+217+190
10 250 𝐹 4= =193
3
11 151
12 218
 Suavización de la exponencial simple (SES)

Es una técnica de pronóstico que usa un promedio ponderado de valores pasados de una serie de tiempo para
pronosticar el valor de esta última en el periodo siguiente:

𝐹 𝑡 +1=𝛼 𝐴𝑡 + ( 1− 𝛼 ) 𝐹 𝑡

Donde α es la constante de suavización y puede tomar valores entre 0 y 1. . Para usar este modelo, se debe
establecer que el pronóstico del primer periodo es igual a la observación del primer periodo:

Los valores comunes de α van de 0.1 a 0.5. Si la serie de tiempo es muy volátil y contiene una variabilidad
aleatoria, se prefiere un valor pequeño de α.
La constante de suavización α esta aproximadamente vinculada con el valor k en el modelo de promedios
móviles por efecto de la siguiente relación:

Una desventaja de la suavización exponencial es que si la serie de tiempo exhibe una tendencia positiva, el
pronostico demorará los valores reales, y de igual forma, los disparará si existe una tendencia negativa.

Si se necesitan valor mayores a 0.5 de α para desarrollar un buen pronóstico, otros tipos de pronósticos podrían
ser los más apropiados.
Ejemplo
Periodo Observación Estos datos muestran los litros de leche que se venden cada mes en un Gas-Mart.
1 172 Sí utilizamos α=0.2 .¿cómo calcular el pronóstico para el 4 período?
2 217
3 190
4 233
5 179 𝐹 1 = 𝐴 1 =172
6 162
7 204 𝐹 2=𝛼 𝐴 1+ (1 − 𝛼 ) 𝐹 1= 0.2 (172 )+ 0.8 (172 ) =172
8 180
𝐹 3=𝛼 𝐴 2 + ( 1− 𝛼 ) 𝐹 2=0.2 ( 217 )+ 0.8 ( 172 )=181
9 225
10 250
11 151
12 218
 Regresión lineal simple

El análisis de regresión, es un método para construir un modelo estadístico que defina una relación entre una
variable dependiente o una o más variables independientes.

La regresión lineal simple determina los mejores valores para obtener una pendiente y una ordenada de origen
utilizando el método de mínimos cuadrados. Dicho método minimiza la suma de desviaciones cuadradas entre
los valores reales de la serie de tiempo At y los valores estimados de la variable dependiente Yt

𝑌 𝑡 =𝑎+ 𝑏𝑡
Periodo de Datos histórico
tiempo Teniendo una serie de tiempo general como la que se muestra en la tabla, el primer
paso es calcular la media tanto de los datos temporales como de los datos históricos:
t1 A1
𝑛 𝑛

∑ 𝑡𝑖 ∑ 𝐴𝑖
t2 A2 𝑡 = 𝑖 =1 𝑖=1
𝐴=
𝑛 𝑛

Una vez que tenemos los promedios, podemos calcular el valor de la pendiente b:
t3 A3

t4 A4
Y para calcular la ordenada de origen a se utiliza la siguiente ecuación:

⁞ ⁞

tn An

Aunque Excel y otros programas estadísticos tienen funciones que calculan de

manera sencilla estos parámetros.