Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gestión de Operaciones
2024- I
6. Practica dirigida.
PRONOSTICOS
GESTION DE OPERACIONES
¿Qué es pronosticar?
No son sinónimos
En planeación se utilizan
pronósticos para la toma de
decisiones
GESTION DE OPERACIONES
¿Qué es pronosticar?
GESTION DE OPERACIONES
Horizontes de tiempo del pronostico:
GESTION DE OPERACIONES
La influencia del ciclo de vida del producto
GESTION DE OPERACIONES
Estrategias y conceptos durante el ciclo de vida del producto
de internet
Defensa de la posición DVD ‘S
en el mercado Televisores analogos
Blu-Ray
CD’S
Smart
Ventas phone
X-BOX
2.Pronósticos tecnológicos:
Predice el desempeño del progreso
tecnológico.
Predice la aceptación de un nuevo
producto.
3.Pronósticos de la demanda:
Proyecciones de las ventas de una
compañía para cada periodo en el
horizonte de planeación.
GESTION DE OPERACIONES
7 pasos en un Sistema de pronostico:
1. Determinar el uso del pronóstico. Ej.
«Pronostico de ventas de producto terminado
del Área comercial año 2021».
6. Hacer el pronostico.
GESTION DE OPERACIONES
Enfoque de los pronósticos:
GESTION DE OPERACIONES
Selección del modelo de pronósticos:
GESTION DE OPERACIONES
Métodos cuantitativos:
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
GESTION DE OPERACIONES
Métodos cuantitativos:
1. Promedios móviles
Modelos
2. Promedio movil ponderado de Series
3. Suavizamiento exponencial de tiempo
4. Proyección de tendencias
Modelo
5. Regresión lineal
asociativo
GESTION DE OPERACIONES
¿ Que es una serie de tiempo ?
GESTION DE OPERACIONES
Descomposición de una serie de tiempo:
La Tendencia Ciclica
La Estacionalidad Aleatorias
GESTION DE OPERACIONES
La Tendencia:
• Es el movimiento gradual, hacia arriba o hacia abajo, de
los datos en el tiempo.
Respuesta
GESTION DE OPERACIONES
La Estacionalidad:
• Es un patrón de datos que se repite después de un
periodo de días, semanas, meses etc.
Verano
Respuesta
Mes,
bimestre
GESTION DE OPERACIONES
Patrones comunes de la estacionalidad:
Ciclo
Respuesta
Mes, Trimestre,
Año GESTION DE OPERACIONES
Las variaciones aleatorias:
GESTION DE OPERACIONES
Demanda de un producto durante 4 años
-indica una tendencia creciente y una estacionalidad-
Picos Componente de
estacionales tendencia
Demanda del producto
Línea de la
demanda
actual
Demanda promedio
servicio
durante 4
años
Variaci
o
ón
Añ Añ
aleatoria Añ Añ
o o o o
1 2 3 4
GESTION DE OPERACIONES
Modelos de series de tiempo:
o Modelos multiplicativos:
• Yi = Ti · Si · Ci · Ri
o Modelos Aditivo:
• Yi = Ti + Si + Ci + Ri
GESTION DE OPERACIONES
Modelos de series de tiempo:
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
GESTION DE OPERACIONES
Promedio móvil:
• Los promedios móviles son útiles si suponemos que las
demandas del mercado permanecerán bastante
estables en el tiempo.
GESTION DE OPERACIONES
Promedio móvil:
1. Industrias S.A necesita hacer un pronostico, de sus ventas con
promedio móvil de 3 meses para sus ventas del próximo enero.
16.00
Desventajas de los promedios móviles:
GESTION DE OPERACIONES
Modelos de series de tiempo:
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
GESTION DE OPERACIONES
Promedio móvil ponderado:
GESTION DE OPERACIONES
Promedio móvil ponderado
2. Industrias S.A. quiere pronosticar sus ventas para el próximo enero.
Ponderando los últimos 03 meses, dando mas peso a los datos recientes
para hacerlo mas significativo.
AÑO DEMANDA L PROMEDIO MOVIL DE 3 MESES
REA
Enero 10
Febrero 12
Marzo 13
Abril 16 [(1 x 10) + (2 x 12) + (3 x 13)] 12.17
/6=
Mayo 19 [(1 x 12) + (2 x 13) + (3 x 16)] 14.33
/6=
Junio 23 [(1 x 13) + (2 x 16) + (3 x 19)] 17.00
/6=
Julio 26 [(1 x 16) + (2 x 19) + (3 x 23)] 20.50
/6=
Agosto 30 [(1 x 19) + (2 x 23) + (3 x 26)] 23.83
/6=
Setiembre 28 [(1 x 23) + (2 x 26) + (3 x 30)] 27.50
/6=
Octubre 18 [(1 x 26) + (2 x 30) + (3 x 28)] 28.33
GESTION DE OPERACIONES
/6=
Noviembre 16 [(1 x 30) + (2 x 28) + (3 x 18)] 23.33
Demanda real, promedio móvil, promedio móvil
ponderado
3
Promedio movil 5
ponderado
Demanda 3
real 0
Demanda de ventas
2
5
2
0
Promedio movil 1
5
50
Jan Feb Mar Apr May Jul Aug Sep Oct Nov
Jun Dec 1
0
Mes
GESTION DE OPERACIONES
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
P
Promedio Prom Movil Suavizado Regresion
Movil Ponderado Exponencial Lineal
GESTION DE OPERACIONES
Suavizamiento exponencial:
• Técnica de pronostico de promedios móviles ponderados donde los datos
se ponderan mediante una función exponencial.
Ft = Pronóstico nuevo
Ft-1 = Pronóstico anterior
At-1 = Demanda real del periodo anterior
= Constante de suavizado (0 1)
GESTION DE OPERACIONES
3. En Enero, el área comercial, predijo que la demanda para febrero
sería de 142 Toneladas. La demanda real para febrero fue de 153
toneladas. Usando la constante de suavizamiento que eligió la
administración de = 0.20, el vendedor quiere pronosticar la demanda
para marzo usando el modelo de suavizamiento exponencial.
Ft = Pronóstico nuevo
Ft-1 = Pronóstico anterior
= Constante de suavizado (0
1)
GESTION DE OPERACIONES
Medidas de exactitud de
pronosticos
n
GESTION DE OPERACIONES
Ejercicio:
GESTION DE OPERACIONES
TRIM Tn PRONÓSTICO
E REAL = 0.10
STRE VENDIDO
1 180 175
2 168 175.00 + 0.10 (180 - 175.00) 175.50
=
3 159 175.50 + 0.10 (168 - 175.50) 174.75
=
4 175 174.75 + 0.10 (159 - 174.75) 173.18
=
5 190 173.18 + 0.10 (175 -173.18) 173.36
=
6 205 173.36 + 0.10 (190 – 175.02
9 178.22 + 0.10 (182173.36)
– = 178.6
7 180 175.02
178.22) = + 0.10 (205 – 178.02
0
Ft = Pronóstico nuevo 175.02) =
8 182 Ft = F
178.02 + t0.10 + α (– A178.22
- 1 (180 t-1- Ft -
Ft-1 = Pronóstico anterior ) 178.02) =
1
At-1 = Demanda real del periodo anterior
= Constante de suavizado (0
1) GESTION DE OPERACIONES
TRIM Tn PRONÓSTICO
E REAL = 0.50
STRE VENDIDO
1 180 175
2 168
175.00 + 0.50 (180 - 175.00) = 177.50
3 159 177.50 + 0.50 (168 - 177.50) = 172.75
4 175 172.75 + 0.50 (159 - 172.75) = 165.88
5 190 165.88 + 0.50 (175 -165.88) = 170.44
6 205 170.44 + 0.50 (190 – 170.44) = 180.22
7 180 180.22 + 0.50 (205 – 180.22) = 192.61
89 182 192.61 ++ 0.10
186.30 0.50 (182
(180 –– 186.30)
192.61)== 186.30
184.15
Ft = Pronóstico nuevo
Ft = Ft - 1 + α ( A t - 1 - Ft -
Ft-1 = Pronóstico anterior
1)
At-1 = Demanda real del periodo anterior
= Constante de suavizado (0
1) GESTION DE OPERACIONES
5. Calcular el MAD:
82.45 98.62
MAD = = MAD = =
8 10.31 8 12.33
TRIME Tn PRONÓSTICO Desviación PRONÓSTICO Desviación
S REAL = 0.10 absoluta = 0.50 absoluta =
TRE VENDIDO = 0.10 0.50
1 180 175.00 5.00 175.00 5.00
2 168 175.50 7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
4 175 173.18 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 205 175.02 29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178.22 3.78 186.30 4.30
Ʃ 82.45 Ʃ 98.62
MAD 10.31 MAD 12.33
Con base a esta comparación de las dos MAD, se prefiere una constante = 0.10
en lugar una = 0.50, porque su MAD es pequeña.
GESTION DE OPERACIONES
Impacto de la contante de suavizamiento :
250
Pronostico (0.5)
200
Pronostico
150 (0.1)
Tn Real
descargado
100
50
0
1 2 3 4 5 6 7 8 9
Con base a esta comparación de las dos MAD, se prefiere una constante = 0.10
en lugar una = 0.50, porque su MAD es pequeña.
GESTION DE OPERACIONES
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
GESTION DE OPERACIONES
Proyecciones de tendencia con mínimos cuadrados:
Yt = a + bx
x = Variable independiente
Observaci Deviación
ón real (y) 7 Recta de
tendencia
Deviación
Deviación 5 6
Deviación 3
dependiente (y)
Deviación
4
Valores de la
Punto en la
Deviación
Regresión
variable
Deviación 2
1 Lineal
Tiempo
(x)
GESTION DE OPERACIONES
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
tion
Promedio Prom Movil Suavizado Regresion
Movil Ponderado Exponencial Lineal
GESTION DE OPERACIONES
Ecuaciones de mínimos cuadrados:
Ecuación
yˆ =
Pendiente de la recta a+bx
Intercepción-Y
GESTION DE OPERACIONES
PERIODO DEMANDA
AÑO
x y
x² xy
yaˆ==intersección con el eje y
2014 1 74 1 74
2015 2 79 4 158 a+bx
b = pendiente de la recta de
regresión
2016 3 80 9 240
2017 4 90 16 360
2018 5 105 25 525
2019 6 142 36 852
2020 7 122 49 854 x= n x x= 28
7 =
Σ 28 692 140 3063 692
4
y= y 98.86
n y= 7
b= 3063-(7)(4)(98.86) = 295 = 10.54
140-(7)(4 2 ) 28
a = 98.86-10.54(4)= 56.70
yˆ = a=yˆ-bx
140
120
100
80
60
40
20
0
2
0
1
2
GESTION DE OPERACIONES
2
Pronosticos
Cuantitativo
s
Modelos Modelos
Series de tiempo Asociativo
s
GESTION DE OPERACIONES
Modelos asociativos:
Y =a+bx
Y = Valor de la variable a predecir (v. dependiente)
b = Pendiente de la recta de
(Causa)
GESTION DE OPERACIONES
Cantidad de
Estación Volumen (m3) cobertores
vendidos
(unidades)
Invierno 20 652
Primavera 24 673
Verano 16 457
Otoño 21 640
GESTION DE OPERACIONES
Volum Venta
AÑO
en
x
s y
x² xy
yˆ =
a = intersección con el eje y
Invierno 20 652 400
576
13040 a+bx
b = pendiente de la recta de regresión
Primavera 24 673 16152
Verano 16 457 256 7312
Otoño 21 640 441 13440
81 2422 1673 49944
a=yˆ-bx
yˆ =
a+bx
Por lo tanto, se tiene:
GESTION DE OPERACIONES
Calculando el pronostico para la próxima estación:
Demanda pronosticada:
◌ෟ
◌
ෟ
GESTION DE OPERACIONES
Muchas gracias por su atención