PRONOSTICOS

Pronosticar es el arte y la ciencia de predecir los eventos del futuro. Aunque se necesita del juicio gerencial para pronosticar, el gerente cuenta con la ayuda de herramientas y mtodos matemticos sofisticados. No existe un mtodo universal para pronosticar en todas las situaciones. Los pronsticos ocupan un papel central dentro de las operaciones.
 Por su complejidad e

 Impacto sobre todas las decisiones de operaciones

USOS EN LA EMPRESA En operaciones como insumo para la toma de decisiones sobre:

Diseo del proceso Planeacin de Capacidad Inventarios

En Mercadeo se usan para:

Planear Productos Planear Promociones Planear Precios

En Finanzas como insumo para la planeacin financiera.

PRONOSTICOS
El enfoque a usar ser el pronstico de la Demanda de Produccin de la funcin de operaciones. Demanda y Ventas no siempre son lo mismo. Hay diferencia entre Pronstico y Planeacin.
Los pronsticos se refieren a lo que suceder en el futuro. La planeacin se refiere a lo que se considera debera suceder en el futuro

Con la planeacin se intenta alterar los eventos del futuro, los pronsticos se utilizan para predecirlos. Una buena planeacin usa los pronsticos como insumos. Los pronsticos siempre estn equivocados
Pequeas variaciones pueden ser absorbidas Grandes variaciones crearan grandes estragos.

Existen 3 formas de ajustarse a los errores de pronsticos:

Reducir el error a travs de mejores pronsticos. Incrementando la flexibilidad de las operaciones. Reducir el tiempo de anticipacin con que se requieren los pronsticos.

PRONOSTICOS
meta es el menor margen de error posible, lo cual es consistente con los costos razonables de pronsticos. Para reconocer los errores de los pronsticos, deben todos tener 2 nmeros: La mejor estimacin de la demanda (media, mediana, moda) Para el error de pronsticos ( , 2 , R) Tener un solo nmero es ignorar el error.
USOS Y METODOS DE LOS PRONOSTICOS EN OPERACIONES HORIZONTE DECISIONES Diseo del Proceso Planeacin de la capacidad de Instalaciones Produccin Agregada Programacin Admn. de Inventarios Corto Corto La + Alta La + Alta Muchos Muchos + Bajo + Bajo Mediano Alta Pocos Mediano Causales y Series de Time Series de Time Series de Time Largo Media Uno o pocos Alto DE TIEMPO Largo EXACTITUD NECESARIA Media # DE PRODUCTOS Unos pocos NIVEL GERENCIAL Alto METODO DE PRONOSTICO Cualitativos y Causales Cualitativos y Causales

La

PRONOSTICOS
Mtodos Cualitativos:
Los mtodos Cualitativos requieren el juicio gerencial. No usan modelos especficos Son tiles cuando se carece de datos o los existentes no son confiables para predecir el futuro. Deben utilizarse cuando se lanza un nuevo producto y no existen datos.

Mtodos Cuantitativos: Los que son por Series de Tiempo. Los que son Causales.
Hacen usos de modelos subyacentes para llegar a un pronstico. La lgica bsica para hacer pronsticos es que los datos del pasado y los patrones de datos son indicadores confiables para predecir el futuro. Los datos del pasado se procesan mediante series de tiempo o modelos causales.

METODOS CUALIT

DELPHI

ESTUDIOS DE MERCADO

ANALOGIA DE LOS CICLOS DE VIDA

JUICIO INFORMAD

METODOS DE PRONOSTICOS CUALITATIVOS EXACTITUD IDENTIF DESCRIPCION A A A PUNTO COSTO DEL METODO USOS CP MP LP RETORNO RELAT REFERENCIAS Pronostico desarrollado Pronostico de Ventas mediante un grupo de a LP para planeacion Regular Regular Regular Regular Medio North y Pyke expertos que responden de capacidad o a a a a a preguntas en rondas Muy Muy Muy Buena Alto Basu y Schroeder sucesivas. Las respuestas instalaciones. Buena Buena Buena anonimas del grupo Pronosticos retroalimentan en cada Tecnologicos para ronda a todos los evaluar cuando participantes. Se pueden pueden presentarse usar entre 3 y 6 rondas para lograr un consenso los cambios tecnologicos. sobre el Pronostico. Grupos, Cuestionarios, Pronosticos de la Ventas totales de la Pruebas de Mercado o Muy Regular Bass, King y compania, de grupos Buena Buena Regular a Alto Pressemeier Estudios que se usan para de productos Buena importantes o de obtener datos sobre las productos condiciones del Mercado. individuales. Prediccion basada en la Pronosticos de Venta Spencer, fase de Introduccion, a Largo Plazo para Regular Regular Mala Clark Crecimiento y Saturacion Mala a a a Medio y Hoguet de productos similares. planeacion de Buena Buena Regular Aprovecha la curva de capacidad o crecimiento de las ventas instalaciones. en forma de S. Pronostico que pueden Pronosticos de Mala Mala Mala Mala hacer un G o Individuo Ventas Totales y de a a a a Bajo basados en Experiencia, Regular Regular Regular Regular Intuicion o hechos Productos relacionados a la situacion Individuales.

METODOS SERIE TIEMPO

METODOS DE PRONOSTICOS POR SERIES DE TIEMPO EXACTITUD IDENTIF DESCRIPCION A A A PUNTO COSTO DEL METODO USOS CP MP LP RETORNO RELAT El Pronostico se basa en Planeacion de corto a mediano plazo para Mala Muy Mala Mala Bajo

REFERENCIAS

Mala a inventarios, niveles de Muy PROMEDIO MOVIL Buena ponderado de un numero produccion y un promedio aritmetico o programacion. Es de puntos de datos del bueno cuando hay muchos productos. pasado. Similar al promedio movil y Igual que el Promedio Movil da un mayor peso Regular exponencial a los datos a mas recientes. Bien Muy adaptado para usarse con Buena computadoras y cuando es necesario pronosticar un gran # de articulos. Un modelo lineal o no Igual que el promedio lineal ajustado con los datos de series de tiempo, pero con limitaciones Muy normalmente mediante Buena debido al costo y a su regresion. Incluye las lineas de tendencias, uso con pocos polinomios, logaritmos productos. lineales, etc. Metodos de auto - Limitado debido al correlacion que se usan costo de los Muy para identificar las series productos que Buena a de tiempo subyacentes y requieren de para ajustar el mejor pronosticos muy Excte modelo. 60 datos del past. exactos a CP.

Neter, Wasserman y Whitmore

SUAVIZAC EXPONENC

Mala a Buena

Muy Mala

Mala

Medio Brown, Adam Wheelwright y Makridakis

MODELOS MATEMAT.

Regular a Buena

Muy Mala

Mala

Bajo a Medio

BOX JENKINS

Regular a Buena

Muy Mala

Mala

Medio Box y a Jenkins, Alto Nelson

METODOS CAUSALES DE PRONOSTICOS EXACTITUD METODOS DESCRIPCION A A A CAUSALES DEL METODO USOS CP MP LP Este metodo relaciona la Planeacion a corto y demanda variables REGRESION internas que con externas tienden otras mediano plazo para o produccion agregada a o inventarios que Buena a Muy Buena Buena a Muy Buena Mala

IDENTIF PUNTO COSTO RETORNO RELAT

REFERENCIAS

Muy Buena

Medio Neter, Wasserman y Whitmore

cambiar la demanda. Este involucren a pocos metodo de regresion utiliza productos. Util cuando los para minimos obtener cuadrados hay estrechas un mejor relaciones de causa y

ajuste entre las variables. efecto. Un sistema de ecuaciones Pronostico de Ventas de regresion por clases de Muy MODELOS que ECONOMET independientes Buena productos para a describe algun sector de la Excte economia o actividad planeacion a corto y lucrativa. mediano plazo. Un metodo para Pronosticos de pronosticar que describe el MODELOS flujo de un sector de la Ventas de toda la No DE economia a otro para Dispon compania o de todo el INSUMO predecir insumos que se necesitan para producir pais por sector productos que requiere economico. otro sector. Simulacion del sistema de Pronostico de las distribucion para describir Ventas de toda la Muy BOX Buena los cambios en las ventas y compania por grupos JENKINS flujos del producto en el de tiempo. Refleja los efectos importantes del canal de distribucion. productos. Muy Buena Buena Excte Alto Huang

Buena a Muy Buena

Buena a Muy Buena

Regular

Muy Alto

Leontief

Buena a Muy Buena

Buena

Buena

Alto

Forrester, Chambers et al.

PROMEDIO MOVIL
Es el mtodo mas simple para pronsticos por serie de tiempo. El mtodo supone que solo tiene un componente de nivel y un componente aleatorio. No se presupone patrn de estacionalidad, tendencias, ni componentes de ciclos en los datos de demanda. PROCEDIMIENTO Seleccione un numero dado de periodos N. Calcule la demanda promedio A t para los periodos N del pasado al momento t.
At = (D1 + Dt - 1 + ..... + Dt N + 1) / N Como se supone que la serie de tiempo es horizontal, el mejor

pronstico para el periodo t + 1 es simplemente la demanda promedio observada a lo largo del periodo t. Es decir:
Ft + 1 = At

EJEMPLO DE PROMEDIO MOVIL

At = D1 + Dt-1 + + Dt - N+1 . N

F t +1= At

N=

3 DEM ANDA Dt 10 18 29 15 30 12 16 8 22 14 15 27 30 23 15

6 PROM M IL PRONOST OV PERIODOS At 3 PER Ft ERROR PRONOST Dt - Ft 6 PER Ft

PER 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

19.0 20.7 24.7 19.0 19.3 12.0 15.3 14.7 17.0 18.7 24.0 26.7 22.7

19.0 20.7 24.7 19.0 19.3 12.0 15.3 14.7 17.0 18.7 24.0 26.7

-4.0 9.3 -12.7 -3.0 -11.3 10.0 -1.3 0.3 10.0 11.3 -1.0 -11.7

19.0 20.0 18.3 17.2 17.0 14.5 17.0 19.3 21.8

EJEMPLO DE PROMEDIO MOVIL

PROMEDIO MOVIL PARA N= 3 Y 6
35 30

DEMANDA / PRONOSTICO

25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Dt 3 PER Ft 6 PER Ft

PERIODOS

SUAVIZACION EXPONENCIAL
Se basa en la idea muy simple de que es posible calcular un promedio nuevo a partir de un promedio anterior y adems de la demanda mas recientemente observada. At = Dt + (1 )At - 1 En este caso At -1 es el promedio anterior. Dt la demanda que se acaba de observar. es la proporcion de peso que se da a la demanda nueva contra la que se da al promedio anterior. 0<= <= 1 Si se desea que At responda mas rpido a la demanda reciente se debe dar un alfa grande. Si se desea que At responda mas lento, alfa debe ser pequeo. En la mayor parte de los pronsticos para dar estabilidad alfa es entre 0.1 y 0.3. Como en el promedio mvil la suavizacin exponencial simple se supone una serie de tiempo plana. Es decir no hay estacionalidad, ni tendencia ni ciclos entonces se puede decir que los pronsticos de los periodos futuro sern los promedios obtenidos en el periodo actual, es decir: Ft + 1 = At == Ft + 1 = Dt + (1 )Ft

SUAVIZACION EXPONENCIAL

Cuando se utiliza la suavizacin exponencial deben calcularse la estimacin de error, los cuales pueden servir para:
Para fijar inventarios o capacidad de seguridad. Para observar indicadores de demanda errtica que debern evaluarse con cuidado y quizs eliminarlos. Para determinar cuando el mtodo de pronostico no representa ya la demanda actual y debe volverse a cero.

Desviacin Absoluta Promedio (MAD)

MADt = IDt FtI + (1 )MADt - 1

Seal de Rastreo (T)

T = Suma acumul de la desviacin del pronost. / MAD

EJEMPLO DE SUAVIZACION EXPONENCIAL

= = 0.3 F1 = 15

Ft+1 =

Dt + (1 - )Ft

MA 0 = 7 D 0.1 DEMA NDA PRONOSTICO ERROR PRONOSTICO ERROR MA Dt SUMA SENA DE L PERIODO Dt Ft = 0.1 Dt - Ft Ft = 0.3 Dt - Ft ( = 0.3) A CUMULA DA RA STREO T 7.0 1 10 15 -5.00 15 -5.00 6.4 -5.0 -0.8 2 18 14.50 3.50 13.50 4.50 5.8 -0.5 -0.1 3 29 14.85 14.15 14.85 14.15 8.3 13.7 1.6 4 15 16.27 -1.27 19.10 -4.10 7.1 9.6 1.4 5 30 16.14 13.86 17.87 12.13 8.6 21.7 2.5 6 12 17.52 -5.52 21.51 -9.51 8.9 12.2 1.4 7 16 16.97 -0.97 18.65 -2.65 7.0 9.5 1.4 8 8 16.87 -8.87 17.86 -9.86 7.9 -0.3 0.0 9 22 15.99 6.01 14.90 7.10 7.6 6.8 0.9 10 14 16.59 -2.59 17.03 -3.03 6.2 3.7 0.6 11 15 16.33 -1.33 16.12 -1.12 4.7 2.6 0.6 12 27 16.20 10.80 15.78 11.22 6.7 13.8 2.1 13 30 17.28 12.72 19.15 10.85 7.9 24.7 3.1 14 23 18.55 4.45 22.40 0.60 5.7 25.3 4.4 15 15 18.99 -3.99 22.58 -7.58 6.3 17.7 2.8 (Dt - Ft) IDt - FtI TENDENCIA DESVIA CION A BSOLUTA 35.95 95.05 17.69 103.39

MADt = IDt - FtI + (1 - )MADt - 1

T= SUM ACUMUL DE LA DESVIAC DEL PRON A MAD

ANO 1964 1965 1966 1967 1968

Y = a + bx Y X 108 0 119 1 110 2 122 3 130 4 589 10

MINIMOS CUADRADOS
X 0 1 4 9 16 30
2

XY 0 PUNTO BASE 119 220 366 520 1225

Si m ultiplicam la ecuacion de la recta por el coeficiente de "a" os y luego se sum los term an inos, tenem os. Y = Na + b x Ahora m ultiplicam la ecuacion de la recta por el coeficiente de "b" os y luego se sum los term an inos. XY = a X + b X 5a + 10b =====> a= 589 -10b 5 a(10) + b(30) ==> a = 1225 - 30b 10 1225 - 30b = b= 10 a= Y = 108.4 + 4.7x Y = 108.4 + 4.7(5) 5 Y = 131.9 5
2

589 1225

= =

589 -10b 5

4.7 108.4

ANO 1964 1965 1966 1967 1968

Y = a + bx Y X 108 -2 119 -1 110 0 122 1 130 2 589 0

MINIMOS CUADRADOS
X2 4 1 0 1 4 10 XY -216 -119 0 PUNTO BASE 122 260 47

Si m ultiplicam la ecuacion de la recta por el coeficiente de "a" os y luego se sum los term an inos, tenem os. Y = Na + b x Ahora m ultiplicam la ecuacion de la recta por el coeficiente de "b" os y luego se sum los term an inos. XY = a X + b X a= b= Y N XY X2
2

a= b=

589 5 47 10

a = 117.8 b= 4.7

Y = 117.8 + 4.7x Y = 117.8 + 4.7(3) 3 Y = 131.9 3

METODO CAUSAL REGRESION LINEAL

= a + bx = Dem anda Estim ada Yi Xi a= - b x = Variable Independiente (se supone genera n n n XiYi - [( Xi)( Yi)] a = Interseccion de Y b= 2 2 n Xi - ( xi) b = Pendiente EJEMPLO i Yi 1 3.0 2 3.5 3 4.1 4 4.4 5 5.0 6 5.7 7 6.4 8 7.0 39.1 b= 2.00 a = -1.30 2 r = 97.3% r =
2

n= 8 Xi 2.0 2.4 2.8 3.0 3.2 3.6 3.8 4.0 24.8 XiYi 6.0 8.4 11.5 13.2 16.0 20.5 24.3 28.0 127.9 Xi 4.0 5.8 7.8 9.0 10.2 13.0 14.4 16.0 80.2
2

Yi 9.0 12.3 16.8 19.4 25.0 32.5 41.0 49.0 204.9

= - 1.3 + 2x Si x = 4.2 9= 7.1

2 2

[n XiYi - ( Xi)( Yi)]

2 2 2

[n Xi - ( Xi) ][n Yi - ( Yi) ]