PRONOSTICOS.pdf

SEMINARIO DE PREPARACIÓN AL

EXAMEN PROFESIONAL

UNIVERSIDAD DE CUENCA-ESCUELA DE INGENIERÍA INDUSTRIAL

PRONÓSTICOS

Contenido

Pronóstico

Aplicaciones

Métodos del Pronostico racionales

Series de tiempo

Métodos de pronostico para un modelo

de nivel constante

Errores en el pronostico

Pronóstico en la práctica

2 UNIVERSIDAD DE CUENCA

ESCUELA DE INGENIERÍA INDUSTRIAL

Aplicaciones

Pronóstico de ventas

Pronóstico de la necesidad de piezas de

repuesto

Pronóstico de los rendimientos de producción

Pronóstico de las tendencias económicas

Pronóstico de las necesidades de personal



Los pronósticos se necesitan en muchos

lugares…

UNIVERSIDAD DE CUENCA


4

Lugar Recolección

de datos

Procesamiento

de la

información

Pronóstico Planes y metas

operacionales

Decisiones de

distribución

Cadena de

Supermercad

os

Caja registradora Acumulación del stock

De las demandas

de almacenaje por

producto

Mantener la probabilidad de

almacenaje entre 0-1%

Envío del centro de

distribución a las

tiendas

Hospital

Admisiones a

pacientes, actuales

y pasadas

Acumulación de la

demanda por

departamento y tipo

de servicio

# de pacientes y

los recursos que se

necesitan


almacenaje en 0%

Horario de las

habitaciones,

enfermeras,

medicamentos,

suministros, etc.

Manufactura-

Distribución

Ordenes de

compras

Acumulación de la

demanda de productos

en cada centro de

distribución

De la demanda de

cada centro de

distribución


almacenaje entre 1 -2%

Envío desde la fabrica

hasta los centros de

distribución

Distrito

escolar

Formato de las

aplicaciones

estudiantiles

Acumulación de la

demanda de clases por

escuela

# de estudiantes

que permanecen y

los salientes

Asegurar se de que los

tamaños de las clases son

razonables, # de profesores y

presupuesto suficientes

Asignar aulas,

profesores y

presupuestos

necesarios

Servicio de

reparaciones

Ordenes de trabajo

actuales y

presentes

Acumulación de la

demanda por tipo de

trabajo

# de clientes y de

los servicios

brindados


almacenaje menor al 1 %

Programación de

almacenamiento de

ítems y horarios del

personal necesario

Marco de Referencia NATURALEZA DE

LA DECISIÓN

PLANEACIÓN

ESTRATÉGICA DE

NEGOCIOS

PLANEACIÓN DE

VENTAS Y

OPERACIONES

PROGRAMACIÓN Y

CONTROL

MAESTROS DE

PRODUCCIÓN

Nivel de

Consolidación

Ventas o volumen de

producción totales

Unidades de familia de

productos

Productos terminados o

componentes individuales

Participación de la

alta gerencia Intensivo

Cuando se concilian

planes funcionales Muy poco

Frecuencia del

pronóstico Anual o menor Mensual o trimestral Constantemente

Longitud del

Pronóstico Anual o trimestral

Varios meses a un año/

mensualmente Algunos días a semanas

Inversión de la

administración en el

pronostico

Muy grande Moderada Muy poca

Costo del

procesamiento y

adquisición de datos

Alto Moderada Mínima

Técnicas útiles

Juicio general

Modelos de crecimiento

económico

Consolidación de

pronósticos detallados,

planes del cliente

Técnicas de proyección,

(promedios móviles,

suavización exponencial)

5

Planeación y control de la producción, Administración de la cadena de

suministros Thomas E. Vollmann et al. Quinta Edición, pg. 32



Marco de Referencia NATURALEZA DE

LA DECISIÓN

PLANEACIÓN

ESTRATÉGICA DE

NEGOCIOS

PLANEACIÓN DE

VENTAS Y

OPERACIONES

PROGRAMACIÓN Y

CONTROL

MAESTROS DE

PRODUCCIÓN

Nivel de

Consolidación

Ventas o volumen de

producción totales

Unidades de familia de

productos

Productos terminados o

componentes individuales

Participación de la

alta gerencia Intensivo

Cuando se concilian

planes funcionales Muy poco

Frecuencia del

pronóstico Anual o menor Mensual o trimestral Constantemente

Longitud del

Pronóstico Anual o trimestral

Varios meses a un año/

mensualmente Algunos días a semanas

Inversión de la

administración en el

pronostico

Muy grande Moderada Muy poca

Costo del

procesamiento y

adquisición de datos

Alto Moderada Mínima

Técnicas útiles

Juicio general

Modelos de crecimiento

económico

Consolidación de

pronósticos detallados,

planes del cliente

Técnicas de proyección,

(promedios móviles,

suavización exponencial)

6

Planeación y control de la producción, Administración de la cadena de

suministros Thomas E. Vollmann et al. Quinta Edición, pg. 32



Horizonte de planeación



7

Corto Plazo

Inventario

Compras

Requerimientos

Programación de la

producción

Mediano Plazo

Fuerza de trabajo,

Niveles de servicio

Objetivos de

Inventario

Largo Plazo

Nuevos Locales

Ventas y

distribución

Canales de servicio

Días/semanas

Métodos de pronóstico racionales

(Judgmental Forecasting Methods)

También llamados modelos cualitativos, involucran

cualidades como la intuición, opinión de los expertos y

experiencia

Opinión del gerente

Juicio de opinión ejecutiva

Agregados de la fuerza de ventas

Encuestas de mercado

Método Delphi



Características de los Pronósticos

9

Normalmente están equivocados

Un buen pronostico es más que un simple numero

Los pronósticos agregados son mas exactos

Entre más lejano sea el horizonte de pronostico,

menos exacta será la predicción

Los pronósticos no deben usarse para excluir

información conocida



Series de Tiempo

Si Xi es la variable de interés en un momento

determinado i, y las observaciones son tomadas en

los momentos i= 1,2,…, t, entonces los valores

observados {X1 =x1, X2 =x2,…, Xt =xt,} son series de

tiempo.



La evolución de las ventas mensuales

de un producto ilustra una serie de

tiempo.

Patrones de series de tiempo típicas con

fluctuaciones aleatorias

11

(a): nivel constante

(b): tendencia lineal

(c): nivel constante + efectos estacionarios



Patrones de series de tiempo típicas con

fluctuaciones aleatorias

12

(a): nivel constante

(b): tendencia lineal

(c): nivel constante + efectos estacionarios



Métodos de pronóstico para un modelo de

nivel constante

Se presentan 4 métodos de pronósticos alternativos:

Método del último valor

Método del promedio

Método del promedio móvil

Método de suavización exponencial



Promedios móviles

Un promedio móvil del orden n es sencillamente el

promedio aritmético de las n observaciones más

recientes

Entonces, el pronóstico hecho en el periodo t-1 para el

periodo t, está dado por:



Ejemplo

Los datos trimestrales para las fallas de ciertos

motores de aeronaves en una base local militar

durante los pasados dos años son 200, 250,

175, 186, 225, 285, 305, 190. Determine los

pronósticos de un paso hacia adelante para los

periodos 4 a 8 utilizando los promedios

móviles de tres periodos, y los pronósticos de

un paso adelante para los periodos 7 y 8

utilizando promedios móviles para seis

periodos.



Solución

Pronóstico de promedio móvil de 3 periodos para el

periodo 4:

Pronóstico de promedio móvil de tres periodos para el

periodo 5:


periodo 6:


periodo 7:


periodo 8:



Solución


periodo 7:


periodo 8:



Solución

Trimestre Fallas de

motor

PM(3) Error PM(6) Error

1 200

2 250

3 175

4 186 208 22

5 225 204 -21

6 285 195 -90

7 305 232 -73 220 -85

8 190 272 82 238 48



Suavizamiento Exponencial

Nuevo pronóstico = α (Observación actual de la

demanda) + (1- α)(último pronóstico)

En símbolos:

Donde 0< α ≤ 1 es la constante de suavización , que determina la

ponderación relativa colocada en la observación de demanda actual.

(1- α) es el peso asignado a las observaciones pasadas de la demanda.

Reacomodando los términos:




Como antes, Ft es el pronóstico de un paso adelante para

el periodo t realizado en el periodo t-1. Obsérvese que,

como

esto puede sustituirse en la ecuación anterior para obtener

Ahora podemos sustituir F t-2 en la misma forma. Si

continuamos de esta manera obtenemos la expansión

infinita para Ft,




Donde los pesos son:

y

Por lo tanto, el suavizamiento exponencial aplica un conjunto de ponderaciones decrecientes a todos los datos pasados .

La constante de suavización juega esencialmente el mismo papel aquí que el valor de n en los promedios móviles.




Si α es grande, + ponderación en la observación actual

- ponderación sobre las observaciones pasadas

El pronóstico reacciona rápidamente a cambios de patrones

+ variación de periodo a periodo

Si α es pequeña, + peso en los datos pasados

Los pronósticos son mas estables.



Ejemplo

23

En el ejemplo anterior, con el fin de iniciar el método,

asumimos que el pronostico para el periodo 1 fue 200.

supongamos que α =0.1 , el pronóstico de un paso

adelante para el periodo 2 es

De forma similar



Resultados

24

Trimestre Fallas Pronóstico

1 200 200 (Por suposición)

2 250 200

3 175 205

4 186 202

5 225 201

6 285 203

7 305 211

8 190 220

Observe el efecto constante de suavización. Aunque la serie original muestra

una alta varianza, los pronósticos parecen ser muy estables.



Errores en el Pronóstico

25

Defina el error de pronostico en cualquier periodo t, et,

como la diferencia entre el pronostico para el periodo y

la demanda real para el mismo periodo. Para pronósticos

de varios pasos adelante.

y para los pronósticos de un solo paso adelante




26

Digamos que e1, e2,…, en son los errores de pronóstico

observados en n periodos. Las dos medidas mas comunes

de exactitud de pronóstico durante estos periodos n son

la Desviación Absoluta Media (DAM) y el Error

Cuadrático Medio (ECM), dados por las formulas

siguientes:




27

Cuando los errores de pronostico se distribuyen

normalmente, como generalmente se supone, un

estimado de la desviación estándar del error de

pronostico, σe , está dada por 1.25 veces la DAM.

El Error Porcentual Absoluto Medio (EPAM) no es

dependiente de la magnitud de los valores de demanda:



Métodos basados en la tendencia

28

Análisis de Regresión

Suavizamiento exponencial doble

utilizando el método de Holt



Métodos para series estacionales

29

Descomposición estacional usando

promedios móviles

Método de Winters para los problemas

estacionales



Tarea



30

Problemas

Investigación: comparación entre suavizamiento

exponencial y promedios móviles (1 hoja)

Documents

PRONOSTICOS.pdf