dirección de la producción: decisiones estratégicas capítulo 4: previsión ¿qué puede haber de...

Dirección de la Dirección de la Producción:Producción:

Decisiones estratégicas Decisiones estratégicas Capítulo 4:Capítulo 4:

PrevisiónPrevisión

¿Qué puede haber de improvisto para el que no ha previsto nada?

Paul Valéry (1871-1945) Poeta francés.

ContenidoContenido ¿Qué es la previsión?

Horizontes temporales de la previsión La influencia del ciclo de vida del producto

Tipos de previsiones La importancia estratégica de la previsión

Recursos humanos Capacidad Gestión de la cadena de suministros

Siete etapas en el sistema de previsión

Contenido Contenido Enfoques de la previsión

Visión global de los métodos cualitativos Visión global de los métodos cuantitativos

Previsión de series temporales Descomposición de una serie temporal Enfoque simple Medias móviles Alisado exponencial Alisado exponencial con ajuste de tendencia Proyecciones de la tendencia Variaciones estacionales en los datos Variaciones cíclicas en los datos

ContenidoContenido Métodos de previsión causal: análisis de

regresión y correlación Utilización del análisis de regresión para realizar

previsiones Error estándar de la estimación Coeficientes de correlación para las rectas de

regresión Análisis de regresión múltiple

Seguimiento y control de las previsiones Alisado adaptable Previsión enfocada

Previsión en el sector servicios

Objetivos de aprendizajeObjetivos de aprendizaje

Cuando haya completado este capítulo, debe ser capaz de:

Identificar o definir: Previsión Tipos de previsión Horizontes temporales Enfoques de la previsión

Objetivos de aprendizajeObjetivos de aprendizaje

Cuando haya completado este capítulo, debe ser capaz de:

Describir o explicar: Medias móviles Alisado exponencial Proyecciones de tendencia Análisis de regresión y correlación Medidas de precisión de la previsión

¿Qué es la previsión?¿Qué es la previsión? Arte y ciencia de predecir

acontecimientos futuros.

Base de todas las decisiones empresariales: Producción. Inventario. Personal. Instalaciones.

¡Venderá 200 millones de

dólares!

Toma de datos históricos y su proyección hacia el futuro con algún tipo de modelo matemático.

Predicción subjetiva o intuitiva del futuro.

Combinación de las anteriores.

Previsión a corto plazo: Cobertura de hasta un año, generalmente inferior a los tres

meses. Programación de trabajos, asignación de tareas.

Previsión a medio plazo: Entre tres meses y tres años. Planificación de las ventas, de la producción y del presupuesto.

Previsiones a largo plazo: Periodos superiores a tres años. Planificación de nuevos productos, localización de las

instalaciones.

Tipos de horizontes temporales Tipos de horizontes temporales de la previsiónde la previsión

Previsiones a corto plazo frente a Previsiones a corto plazo frente a previsiones a largo plazoprevisiones a largo plazo

Las previsiones a medio y largo plazo tratan de asuntos más extensos, y apoyan las decisiones de gestión que conciernen a la planificación y los productos, las plantas y los procesos.

Las previsiones a corto plazo normalmente emplean metodologías diferentes a las utilizadas en las previsiones a largo plazo.

Las previsiones a corto plazo tienden a ser más exactas que las realizadas a largo plazo.

La influencia del ciclo de vida del La influencia del ciclo de vida del productoproducto

Las etapas de introducción y crecimiento necesitan previsiones más largas que las de madurez y declive.

Las previsiones son útiles para proyectar niveles de personal niveles de inventarios niveles de capacidad de producción

(paso de la primera a la última etapa)

Tipos de previsionesTipos de previsiones Previsiónes económicas:

Dirigidas al ciclo empresarial: las tasas de inflación, la masa monetaria, construcción, etc.

Previsiónes tecnológicas: Predicen el ritmo de progreso tecnológico. Nuevas Tecnologías » Nuevos productos.

Previsiones de demanda (ventas): Ventas » Producción, capacidad, sistema de

planificación, gestión cadena suministro. Ventas » Planificación financiera, marketing y

personal.

Siete etapas en el sistema de Siete etapas en el sistema de previsiónprevisión

a) ¿Para qué?: Fin de la previsión.

b) ¿Qué?: Seleccionar los artículos a prever.

c) ¿Cuando?: Horizonte temporal de la previsión.

d) ¿Cómo?: Seleccionar el(los) modelo(s) de previsión.

e) Recogida de datos.

f) Realizar la previsión.

g) Validar e implementar los resultados.

ConsideracionesConsideraciones

a) Las previsiones “nunca” son perfectas.

b) La mayoría de las técnicas de previsión asumen una cierta estabilidad en el sistema.

c) La calidad de la previsión aumenta si se trabaja con familias de productos en vez de con productos individuales.

TipologíaTipología

Cuantitativas. Emplean diversos modelos matemáticos que utilizan datos históricos y/o variables causales.

Cualitativas. Incorporan la intuición, emociones, experiencias y sistemas de valores de la persona que toma decisiones.

Enfoques de la previsiónEnfoques de la previsión

Se emplean cuando la situación es “estable” y existen datos “históricos”: Productos existentes. Tecnología actual.

Requieren ténicas matemáticas: Por ejemplo, la previsión

de las ventas de televisiones en color.

Métodos cuantitativos Se emplean cuando la

situación no es clara y hay pocos datos: Productos nuevos. Nueva tecnología.

Requieren intuición y experiencia: Por ejemplo, la previsión de

las ventas a través de Internet.

Métodos cualitativos

4 métodos cualitativos4 métodos cualitativos

Jurado de opinión ejecutiva: Opiniones de un grupo de expertos de alto nivel o de directivos +

modelos estadísticos. Proposición de personal comercial:

Las estimación de las ventas esperadas por los vendedores se revisan para ver si se pueden llevar a cabo y luego se obtiene una previsión global.

Método Delphi: Proceso de grupo que permite a los expertos realizar las

previsiones. Estudio de mercado del consumidor:

Planes de compra. Útil para diseño de nuevos productos.

Requiere un pequeño grupo de directivos: El grupo establece una estimación conjunta de la demanda.

Combina la experiencia directiva con modelos estadísticos. Es bastante rápido. Desventaja del

“pensamiento en

grupo”.

© 1995 Corel Corp.

Jurado de opinión ejecutivaJurado de opinión ejecutiva

Proposición de personal Proposición de personal comercialcomercial

Cada vendedor estima las ventas que hará.

Se combinan con las previsiones a niveles de distritos y con las nacionales.

El representante de ventas conoce las necesidades de los consumidores.

Tiende a ser bastante optimista.

VentasVentas

© 1995 Corel Corp.

Método DelphiMétodo Delphi Proceso de grupo

iterativo. 3 tipos de participantes:

Los que toman decisiones. El personal de plantilla. Los que responden.

Reduce el “pensamiento en grupo”.

Los que responden Los que responden

Personal de Personal de plantilla plantilla

Los que toman Los que toman decisionesdecisiones

(¿Ventas?)

(¿Qué ventas habrá? cuestionarios)

(Habrá 45, 50, 55 ventas)

(Habrá 50 ventas)

Estudio de mercadoEstudio de mercado Preguntar a los

consumidores sobre sus futuros planes de compra.

Lo que dicen los consumidores y lo que luego hacen suele diferir.

A veces es difícil contestar a las preguntas del estudio.

¿Cuántas horas utilizará Internet la próxima semana?

¿Cuántas horas utilizará Internet la próxima semana?

© 1995 Corel Corp.

Visión global de los métodos Visión global de los métodos cuantitativoscuantitativos

Enfoque simple Medias móviles Alisado exponencial Proyección de tendencia

Regresión lineal

Modelos de series temporales

Modelos asociativos

Métodos de previsión cuantitativosMétodos de previsión cuantitativos (no simples)(no simples)

Previsióncuantitativa

Regresiónlineal

Modelosasociativos

Alisadoexponencial

Mediamóvil

Modelos de seriestemporales

Proyecciónde tendencia

Es una secuencia de datos uniformemente espaciada: Se obtiene observando las variables en periodos de tiempo

regulares.

Se trata de una previsión basada en los datos pasados: Supone que los factores que han influido en el pasado lo sigan

haciendo en el futuro.

Ejemplo:Año: 1993 1994 1995 1996 1997

Ventas: 78,7 63,5 89,7 93,2 92,1

¿Qué son las series temporales?¿Qué son las series temporales?

TendenciaTendencia

EstacionalidadEstacionalidad

CiclosCiclos

Variaciones Variaciones aleatoriasaleatorias

Descomposición de una serie Descomposición de una serie temporaltemporal

Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo.

Los cambios en la población, ingresos, etc. influyen en la tendencia.

Varios años de duración.

Mes, trimestre, año

Respuesta

© 1984-1994 T/Maker Co.

TendenciaTendencia

Muestra de datos de ascenso o descenso que se repite.

Se puede ver afectada por la climatología, las costumbres, etc.

Se produce dentro de un periodo anual.

Mes, trimestre

Respuesta

Verano

© 1984-1994 T/Maker Co.

EstacionalidadEstacionalidad

Movimientos de ascenso o descenso que se repiten.

Se pueden ver afectados por interacciones de factores que influyen en la economía.

Suelen durar de 2 a 10 años.

Mes, trimestre, añoMes, trimestre, año

RespuestaRespuestaCiclo

CiclosCiclos

Son “saltos” en los datos causados por el azar y situaciones inusuales.

Son debidas a variaciones aleatorias o a situaciones imprevistas: Huelga. Tornado.

Son de corta duración

y no se repiten.

© 1984-1994 T/Maker Co.

Variaciones aleatoriasVariaciones aleatorias

Cualquier valor que aparezca en una serie temporal es la multiplicación (o suma) de los componentes de la serie temporal.

Modelo multiplicativo: Yi = Ti x Si x Ci x Ri (si los datos son mensuales o

trimestrales).

Modelo aditivo: Yi = Ti + Si + Ci + Ri (si los datos son mensuales o

trimestrales).

Modelos de series temporalesModelos de series temporales

Demanda de un producto representada Demanda de un producto representada en un periodo de 4 años con tendencia en un periodo de 4 años con tendencia

de crecimiento y estacionalidadde crecimiento y estacionalidad

Primeraño

Segundoaño

Terceraño

Cuartoaño

Picos estacionales Componente de tendencia

Línea de demanda actual

Demanda media en cuatro años

Dem

anda

del

pro

duct

o o

serv

icio

Variación aleatoria

Enfoque simpleEnfoque simple

Suponer que la demanda en el próximo periodo será igual a la demanda del periodo más reciente: Por ejemplo, si en mayo hubo 48

ventas, en junio habrá 48 ventas.

Es el modelo con la mejor relación eficacia-coste y eficiencia.

© 1995 Corel Corp.

Las medias móviles son una serie de operaciones aritméticas.

Se utilizan si no hay tendencia o si ésta es escasa.

Se suelen utilizar para el alisado: Proporciona una impresión general de los datos a lo largo del tiempo.

Ecuación:

MMMMnn

nn demanda dedemanda de periodos previosperiodos previos

Medias móvilesMedias móviles

Usted es el director de una tienda de un museo que vende réplicas. Quiere predecir las ventas (000) del año 1998 mediante una media móvil de 3 meses.

1993 41994 61995 51996 31997 7

© 1995 Corel Corp.

Ejemplo de media móvil Ejemplo de media móvil

Solución de la media móvil Solución de la media móvil

Año RespuestaYi

Mediamóvil total

(n=3)

Media móvil(n=3)

1995 4 ND ND1996 6 ND ND1997 5 ND ND1998 3 4+6+5=15 15/3 = 51999 72000 ND

Solución de la media móvil Solución de la media móvil ponderadaponderada

Año RespuestaYi

Mediamóvil total

(n=3)

Media móvil(n=3)

1995 4 ND ND1996 6 ND ND1997 5 ND ND1998 3 4+6+5=15 15/3 = 51999 7 6+5+3=14 14/3=4 2/32000 ND

Solución de la media móvil Solución de la media móvil ponderadaponderada

Año RespuestaYi

Mediamóvil total

(n=3)

Media móvil(n=3)

1995 4 ND ND1996 6 ND ND1997 5 ND ND1998 3 4+6+5=15 15/3=5,01999 7 6+5+3=14 14/3=4,72000 ND 5+3+7=15 15/3=5,0

95 96 97 98 99 00Año

Ventas

2

4

6

8 Real

Previsión

Gráfico de la media móvilGráfico de la media móvil

Se utiliza cuando se presenta una tendencia: Los datos anteriores suelen carecer de importancia.

Las ponderaciones se basan en la intuición: Suelen estar entre 0 y 1, y a la suma de 1,0.

Ecuación:

Media móvil Media móvil ponderada =ponderada =

Σ Σ (ponderación para el periodo (ponderación para el periodo nn) (demanda en el periodo ) (demanda en el periodo nn) )

Σ Σ ponderacionesponderaciones

Método de la media móvil Método de la media móvil ponderadaponderada

Demanda real frente a los métodos de Demanda real frente a los métodos de media móvil y media móvil ponderadamedia móvil y media móvil ponderada

0

5

10

15

20

25

30

35

Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.

Mes

Dem

anda

de

vent

as Ventas reales

Media móvil

Media móvil ponderada

Al aumentar n veces, las previsiones son menos sensibles a los cambios.

No es posible predecir bien la tendencia.

Se necesitan muchos datos históricos.

© 1984-1994 T/Maker Co.

Inconvenientes de los métodos de Inconvenientes de los métodos de media móvilmedia móvil

Es una técnica de previsión de media móvil ponderada: Las ponderaciones disminuyen exponencialmente. Se ponderan más los datos más recientes.

Se necesita una constante de alisado (): Toma valores entre 0 y 1. Se escoge de forma subjetiva.

Necesita una cantidad reducida de datos históricos.

Alisado exponencialAlisado exponencial

Ft = At - 1 + (1-)At - 2 + (1- )2·At - 3

+ (1- )3At - 4 + ... + (1- )t-1·A0

Ft = Valor de la previsión

At = Valor real = Constante de alisado

Ft = Ft-1 + (At-1 - Ft-1) Se utiliza para calcular la previsión.

Ecuaciones del alisado Ecuaciones del alisado exponencialexponencial

Usted está organizando una reunión Kwanza. Desea predecir el número de personas que asistirán en el año 2000 mediante el alisado exponencial ( = 0,10). La previsión para 1995 fue de 175.

1995 1801996 1681997 1591996 1751999 190

© 1995 Corel Corp.

Ejemplo de alisado exponencialEjemplo de alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

AñoAño RealPrevisión, F t

(αα = = 0,100,10))

19951995 180 175,00 (Dado)

19961996 168168

19971997 159159

19981998 175175

19991999 190190

20002000 NDND

175,00 +175,00 +

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

AñoAño RealPrevisión, F t

(αα = = 0,100,10))

19951995 180180 175,00 (Dado)175,00 (Dado)

19961996 168168 175,00 + 175,00 + 0,100,10((

19971997 159159

19981998 175175

19991999 190190

20002000 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

AñoAño RealRealPrevisión, Previsión, FFtt

((αα = = 0,100,10))

19951995 180180 175,00 (Dado)175,00 (Dado)

19961996 168168 175,00 + 175,00 + 0,100,10(180(180 - -

19971997 159159

19981998 175175

19991999 190190

20002000 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

Año RealPrevisión, Ft

(αα = = 0,100,10))

19951995 180180 175,00 (Dado)175,00 (Dado)

19961996 168168 175,00 + 175,00 + 0,100,10(180(180 - 175,00 - 175,00))

19971997 159159

19981998 175175

19991999 190190

20002000 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

AñoAño RealRealPrevisión, Previsión, FFtt

((αα= = 0,100,10))

19951995 180180 175,00 (Dado)175,00 (Dado)

19961996 168168 175,00 +175,00 + 0,100,10(180 (180 - 175,00- 175,00)) = 175,50 = 175,50

19971997 159159

19981998 175175

19991999 190190

20002000 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

Año RealPrevisión, F t

(αα = = 0,100,10))

1995 180 175,00 (Dado)

19941994 168168 175,00 + 0,10(180 - 175,00) = 175,50175,00 + 0,10(180 - 175,00) = 175,50

19951995 159159 175,50175,50 ++ 0,100,10(168 -(168 - 175,50175,50)) = 174,75= 174,75

19961996 175175

19971997 190190

19981998 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

Año RealPrevisión, F t

(α = 0,10)

19951995 180180 175,00 (Dado)175,00 (Dado)

1996 168 175,00 + 0,10(180 - 175,00) = 175,50

19971997 159159 175,50 + 0,10(168 - 175,50) = 174,75175,50 + 0,10(168 - 175,50) = 174,75

19981998 175175

19991999 190190

20002000 NDND

174,75174,75 ++ 0,100,10(159(159 - - 174,75174,75))= 173,18= 173,18

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

Año RealPrevisión, F t

(α = 0,10)

1995 180 175,00 (Dado)

19961996 168168 175,00 + 0,10(180 - 175,00) = 175,50175,00 + 0,10(180 - 175,00) = 175,50

19971997 159159 175,50 + 0,10(168 - 175,50) = 174,75175,50 + 0,10(168 - 175,50) = 174,75

19981998 175175 174,75 + 0,10(159 - 174,75) = 173,18174,75 + 0,10(159 - 174,75) = 173,18

19991999 190190 173,18 + 173,18 + 0,100,10(175(175 - 173,18- 173,18)) = 173,36= 173,36

20002000 NDND

Solución del alisado exponencialSolución del alisado exponencial

Ft = Ft-1 + ·(At-1 - Ft-1)

Año RealPrevisión, F t

(α = 0,10)

19951995 180180 175,00 (Dado)175,00 (Dado)

19961996 168168 175,00 + 0,10(180 - 175,00) = 175,50175,00 + 0,10(180 - 175,00) = 175,50

19971997 159159 175,50 + 0,10(168 - 175,50) = 174,75175,50 + 0,10(168 - 175,50) = 174,75

19981998 175175 174,75 + 0,10(159 - 174,75) = 173,18174,75 + 0,10(159 - 174,75) = 173,18

19991999 190190 173,18 + 0,10(175 - 173,18) = 173,36173,18 + 0,10(175 - 173,18) = 173,36

20002000 NDND 173,36173,36 + + 0,100,10(190(190 - 173,36- 173,36) = 175,02) = 175,02

Solución del alisado exponencialSolución del alisado exponencial

Año

Ventas

140150160170180190

93 94 95 96 97 98

Real

Previsión

Gráfico del alisado exponencialGráfico del alisado exponencial

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Ponderaciones

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10%

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10% 9%

Ponderaciones

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Ponderaciones

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10% 9% 8,1%

Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Ponderaciones

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10% 9% 8,1%

90%

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Ponderaciones

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10% 9% 8,1%

90% 9%

Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...

Efectos de la previsión de la Efectos de la previsión de la constante de alisado constante de alisado

Ponderaciones

Periodo anterior

Hace 2 periodos

(1 - )

Hace 3 periodos

(1 - )2

=

= 0,10

= 0,90

10% 9% 8,1%

90% 9% 0,9%

Si se selecciona Si se selecciona

Trate de minimizar la desviación absoluta media (DAM)

Si: Error de previsión = demanda - previsión

Entonces:n

errores de previsiónDAM

Si se selecciona Si se selecciona

Trate de minimizar el error cuadrático medio (ECM)

Si: Error de previsión = demanda - previsión

Entonces:n

errores de previsiónECM

2

Alisado exponencial con ajuste de Alisado exponencial con ajuste de tendenciatendencia

Previsión incluyendo la tendencia (PITt)

= previsión alisada exponencialmente (Ft)

+ tendencia alisada exponencialmente (Tt)

Requiere 2 constantes de alisado: (α, β)

Ft = (demanda real de este periodo) + (1- )(previsión del último periodo + tendencia estimada del último periodo)o

Ft = (At) + (1- )Ft-1 + Tt-1

Tt = (previsión de este periodo - previsión del último periodo) + (1-)(tendencia estimada del último periodo)o

Tt = (Ft - Ft-1) + (1- )Tt-1

Alisado exponencial con ajuste de Alisado exponencial con ajuste de tendenciatendencia

Ft = previsión alisada exponencialmente de la serie de datos en el periodo t.

Tt = tendencia alisada exponencialmente en el periodo t.

At = demanda real en el periodo t.

= constante de alisado para la media. = constante de alisado para la tendencia.

Alisado exponencial con ajuste de Alisado exponencial con ajuste de tendenciatendencia

Comparación de previsionesComparación de previsiones

0

5

10

15

20

25

30

35

40

Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep.

Mes

Dem

and

a d

el p

rod

uct

o Demanda real

Alisado exponencial

Alisado exponencial + Tendencia

Método de mínimos cuadradosMétodo de mínimos cuadrados

Desviación

Desviación

Desviación

Desviación

Desviación

Desviación

Desviación

Periodo de tiempo

Valo

res

de la

var

iabl

e de

pend

ient

e

bxaY ˆ

Observación real

Punto en la línea de tendencia

Demanda real y línea de tendenciaDemanda real y línea de tendencia

0

20

40

60

80

100

120

140

160

180

0 2 4 6 8 10

Periodo de tiempo

Dem

anda

Demanda real

Y = 56,70+ 10,54X