ap - tema 15: pronosticos i
TRANSCRIPT
1
PRONOSTICOSPRONOSTICOSIng. José Manuel García Pantigozo 2010
I
ADMINISTRACION DE LA ADMINISTRACION DE LA PRODUCCIONPRODUCCION
¿QUÉ ES PRONOSTICAR?
• Es el arte y la ciencia de predecir los eventos futuros . Puede involucrar el manejo de datos históricos para proyectarlos al futuro, mediante algún tipo de modelo matemático.
• Puede ser una predicción subjetiva o intuitiva. O bien una combinación de ambas,es decir un modelo matemático ajustado por el buen juicio de un administrador de operaciones.
¿Cuanto venderé?
5
PRONÓSTICOS PARTE INTEGRALDEL PLANEAMIENTO DE NEGOCIOS
Métodos deMétodos dePronósticoPronóstico
EstimaciónEstimaciónde lade la
demandademanda
PronósticoPronóstico de Ventasde Ventas
Equipo de Equipo de AdministraciónAdministración
Ingreso:Ingreso:Mercado, Mercado,
Economía, Economía, OtrosOtros
Estrategia Estrategia de Negociosde Negocios
Pronóstico dePronóstico de Recursos de ProducciónRecursos de Producción
6
EJEMPLOS DE PRONÓSTICOS DE RECURSOS DE PRODUCCIÓN
RangoRangoAltoAlto
RangoRangoMedioMedio
RangoRangoCortoCorto
AñoAño
MesesMeses
SemanasSemanas
Línea de Products,Línea de Products,Capacidad de PlantaCapacidad de Planta
HorizonteHorizontePronósticoPronóstico TiempoTiempo ComienzoComienzo
del Pronósticodel PronósticoUnidad de Unidad de
MedidaMedida
Grupos de ProductosGrupos de ProductosCapacidad de Dptos.Capacidad de Dptos.
Productos EspecificosProductos EspecificosCapacidad de Maq.Capacidad de Maq.
Dolares,Dolares,LibrasLibras
Dolares,Dolares,LibrasLibras
Prod. Units,Prod. Units,UnidadesUnidades
– Proporciona información relacionada con el mercado y las predicciones de la demanda.
– Administra la demanda mediante políticas de fijación de precio y promociones p.e. los descuentos de temporada nivelan la demanda por un producto o servicio.
MARKETING OPERACIONES
– Se encarga de asegurar que los bienes y servicios de la Empresa se proporcionen cuando se necesiten.
8
• Pronóstico a corto plazo t– Hasta 3 meses.– Asignación de trabajos
• Pronóstico a mediano plazo– Entre 3 meses y 3 años.– Planeación de Producción y venta.
• Pronóstico a largo plazo– Mas de 3 años– Planeación de un nuevo producto.
TIPOS DE PRONOSTICO POR HORIZONTE DE TIEMPO
9
TIPOS DE PRONÓSTICOS
• Económicos• Tecnológicos• De demanda
PRONOSTICOS ECONOMICOS
• Sirven para pronosticar lo que serán las condiciones generales de los negocios dentro de algunos meses o años.
• Lo hacen los gobiernos, los bancos y los servicios de predicción econométrica.
PRONOSTICOS TECNOLOGICOS
• Pronostican la probabilidad y el significado de posibles desarrollos futuros.Indican la dirección de los cambios tecnológicos y la tasa de cambios esperada.
PRONOSTICOS DE LA DEMANDA
• Las predicciones de demanda pronostican la cantidad y la duración de la demanda de los bienes y servicios de una empresa.
13
ENFOQUES PARA PRONOSTICAR
• Pronósticos Cualitativos• Pronósticos
Cuantitativos
ENFOQUES CUALITATIVOS PARA PRONOSTICAR LA DEMANDA
• Las técnicas cualitativas de predicción dependen de conjetura adquiridas con base en la institución las técnicas cualitativas mas comunes son:
– Jurado de opinión ejecutiva– Método Delphi.– Fuerza de ventas– Encuestas a los clientes.
JURADO DE OPINIÓN EJECUTIVA• Permite la fusión de las opiniones de una
sección de expertos interfuncionales.• Esta técnica es relativamente económica
y mas utilizada a mediano y largo plazo.
METODO DELPHI
• Este método involucra a un grupo de expertos que comparten información y eventualmente llegan a un consenso en una predicción a largo plazo con respecto a las tecnología del futuro o a las ventas futuras de un nuevo producto
FUERZA DE VENTAS • En muchas compañías la fuerza de ventas
entra en contacto directo con los clientes lo cual constituye una buena fuente de información que considera las intenciones de los clientes a corto y a mediano plazos.
ENCUESTA A LOS CLIENTES• Una empresa también puede basar sus
predicciones en los planes establecidos de compras futuras de sus clientes actuales y otenciales mediante una encuesta a sus clientes .Esta información puede obtenerse directamente por medio de encuestas personales, por teléfono, correo o fax.
• Estos métodos cuantitativos emplean los modelos matemáticos y los datos históricos para pronosticar la demanda. Así, el pasado se utiliza para predecir el futuro.
• Hay dos tipos generales de métodos cuantitativos:
- Modelos de Series de tiempo
- Modelos Causales
ENFOQUES CUANTITATIVOS PARA PRONOSTICAR LA DEMANDA
MODELOS DE SERIES DE TIEMPO
• Incluye elaborar gráficas de los datos de demanda sobre una escala de tiempo y estudiar las gráficas para descubrir los modelos y las figuras o los patrones consistentes. Luego, estos patrones se proyectan hacia el futuro.
• DEFINICION: Una serie de tiempo es una secuencia de observaciones cronológicamente clasificadas que se toman a intervalos regulares para una variable en particular.
19
TendenciaTendencia
EstacionalEstacional
CíclicaCíclica
AleatoriAleatorioo
COMPONENTES DE LAS SERIES DE TIEMPO
20
MétodoCuantitativo
RegresiónLineal
ModelosCausales
SuavizadoExponencial
Promedio Móvil
ModelosSerie de Tiempos
Proyección
Tendencia
METODOS CUANTITATIVOS
21
DESCOMPOSICION DE UNA SERIE DE TIEMPOS
• Tedencia (T) es el movimiento gradual, ascendente o descendente, de los datos a traves del tiempo.
• Estacionalidad (S) es el patron de datos que se repite a si mismo despues de un periodo de dias, semanas, meses, trimestres, estaciones, etc. pero dentrol año..
• Ciclos (C) son patrones que ocurren enlos datos cada varios años.
• Variación al azar (R) son variaciones aleatorias que no obedecen a ningun comportamiento.
TENDENCIAS
• Las tendencias reflejan los cambios en la tecnología, los estándares de vida, los índices de población ,etc..
• DEFINICION: Una tendencia es el movimiento gradual hacia arriba o hacia debajo de los datos en el tiempo.
• Las tendencias son monótonas , pero no siempre lineales;pueden ser logarítmica o exponenciales.
ESTACIONALIDAD
• Las variaciones de temporada pueden corresponder a las estaciones del año, a los días festivos o a diferentes momentos del día o la semana.
• DEFINICION: La temporada es la variación que se repite a intervalos fijos. Pueden durar un año o solo unas pocas horas.
24
ESTACIONALIDAD
Periódo de tiempo Número de del Patrón donde Longitud de la Estaciones en es repetido Estación el Patrón
Año Trimestre 4 Año Mes 12 Year Semana 52 Mes Semana 4 Mes Dia 28-31 Semana Dia 7
VARIACIONES CICLICAS
• Las alzas y las bajas de la economía o de una industria especificas se representan en variaciones cíclicas . El ciclo de negocios que se repite de cinco a diez años es un ejemplo.
• DEFINICION: La variación cíclica tiene una duración de por lo menos un año; la variación varia de un ciclo a otro.
VARIACIONES ALEATORIAS
• Las variaciones aleatorias son variaciones en la demanda que no pueden explicarse mediante tendencias , variaciones de temporada o variaciones cíclicas. Un suceso impredecible, como una guerra, una huelga, un terremoto o partes de legislación, puede causar grandes variaciones aleatorias. A diferencia de las otras tendencias , la variación aleatoria siempre esta presente.
27
MODELOS DE MODELOS DE SERIE DE TIEMPOSSERIE DE TIEMPOS
MODELOS DE SERIE DE TIEMPOMODELOS DE SERIE DE TIEMPO
Modelo Multiplicativo de una serie de tiempo:
At = Tt * St * Ct * Et
Modelo Aditivo de una serie de tiempo:
At = Tt + St + C + Et
Donde :
At=Demanda real en el período t
Tt= Componente de tendencia para el período t.
St= Componente de temporada para el período t.
Ct= Componente de ciclo para el período t.
Et= Componente aleatoria o error para el período t.
PROMEDIO MOVIL SIMPLEPROMEDIO MOVIL SIMPLE
• Se utiliza para calcular la demanda promedio de los últimos n períodos y como predicción para el siguiente período.
• Promedio móvil simple:
Ft= (At + A t-1 + A t-2 +....+A t-n +1 ) nDonde :
Ft = predicción para el período t+1
At = demanda real para el período n = número de períodos por promediar
30
TimeTimeResponseResponse
YYiiMoving TotalMoving Total
((nn = 3) = 3)MovingMoving
Avg. (Avg. (nn = 3)= 3)
19931993 44
19941994 66
19951995 55
NANA NANA
NANA NANA
NANA NANA
19961996 33
19971997 77
19981998 NANA
4 + 6 + 5 = 154 + 6 + 5 = 15
SOLUCION DEL PROMEDIO MOVIL SOLUCION DEL PROMEDIO MOVIL SIMPLESIMPLE
31
TimeTimeResponseResponse
YYiiMoving TotalMoving Total
((nn = 3) = 3)MovingMoving
Avg. (Avg. (nn = 3)= 3)
19931993 44 NANA NANA
19941994 66 NANA NANA
19951995 55 NANA NANA
19961996 33 4 + 6 + 5 = 154 + 6 + 5 = 15 15/3 = 5.015/3 = 5.0
19971997 77
19981998 NANA
6 + 5 + 3 = 146 + 5 + 3 = 14
SOLUCION DEL PROMEDIO MOVIL SOLUCION DEL PROMEDIO MOVIL SIMPLESIMPLE
32
AñoAñoRespuestaRespuesta
YYiiMovil TotalMovil Total
((nn = 3) = 3)MovilMovil
Prom.(Prom.(nn = 3)= 3)
19931993 44 NANA NANA
19941994 66 NANA NANA
19951995 55 NANA NANA
19961996 33 4 + 6 + 5 = 154 + 6 + 5 = 15 15/3 = 5.015/3 = 5.0
19971997 77 6 + 5 + 3 = 146 + 5 + 3 = 14 14/3 = 4.714/3 = 4.7
19981998 NANA 5 + 3 + 7 = 155 + 3 + 7 = 15 15/3 = 5.015/3 = 5.0
SOLUCION DEL PROMEDIO MOVIL SOLUCION DEL PROMEDIO MOVIL SIMPLESIMPLE
33
Año
Ventas
0
2
4
6
8
93 94 95 96 97 98
Actual
Pronóstico
GRAFICO DEL PROMEDIO MOVIL GRAFICO DEL PROMEDIO MOVIL SIMPLESIMPLE
PROMEDIO MOVIL PONDERADOPROMEDIO MOVIL PONDERADO
• Se utiliza cuando existe una tendencia o patrón, los pesos pueden ser utilizados para poner mayor enfásis en datos recientes.
• Promedio de móvil ponderado:
Ft= (Peso para el periodo n)(Demanda periodo n) Σ pesosDonde :
Ft = predicción para el período n n = número de períodos por promediar
35
• Al incrementar n pronósticos, hace a este sensitivo a los cambios.
• No pronostica tendencias.
• Requiere muchos datos históricos
DESVENTAJAS DEL PROMEDIO MOVIL DESVENTAJAS DEL PROMEDIO MOVIL
36
MODELOS DE SUAVIZADO MODELOS DE SUAVIZADO EXPONENCIALEXPONENCIAL
MODELOS DE SUAVIZADOMODELOS DE SUAVIZADO
• Los modelos de suavización, como el promedio de desplazamiento simple y la suavización exponencial, pueden proporcionar predicciones razonables aa corto plazo con rapidez y a bajo costo.corto plazo con rapidez y a bajo costo.
• Suavización exponencial:
Ft= Ft-1 + α(A t-1 - F t - 1)Donde :
F t = predicción para el período t
F t - 1 = predicción para el período t - 1
At –1 = Demanda real para el período t - 1
α = constante de suavización (0<= 1<=1)
38
Se esta organizando una reunión en Kwanza. Se espera pronosticar la atención del año 2008 usando el suavizado exponencial.
( = .10). En 2003 el pronóstico fué 175.2003 1802004 1682005 1592006 1752007 190
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
39
Ft = Ft-1 + a· (At-1 - Ft-1)
AñoAño ActualPronósticoFt
(a = .10)
20032003 180 175.00 (Base)
20042004 168168
20052005 159159
20062006 175175
20072007 190190
20082008 NANA
175.00175.00 + +
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
40
Ft = Ft-1 + a· (At-1 - Ft-1)
AñoAño ActualFt
(a = .10)
20032003 180180
20042004 168168 175.00175.00 + .10( + .10(
20052005 159159
20062006 175175
20072007 190190
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
41
Ft = Ft-1 + a· (At-1 - Ft-1)
AñoAño ActualActualFFtt
((a a = .10)= .10)
20032003 180180
20042004 168168 175.00175.00 + .10(180 - + .10(180 -
20052005 159159
20062006 175175
20072007 190190
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
42
Ft = Ft-1 + a· (At-1 - Ft-1)
Año ActualFt
(a = .10)
2003 180
20042004 168168 175.00 175.00 + .10(180 - + .10(180 - 175.00175.00))
20052005 159159
20062006 175175
20072007 190190
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
43
Ft = Ft-1 + a· (At-1 - Ft-1)
AñoAño ActualActualFFtt
((= .10)= .10)
20032003 180180
20042004 168168 175.00175.00 + .10(180 - + .10(180 - 175.00175.00) = 175.50) = 175.50
20052005 159159
20062006 175175
20072007 190190
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
44
Ft = Ft-1 + a· (At-1 - Ft-1)
Año ActualFt
(a = .10)
2003 180
20042004 168168 175.00175.00 + .10(180 - + .10(180 - 175.00175.00) = 175.50) = 175.50
20052005 159159 175.50 + .10(168 - 175.50) = 174.75175.50 + .10(168 - 175.50) = 174.75
20062006 175175
20072007 190190
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
45
Ft = Ft-1 + a· (At-1 - Ft-1)
Año ActualFt
(a = .10)
2003 180
20042004 168168 175.00175.00 + .10(180 - + .10(180 - 175.00175.00) = 175.50) = 175.50
20052005 159159 175.50 + .10(168 - 175.50) = 174.75175.50 + .10(168 - 175.50) = 174.75
20062006 175175
20072007 190190
20082008 NANA
174.75 + .10(159 - 174.75) = 173.18174.75 + .10(159 - 174.75) = 173.18
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
46
Ft = Ft-1 + a· (At-1 - Ft-1)
Año ActualFt
(a = .10)
2003 180
20042004 168168 175.00 175.00 + .10(180 - + .10(180 - 175.00175.00) = 175.50) = 175.50
20052005 159159 175.50 + .10(168 - 175.50) = 174.75175.50 + .10(168 - 175.50) = 174.75
20062006 175175 174.75 + .10(159 - 174.75) = 173.18174.75 + .10(159 - 174.75) = 173.18
20072007 190190 173.18 + .10(175 - 173.18) = 173.36173.18 + .10(175 - 173.18) = 173.36
20082008 NANA
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
47
Ft = Ft-1 + a· (At-1 - Ft-1)
Año ActualFt
(a = .10)
2003 180
20042004 168168 175.00175.00 + .10(180 - + .10(180 - 175.00175.00) = 175.50) = 175.50
20052005 159159 175.50 + .10(168 - 175.50) = 174.75175.50 + .10(168 - 175.50) = 174.75
20062006 175175 174.75 + .10(159 - 174.75) = 173.18174.75 + .10(159 - 174.75) = 173.18
20072007 190190 173.18 + .10(175 - 173.18) = 173.36173.18 + .10(175 - 173.18) = 173.36
20082008 NANA 173.36 + .10(190 - 173.36) = 175.02173.36 + .10(190 - 173.36) = 175.02
EJEMPLO DE SUAVIZADO EJEMPLO DE SUAVIZADO EXPONENCIALEXPONENCIAL
Pronóstico
175.00 (Base)
48
Año
Ventas
140150160170180190
03 04 05 06 07 08
Actual
Pronóstico
GRAFICO DE SUAVIZADO GRAFICO DE SUAVIZADO EXPONENCIALEXPONENCIAL
49
DESVIACIÓN MEDIA ABSOLUTA (MAD)
n
Suma de Desviación absoluta para n periodos =MAD
n
Demanda pronosticada- Demanda actual=MAD
n
1=i
SUAVIZADO EXPONENCIAL CON SUAVIZADO EXPONENCIAL CON TENDENCIATENDENCIA
• La suavización exponencial simple falla al responder a las tendencias. Para suavizar nuestras correcciones por tendencias se calcula un promedio de suavización exponencial simple como el anterior, y se ajusta para retrasos positivos y negativos. La ecuación de la tendencia emplea una constante de suavización Beta, de la misma manera que el modelo simple utiliza Alfa.
• Las tendencias pueden ser o no lineales.Sin embargo, las tendencias lineales son imparciales y la mayoría de las personas encuentra fácil trabajar con ellas.
• Linea de tendencia lineal:
Ft = a+bt
b = (Σxy-nxy) a = y - bx (Σx2 – nx2)
Donde: t = número de períodos siguientes al período base.
Ft = demanda estimada para el período t a = demanda para el periodo base. b = pendiente de la línea de tendencia.
PROYECCIONES DE TENDENCIAPROYECCIONES DE TENDENCIA
PROYECCIONES DE TEMPORADAPROYECCIONES DE TEMPORADA
• Las proyecciones de temporada se dan para un período dado:
• IBM al igual que muchas empresas, experimenta la demanda de temporada, como puede observarse en el ejemplo 6 de la pagina 61.
• Pronóstico=Indice Estacional *Pronostico de la tendencia
Estacional
MODELO CAUSAL
• A diferencia de los modelos de serie, los modelos causales identifican y miden directamente los efectos de las fuerzas especificas que influyen en la demanda. Por tanto, son mas apropiados para predecir y evaluar los efectos de las decisiones que toma la empresa (p.e. cambios en la publicidad o en los precios ) que las técnicas de series de tiempos.
• Dentro de los modelos causales tenemos a la regresión lineal.
54
MODELOS DE MODELOS DE SERIE DE REGRESION LINEALSERIE DE REGRESION LINEAL
55
ANALISIS DE REGRESION LINEAL
• La relación entre una variable independiente, X, y una variable dependiente, Y.
• Asumido para ser lineal (una línea recta)• Ecuación: Y = a + bX
– Y = variable dependiente– X = variable independente– a = intercepta al eje y– b = pendiente de la regresión
57
Tiempo
VentasVentas
00
11
22
33
44
92 93 94 95 96
Ventas Vs Tiempo
GRAFICO DE REGRESION LINEAL
58
Equación: ii bxaY
Constante:
xnx
yxnyxb
i
n
i
ii
n
i
Y-Intercepta: xbya
ANALISIS DE REGRESION LINEAL
59
XXii YYii XXii22 YYii
22 XXiiYYii
XX11 YY11 XX1122 YY11
22 XX11YY11
XX22 YY22 XX2222 YY22
22 XX22YY22
:: :: :: :: ::
XXnn YYnn XXnn22 YYnn
22 XXnnYYnn
XXii YYii XXii22 YYii2
2 XXiiYYii
TABLA DE REGRESION LINEAL
60
Ud. Tiene que hacer un análisis de mercado para producir y vender un osito de la cadena Hasbro Toys. Ud. Tirene los siguientes datos: Años Ventas (Miles de Unidades)
1992 11993 11994 21995 21996 4
¿Cuál es la tendencia de la ecuación?
EJEMPLO DE REGRESION LINEAL
61
Al hacer los calculos tenemos que es Yi = -.1 + .7Xi.
Año Ventas (Miles de Unidades)1992 11993 11994 21995 21996 4
Pronostico de Ventas en 1997
EJEMPLO DE REGRESION LINEAL
62
DESVIACIÓN MEDIA ABSOLUTA (MAD)
n
Suma de Desviación absoluta para n periodos =MAD
n
Demanda pronosticada- Demanda actual=MAD
n
1=i
63
ERROR ESTANDAR ESTIMADO (MSE)
Syx = = Σ(y -yc)2
n - 2
Donde: y = el valor de y para cada punto de dato.
yc = el valor calculado para la variable dependiente a partir de la ecuación de regresión. n = el número de puntos de datos
64
APLICACIONES DE REGRESIONAPLICACIONES DE REGRESION