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