SlideShare una empresa de Scribd logo
1 de 32
Descargar para leer sin conexión
Resúmen Capítulo 4
PRONÓSTICO
Objetivo general y específico
Cuando termine este capítulo usted podrá:
Identifique o defina:
Pronóstico, tipos de pronósticos, tiempo horizontal, acercamientos de los pronósticos.
Describa o explique:
Periodo promedio (moving average), pronostico anterior (exponential smoothing),
tendencia de proyección (trend projection), periodo estacional (seasonality), análisis de
regresión y correlación (regression and correlation análisis), medidas de exactitud del
pronostico ( measures of forecast accuracy).
Introducción
En este capítulo, examinamos diversos tipos de pronósticos y presentamos una
variedad de modelos de los pronósticos. Nuestro propósito es demostrar que hay
muchas maneras para que los encargados pronostiquen. También se proveerá una
descripción del pronóstico de ventas del negocio y describimos cómo preparar,
supervisar, y juzgar exactitud de un pronóstico. Los buenos pronósticos son una parte
esencial de operaciones eficientes del servicio y de la manufactura. El pronóstico es el
arte y la ciencia de acontecimientos futuros que predicen.
El Pronóstico Proporciona La Ventaja Competitiva De Tupperware
La mayoría de la gente piensa en Tupperware, ella prevé los envases plásticos
del alimento-almacenaje vendidos a través de los partidos caseros. Tupperware
sucede ser fabricante global acertado, con más el de 85% de su producto, $1 mil
millones en ventas fuera de los E.E.U.U. El pronóstico de demanda en Tupperware es
un proceso crítico, interminable. Cada uno de sus 50 centros de beneficio alrededor
del mundo es responsable de automatizar proyecciones mensuales, trimestrales, y de
doce meses de las ventas. Estos pronósticos conducen la producción en cada planta.
La variedad de modelos estadísticos del pronóstico usados en Tupperware incluye
cada técnica discutida en este capítulo, incluyendo promedios móviles, alisar
exponencial, y análisis de la regresión.
Día a día los gerentes de Tupperware toman decisiones sin saber qué sucederá
el futuro. Piden inventario sin saber cuál serán las ventas, compran el nuevo equipo a
pesar de la incertidumbre sobre la demanda para los productos, y hacen inversiones
sin saber cuan favorable sea su voluntad.
Proceso de manufactura en Tupperware
¿Que es pronostico?
El pronóstico es el arte y la ciencia de acontecimientos futuros que predicen.
Puede implicar el tomar de data histórica y proyectarla en el futuro con una cierta clase
de modelo matemático. . Puede ser una predicción intuitiva o subjetiva o puede ser
una combinación de ambas.
Introducimos diversas técnicas de pronóstico en este capítulo, se verá raramente
que hay un método superior. Qué trabaja lo más mejor posible en una firma bajo un
sistema de condiciones puede ser un desastre en otra organización, o en un
departamento diferente pero de la misma organización. Además hay límites en cuanto
a qué se puede esperar de pronósticos; son costosos y se pierde tiempo preparando y
supervisando.
Horizonte del tiempo de pronóstico
Generalmente un pronóstico es clasificado en tres categorías:
1. Pronóstico de corto alcance: Este pronóstico tiene una duración de hasta 1 año
pero es generalmente menos de 3 meses. Se utiliza para planear la compra, el
programar trabajo, niveles de mano de obra, asignaciones del trabajo, y los
niveles de la producción.
2. Pronóstico de mediano alcance: es de alcance intermedio, del pronóstico palmos
generalmente a partir de 3 meses a 3 años. Es útil en la planificación de ventas,
producción y el presupuesto, presupuesto, y en el análisis de algunos planes de
operación.
3. Pronóstico de largo alcance; Generalmente 3 años o más de duración, los
pronósticos de largo alcance se utilizan en planificación de productos nuevos,
los gastos en inversión de capital, localización o extensión de la facilidad, e
investigación y desarrollo.
Los pronósticos mediano y de largo alcance se diferencian de pronósticos de corto
alcance por tres características:
1. los pronósticos duraderos se ocupan de situaciones más comprensivas y apoyan
decisiones de la gerencia con respecto a la planificación y productos, industria, y
procesos.
2. el pronóstico a corto plazo emplea generalmente diversas metodologías que el
pronóstico de más largo plazo.
3. los pronósticos de corto alcance tienden a ser más exactos que los pronósticos
de largo-alcance. Factores que influencian el cambio de la demanda cada día.
La influencia del ciclo de vida del producto. Otro factor para considerar cuando los
pronósticos de las ventas que se convierten, especialmente los más largos, son ciclo
vital del producto. La mayoría de los productos acertados pasan a través de cuatro
etapas: (1) introducción, (2) crecimiento, (3) madurez, y (4) declinación.
La Importancia Estratégica Del Pronóstico
Las organizaciones utilizan tres tipos importantes de pronósticos en las operaciones
futuras de la planificación:
1. Los pronósticos económicos tratan el ciclo de negocio prediciendo tasas de
inflación, fuentes de dinero, comienzo de cubierta, y otros indicadores del
planeamiento.
2. Los pronósticos tecnológicos se refieren a los índices del progreso tecnológico,
que pueden dar lugar al nacimiento de productos nuevos, requiriendo nuevas
compañías y nuevos equipo.
Los pronósticos de la demanda son proyecciones de la demanda para los productos o
los servicios de una compañía. Estos pronósticos, también llamados los pronósticos de
las ventas, conducen la producción.
El pronóstico económico y tecnológico son técnicas especializadas que pueden bajar
fuera del gerente de operaciones.
Estrategias importantes para el forecastig
Los buenos pronósticos son de importancia crítica en todos los aspectos de un
negocio. Los pronósticos de la demanda conducen decisiones en muchas áreas.
Miremos el impacto del producto pronosticado en tres actividades: (1) recursos
humanos, (2) capacidad, y (3) gerencia de la proveer-cadena.
Recursos Humanos
Emplear, adiestrar, y el despido a trabajadores dependen de la demanda anticipada. Si
el departamento de recursos humanos debe emplear a trabajadores adicionales sin la
advertencia, la cantidad de adiestramiento declina y la calidad de la mano de obra
sufre.
Capacidad
Cuando la capacidad es inadecuada, los resultados pueden significar entrega mala,
pérdida de clientes, y pérdida de una parte del mercado.
Cadena de fuente gerencial
Las buenas relaciones del suplidor y el sobrevenir tasan las ventajas para los
materiales y las piezas dependiendo de pronósticos exactos.
Siete pasos en el sistema de pronóstico
Pronóstico sigue siete pasos básicos. Utilizaremos la corporación de Tuperware.
Determinar el uso del pronóstico: Las aplicaciones de Tupperware exigen pronósticos
para guiar la producción de cada una de sus 13 “plantas”.
Seleccionar los artículos que se pronosticarán: Para Tupperware, hay sobre 400
productos, cada uno posee SKU (unidad stock-keeping).
Determinar el horizonte del tiempo del pronóstico: Es el pronóstico corto, medio o el
largo plazo? Tupperware desarrolla los pronósticos mensuales, cada cuatro meses, y
12 meses para las proyecciones de ventas.
Seleccionar el/los modelo(s) del pronóstico: Tupperware utiliza una variedad de
modelos estadísticos.
Recopilar los datos necesitados para hacer el pronóstico: el mundo corporativo de
Tupperware mantiene bases de datos enormes para supervisar la venta de cada
producto.
Hacer el pronóstico
Validar e implementar los resultados: Se aplican las medidas preventivas, los
pronósticos se utilizan para itinerarios de materiales, programar el equipo y a personal
en cada “planta”.
Estos siete pasos presentan una manera sistemática de iniciar, diseñar, y implementar
el pronóstico.
FORECASTING APPROACHES
Hay dos acercamientos generales al pronóstico. Uno es un análisis cuantitativo; el otro
es un acercamiento cualitativo. Pronostico cuantitativo: utiliza una variedad de modelos
matemáticos. Los pronósticos cualitativos incorporan los factores tales como la toma
de decisiones, intuición, emociones, experiencias personales, y sistema del valor en
alcanzar un pronóstico.
Overview of Qualitative Methods
En esta sección, se consideran cuatro técnicas de pronóstico cualitativas:
Jurado de la opinión ejecutiva: bajo este método, reúnen las opiniones de un grupo
gerencial
Decision
Makers
(Evaluate
responses and
make
decisions)
Respondents
(People who
can make
valuable
judgments)
Staff
(Administerin
g survey)
Método de Delphi: hay tres diversos tipos de participantes en este método;
fabricantes de decisión, equipo personal, y respondedores. Bajo este método, reúnen
las opiniones de un grupo de expertos.
Compuesto de la fuerza de ventas: en este acercamiento, cada vendedor estima qué
las ventas estarán en su región.
Encuesta sobre mercado de consumidor: este método solicita la entrada de los clientes
o de los clientes potenciales con respecto a futuros planes de compra.
Overview of Quantitive Methods
Cinco métodos cuantitativos del pronóstico, que utilizan datos históricos, se describen
en este capítulo.
Tiene dos categorías:
Acercamiento ingenuo
Promedios móviles
Exponencial suave
Proyección de la tendencia
Regresión lineal
Modelo
Tiempo-Serie
Modelo
Sociable
Modelo Tiempo- serie: predice que el futuro es una función del pasado.
Modelo Sociable- regresión lineal, incorpora las variables o factores que pudieron
influenciar la cantidad que era pronosticada.
TIME-SERIES FORECASTING
Series de tiempo se basa en una secuencia (semanal, mensual, por cuartos, etc.) de
los puntos de referencias uniformemente esparcidos.
Descomposition of a Time Series
Analiza series de tiempo significa la subdivisión más allá de datos en componentes y
después la proyección de su delantero.
Una serie de tiempo tiene cuatro componentes: tendencia, por un tiempo, ciclos, y
variación al azar.
Naive Approach
La manera más simple de pronosticar es asumir que la demanda en el período de la
jerarquía será igual a la demanda en el período más reciente.
La demanda del producto planeada sobre 4 años con una tendencia y un seasonality
del crecimiento indicó
© 2006 Prentice Hall, Inc. 4 – 35
Demandforproductorservice
| | | |
1 2 3 4
Year
Average
demand over
four years
Seasonal peaks
Trend
component
Actual
demand
Random
variation
Figure 4.1Figure 4.1
Moving Average
Utiliza un número de valores históricos de los datos para generar un pronóstico. Los
promedios móviles son útiles si podemos asumir que las demandas del mercado
permanecerán en un cierto plazo constante.
Matemáticamente, se expresa el promedio móvil simple (que sirve como estimación de
la demanda del período próximo) así:
Moving average = ∑ Demand in previous n periods
n
Cuando una tendencia o un patrón perceptible está presente, los pesos se pueden
utilizar para poner más énfasis en valores recientes. Esta práctica hace técnicas del
pronóstico más sensible a los cambios porque un período más reciente hace que se
cargue con mayor peso.
El peso móvil promedio se calcula así:
Weighted = ∑ (Weight for period) (Demand in period n)
Moving average ∑ weights
Los promedios móviles simples y cargados son eficaces en alisar fuera de
fluctuaciones repentinas en el patrón de la demanda para proporcionar estimaciones
estables.
Los promedios móviles, sin embargo, presentan tres problemas
1. El aumento del tamaño de n.
2. Los promedios móviles no pueden tomar bien las tendencias.
3. Los promedios móviles requieren expedientes extensos de los datos mas
recientes.
El cuadro 4.2, un diagrama que ilustra el efecto del retraso del moving average model.
© 2006 Prentice Hall, Inc. 4 – 47
3030 –
2525 –
2020 –
1515 –
1010 –
55 –
SalesdemandSalesdemand
| | | | | | | | | | | |
JJ FF MM AA MM JJ JJ AA SS OO NN DD
ActualActual
salessales
MovingMoving
averageaverage
WeightedWeighted
movingmoving
averageaverage
Figure 4.2Figure 4.2
Exponential smoothing
Implica muy poco el guardar del expediente de últimos datos.
Se calcula asi:
New forecast = Last period’s forecast
+ α (last period’s actual demand – last period’s forecast)
Donde está α un peso, o alisar a la constante, que tiene un valor entre 0 y 1.
Ft = Ft-1 + α (At-1 – Ft-1)
La constante que alisa, α, está generalmente en la gama del 05 al 50 para los usos de
negocio. Puede ser cambiada para dar más peso a los datos recientes (cuando a es
alta) o más peso a los últimos datos.
Diferencia de α
© 2006 Prentice Hall, Inc. 4 – 54
225225 –
200200 –
175175 –
150150 – | | | | | | | | |
11 22 33 44 55 66 77 88 99
QuarterQuarter
DemandDemand
αα = .1= .1
ActualActual
demanddemand
αα = .5= .5
Measuring Forecast Error
La exactitud total de cualquier promedio de moving average del pronóstico, el
suavizadoe exponencial, otro-puede ser comparando los valores pronosticados con los
valores reales observados. F denota el pronóstico en el período t, y en denota la
demanda real en período (se define el en del pronóstico (o la desviación) como:
Forecast error = Actual demand – Forecasat value
= At –Ft
Varias medidas se utilizan en la práctica de calcular el error total del pronóstico. Estas
medidas conservan utilizado comparar diversos modelos del pronóstico, tan bien como
supervisar pronósticos para asegurar que se estan haciendo bien.
Mean Absolute Deviation: La primera medida del error total del pronóstico para un
modelo es la desviación absoluta (MAD). Este valor es computado:
MAD = ∑ |Actual - Forecast|
N
Mean Squared Error: El error ajustado malo (MSE) es una segunda manera de medir
el oer, error del pronóstico. MSE es el promedio de las diferencias ajustadas entre
haber pronosticado y observa valores. Su fórmula es:
MSE = ∑ (Forecast errors)²
n
Mean absolute percent error: Un problema con el ME y el MSE es que sus valores
dependen de la magnitud del artículo que es pronosticado. Se calcula asi:
n
MAPE = 100 ∑ | Actual i – Forecast i|/Actual i
i=t
n
Exponential Smoothing with Trend Adjustment
Porque el alisar exponencial es un acercamiento que modela tan popular en negocio,
mirémoslo más detalladamente. Aquí es porqué el alisar exponencial debe ser
modificado cuando una tendencia está presente.
Mejoremos nuestro pronóstico, ilustran un modo que mejora el exponencial más
complejo, uno que ajuste según tendencia.
© 2006 Prentice Hall, Inc. 4 – 65
ForecastForecast
ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding
MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt
11 1212 1111 22 13.0013.00
22 1717
33 2020
44 1919
55 2424
66 2121
77 3131
88 2828
99 3636
1010
Table 4.1Table 4.1
La idea es computar un promedio exponencial mejorado de los datos y después
ajustar para que haya positivo o el retraso negativo en tendencia. La fórmula es:
Forecast including trend (FITt) = Exponentially smoothed forecast (Ft)
+ Exponentially smoothed trend (Tt)
Con mejorar el exponencial de la tendencia ajustada, las estimaciones para el
promedio y la tendencia se alisan. Este procedimiento requiere dos constantes que
mejoran, α para el promedio y el ß para la tendencia. Después computamos el
promedio y tendemos cada período. La formula es asi:
Ft = α (Actual demand last period) + (1- α) (Forecast las period + estimate last period)
© 2006 Prentice Hall, Inc. 4 – 65
ForecastForecast
ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding
MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt
11 1212 1111 22 13.0013.00
22 1717
33 2020
44 1919
55 2424
66 2121
77 3131
88 2828
99 3636
1010
Table 4.1Table 4.1
© 2006 Prentice Hall, Inc. 4 – 66
ForecastForecast
ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding
MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt
11 1212 1111 22 13.0013.00
22 1717
33 2020
44 1919
55 2424
66 2121
77 3131
88 2828
99 3636
1010
Table 4.1Table 4.1
F2 = αA1 + (1 - α)(F1 + T1)
F2 = (.2)(12) + (1 - .2)(11 + 2)
= 2.4 + 10.4 = 12.8 units
Step 1: Forecast for Month 2
© 2006 Prentice Hall, Inc. 4 – 67
ForecastForecast
ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding
MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt
11 1212 1111 22 13.0013.00
22 1717 12.8012.80
33 2020
44 1919
55 2424
66 2121
77 3131
88 2828
99 3636
1010
Table 4.1Table 4.1
T2 = β(F2 - F1) + (1 - β)T1
T2 = (.4)(12.8 - 11) + (1 - .4)(2)
= .72 + 1.2 = 1.92 units
Step 2: Trend for Month 2
© 2006 Prentice Hall, Inc. 4 – 68
ForecastForecast
ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding
MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt
11 1212 1111 22 13.0013.00
22 1717 12.8012.80 1.921.92
33 2020
44 1919
55 2424
66 2121
77 3131
88 2828
99 3636
1010
Table 4.1Table 4.1
FIT2 = F2 + T1
FIT2 = 12.8 + 1.92
= 14.72 units
Step 3: Calculate FIT for Month 2
© 2006 Prentice Hall, Inc. 4 – 70
Figure 4.3Figure 4.3
| | | | | | | | |
11 22 33 44 55 66 77 88 99
Time (month)Time (month)
ProductdemandProductdemand
3535 –
3030 –
2525 –
2020 –
1515 –
1010 –
55 –
00 –
Actual demandActual demand ((AAtt))
Forecast including trendForecast including trend ((FITFITtt))
Trend Projections
Esta técnica ajusta una tendencia lineal en una serie de puntos históricos y después
proyecta la línea en los pronósticos futuros de los pronosticos mediano a largo estado.
Se pueden desarrollar varias ecuaciones matemáticas de la tendencia.
Metodos cuadrados reduce al mínimo la suma de los errores ajustados (desviaciones).
© 2006 Prentice Hall, Inc. 4 – 72
Time periodTime period
ValuesofDependentVariable
Figure 4.4Figure 4.4
DeviationDeviation11
DeviationDeviation55
DeviationDeviation77
DeviationDeviation22
DeviationDeviation66
DeviationDeviation44
DeviationDeviation33
Actual observationActual observation
(y value)(y value)
Trend line, y = a + bxTrend line, y = a + bx^^
Ecuación para calcular las variables de regresión:
© 2006 Prentice Hall, Inc. 4 – 74
b =b =
ΣΣxyxy -- nxynxy
ΣΣxx22 -- nxnx22
yy == aa ++ bxbx^^
a = ya = y -- bxbx
Notas al usar el metodo de least quarter: implicar utilizar tres requerimientos:
1. trazar los datos para asegurar una regresion lineal
2. no predecir períodos más allá de la base de datos
3. Las desviaciones alrededor de la línea se asumen al azar
ejemplo
© 2006 Prentice Hall, Inc. 4 – 77
| | | | | | | | |
19991999 20002000 20012001 20022002 20032003 20042004 20052005 20062006 20072007
160160 –
150150 –
140140 –
130130 –
120120 –
110110 –
100100 –
9090 –
8080 –
7070 –
6060 –
5050 –
YearYear
PowerdemandPowerdemand
Trend line,Trend line,
yy = 56.70 + 10.54x= 56.70 + 10.54x^^
Seasonal Variation in Data
Movimientos ascendentes o ascendentes en una serie de tiempo que atan los eventos
que se repiten.
El modelo estacional multiplicativo puede modificar datos de la tendencia para
acomodar variaciones estacionales en la demanda.
Pasos que siguen las compañías en sesiones mensuales:
1. Encontrar la demanda histórica mediana para cada cálculo de la estación.
2. Computar la demanda promedio sobre la estación.
3. Computar el índice estacional para cada estación.
4. Estimar la demanda total para el siguiente ano.
dividir el total de la demanda estimada por el numero de la estación y se
multiplica por el índice estacional para esa estación
ejemplo:
© 2006 Prentice Hall, Inc. 4 – 84
140140 –
130130 –
120120 –
110110 –
100100 –
9090 –
8080 –
7070 –
| | | | | | | | | | | |
JJ FF MM AA MM JJ JJ AA SS OO NN DD
TimeTime
DemandDemand
2006 Forecast2006 Forecast
2005 Demand2005 Demand
2004 Demand2004 Demand
2003 Demand2003 Demand
ASSOCIATIVE FORECASTING METHODS: REGRESSION AND CORRELATION
ANALYSIS
Se utiliza cuando los cambios en una o mas variables independientes se pueden utilizar
para predecir los cambios en las variables dependientes.
Using regresión análisis to forecast
Se puede utilizar el mismo modelo matematico que empleamos el el least squares
method of trend projection. ŷ = a + bx .
Ejemplos:
© 2006 Prentice Hall, Inc. 4 – 89
SalesSales Local PayrollLocal Payroll
($000,000), y($000,000), y ($000,000,000), x($000,000,000), x
2.02.0 11
3.03.0 33
2.52.5 44
2.02.0 22
2.02.0 11
3.53.5 77
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Sales
Area payroll
© 2006 Prentice Hall, Inc. 4 – 92
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Sales
Area payroll
yy = 1.75 + .25= 1.75 + .25xx^^ SalesSales = 1.75 + .25(= 1.75 + .25(payrollpayroll))
If payroll next yearIf payroll next year
is estimated to beis estimated to be
$600$600 million, then:million, then:
SalesSales = 1.75 + .25(6)= 1.75 + .25(6)
SalesSales = $325,000= $325,000
3.25
Standard Error of the Estimate
El pronóstico es el punto estimado del valor futuro. Este punto es el medio de una
distribución de la probabilidad.
© 2006 Prentice Hall, Inc. 4 – 93
Figure 4.9Figure 4.9
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Sales
Area payroll
3.25
Ecuación: Sy,x = √∑(x-yc)²
n-2
Ecuación: Sy,x = √∑y²-a∑y-b∑xy
n-2
© 2006 Prentice Hall, Inc. 4 – 96
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Sales
Area payroll
3.25
Correlation Coefficients for Regresión Lines
la ecuación de la regresión es una forma de expresar la naturaleza de la relación entre
dos variables. No tienen causa y efecto. Se identifica la r como coeficiente de
correlacion . Para computar r se utiliza la siguiente ecuación:
r = n∑xy-∑x∑y
√[n∑x²-(∑x)²][n∑y²-(∑y)²]
© 2006 Prentice Hall, Inc. 4 – 99
y
x(a) Perfect positive
correlation:
r = +1
y
x(b) Positive
correlation:
0 < r < 1
y
x(c) No correlation:
r = 0
y
x(d) Perfect negative
correlation:
r = -1
Multiple-Regression Análisis
Un método causal del pronóstico con más de una variable independiente. Permite que
construyamos un modelo con varias variables independientes en vez de utilizar una
variable.
Se utiliza la siguiente ecuación: ŷ = a + b1x1 +b2x2
MONITORING AND CONTROLLING FORECASTS
Si un pronostico se a determinado, no debe ser olvidado. Ningun gerencial desea
recordar que su pronostico no es exacto. Tracking signal: medias que se hacen en el
pronostico para predecir los valores actuales. El Tracking signal se calcula asi:
(Tracking signal) = RSFE
MAD
= ∑(Actual demand in period i – Forecast demand in period i)
MAD
MAD = ∑|Actual –Forecast|
N
© 2006 Prentice Hall, Inc. 4 – 105
Tracking signalTracking signal
++
00 MADsMADs
––
Upper control limitUpper control limit
Lower control limitLower control limit
TimeTime
Signal exceeding limitSignal exceeding limit
AcceptableAcceptable
rangerange
Adaptive Smoothing
Un acercamiento al pronóstico que mejora el exponencial en el cual la constante que
mejora se cambia automáticamente a los errores de la subsistencia mínima. Es posible
utilizar la computadora para supervisar el error del pronóstico y ajustar continuamente
los valores de la a y los coeficientes de b usados en mejorar el exponencial para
reducir al mínimo error del pronóstico.
Focus Forecasting
Se adapta eligiendo una constante las computadoras permiten que intentemos hacer
una variedad de modelos del pronóstico. El focus forecasting esta basado en dos
principios:
1. Los modelos sofisticados del pronóstico no son siempre mejores que los
modelos simples.
2. No hay técnicas que se deben utilizar para todos los productos o servicios
FORECASTING IN THE SERVICE SECTOR
El pronostico presenta desafíos inusuales. La principal necesidad de las ventas al por
menor son los expedientes a corto plazo. Las diferentes necesidades como función de
la industria y del producto. Días festivos y otros días en el calendario y eventos
inusuales.
© 2006 Prentice Hall, Inc. 4 – 111
Fast Food RestaurantFast Food Restaurant
ForecastForecast
20%20% –
15%15% –
10%10% –
5%5% –
1111--1212 11--22 33--44 55--66 77--88 99--1010
1212--11 22--33 44--55 66--77 88--99 1010--1111
(Lunchtime)(Lunchtime) (Dinnertime)(Dinnertime)
Hour of dayHour of day
PercentageofsalesPercentageofsales
Figure 4.12Figure 4.12
Resumen
El pronóstico tiene una función importante en los gerentes. La demanda de pronóstico
conduce a una firma de producción, capacidad y sistema de itinerario y efecto
financiero, mercado y la función del personal de producción.
Conclusión
Con las diferentes variables que existen para realizar el pronóstico en las empresas su
funcionamiento puede ser efectivo. Los gerentes deben conocer cual es la demanda
del producto para así poder saber con que cuenta en su inventario y así poder planificar
su producción, mercadeo, gastos/costos, etc. Si las diversas ecuaciones matemáticas
se utilizan adecuadamente la producción de la compañía será efectiva.
REFERENCIA
Heizer Jay, Gerencia de Operaciones 8va edición
Resumen por YatmarieNegrón Ocasio

Más contenido relacionado

La actualidad más candente

La planeación agregada en los servicios
La planeación agregada en los serviciosLa planeación agregada en los servicios
La planeación agregada en los serviciostomas lopez rodriguez
 
Variables y areas que intervienen en la elaboracion del plan maestro de produ...
Variables y areas que intervienen en la elaboracion del plan maestro de produ...Variables y areas que intervienen en la elaboracion del plan maestro de produ...
Variables y areas que intervienen en la elaboracion del plan maestro de produ...tuluslutrec
 
Método de analogía para pronósticos
Método de analogía para pronósticosMétodo de analogía para pronósticos
Método de analogía para pronósticosivan_antrax
 
Plan Agregado De Produccion
Plan Agregado De ProduccionPlan Agregado De Produccion
Plan Agregado De ProduccionHero Valrey
 
5.3 pronostico de demanda
5.3 pronostico de demanda 5.3 pronostico de demanda
5.3 pronostico de demanda lecirgg
 
Factores que inhiben el facultamiento
Factores que inhiben el facultamientoFactores que inhiben el facultamiento
Factores que inhiben el facultamientojulya29
 
1 El papel de la investigación de mercados en la toma de decisiones gerenciales
1 El papel de la investigación de mercados en la toma de decisiones gerenciales1 El papel de la investigación de mercados en la toma de decisiones gerenciales
1 El papel de la investigación de mercados en la toma de decisiones gerencialesDiana Vaquero
 
Pronostico de la demanda
Pronostico de la demandaPronostico de la demanda
Pronostico de la demandaLuisa Torres
 
Administracion De Operaciones I Programa De Trabajo Pronosticos
Administracion De Operaciones I Programa De Trabajo PronosticosAdministracion De Operaciones I Programa De Trabajo Pronosticos
Administracion De Operaciones I Programa De Trabajo Pronosticosguestb9bf58
 
Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Erivan Aguila
 
Importancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaImportancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaSalon Naid
 
Analisis de Alternativas de Inversion
Analisis de Alternativas de InversionAnalisis de Alternativas de Inversion
Analisis de Alternativas de InversionJosevicente2112
 
Analisis de pronostico de venta
Analisis de pronostico de ventaAnalisis de pronostico de venta
Analisis de pronostico de ventasashaguedez
 
Pronósticos
PronósticosPronósticos
Pronósticosutsh
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOSbonbombon
 
Pronósticos de la Producción. (Administración de la Producción)
Pronósticos de la Producción. (Administración de la Producción)Pronósticos de la Producción. (Administración de la Producción)
Pronósticos de la Producción. (Administración de la Producción)Miiranditha Diaz
 

La actualidad más candente (20)

Unidad II: Pronosticos
Unidad II: PronosticosUnidad II: Pronosticos
Unidad II: Pronosticos
 
La planeación agregada en los servicios
La planeación agregada en los serviciosLa planeación agregada en los servicios
La planeación agregada en los servicios
 
Variables y areas que intervienen en la elaboracion del plan maestro de produ...
Variables y areas que intervienen en la elaboracion del plan maestro de produ...Variables y areas que intervienen en la elaboracion del plan maestro de produ...
Variables y areas que intervienen en la elaboracion del plan maestro de produ...
 
Método de analogía para pronósticos
Método de analogía para pronósticosMétodo de analogía para pronósticos
Método de analogía para pronósticos
 
Plan Agregado De Produccion
Plan Agregado De ProduccionPlan Agregado De Produccion
Plan Agregado De Produccion
 
5.3 pronostico de demanda
5.3 pronostico de demanda 5.3 pronostico de demanda
5.3 pronostico de demanda
 
Factores que inhiben el facultamiento
Factores que inhiben el facultamientoFactores que inhiben el facultamiento
Factores que inhiben el facultamiento
 
1 El papel de la investigación de mercados en la toma de decisiones gerenciales
1 El papel de la investigación de mercados en la toma de decisiones gerenciales1 El papel de la investigación de mercados en la toma de decisiones gerenciales
1 El papel de la investigación de mercados en la toma de decisiones gerenciales
 
Pronostico de la demanda
Pronostico de la demandaPronostico de la demanda
Pronostico de la demanda
 
Administracion De Operaciones I Programa De Trabajo Pronosticos
Administracion De Operaciones I Programa De Trabajo PronosticosAdministracion De Operaciones I Programa De Trabajo Pronosticos
Administracion De Operaciones I Programa De Trabajo Pronosticos
 
Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)Mercadotecnia unidad 2 (completa)
Mercadotecnia unidad 2 (completa)
 
Importancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demandaImportancia estratégica del pronóstico y la demanda
Importancia estratégica del pronóstico y la demanda
 
Analisis de Alternativas de Inversion
Analisis de Alternativas de InversionAnalisis de Alternativas de Inversion
Analisis de Alternativas de Inversion
 
Analisis de pronostico de venta
Analisis de pronostico de ventaAnalisis de pronostico de venta
Analisis de pronostico de venta
 
CRP
CRPCRP
CRP
 
Pronósticos
PronósticosPronósticos
Pronósticos
 
Caso practico de pronosticos a corto plazo.
Caso practico de pronosticos a corto plazo.Caso practico de pronosticos a corto plazo.
Caso practico de pronosticos a corto plazo.
 
5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS5a UNIDAD PRONÓSTICOS E INVENTARIOS
5a UNIDAD PRONÓSTICOS E INVENTARIOS
 
Pronósticos de la Producción. (Administración de la Producción)
Pronósticos de la Producción. (Administración de la Producción)Pronósticos de la Producción. (Administración de la Producción)
Pronósticos de la Producción. (Administración de la Producción)
 
Modelos de pronosticos e inventarios
Modelos de pronosticos e inventariosModelos de pronosticos e inventarios
Modelos de pronosticos e inventarios
 

Destacado

Destacado (10)

Map Cap4.Metodos Pronostico
Map Cap4.Metodos PronosticoMap Cap4.Metodos Pronostico
Map Cap4.Metodos Pronostico
 
Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.Gestión de la Producción - Pronóstico de la demanda.
Gestión de la Producción - Pronóstico de la demanda.
 
El regionalismo en américa latina
El regionalismo en américa latinaEl regionalismo en américa latina
El regionalismo en américa latina
 
Métodos cualitativos y cuantitativos
Métodos cualitativos y cuantitativosMétodos cualitativos y cuantitativos
Métodos cualitativos y cuantitativos
 
Pronosticos
PronosticosPronosticos
Pronosticos
 
Tema2. pronosticos de demanda
Tema2. pronosticos de demandaTema2. pronosticos de demanda
Tema2. pronosticos de demanda
 
Metodos De Pronostico T.
Metodos De Pronostico T.Metodos De Pronostico T.
Metodos De Pronostico T.
 
Metodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercadoMetodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercado
 
Problemas render heizer
Problemas render heizerProblemas render heizer
Problemas render heizer
 
1
11
1
 

Similar a Cap 4 pronostico

Previsión - Aspectos Teóricos
Previsión - Aspectos TeóricosPrevisión - Aspectos Teóricos
Previsión - Aspectos TeóricosDaniel Flores
 
Pronósticos
PronósticosPronósticos
Pronósticosmgmag
 
Unam fesc planeacion de ventas ppt
Unam fesc planeacion de ventas pptUnam fesc planeacion de ventas ppt
Unam fesc planeacion de ventas pptJerry Arketype
 
Prediccion y pronostico administrativo
Prediccion y pronostico administrativoPrediccion y pronostico administrativo
Prediccion y pronostico administrativoNaryeski Perez
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demandaguestb9bf58
 
Pronosticos
PronosticosPronosticos
PronosticosJAIBO654
 
Proyeccion de la demanda joan. f
Proyeccion de la demanda joan. fProyeccion de la demanda joan. f
Proyeccion de la demanda joan. fguilartejs
 
Administracion_de_la_demanda
Administracion_de_la_demandaAdministracion_de_la_demanda
Administracion_de_la_demandaYuriFlorez23
 
Proyeccion de la demanda joan. f
Proyeccion de la demanda joan. fProyeccion de la demanda joan. f
Proyeccion de la demanda joan. fguilartejs
 
Plan maestro de produccion
Plan maestro de produccionPlan maestro de produccion
Plan maestro de produccionJOEL ESCOBAR
 
SLIDESHARE POWER POINT MARIA BENSHIMOL
SLIDESHARE POWER POINT MARIA BENSHIMOLSLIDESHARE POWER POINT MARIA BENSHIMOL
SLIDESHARE POWER POINT MARIA BENSHIMOLMaria100784
 
Indicadores de productividad
Indicadores de productividadIndicadores de productividad
Indicadores de productividadJavier Mezquita
 
Principios fundamentales de pronostico (planificacion y control de la producc...
Principios fundamentales de pronostico (planificacion y control de la producc...Principios fundamentales de pronostico (planificacion y control de la producc...
Principios fundamentales de pronostico (planificacion y control de la producc...leslie_30_4
 
Métodos para establecer la tendencia de la demanda
Métodos para establecer la tendencia de la demandaMétodos para establecer la tendencia de la demanda
Métodos para establecer la tendencia de la demandaRoger Salazar Luna
 

Similar a Cap 4 pronostico (20)

Previsión - Aspectos Teóricos
Previsión - Aspectos TeóricosPrevisión - Aspectos Teóricos
Previsión - Aspectos Teóricos
 
Pronósticos
PronósticosPronósticos
Pronósticos
 
Pronostico de venta
Pronostico de ventaPronostico de venta
Pronostico de venta
 
Pronosticos cbezada
Pronosticos cbezadaPronosticos cbezada
Pronosticos cbezada
 
Unam fesc planeacion de ventas ppt
Unam fesc planeacion de ventas pptUnam fesc planeacion de ventas ppt
Unam fesc planeacion de ventas ppt
 
Prediccion y pronostico administrativo
Prediccion y pronostico administrativoPrediccion y pronostico administrativo
Prediccion y pronostico administrativo
 
PRONOSTICOS
PRONOSTICOSPRONOSTICOS
PRONOSTICOS
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
 
Pronosticos
PronosticosPronosticos
Pronosticos
 
Pronosticos
PronosticosPronosticos
Pronosticos
 
Proyeccion de la demanda joan. f
Proyeccion de la demanda joan. fProyeccion de la demanda joan. f
Proyeccion de la demanda joan. f
 
Administracion_de_la_demanda
Administracion_de_la_demandaAdministracion_de_la_demanda
Administracion_de_la_demanda
 
Proyeccion de la demanda joan. f
Proyeccion de la demanda joan. fProyeccion de la demanda joan. f
Proyeccion de la demanda joan. f
 
Plan maestro de produccion
Plan maestro de produccionPlan maestro de produccion
Plan maestro de produccion
 
Administración de operaciones i
Administración de operaciones iAdministración de operaciones i
Administración de operaciones i
 
SLIDESHARE POWER POINT MARIA BENSHIMOL
SLIDESHARE POWER POINT MARIA BENSHIMOLSLIDESHARE POWER POINT MARIA BENSHIMOL
SLIDESHARE POWER POINT MARIA BENSHIMOL
 
Indicadores de productividad
Indicadores de productividadIndicadores de productividad
Indicadores de productividad
 
Principios fundamentales de pronostico (planificacion y control de la producc...
Principios fundamentales de pronostico (planificacion y control de la producc...Principios fundamentales de pronostico (planificacion y control de la producc...
Principios fundamentales de pronostico (planificacion y control de la producc...
 
Pronosticodelademanda
PronosticodelademandaPronosticodelademanda
Pronosticodelademanda
 
Métodos para establecer la tendencia de la demanda
Métodos para establecer la tendencia de la demandaMétodos para establecer la tendencia de la demanda
Métodos para establecer la tendencia de la demanda
 

Cap 4 pronostico

  • 2. Objetivo general y específico Cuando termine este capítulo usted podrá: Identifique o defina: Pronóstico, tipos de pronósticos, tiempo horizontal, acercamientos de los pronósticos. Describa o explique: Periodo promedio (moving average), pronostico anterior (exponential smoothing), tendencia de proyección (trend projection), periodo estacional (seasonality), análisis de regresión y correlación (regression and correlation análisis), medidas de exactitud del pronostico ( measures of forecast accuracy). Introducción En este capítulo, examinamos diversos tipos de pronósticos y presentamos una variedad de modelos de los pronósticos. Nuestro propósito es demostrar que hay muchas maneras para que los encargados pronostiquen. También se proveerá una descripción del pronóstico de ventas del negocio y describimos cómo preparar, supervisar, y juzgar exactitud de un pronóstico. Los buenos pronósticos son una parte esencial de operaciones eficientes del servicio y de la manufactura. El pronóstico es el arte y la ciencia de acontecimientos futuros que predicen. El Pronóstico Proporciona La Ventaja Competitiva De Tupperware La mayoría de la gente piensa en Tupperware, ella prevé los envases plásticos del alimento-almacenaje vendidos a través de los partidos caseros. Tupperware sucede ser fabricante global acertado, con más el de 85% de su producto, $1 mil millones en ventas fuera de los E.E.U.U. El pronóstico de demanda en Tupperware es un proceso crítico, interminable. Cada uno de sus 50 centros de beneficio alrededor del mundo es responsable de automatizar proyecciones mensuales, trimestrales, y de
  • 3. doce meses de las ventas. Estos pronósticos conducen la producción en cada planta. La variedad de modelos estadísticos del pronóstico usados en Tupperware incluye cada técnica discutida en este capítulo, incluyendo promedios móviles, alisar exponencial, y análisis de la regresión. Día a día los gerentes de Tupperware toman decisiones sin saber qué sucederá el futuro. Piden inventario sin saber cuál serán las ventas, compran el nuevo equipo a pesar de la incertidumbre sobre la demanda para los productos, y hacen inversiones sin saber cuan favorable sea su voluntad. Proceso de manufactura en Tupperware
  • 4. ¿Que es pronostico? El pronóstico es el arte y la ciencia de acontecimientos futuros que predicen. Puede implicar el tomar de data histórica y proyectarla en el futuro con una cierta clase de modelo matemático. . Puede ser una predicción intuitiva o subjetiva o puede ser una combinación de ambas. Introducimos diversas técnicas de pronóstico en este capítulo, se verá raramente que hay un método superior. Qué trabaja lo más mejor posible en una firma bajo un sistema de condiciones puede ser un desastre en otra organización, o en un departamento diferente pero de la misma organización. Además hay límites en cuanto a qué se puede esperar de pronósticos; son costosos y se pierde tiempo preparando y supervisando. Horizonte del tiempo de pronóstico Generalmente un pronóstico es clasificado en tres categorías: 1. Pronóstico de corto alcance: Este pronóstico tiene una duración de hasta 1 año pero es generalmente menos de 3 meses. Se utiliza para planear la compra, el programar trabajo, niveles de mano de obra, asignaciones del trabajo, y los niveles de la producción. 2. Pronóstico de mediano alcance: es de alcance intermedio, del pronóstico palmos generalmente a partir de 3 meses a 3 años. Es útil en la planificación de ventas, producción y el presupuesto, presupuesto, y en el análisis de algunos planes de operación. 3. Pronóstico de largo alcance; Generalmente 3 años o más de duración, los pronósticos de largo alcance se utilizan en planificación de productos nuevos, los gastos en inversión de capital, localización o extensión de la facilidad, e investigación y desarrollo. Los pronósticos mediano y de largo alcance se diferencian de pronósticos de corto alcance por tres características: 1. los pronósticos duraderos se ocupan de situaciones más comprensivas y apoyan decisiones de la gerencia con respecto a la planificación y productos, industria, y procesos.
  • 5. 2. el pronóstico a corto plazo emplea generalmente diversas metodologías que el pronóstico de más largo plazo. 3. los pronósticos de corto alcance tienden a ser más exactos que los pronósticos de largo-alcance. Factores que influencian el cambio de la demanda cada día. La influencia del ciclo de vida del producto. Otro factor para considerar cuando los pronósticos de las ventas que se convierten, especialmente los más largos, son ciclo vital del producto. La mayoría de los productos acertados pasan a través de cuatro etapas: (1) introducción, (2) crecimiento, (3) madurez, y (4) declinación. La Importancia Estratégica Del Pronóstico Las organizaciones utilizan tres tipos importantes de pronósticos en las operaciones futuras de la planificación: 1. Los pronósticos económicos tratan el ciclo de negocio prediciendo tasas de inflación, fuentes de dinero, comienzo de cubierta, y otros indicadores del planeamiento. 2. Los pronósticos tecnológicos se refieren a los índices del progreso tecnológico, que pueden dar lugar al nacimiento de productos nuevos, requiriendo nuevas compañías y nuevos equipo. Los pronósticos de la demanda son proyecciones de la demanda para los productos o los servicios de una compañía. Estos pronósticos, también llamados los pronósticos de las ventas, conducen la producción. El pronóstico económico y tecnológico son técnicas especializadas que pueden bajar fuera del gerente de operaciones. Estrategias importantes para el forecastig Los buenos pronósticos son de importancia crítica en todos los aspectos de un negocio. Los pronósticos de la demanda conducen decisiones en muchas áreas.
  • 6. Miremos el impacto del producto pronosticado en tres actividades: (1) recursos humanos, (2) capacidad, y (3) gerencia de la proveer-cadena. Recursos Humanos Emplear, adiestrar, y el despido a trabajadores dependen de la demanda anticipada. Si el departamento de recursos humanos debe emplear a trabajadores adicionales sin la advertencia, la cantidad de adiestramiento declina y la calidad de la mano de obra sufre. Capacidad Cuando la capacidad es inadecuada, los resultados pueden significar entrega mala, pérdida de clientes, y pérdida de una parte del mercado. Cadena de fuente gerencial Las buenas relaciones del suplidor y el sobrevenir tasan las ventajas para los materiales y las piezas dependiendo de pronósticos exactos. Siete pasos en el sistema de pronóstico Pronóstico sigue siete pasos básicos. Utilizaremos la corporación de Tuperware. Determinar el uso del pronóstico: Las aplicaciones de Tupperware exigen pronósticos para guiar la producción de cada una de sus 13 “plantas”. Seleccionar los artículos que se pronosticarán: Para Tupperware, hay sobre 400 productos, cada uno posee SKU (unidad stock-keeping). Determinar el horizonte del tiempo del pronóstico: Es el pronóstico corto, medio o el largo plazo? Tupperware desarrolla los pronósticos mensuales, cada cuatro meses, y 12 meses para las proyecciones de ventas.
  • 7. Seleccionar el/los modelo(s) del pronóstico: Tupperware utiliza una variedad de modelos estadísticos. Recopilar los datos necesitados para hacer el pronóstico: el mundo corporativo de Tupperware mantiene bases de datos enormes para supervisar la venta de cada producto. Hacer el pronóstico Validar e implementar los resultados: Se aplican las medidas preventivas, los pronósticos se utilizan para itinerarios de materiales, programar el equipo y a personal en cada “planta”. Estos siete pasos presentan una manera sistemática de iniciar, diseñar, y implementar el pronóstico. FORECASTING APPROACHES Hay dos acercamientos generales al pronóstico. Uno es un análisis cuantitativo; el otro es un acercamiento cualitativo. Pronostico cuantitativo: utiliza una variedad de modelos matemáticos. Los pronósticos cualitativos incorporan los factores tales como la toma de decisiones, intuición, emociones, experiencias personales, y sistema del valor en alcanzar un pronóstico. Overview of Qualitative Methods En esta sección, se consideran cuatro técnicas de pronóstico cualitativas: Jurado de la opinión ejecutiva: bajo este método, reúnen las opiniones de un grupo gerencial
  • 8. Decision Makers (Evaluate responses and make decisions) Respondents (People who can make valuable judgments) Staff (Administerin g survey) Método de Delphi: hay tres diversos tipos de participantes en este método; fabricantes de decisión, equipo personal, y respondedores. Bajo este método, reúnen las opiniones de un grupo de expertos. Compuesto de la fuerza de ventas: en este acercamiento, cada vendedor estima qué las ventas estarán en su región. Encuesta sobre mercado de consumidor: este método solicita la entrada de los clientes o de los clientes potenciales con respecto a futuros planes de compra. Overview of Quantitive Methods Cinco métodos cuantitativos del pronóstico, que utilizan datos históricos, se describen en este capítulo. Tiene dos categorías: Acercamiento ingenuo Promedios móviles Exponencial suave Proyección de la tendencia Regresión lineal Modelo Tiempo-Serie Modelo Sociable
  • 9. Modelo Tiempo- serie: predice que el futuro es una función del pasado. Modelo Sociable- regresión lineal, incorpora las variables o factores que pudieron influenciar la cantidad que era pronosticada. TIME-SERIES FORECASTING Series de tiempo se basa en una secuencia (semanal, mensual, por cuartos, etc.) de los puntos de referencias uniformemente esparcidos. Descomposition of a Time Series Analiza series de tiempo significa la subdivisión más allá de datos en componentes y después la proyección de su delantero. Una serie de tiempo tiene cuatro componentes: tendencia, por un tiempo, ciclos, y variación al azar. Naive Approach La manera más simple de pronosticar es asumir que la demanda en el período de la jerarquía será igual a la demanda en el período más reciente. La demanda del producto planeada sobre 4 años con una tendencia y un seasonality del crecimiento indicó
  • 10. © 2006 Prentice Hall, Inc. 4 – 35 Demandforproductorservice | | | | 1 2 3 4 Year Average demand over four years Seasonal peaks Trend component Actual demand Random variation Figure 4.1Figure 4.1 Moving Average Utiliza un número de valores históricos de los datos para generar un pronóstico. Los promedios móviles son útiles si podemos asumir que las demandas del mercado permanecerán en un cierto plazo constante. Matemáticamente, se expresa el promedio móvil simple (que sirve como estimación de la demanda del período próximo) así: Moving average = ∑ Demand in previous n periods n Cuando una tendencia o un patrón perceptible está presente, los pesos se pueden utilizar para poner más énfasis en valores recientes. Esta práctica hace técnicas del
  • 11. pronóstico más sensible a los cambios porque un período más reciente hace que se cargue con mayor peso. El peso móvil promedio se calcula así: Weighted = ∑ (Weight for period) (Demand in period n) Moving average ∑ weights Los promedios móviles simples y cargados son eficaces en alisar fuera de fluctuaciones repentinas en el patrón de la demanda para proporcionar estimaciones estables. Los promedios móviles, sin embargo, presentan tres problemas 1. El aumento del tamaño de n. 2. Los promedios móviles no pueden tomar bien las tendencias. 3. Los promedios móviles requieren expedientes extensos de los datos mas recientes.
  • 12. El cuadro 4.2, un diagrama que ilustra el efecto del retraso del moving average model. © 2006 Prentice Hall, Inc. 4 – 47 3030 – 2525 – 2020 – 1515 – 1010 – 55 – SalesdemandSalesdemand | | | | | | | | | | | | JJ FF MM AA MM JJ JJ AA SS OO NN DD ActualActual salessales MovingMoving averageaverage WeightedWeighted movingmoving averageaverage Figure 4.2Figure 4.2 Exponential smoothing Implica muy poco el guardar del expediente de últimos datos. Se calcula asi: New forecast = Last period’s forecast + α (last period’s actual demand – last period’s forecast) Donde está α un peso, o alisar a la constante, que tiene un valor entre 0 y 1. Ft = Ft-1 + α (At-1 – Ft-1)
  • 13. La constante que alisa, α, está generalmente en la gama del 05 al 50 para los usos de negocio. Puede ser cambiada para dar más peso a los datos recientes (cuando a es alta) o más peso a los últimos datos. Diferencia de α © 2006 Prentice Hall, Inc. 4 – 54 225225 – 200200 – 175175 – 150150 – | | | | | | | | | 11 22 33 44 55 66 77 88 99 QuarterQuarter DemandDemand αα = .1= .1 ActualActual demanddemand αα = .5= .5 Measuring Forecast Error La exactitud total de cualquier promedio de moving average del pronóstico, el suavizadoe exponencial, otro-puede ser comparando los valores pronosticados con los valores reales observados. F denota el pronóstico en el período t, y en denota la demanda real en período (se define el en del pronóstico (o la desviación) como: Forecast error = Actual demand – Forecasat value = At –Ft
  • 14. Varias medidas se utilizan en la práctica de calcular el error total del pronóstico. Estas medidas conservan utilizado comparar diversos modelos del pronóstico, tan bien como supervisar pronósticos para asegurar que se estan haciendo bien. Mean Absolute Deviation: La primera medida del error total del pronóstico para un modelo es la desviación absoluta (MAD). Este valor es computado: MAD = ∑ |Actual - Forecast| N Mean Squared Error: El error ajustado malo (MSE) es una segunda manera de medir el oer, error del pronóstico. MSE es el promedio de las diferencias ajustadas entre haber pronosticado y observa valores. Su fórmula es: MSE = ∑ (Forecast errors)² n Mean absolute percent error: Un problema con el ME y el MSE es que sus valores dependen de la magnitud del artículo que es pronosticado. Se calcula asi: n MAPE = 100 ∑ | Actual i – Forecast i|/Actual i i=t n
  • 15. Exponential Smoothing with Trend Adjustment Porque el alisar exponencial es un acercamiento que modela tan popular en negocio, mirémoslo más detalladamente. Aquí es porqué el alisar exponencial debe ser modificado cuando una tendencia está presente. Mejoremos nuestro pronóstico, ilustran un modo que mejora el exponencial más complejo, uno que ajuste según tendencia. © 2006 Prentice Hall, Inc. 4 – 65 ForecastForecast ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt 11 1212 1111 22 13.0013.00 22 1717 33 2020 44 1919 55 2424 66 2121 77 3131 88 2828 99 3636 1010 Table 4.1Table 4.1
  • 16. La idea es computar un promedio exponencial mejorado de los datos y después ajustar para que haya positivo o el retraso negativo en tendencia. La fórmula es: Forecast including trend (FITt) = Exponentially smoothed forecast (Ft) + Exponentially smoothed trend (Tt) Con mejorar el exponencial de la tendencia ajustada, las estimaciones para el promedio y la tendencia se alisan. Este procedimiento requiere dos constantes que mejoran, α para el promedio y el ß para la tendencia. Después computamos el promedio y tendemos cada período. La formula es asi: Ft = α (Actual demand last period) + (1- α) (Forecast las period + estimate last period)
  • 17. © 2006 Prentice Hall, Inc. 4 – 65 ForecastForecast ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt 11 1212 1111 22 13.0013.00 22 1717 33 2020 44 1919 55 2424 66 2121 77 3131 88 2828 99 3636 1010 Table 4.1Table 4.1 © 2006 Prentice Hall, Inc. 4 – 66 ForecastForecast ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt 11 1212 1111 22 13.0013.00 22 1717 33 2020 44 1919 55 2424 66 2121 77 3131 88 2828 99 3636 1010 Table 4.1Table 4.1 F2 = αA1 + (1 - α)(F1 + T1) F2 = (.2)(12) + (1 - .2)(11 + 2) = 2.4 + 10.4 = 12.8 units Step 1: Forecast for Month 2
  • 18. © 2006 Prentice Hall, Inc. 4 – 67 ForecastForecast ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt 11 1212 1111 22 13.0013.00 22 1717 12.8012.80 33 2020 44 1919 55 2424 66 2121 77 3131 88 2828 99 3636 1010 Table 4.1Table 4.1 T2 = β(F2 - F1) + (1 - β)T1 T2 = (.4)(12.8 - 11) + (1 - .4)(2) = .72 + 1.2 = 1.92 units Step 2: Trend for Month 2 © 2006 Prentice Hall, Inc. 4 – 68 ForecastForecast ActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding MonthMonth((tt)) DemandDemand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt 11 1212 1111 22 13.0013.00 22 1717 12.8012.80 1.921.92 33 2020 44 1919 55 2424 66 2121 77 3131 88 2828 99 3636 1010 Table 4.1Table 4.1 FIT2 = F2 + T1 FIT2 = 12.8 + 1.92 = 14.72 units Step 3: Calculate FIT for Month 2
  • 19. © 2006 Prentice Hall, Inc. 4 – 70 Figure 4.3Figure 4.3 | | | | | | | | | 11 22 33 44 55 66 77 88 99 Time (month)Time (month) ProductdemandProductdemand 3535 – 3030 – 2525 – 2020 – 1515 – 1010 – 55 – 00 – Actual demandActual demand ((AAtt)) Forecast including trendForecast including trend ((FITFITtt)) Trend Projections Esta técnica ajusta una tendencia lineal en una serie de puntos históricos y después proyecta la línea en los pronósticos futuros de los pronosticos mediano a largo estado. Se pueden desarrollar varias ecuaciones matemáticas de la tendencia. Metodos cuadrados reduce al mínimo la suma de los errores ajustados (desviaciones). © 2006 Prentice Hall, Inc. 4 – 72 Time periodTime period ValuesofDependentVariable Figure 4.4Figure 4.4 DeviationDeviation11 DeviationDeviation55 DeviationDeviation77 DeviationDeviation22 DeviationDeviation66 DeviationDeviation44 DeviationDeviation33 Actual observationActual observation (y value)(y value) Trend line, y = a + bxTrend line, y = a + bx^^
  • 20. Ecuación para calcular las variables de regresión:
  • 21. © 2006 Prentice Hall, Inc. 4 – 74 b =b = ΣΣxyxy -- nxynxy ΣΣxx22 -- nxnx22 yy == aa ++ bxbx^^ a = ya = y -- bxbx Notas al usar el metodo de least quarter: implicar utilizar tres requerimientos: 1. trazar los datos para asegurar una regresion lineal 2. no predecir períodos más allá de la base de datos 3. Las desviaciones alrededor de la línea se asumen al azar ejemplo
  • 22. © 2006 Prentice Hall, Inc. 4 – 77 | | | | | | | | | 19991999 20002000 20012001 20022002 20032003 20042004 20052005 20062006 20072007 160160 – 150150 – 140140 – 130130 – 120120 – 110110 – 100100 – 9090 – 8080 – 7070 – 6060 – 5050 – YearYear PowerdemandPowerdemand Trend line,Trend line, yy = 56.70 + 10.54x= 56.70 + 10.54x^^ Seasonal Variation in Data Movimientos ascendentes o ascendentes en una serie de tiempo que atan los eventos que se repiten. El modelo estacional multiplicativo puede modificar datos de la tendencia para acomodar variaciones estacionales en la demanda. Pasos que siguen las compañías en sesiones mensuales: 1. Encontrar la demanda histórica mediana para cada cálculo de la estación. 2. Computar la demanda promedio sobre la estación. 3. Computar el índice estacional para cada estación. 4. Estimar la demanda total para el siguiente ano.
  • 23. dividir el total de la demanda estimada por el numero de la estación y se multiplica por el índice estacional para esa estación ejemplo: © 2006 Prentice Hall, Inc. 4 – 84 140140 – 130130 – 120120 – 110110 – 100100 – 9090 – 8080 – 7070 – | | | | | | | | | | | | JJ FF MM AA MM JJ JJ AA SS OO NN DD TimeTime DemandDemand 2006 Forecast2006 Forecast 2005 Demand2005 Demand 2004 Demand2004 Demand 2003 Demand2003 Demand ASSOCIATIVE FORECASTING METHODS: REGRESSION AND CORRELATION ANALYSIS Se utiliza cuando los cambios en una o mas variables independientes se pueden utilizar para predecir los cambios en las variables dependientes. Using regresión análisis to forecast Se puede utilizar el mismo modelo matematico que empleamos el el least squares method of trend projection. ŷ = a + bx .
  • 24. Ejemplos: © 2006 Prentice Hall, Inc. 4 – 89 SalesSales Local PayrollLocal Payroll ($000,000), y($000,000), y ($000,000,000), x($000,000,000), x 2.02.0 11 3.03.0 33 2.52.5 44 2.02.0 22 2.02.0 11 3.53.5 77 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 Sales Area payroll © 2006 Prentice Hall, Inc. 4 – 92 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 Sales Area payroll yy = 1.75 + .25= 1.75 + .25xx^^ SalesSales = 1.75 + .25(= 1.75 + .25(payrollpayroll)) If payroll next yearIf payroll next year is estimated to beis estimated to be $600$600 million, then:million, then: SalesSales = 1.75 + .25(6)= 1.75 + .25(6) SalesSales = $325,000= $325,000 3.25
  • 25. Standard Error of the Estimate El pronóstico es el punto estimado del valor futuro. Este punto es el medio de una distribución de la probabilidad. © 2006 Prentice Hall, Inc. 4 – 93 Figure 4.9Figure 4.9 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 Sales Area payroll 3.25 Ecuación: Sy,x = √∑(x-yc)² n-2 Ecuación: Sy,x = √∑y²-a∑y-b∑xy n-2 © 2006 Prentice Hall, Inc. 4 – 96 4.0 – 3.0 – 2.0 – 1.0 – | | | | | | | 0 1 2 3 4 5 6 7 Sales Area payroll 3.25
  • 26.
  • 27. Correlation Coefficients for Regresión Lines la ecuación de la regresión es una forma de expresar la naturaleza de la relación entre dos variables. No tienen causa y efecto. Se identifica la r como coeficiente de correlacion . Para computar r se utiliza la siguiente ecuación: r = n∑xy-∑x∑y √[n∑x²-(∑x)²][n∑y²-(∑y)²] © 2006 Prentice Hall, Inc. 4 – 99 y x(a) Perfect positive correlation: r = +1 y x(b) Positive correlation: 0 < r < 1 y x(c) No correlation: r = 0 y x(d) Perfect negative correlation: r = -1 Multiple-Regression Análisis Un método causal del pronóstico con más de una variable independiente. Permite que construyamos un modelo con varias variables independientes en vez de utilizar una variable.
  • 28. Se utiliza la siguiente ecuación: ŷ = a + b1x1 +b2x2 MONITORING AND CONTROLLING FORECASTS Si un pronostico se a determinado, no debe ser olvidado. Ningun gerencial desea recordar que su pronostico no es exacto. Tracking signal: medias que se hacen en el pronostico para predecir los valores actuales. El Tracking signal se calcula asi: (Tracking signal) = RSFE MAD = ∑(Actual demand in period i – Forecast demand in period i) MAD MAD = ∑|Actual –Forecast| N
  • 29. © 2006 Prentice Hall, Inc. 4 – 105 Tracking signalTracking signal ++ 00 MADsMADs –– Upper control limitUpper control limit Lower control limitLower control limit TimeTime Signal exceeding limitSignal exceeding limit AcceptableAcceptable rangerange Adaptive Smoothing Un acercamiento al pronóstico que mejora el exponencial en el cual la constante que mejora se cambia automáticamente a los errores de la subsistencia mínima. Es posible utilizar la computadora para supervisar el error del pronóstico y ajustar continuamente los valores de la a y los coeficientes de b usados en mejorar el exponencial para reducir al mínimo error del pronóstico. Focus Forecasting Se adapta eligiendo una constante las computadoras permiten que intentemos hacer una variedad de modelos del pronóstico. El focus forecasting esta basado en dos principios: 1. Los modelos sofisticados del pronóstico no son siempre mejores que los modelos simples.
  • 30. 2. No hay técnicas que se deben utilizar para todos los productos o servicios FORECASTING IN THE SERVICE SECTOR El pronostico presenta desafíos inusuales. La principal necesidad de las ventas al por menor son los expedientes a corto plazo. Las diferentes necesidades como función de la industria y del producto. Días festivos y otros días en el calendario y eventos inusuales. © 2006 Prentice Hall, Inc. 4 – 111 Fast Food RestaurantFast Food Restaurant ForecastForecast 20%20% – 15%15% – 10%10% – 5%5% – 1111--1212 11--22 33--44 55--66 77--88 99--1010 1212--11 22--33 44--55 66--77 88--99 1010--1111 (Lunchtime)(Lunchtime) (Dinnertime)(Dinnertime) Hour of dayHour of day PercentageofsalesPercentageofsales Figure 4.12Figure 4.12
  • 31. Resumen El pronóstico tiene una función importante en los gerentes. La demanda de pronóstico conduce a una firma de producción, capacidad y sistema de itinerario y efecto financiero, mercado y la función del personal de producción. Conclusión Con las diferentes variables que existen para realizar el pronóstico en las empresas su funcionamiento puede ser efectivo. Los gerentes deben conocer cual es la demanda del producto para así poder saber con que cuenta en su inventario y así poder planificar su producción, mercadeo, gastos/costos, etc. Si las diversas ecuaciones matemáticas se utilizan adecuadamente la producción de la compañía será efectiva.
  • 32. REFERENCIA Heizer Jay, Gerencia de Operaciones 8va edición Resumen por YatmarieNegrón Ocasio