Pronósticos y predicciones Un pronóstico es un procedimiento objetivo que

utiliza información recabada en un espacio de tiempo para estimar la demanda futura

Considera que las tendencias actuales continuarán en el futuro

Su horizonte debe ser al menos tan largo como el plazo de tiempo total del producto

Se hacen para grupos de productos (familias) Una predicción es cualquier actividad subjetiva

utilizada para estimar las condiciones futuras

Pronósticos

Los pronósticos extrapolan series de datos en el tiempo, creando lo que se llama serie de tiempo

Una serie en el tiempo es un registro histórico de la actividad pasada

Las series de tiempo intrínsecas son datos que se refieren a ventas pasadas del producto

Las series de tiempo extrínsecas son datos externos relacionados con las ventas del producto pronosticados

Calidad de los datos

Si se utilizan datos “basura” se obtendrá un pronóstico “basura”

Las promociones de ventas y las campañas de publicidad sesgan los datos intrínsecos

Mercadotecnia y producción deben compartir la responsabilidad del pronóstico y del programa de fabricación

Se pueden modificar los datos intrínsecos para corregir anomalías que tengan causas conocidas y no se repitan con regularidad

Requerimientos para el pronóstico de las operaciones

Actual Dentro de 5años

Tipo de decisión

Decisiones deplaneación decorto plazo

Decisiones deplaneación a largo plazo

Necesidades deinformaciónrepresentativa

Demandas deespecificacionesde artículos

Demandas agregadas de resultados

Estrategias e instalaciones

Información más recientesobre la demanda y la

producción

Planeación del sistema

Diseño del productoDiseño del proceso

Inversión y reemplazo deequipo

Planeación de la capacidad

Producción de bienes yservicios

Pronóstico de la demandapara las operaciones

Programación del sistema

Planeación agregada de la producción

Programación de las operaciones

Control del sistema

Control de la producciónControl de inventarios

Control de mano de obraControl de costos

Subsistemas de producción/operaciones y de pronóstico de demanda

Plan = Pronósticos + presupuestos + toma de decisiones

El usuario los aplica cuandoOcurre un incremento en la complejidad

dentro y fuera de la organización

Se quiere facilitar la toma de decisiones en forma sistemática y objetiva

Se incrementa la magnitud de las decisiones

Se quiere responder adecuadamente a cambios constantes y rápidos en el medio ambiente

Gerencias Tipo de producción Tipo de decisión

Comercialización Ventas futuras PrecioContrataciónPromociónDistribución

Producción Tiempo de producción ComprasPersonalProgramaciónNivel de inventarios

Contabilidad yFinanzas

Flujo de caja PrestamosInversiones a cortoplazoFinanciamientogeneral

Métodos Cualitativos

Nombre del Método

Uso Tiempo estimado

Exactitud

Delphi. Para pronósticos a largo plazo, pronósticos de ventas de productos nuevos y pronósticos tecnológicos.

2 meses o más

Entre regular y muy buena.

Investigación de Mercados.

Para evaluar y probar hipótesis acerca de mercados reales.

3 o + meses Puede ser excelente si se tuvo cuidado en la recolección de datos.

Consenso de un Panel.

Para pronósticos a largo plazo, pronósticos de ventas de productos nuevos y pronósticos tecnológicos.

2 o + semanas

Entre baja y regular.

Pronósticos Visionarios.

Para hacer profecía del futuro usando intuición personal.

1 semana Mala

Analogía Histórica.

Para productos nuevos, se basa en analizar y comparar la introducción y crecimiento de productos similares.

1 mes o más. De buena a regular.

Métodos CuantitativosPatrones de una serie de tiempo: Horizontal o estacionario Tendencia a largo plazo Efecto estacional Efecto cíclico Métodos de proyección. (Tratan de encontrar el patrón total de los datos para

proyectarlos al futuro): Promedios Móviles Suavización Exponencial Box-Jenkins Métodos de Separación (Separa la serie en sus componentes para identificar el

patrón de cada componente.)Modelos Causales Modelos de Regresión Regresión lineal simple Regresión lineal múltiple

Métodos Cuantitativos

Modelos Econométricos. Sistema de ecuaciones de regresión interdependientes.

Describe algún sector de actividades económicas, ventas o utilidades.

Encuestas de intenciones de compra y anticipaciones.

Se hacen al público, determinan: a. Las intenciones de compra de productos. b. Derivan un índice que mide el sentimiento general

sobre el consumo presente y futuro y estiman como afectan a los hábitos de consumo.

Muy útil para seguir el desarrollo de demanda y señalar puntos de peligro.

Modelo de insumo-producto. Determina el flujo de bienes y servicios interindustrial o

interdepartamental en una economía o compañía y su mercado. Muestra flujos de insumos que deben ocurrir para obtener ciertos productos.

Selección de un modelo de pronósticos

Depende de varios factores: punto del tiempo en que se necesita el

pronóstico El grado en que los datos históricos

deben influir Con datos de series de tiempo el

patrón de comportamiento de los mismos

Consideraciones de costo-beneficio Disponibilidad de una computadora y

paquetes de programación

Series de Tiempo

Una serie temporal o cronólogica es un conjunto e observaciones de una variable, ordenadas según transcurre el tiempo.

En una serie de tiempo las observaciones no se deben ordenar de mayor a menor debido a que se perdería el grueso de la información debido a que nos interesa detectar como se mueve la variable en el tiempo es muy importante respetar la secuencia temporal de las observaciones.

Representación de una Serie Temporal

Para realizar la reprsentacion de una serie y temporal se debe realiza mediante una gráfica de disprsión x-y como se muestra en la fig.1

Diremos que una serie es estacionaria cuando se encuentra en equilibrio estadístico, en el sentido de que sus propiedades no varían a lo largo del tiempo, y por lo tanto no pueden existir tendencias, con media y varianza constantes.

Serie Estacionaria.

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES)

La Suavización Exponencial es un procedimiento para revisar constantemente un pronóstico a la luz de la experiencia más reciente.

Fuente: Hanke John E./Reitsch Arthur G. Pronósticos en los Negocios. Quinta Edición. Prentice Hall. 1995. Pag. 159.

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES)

OBJETIVO:

Obtener datos estimados que “suavicen” los datos observados en una Serie de Tiempo y así observar la impresión de los movimientos generales a largo plazo y hacer que las tendencias, ciclos y efectos estacionales se vuelvan más visibles.

Fuente: Manual del Curso de Pronósticos para la Toma de Decisiones. Enero 2004.

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES) CARACTERÍSTICAS:

La Técnica SES sirve para series con patrón Estacionario (horizontal).

SES se utiliza para obtener pronósticos a corto plazo.

Da mayor ponderación a los datos observados más recientes.

Sólo requiere dos datos para suavizar el siguiente valor futuro: la observación más reciente y la última estimación.

El valor de debe determinarse por prueba y error. (Minimizando el ECM o DAM).

Fuente: Manual del Curso de Pronósticos para la Toma de Decisiones. Enero 2004.

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES)

NOTAS: Conforme tiende a cero, las tendencias

generales a largo plazo de la serie serán aparentes y se producirá una alta suavización en el pronóstico

Conforme tiende a uno, quizá se pronostique en forma más adecuada las direcciones a corto plazo y se producirá muy poca suavización.

Fuente: Manual del Curso de Pronósticos para la Toma de Decisiones. Enero 2004.

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES)

RECOMENDACIONES: Si se desea suavizar una serie mediante

eliminación de variaciones cíclicas e irregulares, seleccionar un valor pequeño para , cercano a 0, es decir:

Si se desea no suavizar demasiado (mayor peso a las observaciones más recientes), seleccionar un valor para entre 0.5 y 1. Es decir:

5.00

Fuente: Manual del Curso de Pronósticos para la Toma de Decisiones. Enero 2004.

15.0

SUAVIZACIÓN EXPONENCIAL SIMPLE (SES)

FÓRMULA:

Donde:

es el pronóstico del período t+1.

es el pronóstico del período t.

es el valor real de la serie en el período t.

es la ponderación o coeficiente de suavización asignado en forma subjetiva, donde:

Inicialización:

1ˆ

tY

ttt YYY ˆ1ˆ1

Fuente: Manual del Curso de Pronósticos para la Toma de Decisiones. Enero 2004.

10

tY

tY

12 YY

EJEMPLO: La siguiente tabla muestra las ventas semanales de termostatos durante Los últimos cinco meses. Utiliza los alfas recomendados para pronosticar las ventas de la semana 21 y determina que pronóstico es mejor.

Errores en los pronósticos

Desviación absoluta = |et| = |yt -ŷt|

Desviación absoluta media = DAM

Error cuadrático = (et)2 = (yt -ŷt)2

Error cuadrático = ECM

n

yy

n

eECM

n

ttt

n

tt

1

2

1

2 )ˆ()(

n

yy

n

eDAM

n

ttt

n

tt

11

|ˆ|||

SERIE CON TENDENCIA La tendencia es un movimiento que puede ser

estacionario o ascendente, y su recorrido, una línea recta o una curva. Algunas de la posibles formas son las que se muestran en la fig.2

La tendencia es un movimiento que puede ser estacionario o ascendente o descendente como se indica en la fig.3

También son posibles algunas formas para la tendencia, que no necesariamente tiene una distribución de puntos en forma aproximadamente lineal sino como por ejemplo

MÉTODO DE HOLT

Metodología

1) Se inician los cálculos considerando A1=Y1 y T1=Y2-Y1

2) Se eligen las constantes de suavización y

3) Se calculan todos los periodos restantes At y Tt

4) Calcular el pronóstico, Ft+p

Simbología de fórmulas

At: nivel de la serie suavizada (serie atenuada), calculado en el periodo t

Tt: pendiente de la serie en el periodo t

Yt: Valor observado de la serie de tiempo en el periodo t

: constante de suavización (0≤≤1) constantes de suavización (0≤≤1)

pTAF ttpt

11 )1()( tttt TAAT

))(1( 11 tttt TAYA

11 YA

121 YYT

SUAVIZACIÓN EXPONENCIAL LINEAL

MÉTODO DE HOLT

EJEMPLO: En la siguiente tabla se muestran los impuestos anuales sobre la renta (Millones de U.S. Dls.) pagados al gobierno por residentes de una ciudad. Use el método de Holt con alfa = 0.95 y Beta = 0.5, para obtener la ecuación de los pronósticos y el pronóstico del periodo 16 y 25

t

 

Yt

 1 55.42 61.53 68.74 87.25 90.46 86.27 94.78 103.29 119

10 122.411 131.612 157.613 18114 217.815 244.1

16  25  

REGRESION LINEAL SIMPLE

El método más empleado para describir una tendencia lineal es el de mínimos cuadrados, para encontrar una línea de mejor ajuste para un conjunto de puntos.

Y´ = a + bX Y´ = pronostico en un periodo X

a = ordenada al origen si X= 0

b = pendiente de la recta de tendencia

X = variable independiente (codificado)

Ejemplo: Encontrar la ecuación de la recta que describe los datos siguientes y encuentre el pronóstico en 2012, 2016

Año Periodo X Demanda (Y)

2004 1 35

2005 2 42

2006 3 48

2007 4 51

2008 5 54

2009 6 60

2010 7 71

2011 8 75

GRAFICA

30

35

40

45

50

55

60

65

70

75

80

1994 1995 1996 1997 1998 1999 2000 2001

i =

Yi - iY

ECUACIONES

n

xb

n

ya

xxn

yxyxnb

ii

ii

iiii

22

Xi Yi XiYi Xi² Yi²

1 35

2 42

3 48

4 51

5 54

6 60

7 71

8 75

Prom= Prom=

2)( xxi

COEFICIENTE DE DETERMINACION

Se puede calcular el coeficiente de determinación, mide el porcentaje de la variabilidad total de la variable dependiente “y” que es explicado por la variable independiente “x” es decir, evalúa qué tan correcta es la estimación de la recta de regresión,

Su valor esta entre 0 y 1

El coeficiente de determinación r² se calcula como:

2222

22

iy

iyn

ix

ixn

iy

ix

iyixn

r

COEFICIENTE DE CORRELACION r es el coeficiente de correlación y si esta

enporcentaje, mide el % de ajuste de los datos a

larecta su valor esta entre -1 y 1 si es positivo la tendencia es positiva si es negativo la tendencia es inversa de acuerdo a su valor se tiene: 0.0 a 0.2 relación muy pobre o muy debil entre x e y ( no existe relación) 0.2 a 0.4 relación pobre o debil entre x e y 0.4 a 0.6 relación regular o moderada entre x e y 0.6 a 0.8 relación buena o fuerte entre x e y 0.8 a 1 relación muy buena o muy fuerte entre x e y

Serie estacional Se habla variaciones estacionales usualmente

cuando el comportamiento de la variable en el tiempo en un periodo esta relacionado con la época o un periodo particular, por lo general en el espacio cronológico presente.

Estacionalidad

Muestra de datos de ascenso o descenso que se repite.

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

Se produce dentro de un periodo anual.

Mes, trimestre

Respuesta

Verano

© 1984-1994 T/Maker Co.

Pasos de descomposición Modelo de serie temporal 1. Calcular los promedios móviles centrados (CMAS).

2. Calcular los segundos móviles centrados CMA

3. Determinar los factores estacionales e irregulares (S t/I t ). 4. Determinar los factores estacionales promedios.

5. Escalar los factores estacionales (S t ). 6. Calcular los datos desestacionalizados

7. Determinar una línea de tendencia de los datos desestacionalizadas 8. Determinar las predicciones desestacionalizadas

9. Calcular el pronostico tomado en cuenta la estacionalidad.

Ejemplo: Un pequeño hotel de playa tiene datos trimestrales de la ocupación de sus cuartos durante los últimos 4 años. La admón. Del hotel desea mejorar el servicio a sus clientes, por lo que esta considerando varios planes para contratar suficiente personal (el personal que contrata no vive en los alrededores del hotel) durante las temporadas que mas se necesite. Elabore los pronósticos de los cuartos ocupados en el próximo año

Año Trimestre Ocupación2002 1 15

2 353 194 31

2003 1 172 393 214 33

2004 1 212 453 214 33

2005 1 232 473 234 37

Serie cíclicas Se llama asi a las oscilaciones a lo largo de una

tendencia con un periodo superior al año. El ciclo sugiere la idea de que este tipo de movimiento se repite cada cierto periodo con característica parecidas. Los ejemplos mas frecuentes se encuentran en le campo de las variables económicas, en estos casos se deben principalmente a la alternancia de las etapas de prosperidad y depresión en la actividad económica.

Ciclos Movimientos de ascenso o descenso que se repiten.

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

Suelen durar de 2 a 10 años.

Mes, trimestre, añoMes, trimestre, año

RespuestaRespuestaCiclo

La influencia del ciclo de vida del producto

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

Las previsiones son útiles para proyectar

los diferentes niveles de personal

los diferentes niveles de inventarios

los diferentes niveles de capacidad de producción

mientras el producto pasa de la primera a la última etapa.

Estrategia durante el ciclo de vida de un producto

Introducción Crecimiento Madurez Declive

Estr

ateg

ias

de la

OM

Estr

ateg

ias

de la

com

pañí

a

HDTV

Blue Ray

Impresoras a color

Polifuncionales

FurgonetasVentas

DVD

Internet

La planificación y desarrollo del producto son vitales

Cambios frecuentes en planificación del producto y proceso

Lotes de producción pequeños

Altos costes de producción

Número de modelos limitado

Atención a la calidad

La previsión es muy importante

Fiabilidad del producto y proceso

Posibilidades y mejoras del producto competitivas

Aumento de la capacidad

Cambio de tendencia para centrarse en el producto

Atención a la distribución

Estandarización

Cambios de producto menos rápidos; más cambios minuciosos

Capacidad óptima

Estabilidad creciente del proceso de producción

Grandes lotes de producción

Mejora del producto y reducción de costes

Poca diferenciación del producto

Minimización de costes

Sobrecapacidad en la industria

Eliminación de productos que no proporcionan un margen aceptable

Reducción de capacidad

Mejor periodo para aumentar la cuota de mercado

Es vital planear la I + D

Buen momento para cambiar el precio o la imagen de calidad

Fortalecer el segmento de mercado

Mal momento para cambiar la imagen, el precio o la calidad

Los costes competitivos son ahora muy importantes

Defender la posición en el mercado

Es vital controlar el coste

Restaurantes para comer en el coche