TEMAnnPronosticosnynpredicciones___42555cac68b4229___ [Autoguardado]
description
Transcript of TEMAnnPronosticosnynpredicciones___42555cac68b4229___ [Autoguardado]
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