ADO2 Pronosticos PDF

Lic. Jorge E. Rojas Nina F.
Administracin UNSA
ADMINISTRACIN Y PRONSTICO
DE LA DEMANDA
Lic. Jorge E. Rojas Nina F. Administracin UNSA
Administracindelademanda
El propsito es coordinar y controlar todas las fuentes de la
demanda, para usar con eficiencia el sistema productivo y
entregar el producto a tiempo.
Fuentes de la demanda
a) Demanda dependiente, es la demanda de un producto
provocada por la demanda de otros productos.
Ejemplo: si una empresa vende 1000 triciclos, entonces se
van a necesitar 1000 ruedas delanteras y 2000 traseras.
Este tipo de demanda interna no necesita un pronstico, sino
slo una tabulacin.
b) Demanda independiente, es la demanda que no se deriva
directamente de la demanda de otros productos.
Ejemplo: la cantidad 1000 triciclos que la empresa podra
vender
Pronsticosdelademandaentodala
organizacin
Finanzas utiliza los pronsticos de largo plazo para estimar los
flujos de efectivo y necesidades futuras de capital
Contabilidad necesita pronsticos para la elaboracin de
presupuestos y estimacin de costos
Recursos humanos utiliza pronsticos para prever las
necesidades futuras de mano de obra.
Sistemas de informacin, disea e implementa los sistemas de
informacin que generan los pronsticos
Marketing, utiliza pronsticos para los programas de
comercializacin, fijacin de precios, introduccin de nuevos
productos, etc.
Operaciones, para determinar niveles de produccin, fuerza
trabajo, inventarios, capacidad a L/P, etc.
Usodelospronsticos
enlasdecisionesdeorganizacin
Formular y ejecutar
Planes de negocios
Los planes anuales
Presupuestos
Queeselpronstico
Arte y ciencia de predecir eventos futuros.
Cundo, dnde, cuanto?
Puede implicar uso de datos histricos
Mtodos cuantitativos, cualitativos y/o mixtos
Los pronsticos rara vez son acertados
Los pronsticos agregados (por familias de productos, por
lugares geogrficos, etc.) son ms precisos que los
pronsticos individuales.
La calidad de los pronsticos disminuye en la medida en
que el horizonte de tiempo aumenta
Pronsticos a corto plazo:
Cobertura de hasta un ao, generalmente inferior a los tres
meses.
Programacin de compras, trabajos, asignacin de tareas.
Pronsticos a medio plazo:
Entre tres meses y tres aos.
Planificacin de las ventas, de la produccin y del
presupuesto.
Pronsticos a largo plazo:
Periodos superiores a tres aos.
Planificacin de nuevos productos, localizacin de las
instalaciones, desembolso de capital, I&D.
Tipos de horizontestemporales del
pronstico
Pronsticoseconmicos:
Dirigidasalcicloeconmico,porejemplo,lastasasde
inflacin,lamasamonetaria,elPIB,etc.
Pronsticostecnolgicos:
Predicenelprogresotecnolgico.
Predicenelnacimiento denuevasventas.
Ejemplo:motoresdehidrgeno,energasolar
Pronsticosdedemanda:
Predicenlasventasdeproductosyaexistentes.
Tipos de Pronsticos
1. Determinarelobjetivodelpronstico.
2. Seleccionarlosartculossobrelosquesevaarealizar
elpronstico.
3. Determinarelhorizontetemporaldelpronstico.
4. Seleccionarel(los)modelo(s)depronstico.
5. Recoleccindedatos.
6. Realizarelpronstico.
7. Validareimplementarlosresultados.
Etapasdel proceso de Pronstico
EnfoquesdePronsticos
Cualitativos
Decarctersubjetivo
Basadoenestimacionesyopiniones.
Programacindetrabajos,asignacindetareas.
Anlisisdeseriesdetiempo
Utilizacindedatosrelacionadosdeperiodos
anteriores
Componentes:tendencia,estacionalidadyciclos
Relacionescausales
Suponedemandarelacionadaconunaomascausas
RegresinlinealyRegresinMultilineal
Simulacin
Modeloscomplejossimuladosencomputador
ModelosDinmicos
Pronstico que utiliza estimaciones y opiniones de
personas relevantes como:
Vendedores
Consumidores
Expertos
Altos ejecutivos
til cuando faltan datos o cuando los datos anteriores
no son buenos indicadores del futuro
Enfoquescualitativos
Tomanencuentalosfactores
intangibles
tilescuandoexistepoca
informacin:
Nuevoproductoonuevo
mercado
Empresarecinpuestaen
marcha
Duracindelprocesode
consultacin
Riesgodeobtenerun
pronsticotergiversadoo
parcializado
Costoselevadosdealgunos
mtodos
Engeneral,pocoprecisos
Ventajas Desventajas
Enfoquescualitativos
Mtodoscualitativos:
Entrelosmtodoscualitativosdepronstico
msusadostenemos:
Juradodeopininejecutiva
Proposicindelpersonalcomercial
MtodoDelphi
InvestigacindeMercado
Requiere un pequeo grupo de directivos:
El grupo establece una estimacin conjunta de la
demanda.
Combina la experiencia directiva con modelos
estadsticos.
Es bastante rpido.
Desventaja del "pensamiento en grupo".
Juradodeopininejecutiva
Cada vendedor estima las ventas
que har.
Se revisan las previsiones para definir
si se pueden llevar a cabo.
Se combinan con los pronsticos a
niveles de distritos y con las
nacionales.
El representante de ventas conoce las
necesidades de los consumidores.
Tiende a ser bastante optimista.
Proposicindepersonalcomercial
Proceso de grupo interactivo.
3 tipos de participantes:
Los que toman decisiones.
El personal de plantilla.
Los que responden.
Reduce el "pensamiento en
grupo".
Coteja opiniones para llegar a un
consenso en varias iteraciones de
opinionesrespuestas
Mtodo Delphi
Estudio de mercado
Preguntaralosconsumidores
sobresusfuturosplanesde
compra.
Loquedicenlosconsumidores
yloqueluegosuelediferir.
Avecesesdifcilcontestara
laspreguntasdelestudio.
Estilparamejorareldiseo
deunproductoyplanificar
nuevosproductos
Enfoquescuantitativos
Ejemplosdevariables:
Ventasmensualesrealizadasalolargo
delosltimosaos
ndicesburstilesyeconmicos
Comprasdeproductoscomplementarios
Pronstico que se basa en datos histricos o
dependencias entre las variables del entorno.
Suposicin bsica: los datos anteriores y los patrones de
los mismos son predictores fiables del futuro.
Rpidosautilizarunavezel
modelodesarrollado.
Latomadedatosno
implica,engeneral,gastos
adicionales
Almacenadosenel
sistemadeinformacin
(ej.ventasdelosmeses
pasados)
Fcilmenteaccesibles
(ej.ndices
econmicos).
Noconsideranlosfactores
nuevosoinesperados
Requierenunhistricodela
demanda y/ootrasvariables
pertinentes
Ventajas Desventajas
Enfoquescuantitativos
Mtodoscuantitativos
Modelos de series de tiempo :
Una serie de tiempo es una secuencia de
observaciones cronolgicamente clasificadas que se
toman a intervalos regulares para una variable en
particular.
Anlisis detallado de los patrones de la demanda
histrica
Proyeccin de dichos patrones hacia el futuro
Modelos Causales:
Modelo de causa y efecto entre la demanda y otras
variables
Mtodoscuantitativos
ModelosCausales:
Pronsticoingenuo
Promediosmviles
Suavizacin
exponencial
Proyeccin
Regresinlineal
Regresinmltiple
Modeloeconomtrico
Modelodesimulacin
Modelosdeseriesdetiempo:
Tendencia
Estacional
Cclico
Aleatorio
Componentesdelasseriesdetiempo
Descomposicin deunaseriedetiempos
Tendencia (T) eselmovimientogradual,ascendenteo
descendente,delosdatosatravsdeltiempo.
Estacionalidad (S) eselpatrndedatosqueserepite
asimismodespusdeunperiododedas,semanas,
meses,trimestres,estaciones,etc.perodentrodel
ao.
Ciclos (C) sonpatronesqueocurrenenlosdatoscada
variosaos.
Variacinalazar (R) sonvariacionesaleatoriasqueno
obedecenaningncomportamiento.
Componente
aleatorio
Tendencia
Patrn de
estacionalidad
Componente
cclico
Descomposicin deunaseriede
tiempos
Modelosdeseriedetiempo
ModeloMultiplicativodeunaseriedetiempo:
D
t
=T
t
*S
t
*C
t
*R
t
ModeloAditivodeunaseriedetiempo:
D
t
=T
t
+S
t
+C
t
+R
t
Donde:
D
t
=Demandarealenelperodot
T
t
=Componentedetendenciaparaelperodot.
S
t
=Componentedetemporadaparaelperodot.
C
t
=Componentedecicloparaelperodot.
R
t
=Componentealeatoriaoerrorparaelperodot.
Errordepronstico
Es importante medir la exactitud de los pronsticos.
Se debe intentan minimizar los errores seleccionando
los modelos de pronsticos adecuados
Eliminar todas las formas de error es imposible.
El error de pronstico para un periodo dado t es:
E
t
=error individualdepronsticoparaelperiodot
t
=demandarealparaelperiodot
F
t
=pronsticoparaelperiodot
t t t
Medicindeerrores
E
=
SAE
n
SAE = E
t
Lasumaacumuladadeerroresdepronstico(SAE)
Mideelerrordepronsticototal(errordesesgo)
Elerrordepronsticopromedio(E
)
Algunasvecesllamadosesgomedio
Elerrormediocuadrtico(EMC)
Ladesviacinabsolutamedia(DAM)
Ladesviacinestndardeloserrores(o)
EHC =
E
t
2
n
Medicindeerrores
Midenladispersindeloserroresdepronsticoatribuidosalosefectos
detendencia,estacionalidadyaleatoriedad
AH =
E
t
n
o =

t
- F
t
2
n - 2
o =
E
t
2
n - 2
Elerrorporcentualabsolutomedio(EPAM)
Relaciona el error de pronstico con el nivel de demanda y
es til para tener una perspectiva adecuada del desempeo
del pronstico.
EPAH =

E
t
t
(1uu)
n
= %
Medicindeerrores
Sealopatrndeseguimiento
Mideelgradodeprecisindelpronsticoparapredecirlos
valoresreales.
Debedeestardentrodeloslimitesdecontrolsuperioreinferior
IS =
SAE
AH
Medicindeerrores
Sealopatrndeseguimiento
Debedeestardentrodeloslimitesdecontrolsuperioreinferior
Calculodelasmedidasdelerrordepronstico
Conlasiguienteinformacincalcular:SAE,E
,ECM,o,
DAM,EPAMyTS
Mes,
t
Demanda Pronostico
1 200 225
2 240 220
3 300 285
4 270 290
5 230 250
6 260 240
7 210 250
8 275 240
t
F
t
Preparandonuestrainformacinsegnlasformulas
E
t
=
t
-F
t
E
1
=
1
-F
1
E
1
= 2uu -22S = -2S
Mes,
t
Demanda Pronostico Error Errorabsoluto Erroralcuadrado Error%absoluto
1 200 225 25
2 240 220
3 300 285
4 270 290
5 230 250
6 260 240
7 210 250
8 275 240
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
Determinandovalores
E
=
SAE
n
Elerrordepronsticopromedio(E
)
E
=
-1S
8
= -1.87S
Mes,
t
1 200 225 25 25 625 12.5%
2 240 220 20 20 400 8.3%
3 300 285 15 15 225 5.0%
4 270 290 20 20 400 7.4%
5 230 250 20 20 400 8.7%
6 260 240 20 20 400 7.7%
7 210 250 40 40 1,600 19.0%
8 275 240 35 35 1,225 12.7%
TotalE 1985 2000 15 195 5,275 81.40%
Promedio 1.875 24.375 659.375 10.18%
DAM EMC EPAM
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F

Ladesviacinabsolutamedia(DAM)
EHC =
E
t
2
n
EHC =
S,27S
8
= 6S9.S7S
AH =
E
t
n
AH =
19S
8
= 24.S7S
Elerrormediocuadrtico(EMC)
Mes,
t
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
TotalE 1985 2000 15 195 5,275 81.40%
Promedio 1.875 24.375 659.375 10.18%
DAM EMC EPAM
F
Elerrorporcentualabsolutomedio(EPAM)
EPAH =

E
t
t
(1uu)
n
= %
EPAH =
81.4u
8
= 1u.18 %
Total E 1985 2000 15 195 5,275 81.40%
Pro medi o 1.875 24.375 659.375 10.18%
DAM EMC EP AM F
La desviacin estndar de los errores (o)
Sealopatrndeseguimiento(TS)
IS =
SAE
AH
IS =
-1S
24.S7S
= -u.62
o =
E
t
2
n - 2
o =
S27S
8 - 2
= 29.6S
Mes,
t
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
TotalE 1985 2000 15 195 5,275 81.40%
Promedio 1.875 24.375 659.375 10.18%
DAM EMC EPAM
29.65
TS 0.62
F
o
Mtodosdeanlisisdeseriesdetiempo
Pronsticoingenuo
Promediosmviles
Simple
Ponderado
Suavizacinexponencial
Proyeccindetendencias
Suavizacinexponencialcontendencia
Mnimoscuadrados
Casointegralparapronsticos
La pequea empresa manufacturera Umbrella SRL, produce Paraguas
de tela sinttica para el mercado local. La compaa fue fundada el
ao 2010, tiene 2 lneas de produccin: Lnea Estndar y Lnea
Compacta
CASOINTEGRALPARAPRONOSTICOS
Umbrella SRL, desea establecer su demanda para el siguiente
periodo as como ajustar los anteriores en la lnea estndar,
teniendo como base los datos histricos. (ver cuadro).
Para tomar una decisin deber evaluar los mtodos de
pronsticos y elegir el que le convenga.
Datos adicionales
Para Lnea Compacta
n=2
o=0.7
|=0.6
F
t-1
= S,2uu
I
t-1
= 12u
w
t-1
= u.6S
w
t-2
= u.SS
Para Lnea Estndar
n=3
o=0.5
|=0.4
F
t-1
= Ingcnuo
I
t-1
= 2uu
w
t-1
= u.Su
w
t-2
= u.Su
w
t-3
= u.2u
CASOINTEGRALPARAPRONOSTICOS
Demanda Histrica
LneasProduccin
Periodos
Estndar Compacta
Enero
4,200 3,200
Febrero
5,200 3,800
Marzo
5,400 5,300
Abril
6,500 4,200
Mayo
5,100 4,800
Junio
6,400 3,800
El pronstico de un periodo es igual a la demanda del
periodo anterior
Donde:
F
t
= Pronostico Jcl pcrioJo
t-1
= cmonJo rcol Jcl pcrioJo ontcrior
Se puede utilizar el valor de la demanda del periodo
precedente equivalente en trminos de estacionalidad
La demanda de Enero del ao anterior fue de 4,200 el
pronstico de Febrero de este ao ser 4,200.
Pronsticoingenuo
1
=
t
D
t
F
Mes,
t
DemandaR. Pronostico Error Errorabsoluto Erroralcuadrado Error%absoluto
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500
Mayo 5100
Junio 6400
TotalE 32800
Promedio
Julio
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
Pronsticoingenuo:Ilustracin
Mes,
t
DemandaR. Pronostico Error Errorabsoluto Erroral cuadrado Error%absol uto
Enero 4200
Febrero 5200 4200 1000 1000 1000000 19.23
Marzo 5400 5200 200 200 40000 3.70
Abril 6500 5400 1100 1100 1210000 16.92
May o 5100 6500 1400 1400 1960000 27.45
Juni o 6400 5100 1300 1300 1690000 20.31
Total 32800 2200 5000 5900000 87. 6
Promedio 440 1000 1180000 17.52
Jul io 6400 DAM EMC EPAM
t Ft Et Et Et2 (|Et |t )(1uu)
F
F
t
=
t-1
F
2
= 42uu
Mes,
t
Enero 4200
Febrero 5200 4200 1000.0 1000.0 1000000.0 19.23%
Marzo 5400 5200 200.0 200.0 40000.0 3.70%
Abril 6500 5400 1100.0 1100.0 1210000.0 16.92%
Mayo 5100 6500 1400.0 1400.0 1960000.0 27.45%
Junio 6400 5100 1300.0 1300.0 1690000.0 20.31%
TotalE 32800 2200.0 5000.0 5900000.0 87.62%
Promedio 440.0 1000.0 1180000.0 17.52%
Julio 6400 DAM EMC EPAM
1402.38
TS 2.20
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
o
Pronsticoingenuo:Ilustracin
Mes,
t
Enero 4200
Febrero 5200 4200 1000 1000 1000000 19.23
Marzo 5400 5200 200 200 40000 3.70
Abril 6500 5400 1100 1100 1210000 16.92
May o 5100 6500 1400 1400 1960000 27.45
Juni o 6400 5100 1300 1300 1690000 20.31
Total 32800 2200 5000 5900000 87. 6
Promedio 440 1000 1180000 17.52
Jul io 6400 DAM EMC EPAM
F
E
=
SAE
n
=
22uu
S
= 44u
EHC =
E
t
2
n
=
S9uuuuu
S
= 118uuuu
AH =
E
t
n
=
Suuu
S
= 1uuu
o =
E
t
2
n - 2
=
S9uuuuu
S - 2
= 14u2.S8
EPAH =

E
t
t
(1uu)
n
=
87.62
S
= 17.S2 %
IS =
SAE
AH
=
22uu
1uuu
= 2.2
n=5
Pronsticoingenuo:Grafica
Promediosmviles:Cmoescogern?
Si n es pequeo : los pronsticos reaccionarn
rpidamente a cambios reales, pero podran tambin
reaccionar a cambios aleatorios (ruido)
Si n es grande : los pronsticos reaccionan lentamente a
los cambios reales de la demanda.
Una manera de hacer que el promedio mvil responda con
mayor rapidez a los cambios de la demanda es colocar
relativamente ms peso en las demandas recientes.
PromedioMvilSimplePMS
n
D D D D
F
n t t t t
t

+ + + +
=
...
3 2 1
Hiptesis :
La demanda no presenta tendencia, ni estacionalidad, ni
ciclos.
Todos los periodos tiene el mismo peso
F
t
=Pronsticoparaelperiodo
n=Nmerodeperiodosparapromediar
D
t1
=Demandarealdelperiodoanterior
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 4933.3
Mayo 5100
Junio 6400
TotalE 32800
Promedio
Julio
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
PromedioMvilSimple:ilustracin
3 . 49
3
5400 5200 4200
4
=
+ +
= F
F
4
=
42uu + S2uu + S4uu
S
= 49SS.S
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 4933.3 1566.7 1566.7 2454444.4 24.10%
Mayo 5100 5700.0 600.0 600.0 360000.0 11.76%
Junio 6400 5666.7 733.3 733.3 537777.8 11.46%
TotalE 32800 1700.0 2900.0 3352222.22 47.33%
Promedio 566.67 966.67 1117407.41 15.78%
1830.91
TS 1.76
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
o
PromedioMvilSimple:ilustracin
3 . 49
3
5400 5200 4200
4
=
+ +
= F
E
=
SAE
n
=
EHC =
E
t
2
n
=
AH =
E
t
n
=
o =
E
t
2
n - 2
=
EPAH =

E
t
t
(1uu)
n
= %
IS =
SAE
AH
=
n=3
PromedioMvilSimple:Grafica
PromedioMvilPonderadoPMP
Hiptesis :
La demanda no presenta tendencia, ni estacionalidad, ni
ciclos.
Permite dar a cada periodo anterior un peso diferente en la
elaboracin del pronstico (generalmente ms peso a los
ms recientes). Asignacin es subjetiva.
La frmula del promedio mvil ponderado es:
n - t N 3 - t 3 2 - t 2 1 - t 1 t
D w + ... + D w + D w + D w = F
w
t
= pcso JoJo ol pcrioJo t los pcsos Jcbcn sumor = 1
F
t
= Pronostico poro cl pcrioJo
PromedioMvilPonderado:ilustracin
F
4
= u.S S4uu + u.S S2uu + u.2 42uu = S1uu
n=3
Mes,
t
1 4200
2 5200
3 5400
4 6500 5100. 0 1400. 0 1400. 0 1960000.0 21.54
5 5100 5910. 0 810. 0 810. 0 656100.0 15.88
6 6400 5580. 0 820. 0 820. 0 672400.0 12.81
Total 32800 1410. 0 3030. 0 3288500.0 50.23
Promedio 470 1010 1096166.7 16.74
7 6030 DAM EMC EPAM
F
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 5100. 0 1400. 0 1400. 0 1960000.0 21.54
May o 5100 5910. 0 810. 0 810. 0 656100.0 15.88
Juni o 6400 5580. 0 820. 0 820. 0 672400.0 12.81
Total 32800 1410. 0 3030. 0 3288500.0 50.23
Promedio 470 1010 1096166.7 16.74
7 6030 DAM EMC EPAM
F
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 5100.0
Mayo 5100
Junio 6400
TotalE 32800
Promedio
Julio
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 5100.0 1400.0 1400.0 1960000.0 21.54%
Mayo 5100 5910.0 810.0 810.0 656100.0 15.88%
Junio 6400 5580.0 820.0 820.0 672400.0 12.81%
TotalE 32800 1410.0 3030.0 3288500.0 50.23%
Promedio 470.00 1010.00 1096166.67 16.74%
1813.42
TS 1.40
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
o
PromedioMvilPonderado:ilustracin
n=3
Mes,
t
1 4200
2 5200
3 5400
4 6500 5100. 0 1400. 0 1400. 0 1960000.0 21.54
5 5100 5910. 0 810. 0 810. 0 656100.0 15.88
6 6400 5580. 0 820. 0 820. 0 672400.0 12.81
Total 32800 1410. 0 3030. 0 3288500.0 50.23
Promedio 470 1010 1096166.7 16.74
7 6030 DAM EMC EPAM
F
n=3
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500 5100. 0 1400. 0 1400. 0 1960000.0 21.54
May o 5100 5910. 0 810. 0 810. 0 656100.0 15.88
Juni o 6400 5580. 0 820. 0 820. 0 672400.0 12.81
Total 32800 1410. 0 3030. 0 3288500.0 50.23
Promedio 470 1010 1096166.7 16.74
7 6030 DAM EMC EPAM
F
E
=
SAE
n
=
EHC =
E
t
2
n
=
AH =
E
t
n
=
o =
E
t
2
n - 2
=
EPAH =

E
t
t
(1uu)
n
= %
IS =
SAE
AH
=
n=3
PromedioMvilPonderado:Grafico
Premisas:
Es posible calcular un nuevo pronstico a partir de
otro antiguo y la demanda observada ms reciente.
Los datos recientes deben tener ms peso
No hay tendencia, ni ciclos, ni estacionalidad
Clculo del pronstico:
( )
1 1 1
+ =
t t t t
F D F F o
F
t
= Pronstico para el periodo
F
t-1
= Pronstico del periodo anterior
D
t-1
= Demanda real en el periodo anterior
o = Parmetro de suavizamiento alfa entre 0 < o > 1
El valor del parmetro de suavizacin (o) determina qu
tanto se suaviza la variacin aleatoria. Su valor debe estar
entre cero (0) y uno (1).
Si es pequeo: los pronsticos sern lentos a reaccionar
a cambios en la demanda. Da ms ponderacin a los datos
histricos
Si es grande : los pronsticos reaccionarn rpidamente
a cambios en la demanda, pero tambin al ruido. Refleja
un ajuste total a la demanda reciente
Como escoger el buen ?, subjetivamente probar con
varios valores y elegir el que mejore el pronstico
Suavizacinexponencial:Cmoescoger?
Latcnicadepronsticomsutilizada:
Sorprendentementeprecisa
Relativamentesimple
Serequierenpocosclculos
Pidepocoespaciodememoria
Losclculosdeerrorseefectanfcilmente
o= 0.5
Mes,
t
Enero 4200
Febrero 5200
Marzo 5400
Abril 6500
Mayo 5100
Junio 6400
TotalE 32800
Promedio
Julio
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
Suavizacinexponencial:ilustracin
( )
1 1 1
+ =
t t t t
F D F F o
F
2
= 42uu + u.S 42uu - 42uu = 42uu
F
3
= 42uu + u.S S2uu - 42uu = 47uu
( )
1 1 1 1 +
+ =
t t t t
F D F Fo( )
1 1 1
+ =
t t t t
F D F Fo
o= 0.5
Mes,
t
Enero 4200 4200 0.0 0.0 0.0 0.00%
Febrero 5200 4200 1000.0 1000.0 1000000.0 19.23%
Marzo 5400 4700 700.0 700.0 490000.0 12.96%
Abril 6500 5050 1450.0 1450.0 2102500.0 22.31%
Mayo 5100 5775 675.0 675.0 455625.0 13.24%
Junio 6400 5438 962.5 962.5 926406.3 15.04%
TotalE 32800 3437.5 4787.5 4974531.3 82.78%
Promedio 687.50 957.50 994906.25 16.56%
Julio 5918.75 DAM EMC EPAM
1115.18
TS 3.59
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
o
Suavizacinexponencial:ilustracin
( )
1 1 1 1 +
+ =
t t t t
F D F Fo( )
1 1 1
+ =
t t t t
F D F Fo
E
=
SAE
n
=
EHC =
E
t
2
n
=
AH =
E
t
n
=
o =
E
t
2
n - 2
=
EPAH =

E
t
t
(1uu)
n
= %
IS =
SAE
AH
=
n=5
Suavizacinexponencial:Grafico
Proyeccindelatendencia
Las tcnicas de promedios mviles y suavizacin
exponencial que hemos visto no tienen en cuenta la
tendencia.
Periodo Demanda Forecast
1 1000 1000
2 2000 1000
3 3000 1400
4 4000 2040
5 5000 2824
TOTALS 15000
AVERAGE 3000
Nextperiodforecast 3694.4
Es un modelo de suavizamiento exponencial ms
complejo, que hace ajustes de tendencia.
Primero se calcula un promedio suavizado
exponencialmente de los datos y despus ajustar el
retraso positivo o negativo encontrado en la tendencia. La
nueva frmula es:
Suavizamiento exponencialconajustede
tendencia)
FII
t
= F
t
+I
t
FII = Pronstico suavizado exponencialmente + tendencia suavizada exponencialmente
tendencia)
FII
t
= F
t
+I
t
F
t
= o(
t-1
) +(1 -o)(F
t-1
+I
t-1
)
I
t
= [(F
t
-F
t-1
) +(1 -[)(I
t-1
)
Donde:
FIT
t
= Pionostico incluiuo tenuencia uel peiiouo
F
t
= Pionostico suavizauo exponencialmente uel peiiouo
T
t
= Tenuencia suavizauo exponencialmente uel peiiouo
B
t-1
= Bemanua ieal uel peiiouo anteiioi
F
t-1
= Pionostico uel peiiouo anteiioi
T
t-1
= Tenuencia uel peiiouo anteiioi
o = Constante ue suavizamiento paia el piomeuio u < o < 1
| = Constante ue suavizamiento paia la tenuencia u < | < 1
Suavizamiento exponencialconajustedetendencia
F
t
= u.S(
t-1
) + (1 - o)(F
t-1
+I
t-1
)
F
2
= (u.S)(42uu) + (1 - u.S)(42uu + 2uu)
F
2
= 4Suu
I
t
= [(F
t
- F
t-1
) + (1 - [)(I
t-1
)
I
2
= (u.4)(4Suu - 42uu) + (1 - u.4)(2uu)
I
2
= 16u
FII
2
= F
t
+ I
t
FII
2
= 4Suu + 16u
FII
2
= 446u
o= 0.5 | = 0.4 T= 200
Mes,
t
DemandaR. Pr onostico Ten dencia Pron ost ico T Err or Erro r abso luto Erro r alcuadr ado Err or %abso luto
Enero 4200 4200.0 200.0 4400. 0 200.0 200.0 40000.0 4.76
Febre ro 5200 4300.0 160.0 4460. 0 740.0 740.0 547600.0 14.23
Marzo 5400 4830.0 308.0 5138. 0 262.0 262.0 68644.0 4.85
Abr il 6500 5269.0 360.4 5629. 4 870.6 870.6 757944.4 13.39
Mayo 5100 6064.7 534.5 6599. 2 1499.2 1499. 2 2247660.6 29.40
Jun io 6400 5849.6 234.7 6084. 3 315.7 315.7 99675.3 4.93
Total 32800 489.1 3887. 5 3761524.3 71.6
Pro medio 81.5 647.9 626920.7 11.93
7 6242.1 297.8 6539.96 DAM EMC EPAM
t Ft Et Et Et2 (|Et |t )(1 uu)
F
It FIIt
o= 0.5 |= 0.4 T=200
Mes,
t
DemandaR. Pronostico Tendencia PronosticoT
Enero 4200 4200 200
Febrero 5200
Marzo 5400
Abril 6500
Mayo 5100
Junio 6400
TotalE 32800
Promedio
Julio
t
F
t
I
t
FII
t
o= 0.5 | = 0.4 T= 200
Mes,
t
DemandaR. Pr onostico Ten dencia Pron ost ico T Err or Erro r abso luto Erro r alcuadr ado Err or %abso luto
Enero 4200 4200.0 200.0 4400. 0 200.0 200.0 40000.0 4.76
Febre ro 5200 4300.0 160.0 4460. 0 740.0 740.0 547600.0 14.23
Marzo 5400 4830.0 308.0 5138. 0 262.0 262.0 68644.0 4.85
Abr il 6500 5269.0 360.4 5629. 4 870.6 870.6 757944.4 13.39
Mayo 5100 6064.7 534.5 6599. 2 1499.2 1499. 2 2247660.6 29.40
Jun io 6400 5849.6 234.7 6084. 3 315.7 315.7 99675.3 4.93
Total 32800 489.1 3887. 5 3761524.3 71.6
Pro medio 81.5 647.9 626920.7 11.93
7 6242.1 297.8 6539.96 DAM EMC EPAM
t Ft Et Et Et2 (|Et |t )(1 uu)
F
It FIIt
o= 0.5 |= 0.4 T=200
Mes,
t
DemandaR. Pronostico Tendencia PronosticoT
Enero 4200 4200.0 200.0 4400.0
Febrero 5200 4300.0 160.0 4460.0
Marzo 5400 4830.0 308.0 5138.0
Abril 6500 5269.0 360.4 5629.4
Mayo 5100 6064.7 534.5 6599.2
Junio 6400 5849.6 234.7 6084.3
TotalE 32800
Promedio
Julio 6242.1 297.8 6539.96
t
F
t
I
t
FII
t
o= 0.5 |= 0.4 T=200
Mes,
t
DemandaR. Pronostico Tendencia PronosticoT Error Errorabsoluto Erroralcuadrado Error%absoluto
Enero 4200 4200.0 200.0 4400.0
Febrero 5200 4300.0 160.0 4460.0
Marzo 5400 4830.0 308.0 5138.0
Abril 6500 5269.0 360.4 5629.4
Mayo 5100 6064.7 534.5 6599.2
Junio 6400 5849.6 234.7 6084.3
TotalE 32800
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
I
t
FII
t
t t t
FIT D E =
Para determinar el error la formula se modifica de la siguiente manera
Ejemplo para el segundo periodo
460 4 200 5
2
, , = E
740
2
= E
o= 0.5 |= 0.4 T=200
Mes,
t
DemandaR. Pronostico Tendencia PronosticoT Error Errorabsoluto Erroralcuadrado Error%absoluto
Enero 4200 4200.0 200.0 4400.0 200.0 200.0 40000.0 4.76%
Febrero 5200 4300.0 160.0 4460.0 740.0 740.0 547600.0 14.23%
Marzo 5400 4830.0 308.0 5138.0 262.0 262.0 68644.0 4.85%
Abril 6500 5269.0 360.4 5629.4 870.6 870.6 757944.4 13.39%
Mayo 5100 6064.7 534.5 6599.2 1499.2 1499.2 2247660.6 29.40%
Junio 6400 5849.6 234.7 6084.3 315.7 315.7 99675.3 4.93%
TotalE 32800 489.1 3887.5 3761524.30 71.57%
Promedio 81.52 647.92 626920.72 11.93%
Julio 6242.1 297.8 6539.96 DAM EMC EPAM
969.73
TS 0.75
t
F
t
E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
I
t
FII
t
o
E
=
SAE
n
=
EHC =
E
t
2
n
=
AH =
E
t
n
=
o =
E
t
2
n - 2
=
EPAH =

E
t
t
(1uu)
n
= %
IS =
SAE
AH
=
n=6
tendencia:Grafico
Anlisisderegresinlineal
En el mtodo de proyeccin de la tendencia se elabora una
ecuacin que describe de manera apropiada la serie de
datos. La ecuacin puede ser lineal o no. Esta ecuacin se
usa para pronosticar los datos futuros.
Mtodo lineal: se estiman a y b con el mtodo de mnimos
cuadrados.
t
= o +bx F
t
= o +bt
Dunde:

t
= Pronostico Jcl pcrioJo
o = JcmonJo poro cl pcrioJo bosc
b = pcnJicntc Jc lo linco Jc tcnJcncio
x = nmcro Jc pcrioJo o Jctcrminor
o =
. X
2
- X. X.
n X
2
- X
2
b =
n X. -X.
n X
2
- X
2
Coeficiente de Correlacin (r)
Se dice que existe correlacin entre dos variables, cuando al
variar una de ellas varia tambin la otra variable.
Para que la proyeccin sea mas acertada es necesario que el
numero de observaciones (n) sea mas amplio
MODELOS CAUSALES
-1 r 1
VALORDELCOEFICIENTEINTERPRETACIN
r1relacinlinealdirectayfuerte.
r1relacinlinealinversayfuerte
r0relacinlinealdirectaoinversadbil.
r= 0noexisterelacinlineal..
r =
n xy - x y
n x
2
- x
2
n y
2
- y
2
Coeficiente de Determinacin( r
2
)
Mide la bondad del ajuste realizado y permite decidir si el ajuste
lineal es suficiente o se deben buscar modelos alternativos
MODELOS CAUSALES
u r
2
1
r
2
=
n xy - x y
n x
2
- x
2
n y
2
- y
2
2
2 2
Error Estndar
Para determinar la desviacin de la variable independiente y valor
especifico definimos la desviacin estndar de la regresin
S
c
=
y
2
- o y - b x. y
n - 2
MODELOS CAUSALES
Mtododelosmnimoscuadrados:ilustracin
Mes
N DemandaR.
Enero 1 4200
Febrero 2 5200
Marzo 3 5400
Abril 4 6500
Mayo 5 5100
Junio 6 6400
TotalE
y
x. y
x
2
x
y
2
Preparamos la informacin segn las formulas
t
= o + bx
o =
. X
2
- X. X.
n X
2
- X
2
b =
n X. -X.
n X
2
- X
2
o =
S28uu 91 - (21 12u7uu)
6 91 - 21
2
=
4Su1uu
1uS
= 4,286.67
b =
6 12u7uu - (21 S28uu)
6 91 - 21
2
=
SS4uu
1uS
= SS7.14
1
= 4286.67 + SS7.14 1 = 4,62S.8
Mes
N DemandaR.
Enero 1 4200 4200 1 17640000
Febrero 2 5200 10400 4 27040000
Marzo 3 5400 16200 9 29160000
Abril 4 6500 26000 16 42250000
Mayo 5 5100 25500 25 26010000
Junio 6 6400 38400 36 40960000
TotalE 21 32800 120700 91 183060000
y
x. y
x
2
x
y
2
E
=
SAE
n
=
EHC =
E
t
2
n
=
AH =
E
t
n
=
o =
E
t
2
n - 2
=
EPAH =

E
t
t
(1uu)
n
= %
IS =
SAE
AH
=
Mes
N DemandaR. Pronostico Error Errorabsoluto Erroralcuadrado Error%absoluto
Enero 1 4200 4623.8 423.8 423.8 179614.5 10.09%
Febrero 2 5200 4961.0 239.0 239.0 57143.8 4.60%
Marzo 3 5400 5298.1 101.9 101.9 10384.6 1.89%
Abril 4 6500 5635.2 864.8 864.8 747813.2 13.30%
Mayo 5 5100 5972.4 872.4 872.4 761048.5 17.11%
Junio 6 6400 6309.5 90.5 90.5 8185.9 1.41%
TotalE 21 32800 0.0 2592.4 1764190.5 48.40%
Promedio 0.0 432.1 294031.7 8.07%
Julio 7 6646.67 DAM EMC EPAM
664.11
TS 0.00
y E
t
E
t
E
t
2
(|E
t
|
t
)(1uu)
F
F
t
x
o
t
1 1 1
F D E =
8 423 8 623 4 200 4
1
. . , , = = E
n=6
Mtododelosmnimoscuadrados:Grafico
ComparandoMtodosquenotomanen
cuentalatendencia
ComparandoMtodosquetomanen
cuentalatendencia
ErrorMedio Desv.Abs.Media
DAM
ErrorCua.Medio
EMC
Error%Ab.Medio
EPAM
Desv.Estandar SealSeguimto
TS
81.52 647.92 626920.72 11.93% 969.73 0.75
0.00 432.06 294031.75 8.07% 664.11 0.0
Metodo
SuavizacinExponencialconTendencia
MinimosCuadrados
F
o
ErrorMedio Desv.Abs.Media
DAM
ErrorCua.Medio
EMC
Error%Ab.Medio
EPAM
Desv.Estandar SealSeguimto
TS
440.00 1000.00 1180000.00 17.52% 1,402.4 2.20
566.67 966.67 1117407.41 15.78% 1,830.9 1.76
470.00 1010.00 1096166.67 16.74% 1,813.4 1.40
687.50 957.50 994906.25 16.56% 1,115.2 3.59
Metodo
PronsticoIngenuo
PromedioMovilSimple
PromedioMovilPonderado
SuavizacinExponencialSimple
F
o
Variacionesestacionalesenlosdatos
Son movimientos regulares ascendentes o descendentes
localizados en las series de tiempo asociadas con eventos
recurrentes.
La estacionalidad puede aplicarse en forma horaria, diaria,
semanal, mensual o en otros patrones recurrentes.
La presencia de estacionalidad hace necesario ajustar los
pronsticos con una recta de tendencia.
Mtodoscausales
Desarrollan un modelo de causa y efecto entre la
demanda y otras variables.
Ejemplo: Qu variables podran explicar las variaciones
de la demanda de electricidad de una ciudad?
Seriesdetiempovs.mtodoscausales
Las series de tiempo utilizan como nico input la demanda
pasada. El tiempo es siempre la variable independiente
(variable X).
Los modelos causales comparan la demanda con otra
variable (o variables) asociada. Por ejemplo, el tamao de
la poblacin est asociada (causa) a la demanda de
vivienda.
Factoresquetienenunainfluenciasobrela
demanda
Internos :
Precio de los productos.
Promocin y publicidad.
Cambios aportados a los productos.
Introduccin de nuevos productos relacionados
(sustitutos o complementarios).
Apertura de nuevos puntos de venta.
Factoresquetienenunainfluenciasobrela
demanda
Externos:
Contexto econmico (inflacin, tasas de inters, tasa
de desempleo, etc.)
Estacionalidad.
Acciones de los competidores.
Ciclo de vida de los productos.
Preferencias de los clientes.
Reglamentaciones (impuestos, normas de seguridad,
etc.)

Modelolinealdeunasolavariable:
Modelolinealderegresinmltiple
Otrasformasdemtodoscausales:
Modeloseconomtricos
Modelosdeentradasalida(Inputoutput)
Modelosdesimulacin
Mtodoscausales
1 1 2 2
Mtodocausal:ejercicio
1 1 2 2
DEMANDA TEMPERATURA INGRESO
MESES Y X1 X2
ENERO 4200 22 1200
FEBRERO 5200 24 1500
MARZO 5400 18 1500
ABRIL 6500 17 1700
MAYO 5100 20 1300
JUNIO 6400 15 1600
Mtodocausal:ejerciciousandoPOM
= o +b
1
x
1
+b
2
x
2
= 22S8.11 -9u.8Sx
1
+S.S9x
2
Prunusttu para Jultu
x
1
= 19 y x
2
= 1Suu
7
= 22S8.11 -9u.8S(19) +S.S9(1Suu)
7
= 49S9
Seleccindeunmtododepronstico
Recursos disponibles
Necesidades
Propiedades de cada tcnica de pronstico
Costo
Plazo de obtencin de la informacin
Precisin y fiabilidad de pronsticos
generados.
Factoresaconsiderar:
Necesidadesasatisfacer:
Horizontedetiempo
Precisin
Niveldedetalle:Cantidaddeartculosa
incluir
Recursosdisponibles
Disponibilidadycalidaddelosdatos
Tiempo
Experienciaycapacidaddelosusuarios
Presupuesto,recursostecnolgicos,etc.
Comparacindemtodosdepronstico
Mtodo Horizonte Complejidad Costorelativo
Cualitativo
Delfos
Encuestas
Analogas
Juicios
Largo
Medio
Medio
Medio
Alta
Alta
Media
Baja
Alto
Muyalto
Bajoamedio
Bajo
Cuantitativo
Seriesdetiempo
Mtodoscausales
Corto
Medio
Bajaamedia
Medio
Bajoamedio
Medio
Mtodosyusosdelospronsticos
Decisin Horizonte Precisin Nmero de
pronsticos
Mtodo
Diseodel
proceso
Largo Media nicoounos
pocos
Cualitativoy
causal
Capacidadde
instalaciones
Largo Media nicoounos
pocos
Cualitativoy
causal
Planeacin
agregada
Medio Alta Unospocos Causalyseries
detiempo
Gestindel
inventario
Corto Muyalta Muchos Seriesde
tiempo
Nuevos
productos
Medio Media nico Cualitativoy
causal

ADO2 Pronosticos PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ADO2 Pronosticos PDF

Transféré par

Droits d'auteur :

Formats disponibles

Lic. Jorge E. Rojas Nina F.

Lic. Jorge E. Rojas Nina F. Administracin UNSA

Vous aimerez peut-être aussi