Vous êtes sur la page 1sur 43

Semana 2-

PRONÓSTICOS

084 C – INGENIERÍA QUÍMICA INDUSTRIAL


094 D – INGENIERÍA QUÍMICA
ALEXANDER MEZA LOARDO
Semana 2 - PRONÓSTICOS

OBJETIVOS:

 Comprender la necesidad de los pronósticos según la estrategia

de producción.

 Desarrollar las diferentes técnicas de pronósticos.

 Analizar la inexactitud de los pronósticos.


Semana 2 - PRONÓSTICOS

DEFINICIÓN: Según Krajewsky y Ritzman, el pronóstico consiste en la


estimación y el análisis de la demanda futura para un producto en
particular, componente o servicio, utilizando inputs como ratios históricos
de venta, estimaciones de marketing e información provisional, a través
de diferentes técnicas de previsión, con el propósito de planificar.

Fuente: http://www.excelfreeblog.com/wp-content/uploads/2015/12/Imagen-832x350.png
Semana 2 - PRONÓSTICOS

TIPOS DE PRONÓSTICOS:

MÉTODOS MÉTODOS
CUALITATIVOS CUANTITATIVOS
• Opinión •Métodos
ejecutiva Causales
• Investigación •Series de
de Mercado Tiempo
• Método Delphi •Causal
• Analogía •Simulación
histórica
Semana 2 - PRONÓSTICOS

MEDICIÓN DEL ERROR EN EL PRONÓSTICO:


Semana 2 - PRONÓSTICOS

FÓRMULAS DE MEDICIÓN DEL ERROR:

MAD

MSE
Semana 2 - PRONÓSTICOS

MÉTODO CAUSAL: LÍNEA DE REGRESIÓN:

t Yt
1 42
2 52
3 54
4 65
5 51
6 64
Semana 2 - PRONÓSTICOS

MÉTODO DEL ÚLTIMO VALOR:

t Yt Yt+1 et
1 42
2 52 42 10
3 54 52 2
4 65 54 11
5 51 65 -14
6 64 51 13
Semana 2 - PRONÓSTICOS

MÉTODOS DE PROMEDIO: PROMEDIOS SIMPLES:

 Se obtiene la media de todos los valores pertinentes, la cual se


emplea para pronosticar el periodo siguiente

t Yt Yt+1
1 42
2 52 42
3 54 47.00
4 65 49.33
5 51 53.25
6 64 52.80
Semana 2 - PRONÓSTICOS

MÉTODOS DE PROMEDIO: PROMEDIOS SIMPLES:


Semana 2 - PRONÓSTICOS

MÉTODOS DE PROMEDIO: PROMEDIOS MÓVILES:

 No considera la media de todos los datos. Solo los más


recientes.

 Se puede calcular un promedio móvil de “n” periodos.

 El promedio móvil es la media aritmética de los “n” periodos más


recientes.
Semana 2 - PRONÓSTICOS

MÉTODOS DE PROMEDIO: PROMEDIOS MÓVILES:

Promedio
Móvil
t Yt n=3 n=4
1 42
2 52
3 54
4 65 49.33
5 51 57.00 53.25
6 64 56.67 55.5
7 70 60 58.5
8 72 61.67 62.5
Semana 2 - PRONÓSTICOS

MÉTODOS DE PROMEDIO: PROMEDIOS MÓVILES:


Semana 2 - PRONÓSTICOS

MÉTODOS DE SUAVIZAMIENTO EXPONENCIAL:

 Da una ponderación mayor a las observaciones más recientes.

 Las ponderaciones se asignan mediante la


constante alpha, 0 < alpha < 1

 El modelo se expresa como:


Semana 2 - PRONÓSTICOS

MÉTODOS DE SUAVIZAMIENTO EXPONENCIAL:

Alpha = Alpha =
t Yt
0.1 0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6 64 46.67 54.38
7 70 48.40 59.19
8 72 50.56 64.60
Semana 2 - PRONÓSTICOS

MÉTODOS DE SUAVIZACIÓN EXPONENCIAL:


Semana 2 - PRONÓSTICOS

MÉTODO DE SUAVIZACIÓN EXPONENCIAL AJUSTADA A LA


TENDENCIA O SUAVIZACIÓN EXPONENCIAL DOBLE:

 Se introduce un nuevo factor: TENDENCIA

 El modelo es más complejo, pero permite hacer un mejor pronóstico


en el caso de demanda con tendencia

 Las ponderaciones se asignan mediante la constante


alpha, 0 < alpha < 1 y betha, 0 < betha < 1
Semana 2 - PRONÓSTICOS

MÉTODO DE SUAVIZACIÓN EXPONENCIAL AJUSTADA A LA


TENDENCIA O SUAVIZACIÓN EXPONENCIAL DOBLE:
 El modelo se expresa como:

At = Ft-1 + (α)(Dt-1 - Ft-1)


Tt = Tt-1+ (β)(At - Ft-1)
Ft = At + Tt
Donde:
Dt-1: Demanda real en el periodo t-1
At: Promedio exponencial suavizado de la serie en el periodo t
Tt: Promedio exponencial suavizado de la tendencia en el periodo t
α : Parámetro de suavización para el promedio
β: Parámetro de suavización para la tendencia
Ft: Pronóstico para el periodo t
Semana 2 - PRONÓSTICOS

MÉTODO DE SUAVIZACIÓN EXPONENCIAL AJUSTADA A LA


TENDENCIA O SUAVIZACIÓN EXPONENCIAL DOBLE:

Alpha = 0.4
t Yt
Betha = 0.7
1 42
2 52 42
3 54 49
4 65 55
5 51 66
6 64 63
7 70 66
8 72 72
Semana 2 - PRONÓSTICOS

MÉTODO DE SUAVIZACIÓN EXPONENCIAL AJUSTADA A LA


TENDENCIA O SUAVIZACIÓN EXPONENCIAL DOBLE:
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL MULTIPLICATIVO:

1) Para cada año de la muestra se calcula la demanda promedio


estacional. Para ello dividiremos la demanda total del año entre el
número de estaciones del mismo.
2) A continuación, debemos dividir la demanda real de cada estación
entre su respectiva demanda promedio, hallada anteriormente. Con
esto obtendremos “índices estacionales” por estación y año.
3) Luego, debemos determinar el índice estacional promedio por
estación. Para ello, se deberá dividir la suma de índices estacionales
correspondientes a una estación dada entre el número de años.
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL MULTIPLICATIVO:

4) Pronosticar la demanda anual del siguiente periodo. Para ello se


pueden utilizar cualquiera de los métodos estudiados hasta ahora
(étodo empírico, promedios móviles, suavización exponencial,
suavización exponencial ajustada a la tendencia o regresión lineal).
5) Calcular la demanda promedio por estación del año nuevo. Para ello
se divide la demanda anual hallada en el punto 4 entre el número de
estaciones del mismo.
6) Calcular el pronóstico por estación para el año en cuestión. Para ello
se multiplica el índice estacional por la demanda promedio de cada
estación
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL MULTIPLICATIVO:

Ejemplo:

Una empresa cuenta con la información mostrada en la siguiente tabla.


Calcular el pronóstico de la demanda para el año 5.

Trimestre Año1 Año2 Año3 Año4


1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL MULTIPLICATIVO:

Demanda Promedio
Trimestre Índice Promedio
Pronosticada
1 0.2 650
2 1.3 650
3 2 650
4 0.5 650

Trimestre Año1 Año2 Año3 Año4 Año5


1 45 70 100 100 132
2 335 370 585 725 845
3 520 590 830 1160 1300
4 100 170 285 215 323
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL MULTIPLICATIVO:


Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL ADITIVO:


SUAVIZACIÓN EXPONENCIAL DE HOLT
t Yt SmLevel SmTrend Pronóstico
1 322.000
2 317.000
3 319.000
4 323.000
5 327.000
6 328.000
7 325.000
8 326.000
9 330.000
10 334.000
11 337.000
12 341.000 327.417 -0.396
13 322.000 322.000 -1.110 327.021
14 318.000 318.000 -1.521 320.890
15 320.000 320.000 -1.020 316.479
16 326.000 326.000 -0.022 318.980
17 332.000 332.000 0.834 325.978
18 334.000 334.000 1.000 332.834
19 335.000 335.000 1.000 335.000
20 336.000 336.000 1.000 336.000
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL ADITIVO:


SUAVIZACIÓN EXPONENCIAL DE HOLT
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL ADITIVO:


SUAVIZACIÓN EXPONENCIAL DE WINTER
t Yt SmLevel SmTrend SmSeason Pronóstico
1 322.000 0.983
2 317.000 0.968
3 319.000 0.974
4 323.000 0.987
5 327.000 0.999
6 328.000 1.002
7 325.000 0.993
8 326.000 0.996
9 330.000 1.008
10 334.000 1.020
11 337.000 1.029
12 341.000 327.417 0.396 1.041
13 322.000 327.417 0.146 0.983 322.389
14 318.000 328.450 0.706 0.968 317.141
15 320.000 328.443 0.256 0.974 320.694
16 326.000 330.458 1.366 0.987 324.265
17 332.000 332.423 1.744 0.999 331.401
18 334.000 333.406 1.264 1.002 334.762
19 335.000 337.491 3.044 0.993 332.200
20 336.000 337.460 1.104 0.996 339.061
Semana 2 - PRONÓSTICOS

MÉTODO ESTACIONAL ADITIVO:


SUAVIZACIÓN EXPONENCIAL DE WINTER
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA

 Chase, junto con otros autores, plantearon un método de cálculo de


pronóstico que considera las influencias estacionales y de
tendencia. Este método es muy útil debido a que la gran mayoría
de casos tienen estas características. A continuación, se detalla un
ejemplo adaptado del texto del autor mencionado.
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA
Trimestre Ventas
Ejemplo:
1 30
2 42
Se cuenta con el registro de ventas de
mesas en unidades de la siguiente 3 55
tabla. Se solicita realizar el pronóstico 4 100
para los siguientes 4 trimestres 5 35
6 46
7 59
8 120
(Como se puede apreciar, el
9 43
comportamiento de las ventas nos
10 57
muestra una tendencia de crecimiento)
11 71
12 142
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA

Solución:

1) Se realizará la desestacionalización de las ventas calculando


un promedio móvil para 4 periodos. Luego de dichos
resultados, se realizará un promedio móvil simple para 2
periodos. Cabe resaltar que la posición de los resultados en la
tabla debe representarse como parte de la metodología.

2) Luego se calculan los índices estacionales por periodo


(trimestres en este caso) dividiendo las ventas reales entre los
resultados del promedio móvil simple para 2 periodos.
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA

P.M. P.M. Índices


Trimestre Ventas
(n=4) (n=2) Estacionales
1 30
2 42 56.8
3 55 58 57.4 0.959
4 100 59 58.5 1.709
5 35 60 59.5 0.588
6 46 65 62.5 0.736
7 59 67 66 0.894
8 120 69.8 68.4 1.755
9 43 72.8 71.3 0.604
10 57 78.3 75.5 0.755
11 71
12 142
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA
Solución:

3) A continuación se calcularán los índices estacionales


promedio, los cuales son el promedio simple de los índices
calculados anteriormente. Cabe resaltar que no debe incluirse
los valores de cero en el cálculo.

Trimestres
1 2 3 4
0.000 0.959 1.709
Valores 0.588 0.736 0.894 1.755
0.604 0.755
Promedio 0.596 0.497 0.926 1.732
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA

Solución:

4) Para trabajar la tendencia, se empleará un modelo de regresión lineal


sobre las ventas desestacionalizadas, es decir, sobre los promedios
móviles para 2 periodos. Al hallarlo, se obtiene la ecuación: Y = 47.8 +
2.63 t, donde Y son las ventas desestacionalizadas y t es el periodo de
dicha venta.

5) Finalmente calculamos los pronósticos con el modelo de regresión, para


considerar la tendencia; y para incluir la estacionalidad, a dichos
resultados se les multiplica por los índices estacionales promedio
correspondientes para obtener los promedios finales. Los resultados se
muestran a continuación.
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y DE TENDENCIA

Solución:

Pronóstico Factor
Trimestre Pronóstico
Estimado Estacionalidad
13 81.99 0.596 48.86
14 84.62 0.497 42.06
15 87.25 0.926 80.82
16 89.88 1.732 155.69
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y REGRESIÓN LINEAL DIRECTA
1) Para determinar la tendencia se utilizará la regresión lineal simple.
Luego de ello se divide el valor de la demanda real con el estimado en
la regresión lineal. Con esto obtendremos “índices estacionales” por
cada estación.
2) Luego se saca el promedio de cada estación similar en todos los años,
es decir, el promedio de los primeros trimestres, segundos trimestres,
etc. De esta forma obtenemos los multiplicadores estacionales.
3) Finalmente para determinar el pronóstico ajustado, se multiplica la
demanda pronosticada usando regresión lineal por los multiplicadores
estacionales
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y REGRESIÓN LINEAL DIRECTA
Solución:
En el ejemplo anterior, determinamos la regresión lineal de los
datos de venta:
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y REGRESIÓN LINEAL DIRECTA
Pronóstico Índice Multiplicador
Trimestre Ventas
de regresión estacional estacional
1 30 38.013 0.789 0.641
2 42 43.223 0.972 0.787
3 55 48.432 1.136 0.925
4 100 53.642 1.864 1.655
5 35 58.852 0.595 0.641
6 46 64.062 0.718 0.787
7 59 69.272 0.852 0.925
8 120 74.481 1.611 1.655
9 43 79.691 0.540 0.641
10 57 84.901 0.671 0.787
11 71 90.111 0.788 0.925
12 142 95.321 1.490 1.655
13 100.530 0.641
14 105.740 0.787
15 110.950 0.925
16 116.160 1.655
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y REGRESIÓN LINEAL DIRECTA
Pronóstico Multiplicador Pronóstico
Trimestre Ventas
de regresión estacional ajustado
1 30 38.013 0.641 24.373
2 42 43.223 0.787 34.018
3 55 48.432 0.925 44.804
4 100 53.642 1.655 88.779
5 35 58.852 0.641 37.734
6 46 64.062 0.787 50.420
7 59 69.272 0.925 64.082
8 120 74.481 1.655 123.268
9 43 79.691 0.641 51.095
10 57 84.901 0.787 66.821
11 71 90.111 0.925 83.360
12 142 95.321 1.655 157.757
13 100.530 0.641 64.457
14 105.740 0.787 83.222
15 110.950 0.925 102.638
16 116.160 1.655 192.247
Semana 2 - PRONÓSTICOS

MÉTODOS COMBINADOS: SERIES DE TIEMPO CON INFLUENCIAS


ESTACIONALES Y REGRESIÓN LINEAL DIRECTA
Semana 2 - PRONÓSTICOS

CONCLUSIONES:

 Los pronósticos son la base de todo Plan de Producción,

además de estos depende el éxito de una organización.

 No existe un método de estimación adecuado para todos los

casos. Por ello es necesario utilizar el más adecuado para cada

tipo de proceso u operación

 Los pronósticos poseen errores debido a las variables no

controlables.
Semana 2 - PRONÓSTICOS

BIBLIOGRAFÍA UTILIZADA:

 Chapman, Stephen N. (2006). Principios básicos de pronóstico. En


Planificación y Control de la Producción (pp. 17 – 44). México D.F., México:
Pearson Educación.
 Chase, Richar B. & Robert Jacobs, F. (2014). Administración y Pronóstico
de la Demanda. En Administración de Operaciones. Producción y Cadena
de Suministros (13ª ed., pp. 482 – 527). . México D.F., México: Pearson
Educación.
 Krajewski, L. & Ritzman, L. & Malhotra, M. (2008). Pronósticos. En
Administración de Operaciones. Procesos y Cadenas de Valor (8ª ed., pp.
521 – 566). México D.F., México: Pearson Educación.