Académique Documents
Professionnel Documents
Culture Documents
PRONOSTICOS
“LA PREPARACION DE PRONÓSTICOS ES EL
ARTE Y LA CIENCIA DE PREDECIR EVENTOS
FUTUROS”
Contenido:
1. Introducción
2. Marco conceptual de los pronósticos
3. Tipos de pronósticos
4. Selección de un método de pronóstico
5. Razones de un mal pronóstico
6. Bibliografía
1. Introducción
Variaciones leves:
Lectura 1:
Decisiones de Decisiones de
Diseño de proceso
capacidad (largo, inventarios (corto
(largo plazo)
mediano y corto plazo) plazo)
• Tipo de proceso • Capacidad total de • Compras
(continuo, líneas de las instalaciones • Programación
ensamble, lotes, • Planes de
talleres de trabajo, contrataciones,
proyectos) subcontrataciones,
equipamiento
• Asignación de
personas y máquinas
disponibles
Estudio de
mercado
Modelos
cualitativos
Analogía del
ciclo de vida
Criterio
Largo plazo informado
Series de
tiempo
Regresión
lineal simple
TECNICAS DE Modelos
Modelo causal
PRONOSTICO cuantitativos
Regresión no
lineal
Promedios
móviles
Promedio móvil
Corto plazo
ponderado
Suavización
exponencial
Pronósticos a largo plazo:
a) Métodos cualitativos
b) Métodos cuantitativos
a) Métodos cualitativos de pronósticos:
Regresión no lineal
◦ Parabólico, exponencial, potencial, etc.
Para ajustar a una recta o curva se emplea
el método de Mínimos Cuadrados:
Regresión lineal simple: Definición de
variables y fórmulas para el análisis de regresión
lineal simple.
∑𝑥²∑𝑦−∑𝑥∑𝑥𝑦
a=
𝑛∑𝑥 2 −(∑𝑥)²
𝑛∑𝑥𝑦−∑𝑥∑𝑦
b=
𝑛∑𝑥 2 −(∑𝑥)²
𝑛∑𝑥𝑦−∑𝑥∑𝑦
r=
√[𝑛∑𝑥 2 −(∑𝑥)²][𝑛∑𝑦 2 −(∑𝑦)²]
Coeficiente de correlación (r)
Explica la importancia relativa de la relación entre y
, x; el signo de r indica la dirección de dicha relación,
y el valor absoluto de r la magnitud de la relación.
Puede asumir cualquier valor entre -1 y +1.
0 ≤ r2 ≤ 50 Determinación baja
50 ≤ r2 ≤ 100 Determinación alta
2 1300 7 2200
3 1800 8 2600
4 2000 9 2900
5 2000 10 3200
2011 10 170
2012 15 190
2013 9 170
2014 12 180
2015 13 190
2016 12 200
2017 16 220
En base a dichos datos históricos, se pide calcular lo
siguiente:
a) Desarrollar una ecuación de regresión para
predecir el nivel de la demanda de los servicios de
la empresa consultora.
a) Promedios móviles
c) Suavización exponencial
Definiciones de variables para los
pronósticos a corto plazo
Ft: pronóstico para la variable t, el periodo
siguiente
Ft-1: pronóstico para el periodo t-1, el periodo
anterior
At-1: datos reales del periodo t-1, el periodo
anterior
N: cantidad de periodos promediados
Wi: pesos o coeficientes de ponderación
para el periodo i
n: número de observaciones
a) Promedios móviles
Promedia los datos de unos cuantos periodos
recientes y este promedio se convierte en el
pronóstico del periodo siguiente. De particular
importancia es la cantidad de periodos de datos
que se han de incluir en el promedio
MAD=(∑|Demanda real-Demanda
pronosticada|)/n
Ejemplo 1:
El Gerente de Producción de una fábrica desea
desarrollar un sistema de pronóstico a corto plazo
para estimar el volumen de inventario que fluye de
su almacén todas las semanas. Según el encargado
de almacenes la demanda de inventario por lo
general ha sido estable, con algunas ligeras
fluctuaciones aleatorias de una semana a la
siguiente. Un analista de las oficinas centrales de la
empresa sugirió que utilizara un promedio móvil de
3, 5 o 7 semanas. Antes de tomar una decisión, el
Gerente decidió comparar la precisión de cada una
de ellas en relación con el periodo de 10 semanas
más reciente.
PRONOSTICOS (Miles de Bolivianos)
Demanda real N=3 semanas N=5 semanas N=7 semanas
Semana de inventario
(miles de Bs) Pronóstico Desviación Pronóstico Desviación Pronóstico Desviación
Absoluta Absoluta Absoluta
1 100
2 125
3 90
4 110
5 105
6 130
7 85
8 102
9 110
10 90
11 105
12 95
13 115
14 120
15 80
16 95
17 100
Desviación Absoluta Total
Desv. Abs. Media (MAD)
Completar el ejemplo para:
N=5
N=7
F18 = ?
b) Promedio móvil ponderado
En algunas situaciones pudiera resultar
deseable aplicar pesos o coeficientes de
ponderación a los datos históricos.
F18=0,20(80)+0,30(95)+0,50(100)
F18=94,5 miles de Bs
F18=94500 Bs
c) Suavización exponencial
Toma el pronóstico del periodo anterior y le
incorpora un ajuste para obtener el
pronóstico del siguiente periodo. Este ajuste
es proporcional al error anterior y se calcula
multiplicando el error de pronóstico del
periodo anterior por una constante entre
cero y uno. Esta constante α se conoce como
constante de suavización.
Error de
pronóstico del
periodo anterior
Ft=Ft-1 + α(At-1 – Ft-1 )
Pronóstico del
periodo anterior
Ft=αAt-1 + (1- α )Ft-1
Ejemplo:
Con relación al ejemplo anterior, el analista
sugiere que el Gerente de Producción
piense en utilizar la suavización exponencial
con constantes de suavización de: 0,1 ; 0,2 y
0,3. El Gerente decide comparar la
precisión de las constantes de suavización
para el periodo de 10 semanas más
reciente.
Solución?
PRONOSTICOS (Miles de Bolivianos)
Demanda real
α=0,1 α=0,2 α=0,3
Semana de inventario
(miles de Bs) Desviación Desviación Desviación
Pronóstico Pronóstico Pronóstico
Absoluta Absoluta Absoluta
1 100
2 125
3 90
4 110
5 105
6 130
7 85
8 102
9 110
10 90
11 105
12 95
13 115
14 120
15 80
16 95
17 100
Desv. Abs. Total
Desv. Abs. Media (MAD)
Completar el ejemplo para:
α = 0,2
α = 0,3
F18 = ?
Aplicaciones y métodos de pronóstico en Operaciones
Decisiones Horizon Exactitud # Nivel Método de
en te de necesaria product gerencial pronóstico
operaciones tiempo os
Administración de Operaciones
Roger G. Schroeder, Susan Meyer
Goldstein, M. Johnny Rungtusanatham
5ta Edición