Documente Academic
Documente Profesional
Documente Cultură
Identifique o defina:
Pronstico, tipos de pronsticos, tiempo horizontal, acercamientos de los pronsticos.
Describa o explique:
Periodo promedio (moving average), pronostico anterior (exponential smoothing),
tendencia de proyeccin (trend projection), periodo estacional (seasonality), anlisis de
regresin y correlacin (regression and correlation anlisis), medidas de exactitud del
pronostico ( measures of forecast accuracy).
Introduccin
En este captulo, examinamos diversos tipos de pronsticos y presentamos una
variedad de modelos de los pronsticos. Nuestro propsito es demostrar que hay
muchas maneras para que los encargados pronostiquen. Tambin se proveer una
descripcin del pronstico de ventas del negocio y describimos cmo preparar,
supervisar, y juzgar exactitud de un pronstico. Los buenos pronsticos son una parte
esencial de operaciones eficientes del servicio y de la manufactura. El pronstico es el
arte y la ciencia de acontecimientos futuros que predicen.
El Pronstico Proporciona La Ventaja Competitiva De Tupperware
La mayora de la gente piensa en Tupperware, ella prev los envases plsticos
del alimento-almacenaje vendidos a travs de los partidos caseros.
Tupperware
Que es pronostico?
El pronstico es el arte y la ciencia de acontecimientos futuros que predicen.
Puede implicar el tomar de data histrica y proyectarla en el futuro con una cierta clase
de modelo matemtico. . Puede ser una prediccin intuitiva o subjetiva o puede ser
una combinacin de ambas.
Introducimos diversas tcnicas de pronstico en este captulo, se ver raramente
que hay un mtodo superior. Qu trabaja lo ms mejor posible en una firma bajo un
sistema de condiciones puede ser un desastre en otra organizacin, o en un
departamento diferente pero de la misma organizacin. Adems hay lmites en cuanto
a qu se puede esperar de pronsticos; son costosos y se pierde tiempo preparando y
supervisando.
Decision
Makers
(Evaluate
responses and
make
decisions )
Staff
(Administerin
g survey)
Respondents
(People who
can make
valuable
judgments)
Mtodo de Delphi: hay tres diversos tipos de participantes en este mtodo; fabricantes
de decisin, equipo personal, y respondedores. Bajo este mtodo, renen las opiniones
de un grupo de expertos.
Compuesto de la fuerza de ventas: en este acercamiento, cada vendedor estima qu
las ventas estarn en su regin.
Encuesta sobre mercado de consumidor: este mtodo solicita la entrada de los clientes
o de los clientes potenciales con respecto a futuros planes de compra.
Modelo
Tiempo-Serie
Exponencial suave
Proyeccin de la tendencia
Regresin lineal
Modelo
Sociable
Modelo Tiempo- serie: predice que el futuro es una funcin del pasado.
Modelo Sociable- regresin lineal, incorpora las variables o factores que pudieron
influenciar la cantidad que era pronosticada.
TIME-SERIES FORECASTING
Series de tiempo se basa en una secuencia (semanal, mensual, por cuartos, etc.) de
los puntos de referencias uniformemente esparcidos.
La demanda del producto planeada sobre 4 aos con una tendencia y un seasonality
del crecimiento indic
Trend
component
Seasonal peaks
Actual
demand
Average
demand over
four years
Random
variation
|
1
|
2
|
3
Year
|
4
Figure 4.1
4 35
Moving Average
Utiliza un nmero de valores histricos de los datos para generar un pronstico. Los
promedios mviles son tiles si podemos asumir que las demandas del mercado
permanecern en un cierto plazo constante.
Matemticamente, se expresa el promedio mvil simple (que sirve como estimacin de
la demanda del perodo prximo) as:
Cuando una tendencia o un patrn perceptible est presente, los pesos se pueden
utilizar para poner ms nfasis en valores recientes. Esta prctica hace tcnicas del
Weighted
Moving average
weights
10
El cuadro 4.2, un diagrama que ilustra el efecto del retraso del moving average model.
Weighted
moving
average
Sales demand
30
25
Actual
sales
20
15
Moving
average
10
5
|
Figure 4.2
4 47
Exponential smoothing
Implica muy poco el guardar del expediente de ltimos datos.
Se calcula asi:
11
La constante que alisa, , est generalmente en la gama del 05 al 50 para los usos de
negocio. Puede ser cambiada para dar ms peso a los datos recientes (cuando a es
alta) o ms peso a los ltimos datos.
Diferencia de
Demand
225
= .5
Actual
demand
200
175
= .1
150 |
1
Quarter
2006 Prentice Hall, Inc.
4 54
12
Varias medidas se utilizan en la prctica de calcular el error total del pronstico. Estas
medidas conservan utilizado comparar diversos modelos del pronstico, tan bien como
supervisar pronsticos para asegurar que se estan haciendo bien.
Mean Absolute Deviation: La primera medida del error total del pronstico para un
modelo es la desviacin absoluta (MAD). Este valor es computado:
Mean Squared Error: El error ajustado malo (MSE) es una segunda manera de medir
el o\er, error del pronstico. MSE es el promedio de las diferencias ajustadas entre
haber pronosticado y observa valores. Su frmula es:
Mean absolute percent error: Un problema con el ME y el MSE es que sus valores
dependen de la magnitud del artculo que es pronosticado. Se calcula asi:
n
MAPE = 100 | Actual i Forecast i|/Actual i
i=t
n
13
Month(
Month(t)
1
2
3
4
5
6
7
8
9
10
Actual
Demand (At)
12
17
20
19
24
21
31
28
36
Smoothed
Forecast, Ft
11
Smoothed
Trend, Tt
2
Forecast
Including
Trend, FITt
13.00
Table 4.1
2006 Prentice Hall, Inc.
4 65
14
Month(
Month(t)
1
2
3
4
5
6
7
8
9
10
Actual
Demand (At)
12
17
20
19
24
21
31
28
36
Smoothed
Forecast, Ft
11
Smoothed
Trend, Tt
2
Forecast
Including
Trend, FITt
13.00
Table 4.1
2006 Prentice Hall, Inc.
4 65
15
Month(
Month(t)
1
2
3
4
5
6
7
8
9
10
Actual
Demand (At)
12
17
20
19
24
21
31
28
36
Smoothed
Forecast, Ft
11
Smoothed
Trend, Tt
2
Forecast
Including
Trend, FITt
13.00
Table 4.1
2006 Prentice Hall, Inc.
Month(
Month(t)
1
2
3
4
5
6
7
8
9
10
4 66
Actual
Demand (At)
12
17
20
19
24
21
31
28
36
Smoothed
Forecast, Ft
11
12.80
Smoothed
Trend, Tt
2
Forecast
Including
Trend, FITt
13.00
Table 4.1
2006 Prentice Hall, Inc.
4 67
16
Month(
Month(t)
1
2
3
4
5
6
7
8
9
10
Actual
Demand (At)
12
17
20
19
24
21
31
28
36
Smoothed
Forecast, Ft
11
12.80
Smoothed
Trend, Tt
2
1.92
Forecast
Including
Trend, FITt
13.00
Table 4.1
2006 Prentice Hall, Inc.
4 68
35
Product demand
30
25
20
15
10
5
0 |
4
5
6
Time (month)
Figure 4.3
4 70
17
Trend Projections
Esta tcnica ajusta una tendencia lineal en una serie de puntos histricos y despus
proyecta la lnea en los pronsticos futuros de los pronosticos mediano a largo estado.
Se pueden desarrollar varias ecuaciones matemticas de la tendencia.
Actual observation
(y value)
Deviation7
Deviation5
Deviation3
Deviation4
Deviation1
Deviation2
Trend line, y^ = a + bx
Time period
2006 Prentice Hall, Inc.
Deviation6
Figure 4.4
4 72
18
^ = a + bx
y
b=
xy - nxy
x2 - nx2
a = y - bx
4 74
19
Power demand
160
150
140
130
120
110
100
90
80
70
60
50
Trend line,
y^ = 56.70 + 10.54x
|
1999
|
2000
|
2001
|
2002
|
2003
Year
|
2004
|
2005
|
2006
|
2007
4 77
20
ejemplo:
2006 Forecast
2005 Demand
2004 Demand
140
Demand
130
2003 Demand
120
110
100
90
80
70
|
J
|
F
|
M
|
A
|
M
|
|
J J
Time
|
A
|
S
|
O
|
N
|
D
4 84
21
Ejemplos:
Local Payroll
($000,000,000), x
1
3
4
4.0
2
1
3.0
7
Sales
Sales
($000,000), y
2.0
3.0
2.5
2.0
2.0
3.5
2.0
1.0
|
1
|
2
|
|
|
|
3 4
5
6
Area payroll
|
7
Sales
y^ = 1.75 + .25x
.25x
4 89
2.0
1.0
0
|
1
|
2
|
|
|
|
3 4
5
6
Area payroll
|
7
4 92
22
4.0
Sales
3.25
3.0
2.0
1.0
0
|
1
|
2
|
|
|
|
3 4
5 6
Area payroll
|
7
Figure 4.9
2006 Prentice Hall, Inc.
4 93
23
4.0
Sales
3.25
3.0
2.0
1.0
0
|
1
|
2
|
|
|
|
3 4
5
6
Area payroll
|
7
4 96
r=
nxy-xy
[nx-(x)][ny-(y)]
(a)
Perfect positive
correlation:
r = +1
(b) Positive
correlation:
0<r<1
(c) No correlation:
r=0
2006 Prentice Hall, Inc.
24
Multiple-Regression Anlisis
Un mtodo causal del pronstico con ms de una variable independiente. Permite que
construyamos un modelo con varias variables independientes en vez de utilizar una
variable.
Se utiliza la siguiente ecuacin: = a + b1x1 +b2x2
25
Acceptable
range
0 MADs
4 105
Adaptive Smoothing
Un acercamiento al pronstico que mejora el exponencial en el cual la constante que
mejora se cambia automticamente a los errores de la subsistencia mnima. Es posible
utilizar la computadora para supervisar el error del pronstico y ajustar continuamente
los valores de la a y los coeficientes de b usados en mejorar el exponencial para
reducir al mnimo error del pronstico.
Focus Forecasting
Se adapta eligiendo una constante las computadoras permiten que intentemos hacer
una variedad de modelos del pronstico. El focus forecasting esta basado en dos
principios:
1. Los modelos sofisticados del pronstico no son siempre mejores que los
modelos simples.
26
2. No hay tcnicas que se deben utilizar para todos los productos o servicios
Percentage of sales
1111-12
1-2
1212-1
(Lunchtime)
3 -4
2 -3
5-6
7-8
6 -7
(Dinnertime)
Hour of day
4-5
9-10
8 -9
1010-11
Figure 4.12
4 111
27
Resumen
El pronstico tiene una funcin importante en los gerentes. La demanda de pronstico
conduce a una firma de produccin, capacidad y sistema de itinerario y efecto
financiero, mercado y la funcin del personal de produccin.
Conclusin
Con las diferentes variables que existen para realizar el pronstico en las empresas su
funcionamiento puede ser efectivo. Los gerentes deben conocer cual es la demanda
del producto para as poder saber con que cuenta en su inventario y as poder planificar
su produccin, mercadeo, gastos/costos, etc. Si las diversas ecuaciones matemticas
se utilizan adecuadamente la produccin de la compaa ser efectiva.
REFERENCIA
Heizer,J. Gerencia de Operaciones. 8va edicin
28