Sunteți pe pagina 1din 30

SEMINARIO DE PREPARACIN AL EXAMEN PROFESIONAL

PRONSTICOS
UNIVERSIDAD DE CUENCA-ESCUELA DE INGENIERA INDUSTRIAL

Contenido
Pronstico Aplicaciones Mtodos

del Pronostico racionales Series de tiempo Mtodos de pronostico para un modelo de nivel constante Errores en el pronostico Pronstico en la prctica
2 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Aplicaciones

Pronstico de ventas Pronstico de la necesidad de piezas de repuesto Pronstico de los rendimientos de produccin Pronstico de las tendencias econmicas Pronstico de las necesidades de personal

3 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Los pronsticos se necesitan en muchos lugares


Lugar
Cadena de Supermercad os

Recoleccin de datos
Caja registradora

Procesamiento de la informacin
Acumulacin del stock Acumulacin de la demanda por departamento y tipo de servicio Acumulacin de la demanda de productos en cada centro de distribucin Acumulacin de la demanda de clases por escuela

Pronstico
De las demandas de almacenaje por producto # de pacientes y los recursos que se necesitan De la demanda de cada centro de distribucin # de estudiantes que permanecen y los salientes

Planes y metas operacionales


Mantener la probabilidad de almacenaje entre 0-1% Mantener la probabilidad de almacenaje en 0%

Decisiones de distribucin
Envo del centro de distribucin a las tiendas Horario de las habitaciones, enfermeras, medicamentos, suministros, etc. Envo desde la fabrica hasta los centros de distribucin Asignar aulas, profesores y presupuestos necesarios Programacin de almacenamiento de tems y horarios del personal necesario

Hospital

Admisiones a pacientes, actuales y pasadas

ManufacturaDistribucin

Ordenes de compras Formato de las aplicaciones estudiantiles

Mantener la probabilidad de almacenaje entre 1 -2% Asegurar se de que los tamaos de las clases son razonables, # de profesores y presupuesto suficientes

Distrito escolar

Servicio de reparaciones

Ordenes de trabajo actuales y presentes

Acumulacin de la demanda por tipo de trabajo

# de clientes y de los servicios brindados

Mantener la probabilidad de almacenaje menor al 1 %

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Marco de Referencia
NATURALEZA DE LA DECISIN PLANEACIN ESTRATGICA DE NEGOCIOS Ventas o volumen de produccin totales Intensivo Anual o menor Anual o trimestral Muy grande

Planeacin y control de la produccin, Administracin de la cadena de suministros Thomas E. Vollmann et al. Quinta Edicin, pg. 32

PLANEACIN DE VENTAS Y OPERACIONES Unidades de familia de productos Cuando se concilian planes funcionales Mensual o trimestral

PROGRAMACIN Y CONTROL MAESTROS DE PRODUCCIN Productos terminados o componentes individuales Muy poco Constantemente Algunos das a semanas Muy poca

Nivel de Consolidacin Participacin de la alta gerencia Frecuencia del pronstico

Longitud del Pronstico


Inversin de la administracin en el pronostico

Varios meses a un ao/ mensualmente


Moderada

Costo del procesamiento y adquisicin de datos


Tcnicas tiles

Alto

Moderada

Mnima

Juicio general Consolidacin de Modelos de crecimiento pronsticos detallados, econmico planes del cliente UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Tcnicas de proyeccin, (promedios mviles, suavizacin exponencial)

Marco de Referencia
NATURALEZA DE LA DECISIN PLANEACIN ESTRATGICA DE NEGOCIOS Ventas o volumen de produccin totales Intensivo Anual o menor Anual o trimestral Muy grande

Planeacin y control de la produccin, Administracin de la cadena de suministros Thomas E. Vollmann et al. Quinta Edicin, pg. 32

PLANEACIN DE VENTAS Y OPERACIONES Unidades de familia de productos Cuando se concilian planes funcionales Mensual o trimestral

PROGRAMACIN Y CONTROL MAESTROS DE PRODUCCIN Productos terminados o componentes individuales Muy poco Constantemente Algunos das a semanas Muy poca

Nivel de Consolidacin Participacin de la alta gerencia Frecuencia del pronstico

Longitud del Pronstico


Inversin de la administracin en el pronostico

Varios meses a un ao/ mensualmente


Moderada

Costo del procesamiento y adquisicin de datos


Tcnicas tiles

Alto

Moderada

Mnima

Juicio general Consolidacin de Modelos de crecimiento pronsticos detallados, econmico planes del cliente UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Tcnicas de proyeccin, (promedios mviles, suavizacin exponencial)

Horizonte de planeacin
Corto Plazo

Inventario Compras Requerimientos Programacin de la produccin Das/semanas

Nuevos Locales Ventas y distribucin Canales de servicio

Fuerza de trabajo,
Niveles de servicio Objetivos de Inventario

Largo Plazo

Mediano Plazo

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Mtodos de pronstico racionales (Judgmental Forecasting Methods)

Tambin llamados modelos cualitativos, involucran cualidades como la intuicin, opinin de los expertos y experiencia

Opinin del gerente Juicio de opinin ejecutiva Agregados de la fuerza de ventas Encuestas de mercado Mtodo Delphi

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Caractersticas de los Pronsticos



Normalmente estn equivocados Un buen pronostico es ms que un simple numero Los pronsticos agregados son mas exactos Entre ms lejano sea el horizonte de pronostico, menos exacta ser la prediccin Los pronsticos no deben usarse para excluir informacin conocida

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Series de Tiempo

Si Xi es la variable de inters en un momento determinado i, y las observaciones son tomadas en los momentos i= 1,2,, t, entonces los valores observados {X1 =x1, X2 =x2,, Xt =xt,} son series de tiempo.

La evolucin de las ventas mensuales de un producto ilustra una serie de tiempo.

10

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Patrones de series de tiempo tpicas con fluctuaciones aleatorias

(a): nivel constante (b): tendencia lineal (c): nivel constante + efectos estacionarios
11 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Patrones de series de tiempo tpicas con fluctuaciones aleatorias

(a): nivel constante (b): tendencia lineal (c): nivel constante + efectos estacionarios
12 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Mtodos de pronstico para un modelo de nivel constante

Se presentan 4 mtodos de pronsticos alternativos:

Mtodo del ltimo valor Mtodo del promedio Mtodo del promedio mvil Mtodo de suavizacin exponencial

13

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Promedios mviles

Un promedio mvil del orden n es sencillamente el promedio aritmtico de las n observaciones ms recientes

Entonces, el pronstico hecho en el periodo t-1 para el periodo t, est dado por:

14

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Ejemplo

Los datos trimestrales para las fallas de ciertos motores de aeronaves en una base local militar durante los pasados dos aos son 200, 250, 175, 186, 225, 285, 305, 190. Determine los pronsticos de un paso hacia adelante para los periodos 4 a 8 utilizando los promedios mviles de tres periodos, y los pronsticos de un paso adelante para los periodos 7 y 8 utilizando promedios mviles para seis periodos.
UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

15

Solucin

Pronstico de promedio mvil de 3 periodos para el periodo 4: Pronstico de promedio mvil de tres periodos para el periodo 5: Pronstico de promedio mvil de tres periodos para el periodo 6: Pronstico de promedio mvil de tres periodos para el periodo 7: Pronstico de promedio mvil de tres periodos para el periodo 8:

16

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Solucin

Pronstico de promedio mvil de 6 periodos para el periodo 7:

Pronstico de promedio mvil de 6 periodos para el periodo 8:

17

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Solucin
Trimestre 1 2 Fallas de motor 200 250 PM(3) Error PM(6) Error

3 4
5 6 7

175 186
225 285 305

208
204 195 232

22
-21 -90 -73 220 -85

190

272

82

238

48

18

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Suavizamiento Exponencial

Nuevo pronstico = (Observacin actual de la demanda) + (1- )(ltimo pronstico)

En smbolos:

Donde 0< 1 es la constante de suavizacin , que determina la ponderacin relativa colocada en la observacin de demanda actual. (1- ) es el peso asignado a las observaciones pasadas de la demanda.

Reacomodando los trminos:

19

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Suavizamiento Exponencial

Como antes, Ft es el pronstico de un paso adelante para el periodo t realizado en el periodo t-1. Obsrvese que, como

esto puede sustituirse en la ecuacin anterior para obtener

Ahora podemos sustituir F t-2 en la misma forma. Si continuamos de esta manera obtenemos la expansin infinita para Ft,

20 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Suavizamiento Exponencial

Donde los pesos son:

Por lo tanto, el suavizamiento exponencial aplica un conjunto de ponderaciones decrecientes a todos los datos pasados . La constante de suavizacin juega esencialmente el mismo papel aqu que el valor de n en los promedios mviles.
21 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Suavizamiento Exponencial
Si es grande,

+ ponderacin en la observacin actual - ponderacin sobre las observaciones pasadas El pronstico reacciona rpidamente a cambios de patrones + variacin de periodo a periodo

Si es pequea,

22

+ peso en los datos pasados Los pronsticos son mas estables.


UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Ejemplo

En el ejemplo anterior, con el fin de iniciar el mtodo, asumimos que el pronostico para el periodo 1 fue 200. supongamos que =0.1 , el pronstico de un paso adelante para el periodo 2 es

De forma similar

23

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Resultados
Trimestre Fallas Pronstico

1 2

200 250

200 (Por suposicin) 200

3
4

175
186

205
202

5
6 7 8

225
285 305 190

201
203 211 220

Observe el efecto constante de suavizacin. Aunque la serie original muestra una alta varianza, los pronsticos parecen ser muy estables.

24

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Errores en el Pronstico

Defina el error de pronostico en cualquier periodo t, et, como la diferencia entre el pronostico para el periodo y la demanda real para el mismo periodo. Para pronsticos de varios pasos adelante.

y para los pronsticos de un solo paso adelante

25

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Errores en el Pronstico

Digamos que e1, e2,, en son los errores de pronstico observados en n periodos. Las dos medidas mas comunes de exactitud de pronstico durante estos periodos n son la Desviacin Absoluta Media (DAM) y el Error Cuadrtico Medio (ECM), dados por las formulas siguientes:

26

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Errores en el Pronstico

Cuando los errores de pronostico se distribuyen normalmente, como generalmente se supone, un estimado de la desviacin estndar del error de pronostico, e , est dada por 1.25 veces la DAM. El Error Porcentual Absoluto Medio (EPAM) no es dependiente de la magnitud de los valores de demanda:

27

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Mtodos basados en la tendencia


Anlisis

de Regresin Suavizamiento exponencial doble utilizando el mtodo de Holt

28

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Mtodos para series estacionales


Descomposicin

estacional usando promedios mviles Mtodo de Winters para los problemas estacionales

29

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

Tarea

Problemas

Investigacin: comparacin entre suavizamiento exponencial y promedios mviles (1 hoja)

30

UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL

S-ar putea să vă placă și