Documente Academic
Documente Profesional
Documente Cultură
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
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
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
ManufacturaDistribucin
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
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
Alto
Moderada
Mnima
Juicio general Consolidacin de Modelos de crecimiento pronsticos detallados, econmico planes del cliente 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
Alto
Moderada
Mnima
Juicio general Consolidacin de Modelos de crecimiento pronsticos detallados, econmico planes del cliente UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL
Horizonte de planeacin
Corto Plazo
Fuerza de trabajo,
Niveles de servicio Objetivos de Inventario
Largo Plazo
Mediano Plazo
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
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
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.
10
(a): nivel constante (b): tendencia lineal (c): nivel constante + efectos estacionarios
11 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL
(a): nivel constante (b): tendencia lineal (c): nivel constante + efectos estacionarios
12 UNIVERSIDAD DE CUENCA ESCUELA DE INGENIERA INDUSTRIAL
Mtodo del ltimo valor Mtodo del promedio Mtodo del promedio mvil Mtodo de suavizacin exponencial
13
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
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
Solucin
17
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
Suavizamiento Exponencial
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.
19
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
Ahora podemos sustituir F t-2 en la misma forma. Si continuamos de esta manera obtenemos la expansin infinita para Ft,
Suavizamiento Exponencial
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
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
Resultados
Trimestre Fallas Pronstico
1 2
200 250
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
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.
25
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
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
28
estacional usando promedios mviles Mtodo de Winters para los problemas estacionales
29
Tarea
Problemas
30