Pronosticos 2012

Escuela de Ingeniera de Transporte Facultad de Ingeniera PUCV
Juan Snchez R. Cadenas de Distribucin Pronsticos 1

1
EscueladeIngenieradeTransporte CadenasdeDistribucin Juan Snchez R.
Pronsticos (Forecasting)
2
Pronsticos.
1. Pronsticos.
Las proyecciones o pronsticos son de vital
importancia en toda organizacin, as como para
toda decisin gerencial.
3
Introduccin
La proyeccin conforma la base de la
planificacin corporativa a largo plazo.
4
Por ejemplo:
a) En reas funcionales de finanzas y contabilidad
las proyecciones proporcionan la base de la
planeacin presupuestaria y de control de costos.
5
b) El Marketing se basa en la proyeccin de las
ventas para planificar los nuevos productos,
compensar al personal de ventas, y tomar
otras decisiones claves.
6
c) Produccin y operaciones emplea los pronsticos
para la toma de decisiones peridicas que
involucran la seleccin de los procesos,
planificacin de la capacidad, y la disposicin de
las instalaciones, as como tambin las continas
decisiones sobre planificacin de la produccin,
su programacin, etc.
7
No debe perderse de vista que una perfecta
proyeccin es habitualmente imposible,
existen mltiples factores en el medio
empresarial que no pueden predecirse con
exactitud.
8
En consecuencia, en vez de buscar una
perfecta proyeccin, se debe
establecer la prctica de revisar
continuamente las proyecciones y
aprender a vivir con pronsticos
inexactos.
9
Ms esto no significa que no se intente mejorar el
modelo o la metodologa para determinarlas, sino
que se trata de encontrar y de emplear el mejor
mtodo de proyeccin disponible, dentro de lo
posible.
10
Proyeccin:
Es una estimacin del comportamiento de una
variable en el futuro. Especficamente, se trata de
estimar el valor de una variable en el futuro a
partir de la informacin que se posee en el
presente.
11
Por qu es necesario hacer pronsticos?
En general los proyectos se ejecutan buscando
rentabilidad financiera del proyecto (durante su vida
til del proyecto), luego es necesario saber cmo
evolucionarel mercado en el tiempo.
12
Para efectuar la proyeccin, una buena prctica
es emplear dos o tres mtodos y
observarlos desde el punto de vista del
sentido comn.
Preguntas tales cmo:
13
1. Existen cambios previstos en la economa
general que afecten la proyeccin?
2. Se registrar una escasez en los artculos
complementarios esenciales?
3. Existen cambios en el comportamiento del
consumidor?
14
Tipos de Proyeccin.
Existen diversos tipos de Proyeccin.
i) Cualitativa
ii) Anlisis de series de tiempo.
iii) De relaciones causales.
iv) De simulacin.
15
Clasificacin de Mtodos para proyeccin
Mtodos
Cuantitativos:
Mtodos
Cualitativos
Mtodos causales
Series de tiempo
Entrevistas a
Expertos, Delphi.
16
Tcnicas cualitativas
Son tcnicas fundamentalmente subjetivas
o de juicio y estn basadas en clculos
y opiniones, como ser:
17
a) Proyeccin fundamental, donde se deriva una
proyeccin compilando informacin de
aquellos que se ubican al final de la jerarqua,
quienes tratan con lo que est siendo
proyectado.
18
Por ejemplo: una proyeccin de
las ventas generales puede
derivarse combinando los
informes de cada vendedor,
quien est cerca de su propio
territorio.
19
Esta tcnica supone que la persona ms
cercana al cliente o a la utilizacin del
producto, conoce mejor sus necesidades
futuras.
20
Negocio
Las proyecciones as realizadas en el nivel
inferior se suman luego, se pasan al nivel
superior que sigue, y as sucesivamente.
21
b) Investigacin de mercado: Se recopilan datos de
diversas formas encuestas, entrevistas, etc., para
probar la hiptesis sobre el mercado.
Esto se emplea tpicamente para proyectar ventas
de largo plazo y de nuevos productos
22
b) Consenso de grupo: Intercambio abierto y
libre durante las reuniones. La idea es que
los debates en grupo producen mejores
proyecciones que las que se obtienen a
nivel individual.
Los participantes pueden ser ejecutivos,
vendedores o clientes.
23
c) Analoga histrica:
Lo que se est proyectando se vincula a un
artculo similar. Es importante en la
planeacin e nuevos productos en donde
se puede derivar una proyeccin mediante
el uso de la historia de un producto
similar.
24
Por ejemplo:
La empresa que produce cafeteras elctricas y
desea producir tostadoras, puede emplear
la historia de las cafeteras como modelo
de crecimiento semejante.
25
d) Mtodo Delphi:
Un grupo de expertos responde un
cuestionario.
Un moderador compila los resultados y
formula un nuevo cuestionario que es
sometido al grupo.
26
De esta manera se realiza un proceso de
aprendizaje para el grupo en la medida que
ste recibe nueva informacin y no existe
influencia por presiones del grupo o por
individuos dominantes.
Fue desarrollado por Rand Corporation en la
dcada de los 50.
27
El procedimiento es:
1) Escoger a los expertos que van a
participar. Debe una variedad de
personas con conocimientos en las
diferentes reas.
28
Mediante un cuestionario obtener las
proyecciones y cualesquier premisa o
calificaciones para las mismas, de todos los
participantes.
29
Papeles
3) Resumir los resultados y redistribuirlos a
los participantes junto con las nuevas
preguntas apropiadas.
30
4) Volver a resumir, refinar las
proyecciones y condiciones y
desarrollar nuevas preguntas.
31
5) Repetir el paso cuatro si es necesario.
Distribuir los resultados finales a todos
los participantes.
32
Mtodo que puede lograr resultados
satisfactorios en tres vueltas, el tiempo
requerido esta en funcin:
Del nmero de participantes,
De que tanto trabajo requieran para el
desarrollo de sus proyecciones
Lo rpido que respondan.
33
Anlisis de series de tiempo:
Modelos que tratan de predecir el futuro
tomando como base informacin histrica.
Pronostican el valor futuro de la variable que
se desea estimar extrapolando el
comportamiento histrico de los valores
observados para esa variable.
34
Por ejemplo: Cifras de pedidos recopiladas en
las semanas anteriores, pueden ser
empleadas para proyectar los trimestres
futuros.
35
Mtodode
Proyeccin
Cantidad de
Datoshistricos
Patrn de los
datos
Horizonte
proyeccin
Tiempo de
preparacin
Antecedentes
del personal
Ajuste
exponencial
simple
Entre 5 y 10
observaciones para
fijar laponderacin
Datos deben ser
estacionarios
Corto Corto Pocasofisticacin
Ajuste
exponencial
deHolt
10 a 15 observaciones
para fijar ambas
ponderaciones.
Tendencia pero
noestacionalidad
Cortoamediano Corto Ligerasofisticacin
Ajuste
exponencial
DeWinter
Como mnimo 4 a 5
observaciones por
trimestre
Tendencia y
estacionalidad
Cortoamediano Corto Moderada
sofisticacin
Modelo de
latendencia
de
regresin
10 a 20 observaciones
para la estacionalidad
por lo menos 5 por
trimestre
Tendencia y
estacionalidad
Cortoamediano Corto Moderada
sofisticacin
Modelo de
regresin
causal
10 observaciones por
variableindependiente
Puede manejar
complejos
patrones.
Corto a mediano
olargo
Largo tiempo
para el
desarrollo,
Corto para la
puesta en
ejecucin
Considerable
sofisticacin
Descompos
icin en
series de
tiempo
Suficiente para ver 2
picosysimas
Puede manejar
patrones cclicos
y estacionales
puede identificar
puntoscrticos
Cortoamediano Corto tiempo
para la
moderacin
Pocasofisticacin
Box
J enkins

50 o ms
observaciones
Deben ser
estacionarios o
ser
transformados en
estacionarios
Corto a mediano
olargo
Largo Altasofisticacin

Modelos de series de tiempo y
caractersticas
36
A pesar que trminos como corto, mediano y
largo plazo son relativos, en la proyeccin
empresarial:
Corto plazo est referido comnmente a
menos de tres meses,
Mediano plazo entre tres meses y dos aos
Largo plazo a ms de dos aos.
37
La seleccin de un modelo de proyeccin por
parte de una organizacin depende de varios
factores:
38
El horizonte de tiempo para realizar la
proyeccin.
La disponibilidad de los datos.
La exactitud requerida.
El tamao del presupuesto de proyeccin.
La disponibilidadde personal calificado.
39
Promedio de movimiento simple:
Cuando la demanda de un producto no est
aumentando o disminuyendo con rapidez,
y si no presenta caractersticas de
estacionalidad, un promedio de
movimiento puede resultar til para
suprimir las fluctuaciones aleatorias de la
proyeccin.
40
An cuando a menudo los promedios de
movimiento estn centralizados, es ms
conveniente emplear datos anteriores para
predecir el siguiente perodo directamente,
41
Ejemplo: un promedio centralizado de 5
meses Enero a Mayo, da un promedio
centralizado en Marzo.
Sin embargo los 5 meses de datos deben
existir ya. Si el objetivo es proyectar para
Junio, de alguna forma se debe hacer una
proyeccin del promedio del movimiento de
Marzo a J unio.
42
La proyeccin para el perodo que viene se
determina del siguiente modo:
A
t-1
+A
t-2
+A
t-3
+.+A
t-n
Ft = -----------------------------------------
n
43
Donde:
n = Nmero de perodos que van a ser
promediado.
A
t-i
=Ocurrencia real en perodo i atrs.
44
Sea la siguiente tabla la demanda real en cinco
semanas, y se ha determinado un
pronstico, con un nmero de perodos igual
a tres.
45
Semana Demanda Proyeccin
1 800
2 1400
3 1000
4 1500 1067
5 1500 1300
6 1300 1333
7 1800 1433
8 1700 1533
9 1300 1600
10 1700 1600
11 1700 1567
12 1500 1567
13 2300 1633
14 2300 1833
15 2000 2033
16 1700 2200
17 1800 2000
18 2200 1833
19 1900 1900
20 2400 1967

46
Analice que sucede con el pronstico si el
promedio lo calcula ahora con nueve
semanas.
47
b) Promedio de movimiento ponderado:
Mtodo que permite dar diferentes
ponderaciones a cada elemento, siempre y
cuando la sumatoria de las ponderaciones
sea igual a 1
48
La formula del promedio de movimiento
ponderado es:
Ft =w
1
* A
t-1
+w
2
* A
t-2
+w
n
* A
t-n
Con w
1
+w
2
++w
n
=1.0
49
Por ejemplo
supongamos que una bodega determina que
en un perodo de cuatro meses, la mejor
proyeccin se deriva utilizando el 40% de
los pedidos del ltimo mes, el 30% para s
dos meses atrs, el 20% para tres meses
atrs, y solo el 10% para cuatro meses
atrs.
50
Determine la proyeccin para meses 5 y 6 si la
experiencia de los pedidos reales fuera:
Mes_1 Mes_2 Mes_3 Mes_4 Mes_5
100 90 105 95 79
51
c) Ajuste exponencial:
Mtodo en que los datos ms recientes tienen
mayor ponderacin, la que disminuye de
modo exponencial en la medida que los datos
se hacen ms antiguos.
Se denomina de este modo ya que cada
incremento del pasado disminuye en(1 - o).
52
La formula es:
F
t
=F
t-1
+o(A
t-1
- F
t-1
)
Y sus parmetros son:
53
F
t
proyeccin de ajuste exponencial para
perodo t
F
t-1
proyeccin de ajuste exponencial para
perodo anterior
A
t-1
Demanda real durante perodo anterior
o Tasa de respuesta deseada o constante
de ajuste
54
Suponga que la demanda a largo plazo para
pedidos es relativamente estable y que la
constante de ajusteo es de0,05.
Si el mtodo exponencial se utilizara como
una poltica continua, se habra realizado
una proyeccin para el ltimo mes.
55
Suponga que la proyeccin del ltimo mes era
1050 unidades, si la demanda real fue 1000,
determine la proyeccin para este mes.
56
Efectos de tendencia en ajuste exponencial:
Una tendencia ascendente o descendente en
los datos recopilados durante una secuencia
de perodos de tiempo hace que la
proyeccin exponencial quede siempre
detrs (sea encima o por debajo) de la
ocurrencia real.
57
Pero ellas pueden corregirse en cierto grado
mediante la adicin de un ajuste de
tendencia.
Se requieren dos constantes de ajuste.
Adems de, se requiere una constante de
ajuste delta , para reducir el impacto del
error que se presenta en la realidad y la
proyeccin.
58
Para lograr que la ecuacin de la tendencia
funcione la primera vez que se emplee, el
valor de la misma debe registrarse
manualmente, este valor de tendencia inicial
puede ser estimacin razonable o un clculo
basado en datos anteriormente observados.
59
La ecuacin para calcular la proyeccin que
incluye la tendencia (Forecast Including
Trend FIT) es la que se muestra a
continuacin:
60
FIT
t
=F
t
+T
t
F
t
=FIT
t-1
+o(A
t-1
- FIT
t-1
)
T
t
=T
t-1
+oo(A
t-1
- FIT
t-1
)
61
F
t
=La proyeccin ajustada exponencialmente para
el perodo t
T
t
=La tendencia ajustada exponencialmente para el
perodo t
FIT
t
=La proyeccin que incluye la tendencia para el
perodo t
FIT
t-1
= La proyeccin que incluye la tendencia
realizada para el perodo anterior.
A
t-1
=La demanda real para perodo anterior
62
Ejemplo:
Suponga una proyeccin inicial de 100
unidades, una tendencia de 10 unidades,
o =0,2 y o =0,3. Si la demanda real
fuere 115 unidades, determine la
proyeccin para el prximo perodo.
63
Seleccin del valor apropiado para alfa:
Si la demanda real es estable como por
ejemplo en alimentos o en energa, se
pondra un o muy pequeo entre 5% y
10%, para disminuir los efectos de los
cambios a corto plazo o aleatorios.
64
Si la demanda real se incrementa o reduce
rpidamente (ejemplo artculos de moda o
pequeos artefactos nuevos), se pondra o
grande, por ejemplo entre 15% a un 30%
para tratar de mantener el ritmo de los
cambios.
65
En ocasiones, los usuarios del promedio de
movimiento simple se pasan al de ajuste
exponencial pero siguen conservando las
mismas proyecciones del promedio de
movimiento simple.
En este caso, o se obtiene aproximadamente
mediante 2/(n + 1), con n nmero de
perodos.
66
Cuando el ajuste exponencial se introduce por
vez primera, la proyeccin inicial o punto
de partida se puede obtener mediante un
simple promedio de los perodos anteriores,
por ejemplo, el promedio de los tres o
cuatro primeros perodos.
67
Pero existen dos circunstancias que atentan
contra la eleccin de un valor apropiado
para , la 1 que se tardara algn tiempo
determinar el que se ajuste mejor a los
datos, siendo esto tedioso de seguir y
revisar.
68
La 2, como las demandas varan, el valor
de elegido en cierto instante, puede
requerir una revisin en un futuro
prximo.
Por lo tanto se requiere de un mtodo
automtico para el rastreo y el cambio de
.
69
d) Enfoques para controlar el valor de .
d.1) Dos o ms valores predeterminados
de o. Se mide la cantidad de error entre
la proyeccin y la demanda real,
dependiendo de la magnitud del error, se
usan diferentes valores para o. Si error es
grande entonces o = 0,8, si el error es
pequeo o =0,2.
70
d.2) Valores calculados de o.
Un o de rastreo calcula si la proyeccin est
manteniendo el ritmo de los cambios
genuinos hacia arriba o hacia debajo de la
demanda (contrario a los cambios
aleatorios).
71
Aqu el o de rastreo se define como el error
real ajustado exponencialmente dividido
por el error absoluto ajustado
exponencialmente, o cambia de un
perodo a otro dentro de la gama posible
de 0 a 1.
72
e) Fuentes de Error.
Existen una gran variedad de fuentes de
errores. Estos errores pueden ser:
73
i)Sistemticos
Cuando se comete una equivocacin consistente,
ejemplo una falla en la inclusin de las variables
correctas, el empleo de una lnea de tendencia
incorrecta, un errneo cambio de la demanda
estacional, el empleo de equivocadas relaciones
entre las variables, etc.
74
ii) Aleatorios, aquellos que no se pueden
explicar con el modelo de proyeccin
empleado.
75
f) Medicin del Error.
Error medio cuadrtico o varianza,
corresponde a la funcin misma.
76
Desviacin media absoluta (Mean
absolute desviation, MAD) es el error
promedio en las proyecciones, mediante el
empleo de valores absolutos, y mide la
dispersin de algn valor observado con
base en algn valor previo.
77
n
E |At Ft|
MAD =-------------------
N
Con t =Nmero de perodos
A=demanda real durante el perodo
F =demanda proyectada para el perodo
N =Nmero total de perodos
78
Seal de rastreo (trackingsignal TS) es una
medida que indica si el promedio de
proyeccin estmanteniendo el ritmo de los
cambios reales en la demanda, ya sea hacia
arriba o hacia abajo.
79
RSFE
TS =---------
MAD
Donde RSFE (Running Sum of Forecast
Errors) es la sumatoria contina de los
errores de proyeccin considerando la
naturaleza de los mismos.
80
Mtodos Causales de Pronsticos.
Si suficientes datos histricos y
experiencia, es posible relacionar los
pronsticos a factores del medio ambiente
que causan las tendencias, las variaciones
estacionales, y las fluctuaciones.
81
As, si se pueden medir los factores causales y
se han determinado sus relaciones con el
producto o servicio que interesa, es posible
calcular proyecciones con considerable
exactitud.
82
El modelo causal expresa las relaciones
matemticas entre factores causales y la
demanda para producto que se est
proyectando.
Tipos generales
De modelos causales:
83
Tipos generales Mtodos de Regresin
de modelos causales
Mtodos Economtricos
84
a) Mtodos de Regresin:
i) Regresin Lineal.
ii) Regresin Mltiple
Estos mtodos requieren un registro histrico
extenso, para que el anlisis tenga
validez.
85
Mnimos cuadrados ordinarios (tendencia lineal).
Coeficientes de correlacin
Estimacin de tasas de crecimiento promedio
Estimacin de tendencias:
Tendencia respecto al tiempo
Tendencia respecto a la poblacin
Tendencia respecto al PIB
Tendencias respecto a otras variables
86
MNIMOS CUADRADOS
Dado un conjunto de datos (pares) es intenta
encontrar la funcin que mejor se adapte a
los datos , es decir aquella que presente el
mejor ajuste, empleando el criterio del
mnimo error cuadrtico.
87
X Y
1 0
+ =
En general, el mtodo de mnimos
cuadrados selecciona una funcin
de tipo lineal. Es decir:
88
Como regla:
Se requiere un registro de 5 aos para una
variable independiente.
8 aos para dos variables independientes.
Y un historial an ms largo para 3 o ms
variables independientes.
89
47
Y X
i i = a b
Shows linear relationship between
dependent & explanatory variables
Example: Sales & advertising (not time)
Dependent
(response) variable
Independent(explanatory)
variable
Slope Y-intercept
^
Linear Regression Model
+
90
49
Linear Regression Equations
Equation:
i i
bx a Y
+ =
Slope:
2 2
i
n
1 i
i i
n
1 i
x n x
y x n y x
b

=
=
=
Y-Intercept:
x b y a =
91
53
Standard Error of the Estimate
( )
2

2
1 1 1
2
1
2
,
= = =
=
n
y x b y a y
n
y y
S
n
i
n
i
i i i
n
i
i
n
i
c i
x y
92
55
Sample Coefficient of
Correlation
(
|
.
|
\
|
|
.
|
\
|
=

1 =
2
1 =
2
1 =
2
1 =
2
1 = 1 = 1 =
n
i
n
i
i i
n
i
n
i
i i
n
i
n
i
n
i
i i i i
y y n x x n
y x y x n
r
93
57
r =1 r =-1
r =.89 r =0
Y
X
Y
i
=a +b X
i
^
Y
X
Y
X
Y
X
Y
i
=a +b X
i
^
Y
i
=a +b X
i
^
Y
i
=a +b X
i
^
Coefficient of Correlation and
Regression Model
r
2
= square of correlation coefficient (r), is the percent of the
variation in ythat is explained by the regression equation
94
Fuente J . Holt Wilson & Deborah Allison-Koerber,
Combining Subjective and Objective Forecat Improves
Results, The J ournal of Business Forecasting, 1992.

Pronosticos 2012

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Pronosticos 2012

Încărcat de

Drepturi de autor:

Formate disponibile

Escuela de Ingeniera de Transporte Facultad de Ingeniera PUCV

Juan Snchez R. Cadenas de Distribucin Pronsticos 1

S-ar putea să vă placă și