Documente Academic
Documente Profesional
Documente Cultură
Predicción:
Proceso de estimación de un suceso futuro
basándose en consideraciones subjetivas diferentes a
los simples datos provenientes del pasado.
Influencia de los pronósticos en otras
áreas de la Dirección de
Operaciones
• Diseño de productos
• Diseño de plantas
• Gestión de la capacidad
• Gestión de inventarios
Patrones de la demanda
Las observaciones repetidas de la demanda de un producto o servicio
en el orden que se realizan forman un patrón que se conoce como
serie de tiempo. Los cinco patrones básicos de la mayoría de las series
de tiempo aplicables a la demanda son:
• HORIZONTAL
• TENDENCIA
• ESTACIONAL
• CÍCLICO
• ALEATORIO
Modelos cualitativos
Método Delphi
Es uno de los más conocidos y consiste en seleccionar
una serie de expertos (que entre sí desconocen el hecho
de haber sido seleccionados), dirigidos por un
coordinador que actúa de intermediario entre ellos. Este
les va solicitando opiniones y previsiones, y de entre las
recibidas selecciona aquellas que caen en el 25% de las
más pesimistas y el 25% de las más optimistas, pidiendo
explicaciones a esas personas de cómo justifican ellos
este hecho. Toda la información recibida, incluyendo las
justificaciones, son enviadas a los expertos, repitiendo el
proceso hasta que se llegue a un consenso.
Consulta a la fuerza de ventas
Consiste en solicitar las opiniones de los
vendedores o agentes comerciales, sobre lo que
ocurrirá en su área o región. Pueden presentarse
los siguientes problemas: suelen existir
perjuicios y tendencias según intereses
particulares, pueden ser afectadas por el
carácter excesivamente optimista o pesimista y
hay que hacer intervenir a muchas personas, lo
cual resulta costoso por el tiempo que requiere
contestar los cuestionarios.
Grupos de consenso
Se basa en el intercambio libre en juntas o
reuniones entre un pequeño grupo de personas.
La idea es que la discusión en grupo produzca
mejores pronósticos que cualquier individuo por
sí solo. Los participantes pueden ser ejecutivos,
vendedores o consumidores.
Analogías históricas
Si dos cosas tienen, cuando menos, una
característica común, aparece una analogía.
El interés de este método de previsión
tecnológica está en investigar si ambas cosas
presentan también otras características
similares.
Permite el análisis comparativo de nuevos
productos con otros ya existentes y similares en
el mercado.
Investigación de mercados
Se establece para recopilar datos de varias
formas (encuestas, entrevistas, etc.) con el fin de
comprobar hipótesis acerca del mercado. Por lo
general, se usa para pronosticar ventas a largo
plazo y de nuevos productos.
PREVISIÓN DE LA DEMANDA
Modelos cuantitativos
Modelos cuantitativos
Modelos Modelos
de series causales
de tiempo
ANÁLISIS DE SERIES DE TIEMPO
Es un método estadístico que depende en alto
grado de datos históricos de la demanda, con los
que proyecta la magnitud futura de la misma y
reconoce las tendencias y patrones estacionales.
Métodos
• Pronóstico empírico
• Promedio móvil simple
• Promedio móvil ponderado
• Suavizamiento exponencial simple
• Regresión lineal simple
Etapas para realizar una previsión de ventas
basado en series históricas.
4
Etapas para realizar una previsión de ventas
basado en series históricas.
5
9
Pronóstico empírico:
Método de series de tiempo en el cual el
pronóstico de la demanda para el siguiente
período es igual a la demanda observada en el
período actual, es decir:
Ft+1= Dt
Donde:
Ft+1: Pronóstico
Dt: Demanda del período actual
Ejemplo:
Desviación
Pronostique la demanda anual de cierto absoluta del
pronóstico
respecto a la
equipo electrodoméstico demanda real
D F t t
MAD t 1
n
Solución: No conocemos los datos de
demanda real del año 2006
Demanda real Pronóstico por lo cual es imposible
𝐷𝑡 − 𝐹𝑡 = 684
Con los datos históricos con
los que se cuenta, las
n desviaciones absolutas bajo
D t Ft
684
este modelo se han podido
determinar para 6 períodos
MAD t 1
114 (años). Por tal motivo
n 6 consideramos n=6
Promedio móvil simple:
El pronóstico se realiza promediando la
demanda de los n períodos más recientes
(generalmente un número impar), o sea:
2008 920
2009 988
2010 1172 917,67 254,33
2011 1145 1026,67 118,33 Como aún no ha pasado el
año 2014 no conocemos la
2012 1174 1101,67 72,33 cantidad real de productos
que demandaron nuestros
D Ft
los que se cuenta, las
t desviaciones absolutas bajo
756,33
MAD t 1
189,08 este modelo se han podido
n 4 determinar para 4 períodos
(años). Por tal motivo
consideramos n=4
Promedio móvil ponderado:
Cada una de las demandas históricas que
intervienen en el promedio pueden tener su
propia ponderación. La suma de tales
ponderaciones es igual a 1.
2008 920
2009 988
2010 1172 935,25 236,75
2011 1145 1063,00 82
2012 1174 1112,50 61,50
2013 1475 1166,25 308,75
2014 1317,25
𝐷𝑡 − 𝐹𝑡 = 689
n Con los datos históricos con
D Ft
los que se cuenta, las
t desviaciones absolutas bajo
689
MAD t 1
172,25 este modelo se han podido
n 4 determinar para 4 períodos
(años). Por tal motivo
consideramos n=4
Suavizamiento exponencial simple:
Es un método de promedio móvil ponderado que
permite calcular el promedio de una serie de
tiempo, asignando a las demandas recientes mayor
ponderación que a las demandas anteriores.
𝐹𝑡+1 = 𝐹𝑡 +∝ (𝐷𝑡 − 𝐹𝑡 )
Donde:
α: parámetro de suavización
Ejemplo:
Pronostique la demanda anual de cierto
equipo electrodoméstico (considere = 0.2)
Demanda real Pronóstico
Años.
(Dt) (Ft) |Dt-Ft|
2007 845
2008 920
2009 988
2010 1172
2011 1145
2012 1174
2013 1475
2014
Solución: Para correr el modelo requerimos de
pronósticos anteriores. Como el
ejercicio no nos brinda el dato del
pronóstico utilizado para el año 2007
D Ft
los que se cuenta, las
t desviaciones absolutas bajo
1335,77
MAD t 1
222,63 este modelo se han podido
n 6 determinar para 6 períodos
(años). Por tal motivo
consideramos n=6
Pronósticos suavizados (exponenciales) versus demanda real de
un producto a través del tiempo
𝑌 = 𝑎 + 𝑏𝑥
Cuando la variable independiente son los períodos de tiempo, se
le considera un método de serie de tiempo, en cualquier otro
caso se considera un método causal.
Donde:
Y: variable dependiente
X: variable independiente
a: intersección de la recta con el eje Y
b: pendiente de la recta
El objetivo es encontrar los valores de a y b
que minimicen la suma de las desviaciones
cuadráticas de los puntos de datos reales que
están representados en la serie de tiempo
𝑌 = 𝑎 + 𝑏𝑥
Método de regresión lineal:
Ejemplo:
Pronostique la demanda anual de cierto equipo
electrodoméstico
𝒏 𝑿𝒀 − ( 𝒙)( 𝒀)
𝒃= 𝒂 = 𝒚 − 𝒃𝒙
𝒏 𝒙𝟐 − (𝑿)𝟐
D t Ft
367,71
MAD t 1
52,53
n 7
Si hubiésemos asignado
otros valores a X no hay
alteraciones en los
pronósticos (siempre que
tales valores sean
Solución 2:
consecutivos), por
ejemplo: en este caso al
año 2007 se le ha
asignado un valor de X=0, Años. X Demanda (Y) XY X2
a 2008 se le ha asignado
X=1 y así sucesivamente. 2007 0 845 0 0
Como puede observarse
ha cambiado la ecuación 2008 1 920 920 1
de regresión, pero a pesar
de ello el pronóstico para 2009 2 988 1976 4
cada año permanece
inalterable. Así lo 2010 3 1172 3516 9
demuestra el calculo del
pronóstico para el año 2011 4 1145 4580 16
2007 :
Y=a+b·X 2012 5 1174 5870 25
F2007= 828,96+91,25·(0)
F2007= 828,96 2013 6 1475 8850 36
SUMA 21 7719 25712 91
= 91,25 = 828,96
Ecuación de
Y = 828,96+ 91,25X regresión lineal
Solución 2:
Demanda real Pronóstico
Años. 𝐷𝑡 − 𝐹𝑡
(Dt) (Ft)
2007 845 828,96 16,04
2008 920 920,21 0,21
2009 988 1011,46 23,46
2010 1172 1102,71 69,29
2011 1145 1193,96 48,96
2012 1174 1285,21 111,21
2013 1475 1376,46 98,54
2014 1467,71
𝐷𝑡 − 𝐹𝑡 = 367,71
n
D t Ft
367,71 El MAD también
MAD t 1
52,53 53 permanece
n 7
inalterable
CONCLUSIÓN:
Al analizar las desviaciones absolutas medias (MAD) para cada
pronóstico podemos concluir que el método de regresión lineal
provee el MAD más bajo, por lo cual podemos considerar que
este método para el caso práctico objeto de estudio, es el más
confiable para realizar los pronósticos de la demanda de acuerdo
al comportamiento de las series históricas.
Modelos Causales
Modelos causales:
Son un tipo de método cuantitativo que utiliza datos
históricos de variables independientes, como campañas
de promoción, condiciones económicas y actividades de
los competidores para pronosticar la demanda.
Modelo de regresión simple
• Modelo de regresión Modelo de regresión múltiple
• Modelo econométrico
• Método de encuestas de intenciones de compra
• Modelo de insumo producto (método de los
coeficientes técnicos)
BIBLIOGRAFÍA:
1. KRAJEWSKI LEE, RITZMAN LARRY “Administración
de Operaciones”, 5a Edición, Prentice-Hall, Mexico,.
2000. Pg 528. Link: https://db.tt/hv34kmnT
2. CHASE, JACOBS, AQUILANO. Administración de
operaciones. Mc Graw Hill. México, 2009. Pg 473
Link: https://db.tt/bXf6qBpI
Ejercicio propuesto
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio: pg 157s
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio:
Ejercicios de autoestudio: