Sunteți pe pagina 1din 107

6

4 Serie 1
Serie 2
2 Serie 3

0
PRONSTICOS

Pronstico es una prediccin de eventos futuros que se


utiliza con propsitos de planificacin.
Lee Krajewsky
(2008). Administracin De Operaciones. : Pearson
Los pronsticos son una forma de atenuar la
incertidumbre con la que deben convivir los directivos de
empresa.
Adrin Edelman
Es un clculo estimativo del nivel de la demanda
de un producto o productos por un perodo de
tiempo futuro. Todo pronstico por ende es una
hiptesis, pero mediante el empleo de ciertas
tcnicas puede ser algo ms significativo que nos
dar un parmetro para tomar decisiones.
Otros autores expresan la importancia de diferenciar
entre los trminos de prediccin y pronstico, ya que de
acuerdo a su criterio, las predicciones se basan en la
consideracin de aspectos subjetivos dentro del proceso
de estimacin de eventos futuros, mientras que los
pronsticos se desarrollan a travs de procedimientos
cientficos, basados en datos histricos que son dados
mediante mtodos cuantitativos.

Tawfik & Chauvel, 1992, Adam & Eber, 1991, Kalenatic


& Blanco, 1993
Por qu es importante pronosticar?

Los pronsticos son vitales para toda organizacin de


negocios as como para cualquier decisin importante
de la gerencia. El pronstico es la base de la
planeacin corporativa a largo plazo.
En las reas de finanzas y contabilidad, los
pronsticos proporcionan el fundamento para la
planeacin de presupuestos y control de costos.
El marketing depende del pronstico de ventas para
planear productos nuevos, compensar al personal de
ventas y tomar otras decisiones clave.
Se debe tener presente que no hay un pronstico
perfecto, en el ambiente de negocios hay demasiados
factores que no se pueden pronosticar con certeza.
IMPORTANCIA ESTRATEGICA DEL PRONSTICO
Vitales para todo organizacin mercantil y toda decisin
administrativa importante.

Representan la base de los planes a largo plazo

En rea de finanzas y contabilidad

a) Planeacin de presupuestos

b) Control de costos
En el departamento de marketing

a) Planes de productos nuevos

b) Remunerar el personal en ventas

El personal de produccin y el de operaciones

a) Toma de decisiones de manera peridica

b) Decisiones rutinarias
Por lo tanto, en lugar de buscar un pronstico perfecto. Es
mucho ms importante establecer la prctica de una
revisin continua de los pronsticos y aprender a vivir con
pronsticos imprecisos.

Esto no quiere decir que no se trate de mejorar el modelo


o la metodologa de pronosticar, pero lo que debe hacerse
es tratar de encontrar y usar el mejor mtodo de
pronsticos disponible, dentro de lo razonable.
DEMANDA
La demanda se define como la cantidad y calidad de bienes
y servicios que pueden ser adquiridos en los diferentes
precios del mercado por un consumidor (demanda individual)
o por el conjunto de consumidores (demanda total o de
mercado), en un momento determinado.

En trminos generales, la "demanda" es una de las dos


fuerzas que est presente en el mercado (la otra es la
"oferta") y representa la cantidad de productos o servicios
que el pblico objetivo quiere y puede adquirir para satisfacer
sus necesidades o deseos.
DEFINICIN DE DEMANDA, SEGN EXPERTOS EN
MERCADOTECNIA Y ECONOMA:
El deseo que se tiene de un determinado producto pero que
est respaldado por una capacidad de pago.

Del libro: Direccin de Marketing, Edicin del Milenio, de Kotler Philip,


Cmara Dionicio, Grande Idelfonso y Cruz Ignacio, Prentice Hall, Pg. 10.

Las cantidades de un producto que los consumidores estn


dispuestos a comprar a los posibles precios del mercado" .

Del libro: Mercadotecnia, Tercera Edicin, de Fischer Laura y Espejo Jorge,


Mc Graw Hill, Pg. 240
Es la cantidad de bienes o servicios que el comprador o
consumidor est dispuesto a adquirir a un precio dado y en un
lugar establecido, con cuyo uso pueda satisfacer parcial o
totalmente sus necesidades particulares o pueda tener acceso
a su utilidad .

Del libro: Diccionario de Economa, Tercera Edicin, de Andrade Simn,


Editorial Andrade, Pgs. 215

La cantidad de un bien que los compradores quieren y pueden


comprar.

Del libro: Principios de Economa, Tercera Edicin, de Mankiw Gregory, Mc


Graw Hill, Pg. 42.
CARACTERISTICAS DE LA
DEMANDA

La demanda tiene dos fuentes bsicas:


a) Demanda dependiente
b) Demanda independiente

DEMANDA INDEPENDIENTE:
Es una demanda que no se deriva directamente de otros
productos.

DEMANDA DEPENDIENTE:
Es la demande de un producto o servicio que se deriva de
otros productos o servicios.
Una empresa no puede hacer gran cosa respecto de la
demanda dependiente, solo tiene que satisfacerla sin
embargo, puede hacer mucho respecto a la demanda
independiente.

1. Adoptar un papel activo para influir en la demanda: La


empresa puede presionar a su fuerza de ventas, ofrecer
incentivos tanto a los clientes como a su personal, crear
campaas para vender sus productos y bajar precios.

2. Adoptar un papel pasivo y limitarse a responder de


acuerdo con la demanda: Puede que la compaa no
tenga el poder de cambiar la demanda debido al gasto de
publicidad; es probable que el mercado sea fijo y esttico;
o que la demanda este fuera de su control ( como en el
caso de un proveedor nico).
CLASIFICACIN DE LOS PRONSTICOS

1) Cualitativos

2) Anlisis de series de tiempos

3) Relaciones causales

4) Simulaciones
MTODOS CUALITATIVOS

La suposicin aqu es que la persona que est ms cerca del


cliente o del usuario final del producto conoce mejor sus
necesidades futuras. Aunque esto no es siempre cierto, en
muchos casos, se trata de una suposicin vlida y
constituyen la base de este mtodo.
1) INVESTIGACIN DE MERCADOS

Se utiliza sobre todo para la investigacin de productos con el


objetivo de buscar nuevas ideas, conocer los gustos y
disgustos relacionados con los productos existentes, los
productos competitivos preferidos en una clase en particular,
etc. Una vez mas, los mtodos de recopilacin de datos son
sobre todo encuestas y entrevistas.
2) GRUPOS DE CONSENSO

En un grupo de consenso, la idea es que un grupo de


personas que ocupan diversas posiciones pueden
desarrollar un pronstico ms confiable que un grupo ms
reducido.

Los pronstico en grupo se realizan por medio de


reuniones abiertas con un intercambio libre de ideas de
todos los niveles gerenciales e individuales.

El problema con este estilo abierto es que los empleados


de niveles inferiores se sienten intimidados por los niveles
mas altos de la gerencia.
3) ANALOGA HISTORICA O
ANALOGA DE CICLO DE VIDA

Al tratar de pronosticar la demanda de un nuevo


producto, una situacin ideal seria que un producto
existente o genrico se pueda utilizar como modelo.

Relaciona lo pronosticado con un articulo similar. Es


importante al planear nuevos productos en los que las
proyecciones se pueden derivar mediante el uso del
historial de un producto similar.
4) MTODO DE DELPHI(DELFOS)
Es probable que la opinin de una persona de un nivel superior
pese ms que la de una persona de nivel inferior. El peor de los
casos se presenta cuando la gente de nivel inferior se siente
amenazada y no contribuye con lo que realmente cree.
Para evitar este problema , el mtodo Delfos oculta la identidad
de los individuos que participan en el estudio. Todos tienen el
mismo peso.
Un grupo responde un cuestionario. Un modelador recopila los
resultados y formula un cuestionario nuevo que se presenta al
grupo, por lo tanto, existe un proceso de aprendizaje para el
grupo mientras recibe informacin nueva y no existe ninguna
influencia por la presin del grupo o individuos dominantes.
PASOS PARA EL MTODO DELPHI

1) Elegir los expertos a participar. Debe haber gran variedad


de personas con conocimientos en distintas reas.
2) Por medio de un cuestionario (o correo electrnico)
obtener las proyecciones ( y cualquier premisa o
calificacin para el pronstico) de todos los participantes.
3) Resumir los resultados y redistribuirlos entre los
participantes con las preguntas nuevas apropiadas.
4) Volver a resumir los resultados, refinar las proyecciones y
condiciones, y una vez ms plantear preguntas nuevas.
5) Repetir el paso 4, si es necesario. Distribuir los
resultados finales entre todos los participantes.
5) LA FUERZA DE VENTAS O EQUIPO DE VENTAS

Es el conjunto de vendedores con que cuenta una


empresa. La fuerza de ventas acta como punto de enlace
entre una empresa y sus clientes actuales y potenciales.
Por un lado representa a la empresa ante los clientes,
brindndoles a stos ltimos informacin, asesorndolos y
aclarando sus dudas.
Mientras que por otro lado, representa a los clientes ante la
empresa, comunicndole o transmitindole a esta ltima las
necesidades, preferencias, gustos, dudas y preocupaciones de
los clientes.
Para que una fuerza de ventas funcione eficazmente y cumpla
as con los objetivos de ventas de la empresa, es necesario
gestionarla o administrarla adecuadamente.
El modelo de pronsticos que una empresa debe
utilizar depende de:

1) El horizonte de tiempo que se va a pronosticar.

2) La disponibilidad de los datos.

3) La precisin requerida .

4) El tamao del presupuesto del pronstico.

5) La disponibilidad del personal calificado.


Al seleccionar un modelo de pronstico, existen otros
aspectos como el grado de flexibilidad de la empresa (
mientras mayor sea su habilidad para reaccionar con
rapidez a los cambios, menos preciso necesita ser el
pronstico).

Otro aspecto es la consecuencia de un mal pronstico.


Si una decisin importante sobre la inversin del capital
se basa en un pronstico, ste debe ser bueno.
Factores que se deben considerar para la
seleccin de una tcnica de pronstico:

a) Datos estacionarios:

Las fuerzas que generan la serie se han estabilizado y el medio


permanece relativamente sin cambios.

Se puede lograr la estabilidad haciendo correcciones sencillas a


factores como crecimiento de la poblacin o la inflacin.

La serie se puede transformar en una serie estable.


La serie es un conjunto de errores de pronstico, de una tcnica
que se considera adecuada.
b) Datos con tendencia
Productividad creciente y nueva tecnologa producen
cambios.

El incremento de la poblacin elevan la demanda por


productos.

El poder de compra se afecta por la inflacin.

Aumenta la aceptacin en el mercado de un producto.


c) Datos con estacionalidad

El clima influye en la variable de inters.


El ao calendario influye en la variable.
d) Series cclicas

Elciclo del negocio influye sobre la


variable.
Cambios en el gusto popular.
Cambios en la poblacin.
Cambios en el ciclo de vida del producto.
PROMEDIO MVIL SIMPLE

Libro: Administracin de
operaciones.
Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P.
Ritzman. Manoj K. Malhotra
Paginas: 532-535
El mtodo de promedio mvil simple se usa para estimar el
promedio de una serie de tiempo de demanda y, por lo tanto,
para suprimir los efectos de las fluctuaciones aleatorias. Este
mtodo resulta ms til cuando la demanda no tiene
tendencias pronunciadas ni influencias estacionales. La
aplicacin de un modelo de promedio mvil requiere
simplemente calcular la demanda promedio para los n
periodos ms recientes, con el fin de usarla como pronstico
para el siguiente periodo. Para el periodo siguiente, una vez
que se conoce la demanda, la de- manda ms antigua
incluida en el promedio anterior se sustituye por la demanda
ms reciente y luego se vuelve a calcular el promedio. De
esta manera, se usan las n demandas ms recientes y el
promedio se mueve de un periodo a otro.
Libro: Administracin de operaciones.
Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
En trminos especficos, el pronstico correspondiente al
periodo t+1 se calcula como sigue:

suma de las ultimas n demandas Dt+Dt-1+Dt-2++Dt-n+1


Ft+1 = =
n n

Donde:
Dt = demanda real en el periodo t
n = nmero total de periodos incluidos en el promedio
Ft+1 = pronstico para el periodo t +1

Libro: Administracin de operaciones.


Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
Con el mtodo de promedio mvil, el pronstico de la
demanda en el periodo siguiente ser igual al promedio
calculado al final de este periodo. En cualquier mtodo de
pronstico, es importante medir la precisin de los
pronsticos. El error de pronstico es simplemente la
diferencia que se obtiene al restar el pronstico de la
demanda real en cualquier periodo determinado, o

Et = Dt - Ft
Donde:
Et = error de pronstico en el periodo t
Dt = demanda real en el periodo t
Ft = pronstico para el periodo t
Libro: Administracin de operaciones.
Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
USO DEL MTODO DE PROMEDIO MVIL PARA ESTIMAR
LA DEMANDA PROMEDIO
a. Calcule un pronstico de promedio mvil de tres semanas
para estimar la llegada de pacientes a la clnica mdica
durante la semana 4. Las cifras correspondientes a las
llegadas de pacientes en las ltimas tres semanas son las
siguientes:

SEMANA LLEGADA DE PACIENTES


1 400
2 380
3 411

Libro: Administracin de operaciones.


Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
b. Si el nmero real de llegadas de pacientes durante la
semana 4 es de 415, cul ser el error de pronstico
para la semana 4?
c. Cul ser el pronstico para la semana 5?
Libro: Administracin de operaciones.
Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
SOLUCIN
a. El pronstico de promedio mvil al final de la semana 3
es:
F4 = 411+380+400/3
F4 = 397.0

b. El error de pronstico para la semana 4 es:


E4 = D4 - F4 = 415 - 397 =
E4=18

Libro: Administracin de operaciones.


Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K.
Malhotra
Paginas: 532-535
c. Para elaborar el pronstico correspondiente a la
semana 5, es necesario conocer las llegadas reales
durante las semanas 2 a 4; es decir, los datos de las tres
semanas ms recientes.
F5=415+411+380/3=402
Punto de decisin: As, el pronstico al final de la
semana 3 habra sido de 397 pacientes para la semana
4,cifra inferior por 18 pacientes a la demanda real. El
pronstico para la semana 5, realizado al final de la
semana 4, sera de 402 pacientes. Adems, al final de la
semana 4,el pronstico para la semana 6 y las siguientes
ser tambin de 402 pacientes.

Libro: Administracin de operaciones.


Procesos y cadenas de valor.
Autor: Lee J. Krajewski. Larry P. Ritzman. Manoj K. Malhotra
Paginas: 532-535
La compaa R-FAST presenta en el siguiente tabulado el
reporte de ventas correspondiente al ao 2009.

MES VENTAS REALES (2009)


ENERO 80
FEBRERO 90
MARZO 85
ABRIL 70
MAYO 80
JUNIO 105
JULIO 100
AGOSTO 105
SEPTIEMBRE 100
OCTUBRE 105
NOVIEMBRE 100
DICIEMBRE 150
Teniendo en cuenta los datos anteriores, se debe calcular un
pronstico mediante la tcnica de Promedio Mvil utilizando:
Un perodo de 3 meses (a partir de abril de 2009)
Un perodo de 6 meses (a partir de julio de 2009)
El objetivo consiste en identificar con cul de los dos
perodos del pronstico se obtiene mayor precisin al
compararse con las ventas reales del reporte.
Solucin
Al ser un pronstico con un perodo mvil de 3 meses, este deber efectuarse a
partir del mes de abril, es decir que para su clculo tendr en cuenta tres perodos,
es decir, Enero, Febrero y Marzo.

Luego para efectuar la previsin del mes de Mayo, debern tenerse en cuenta los
ltimos tres perodos que anteceden al mes de Mayo, es decir Febrero, Marzo y
Abril.

De esta manera se efectan las previsiones restantes obteniendo el siguiente


resultado:
MES VENTAS REALES (2009) PRONSTICO 3 MESES
Enero 80
Febrero 90
Marzo 85
Abril 70 85
Mayo 80 82
Junio 105 78
Julio 100 85
Agosto 105 95
Septiembre 100 103
Octubre 105 102
Noviembre 100 103
Diciembre 150 102
El pronstico restante al ser un pronstico con un perodo
mvil de 6 meses, este deber efectuarse a partir del mes
de Julio, es decir que para su clculo tendr en cuenta seis
perodos, es decir, Enero, Febrero, Marzo, Abril, Mayo y
Junio.
De esta manera se efectan las previsiones
restantes obteniendo el siguiente resultado:

VENTAS REALES PRONSTICO 3 PRONSTICO 6


MES
(2009) MESES MESES
Enero 80
Febrero 90
Marzo 85
Abril 70 85
Mayo 80 82
Junio 105 78
Julio 100 85 85
Agosto 105 95 88
Septiembre 100 103 91
Octubre 105 102 93
Noviembre 100 103 99
Diciembre 150 102 103
PROMEDIO MVIL
PONDERADO

Libro: Direccin y administracin de la produccin y de las operaciones.


Autor: Chase Aquilano
Paginas: 315-322
Mientras que el promedio mvil simple da igual peso a
cada componente de la base de datos, el promedio mvil
ponderado permite dar cualquier peso a un elemento,
siempre y cuando la suma de los pesos sea igual a 1.

= 1
=1
La frmula para un promedio mvil ponderado es:
F t = w1At1 + w2At2 + + wnAtn

Libro: Direccin y administracin de la produccin y de las operaciones.


Autor: Chase Aquilano
Paginas: 315-322
Donde
Ft: pronostico para el periodo t
w1 = Ponderacin dada al hecho real para el periodo t 1
w2 = Ponderacin dada al hecho real para el periodo t 2
wn = Ponderacin dada al hecho real para el periodo t n
n = Nmero total de periodos en el pronstico.

Por ejemplo, en un modelo con promedio mvil ponderado


de tres periodos, al periodo ms reciente se le puede
asignar una ponderacin de 0.50, al segundo ms reciente
se le asigna una ponderacin de 0.30, y al tercero ms
reciente, una de 0.20. El promedio se obtiene multiplicando
la ponderacin de cada periodo por el valor
correspondiente a dicho periodo y sumando finalmente los
productos:
Ft+1 = 0.50Dt + 0.30Dt1 + 0.20Dt2
Por ejemplo, una tienda departamental se da cuenta de que
en un periodo de cuatro meses el mejor pronstico se deriva
con 40% de las ventas reales durante el mes ms reciente,
30% de dos meses antes, 20% de tres meses antes y 10% de
hace cuatro meses.
Si las ventas reales fueron:
MES 1 MES 2 MES 3 MES 4 MES 5
100 90 105 95 ?

El pronostico para el mes 5 seria:


F 5 = 0.40(95) + 0.30(105) + 0.20(90) + 0.10(100)
F5 = 38 + 31.5 + 18 + 10
F5= 97.5
Libro: Direccin y administracin de la produccin y de las operaciones.
Autor: Chase Aquilano
Paginas: 315-322
ELECCIN DE PONDERACIONES

La experiencia y las pruebas son las formas ms


sencillas de elegir las ponderaciones. Por regla general,
el pasado ms reciente es el indicador ms importante
de lo que se espera en el futuro y por ende debe tener
una ponderacin ms alta. Los ingresos o la capacidad
de la planta del mes pasado, por ejemplo, seran un
mejor estimado para el mes prximo que los ingresos o
la capacidad de la planta de hace varios meses. No
obstante, si los datos son estacionales, por ejemplo, las
ponderaciones se deben establecer en forma
correspondiente. Las ventas de trajes de bao en julio
del ao pasado deben tener una ponderacin ms alta
que las ventas de trajes de bao en diciembre (en el
hemisferio norte).
El promedio mvil ponderado tiene una ventaja
definitiva sobre el promedio mvil simple en cuanto a
que puede variar los efectos de los datos pasados.
Sin embargo, es ms inconveniente y costoso que el
mtodo de suavizacin exponencial, que se analiza a
continuacin.
La empresa GACE S.A DE C.V desea hacer un
pronostico de ventas usando un promedio mvil ponderado
de tres periodos. el gerente de la empresa ha decidido dar
una ponderacin del 50% al dato mas reciente, al segundo
mas reciente se le asigna una ponderacin de 30% y 20% al
tercero mas reciente.
MES VENTAS REALES PROMEDIO
PONDERADO
ENERO 80
FEBRERO 90
MARZO 85
ABRIL 70
MAYO 80
JUNIO 105
JULIO 100
AGOSTO 115
SEPTIEMBRE 95
OCTUBRE 105
NOVIEMBRE 110
DICIEMBRE 150
METODO EXPONENCIAL
METODO EXPONENCIAL
Algunas veces una curva suave suministra un mejor ajuste
para los datos que una lnea recta. Una curva suave implica
un crecimiento o disminucin porcentual uniforme en lugar
del incremento o decremento constantes ejemplificados por
una recta. La ecuacin para una curva puede tomar la forma
exponencial , Y= abx, la cual indica que Y vara con la tasa
constante b en cada periodo.
Podemos determinar los valores para a y b por medio del
mtodo de mnimos cuadrados si convertimos la ecuacin
exponencial a su forma logartmica:
Log Y = log a + x log b
La versin logartmica se indica como una recta en papel
semilogartmico; la escala Y es logartmica y la escala X es
aritmtica. Esta propiedad nos permite establecer
ecuaciones normales en la forma descrita del ejemplo
anterior.
En esta forma, las ecuaciones normales
(log Y) = N (log a) + X (log b)
( X log Y)= X (log a) +X2 (log b)

puede resolverse formando una tabla para


establecer (log Y), X, (X logY) y X2. cuando
el punto base se escoge para hacer X= 0, la
solucin se reduce a calcular
log a =(

)
y log b = ( )
2

Despus de resolver las ecuaciones anteriores, o


resolviendo simultneamente las ecuaciones
normales cuando X no es igual a cero, la
ecuacin exponencial se establece tomando los
antilogaritmos de a y b.
Ejemplo:
Como no es obvio si una recta o una curva se ajustarn mejor a los
datos dados, una curva suave es un substituto legtimo. El
procedimiento de ajuste es anlogo al empleado para las rectas; la
variacin es el empleo de logaritmos para los valores de Y:

Ao Y X X2 log Y X log Y
1994 108 -2 4 2.0334 -4.0668
1995 119 -1 1 2.0755 -2.0755
1996 110 0 0 2.0414 0
1997 122 1 1 2.0864 2.0864
1998 130 2 4 2.1139 4.2278
Sumas 0 10 10.3506 0.1719

Debido a que X = 0, podemos resolver para a y b en la forma


siguiente :
log a = (

)
= .

= 2.0701
Y, por tanto, a= 117.5 1,175,000 dlares, y

log b = ( ) = .


= 0.0172

Haciendo b = 1.0405 o un aumento de 4.05% en cada


periodo. En esta forma, la ecuacin de pronstico es
log Y= 2.0701 + 0.0172X

YF= $1,175,000 (1.0405)X


Los valores resultantes de una recta y de una curva deben
compararse con los datos observados. En la siguiente
tabla aparece que cualquiera ecuacin se ajusta bastante
bien a los datos. Las diferencias entre las rectas ajustadas
se vuelven ms pronunciadas conforme los pronsticos se
llevan ms hacia el futuro. La frmula exponencial muestra
continuamente valores superiores ms all de 1998.

Real Ajuste de la recta Ajuste curva-recta


Ao X Y YF= 117.8 + 4.7 x YF= 117.5 (1.0405)X
1994 -2 108 108.4 108.5
1995 -1 119 113.1 112.9
1996 0 110 117.8 117.5
1997 1 122 122.5 122.3
1998 2 130 127.2 127.2
1999 3 131.9 132.3
2000 4 136.6 137.7
Cinco observaciones son muy pocos datos como para
recomendar definitivamente el ajuste de una recta sobre la
otra. En la etapa presente, quien hace el pronstico tendra
que basarse en su criterio. Si es optimista, probablemente
escoger la ecuacin exponencial que predice un futuro
ms brillante. Conforme se acumulan datos histricos, la
tendencia debe volverse mejor definida y la validez de
cualquier ecuacin ser evidente por las desviaciones del
pronstico con respecto a los valores reales.
SUAVIZACIN EXPONENCIAL
La suavizacin exponencial es un sofisticado
mtodo de pronostico de promedios mviles
ponderado que sigue siendo bastante fcil de usar.
Implica mantener muy pocos registros de datos
histricos. La formula bsica para el suavizamiento
exponencial se expresa como sigue:

Nuevo pronstico = pronostico del periodo


anterior + (demanda real del mes anterior
pronostico del periodo anterior)
Donde es la ponderacin, o constante de suavizamiento,
elegida por quien pronostica, que tiene un valor de entre 0 y 1.
La ecuacin anterior tambin puede escribirse
matemticamente como:
Ft=Ft-1+ (At-1-Ft-1)
DONDE:
Ft = nuevo pronostico
Ft-1 = pronostico de periodo anterior
= constante de suavizamiento (o ponderacin)(0 1)
At-1 = demanda real en el periodo anterior
El concepto no es complicado. La ultima estimacin de
la demanda es igual a la estimacin anterior ajustada
por una fraccin de diferencia entre la demanda real
del ultimo periodo y la estimacin anterior. En el
siguiente ejemplo se muestra como usar el
suavizamiento exponencial para obtener un
pronostico.
En enero un vendedor de automviles predijo que la
demanda para febrero seria de 142 Ford Mustang. la demanda
real en febrero fue de 153 automviles. usando la constante
de suavizamiento que eligi la administracin de =0.20, el
vendedor quiere pronosticar la demanda para marzo usando el
modelo de suavizamiento exponencial.
Mtodo: se puede utilizar el modelo de suavizacin
exponencial
Ft=Ft-1+ (At-1-Ft-1)
Solucin: al sustituir en la formula, los datos de la muestra se
obtiene:
F(marzo) =142+0.20(153-142)=142+2.2=144.2
As, el pronostico de la demanda de marzo para los Ford
Mustang se redondea a 144.
EJERCICIO DE APRENDIZAJE:

Si la constante de suavizamiento se cambia a


0.30.cual es el nuevo pronostico?

Respuesta 145.3
La constante de suavizacin, , se encuentra
generalmente en un intervalo de 0.5 a 0.50 para
aplicaciones de negocios. puede cambiarse para dar
mas peso a datos recientes (cuando es alta)o mas
peso a datos anteriores (si es baja). Cuando llega
al extremo de 1.0, entonces en la ecuacin Ft=Ft-1+
(At-1-Ft-1), Ft=1.0At-1. todos los valores anteriores
se desechan y el pronostico se vuelve idntico al
modelo intuitivo (supone que la demanda del
siguiente periodo ser igual ala demanda del periodo
mas reciente).
SELECCIN DE LA CONSTANTE DE
SUAVIZAMIENTO
El enfoque de suavizamiento exponencial es fcil de usar y
se ha aplicado con xito en prcticamente todo tipo de
negocios. Sin embargo el valor apropiado de la constante de
suavizamiento, , puede hacer la diferencia entre un
pronostico preciso y uno impreciso.

Se eligen valores altos de cuando el promedio subyacente


tiene probabilidades de cambiar.
Se emplean valores bajos de cuando el promedio en que
se basa es bastante estable.
Eleccin del valor apropiado para alfa

Sera ideal poder proyectar qu alfa se debe usar.

La suavizacin exponencial requiere de dar a la constante de


suavizacin alfa () un valor entre 0 y 1. Si la demanda real es
estable (como la demanda de electricidad o alimentos), sera
deseable una alfa pequea para reducir los efectos de los
cambios a corto plazo o aleatorios. Si la demanda real
aumenta o disminuye con rapidez (como en los artculos de
moda o los aparatos electrodomsticos menores), se quisiera
una alfa alta para tratar de seguirle el paso al cambio.
Pero para poder proyectar un alfa que sea adecuada a las
condiciones de la empresa se toman en cuenta dos
elementos que se tienen en contra:

En primer lugar, tomara tiempo determinar la constante


alfa que se adapte mejor a los datos reales y el proceso
sera tedioso.
En segundo lugar, como la demanda cambia, quiz
pronto sea necesario revisar la constante alfa que se
eligi esta semana.
Por lo tanto se tienen dos estrategias para controlar el valor
de alfa

1. Dos o ms valores predeterminados de alfa. Se mide


la cantidad de error entre el pronstico y la demanda real.
Dependiendo del grado de error, se utilizan distintos
valores de alfa. Si el error es grande, alfa es 0.8; si el
error es pequeo, alfa es 0.2
2. Valores calculados de alfa. Una constante de rastreo
alfa calcula si el pronstico sigue el paso a los cambios
genuinos hacia arriba o hacia abajo en la demanda (en
contraste con los cambios aleatorios). En esta aplicacin,
la constante de rastreo alfa se define como el error real
suavizado exponencialmente dividido entre el error
absoluto suavizado exponencialmente. Alfa cambia de un
periodo a otro en el rango posible de 0 a 1.
MEDICIN DE ERROR DE
PRONOSTICO
La exactitud general de cualquier modelo de pronostico
promedios mviles, suavizamiento exponencial, u otro-
puede determinarse al comparar los valores pronosticados
con los valores reales u observados. Si Ft denota el
pronostico en el periodo t, y At denota la demanda real del
periodo t, el error de pronostico (o desviacin) se define
como:
Error de pronostico=demanda real valor pronosticado
EF=At-Ft
En la practica se usan varias medidas para calcular el error
global de pronostico. Estas medidas pueden usarse para
comparar distintos modelos de pronostico, as como para
vigilar los pronsticos y asegurar su buen desempeo. Las
tres medidas mas populares son la MAD (desviacin
absoluta media), el MSE (error cuadrtico medio), y el
MAPE (error porcentual absoluto medio). A continuacin se
describen estas medidas y se da un ejemplo de cada una
de ellas.
DESVIACIN ABSOLUTA MEDIA

La primera medicin del error global de pronostico para un


desviacin absoluta media (MAD). Su valor se calcula suman
absolutos de los errores individuales de pronostico y dividiend
entre el numero de periodos con datos (n):


MAD=
EJEMPLO
Durante los ltimos ocho trimestres, en el puerto de Baltimore
se han descargado de los barcos grandes cantidades de grano.
El administrador de operaciones del puerto quiere probar el uso
de suavizamiento exponencial para ver que tan bien funciona la
tcnica para predecir el tonelaje descargado. Supone que el
pronostico de grano descargado durante el primer trimestre fue
de 175 toneladas. Se examinan dos valores de : =.10 y
=.50.

Mtodo: compare los datos reales con los pronsticos (usando


cada uno de los dos valores de ) y despus encuentre la
desviacin absoluta y la MAD.
trimes Tonelaje Pronostico con =.10 Pronostico con =.50
tre real
descarga
do
1 180 175 175
2 168 175+.10(180- 175+.50(180-
175)=175.50 175)=177.50
3 159 175.50+.10(168- 175.50+.50(168-
175.50)=174.75 175.50)=172.75
4 175 174.75+.10(159- 174.75+.50(159-
174.75)=173.18 174.75)=165.88
5 190 173.36 170.44
6 205 175.02 180.22
7 180 178.02 192.61
8 182 178.22 186.30
9 ? 178.59 184.15
Para evaluar la exactitud de cada constante de
suavizamiento, podemos calcular los errores de
pronostico en trminos de desviaciones absolutas y
MAD.
TRIMESTRE TONELAJE PRONOSTICO DESVIACIN PRONO
REAL CON =.10 ABSOLUTA CON
DESCARGAD PARA =.10
O
1 180 175 5.0 17

2 168 175.50 7.50 177

3 159 174.75 15.75 172

4 175 173.18 1.82 165

5 190 173.36 16.64 170

6 205 175.02 29.98 180

7 180 178.02 1.98 192

8 182 178.22 3.78 186

Suma de 82.45
desviaciones
absolutas
MAD=

10.31
MNIMOS CUADRADOS

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
En una grafica siempre que los puntos de los datos
parezcan seguir una lnea recta, podemos emplear el
mtodo de mnimos cuadrados para determinar la recta de
mejor ajuste. Esta recta es la que mas se aproxima a pasar
por todos los puntos.
Otra manera de expresar lo mismo es que la recta
deseada minimiza las diferencias entre la recta y cada uno
de los puntos.

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
135

130

125

120

115

110

105

10 11 12 13 14
15

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Una lnea recta esta definida por la ecuacin:
Y= a + bx
donde
Y = variable dependiente
X = variable independiente
a = interseccin de la recta con el eje Y
b = pendiente de la recta
Se emplean dos ecuaciones para determinar a y b. La
primera se obtiene si se multiplica la ecuacin de la recta por
el coeficiente de a y despus se suman los trminos. Con el
coeficiente de a igual a 1 y N como el numero de puntos, la
ecuacin se convierte en
LIBRO: SISTEMAS DE PRODUCCIN.
= + PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
La segunda ecuacin se desarrollo en una forma
semejante. El coeficiente de b es x. Despus de
multiplicar cada termino por x y sumando todos los
trminos, tenemos:

= + 2

Las dos ecuaciones as obtenidas se llaman ecuaciones


normales.

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Las cuatro sumas requeridas para resolver las ecuaciones
son: y, x, xy, y x^2, se obtienen por medio de un mtodo
tabular.
Podemos simplificar los clculos seleccionando
cuidadosamente el punto base. Debido a que x es igual al
numero de periodos a partir del punto base, se selecciona un
punto medio en la serie temporal, conforme la base hace que
x sea igual a cero. Los nmeros mas pequeos resultantes de
un punto base centrado hacen tambin que otros productos y
sumas requeridas sean mas fciles de manipular.
Aos x
1964 -2
1965 -1
1966 0**
1967 +1 LIBRO: SISTEMAS DE
PRODUCCIN.
1968 +2 PLANEACIN, ANLISIS Y
x= 0 CONTROL
AUTOR: JAMES L. RIGGS
**punto base PAGINAS: 71-74
Despus de que se obtienen las cuatro sumas, se sustituyen
en las ecuaciones normales y se calculan los valores de a y b.
Entonces estos valores se sustituyen en la ecuacin de la recta
para completar la formula del pronostico:

yF = a+ bx

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Para ilustrar las diferentes versiones del mtodo de mnimos
cuadrados, empleamos primero1964 como el punto base y
despus 1966. Utilizando un formato tabular con Y como ventas
en incrementos de 10,000 dlares para determinar y, x,
xy, y x^2, tenemos
ao y x X^2 xy
2011 108 0 0 0 (punto
base)
2012 119 1 1 119
2013 110 2 4 220
2014 122 3 9 366
2015 130 4 16 520
sumas 589 10 30 1225
La cual da las ecuaciones normales
589=5 a +10b
1225=10 a +30b
Estas ecuaciones se resuelven simultneamente para dar:
a= 108.4 $1,084,000
b=4.7 $47,000

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Una ecuacin de pronostico se desarrolla sustituyendo los
valores de a y b en la ecuacin de la recta. El pronostico para
2016 esta a 5 aos del punto base de 2011 de la primera
versin que nos dio la ecuacin:
YF= a + bx
yF= $1,184,000 + $47,000 x

Y el pronostico
F2016= $1,084,000 + $47,000 (5)= 1,319,000

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Empleando los mismos datos y formato, pero cambiando el
punto base de 1964 a 1966, obtenemos:

ao y x X^2 xy
2011 108 -2 4 -216
2012 119 -1 1 -119
2013 110 0 0 0 (punto
base)
2014 122 1 1 122
2015 130 2 4 260
sumas 589 0 10 47
Los cuales permiten que a y b se calculen como:

a= = = 117.8 $1,178,000
y 589
n 5
b= = = 4.7 $47,000

xy 47
x^2 10

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
El pronostico para 2016 esta a 3 aos del punto base de
2013 de la segunda versin que nos dio la ecuacin
yF= $1,178,000 + $47,000 x

Y el pronostico
F2016= $1,178,000 + $47,000 (3)= 1,319,000

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Conclusin
Una comparacin de los dos pronsticos y los
clculos incluidos en el desarrollo de las ecuaciones
confirma que centrado el periodo base se reduce la
aritmtica sin alterar los valores del pronostico.

LIBRO: SISTEMAS DE PRODUCCIN.


PLANEACIN, ANLISIS Y CONTROL
AUTOR: JAMES L. RIGGS
PAGINAS: 71-74
Una recta inclinada parece ser un ajuste razonable para los
datos de la fig. 3.5 para ilustrar las diferentes versiones del
mtodo de mnimos cuadrados, emplearemos primero 1994
como el punto base y despus 1996. utilizando un formato
tabular con Y como ventas en incrementos de 10,000 dlares
para determinar Y, X, X2, , XY, tenemos:
Ao Y X X2 XY
1994 108 0 0 0
1995 119 1 1 119
1996 110 2 4 220
PUNTO BASE
1997 122 3 9 366
1998 130 4 16 520
Sumas 589 10 30 1225

la cual de las ecuaciones normales


589 = 5a + 10b
1225= 10a + 30b
Estas ecuaciones se resuelven simultneamente para dar
a= 108.4 $1,084,000
b= 4.7 $47,000
Empleando los mismos datos y formato, pero cambiando el punto
base de 1994 a 1996, obtenemos:

Ao Y X X2 XY
1994 108 -2 4 -216
1995 119 -1 1 -119
1996 110 0 0 0 PUNTO BASE
1997 122 1 1 122
1998 130 2 4 260
Sumas 589 0 10 47

Los cuales permiten que a y b se calculen como:


a=

=

= 117.8 $1,178,000
b=
=

= 4.7 $47,000
Una ecuacin de pronstico se desarrolla substituyendo
los valores de a y b en la ecuacin de la recta. El
pronstico para 1999 est a 5 aos del punto base de
1994 de la primera versin que nos dio la ecuacin

YF= $1,084,000 + $47,000X


Y el pronstico
Y1999= $1,084,000 + $47,000(5) = $1,319,000

De manera semejante, empleando la frmula


desarrollada desde un punto base en 1996
YF= $1,178,000 + $47,000X
El pronstico para 1999 se encuentra a 3 aos del
punto base y se calcula como:
Y1999= $1,178,000 + $47,000(3) = $1,319,000

Una comparacin de los dos pronsticos y los


clculos incluidos en el desarrollo de las ecuaciones
confirma que centrado el periodo base se reduce la
aritmtica sin alterar los valores del pronstico.
ANLISIS DE
REGRESIN LINEAL
SIMPLE: UNA
REGRESIN LINEAL
Specific Motors produce motores electrnicos para
vlvulas automticas para la industria de la construccin.
durante mas de un ao, la planta de produccin de specific
ha operado a casi plena capacidad. Jim White, el gerente
de planta, estima que el crecimiento de ventas continuara y
desea desarrollar un pronostico a largo plazo que se usara
para planear las necesidades de las instalaciones para los
siguientes tres aos. se han totalizado las cifras de ventas
correspondientes a los ltimos diez aos.
VENTAS VENTAS
ANUALES ANUALES
AO AO
(MILES DE (MILES DE
UNIDADES) UNIDADES)
1 1000 6 2000

2 1300 7 2200

3 1800 8 2600

4 2000 9 2900

5 2000 10 3200
Estudiamos las formulas y la definicin de las
variables, y despus construimos la tabla siguiente para
establecer los valores a utilizar en las formulas.
VENTAS ANUALES PERIOD
AO (MILES DE UNIDADES) O X^2 XY
(Y) (X)
1 1000 1 1 1000
2 1300 2 4 2600
3 1800 3 9 5400
4 2000 4 16 8000
5 2000 5 25 10000
6 2000 6 36 12000
7 2200 7 49 15400
8 2600 8 64 20800
9 2900 9 81 26100
10 3200 10 100 32000
TOTAL
21000 55 385 133300
ES
(10)(133300)-(55)(21000) 178000
b= =
825 825

b= 215.757
Ahora que conocemos los valores de a y de b, podemos
utilizar la ecuacin de regresin para pronosticar las
ventas de aos futuros:

Y= a + bx
Y=913.333+ 215.757x
Si deseamos pronosticar las ventas en miles de unidades
para los tres aos siguientes, podramos reemplazar 11, 12
y 13, que son los tres valores siguientes de x, en la
ecuacin de regresin de x:

Y=913.333+ 215.757(11)= 3,286.6 3,290 miles de unidades


Y=913.333+ 215.757(12)=3,502.4 3500 miles de unidades
Y=913.333+ 215.757(13)=3,718.1 3720 miles de unidades.
EL CLCULO.
Cuando se dispone de suficientes datos, se puede
calcular rempleando las sumas de cuadrados, como
se indic anteriormente, o ms directamente, por
medio de la frmula

()
r=


Esta ecuacin es apropiada cuando los grados de


libertad no tienen que ser considerados por que
existen suficientes datos.
Cuando los datos estn limitados, las sumas de los
cuadrados se dividen cada una entre sus grados de
libertad asociados.

S-ar putea să vă placă și