Documente Academic
Documente Profesional
Documente Cultură
Pronsticos
Produccin II - Pronsticos 1
PRONSTICOS
Que es y para qu se usan:
Es necesario para:
Determinar que recursos se necesitan.
Programar los recursos existentes.
Adquirir recursos adicionales.
Produccin II - Pronsticos 2
PRONSTICOS
Son estimaciones de la ocurrencia, la cronologa o la
magnitud de futuros eventos inciertos.
Produccin II - Pronsticos 3
PRONSTICOS
En qu se basan ?
Generalmente, los pronsticos son respaldados por consejeros econmicos,
estadsticos, polticos y tcnicos, y se basa en informacin sobre los aspectos tales
como:
Niveles de produccin industrial, tanto nacionales como internacionales.
Gasto pblico.
Disponibilidad de mano de obra.
Cambios posibles en la estructura de precios.
Variaciones en los niveles de vida.
Competencia, tanto nacional como internacional.
Nuevos productos posibles.
Mercados potenciales.
Cambios tecnolgicos.
Recursos e historial de la empresa.
Objetivos, polticas y planes de la empresa a largo plazo.
.
Produccin II - Pronsticos 4
PRONSTICOS
Qu se pronostica?
Precios de materiales
Costo de mano de obra
Tasas de inters
Ingresos
Gastos
Produccin II - Pronsticos 5
El Rol de los Pronsticos en la Administracin
Operativa
Son imprescindibles para la toma de decisiones efectiva.
Son necesarios para reducir el nivel de incertidumbre o riesgo acerca del futuro.
Produccin II - Pronsticos 6
Jerarqua de Metas, Decisiones y Funciones
Produccin II - Pronsticos 7
Fundamentos de Pronsticos
Produccin II - Pronsticos 8
Pronstico de Demandas
Produccin II - Pronsticos 9
Sistema Operativo de Pronsticos
Produccin II - Pronsticos 10
Integracin de Base de Datos de Demanda
La integracin de la base de datos de demanda no es tarea fcil.
El resultado final de un buen pronstico es la satisfaccin del consumidor y el
logro de rentabilidad duradera de la empresa.
El concepto de servicio al consumidor se relaciona con l, atravs de las
ventas prdidas y envos de rdenes tardas.
Generalmente estos conceptos distorsionan los datos histricos, los cuales
pierden precisin para la estimacin de la demanda.
Los datos histricos de ventas son iguales al valor mnimo entre la demanda y la
oferta de artculos.
Ordenes tardas distorsionan datos de embarque como una medida de la
demanda.
La fecha de la demanda debe ser la fecha de entrega solicitada y no la realizada.
Capturar datos de demanda, no datos de ventas o embarque.
Produccin II - Pronsticos 11
Integracin de Base de Datos de
Demanda
La demanda es la cantidad de artculos pedida, n la prometida.
Capturar la cantidad requerida por el cliente antes de informar sobre la no
disponibilidad de artculos.
La falta de un artculo puede causar la prdida de ventas de otros
complementarios.
La falta de un artculo puede distorsionar la historia de demanda de los
artculos complementarios.
Algunas empresas no capturan como demanda las ventas perdidas.
Se recomienda utilizar un sistema de captura de datos perpetuo o continuo.
La efectividad de los pronsticos requiere de bases de datos de demanda
precisas.
Una base de datos de demanda precisa es un recurso estratgico.
Produccin II - Pronsticos 12
Integracin y Tipos de Pronsticos
Produccin II - Pronsticos 13
Tipos de Mtodos de Pronsticos
Mtodos de
Pronstico
Previsiones Predicciones
Se emplean cuando la situacin es Se emplean cuando la situacin
Mtodos basados en
estable y existen datos no es clara y existen pocos
Cuantitativos opinionesCualitativos
o estimados
histricos: Productos existentes, datos: Productos nuevos,
subjetivos o de juicio.
Tecnologa actual. Nueva tecnologa.
Estadstico quede
depende, Opinin Ejecutiva
Dependencia de datos histricos
Series de Analoga Histrica
Causal fundamentalmente,
variables independientes: de los
Tiempo Delphi
datos histricos de la
Campaa de promociones
demanda. Investigacin de Mercado
Condiciones econmicas
Actividades de los competidores
Proyeccin de tendencias
Proyeccin de
Suavizacin ajustadas por influencias
tendencias
estacionales
14
PRONSTICOS
Demanda
Suelen variar considerablemente tanto para bienes y servicios.
Produccin II - Pronsticos 15
Patrones de Demanda
Cantidad
Tiempo
Tiempo
Respuesta
Mes, trimestre, ao
Produccin II - Pronsticos 18
Patrones de Demanda
Cantidad
Ao 1
Ao 2
| | | | | | | | | | | |
J F M A M J J A S O N D
Meses
(c) Estacional: Los datos muestran crestas y valles de manera
consistentes.
Produccin II - Pronsticos 19
Patrones de Demanda
Estacionalidad
Muestra de datos de ascenso o descenso que se repiten.
Se puede ver afectada por la climatologa, las costumbres,
etc.
Se produce dentro de un periodo anual.
Verano
Respuesta
Mes, trimestre
Produccin II - Pronsticos
20
Patrones de Demanda
Cantidad
| | | | | |
1 2 3 4 5 6
Aos
(d) Cclico: Los datos revelan incrementos y decrementos
graduales en el curso de largos perodos de
tiempo.
Produccin II - Pronsticos 21
Patrones de Demanda
Variaciones aleatorias
Son saltos en los datos causados por el azar y
situaciones inusuales.
Son debidas a variaciones aleatorias o a situaciones
imprevistas:
Huelga.
Terremoto.
Son de corta duracin y no se repiten.
Produccin II - Pronsticos 22
Patrones de Demanda
Produccin II - Pronsticos 23
PRONSTICOS
Factores que Afectan la Demanda
Factores externos
Se encuentran fuera del control de la gerencia.
Produccin II - Pronsticos 24
PRONSTICOS
Factores externos (continuacin)
Indicadores Tempranos: representan factores externos cuyos puntos de
inflexin anteceden a crestas y valles del ciclo general de los negocios.
Ej. Incremento en ventas de residencias en verde
Indicadores Coincidentes: los puntos de inflexin coinciden con el ciclo
general de los negocios
Ej. Cifras de desempleos, temporeras
Indicadores retrasados: se presentan a continuacin de los puntos de
inflexin con demora de varias semanas o meses.
Ej. Prstamo comercial para expandir la empresa
Otros factores: - Gustos cambiantes (ropa)
- Imagen del artculo (cigarros vs. cncer)
- Actividad de la competencia (publicidad)
Produccin II - Pronsticos 25
PRONSTICOS
Factores internos
Las decisiones internas en su conjunto, provocan cambios en el volumen
de la demanda como es:
Diseo de envases.
Produccin II - Pronsticos 26
PRONSTICOS
Factores internos
Produccin II - Pronsticos 27
PRONSTICOS
Diseo del sistema de Pronstico
Gerencia frente a un pronstico debe tomar tres decisiones
Qu va a pronosticar.
Qu tipo de tcnica va a aplicar
Tipo de hardware o software o ambos que utilizar
I. Qu va a pronosticar
1. Nivel de acumulacin
Es agrupar varios productos o servicios similares, con lo cual las
compaas pueden realizar pronsticos ms asertivos y derivar por
productos o servicios
Esta forma con lleva a un error generalmente es 5%.
Al pronosticar por artculo el error es >> 5%
Produccin II - Pronsticos 28
PRONSTICOS
Qu va a pronosticar (continuacin)
Sistema a dos niveles.
1er pronstico: Familias bienes o servicios con similares caractersticas en:
-- Requisitos de demanda
Procesamiento
Trabajo y Materiales.
2do pronstico: de las cifras generales se deriva el pronstico por elemento
individual.
2. Unidades de medicin
De mayor utilidad son las unidades de productos o servicios y no de dinero.
Ej. Unidades de radios, paquetes por entregar, nmero de clientes, etc.
Produccin II - Pronsticos 29
PRONSTICOS
Enfoques del Pronstico
Mtodos cualitativos Mtodos cuantitativos
Se emplean cuando la situacin no es Se emplean cuando la situacin es
clara y existen pocos datos: estable y existen datos
Productos nuevos. histricos:
Nueva tecnologa. Productos existentes.
Tecnologa actual.
Requieren intuicin y experiencia: Requieren tcnicas matemticas:
Por ejemplo, el pronstico Por ejemplo, el pronstico de
de las ventas a travs de las ventas de televisiones en
Internet. color.
Produccin II - Pronsticos 30
PRONSTICOS
II. Decisin del tipo de tcnica de pronstico
La precisin de pronstico depende de la seleccin de una tcnica
apropiada y de los costos que esto puede acarrear, para este ltimo:
Comprar un software.
Tiempo requerido para hacerlo
Capacitacin del personal
Tcnicas
Cualitativa:
Mtodo de juicio
Cuantitativa:
Mtodos Causales
Anlisis de serie de tiempo
Produccin II - Pronsticos 31
PRONSTICOS
Decisin del tipo de tcnica de pronstico (continuacin)
Cualitativos
Mtodo de juicio: cuando no se dispone de datos histricos
Opinin de Gerentes y Expertos
Encuestas de consumidores
Estimaciones entregadas por rea de ventas
Cuantitativos
Mtodos Causales: Dependencia de datos histricos de variables
independientes:
Campaa de promociones
Condiciones econmicas
Actividades de los competidores
Anlisis de Serie de Tiempo estadstico que depende,
fundamentalmente, de los datos histricos de la demanda.
Produccin II - Pronsticos 32
PRONSTICOS
Decisin del tipo de tcnica de pronstico (continuacin)
Tcnicas
Anlisis de serie de tiempo es de mayor utilizacin, es econmico.
Mtodos Causales menos ocupado, ms costoso, mayor tiempo de
procesamiento que el anterior pero ms preciso.
Mtodo de juicio cuando no se dispone de datos histricos, ms
costoso que el primero.
Un factor clave en la seleccin del pronstico ms adecuado es el
HORIZONTE DE TIEMPO: corto, mediano y largo plazo.
Produccin II - Pronsticos 33
Factores que Afectan la Demanda
Horizonte de tiempo
Mediano plazo Largo plazo
Corto plazo (3 Meses - (ms de
Aplicaciones (0-3 Meses) 2 Aos) 2 Aos)
Cantidad pronosticada Productos o
servicios
Individuales
Produccin II - Pronsticos
34
PRONSTICOS
Horizonte de tiempo (continuacin)
Tcnicas
Mtodos Causales eficaz para estimar puntos de inflexin, crecimientos
lentos de ventas, til para gerentes de produccin.
Mtodo de juicio tambin estima puntos de inflexin, usado cuando no
existen antecedentes histricos.
Cuidado! Anlisis de serie de tiempo no sirve, ya que los patrones
considerados no tiene porque seguir existiendo en el futuro.
Produccin II - Pronsticos 35
Factores que Afectan la Demanda
Horizonte de tiempo
Produccin II - Pronsticos 36
PRONSTICOS
Horizonte de tiempo (continuacin)
Largo plazo ( ms de dos aos)
Sus pronsticos se elaboran en torno a la demanda total de ventas en
trminos de dinero u otras como: kilogramos, barriles, HP etc.
Son difciles de realizar.
Son excesivamente detalladas.
Tcnicas
Mtodos Causales aunque es un anlisis matemtico, igual deben
ser revisados por la experiencia y el buen juicio.
Mtodo de juicio
Produccin II - Pronsticos 37
Factores que Afectan la Demanda
Horizonte de tiempo
Produccin II - Pronsticos
38
III. Pronstico por medio de Computadoras
Produccin II - Pronsticos
39
Anlisis de Mtodos
Mtodo de Juicio
Utilizado cuando:
No existen datos histricos.
Cambio de tecnologa.
Modificacin de pronsticos cuantitativos (resultados extraos)
Se confa en la experiencia y el buen juicio
Existen cuatro formas:
1.- Estimacin de la fuerza de ventas
Personas cerca de los clientes
Ventajas
Mayor probabilidad de conocer que productos o servicios comprarn los
clientes.
Informacin til para administrar inventario, distribucin, formacin de equipos
de venta.
Combinar todas las opiniones para obtener una sola por ejemplo para una
regin.
Produccin II - Pronsticos 40
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
Desventajas
Algunos muy optimistas otros muy cautelosos
No diferencian entre lo que el cliente desea y lo que realmente necesita.
Vendedores subestiman el pronstico, para que su rendimiento parezca
bueno, cuando supera la proyeccin o esforzarse solamente para alcanzar
meta.
2.- Opinin Ejecutiva
Uso
Modificar un pronostico de venta actual, debido a un evento inesperado.
Elaborar pronsticos tecnolgicos.
Desventajas
Puede ser costosa.
Puede quedar fuera de control.(sin la aprobacin colectiva)
Produccin II - Pronsticos 41
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
Desventajas
Costosas, errores en la formulacin e interpretacin de las respuestas.
Limitaciones (Ej. Respuestas por correo)
Produccin II - Pronsticos 42
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
4.- Mtodo Delphi
Obtener consenso dentro de un grupo de expertos, pero en anonimato, sin
experiencia en el tema.
El panel de expertos pueden dedicarse a distintos rubros como, poltica,
negocios, cientfico, ambientalistas, etc.
Uso
Pronosticar a largo plazo.
Proyeccin de venta de un producto nuevo.
Desventajas
Puede alargarse por mucho tiempo (ms de un ao).
Probabilidad de respuestas menos significativas que si ellos no asumen el
problema.
Pocas evidencias de alto grado de precisin.
Los cuestionarios mal planteados conducen a errores.
Produccin II - Pronsticos 43
Visin Global de los Mtodos Cuantitativos
Mtodo
Regresin lineal
causal
Produccin II - Pronsticos 44
Mtodo Causal
Regresin Lineal
Se dispone de datos histricos, se puede relacionar lo que se intenta pronosticar
con otros factores externos o internos.
Ventajas
Posee instrumentos ms refinados de pronsticos.
Excelente para prever puntos de inflexin de la demanda.
til para pronsticos de mediano o largo plazo.
Regresin lineal consiste en que una variable dependiente se relaciona con una
o ms variables independiente por medio de una expresin algebraica.
Ejemplo:
Variable dependiente: se quiere pronosticar la demanda de barniz para
puertas.
Variable independiente: gasto de publicidad o inicio de la construccin
de nuevas viviendas.
Produccin II - Pronsticos 45
Mtodo Causal
Regresin Lineal
Y Ecuacin de
Estimacin de
Variable Dependiente
Y a partir de
regresin:
la ecuacin Y = a + bX
de regresin
Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
46
Mtodo Causal
Regresin Lineal
Desviacin
Y o error
Ecuacin de
Variable Dependiente
Estimacin de regresin:
Y a partir de
la ecuacin
Y = a + bX
de regresin
{ Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
47
Mtodo Causal
Regresin Lineal
Produccin II - Pronsticos 48
Mtodo Causal
Regresin Lineal
Produccin II - Pronsticos 49
Mtodo Causal
Regresin Lineal
Ejercicio prctico:
La persona a cargo de programar la produccin de la compaa, tiene
que elaborar un pronsticos de la demanda de un producto, a fin
de plantear las cantidades de produccin ms apropiadas
Durante un almuerzo de negocios, el gerente de Marketing aporta
informacin sobre el presupuesto de publicidad destinado a una
bisagra de bronce para puertas.
Se presenta a continuacin los datos sobre ventas y publicidad
correspondiente a los ltimos cinco meses.
La gerencia de Marketing afirma que la compaa gastar el mes
entrante US$1.750 en publicidad para el producto. Aplique la regresin
lineal para desarrollar una ecuacin y un pronstico para ese producto.
Produccin II - Pronsticos 50
Mtodo Causal
Regresin Lineal
Ejemplo 01
Produccin II - Pronsticos 51
Mtodo Causal
Regresin Lineal
300
Ventas (miles de unidades)
200 a = - 8.136
b = 109.229
150
r = 0.98
100 r2 = 0.96
Y = - 8.136 + 109.229X syx = 15.61
50 | | | |
El valor
1.0 1.5de r es2.0 2.5 a 1,00 significa que existe una
muy prximo
Pronstico
Pronstico
fuerte
Publicidad relacin
(miles de
para
para
entre Mes
Mes
ventas
dlares)
66
y publicidad, la seleccin es buena.
2 =significa
Ejemplo 01
X
RX =$1750,
$1.750,queYel Y=96%
=- 8.136
183.015 + 109.229(1.75)
unidades
de la variacin observada en las
ventas, se atribuye aIIlos
Produccin gasto involucrados de publicidad.
- Pronsticos 52
Mtodo Causal
Regresin Lineal
300
Ventas (miles de unidades)
250
Ventas Publicidad
Mes (000 unidades) (000 $)
200
1 264 2.5 a = - 8.136
2
150 116 1.3 b = 109.229
3 165 1.4 r = 0.98
4
100 101 1.0 r2 = 0.96
5 209
Y = - 8.136 +2.0
109.229X syx = 15.61
50 |
El ingeniero a| cargo de
| produccin
| puede utilizar este
1.0
pronstico 1.5 saber
para 2.0las bisagras
2.5 que necesitar en el mes 6.
Publicidad
Si suponemos(miles
quede
sedlares)
tiene en inventario 62.500 unidades,
Cunto deber planificar como produccin?.
Ejemplo 01
Produccin II - Pronsticos 53
Mtodo Causal
Regresin Lineal
300
Ventas (miles de unidades)
250
Ventas Publicidad
Mes (000 unidades) (000 $)
200
1 264 2.5 a = - 8.136
2
150 116 1.3 b = 109.229
3 165 1.4 r = 0.98
4
100 101 1.0 r2 = 0.96
5 209
Y = - 8.136 +2.0
109.229X syx = 15.61
50 | | | |
Se1.0
tiene1.5
en inventario
2.0 2.5 = 62,500 unidades,
Publicidad (miles de dlares)
Produccin = 183,015 - 62,500 = 120,015 unidades
Ejemplo 01
Produccin II - Pronsticos 54
Mtodo Causal
Regresin Lineal
El anlisis de regresin es una buena gua para decisiones importantes
como:
Administracin de inventarios.
Planificacin de capacidades.
Administracin de procesos.
Produccin II - Pronsticos 55
Mtodo Causal
Regresin Lineal
Ventas Publicidad
Mes (000 unidades) (000 $)
1 264 2.5 a = ?
2 116 1.3 b = ?
3 165 1.4 r = ?
4 101 1.0 r2 = ?
5 209 2.0
Ejemplo 01
Produccin II - Pronsticos 56
Mtodo Causal
Regresin Lineal
Ventas Publicidad
Mes (000 unidades) (000 $)
1 264 2.5
2 116 1.3
3 165 1.4
4 101 1.0
5 209 2.0
XY - nXY
a = Y - bX b=
X 2 - nX 2
Ejemplo 01
Produccin II - Pronsticos 57
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
XY - nXY
a = Y - bX b=
X 2 - nX 2
Ejemplo 01
Produccin II - Pronsticos 58
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
XY - nXY
a = Y - bX b=
X 2 - nX 2
Ejemplo 01
Produccin II - Pronsticos 59
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
1560.8 - 5(1.64)(171)
a = Y - bX b=
14.90 - 5(1.64)2
Ejemplo 01
Produccin II - Pronsticos 60
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
a = Y - bX b = 109.229
Ejemplo 01
Produccin II - Pronsticos 61
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
Ejemplo 01
Produccin II - Pronsticos 62
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
a = - 8.136 b = 109.229
Ejemplo 01
Produccin II - Pronsticos 63
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
a = - 8.136 b = 109.229
Y = - 8.136 + 109.229(X)
Ejemplo 01
Produccin II - Pronsticos 64
Mtodo Causal
Regresin
300 Lineal
Ventas (miles de unidades)
250 Y Publicidad, X
Ventas,
Mes (000 unidades) (000 $) XY X2 Y2
1
200264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 150165
1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
100
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
50 | | | |
1.0 1.5 2.0 2.5
a = - 8.136 = 109.229
Publicidad b(miles de dlares)
Y = - 8.136 + 109.229(X)
Ejemplo 01
Produccin II - Pronsticos 65
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
Ejemplo 01
Produccin II - Pronsticos 66
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
Coeficiente de
nXY - X Y
r= correlacin de
[nX 2 -(X) 2][nY 2 - (Y) 2] la muestra
Ejemplo 01
Produccin II - Pronsticos 67
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
r = 0.98
Ejemplo 01
Produccin II - Pronsticos 68
Mtodo Causal
Regresin Lineal
Ventas, Y Publicidad, X
Mes (000 unidades) (000 $) XY X2 Y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
Y = 171 X = 1.64
Ejemplo 01
Produccin II - Pronsticos 70
Problema
La demanda de cambios de aceite registrada en el Taller ha sido la siguiente
Produccin II - Pronsticos 71
Solucin
Y = 42,475 + 2,45X
Produccin II - Pronsticos 72
Mtodo Series de Tiempo
Produccin II - Pronsticos 73
Mtodo Series de Tiempo
Modelo de Pronstico Emprico
Produccin II - Pronsticos 74
Mtodo Series de Tiempo
Produccin II - Pronsticos 75
Mtodo Series de Tiempo
Produccin II - Pronsticos 76
Mtodo Series de Tiempo
Produccin II - Pronsticos 77
Mtodo Series de Tiempo
Ejemplo
Clnica: llegada de pacientes en las
Llegadas de pacientes
ltimas 28 semanas.
Patrn de demanda: llegada de
pacientes no es de tendencia ni
estacional ni cclico.
Serie de tiempo: muestra un patrn
Horizontal y Aleatorio.
Errores aleatorios: nadie los puede Llegadas reales
prever, no quedamos tranquilos al de pacientes
estimar solo promedios.
Semana
Produccin II - Pronsticos 78
Mtodo Series de Tiempo
Tcnicas estadsticas tiles para el pronstico de series de tiempo:
Promedio mviles simples.
Promedio mviles ponderados.
Suavizacin exponencial.
Produccin II - Pronsticos 79
Mtodo de Promedio Mviles Simples (MA)
D t + D t 1 + D t 2 ...........D t n + 1
F t + 1 = At =
n
At = Promedio de la demanda real de n periodos anteriores
Dt = demanda real del perodo t
n = Nmero total de perodos incluidos en el promedio.
Produccin II - Pronsticos 80
Clculo del Promedio Mvil, At
Elabore un pronstico de promedio mvil de tres semanas para estimar la
llegada de pacientes a la clnica mdica durante la cuarta semana. Los datos
correspondientes a la llegada de pacientes durante las ltimas tres semanas
fueron las siguientes:
Semana Llegada de pacientes
1 400
2 380
3 411
Produccin II - Pronsticos 81
Clculo del Promedio Mvil, At
D1 =400
D2 =380
415
D3 = 411 411
410
Llegada de pacientes
405
400 400
A3 =397
At =( Dt + Dt - 1 + 395Dt - 2 ) / 3
A3 =( D +A
Ft3 = D2t -+
390D ) / 3
1 1
A3 =( 400F+ 380385
4 = A 3
+ 411 ) / 3
380 380
F4 = 397
375
0 1 2 3 4 5Semana 6
Produccin II - Pronsticos 82
Clculo del Promedio Mvil, At
D1 =400
D2 =380
420
D3 = 411
415 415
D4 = 415 411
Llegada de pacientes
410
405
A4 =402 400 400
At =( Dt + Dt - 1 + D
395 t - 2
)/3
A4 =( D +A
Ft4 = D3t -+
1 D2 ) / 3
390
A3 =( 415F+ 411 385
5 = A 4
+ 380 ) / 3
F5 = 402380 380
375
0 1 2 3 4 5 6
Semana
Produccin II - Pronsticos 83
Mtodo Series de Tiempo
Promedios Mviles Simples
450
Llegadas de pacientes
430
410
390
370
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 02 Produccin II - Pronsticos 84
Mtodo Series de Tiempo
Promedios Mviles Simples
450
Llegadas de pacientes
430
410
390
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 02 Produccin II - Pronsticos 85
Mtodo Series de Tiempo
Promedios Mviles Simples
450
Llegadas de pacientes
430
410
390
370 Llegadas de
pacientes reales
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 02 Produccin II - Pronsticos 86
Mtodo Series de Tiempo
Promedios Mviles Simples
Pronstico MA
450 Pronstico MA
6-semanas
Llegadas de pacientes
3-semana
430
410
390
370 Llegadas de
pacientes reales
| | | | | |
0 5 10 15 20 25 30
Semana
Produccin II - Pronsticos 87
Problema
Clculo del Promedio Mvil, At
La duea de una tienda de computadores arrienda impresoras a algunos
de sus mejores clientes. Ahora le interesa elaborar un pronstico de sus
operaciones de arriendo para poder comprar la cantidad apropiada de
suministros para sus impresoras. A continuacin se entregan los datos
correspondiente a las 10 ltimas semanas.
Produccin II - Pronsticos 88
Semana Arriendo Semana Arriendo
1 23 6 28 Solucin
2 24 7 32
3 32 8 35
4 26 9 26
5 31 10 24
Produccin II - Pronsticos 89
Mtodo Series de Tiempo
Promedios Mviles Ponderados
Produccin II - Pronsticos 90
Promedio Mvil Ponderado, AWt
Ventaja
Permite hacer nfasis en la demanda reciente.
Responde mejor que el pronstico de promedio mvil simple.
Desventaja
Sigue retrasndose con respecto a la demanda porque slo calcula
promedios de la demanda en el pasado.
Se observa mucho mejor el retrazo cuando existe una tendencia, ya que
el promedio de serie de tiempos va en incremento o disminucin en
forma sistemtica.
Produccin II - Pronsticos 91
Promedio Mvil Ponderado, AWt
Produccin II - Pronsticos 92
Promedio Mvil Ponderado, AWt
N
D1 =400 W1 = 0,1 AWt D t j1 Wt j1
j1
D2 =380 W2 = 0,2
415
D3 = 411 W3 = 0,7 411
410
Llegada de pacientes
405
A3 = W3*D3 + 400
W2*D2 + W1*D
4001
A3 = 0,7*411 + 0,2*380
395
+ 0,1*400
A3 = 403,7
390
=404
385
Ft =
380 A t-1 380
F4 =
375 A3
F4 = 404
0 1 2 3 4 5Semana 6
Produccin II - Pronsticos 93
Promedio Mvil Ponderado, AWt
450
Llegadas de pacientes
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 03 Produccin II - Pronsticos 94
Promedio Mvil Ponderado, AWt
450 Llegada de
Semana pacientes
Llegadas de pacientes
430 1 400
2 380
410 3 411
4 415
390
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 03 Produccin II - Pronsticos 95
Promedio Mvil Ponderado, AWt
450 Llegada de
Semana pacientes
Llegadas de pacientes
430 1 400
2 380
410 3 411
4 415
390
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 03 Produccin II - Pronsticos 96
Problema
Las ventas realizadas en los ltimos doce meses por la minera
El Indio aparecen a continuacin.
Mes Ventas
(US$ millones) Utilice un promedio mvil ponderado de tres
Enero 20 meses para pronosticar las ventas en los
Febrero 24 meses transcurridos entre abril y diciembre.
Marzo 27
Use ponderaciones de 3/6 , 2/6 y 1/6,
asignando una ponderacin mayor a los
Abril 31
datos ms recientes.
Mayo 37
Junio 47
Julio 53
Agosto 62
Septiembre 54
Octubre 36
Noviembre 32
Diciembre 29
Produccin II - Pronsticos 97
Promedio mvil ponderado minera El Indio
Produccin II - Pronsticos 98
Produccin II - Pronsticos 99
Suavizamiento Exponencial Simple
Dt = + et
El modelo refleja un error aleatorio alrededor de una tendencia central estable.
Donde et se distribuye normalmente con media cero.
At = Dt + ( 1 - ) A t - 1
At = Dt + ( 1 - ) A t - 1
A t -1 refleja la historia
Si se cree en la ltima demanda
=1
Si se cree en la historia
=0
At = Dt + ( 1 - ) A t 1 At = A t - 1 + ( Dt - At-1 )
Ft+1 = A t Ft+1 = Dt + ( 1 - ) F t
et = Dt Ft
F t+1 = D t + (1 - ) F t equivalente a:
Formas de Uso
Se requiere de las demandas histricas (Dt) y del pronstico ms reciente
(Ao = F1)
A1 = D1 + (1 - ) A0 F2 = D1 + ( 1 - ) F1
A2 = D2 + (1 - ) A1 F3 = D2 + ( 1 - ) F2
Se va calibrando
t 1
Ft (1 ) k Dt k (1 ) t F1
k 0
Ft 1 * Dt (1 ) * Ft
Ejemplo:
Suponiendo alfa = 0.20 , el pronstico para el periodo t+1 es:
D1 =400
D2 =380
D3 = 411
415
410 411
Llegada de pacientes
405
Pronstico Inicial
400 400
F3 = (D1 + D2)/2
395
F3 = (400 + 380)/2 = 390
390
Para = 0.1 385
Ft+1 = 0.1*Dt + (1 380
- 0.1)*Ft 380
F4 = 0.1*D3 + (1 - 0.1)*F3
375
F4 = 0.1*411 + (1 - 0.1)*390
0 1 2 3 4 5Semana 6
F4 = 392,1
D1 =400
D2 =380
420
D3 = 411
415 415
D4 = 415 411
Llegada de pacientes
410
405
400 400
395
Si la demanda real390
D4 = 415
F5 = 0.1*415 + 0.9*392.1 = 394.1
385
380 380
375
0 1 2 3 4 5 6
Semana
450
Llegadas de pacientes
430
410
390
370
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 04 Produccin II - Pronsticos 111
Suavizamiento Exponencial Simple
450
Llegadas de pacientes
430
410
390
370 Suavizacin
Exponencial
= 0.10
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 04 Produccin II - Pronsticos 112
Mtodo Series de Tiempo
Suavizacin Exponencial
Pronstico MA Pronstico MA
450
3-semanas 6-semanas
Llegadas de pacientes
430
410
390
370 Suavizacin
Exponencial
= 0.10
| | | | | |
0 5 10 15 20 25 30
Semana
Ejemplo 04 Produccin II - Pronsticos 113
Suavizamiento Exponencial Simple Problema
Tendencia (T t)
T t = Promedio de Promedio del + (1 - ) Estimacin de la Tendencia
este perodo
- ltimo perodo en el ltimo perodo
T t = (A t - A t 1 ) + (1 - ) T t1
Mdica SA, ofrece servicios de laboratorio clnico a los pacientes del Hospital Providencia, una
A0 = 28
agrupacin de 10 mdicos familiares asociados que brindan pacientes
un nuevo programa de
mantenimiento de la salud. Los gerentes estn interesados en pronosticar el nmero de
T0 = 3Espacientes
pacientes que van a requerir anlisis de sangre cada semana. preciso comprar suministros y
tomar una decisin acerca del nmero de muestras sanguneas que sern enviadas a otro
D1 = del
laboratorio, para compensar las limitaciones de la capacidad 27laboratorio
pacientes principal.
= 0.20 y = 0.20
Las informaciones recientes acerca de los efectos nocivos que provoca el colesterol en el
corazn han generado un incremento en las solicitudes de anlisis ordinarios de sangre en todo
el pas. En promedio el laboratorio realiz 28 anlisis de sangre cada semana durante las 4
ltimas semanas. La tendencia durante en ese periodo fue de tres pacientes adicionales por
semana.
Tendencia
T0 = 3 pacientes
D = 27 pacientes
80 1
AA1At =
1=
0,2
= 0,2D*27+
+1(1
tD )*(
+(1-(1 0,2)*(
A t -128
0,2)*( +0+T+3)
A tT =)
0 30,2
= 0.20 y = 0.20 -1
70 = 0,2 28)
t -1A t-10) + (1- ) T t-10
T1TT=1t =
0,2 (30,2
(A(A A ) + (1- 0,2)*3
0,2) T = 2,8
Llegada de pacientes
60 FF2 F
=230,2
t+1
== AA1t+++2,8
TT1 t = 33
50
40
30
| | | | | | | | | | | | | | |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana
Produccin II - Pronsticos 120
Suavizacin exponencial ajustada a la
A = 30,2 pacientes Tendencia
1
T1 = 2,8 pacientes
Si laDdemanda real del periodo 2 es de 44
2 = 44 pacientes
80
anlisis de sangre
= 0.20 y = 0.20 A2 = 0,2 *44+ (10,2)*( 30,2+2,8) = 35,2
70 ser el pronstico para el T
2 = 0,2 (35,2 30,2) + (1- 0,2)*2,8 = 3,1
Cul periodo 3?
Llegada de pacientes
50
40
30
| | | | | | | | | | | | | | |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana 121
Mtodo Series de Tiempo Suavizacin
exponencial ajustada a la Tendencia
80
Llegada de pacientes
70
60
50
Nmero real
40 de anlisis
de sangre
30
| | | | | | | | | | | | | | |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana
Ejemplo 05 Produccin II - Pronsticos 122
Mtodo Series de Tiempo Suavizacin
exponencial ajustada a la Tendencia
80 Pronstico
ajustado a la
Tendencia
Llegada de pacientes
70
60
50
Nmero real
40 de anlisis
de sangre
30
| | | | | | | | | | | | | | |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana
Ejemplo 05 Produccin II - Pronsticos 123
Problema
Semana ventas
Aplique la suavizacin exponencial ajustada a la
1 46
tendencia, con = 0,2 y = 0,2, para pronosticar
2 49 las ventas correspondiente a las semanas 2 a 6.
Suponga que el promedio de la serie de tiempo fue
3 43
de 45 unidades y que la tendencia promedio fue de
4 50 +2 unidades por semana, inmediatamente antes de
5 53
la semana 1
Peluquera Semana da
2. Genere un ndice estacional para cada estacin del ao, su valor es el nivel de
demanda en relacin con la demanda promedio.
Clculo: para cada ao, divida la demanda real de una estacin entre la demanda
promedio por estacin.
Ejercicio
El gerente de la compaa San-limp, perteneciente al rubro de limpieza
de alfombras, necesita un pronstico trimestral del nmero esperado de
clientes para el ao siguiente. El negocio de la limpieza de alfombras es
estacional, con un punto mximo en el tercer trimestre y un uno mnimo
en el primer trimestre. Se presenta a continuacin los datos de la
demanda trimestral registrada en los cuatros aos ms recientes.
Patrn Estacional =
Ao
Estacin =
Trimestre
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
Total 1000 1200 1800 2200
Promedio 250 300 450 550
Demanda Actual
ndice estacional =
Promedio Demanda
Ejemplo 07
Produccin II - Pronsticos 131
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
Total 1000 1200 1800 2200
Promedio 250 300 450 550
45
ndice estacional = = 0.18
250
Ejemplo 07
Produccin II - Pronsticos 132
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215
Total 1000 1200 1800 2200
Promedio 250 300 450 550
45
ndice estacional = = 0.18
250
Ejemplo 07
Produccin II - Pronsticos 133
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70/300 = 0.23 100/450 = 0.22 100/550 = 0.18
2 335/250 = 1.34 370/300 = 1.23 585/450 = 1.30 725/550 = 1.32
3 520/250 = 2.08 590/300 = 1.97 830/450 = 1.84 1160/550 = 2.11
4 100/250 = 0.40 170/300 = 0.57 285/450 = 0.63 215/550 = 0.39
Ejemplo 07
Produccin II - Pronsticos 134
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70/300 = 0.23 100/450 = 0.22 100/550 = 0.18
2 335/250 = 1.34 370/300 = 1.23 585/450 = 1.30 725/550 = 1.32
3 520/250 = 2.08 590/300 = 1.97 830/450 = 1.84 1160/550 = 2.11
4 100/250 = 0.40 170/300 = 0.57 285/450 = 0.63 215/550 = 0.39
Ejemplo 07
Produccin II - Pronsticos 135
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70/300 = 0.23 100/450 = 0.22 100/550 = 0.18
2 335/250 = 1.34 370/300 = 1.23 585/450 = 1.30 725/550 = 1.32
3 520/250 = 2.08 590/300 = 1.97 830/450 = 1.84 1160/550 = 2.11
4 100/250 = 0.40 170/300 = 0.57 285/450 = 0.63 215/550 = 0.39
Ejemplo 07
Produccin II - Pronsticos 136
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Ejemplo 07
Produccin II - Pronsticos 137
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70/300 = 0.23 100/450 = 0.22 100/550 = 0.18
2
Proyeccin Anual Demanda = 2600
335/250 = 1.34 370/300 = 1.23 585/450 = 1.30 725/550 = 1.32
3 Promedio
520/250 = 2.08 Trimestral
590/300 = 1.97Demanda = 2600/4
830/450 = 1.84 = 650
1160/550 = 2.11
4 100/250 = 0.40 170/300 = 0.57 285/450 = 0.63 215/550 = 0.39
Ejemplo 07
Produccin II - Pronsticos 138
Mtodo Series de Tiempo
Mtodo Estacional Multiplicativo
Trimestre Ao 1 Ao 2 Ao 3 Ao 4
1 45/250 = 0.18 70/300 = 0.23 100/450 = 0.22 100/550 = 0.18
2 335/250 = 1.34 370/300 = 1.23 585/450 = 1.30 725/550 = 1.32
3 520/250 = 2.08 590/300 = 1.97 830/450 = 1.84 1160/550 = 2.11
4 100/250 = 0.40 170/300 = 0.57 285/450 = 0.63 215/550 = 0.39
Total 4 4 4 4 4
Error de pronstico
Es de carcter puntual
Et = Dt - Ft
E t = error de pronstico para el perodo t
D t = demanda real para el perodo t
F t = pronstico para el perodo t
Pero la tendencia es medir el error para a lo largo perodo,
lo que da origen a:
Ejemplo 04
Produccin II - Pronsticos 148
Seleccin de un Mtodo
Error de Pronstico
Error
Cuadrado Error porcentual
Mes, Demanda, Pronstico, Error, del Error, Absoluto, absoluto,
t Dt Ft Et Et 2 |Et| (|Et|/Dt)(100)
1 200 225 -25 625 25 12.5%
2 240 220 20 400 20 8.3
3 300 285 15 225 15 5.0
4 270 290 -20 400 20 7.4
5 230 250 -20 400 20 8.7
6 260 240 20 400 20 7.7
7 210 250 -40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total -15 5275 195 81.3%
Ejemplo 04
Produccin II - Pronsticos 149
Seleccin de un Mtodo
Error de Pronstico
Ejemplo 04
Produccin II - Pronsticos 150
Seleccin de un Mtodo
Error de Pronstico
Ejemplo 04
Produccin II - Pronsticos 151
Seleccin de un Mtodo
Error de Pronstico
Ejemplo 04
Produccin II - Pronsticos 152
Seleccin de un Mtodo
Error de Pronstico
Ejemplo 04
Produccin II - Pronsticos 153
Seleccin de un Mtodo
Error de Pronstico
Ejemplo 04
Produccin II - Pronsticos 154
Seleccin de un Mtodo
Error de Pronstico
81.3%
MAPE = = 10.2%
8 Ejemplo 04
157
Problema
Ventajas de 2.
No es necesario tantos datos histricos
no tiene porque ser igual al valor utilizado en el modelo de pronstico.
Frecuentemente se usa 0,1 para suavizar los efectos de los errores
recientes en al pasado.
+0.5
0
- 0.5
- 1.0
Lmite de control
- 1.5
| | | | |
0 5 10 15 20 25
Nmero de observaciones
Ejemplo 5
Produccin II - Pronsticos 163
Seleccin de un Mtodo
Seales de rastreo
CFE
Seal de rastreo =
MAD
Fuera de control
+2.0
Lmite de control
+1.5
+1.0
Seal de rastreo
+0.5
0
- 0.5
- 1.0
Lmite de control
- 1.5
| | | | |
0 5 10 15 20 25
Nmero de observaciones
Ejemplo 5
164
Criterios para la Seleccin de Mtodos
con Series de Tiempo
Cuantificar errores de pronstico entrega la informacin vital, cuando se debe
seleccionar un mtodo de pronstico tanto para manufactura como servicio.
Es una gua para seleccionar el valor del parmetro ms adecuado en el
mtodo elegido, como:
n para pronstico simple
ponderaciones para promedio mvil ponderado y
y Beta para suavizacin exponencial.
Criterios para escoger un mtodo de pronstico y seleccionar el parmetro:
1. Minimizar los sesgos (CFE y E promedio).
2. Minimizar la dispersin (MAD y MSE)
En 1 y 2 se basan en el rendimiento histrico.
Promedio mvil simple: Ideal sin sesgos y sin MAD, valores MAD muy
parecidos, CFE distintos pero al ser positivos indicaran que los
pronsticos son muy bajos, n = 3 sera el mejor.
Suavizacin exponencial: MAD muy parecidos, CFE distintos = 0,2
se prefiere.
167
Suma acumulativa Desviacin media
Mtodo de errores (CFE) absoluta (MAD)
Promedio mvil simple
Tres semanas (n = 3) 23,1 17,1
Seis semanas (n = 6) 69,8 15,5
Promedio mvil ponderado
0,7 ; 0,2 ; 0,1 14,0 18,4
Suavizacin exponencial
= 0,1 65,6 14,8
= 0,2 41,0 15,3
Proceso
de Pedidos
Pronstico Usado por Intervalo Horizonte
Pronstico Tipo 1. Por artculo,
de Demanda Sistema Semanal Tiempo de respuesta
y centro de DRP o Diario de produccin.
distribucin.
Proceso
de Pedidos
Pronstico Usado por Intervalo Horizonte
Sistema
Pronstico Tipo 1. Por artculo, Semanal Tiempo de respuesta
Admn.
de Demanda y distribuidor. o Mensual de produccin.
Inventarios
Compras
Los pronsticos de Tipo 3 son el resultado de conciliar los del Tipo 2 y 1 en el corto
plazo.
La conciliacin se realiza a travs de un proceso de ponderacin y aplicacin de
criterio de la administracin.
Pronsticos Tipo
Pronstico Tipo 3 del 2006
1y2 Fecha Cantidad
Ingreso
(basado en la media del Tipo 1)
El proceso de conciliacin de
pronsticos se puede
conceptualizar como piramidal,
con una primera etapa de roll-
up, y una segunda de force-
down.
El proceso de conciliacin de
pronsticos se puede
conceptualizar como piramidal,
con una primera etapa de roll-
up, y una segunda de force-
down.
Actual, Y Propuesto, X
3,0 3,1
3,1 3,9
3,0 3,4 a) Aplique la regresin lineal para
3,6 4,0 encontrar una relacin que permita
3,8 3,6 pronosticar Y, es decir, el parmetro de
calidad correspondiente al
2,7 3,6 procedimiento actual, utilizando los
2,7 3,6 valores obtenidos con el procedimiento
3,1 3,1 propuesto, X.
2,7 2,9
3,3 3,6 b) Existe una relacin fuerte entre los
parmetros Y y X? Explique su
3,2 4,1 respuesta
2,1 2,6
3,0 3,1
2,6 2,8
Clculo de
Advance
Produccin
Produccin
II - Pronsticos
II - Pronsticos 186
Mtodo Series de Tiempo Suavizacin
exponencial ajustada a la Tendencia
80 Pronstico
ajustado a la
Llegada de pacientes
70 Tendencia
| | | | | | | | | | | | | | |
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana
Ejemplo 05 Advance
Produccin
Produccin
II - Pronsticos
II - Pronsticos 187
Mtodo Series de Tiempo Suavizacin
exponencial ajustada a la Tendencia
80 Promedio Promedio
Semana Llegadas suavizadoTrend-adjusted
Tendencia Pronstico Error
Pronstico
Llegada de pacientes
80 Promedio Promedio
Semana Llegadas suavizadoTrend-adjusted
Tendencia Pronstico Error
Pronstico
Llegada de pacientes
80 Promedio Promedio
Semana Llegadas suavizadoTrend-adjusted
Tendencia Pronstico Error
Pronstico
Llegada de pacientes
70 0 28 28.00
Pronstico semana 6
3.00 0.00 0.00
1 27 30.20 2.84 31.00 4.00
2 F6 44 (4) + 35,2
= 3,2 35.23= 48 anlisis
3.27 33.04 10.96
60 3 37 38.20 3.21 38.51 1.51
4 35 40.14 2.96 41.42 6.42
50 5 53 45.08 3.35 43.10 9.89
6 38 46.35 2.93 48.43 10.43
Actual blood
7 57 50.83 3.24 49.29 7.71
40 8 61 55.46 3.52 54.08
test requests
6.92
9 39 54.99 2.72 58.98 19.98
30 10 55 57.17 2.61 57.71 2.71
11 54 58.63 2.38 59.78 5.78
12
| | | 52 | | 59.21
| | | 2.02
| | | 61.01
| | 9.01
| |
13 60 60.99 1.97 61.23 1.23
0 141 2 3 60 4 5 62.376 7 8 1.85 9 10 1162.96
12 13 2.96
14 15
15 75 66.38 Semana
2.28 64.22 10.77
Ejemplo 05 Advance
Produccin
Produccin
II - Pronsticos
II - Pronsticos 190
El patrn o comportamiento est formado por
cuatro componentes
Desplazamiento gradual de
Horizontal Cmulos de datos
la serie de tiempo.
Activa
en torno a una
Tendencia
Volumen
Volumen
Influyenlnea factores
horizontal a largo plazo
Volumen
Volumen
Cclico como modificaciones de
Cualquier secuencia
larecurrente
poblacin,
Verano sus
de puntos
Movimiento encima
de una serie de
Estacional caractersticas
ytiempo
abajo dequela lnea de en el
ocurre
Factor residual o todo lo que sobra de
Aleatoria demogrficas,
Tiempotendencia quede
perodo dure
un la
ms
ao. de un
Tiempo
Tiempo
una serie, toma en consideracin las
Tiempo
tecnologa ao
y la
desviaciones de lospreferencia
valores reales de la
Tendencia Tendencia lineal
del
serieconsumidor
de tiempo en comparacin Sinlos
con tendencia
no linealesperados. Estdeclinante
causado por factores a
corto plazo no previstos.