PRONOSTICOS

Administracin de operaciones

Requiere predecir una AMPLIA GAMA DE SUCESOS

Es de mucho inters poder predecir la DEMANDA del

consumidor para los PRODUCTOS o SERVICIOS

HORIZONTE DE TIEMPO PARA EL PRONOSTICO

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

PRONOSTICOS
En Administracin de Operaciones, se distingue:
PRONSTICO:
PRONSTICO Proceso de estimacin de un acontecimiento
futuro, proyectando datos del pasado, combinados
sistemticamente, en forma predeterminada.
PREDICCIN:
PREDICCIN Proceso de estimacin de un suceso futuro
basndose en consideraciones subjetivas diferentes a los
simples datos del pasado, no necesariamente combinadas de
una manera predeterminada.

PRONOSTICOS

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

CARACTERSTICAS DE LA DEMANDA EN EL TIEMPO

PATRN o MODELO:
Forma general de la serie de tiempo (su tendencia central)

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

CARACTERSTICAS DE LA DEMANDA EN EL TIEMPO

RUIDO: Dispersin de puntos individuales alrededor de un patrn.

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

CARACTERSTICAS DE LA DEMANDA EN EL TIEMPO

Estable
PATRN
Dinmico

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

CARACTERSTICAS DE LA DEMANDA EN EL TIEMPO

DEMANDA INDEPENDIENTE: No est relacionada con

la demanda de NINGN otro producto o servicio.

DEMANDA DEPENDIENTE: existe una interrelacin

entre la demanda de dos o ms productos o servicios.

ERROR EN EL PRONSTICO
Demanda Pronosticada - Demanda Real
Desviacin media absoluta:
DMA=

Demanda Pronosticada - Demanda Real

N total de periodos evaluados

Sesgo:
S =

(Demanda Pronostica da - Demanda Real )

N total de periodos

MTODOS DE PRONSTICOS

Fuente: MONKS, [2003] Administracin de Operaciones

10

MTODOS DE PRONSTICOS (Cont.)

Fuente: MONKS, [2003] Administracin de Operaciones

11

MTODOS DE PRONSTICOS (Cont.)

Fuente: MONKS, [2003] Administracin de Operaciones

12

MODELOS CUALITATIVOS
Mtodo DELPHI

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

13

MODELOS CUANTITATIVOS
PROMEDIO SIMPLE
SIMPLE: Promedio de los datos del pasado,
donde todos los periodos anteriores tienen igual peso
relativo
PS =

Demandas de periodos anteriores = D

N de periodos de demanda

+ D2 + ... + Dk
k

MEDIA MVIL SIMPLE

SIMPLE: Combina los datos de demanda
de los periodos recientes, su promedio es el pronstico
para el periodo siguiente
MMS =

Demandas de los " n" periodos anteriores = D

N de periodos empleados

+ D n 1 + ... + Dt
n
14

MODELOS CUANTITATIVOS
MEDIA MOVIL PONDERADA:
PONDERADA Combina los datos de
demanda de los periodos recientes, a las que se afecta de
un peso (Ct)
n

MMP = Ct .Dt
t =1

C
t =1

=1

0 Ct 1

La seleccin de CT es crtica para el xito o fracaso del modelo

15

MODELOS CUANTITATIVOS
SUAVIZADO EXPONENCIAL
Asigna pesos a los perodos sucesivamente anteriores.
Los pesos decaen en magnitud,
magnitud en forma exponencial.
exponencial
SUAVIZADO EXPONENCIAL DE 1 ORDEN

Informacin necesaria: Demanda real para el periodo ms

reciente (Drt-1) y pronstico para dicho perodo (Ft-1)

Ft = .Dr
D t 1 + (1 ).
) Ft 1

0 1

PRONSTICO INICIAL (PRONSTICO DE ARRANQUE): Se calcula a

travs de cualquier otro mtodo
16

MODELOS CUANTITATIVOS
PRINCIPALES VENTAJAS: Sencillez y eficacia
La seleccin de
modelo

es crtica para el xito o fracaso del

ELEVADO: adecuado para nuevos productos, o
en casos que la demanda subyacente est en
proceso de cambio (0,7-0,9)
MEDIO: adecuado cuando la demanda es
ligeramente inestable (0,4-0,6)
BAJO: adecuado cuando la demanda es muy
estable (0,1-0,3)
17

MODELOS CUANTITATIVOS

Fuente: ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones: conceptos, modelos y funcionamiento

18

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS
Distribuir datos disponibles en dos subconjuntos:
subconjunto de datos
datos de referencia
referencia (los ms
ms antiguos
antiguos))
subconjunto de datos de prueba (los restantes, los ms nuevos)
Seleccionar los parmetros que permitan evaluar la precisin del
pronstico (Ejemplo: DMA y sesgo)
Utilizar el subconjunto de datos de referencia como datos histricos,
a partir de los cuales se aplicar diversos valores de parmetros de un
mismo
i
modelo
d l para pronosticar
ti
perodos
d
f t
futuros
fi ti i
ficticios
(
(que
se
corresponden con el subconjunto de datos de prueba) Tambin se
podr aplicar diversos modelos de pronstico

19

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

Seleccionar los parmetros (o modelo de pronstico) que dieron como

resultado la mayor precisin (menor error)
Utilizar todos los datos disponibles si correspondiere (ambos
subconjuntos como uno solo) como datos histricos, para realizar el
pronstico definitivo, aplicando el modelo y/o los coeficientes
seleccionados

20

10

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

PS =

Dn
n =1

21

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS
n

MMS =

Dt
t =1

22

11

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

23

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

Ft = Ft 1 + ( Drt 1 Ft 1 )

24

12

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

25

SELECCIN DE PARMETROS Y
COMPARACIN DE MODELOS

26

13

MODELOS CUANTITATIVOS (Cont.)

CONSIDERACIN DE LA TENDENCIA
60000
50000
40000
30000
20000
10000
0
1

27

CONSIDERACIN DE LA TENDENCIA
EXPLICADO CON POCAS PALABRAS

Se alisan las variaciones aleatorias mediante SES y as se crea

un NUEVO VALOR BASE para el perodo en curso ()

Se calcula el valor de TENDENCIA ACTUALIZADA, alisada en

sus variaciones aleatorias mediante SES, introduciendo una
nueva cte ()

Se hace el PRONSTICO AUMENTADO POR TENDENCIA,, con el

VALOR BASE y la TENDENCIA alisados

28

14

CONSIDERACIN DE LA TENDENCIA
AHORA CON FRMULAS (esta es la frmula final)

Ft+ x = Fbt + x.Tt+1

Ft+x = Pronstico aumentado por tendencia, para los x perodos del

futuro

Fbt = Valor base, al final del perodo t (actualizado por suaviz. expon.
de 1 orden)

x = N de
d perodos
d ms
all
ll del
d l actual,
t l para los
l que se desea
d
calcular
l l ell
pronstico

Tt+1 = Estimacin de la tendencia (por suavizado exponencial de 1

orden)

29

CONSIDERACIN DE LA TENDENCIA
PERO PARA LLEGAR A LA FRMULA FINAL

Clculo de la tendencia para el perodo futuro

Tt +1 = .(( Fbt Ft ) + (1 ).
) Tt
0 1
Fbt = Valor base, al final del perodo t (actualizado por suaviz. expon. de 1
orden).
Ft = Pronstico para el perodo actual (calculado por cualquier mtodo).

= Coeficiente de suavizacin para la tendencia

Tt = Tendencia para el perodo t, calculado como promedio de la suma
algebraica de desviaciones en la demanda, en los perodos anteriores
considerados. Tt = Di/n = (Dti Dti-1) /n
30

15

CONSIDERACIN DE LA TENDENCIA
PERO PARA LLEGAR A LA FRMULA FINAL (2)
CLCULO DEL VALOR BASE para el perodo actual
Se calcula por suavizado exponencial:
Drt = Demanda real para el perodo t.

Fb t = .Drt + (1 ).Fa t

= Coeficiente de suavizacin para el valor base

0 1

Fa t = Ft + Tt

Fat = Pronstico aumentado por tendencia, para

el pperodo t. Fat = Ft + Tt
Ft = Pronstico para el perodo t (calculado
por cualquier mtodo)

Orden de clculo: Ft - Tt - Fat - Fbt - Tt+1 - Ft+x

31

PRONSTICOS CON TENDENCIA (Ejercicio)

32

16

PRONSTICOS CON TENDENCIA (ejemplos)

= 0,8
= 0,1

= 0,4
= 0,1

= 0,9
= 0,5

Fuente: Elaboracin propia utilizando sofware WinQSB 2.0

33

SUAVIZADO EXPONENCIAL DE 1 ORDEN

CONSIDERACIN DE LA ESTACIONALIDAD
VENTAS (U$M X 100)

6 0 0 0
5 0 0 0
4 0 0 0
3 0 0 0
2 0 0 0
1 0 0 0

22

19

16

13

10

E S E S

INDICE DE ESTACIONALIDAD: grado de variacin de la demanda,

referido al promedio para un ciclo completo de demanda.
Se mantiene y actualiza un ndice de estacionalidad o temporada para
cada perodo considerado en un ciclo completo de demanda.
34

17

CONSIDERACIN DE LA ESTACIONALIDAD

Ft+1 = Fb t .It+1

Ft+1 = Pronstico aumentado por

estacionalidad,, ppara el pperodo futuro
considerado

Fbt = Valor base, al final del perodo t

(actualizado por suavizado exponencial de
1 orden)

It+1 = ndice de estacionalidad para el

perodo futuro
f t ro considerado (actualizado
(act ali ado por
suavizado exponencial de 1 orden)

35

CONSIDERACIN DE LA ESTACIONALIDAD
CLCULO DEL NDICE DE ESTACIONALIDAD para
el pperodo futuro considerado:

Dr
I t +1 = . t
Fbt

+ (1 ).I t

0 1

Drt = Demanda real para el perodo t.

Fbt = Valor base para el perodo considerado (actualizado por suavizado
exponencial de 1 orden).
= Coeficiente de suavizacin para los ndices de estacionalidad
It = Valor del ndice para la temporada o perodo considerado, calculado
un ciclo completo anterior.
36

18

CONSIDERACIN DE LA ESTACIONALIDAD
CLCULO DEL VALOR BASE
para el perodo actual:
Dr
Fbt = . t + (1 ).Fbt1
It

0 1

Drt = Demanda real para el perodo t.

Fbt-1 = Valor base pronosticado para el perodo previo.
= Coeficiente de suavizacin para los valores base
It= Valor del ndice para la temporada o perodo
considerado, calculado un ciclo completo anterior

37

PRONSTICOS PARA DEMANDA

ESTACIONAL (ejemplos)
MMP

SES

SE (estacionalidad)

Fuente: Elaboracin propia utilizando sofware WinQSB 2.0

38

19

PRONSTICOS CON ESTACIONALIDAD

(Ejercicio)

39

SUAVIZADO EXPONENCIAL DE 1 ORDEN

Esta serie de datos tiene un patrn?
90000
80000
70000

Ttulo del eje

60000
50000
40000
30000
20000
10000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

40

20

SUAVIZADO EXPONENCIAL DE 1 ORDEN

A veces el patrn se mimetiza

1 4 7 10 13 16 19 22 25 28 31 34 37
300000

250000
200000

Ao 4

150000
100000

Ao 3

50000

Ao 2

Ao 1

10 11 12

La serie presenta ESTACIONALIDAD y TENDENCIA

41

PRONSTICO DE ENFOQUE
Utiliza solo el modelo de pronstico que hubiera trabajado
mejor recientemente para hacer un nuevo pronstico.
Premisas:
Las personas experimentadas en hacer pronsticos a
corto plazo tienden a usar modelos sencillos
El modelo de pronstico que funcion mejor la ltima
vez, puede trabajar mejor en esta oportunidad

42

21

PRONSTICO DE ENFOQUE
Se trabaja con datos trimestrales mviles
Se simula el pronstico de perodos pasados utilizando varios
modelos sencillos
Se compara el porcentaje de error medio absoluto, que se
define como:

%EMA = (" MAPE" ) =

Error medio absoluto

.100
Demanda real

Se utiliza el modelo con menor %EMA para realizar el

pronstico para el perodo siguente.
43

PRONSTICO DE ENFOQUE
Modelos utilizados normalmente debido a su buen
resultado en la prctica:
1. El pronstico del siguiente trimestre es la demanda real para
el mismo periodo del ao anterior
2. El pronstico para el siguiente trimestre es 110 % de la
demanda real del mismo periodo del ao anterior
3 El pronstico
3.
i para ell siguiente
i i
trimestre
i
es la
l mitad
i d de
d la
l
demanda real de los pasados seis meses (un promedio mvil
de dos trimestres)
(Fuente: VOLLMANN, Thomas E; BERRY, William L & WHYBARK D. Clay. [1994] Sistemas de planificacin y control de la fabricacin )

44

22

PRONSTICO DE ENFOQUE

4. El pronstico para el siguiente trimestre es la demanda real

para el periodo trimestral anterior
5. El pronstico del siguiente trimestre es la demanda real
para el mismo periodo del ao anterior multiplicada por el
crecimiento o disminucin que se determina como el
cociente entre la demanda del trimestre anterior y la del
mismo
i
trimestre
i
d l ao
del
anterior
i
(Fuente: VOLLMANN, Thomas E; BERRY, William L & WHYBARK D. Clay. [1994] Sistemas de planificacin y control de la fabricacin )

45

PRONSTICO DE ENFOQUE

6. Si la demanda de los pasados seis meses es menos del 40

% de la demanda para los seis meses anteriores, entonces
el pronstico es 110 % de la demanda para el mismo
periodo trimestral del ao anterior (o sea, que estamos en
la subida de un cambio temporal)
7. Si la demanda de los pasados seis meses es ms de 2,5
veces la demanda para los seis meses anteriores, entonces
ell pronstico
i
d l siguiente
del
i i
trimestre
i
es igual
i l que la
l
demanda para el mismo periodo trimestral del ao
anterior (es decir, que estamos comenzando la cada de un
cambio temporal)
(Fuente: VOLLMANN, Thomas E; BERRY, William L & WHYBARK D. Clay. [1994] Sistemas de planificacin y control de la fabricacin )

46

23

EJEMPLO DE PRONOSTICO DE ENFOQUE

EMPRESA QUE FABRICA
CARPAS PARA
CAMPAMENTO

Enero

4470

Febrero

3680

Marzo

3200

Abril

2550

Mayo

2300

Junio

2480

Julio

2450

Agosto

3600

Septiembre

4080

Octubre

5010

Noviembre

5070

Diciembre

4720

Enero

4475

Febrero

4000

Marzo

3205

Abril

2530

Mayo

2400

Junio

2470

Julio

2435

Agosto

3620

Septiembre

4030

Octubre

5005

Noviembre

5150

Diciembre

4780

14800
3893

47

EJEMPLO DE PRONOSTICO DE ENFOQUE

Enero

4470

Febrero

3680

Marzo

3200

Abril

2550

Mayo

2300

J nio
Junio

2480

Julio

2450

Agosto

3600

Septiembre

4080

Octubre

5010

Noviembre

5070

Diciembre

4720

Enero

4475

Febrero

4000

Marzo

3205

Ab il
Abril

2530

Mayo

2400

Junio

2470

Julio

2435

Agosto

3620

Septiembre

4030

Octubre

5005

Noviembre

5150

Diciembre

4780

MODELOS UTILIZADOS
1. El pronstico del siguiente trimestre es la demanda real para
el mismo periodo del ao anterior.
2. El pronstico para el siguiente trimestre es 110 por ciento de
la demanda real del mismo periodo del ao anterior.
3 El pronstico para el siguiente trimestre es la mitad de la
3.
demanda real de los pasados seis meses (un promedio
mvil de dos trimestres).
4. El pronstico para el siguiente trimestre es la demanda real
para el periodo trimestral anterior.

14800

3893

5. El pronstico del siguiente trimestre es la demanda real para

el mismo periodo del ao anterior, multiplicada por el
crecimiento o disminucin que se determina como el
cociente entre la demanda del trimestre anterior y la del
mismo trimestre del ao anterior.

Modelo 1

Modelo 2

Modelo 3

Modelo 4

Modelo 5

14800

16280

8743

10085

14734

Modelo 1

Modelo 2

Modelo 3

Modelo 4

Modelo 5

4933

5427

4170

4978

3929

Valor mensual:
Demanda real
trim = 14.935 Un.

Menor
DMA

24

OBSERVACIONES

Se puede mejorar la exactitud del pronstico seleccionando un

modelo que mejor se ajuste a cada caso particular
Para el corto plazo en general, los mtodos sencillos trabajan
mejor que los modelos complicados
La combinacin (promedio del pronstico de varios modelos)
ppresenta una ggran efectividad
Existen actividades que pueden influir en la demanda,
invalidando el modelo de pronstico usualmente utilizado
49

OBSERVACIONES (cont.)
Los modelos ms complicados
necesariamente los mejores

costosos

no

son

El
El uso de
d las
l tcnicas
i
d pronstico
de
i requiere
i
una alta
l dosis
d i de
d
sentido comn
La tcnica de pronstico utilizada no debe seguirse a ciegas,
sino evaluarse contnuamente para asegurar que el modelo
utilizado sigue siendo el apropiado
Bsicamente, existe dos formas de incorporar la informacin
sobre actividades futuras al pronstico:
Cambiar el pronstico
Cambiar el modelo
50

25

OBSERVACIONES (cont.)
La representacin grfica de datos histricos es una herramienta
de gran utilidad
Valores orientativos para constantes de suavizado exponencial,
obtenidas de la prctica:
0,1 0,2

(para clculo de valores base)

menor que

(entre 0,05 y 0,1)

0,1
0,3 a 0,4

(clculo: frecuente, ej: semanas, 1-2 meses)

(clculo:menos frecuente, ej: anualmente)

51

FILTROS DE DEMANDA
Se busca establecer lmites para datos de demanda antes de proceder
a actualizar el pronstico

A; B = Valores de demanda real ACEPTABLES

C; D = Valores de demanda real FUERA DE LOS LMITES
(hay que REVISAR: errores administrativos, causas coyunturales, o
cambio en las condiciones)
52

26

SEAL DE RASTREO
SEAL DE RASTREO ((S
S)
Parmetro estadstico utilizado para evaluar la calidad del pronstico
S t =

(Inclinacion suavizada) t
st
=
(DMA suavizada)t
DMAst

1 S t 1

Error o inclinacin suavizada:

st = .( Drt Ft ) + (1 ). s (t 1)

DMA suavizada:
DMA st = . Dr
D t | Ft + (1 ).
) DMAs ( t 1)

0 1
La seal de rastreo (St) es independiente de la DMA
Cada vez que St se aleja de 0 (cero) en forma significativa, hay que revisar
el pronstico y tomar acciones correctivas, si corresponde
53

SEAL DE RASTREO (Ejercicio)

54

27

ASPECTOS ESTRATGICOS
El mtodo, nivel de agregacin y costo del pronstico debe
ajustarse a la naturaleza de la decisin

(Fuente: VOLLMANN, Thomas E; BERRY, William L & WHYBARK D. Clay. [1994] Sistemas de planificacin y control de la fabricacin )

55

REFERENCIAS BIBLIOGRFICAS Y OTRAS

FUENTES DE INFORMACIN
ADAM Jr, Everett E & EBERT, Ronald J. [1991] Administracin de la produccin y las operaciones:
conceptos, modelos y funcionamiento ttulo original: Production and Operations Management,
traduccin: Jos Rodrguez Rodrguez. Naucalpn de Jurez, Estado de Mxico, Mxico: Prentice Hall
Hispanoamericana S
S.A.
A 4 ed
ed.
CHASE Richard B, AQUILANO Nicholas J. & JACOBS Robert. [2000] Administracin de Produccin y
Operaciones, Santa F de Bogot, Colombia: Mc-Graw-Hill Interamericanal. 8 ed.
MONKS, Joseph G. [2003] Administracin de Operaciones, Mxico: Mc-Graw-Hill Interamericana de
Mxico.
RADKE, Csar Eduardo [2006] Pronsticos de demanda, Presentacin en Powerpoint, Trabajo de
Adscripto a la Ctedra: Planificacin y Control de la Produccin. Facultad de Ingeniera, U.Na.M. Ober,
Misiones, Argentina.
VOLLMANN, Thomas E; BERRY, William L & WHYBARK D. Clay. [1994] Sistemas de planificacin y
control de la fabricacin ttulo original: Manufacturing Planning and Control Systems, Third Edition,
traduccin: Cornejo Reyes, Sergio S. Barcelona, Espaa: Irwin. 1 ed.

56

28