S.E.P.

S.N.E.S.T.

D.G.E.S.T.

INSTITUTO TECNOLGICO
Del
Istmo
TEMA:
UNIDAD 2 Y 3
MATERIA:
ADMINISTRACION DE LA PRODUCCION
Y DE LAS OPERACIONES

CATEDRATICO:
VICENTE SANTIAGO JOSE INES

ALUMNA:
CABRERA MARIN ABRIL

ESPECIALIDAD:
CONTADOR PBLICO.

SEMESTRE:
6O

GRUPO:
A

H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 19 DE JUNIO DEL 2015

1
H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 10 DE OCTUBRE DEL 2014

Contenido
INTRODUCCION.................................................................................................... 3
UNIDAD 2. ADMINISTRACIN DE CALIDAD TOTAL Y CONTROL ESTADSTICO DE
PROCESOS.............................................................................................................. 4
2.1 CONCEPTOS Y FILOSOFAS DE CALIDAD....................................................4
2.2 LA CALIDAD COMO HERRAMIENTA COMPETITIVA.....................................7
2.3 HERRAMIENTAS PARA MEJORAR LA CALIDAD Y EL RENDIMIENTO.........8
2.4 MTODOS DE CONTROL ESTADSTICO DE PROCESOS.......................................9
2.5 MUESTREO DE ACEPTACIN............................................................................ 11
UNIDAD 3. PRONSTICOS DE VENTAS...................................................................14
3.1 CARACTERSTICAS DE LA DEMANDA...............................................................14
3.2 DISEO DEL SISTEMA DE PRONSTICOS.........................................................14
3.3 MTODOS DE JUICIOS...................................................................................... 17
3.4 MTODOS CASUALES. REGRESIN LINEAL Y MLTIPLE USANDO UN SOFTWARE
.............................................................................................................................. 17
3.5 MTODOS DE SERIES DE TIEMPOS USANDO UN SOFTWARE............................18
3.6 CRITERIOS PARA LA SELECCIN DE MTODOS CON SERIES DE TIEMPOS.......20
CONCLUSION......................................................................................................... 26

INTRODUCCION.
La calidad se caracteriza por hacer bien las cosas desde la primera accin operativa
de los insumos que una empresa industrial, comercial o de servicios presenta en su
sistema de organizacin. Los sistemas de calidad en la organizacin de las
empresas aparecen a mediados del siglo XX en Japn, mediante los trabajos de
Edward Deming, y otros expertos de las empresas multinacionales sobre todo
europeos y norteamericanos. Los aportes a los sistemas de calidad han permitido
que las empresas en el siglo XXI presenten un sofisticado proceso de integracin
horizontal.
Las empresas del sistema econmico moderno priorizan a su departamento de
ventas como el ms importante de la organizacin. Pues ella permite el flujo
financiero que justifica el incremento de las ventas como resultado de una estrategia
nueva, tambin a partir de esta se tiene el control de salidas de recursos. Sin
embargo, en este apartado se da importancia a los pronsticos sobre las ventas,
considerando que los flujos de informacin son determinantes para tomar decisiones
y si son oportunos mejor an. Existen diversos tipos de pronsticos segn el periodo
de tiempo que manejemos (a mediano y largo plazo) y de acuerdo a la manipulacin
de los datos. Los pronsticos macroeconmicos se emplean para determinar la
proyeccin de indicadores globales de un pas como lo son ndice de desempleo, el
producto nacional bruto y la tasa lder de inters.
Existen cuatro pasos establecidos, para la determinacin del proceso de pronstico:
1. Recopilacin de datos,
2. Reduccin o condensacin de datos,
3. Construccin del modelo,
4. Extrapolacin del modelo (modelo en s).
El papel que juega el administrador en el proceso de pronstico es clave, pues
depende en gran parte, de las condiciones y capacidades administrativas que l
tenga, pues sin estas el pronstico simplemente sera un modelo matemtico.
Existen dos tipos de paquetes de cmputo de ayuda para determinar el proceso de
pronstico eficientemente:
1) paquetes estadsticos que incluyen anlisis de regresin y otras tcnicas que se
utilizan con frecuencia en los pronsticos; y
2) paquetes de pronstico diseados especficamente para aplicaciones de este tipo.
Los pronosticadores cuentan con cuatro modelos estadsticos (residual o error del
pronstico, DAM, EMC, PEMA, PME), que les ayudan a eliminar o a descartar todo
posible error que se pueda presentar en el proceso de pronstico, para contar con
informacin verdica.
3

UNIDAD 2. ADMINISTRACIN DE CALIDAD TOTAL Y CONTROL ESTADSTICO

DE PROCESOS.
2.1 CONCEPTOS Y FILOSOFAS DE CALIDAD
1. EDWARD DEMING establece el siguiente planteamiento: cuando se mejora la
calidad se logra:
Los costos disminuyen debido a menos reprocesos.
- Menor nmero de errores.
- Menos demora y obstculos.
- Mejor utilizacin de las maquinas, del tiempo y de los materiales.
I.- ESTRATEGIA DE DEMING:
1. Crear en el propsito de mejora del producto y servicio, con un plan para ser
competitivo y permanecer en el campo de los negocios.
2. Adoptar una nueva filosofa eliminar los niveles comnmente aceptados de
demoras, errores, productos defectuosos.
3. Suspender la dependencia de la inspeccin masiva, se requiere evidencia
estadstica de que el producto se hace con calidad.
4. Eliminar la prctica de hacer negocio sobre la base del precio de venta, en vez de
esto, mejore la calidad por medio del precio, es decir minimice el costo total.
5. Buscar reas de oportunidad de manera constante para que se puedan mejorar
los sistemas de trabajo de manera permanente.
6. Instituir mtodos modernos de entrenamiento en el trabajo.
7. Instituir una supervisin para que fomente el trabajo en equipo con el objeto de
mejorar la calidad lo cual automticamente mejore la productividad.
8. Eliminar el temor, de modo que todos puedan trabajar efectivamente para una
empresa.
9. Romper barreras entre los departamentos. Debe existir comunicacin entre todos
los integrantes de la empresa, ya que todos tienen un objetivo comn.
10. Eliminar eslogans y metas enfocadas a incrementar la productividad sin proveer
mtodos.
11. Eliminar estndares de trabajo que prescriben cuotas numricas ya que si la
principal meta es la cantidad, la calidad se va a ver afectada.
4

12. Eliminar las barreras que se encuentran entre el trabajador y el derecho a

sentirse orgulloso de su trabajo.
13. Instituir un vigoroso programa de educacin y entrenamiento que permita
desarrollar nuevos conocimientos y habilidades para tener personal ms calificado en
beneficio de la empresa.
14. Crear una estructura en la alta direccin que impulse diariamente los 13 puntos
anteriores.
II.-FILOSOFA DE JURAN.
Planificacin de la calidad, control de calidad. La planificacin de la calidad
consiste en desarrollar los productos y procesos necesarios para satisfacer las
necesidades de los clientes. El primer paso para planear la calidad es identificar
quienes son los clientes. Para identificar a los clientes hay que seguir el producto
para ver sobre quienes repercute. Para comprender las necesidades de los clientes,
debemos ir ms all de las necesidades manifestadas y descubrir las no
manifestadas. Las percepciones de los clientes pueden parecernos irreales, pero
para los clientes son una realidad y, por lo tanto tenemos que tomarlas en serio. La
precisin en asuntos de calidad exige que lo digamos con nmeros. Antes de
planificar el proceso, debern ser revisados los objetivos por las personas
involucradas. El objetivo ptimo de la calidad tiene que satisfacer las necesidades
de los clientes y proveedores por igual. La calidad de una empresa empieza por la
planeacin de la misma. Muchas empresas tiene que hacer frente a graves prdidas
y desechos, deficiencias del proceso de planeacin.
III.- FILOSOFA DE CROSBY.
1. Cumplir con los requisitos.
2. Prevencin.
3. Cero defectos.
4. Precio de incumplimiento.
Etapas en el proceso de mejoramiento de Calidad.
1. Compromiso en la direccin.
2. Equipos de mejoramiento de la calidad.
3. Medicin de la calidad.
4. Evaluacin del costo de la calidad.
5

5. Concientizacin de la calidad.
6. Equipos de accin correctiva.
7. Comits de accin.
8. Capacitacin.
9. Da cero defectos.
10. Establecimiento de metas.
11. Eliminacin de la causa de error.
12. Reconocimiento.
13. Consejo de calidad.
14. Repetir el proceso de mejoramiento de calidad.
IV.- FILOSOFA DE TAGUSHI.
Propone la palanca de calidad.
Solo en la etapa de diseo de un producto podemos tomar medidas contra la
variabilidad causada por agentes internos, externos y por imperfecciones de
manufactura (ruido).
La palanca de la calidad.
Diseo del producto.
Diseo del proceso.
Produccin.
- Mejora del producto.
V.- FILOSOFA DE ISHIKAWA.
1. El control total de calidad es hacer lo que se debe hacer en todas las industrias.
2. El control de calidad que no muestra resultados no es control de calidad.
3. Hagamos un control total de calidad que traiga tantas ganancias que no sepamos
qu hacer con ellas.
4. El control de calidad empieza con educacin y termina con educacin.

5. Para aplicar el control total de calidad tenemos que ofrecer educacin continua
para todo, desde el presidente hasta los obreros.
6. El control total de calidad aprovecha lo mejor de cada persona.
7. cuando se aplica el control total de calidad, la falsedad desaparece de la empresa.
8. El primer paso del control total de calidad es conocer los requisitos de los
consumidores.
9. Prever los posibles defectos y reclamos.
10. El control total de calidad llega a su estado ideal cuando ya no requiere de
inspeccin.
11. Elimnese la causa bsica y no los sntomas.
12. El control total de calidad es una actividad de grupo.
13. Las actividades de crculos de calidad son parte del control total de calidad.
14. El control total de calidad no es una droga milagrosa.
15. Si no existe liderazgo desde arriba no se insista en el CTC.
2.2 LA CALIDAD COMO HERRAMIENTA COMPETITIVA
El concepto de competitividad nos hace pensar en la idea de excelencia, o sea, con
caractersticas de eficiencia y eficacia de la organizacin. El mundo vive un proceso
de cambio acelerado y de competitividad global en una economa cada vez ms
liberal, marco que hace necesario un cambio total de enfoque en la gestin de las
organizaciones.
En esta etapa de cambios, las empresas buscan elevar ndices de productividad,
lograr mayor eficiencia y brindar un servicio de calidad, lo que est obligando que los
gerentes adopten modelos de administracin participativa, tomando como base
central al elemento humano, desarrollando el trabajo en equipo, para alcanzar la
competitividad y responda de manera idnea la creciente demanda de productos de
ptima calidad y de servicios a todo nivel, cada vez ms eficiente, rpido y de mejor
calidad.
Competitividad significa un beneficio sostenible para su negocio. La Competitividad
es el resultado de una mejora de calidad constante y de innovacin. Est relacionada
fuertemente a productividad: Para ser productivo, los atractivos tursticos, las
inversiones en capital y los recursos humanos tienen que estar completamente
integrados, ya que son de igual importancia.
7

Las acciones de refuerzo competitivo deben ser llevadas a cabo para la mejora:
La estructura de la industria turstica.
Las estrategias de las instituciones pblicas.
La competencia entre empresas.
Las condiciones y los factores de la demanda.
Los servicios de apoyo asociados.
2.3 HERRAMIENTAS PARA MEJORAR LA CALIDAD Y EL RENDIMIENTO.
En los ltimos aos, decenas de miles de empleados han trabajado con las
herramientas online Una larga lista de empresas (desde pymes hasta
multinacionales) en Espaa, Alemania y Holanda han utilizado las herramientas de
Administracin de Operaciones para:
- Resolver problemas con sus plantillas
- mejorar la eficacia interna de la empresa
- medir el equilibrio entre vida privada y laboral
- como ayuda para sus programas de liderazgo
- evaluar y mejorar la comunicacin interna
- evaluar a los empleados
- motivar e implicar a sus empleados
- buscar los talentos en la propia plantilla
- definir un plan de formacin a la medida
- medir la ilusin por el trabajo de los empleados/ el clima laboral/ el desempeo
- medir la satisfaccin de los clientes
- recabar opiniones sobre cualquier tema
Investigar, medir, evaluar y visualizar resultados de forma fcil y comprensible est al
alcance de todos. Para funcionar mejor como empresa es primordial tener control
sobre lo que pasa dentro de la empresa y lo que pasa con los empleados y con los
clientes. Obtener resultados rpidamente facilita una gestin eficaz y orientada a los
resultados.
8

2.4 MTODOS DE CONTROL ESTADSTICO DE PROCESOS.

La estadstica es una ciencia con base matemtica referente a la recoleccin,
anlisis e interpretacin de datos, que busca explicar condiciones regulares en
fenmenos de tipo aleatorio.
Distribucin normal.
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias
sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la
toma de decisiones en reas de negocios o instituciones gubernamentales.
La estadstica se divide en dos elementos:
La estadstica descriptiva, que se dedica a los mtodos de recoleccin,
descripcin, visualizacin y resumen de datos originados a partir de los fenmenos
en estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos
bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos
ejemplos grficos son: histograma, pirmide poblacional etc.
La estadstica inferencial, que se dedica a la generacin de los modelos,
inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en
cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los
datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias
pueden tomar la forma de respuestas a preguntas si/no (prueba de hiptesis),
estimaciones de caractersticas numricas (estimacin), pronsticos de futuras
observaciones, descripciones de asociacin (correlacin) o modelamiento de
relaciones entre variables (anlisis de regresin). Otras tcnicas de modelamiento
incluyen anova, series de tiempo ETC.
Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay
tambin una disciplina llamada estadstica matemtica, la cual se refiere a las bases
tericas de la materia. La palabra estadsticas tambin se refiere al resultado de
aplicar un algoritmo estadstico a un conjunto de datos, como en estadsticas
econmicas, estadsticas criminales, etc.
ESTUDIOS EXPERIMENTALES Y OBSERVACIONALES
Un objetivo comn para un proyecto de investigacin estadstica es investigar la
causalidad, y en particular extraer una conclusin en el efecto que algunos cambios
en los valores de predictores o variables independientes tienen sobre una respuesta
o variables dependientes. Hay dos grandes tipos de estudios estadsticos para
estudiar causalidad: estudios experimentales y observacionales. En ambos tipos de
estudios, el efecto de las diferencias de una variable independiente (o variables) en
9

el comportamiento de una variable dependiente es observado. La diferencia entre los

dos tipos es la forma en que el estudio es conducido. Cada uno de ellos puede ser
muy efectivo.
Un estudio experimental implica tomar mediciones del sistema bajo estudio,
manipular el sistema y luego tomar mediciones adicionales usando el mismo
procedimiento para determinar si la manipulacin ha modificado los valores de las
mediciones. En contraste, un estudio observacional no necesita manipulacin
experimental. Por el contrario, los datos son recogidos y las correlaciones entre
predictores y la respuesta son investigadas.
Los pasos bsicos para un experimento son:
Planeamiento estadstico de la investigacin, lo cual incluye encontrar fuentes
de informacin, seleccin de material disponible en el rea y consideraciones ticas
para la investigacin y el mtodo propuesto. Se plantea un problema de estudio,
Disear el experimento concentrndose en el modelo y la interaccin entre
variables independientes y dependientes. Se realiza un muestreo consistente en la
recoleccin de datos referentes al fenmeno o variable que deseamos estudiar. Se
propone un modelo de probabilidad, cuyos parmetros se estiman mediante
estadsticos a partir de los datos de muestreo. Sin embargo, se mantiene lo que se
denominan hiptesis sostenidas (que no son sometidas a comprobacin). Se
valida el modelo comparndolo con lo que sucede en la realidad. Se utiliza mtodos
estadsticos conocidos como test de hiptesis o prueba de significacin.
Se producen estadsticas descriptivas.
Inferencia estadstica. Se llega a un consenso acerca de qu dicen las
observaciones acerca del mundo que observamos.
Se utiliza el modelo validado para tomar decisiones o predecir acontecimientos
futuros. Se produce un reporte final con los resultados del estudio.
NIVELES DE MEDICIN
Hay cuatro tipos de mediciones o escalas de medicin en estadstica. Los cuatro
tipos de niveles de medicin (nominal, ordinal, intervalo y razn) tienen diferentes
grados de uso en la investigacin estadstica. Las medidas de razn, en donde un
valor cero y distancias entre diferentes mediciones son definidas, dan la mayor
flexibilidad en mtodos estadsticos que pueden ser usados para analizar los datos.
Las medidas de intervalo tienen distancias interpretables entre mediciones, pero un
valor cero sin significado (como las mediciones de coeficiente intelectual o
temperatura en grados Celsius).

10

Las medidas ordinales tienen imprecisas diferencias entre valores consecutivos, pero
un orden interpretable para sus valores. Las medidas nominales no tienen ningn
rango interpretable entre sus valores.
La escala de medida nominal, puede considerarse la escala de nivel ms bajo. Se
trata de agrupar objetos en clases. La escala ordinal, por su parte, recurre a la
propiedad de orden de los nmeros. La escala de intervalos iguales est
caracterizada por una unidad de medida comn y constante. Es importante destacar
que el punto cero en las escalas de intervalos iguales es arbitrario, y no refleja en
ningn momento ausencia de la magnitud que estamos midiendo.
Esta escala, adems de poseer las caractersticas de la escala ordinal, permite
determinar la magnitud de los intervalos (distancia) entre todos los elementos de la
escala. La escala de coeficientes o Razones es el nivel de medida ms elevado y se
diferencia de las escalas de intervalos iguales nicamente por poseer un punto cero
propio como origen; es decir que el valor cero de esta escala significan ausencia de
la magnitud que estamos midiendo.
2.5 MUESTREO DE ACEPTACIN
En la actividad de control de calidad en ocasiones es necesario inspeccionar lotes de
materia prima, partes o productos terminados para asegurar que cumplen ciertos
niveles de calidad con un buen grado de confianza. El muestreo de aceptacin es el
proceso de inspeccin de una muestra de unidades de un lote con el propsito de
aceptar o rechazar todo el lote.
Cuando aplicar muestreo de aceptacin. El muestreo de aceptacin se puede
aplicar en cualquier relacin cliente-proveedor, ya sea en el interior de una empresa
o entre diferentes empresas y se puede ver como una medida defensiva para
protegerse de la amenaza del posible deterioro de la calidad. Una situacin tpica del
muestreo de aceptacin es la siguiente: una compaa recibe un lote de algn
producto de cierto proveedor, ese producto puede ser materia prima o cualquier otro
componente que se utiliza en la compaa. Se selecciona una muestra del lote y se
inspeccionan algunas caractersticas de calidad a todos los productos seleccionados.
Con base en la informacin obtenida con la inspeccin se tomar una decisin:
aceptar o rechazar todo el lote. Si los lotes son aceptados pasan directamente a ser
utilizados, pero si el lote es rechazado, entonces es devuelto al proveedor o podra
estar sujeto a alguna otra disposicin (por ejemplo inspeccin de todos los productos
del lote-Inspeccin 100%- pagada por el proveedor). El muestro de aceptacin es
una forma particular de inspeccin, entonces este muestreo simplemente acepta o
rechaza lotes; pero no mejora la calidad. Es decir el muestreo de aceptacin no es
una estrategia de mejora de calidad, es ms bien una estrategia de contencin y de
garanta con cierto nivel de seguridad de que se cumplan ciertas especificaciones de
calidad que han sido definidas.

11

Decisiones sobre Calidad y Riesgo. Al elaborar un plan de muestreo de

aceptacin, se toman en cuenta dos niveles de calidad: El primero es el nivel de
calidad aceptable AQL (por sus siglas en ingls; Acceptable Quality Level), o sea, el
nivel de calidad deseado por el consumidor. El productor del artculo se esfuerza por
lograr el AQL, el cual aparece especificado comnmente en los contratos o las
rdenes de compra. Por ejemplo, el contrato puede especificar un nivel de calidad en
el cual no se permita ms de una unidad defectuosa en 10.000; sea, un AQL de
0,0001. El riesgo del productor () es la posibilidad de que el plan de muestreo no
logre verificar una cantidad aceptable en el lote y que, en consecuencia, lo rechace:
un error "Tipo I". Lo ms frecuente es que el riesgo se establezca en 0,05; es decir
5%.
El segundo nivel de calidad es la produccin defectuosa tolerable en el lote LTPD
(por sus siglas en ingls; Lor Tolerance Proportion); o sea, el peor nivel de calidad
que el consumidor puede tolerar. La LTPD es la definicin de una mala calidad que el
consumidor deseara rechazar. Reconociendo el elevado costo de los efectos, los
gerentes de operaciones deberan ser cautelosos antes de aceptar los materiales de
mala calidad que les envan sus proveedores. As pues, los planes de muestreo
tienen valores LTPD ms bajos que en el pasado. La probabilidad de aceptar un lote
con calidad LTPD es el riesgo del consumidor (), es decir, el error "Tipo II" del plan.
n valor muy comn para el riesgo del consumidor es de 0,10, o sea, 10%. 2
Metodologa. Los analistas crean una representacin grfica del rendimiento de un
plan de muestreo, trazando la probabilidad de que l sea aceptado, para toda una
gama de proporciones de unidades defectuosas. Esta grfica, llamada curva
caracterstica de operacin OC (por sus siglas en ingls; Operating Characteristic),
describe el grado en que un plan de muestreo permite en el 100% de las ocasiones
los lotes cuyo nivel de calidad sean mejor que el AQL y aceote lotes con un nivel de
calidad peor que el AQL, el 0% de las veces. Esta curva OC ideal para un plan de un
solo muestreo aparece en la figura. Sin embargo ese rendimiento solamente se logra
con el 100T% de inspeccin. La curva OC tpica para un plan de un solo muestro,
cuya grfica aparece en color gris, muestra la probabilidad () de rechazar un lote
bueno (riesgo del productor) y probabilidad (), de aceptar un lote malo (riesgo del
consumidor). Por ende, a los gerentes les corresponde elegir un tamao de muestra
n y un nmero de aceptacin c para conseguir el nivel de rendimiento especificado
por el AQL, el (), la LTPD y el ().
Trazado de la Curva OC. La distribucin de muestreo correspondiente al plan de un
solo muestreo es la distribucin binomial, porque cada elemento inspeccionado
puede estar defectuoso (un fracaso) o no (un xito).La probabilidad de aceptar el lote
es igual a la probabilidad de tomar una muestra de tamao n de un lote. Con una
proporcin defectuosa de p, y encontrar c o menos elementos defectuosos. A pesar
de ello, si n es mayor que 20 y p es menor que 0,05, entonces es posible emplear la
distribucin de Poisson como una aproximacin de la distribucin binomial, a fin de
aprovechar las tablas preparadas especficamente para dibujar curvas OC. Para
dibujar la curva OC, busque la probabilidad de aceptar el lote para un determinado
rango de valores de p, despus, cada uno de los valores de p.
12

1. Multiplique p por el tamao de la muestra n

2. Busque el valor np en la columna izquierda de la tabla.
3. Desplcese hacia la derecha hasta que localice la columna correspondiente a c.
4. Registre el valor que corresponde a la probabilidad de aceptacin Pa.
Cuando p=AQL, el riesgo del producto, , es 1 menos la probabilidad de aceptacin.
Cuando p=LTPD, el riesgo del consumidor , es igual a la probabilidad de
aceptacin.
.Ventajas y desventajas del Muestreo de Aceptacin
El muestreo de aceptacin respecto a la inspeccin al 100% tiene las siguientes
ventajas:
1. Tiene menor costo porque se inspecciona menos, a pesar de algunos costos
adicionales generados por la planificacin y administracin de los planes de
muestreo.
2. Requiere de menos personal en actividades de inspeccin, simplificando con ello
el trabajo de coordinacin y reduciendo manipulacin.
3. El producto sufre menos dao al haber menos manipulacin.
4. Es aplicable en pruebas destructivas.
5 A menudo reduce el error de inspeccin y la monotona.
6. El rechazo de lotes completos por la existencia de artculos defectuosos
proporciona una motivacin al fabricante del lote para que mejore su calidad.
El muestreo de aceptacin presenta algunas desventajas, como las siguientes:
1. Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque un plan de
muestreo de aceptacin estn previstos y cuantificados estos riesgos.
2. Proporciona menos informacin acerca del nivel de calidad del producto o de su
proceso de fabricacin. Aunque bien utilizada, la informacin obtenida puede ser
insuficiente.
3. Se requiere ms tiempo y conocimiento para planificar y documentar el muestreo,
mientras la inspeccin al 100% no. Esto tal vez no sea una desventaja, ya que la

13

planificacin genera otros efectos positivos, como mayor conciencia de los niveles de
calidad exigidos por cliente.
UNIDAD 3. PRONSTICOS DE VENTAS
3.1 CARACTERSTICAS DE LA DEMANDA
Demanda.
Cantidad de un bien de consumo que se desea comprar por un mercado.
Existen dos tipos de demanda:
1. Demanda dependiente:
Es la demanda de un producto o servicio que se deriva de la demanda de otros
productos o servicios.
2. Demanda independiente:
Esta demanda no se deriva directamente de la de otros productos.
Los pronsticos de la demanda pueden ser crecientes o decrecientes, y tener
naturaleza lineal o no lineal.
3.2 DISEO DEL SISTEMA DE PRONSTICOS
Muchas de las tcnicas de pronstico que se utilizan actualmente y que se exponen
en este trabajo se desarrollaron en el siglo XIX; un ejemplo de ello son los anlisis de
regresin. Con el desarrollo de tcnicas de pronstico ms complejas, junto con el
advenimiento de las computadoras, los pronsticos recibieron ms atencin durante
los aos recientes. Este desarrollo es en especial cierto desde la proliferacin de la
pequea computadora personal. Ahora todos los administradores posen la capacidad
de utilizar tcnicas de anlisis de datos muy complejas para fines de pronstico, y
una comprensin de dichas tcnicas es esencial hoy en da para los Administradores
de Empresas.
El objetivo general de los pronsticos es establecer un mecanismo de apoyo terico
prctico, que permita tomar una decisin, en cualquier aspecto que sea, para que
con la misma y con unas bases estadsticas slidas permitan eliminar cualquier
posible error al tomar una decisin. Las tcnicas de pronstico que pueden
emplearse para complementar el sentido y la capacidad administrativa de los que
toman las decisiones son elementos de juicio en el proceso de pronstico. Quienes
toman la decisin lo harn mejor si a partir de la comprensin de las tcnicas de
pronstico, tanto cualitativa como cuantitativa, las utilizan de manera adecuada, en
14

vez de que se vean forzados a planear el futuro sin el beneficio de esta valiosa
informacin complementaria.
Quin requiere hacer pronsticos? Casi cualquier organizacin, grande y pequea,
pblica y privada, utiliza el pronstico ya sea implcito o explicito, debido a que casi
todas las organizaciones deben planear como enfrentar las condiciones futuras de
las cuales tiene un conocimiento imperfecto.
Adems, la necesidad de hacer pronsticos cruza todas las lneas funcionales lo
mismo que todo tipo de organizaciones. Se requiere hacer pronsticos en las reas
de finanzas, comercializacin, personal y de produccin, tanto en organizaciones
gubernamentales y de bsqueda de ganancias, como en pequeos clubes sociales y
en los partidos polticos nacionales.
Tipos de pronsticos
Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar
decisiones en una atmsfera de incertidumbre, qu tipos de pronsticos tienen
disponibles? En primer trmino, se deben clasificar los procedimientos de pronstico
de largo o corto plazos. Los pronsticos a largo plazo son necesarios para establecer
el curso general de la organizacin para un largo periodo; de ah que se conviertan
en el enfoque particular de la alta direccin. Los pronsticos a corto plazo se utilizan
para disear estrategias inmediatas y que usan los administradores de rango medio y
de primera lnea para enfrentar las necesidades del futuro inmediato.
Tambin se podra clasificar a los pronsticos en trminos de su posicin en el
entorno micro macro, es decir, segn el grado en que intervienen pequeos
detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta
pudiera estar interesado en pronosticar el nmero de trabajadores que requerir en
los prximos meses (un micro pronstico), mientras que el gobierno federal est
pronosticando el nmero total de personas empleadas en toda la nacin (un macro
pronstico).
Pronstico macroeconmico. Por lo regular pensamos en los pronsticos en
trminos de pronosticar variables importantes para una compaa individual o quiz
para una parte de una compaa. Ejemplos de ello son las ventas mensuales de la
empresa, las ventas unitarias de una de las tiendas de la compaa y las horas de
ausencia por empleado y mes en una fbrica.
En la actualidad, los mtodos de pronstico se pueden dividir en forma genrica de
dos enfoques;
1) mtodos que usan los enfoques tradicionales de anlisis de series de tiempo y
2) mtodos menos estructurados que se enfocan en las propiedades estadsticas de
las mediciones histricas.
15

Una de las principales dificultades para el desarrollo de pronsticos de la actividad

econmica global, consiste en cambios significativos en algn factor econmico
clave. Entre tales factores se encuentran los cambios significativos en los precios del
petrleo, variaciones sbitas de la inflacin, y los cambios de poltica global en el
gobierno de otro pas que afectan la economa propia.
Seleccin Del Mtodo De Pronstico
La exposicin anterior sugiere varios factores a considerar en la seleccin de un
mtodo de pronstico. Se debe contemplar el nivel de detalle. Se requiere de un
pronstico de detalles especficos (un micro pronstico)? Se precisa el pronstico
de algn punto en el futuro cercano (un pronstico a mediano plazo), o para un punto
en el futuro distante (un pronstico a largo plazo)? Y, hasta qu grado son
apropiados los mtodos cualitativos (de juicio) y cuantitativos (de manipulacin de
datos)?
Pasos A Seguir En El Pronstico
Todos los procedimientos formales de pronstico comprenden la extensin de las
experiencias del pasado al futuro incierto. De ah la suposicin de que las
condiciones que generaron los datos anteriores son indistinguibles de las
condiciones futuras, con excepcin de aquellas variables reconocidas de manera
explcita por el modelo de pronstico.
El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son
correctos. Con frecuencia este paso es el mayor reto de todo el proceso de
pronstico y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre
los datos, sean o no relevantes para el problema en cuestin. Siempre que se hace
necesario obtener datos pertinentes en una organizacin, abundan los problemas de
recopilacin y control de calidad.
El pas 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de
pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser
pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos
pueden ser los adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en
el pronstico de ventas de automviles compactos podra desearse emplear slo
datos de ventas de automviles a partir del embargo petrolero de la dcada de 1970,
en vez de datos de los ltimos 50 aos.
El paso 3, la construccin del modelo, implica ajustar los datos reunidos en un
modelo de pronstico que sea el adecuado para minimizar el error del pronstico.
Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin del proceso
por parte de los administradores que toman las decisiones en la empresa. Con
frecuencia se debe establecer un balance entre un enfoque de pronstico complejo
que ofrezca ligeramente ms precisin y un enfoque sencillo que sea fcil de
entender y ganar el apoyo de quienes toman las decisiones, de manera que lo
16

utilicen efectivamente. Es obvio que los elementos de juicio forman parte de este
proceso de seleccin.
El paso 4 consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre
una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se
seleccion un modelo de pronstico apropiado. Es comn que quien realiz el
pronstico revise la precisin del proceso mediante el pronstico de periodos
recientes de los que se conocen los valores histricos reales. Es entonces cuando se
observan los errores de pronstico y se resumen de algn modo. Ciertos
procedimientos de pronsticos, suman los valores absolutos de los errores y pueden
reportar esta suma, o dividirla entre el nmero de intentos de pronstico para obtener
el error de pronstico promedio. Otros procedimientos obtienen la suma de
cuadrados de los errores, que se compara luego con cifras similares de mtodos de
pronstico alternativos. Algunos procedimientos tambin rastrean y reportan la
magnitud de los trminos de error sobre el periodo de pronstico. El examen de los
patrones de error conduce con frecuencia al analista a la modificacin del
procedimiento de pronstico, el cual genera despus pronsticos ms precisos.
Administracin del proceso de pronstico
La explicacin de esta parte tiene como objeto subrayar nuestra creencia de que la
capacidad administrativa y el sentido comn deben formar parte del proceso de
pronstico. Se debe pensar en quien pronostica como en un asesor de la direccin,
en vez del monitor de un dispositivo automtico de toma de decisiones. Por
desgracia, este ltimo es el caso en la prctica, en especial en el entorno de la
computadora. De nueva cuenta, las tcnicas en el proceso de pronstico deben ser
vistas como lo que en realidad son, herramientas que utilizaran los administradores
para llegar a mejores decisiones. Se puede mejorar la utilidad de los pronsticos si
los administradores adoptan una actitud ms realista. No se debe ver al proceso
como un sustito de la profeca, sino como la mejor forma de identificar y extrapolar
patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud,
se deben considerar inevitablemente los errores de pronstico e investigar las
circunstancias que los generan.
3.3 MTODOS DE JUICIOS
3.4 MTODOS CASUALES. REGRESIN LINEAL Y MLTIPLE USANDO UN
SOFTWARE
1. Tendencia lineal
Como se dijo antes, la tendencia de una serie viene dada por el movimiento general
a largo plazo de la serie. La tendencia a largo plazo de muchas series de negocios
(industriales y comerciales), como ventas, exportaciones y produccin, con
frecuencia se aproxima a una lnea recta. Esta lnea de tendencia muestra que algo
17

aumenta o disminuye a un ritmo constante. El mtodo que se utiliza para obtener la

lnea recta de mejor ajuste es el Mtodo de Mnimos Cuadrados.
2. Tendencia no lineal
Cuando la serie de tiempo presenta un comportamiento curvilneo se dice que este
comportamiento es no lineal. Dentro de las tendencias no lineales que pueden
presentarse en una serie se encuentran, la polinomial, logartmica, exponencial y
potencial, entre otras.
c. Mtodos de Suavizamiento de la Serie
1. Promedio mvil
Un promedio mvil se construye sustituyendo cada valor de una serie por la media
obtenida con esa observacin y algunos de los valores inmediatamente anteriores y
posteriores. Se mostrar este mtodo con los siguientes ejemplos:
Ejemplo 1. Aplicar el mtodo de promedios mviles para el pronstico de ventas de
gasolina a partir de la siguiente informacin:
Suavizamiento exponencial
El Suavizamiento exponencial emplea un promedio ponderado de la serie de tiempo
pasada como pronstico; es un caso especial del mtodo de promedios mviles
ponderados en el cual slo se selecciona un peso o factor de ponderacin: el de la
observacin ms reciente. En la prctica comenzamos haciendo que F1, el primer
valor de la serie de valores uniformados, sea igual a Y1, que es el primer valor real
de la serie.
3.5 MTODOS DE SERIES DE TIEMPOS USANDO UN SOFTWARE
En desarrollo tecnolgico de la tecnologa de la informtica ha permitido que hoy da
existan varios tipos de software que nos permiten abordar con una mayor precisin
los llamados mtodos de series de tiempo, existen programas de cmputo diseados
especficamente para tratar en forma directa diferentes mtodos de pronstico. Hay
dos tipos de paquetes de cmputo de inters para los pronosticadores: 1)paquetes
estadsticos que incluyen anlisis de regresin y otras tcnicas que se utilizan
con frecuencia en los pronsticos; y 2) paquetes de pronstico diseados
especficamente para aplicaciones de este tipo.
Se han desarrollado cientos de paquetes estadsticos y de pronstico tanto para
macro como para microcomputadoras Los administradores estn aprovechando la
ventaja de la facilidad y disponibilidad de mtodos complejos de pronstico que
proporcionan, algunos de los paquetes de cmputo estadsticos y de pronsticos
ms utilizados son:
1. Minitab: presenta mens y cuadros de dilogo, manteniendo el lenguaje de
comandos para agregar velocidad y flexibilidad.
18

2. Statistical Package for the Social Sciences (SPSS): paquete estadstico para
las ciencias sociales. 3. Statistical Anlisis System (SAS): sistema de anlisis
estadstico.
En el anlisis de series de tiempo de datos, una tentacin inmediata consiste en
intentar explicar o contabilizar el comportamiento de las series. La descomposicin
clsica es un mtodo que se basa en la suposicin de que se pueden descomponer
en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una
prediccin se hace mediante la combinacin de las proyecciones de cada
componente individual.
Muchas variables macroeconmicas, como el Producto Nacional Bruto (PNB), el
empleo y la produccin industrial estn dominadas por una fuerte tendencia. La
tendencia de una serie de tiempo es el componente de largo plazo que representa el
crecimiento o disminucin en la serie sobre un periodo amplio.
Los aspectos fundamentales que ayudan a explicar la tendencia de una serie son el
crecimiento de la poblacin, la inflacin de precios, el cambio tecnolgico y los
incrementos en la productividad.
El componente cclico es la fluctuacin en forma de onda alrededor de la tendencia,
afectada por lo regular por las condiciones econmicas generales. Los patrones
cclicos tienden a repetirse en los datos aproximadamente cada dos tres o ms aos.
Es comn que las fluctuaciones cclicas estn influidas por cambios de expansin y
contraccin econmicas, a los que comnmente se hace referencia como el ciclo de
los negocios.
El componente estacional se refiere a un patrn de cambio que se repite a si
mismo ao tras ao. En el caso de las series mensuales, el componente estacional
mide la variabilidad de las series de enero, febrero, etc. En las series trimestrales hay
cuatro elementos estacinales, uno para cada trimestre. La variacin estacional
puede reflejar condiciones de clima, das festivos o la longitud de los meses del
calendario.
El componente aleatorio mide la variabilidad de las series de tiempo despus de
que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una
serie de tiempo ocasionada por factores imprevistos y no ocurrentes.
La mayora de los componentes irregulares se conforman de variabilidad aleatoria.
Sin embargo, ciertos sucesos a veces impredecibles como huelgas, cambios de
clima (sequas, inundaciones o terremotos), elecciones, conflictos armados o la
aprobacin de asuntos legislativos, pueden causar irregularidad en una variable.
Una serie estacionaria es aquella cuyo valor promedio no vara a travs del tiempo.
Estas situaciones se presentan cuando los patrones de demanda que influyen sobre
la serie son relativamente estables. El pronstico de series estacionarias comprende
el uso de la historia disponible de las series para estimar su valor promedio, el cual
se convierte despus en el pronstico de valores futuros. Las tcnicas ms
sofisticadas comprenden la actualizacin de la estibacin, al haber nueva
informacin.
19

3.6 CRITERIOS PARA LA SELECCIN DE MTODOS CON SERIES DE TIEMPOS

Una serie con tendencia como una serie de tiempo que contiene un componente de
largo plazo que representa el crecimiento o declinacin de la serie a travs de un
periodo amplio. Una productividad creciente y la nueva tecnologa conducen a
cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de
componentes electrnicos, que se increment con el advenimiento de la
computadora; y el uso del ferrocarril que se disminuy con la aparicin del avin. El
incremento en la poblacin provoca un incremento en la demanda de bienes y
servicios. Ejemplo de estos son las utilidades por venta de bienes de consumo, la
demanda en el consumo de energa elctrica y el uso de materias primas.
Tcnicas De Pronstico Para Datos Con Estacionalidad. Una serie estacional
como una serie de tiempo con un patrn de cambio que se repite a si mismo ao tras
ao. Por lo regular, el desarrollo de una tcnica de pronostico estacional comprende
la seleccin de un mtodo multiplicativo o uno de adicin y estimar despus ndices
estacinales a partir de la historia de la serie. Estos ndices se usan posteriormente
para incorporar la estacionalidad al pronstico para eliminar tales efectos de los
valorares observados.
Las tcnicas de pronstico para datos estacinales se usan siempre que:
El clima influyente en la variable de inters. Como ejemplos estn el consumo de
energa elctrica, las actividades de verano e invierno, el guardarropa y las
estaciones de desarrollo agrcola. El ao calendario influye en la variable de inters.
Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de
semana de tres das y los calendarios escolares.
Tcnicas De Pronstico Para Series Cclicas. Es la fluctuacin en forma de onda
alrededor de la tendencia. Los patrones cclicos tienden a repetirse en los datos cada
dos, tres o ms aos. Las fluctuaciones en forma de onda hacia arriba y hacia abajo
alrededor de la tendencia rara vez se repiten en intervalos fijos de tiempo y tambin
vara la magnitud de las fluctuaciones.
Las tcnicas de pronstico para datos cclicos se utilizan siempre que: El ciclo del
negocio influye sobre la variable de inters. Como ejemplos estn los factores
econmicos de mercado y de la compendia. Se presentan cambios en el gusto
popular. Ejemplos de ello son la moda, la msica y la alimentacin. Se presenta
cambios en la poblacin. Podemos citar como ejemplos las guerras, escasez,
epidemias y desastres naturales. Se presentan cambios en el ciclo de vida del
producto. Ejemplo de ello son la introduccin, crecimiento, maduracin, saturacin y
declinacin del mercado.
Medicin Del Error En El Pronstico
20

Ya que las tcnicas cuantitativas de pronsticos implican, por lo regular, series de

tiempo de datos, se desarroll una notacin matemtica para hacer referencia a cada
periodo especfico. Se emplear la letra y para denotar una variable de serie de
tiempo, a menos que exista ms de una variable. El periodo asociado con una
observacin se muestra como subndice. As, Yt se refiere al valor de la serie de
tiempo en el periodo t.
Tambin se desarroll una notacin matemtica para distinguir el valor real de una
serie de tiempo y el valor de pronstico. Se emplear el smbolo ^ (acento circunflejo)
sobre un valor, para indicar que se trata de un pronstico.
Se han ideado diversos mtodos para resumir los errores generados por una tcnica
particular de pronstico. La mayora de estas mediciones implican promediar alguna
funcin de la diferencia entre el valor real y su valor de pronstico. A menudo se
denominan residuales a estas diferencias entre valores observados y los valores de
pronstico.
Un mtodo para evaluar una tcnica de pronstico consiste en obtener la suma de
los errores absolutos. La Desviacin Absoluta de la Media (DAM) mide la precisin
de un pronstico mediante el promedio de la magnitud de los errores de pronstico
(valores absolutos de cada error). La DAM resulta de gran utilidad cuando el analista
desea medir el error de pronstico en las mismas unidades de la serie original
Otra tcnica para evaluar una tcnica de pronstico es el Error Medio Cuadrado
(EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y
se divide entre el nmero de observaciones. Este enfoque penaliza los errores
mayores de pronsticos, ya que eleva cada uno al cuadrado. Esto es importante
pues en ocasiones pudiera ser preferible una tcnica que produzca errores
moderados a otra que por lo regular tenga errores pequeos, pero que
ocasionalmente arroje algunos en extremo grandes.
En ocasiones, resulta ms til calcular los errores de pronstico en trminos de
porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se
calcula encontrando el error absoluto en cada periodo, dividiendo ste entre el valor
real observado, para ese periodo y despus promediando estos errores absolutos de
porcentaje. Este enfoque es til cuando el tamao o magnitud de la variable de
pronstico es importante en la evaluacin de la precisin del pronstico. El PEMA
proporciona una indicacin de que tan grandes son los errores de pronstico
comparados con los valores reales de la serie. Tambin se puede utilizar el PEMA
para comparar la precisin de la misma u otra tcnica sobre dos series
completamente diferentes.
A veces resulta necesario determinar si un mtodo de pronstico est sesgado
(pronstico consistentemente alto o bajo). En estos casos, de las cuatro mediciones
de precisin de un pronstico se considera lo siguiente:
La comparacin de la precisin de dos tcnicas diferentes. La medicin de la
utilidad o confiabilidad de una tcnica. La bsqueda de una tcnica ptima.
Las etapas de resolucin de un problema, mediante este enfoque es la siguiente:
21

Identificacin Del Problema-. Los pronsticos proporcionan informacin para tomar

mejores decisiones. El primer paso es identificar la decisin. Si la decisin no afecta
se afecta por el pronstico, el pronstico es innecesario. La importancia de la
decisin sugerir el esfuerzo que debe dedicarse a producir un pronstico. Una
decisin de una sola vez requiere un pronstico, mientras que una solucin
recurrente necesita un pronstico cada vez que se toma la decisin. En cualquier
caso la decisin determina qu pronosticar, el nivel de detalle necesario y que con
frecuencia se har el pronstico. Los pronsticos de ventas, calidad de materiales
ingresos, gastos, uso de energa o los tiempos de llegada de los clientes son una
necesidad comn en las empresas. Quien toma las decisiones es el dueo del
problema. El analista es quien pronostica. La mayor parte de los pronsticos son
separados por equipos que incluyen la administracin, la mercadotecnia, el analista y
tal vez el procesamiento de datos. La identificacin del problema determina la misin
o el propsito, que muestra como necesidad del pronstico.
Comprensin Del Problema. La base para entender los problemas de pronsticos
es comprender el proceso; por ejemplo, el proceso que crea la demanda de un
artculo. Nunca se puede comprender por completo el proceso, por lo que solo se
puede esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para
crear los pronsticos. Para hacer esto, se examina las caractersticas del problema y
se analizan los datos, si existen. Tambin se establece una meta para el pronstico.
Caractersticas Del Problema. Las principales caractersticas de un problema son
los pronsticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el
nmero de aspectos a pronosticar. Las decisiones a largo plazo no requieren
pronsticos exactos; la decisin de construir una nueva planta se basa en la
tendencia de los pronsticos para varios aos sucesivos u no en una sola estimacin
de la demanda. As los pronsticos muy precisos son innecesarios. Normalmente los
pronsticos a largo plazo se hacen para una sola vez. Es comn que se usen
mtodos causales y cuantitativos para obtenerlos. Una decisin a mediano plazo
puede ser asignar cierta capacidad de la planta a grupos de productos. De nuevo
puede no ser necesario conocer la demanda para cada artculo individual, sino para
grupos de artculos que comparten instalaciones de produccin. Las decisiones a
mediano plazo normalmente requieren pronsticos para uno o dos artculos. Con
frecuencia se usan mtodos cuantitativos, incluyendo los causales y las series de
tiempo, para los pronsticos a mediano plazo. La decisin a corto plazo es cuntos
productos de deben fabricar. En este caso se necesita el nmero real de unidades de
producto. Debido a que las decisiones de corto plazo estn basadas en estos
pronsticos, necesitan ser razonablemente exactos. Los mtodos de series de
tiempo son los que se usan con ms frecuencia para los pronsticos a corto plazo,
pero en algunas situaciones, tambin son tiles los mtodos causales y los
cuantitativos.
Datos: Examinar los datos cuando se tienen pueden proporcionar una gran visin.
Los datos pueden venir de los registros de la empresa o fuentes comerciales o
gubernamentales, los registros de la compaa incluyen informacin sobre compras y
22

ventas. Si no existen datos, se deben recolectar o se puede usar un enfoque de

pronsticos que no los requiera. Si no se dispone de datos o recolectarlos es
demasiado costoso, se elige un enfoque cualitativo. Hay factores externos o internos
que afectan a los datos. Los factores externos estn fuera de nuestro control pero se
puede influir en los factores internos. Entre los factores internos estn la calidad y el
precio del producto el tiempo de entrega publicidad y descuentos. Si se disponen de
datos, se grafican para observar si existe un patrn. La grafica muestra una demanda
semanal de dentfrico durante los dos ltimos aos. Estos datos se usan para
explicar el anlisis de datos de una serie de tiempo. El anlisis de datos causales de
una serie de tiempos es similar pero en lugar de graficar, digamos, la demanda
contra tiempo, se puede graficar la demanda contra variable causal. Cuando se
examina la grfica parece estar nivelada, en trminos burdos, con una pequea
variacin que es caracterizada de un proceso constante. Cuando se grafican los
datos, la eleccin de la escala es muy importante si se selecciona una escala
equivocada, los datos de un proceso constante pueden parecer estacinales
fluctuaciones aleatorias. Cuando las tendencias y la estacionalidad estn presentes,
los datos deben descomponerse para ver los efectos de cada una. Los datos
disparados deben eliminarse antes de analizarlos. El resultado del anlisis de datos
es entender el proceso que causa la demanda. Siempre habr una parte inexplicable
la componente aleatoria -.
Meta de pronstico: La meta de cualquier sistema de pronsticos es proporcionar
eso pronsticos con la exactitud necesaria, a tiempo y a un costo razonable. Un
pronstico oportuno est determinado por su utilizacin. El trueque bsico de los
pronsticos se hace entre la respuesta al cambio y a la estabilidad, es decir, si se
experimenta una demanda anormalmente alta una semana debe decidirse si se
requiere ms producto la siguiente semana. Si la demanda alta refleja un cambio en
el patrn de demanda, debe aumentarse la produccin, pero si fue slo una
fluctuacin aleatoria, no se aumenta. Un buen sistema de pronsticos reaccionar
ante los cambios reales e ignorar las variaciones al azar.
Desarrollo de un modelo
Una vez identificados los procesos, stos determinan la forma del modelo. Los
pronsticos cualitativos no usan modelos sencillos de establecer. Los modelos
causales dependen de la situacin particular pero en general tienen la forma. D1 = f
(x t-k) + e Donde d representa la variable dependiente, como la demanda, x, la
varianza independiente ( o factor causal ) y e, la componente del ruido del tiempo t.
La variable dependiente en el tiempo t es idealmente una funcin de la variable
independiente en el tiempo t k, k> 1. El lapso del periodo k permite conocer el valor
de la variable independiente antes de hacer el pronstico de la variable dependiente;
si no hay este lapso, deber pronosticarse la variable independiente antes de obtener
un pronstico para la variable dependiente. La relacin funcional entre d y x se
representa por f y puede ser lineal, cuadrtica o alguna otra relacin matemtica.
Puede haber mas de un factor causal. Para los enfoques de las series de tiempo, los
modelos comunes que se estudian son constantes, la tendencia lineal y estacional, o
combinaciones de stos. Matemticamente son:
Dt = a + e ( constante)
23

Dt = a + bt + e ( tendencia lineal )
Dt = act + e ( estacional )
Ms comunes, aunque existen otros.
Solucin Del Modelo. El primer paso para resolver el modelo es elegir un mtodo.
Si se tiene un modelo causal, el mtodo ser regresin. Para modelos de series de
tiempo, existen varios mtodos disponibles, incluso para el mismo proceso. Por
ejemplo existen muchos mtodos para pronosticar unas series de tiempo constante.
Dado el modelo si se consideran los coeficientes, simplemente se podra introducir
los nmeros correctos y obtener el pronstico. Como los parmetros reales de la
ecuacin del modelo no se conocen, deben estimarse. Interpretacin e implantacin
de la solucin. La interpretacin de la solucin es la tarea ms importante al operar
un sistema de pronsticos. Conforme se obtienen los nuevos datos, se actualiza el
pronstico. Adems, se compara el pronstico anterior con lo que realmente ocurri
para obtener retroalimentacin sobre la calidad del procedimiento de pronsticos. Si
la calidad es aceptable, se dice que el procedimiento est bajo control. Si el
procedimiento esta fuera de control, es necesario regresar a la etapa de diseo; se
requiere volver a estimar los parmetros del modelo actual, o bien, cambiar el
modelo. Si el sistema de pronsticos est bajo control, se hace un pronstico para un
periodo futuro. Observaciones. Existen dos hechos muy importantes que recordar;
los pronsticos los pronsticos casi nunca dan una respuesta exacta y entre ms
lejos al futuro se vea, menos preciso ser el pronstico.
Pronsticos Cualitativos. Los mtodos cualitativos de pronsticos utilizan el juicio
de los gerentes, su experiencia, los datos relevantes y un modelo matemtico
implcito. Como el modelo es implcito, si dos gerentes distintos utilizan los mtodos
cualitativos, es frecuente que lleguen a pronsticos con variaciones importantes.
Los pronsticos cualitativos deben utilizarse cuando los datos del pasado no resulten
confiables como indicadores de las condiciones del futuro. Cuando ocurre lo anterior,
los datos del pasado deben compensarse mediante un juicio antes de poder
desarrollar un pronstico. Tambin debe utilizarse el pronstico cualitativo para la
introduccin de nuevos productos cuando no se dispone de una base de los datos
histricos.
Los mtodos cualitativos casi siempre se utilizan para pronsticos a mediano y largo
plazo que involucren situaciones como diseo del proceso o capacidad de las
instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca estn
disponibles o, cuando as es, pueden indicar un patrn poco estable.
Investigacin de marcado: Una investigacin de mercado consiste en varios pasos.
Primero es necesario desarrollar un cuestionario que deben contener preguntas
cuyas respuestas proporcionen la informacin necesaria para determinar un
pronstico.
El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo,
fax, correo electrnico, telfono, una postal para recortar una entrevista o en una
persona. La manera en que se lleve a cabo la investigacin puede afectar tanto el
nmero como la calidad de las respuestas. El nmero, localizacin y los clientes
individuales que respondern deben planearse con cuidado junto con el propsito del
24

estudio. Una vez que se realiza la investigacin, deben tabularse y analizarse los
resultados. Se debe tener cuidado al interpretar estos resultados. Las tasa de
respuesta pueden ser bajas, las r5espuestas pueden ser incorrectas, o los factores
no considerados en el cuestionario pueden afectar el resultado real de los eventos.
Mtodo Delphi:
Una variacin formal de la opinin de expertos es el mtodo Delphi, Un comit de
expertos corresponde al orculo en esta tcnica, y el facilitador determina los
participantes, escribe los cuestionarios y analiza los resultados. Los miembros del
comit pueden ser expertos de diferentes campos. Por ejemplo uno puede tener
orientacin hacia las ventas y otro ser economista. Ellos ofrecen diversos puntos de
vista y consideran muchos factores en el proceso. Se pide a los miembros del comit
que entreguen pronsticos annimos de eventos especficos y, lo que es ms
importante, sus razones para hacer este pronstico. Las preguntas deben ser
ambiguas y simples. En lugar de pregunta si las ventas sern altas, debe
preguntarse si estarn arriba de un valor dado.

CONCLUSION.

25

Una buena calidad de los productos y un buen proceso llevado a cabo de una
manera estructurada es la base para que una empresa prospere y tenga ganancias.
Sabemos que para que una empresa pueda funcionar bien y no se le presenten
problemas de ningn tipo debe de contar con un control interno implementado en
todas sus reas y que establezcan los objetivos por los cuales esa empresa se
fund. Existen muchas formas para que las empresas controlen sus ventas y las
entradas y salidas de mercancas de la misma.
Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar
decisiones en una atmsfera de incertidumbre, qu tipos de pronsticos tienen
disponibles? En primer trmino, se deben clasificar los procedimientos de pronstico
de largo o corto plazos. Los pronsticos a largo plazo son necesarios para establecer
el curso general de la organizacin para un largo periodo; de ah que se conviertan
en el enfoque particular de la alta direccin. Los pronsticos a corto plazo se utilizan
para disear estrategias inmediatas y que usan los administradores de rango medio y
de primera lnea para enfrentar las necesidades del futuro inmediato.
Tambin se podra clasificar a los pronsticos en trminos de su posicin en el
entorno micro macro, es decir, segn el grado en que intervienen pequeos
detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta
pudiera estar interesado en pronosticar el nmero de trabajadores que requerir en
los prximos meses (un micro pronstico), mientras que el gobierno federal est
pronosticando el nmero total de personas empleadas en toda la nacin (un macro
pronstico).

26