Pronosticos

UNIDAD No.
Los pronsticos en la produccin y las operaciones
Ing. Emmanuel Pelez, M.A.

Santo Domingo, D.N.
ltima revisin: Agosto 2015
Unidad 1: Los Pronsticos en las Operaciones
INDICE DEL CONTENIDO

1. Introduccin de la unidad ............................................................................................................... 3
2. Concepto demanda dependiente e independiente ......................................................................... 4
3. Uso y necesidad de los pronsticos ............................................................................................... 4
4. Tipos de pronsticos. ..................................................................................................................... 4
4.1 Modelos cualitativos .................................................................................................................... 5
4.2 Modelos cuantitativos .................................................................................................................. 5
5. Variacin estacional de la demanda ............................................................................................. 11
6. Anlisis de regresin lineal ........................................................................................................... 12
7. Pronsticos enfocados ................................................................................................................. 13
8. Medicin de errores: desviacin media absoluta y seal de rastreo. ........................................... 14
2
Autor: Emmanuel Pelez
DESARROLLO DEL CONTENIDO

1. Introduccin de la unidad
En toda organizacin, la planeacin generalmente se divide en tres grandes reas: (1) el rea de
mercadeo y ventas, (2) el rea financiera y administrativa, y (3) el rea de operaciones y produccin.
En ese sentido, no podramos hablar de planeacin sin tener datos de las demandas futuras de los
bienes y servicios que pretende ofrecer dicha organizacin. Para obtener dichas demandas futuras,
necesitamos de algunas tcnicas de pronsticos que nos ayuden a estimar esos datos.
Realizar pronsticos lo ms cercano posible a lo que ocurrir en la realidad es de vital importancia
para la empresa, ya que puede ahorrar miles y hasta millones de pesos, debido al uso inadecuado
de los recursos que se disponen.
Con los datos obtenidos en los pronsticos podemos realizar el plan agregado de operaciones, el
cual nos dir las cantidades de personas, materiales, horas extras, inventarios, entre otros, que
refleje los costos totales mnimos y que cumpla con los requerimientos netos de la demanda de los
clientes. El plan agregado es til tanto para la produccin de bienes como de servicios. Obsrvese
la siguiente grfica.
Fuente de la imagen: Chase, R. B., Jacobs, F. R. & Aquilano, N. J. (2009). Administracin de la produccin y
operaciones. (12 ed.). p.517, USA, New York, NY: Editorial McGrawHill.
3
2. Concepto demanda dependiente e independiente

Demanda dependiente. Est sujeta a otra demanda,
como es el caso de partes o componentes de un producto
que se derivan de otros (sub ensambles). Ejemplo de esto
puede ser la cantidad de ruedas que se necesitan para
ensamblar una bicicleta depender de la cantidad de
bicicletas que se soliciten.
Demanda Independiente. Obedece a los requerimientos
del mercado y es determinada por un pronstico. En el
ejemplo anterior de la bicicleta, seria determinar la cantidad
de bicicletas que se requieren.
3. Uso y necesidad de los pronsticos

Pronstico: es la estimacin de un acontecimiento futuro que se obtiene
proyectando datos del pasado, los cuales se combinan sistemticamente
mediante tcnicas estadsticas y administrativas.
Prediccin: es la estimacin de un acontecimiento futuro basado en
consideraciones subjetivas, en la habilidad, experiencia y buen juicio de
las personas.
Usos de los pronsticos en la empresa
Los pronsticos se requieren para:
Diseo del producto
Diseo del proceso
Inversin y remplazo de equipo
Planeacin de la capacidad estructural
Planeacin Agregada
Planeacin de Requerimientos de Materiales (MRP)
Programacin de las operaciones
Control de la produccin e Inventario
4. Tipos de pronsticos.
Se puede pronosticar el futuro mediante dos enfoques:
El cualitativo o intuitivo, basado en la experiencia, lo que implica hacer conjeturas, corazonadas y

juicios subjetivos, y
El cuantitativo o estadstico que maneja datos histricos.
4
4.1 Modelos cualitativos

a) Opinin ejecutiva: Los gerentes de mercadotecnia, finanzas y produccin preparan pronsticos
b) Mercadotecnia: Los clculos independientes de los vendedores regionales son canalizados con
proyecciones nacionales de los gerentes de lnea de productos
c) Analoga histrica: Se realiza mediante la comparacin con un producto similar previamente
introducido.
d) Mtodo Delphi: Se realizan encuestas a los expertos y estos responden (annimamente) una
serie de preguntas respecto a la variable que se quiere proyectar. Luego se recibe
retroalimentacin y se devuelven las respuestas diferentes a las dems, pidiendo que se
justifiquen. Finalmente, se consolida un pronstico donde exista el consenso por parte del grupo
de expertos.
e) Investigaciones de Mercado: Se usan cuestionarios y paneles para obtener datos que anticipen
el comportamiento del consumidor.
4.2 Modelos cuantitativos

a) Promedio mvil simple: Se obtiene al promediar los datos de la demanda correspondientes
a N perodos ms recientes.
Promedio mvil =
El trmino mvil indica que conforme se tiene disponible una nueva observacin de la serie de
tiempo, se remplaza la observacin ms antigua de la ecuacin y se calcula un nuevo promedio.
Como resultado el promedio cambiar, es decir, se mover, al ir quedando disponibles nuevas
observaciones.
Ejemplo:
Considere los siguientes datos histricos, calcule el promedio mvil simple para 3 semanas:
Mes
Ventas (en miles)

(At)
17
21
19
23
Promedio mvil simple

(Ft)
(17+21+19)/3 = 19
5
Mes
Ventas (en miles)

(At)
Promedio mvil simple

(Ft)
18
21
16
20
20
19
18
18
22
18
10
20
20
11
15
20
12
22
19
b) Promedio mvil ponderado: Asigna pesos o ponderaciones a N periodos ms recientes de

la demanda histrica.
La suma de las ponderaciones debe ser igual a 1.
+ +
Ejemplo:
Para los datos del ejemplo anterior, considere ponderaciones de 0.3, 0.3 y 0.4, para los tres periodos
pasados, respectivamente.
Mes
Ventas (en miles)

(At)
Pronostico de promedio mvil

ponderado
17
21
19
23
17(0.3)+21(0.3)+19(0.4)= 19.0
18
21.2
16
19.8
20
18.7
18
18.2
22
18.0
10
20
20.2
11
15
20.0
12
22
18.6
6
c) Suavizacin exponencial simple: Se calcula en base a promedios mviles ponderados

exponencialmente, donde los ltimos valores tienen mayor peso.
Este peso o valor de ajuste alfa () debe estar en el siguiente rango: 0 < < 1 Si el valor de ponderacin
es pequeo el deslizamiento o ajuste ser menor. Para asignar el valor de ajuste o de ponderacin () se
debe tener en cuenta lo siguiente:
La demanda en condiciones de estabilidad 0.5

La demanda en proceso de cambio o cuando se trata de nuevos productos > 0.5.
El clculo correspondiente requiere de 2 datos: el primero es la demanda real del perodo ms reciente y
el segundo es el pronstico ms reciente obtenido por cualquier otro mtodo. A medida que termina cada
perodo se realiza un nuevo pronstico. Entonces:
Pronstico de
la demanda del
perodo siguiente
Ft
demanda
ms
reciente
pronstico
+ (1 - ) ms
reciente
Dt-1
(1 - ) Ft-1
Donde: Ft = Pronstico en el periodo t

Dt-1 = Demanda en el periodo t-1
Ejemplo: consideremos la serie de tiempo de ventas de la tabla. Suponga un alfa de 0.2.

Explicacin:
El pronstico de suavizacin exponencial para el periodo 2 es igual al valor real de la serie de tiempo
del periodo 1, por lo que con D1 = 17, hacemos que F2 sea igual a 17 para iniciar los clculos de
suavizacin exponencial.
De los datos de la serie de tiempo de la tabla, encontramos un valor de la serie de tiempo real en el
periodo 2 de D2 = 21, por lo que, el periodo 2 tiene un error de pronstico de:
21 17 = 4
Al continuar con los pasos de suavizacin exponencial, utilizando una constante de suavizacin a =
0.2 nos da el pronstico para el periodo 3:
F3 = 0.2 D2 + 0.8 F2 = 0.2(21) + 0.8(17) = 17.8
Una vez conocido el valor real del periodo 3, D3 = 19 de la serie de tiempo, podemos generar un
pronstico para el periodo 4:
F4 = 0.2 D3 + 0.8 F3 = 0.2(19) + 0.8(17.8) = 18.04
Y as sucesivamente. Como se ve a continuacin:
7
Semana
(t)
Valor de la serie de
tiempo (Dt)
Pronstico de suavizacin
exponencial (Ft)
17
21
17.00
19
17.80
23
18.04
18
19.03
16
18.83
20
18.26
18
18.61
22
18.49
10
20
19.19
11
15
19.35
12
22
18.48
Compare si la frmula de suavizacin exponencial simple utilizada ms arriba es diferente a la

explicada en el siguiente video:
http://www.youtube.com/watch?v=l3v_G1AArgQ
d) Ajuste exponencial con tendencia
Pronosticar la demanda es una tarea que amerita cierta destreza, ya que tiene varios componentes,
constantes, cclicos, estacionales, tendenciales y aleatorios, que interactan de diferentes
maneras, por lo que es preciso identificarlos para entenderlos perfectamente.
Sirve para corregir los efectos de una tendencia ascendente o descendente en los datos reunidos a
lo largo de una secuencia de periodos. Para esto se introduce otra constante delta (), para
disminuir los efectos del error.
La ecuacin para calcular el pronstico con tendencia incluida (FIT) es:

FIT t = F t + T t ; donde
8
Ft
Tt
= D t-1 + (1 ) FITt-1
= T t-1 + (F t FIT t-1)
FITt = Pronstico que incluye tendencia para el periodo t

F t = Pronstico con ajuste exponencial para el periodo t
T t = Tendencia ajustada exponencialmente para el periodo t
D t-1 = Demanda real para el periodo pasado
= Constante de suavizacin para el promedio (0 1)
= Constante de suavizacin para la tendencia (0 1)
El componente de tendencia inicial se puede estimar promediando las variaciones que ocurren de un
periodo a otro.
Por ejemplo:
En los datos siguientes: 20, 22, 24, 26, 28 claramente existe una tendencia positiva de 2.
Que calculado seria: [(22-20)+(24-22)+(26-24)+(28-26) ] /4 = 2,
Ejemplo:
Con los siguientes datos, desarrolle un pronstico de suavizacin exponencial con tendencia para las
ventas del mes 7, utilizando un = 0.2, y = 0.3. Tome como pronostico inicial FIT1 = 130.
Mes (t)
1
2
3
4
5
6
Ventas (Ft)
130
136
134
140
146
150
Solucin:
Datos:
= 0.2
= 0.3
FIT1 = 130
Paso 1: Calcule Ft
Paso 2: Calcule Tt
Paso 3: Calcule FIT t
1) Estimamos el pronstico para el mes 1 (FTI 1), si no tenemos ninguno, suponemos que F1 fue
igual a las ventas para el mes 1 (Dt), o sea:
FIT t =
Tt
= 130
9
2) Estimamos un componente inicial de tendencia (T1).

T1 = [ (136-130)+(134-136)+(140-134)+(146-140)+(150-146) ] / 5 = (6-2+6+6+4)/5 = 20/5 = 4
3) Luego, utilizando el pronstico y el componentes de tendencia inicial de los meses 1 y 2,

calculamos el pronstico para las ventas en cada uno de los meses que nos llevan a un
pronstico para el mes 7:
Mes
(t)
1
2
3
4
5
6
7
Ventas
(Dt)
130
136
134
140
146
150
Ft-1
FIT t
FIT t-1
Ft
Tt
T t-1
-130
136
134
140
146
150
130
134
138.52
141.47
144.94
148.97
153.06
-130
134
138.52
141.47
144.94
-130
134.40
137.62
141.18
145.15
4
4
4.12
3.85
3.76
3.82
-4
4
4.12
3.85
3.76
Ft = D t-1 + (1 ) FITt-1
FIT t = F t + T t
Tt
= T t-1 + (F t FIT t-1)
F 1 = No disponible
FIT 1 = 130
T1=4
F 2 = 0.2(130) + 0.8(130) = 130

FIT 2 = 130 + 4 = 134
T 2 = 4 + 0.3 (130 130) = 4.00
F 3 = 0.2(136) + 0.8(134) = 134.4

FIT 3 = 134.4 + 4.12 = 138.52
T 3 = 4 + 0.3 (134.4 134) = 4.12
F 4 = 0.2(134) + 0.8(138.52) = 137.62

FIT 4 = 137.62 + 3.85 = 141.47
T 4 = 4.12 + 0.3(137.62 138.52) = 3.85
F 5 = 0.2(140) + 0.8(141.47) = 141.18

FIT 5 = 141.18 + 3.76 = 144.94
T 5 = 3.85 + 0.3(141.18 141.47) = 3.76
F 6 = 0.2(146) + 0.8(144.94) = 145.15

FIT 6 = 145.15 + 3.82 = 148.97
T 6 = 3.76 + 0.3(145.15 144.94) = 3.82
F 7 = 0.2(150) + 0.8(148.97) = 149.18

.82 + 0.3(149.18 148.97) = 3.88
FIT 7 = 149.18 + 3.88 = 153.06
T7=3
10
5. Variacin estacional de la demanda (multiplicativa)

Cuando los datos indican que el proceso no es constante, sino que aumenta en forma
estable, el pronstico se determina con un modelo que incorpore esa tendencia,
creciente o decreciente en el largo plazo.
Ejemplo:
1. La siguiente es la demanda de los 12 ltimos trimestres:
2012
I
II
III
IV
2013
4,800
3,500
4,300
3,000
I
II
III
IV
2014
3,500
2,700
3,500
2,400
I
II
III
IV
3,200
2,100
2,700
1,700
La siguiente tabla muestra cmo se desestacionaliza los datos de la demanda:
(1)
(2)
4,800
2
3
4
5
6
7
8
9
10
11
12
78
II
III
IV
I
II
III
IV
I
II
III
IV
3,500
4,300
3,000
3,500
2,700
3,500
2,400
3,200
2,100
2,700
1,700
37,400
(3)
Demanda
x Trimestre
(y)
(4)
(5)
(6)=(3)/(5)
Promedio de los
Factor
Demanda (yd)
mismo trimestres
estacional
desestacionada
(4800+3500+3200)/3 3833 / 3116.7 =
4,800/1.23 =
=3833
1.23
3,903
2,768
0.89
3,933
3,500
1.12
3,839
2,368
0.76
3,947
3,833
1.23
2,846
2,768
0.89
3,034
3,500
1.12
3,125
2,368
0.76
3,158
3,833
1.23
2,602
2,768
0.89
2,360
3,500
1.12
2,411
2,368
0.76
2,237
12.00
37,400
Promedio de la demanda = 37,400 / 12 = 3,116.7
Observe el siguiente ejemplo realizado en Excel:

http://www.youtube.com/watch?v=S4Tszqv0lFM
11
6. Anlisis de regresin lineal

Es un procedimiento para determinar el comportamiento en lnea recta de los datos
histricos, mediante la utilizacin de la tcnica de los mnimos cuadrados.
Ejemplo:
De los datos del ejemplo anterior, tenemos:
Trimestre
I
II
III
IV
I
II
III
IV
I
II
III
IV
Sumatoria
Promedio
N=
=
=
b=
=
X
1
2
3
4
5
6
7
8
9
10
11
12
78
6.5
12
Y
3,903
3,933
3,839
3,947
2,846
3,034
3,125
3,158
2,602
2,360
2,411
2,237
37,395
3,116
X2
1
4
9
16
25
36
49
64
81
100
121
144
650
X*Y
3,903
7,866
11,517
15,788
14,230
18,204
21,875
25,264
23,418
23,600
26,521
26,844
219,030
+
( ) ( )( )
( ) ( )
219,030 12(6.5)(3,116) 24018
=
= 167.96
650 12(6.5)&
143
*
a = 3,116 (167.96)(6.5) = 4,207.74
= ,, -.. ., /.. 0/( )
12
7. Pronsticos enfocados
Es un sistema de pronstico creado por Bernie Smith, y se basa en la utilizacin de 5
reglas para proyectar los datos del pasado. Estas son:
1) Lo que vendimos en los 3 meses anteriores es lo que probablemente
venderemos en los 3 meses siguientes.
2) Lo que vendimos en el mismo periodo de 3 meses del ao pasado, es lo que
probablemente venderemos en el mismo periodo del presente ao.
3) Venderemos un 10% ms en los prximos 3 meses que lo que vendimos en los
3 meses anteriores.
4) Venderemos 50% ms en los prximos 3 meses que lo que vendimos en los
mismos 3 meses del ao pasado.
5) El porcentaje de cambio registrado en los 3 meses anteriores en comparacin
con los mismos 3 meses del ao pasado, probablemente ser el mismo
porcentaje de cambio que registraremos en los prximos 3 meses de este ao.
Estas reglas no son invariables, mediante simulacin por computadora se descartan las
que no parecen adaptarse a la realidad. La regla que funcione mejor para proyectar el
pasado, se utilizar para proyectar el futuro. Para utilizar este sistema, necesitamos un
historial de datos de al menos 18 meses.
Ejemplo del libro1:
La siguiente tabla muestra la demanda de asadores de los ltimos 18 meses. Estime la
demanda para julio, agosto y septiembre del presente ao, mediante las tcnicas de
pronsticos enfocados.
Enero
Febrero
Marzo
Abril
Mayo
Junio
Ao pasado
6
212
378
129
163
96
Este ao
72
90
108
134
92
137
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Ao pasado
167
159
201
153
76
30
Este ao
Chase, R. B., Jacobs, F. R. & Aquilano, N. J. (2009). Administracin de la produccin y operaciones. (12 ed.).
USA, New York, NY: Editorial McGrawHill.
13
Enero-mar
Abril-junio
Ao pasado
596
388
Regla 1:
Este ao
270
363
Ao pasado
Este ao
Julio-sept.
Octubre-dic.
270 / 363 = 74%

(363/270 1) x 100 = +34.4% (cambio porcentual)
Regla 2:
388 / 363 = 107%

(363/388 1)x100 = -6.4% (cambio porcentual)
Regla 3:
270 x 1.10 = 297
297 / 363 = 82%
(363/297 1)x100 = +22.2% (cambio porcentual)

Regla 4:
388 x 1.50 = 582
582 / 363 = 160%
(363/582 1)x100 = -37.6% (cambio porcentual)

596
270
388
X
X= (388 x 270) / 596 = 175.7
El % de cambio comparado con el real = 175.7 / 363 = 48%
Regla 5:
(363/175.7 1)x100 = +106.7% (cambio porcentual)
Utilizar la regla #2 porque resulta ser la ms prxima al valor real.
8. Medicin de errores: desviacin media absoluta y seal de rastreo.

Desviacin Media Absoluta:
123 =
Seal de Rastreo:
ST = SCEP / DMA
SCEP = Suma Corriente de Errores del Pronostico
14
Ejemplo:
Para proyectar un perodo de 6 meses se utiliz un modelo de pronstico particular.
Las siguientes son los pronsticos y las demandas reales que resultaron.
Mes
(t)
1
2
3
4
5
6
Pronstico
(F)
300
300
300
300
300
300
Demanda Real
(A)
250
325
400
350
375
450
Encuentre la Seal de Rastreo e indique si usted considera que el modelo utilizado est
dando respuestas aceptables.
15
SOLUCION:
Mes
(t)
Pronstico
(F)
Demanda
Real
(A)
Error
At Ft
1
2
3
4
5
6
300
300
300
300
300
300
250
325
400
350
375
450
-50
25
100
50
75
150
Desviacin
SCEP absoluta
At Ft
-50
-25
75
125
200
350
50
25
100
50
75
150
Suma
Desv.
DMA
Absolutas
At Ft
50
50.0
75
37.5
175
58.3
225
56.3
300
60.0
450
75.0
ST
-1.0
-0.7
1.3
2.2
3.3
4.7
En vista de que la ST es una medida que indica si el promedio de pronstico est

manteniendo el ritmo de los cambios reales en la demanda, y que representa el nmero
de DMA en que el valor del pronstico se encuentra por encima o por debajo de la
ocurrencia real, se determina que:
El modelo de pronstico utilizado no dio respuestas aceptables.
Tambin se puede observar en la siguiente grafica que la seal de rastreo tiende a
alejarse de 0 (cero).
5
4
3
2
1
0
1
-1
-2
16
BIBLIOGRAFIA
1. Chase, R. B., Jacobs, F. R. & Aquilano, N. J. (2009). Administracin de la
produccin y operaciones. (12 ed.). USA, New York, NY: Editorial McGrawHill.

Pronosticos

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Pronosticos

Uploaded by

Copyright:

Available Formats

UNIDAD No.

Los pronsticos en la produccin y las operaciones

Ing. Emmanuel Pelez, M.A.

Unidad 1: Los Pronsticos en las Operaciones

INDICE DEL CONTENIDO

Unidad 1: Los Pronsticos en las Operaciones

DESARROLLO DEL CONTENIDO

Unidad 1: Los Pronsticos en las Operaciones

2. Concepto demanda dependiente e independiente

3. Uso y necesidad de los pronsticos

El cualitativo o intuitivo, basado en la experiencia, lo que implica hacer conjeturas, corazonadas y

Unidad 1: Los Pronsticos en las Operaciones

4.1 Modelos cualitativos

4.2 Modelos cuantitativos

Ventas (en miles)

Promedio mvil simple

Unidad 1: Los Pronsticos en las Operaciones

Ventas (en miles)

Promedio mvil simple

b) Promedio mvil ponderado: Asigna pesos o ponderaciones a N periodos ms recientes de

Ventas (en miles)

Pronostico de promedio mvil

Unidad 1: Los Pronsticos en las Operaciones

c) Suavizacin exponencial simple: Se calcula en base a promedios mviles ponderados

La demanda en condiciones de estabilidad 0.5

Donde: Ft = Pronstico en el periodo t

Ejemplo: consideremos la serie de tiempo de ventas de la tabla. Suponga un alfa de 0.2.

Unidad 1: Los Pronsticos en las Operaciones

Compare si la frmula de suavizacin exponencial simple utilizada ms arriba es diferente a la

d) Ajuste exponencial con tendencia

La ecuacin para calcular el pronstico con tendencia incluida (FIT) es:

Unidad 1: Los Pronsticos en las Operaciones

FITt = Pronstico que incluye tendencia para el periodo t

Unidad 1: Los Pronsticos en las Operaciones

2) Estimamos un componente inicial de tendencia (T1).

3) Luego, utilizando el pronstico y el componentes de tendencia inicial de los meses 1 y 2,

= T t-1 + (F t FIT t-1)

F 2 = 0.2(130) + 0.8(130) = 130

T 2 = 4 + 0.3 (130 130) = 4.00

F 3 = 0.2(136) + 0.8(134) = 134.4

T 3 = 4 + 0.3 (134.4 134) = 4.12

F 4 = 0.2(134) + 0.8(138.52) = 137.62

T 4 = 4.12 + 0.3(137.62 138.52) = 3.85

F 5 = 0.2(140) + 0.8(141.47) = 141.18

T 5 = 3.85 + 0.3(141.18 141.47) = 3.76

F 6 = 0.2(146) + 0.8(144.94) = 145.15

T 6 = 3.76 + 0.3(145.15 144.94) = 3.82

F 7 = 0.2(150) + 0.8(148.97) = 149.18

Unidad 1: Los Pronsticos en las Operaciones

5. Variacin estacional de la demanda (multiplicativa)

La siguiente tabla muestra cmo se desestacionaliza los datos de la demanda:

Promedio de la demanda = 37,400 / 12 = 3,116.7

Observe el siguiente ejemplo realizado en Excel:

Unidad 1: Los Pronsticos en las Operaciones

6. Anlisis de regresin lineal

a = 3,116 (167.96)(6.5) = 4,207.74

= ,, -.. ., /.. 0/( )

Unidad 1: Los Pronsticos en las Operaciones

Unidad 1: Los Pronsticos en las Operaciones

270 / 363 = 74%

388 / 363 = 107%

270 x 1.10 = 297

297 / 363 = 82%

(363/297 1)x100 = +22.2% (cambio porcentual)