Professional Documents
Culture Documents
2
Autor: Emmanuel Pelez
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
Autor: Emmanuel Pelez
4. Tipos de pronsticos.
Se puede pronosticar el futuro mediante dos enfoques:
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
17
21
19
23
(17+21+19)/3 = 19
5
Autor: Emmanuel Pelez
Mes
18
21
16
20
20
19
18
18
22
18
10
20
20
11
15
20
12
22
19
+ +
Ejemplo:
Para los datos del ejemplo anterior, considere ponderaciones de 0.3, 0.3 y 0.4, para los tres periodos
pasados, respectivamente.
Mes
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
Autor: Emmanuel Pelez
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
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
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.
Ft
Tt
= D t-1 + (1 ) FITt-1
= T t-1 + (F t FIT t-1)
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
Autor: Emmanuel Pelez
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
F 1 = No disponible
FIT 1 = 130
T1=4
T7=3
10
Autor: Emmanuel Pelez
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
(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
11
Autor: Emmanuel Pelez
=
=
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
*
12
Autor: Emmanuel Pelez
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
Autor: Emmanuel Pelez
Enero-mar
Abril-junio
Ao pasado
596
388
Regla 1:
Este ao
270
363
Ao pasado
Este ao
Julio-sept.
Octubre-dic.
Regla 2:
Regla 3:
Regla 5:
123 =
Seal de Rastreo:
ST = SCEP / DMA
14
Autor: Emmanuel Pelez
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
Autor: Emmanuel Pelez
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
-1
-2
16
Autor: Emmanuel Pelez
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.