República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria Ciencia y Tecnología
Universidad Nacional Experimental Francisco de Miranda
Extensión Barquisimeto
Pronósticos
Estudiante: Luis Mendoza
C.I.: 26.480.061
Carrera: Ingeniería Industrial
Asignatura: Planificación y Control de la Producción
Semestre: VIII
Sección: U
INTRODUCCIÓN A LOS PRONÓSTICOS
Los pronósticos se están convirtiendo en la vida de los negocios en un mundo donde los
el cambio está arrasando con las estructuras más establecidas, heredadas por la sociedad
humana, la supervivencia de una organización, en esta era de economía recae en la
capacidad, el talento y la técnica de predecir el futuro. Los pronósticos ahora son un signo
de supervivencia y se encuentra presente en el lenguaje de los negocios, todos los requisitos
del sector empresarial necesitan la técnica de lectura precisa y práctica en el futuro. Los
pronósticos son, por tanto, un requisito fundamental para éxito de las empresas.
La gestión requiere información de pronóstico al tomar una amplia gama de
decisiones(planificar). Dado que la planificación implica el futuro, no se puede hacer un
plan a menos que el gerente sea capaz de tener en cuenta todos los posibles eventos futuros.
Esto explica por qué el pronóstico es un elemento crítico en el proceso de planificación. De
hecho, cada decisión de la organización se basa en algún tipo de pronóstico. En un mundo
donde el futuro no se conoce con certeza, prácticamente todas las decisiones económicas y
comerciales se basan en un pronóstico de las condiciones futuras. El pronóstico tiene como
objetivo reducir el área de incertidumbre que rodea la toma de decisiones de gestión con
respecto a costos, ganancias, ventas, producción, precios, inversión de capital, etc. Si el
futuro se conociera con certeza, el pronóstico sería innecesario. Pero existe incertidumbre,
los resultados futuros rara vez están asegurados y, por lo tanto, es necesario un sistema
organizado de pronóstico.
La selección e implementación de la metodología de pronóstico adecuada siempre ha sido
un tema importante de planificación y control para la mayoría de las empresas y agencias.
A menudo, el bienestar financiero de toda la operación depende de la precisión del
pronóstico, ya que dicha información probablemente se utilizará para tomar decisiones
presupuestarias y operativas interrelacionadas en áreas de administración de personal,
compras, marketing y publicidad, financiamiento de capital, etc. Por ejemplo, cualquier
error significativo en el pronóstico de ventas por encima o por debajo puede hacer que la
empresa se vea sobrecargada con un exceso de costos de mantenimiento de inventario o
generar una pérdida de ingresos por ventas debido a la escasez de artículos no anticipada.
Cuando la demanda es bastante estable, por ejemplo, sin cambios o creciendo o
disminuyendo a una tasa constante conocida, hacer un pronóstico preciso es menos difícil.
Si, por otro lado, la empresa ha experimentado históricamente un patrón de ventas de
altibajos, entonces la complejidad de la tarea de pronóstico se complejiza.
Los pronósticos se basan en una serie de principios:
El pasado se repetirá. En otras palabras, lo que sucedió en el pasado volverá a suceder
en el futuro. A medida que se acorta el horizonte de pronóstico, aumenta la precisión del
pronóstico. Por ejemplo, un pronóstico para mañana será más preciso que un pronóstico
para el próximo mes; un pronóstico para el próximo mes será más preciso que un
pronóstico para el próximo año; y un pronóstico para el próximo año será más preciso que
un pronóstico para diez años en el futuro.
La previsión en conjunto es más precisa que la previsión de elementos individuales. Esto
significa que una empresa podrá pronosticar la demanda total en todo su espectro de
productos con mayor precisión de lo que podrá pronosticar las unidades de mantenimiento
de existencias individuales. Por ejemplo, General Motors (por dar un ejemplo) puede
pronosticar con mayor precisión la cantidad total de automóviles necesarios para el
próximo año que la cantidad total de Chevrolet Impalas blancos con un determinado
paquete de opciones.
Los pronósticos rara vez son precisos. Además, los pronósticos casi nunca son
totalmente precisos. Si bien algunos están muy cerca, pocos están "en lo cierto". Por lo
tanto, es aconsejable ofrecer un "rango" de pronóstico. Si uno pronosticara una demanda de
100,000 unidades para el próximo mes, es extremadamente improbable que la demanda
equivalga exactamente a 100,000 unidades. Sin embargo, una previsión de 90.000 a
110.000 proporcionaría un objetivo mucho mayor para la planificación.
Hay dos enfoques principales para los pronósticos: los pronósticos cualitativos y
cuantitativos.
Cualitativos: las técnicas de pronóstico cualitativo son generalmente más subjetivas que
sus contrapartes cuantitativas. Las técnicas cualitativas son más útiles en las primeras
etapas del ciclo de vida del producto, cuando existen menos datos anteriores para su uso en
métodos cuantitativos. Sirve para hacer predicciones sobre el futuro utilizando el juicio de
expertos en lugar del análisis numérico. Este método de pronóstico depende de las
opiniones y el conocimiento de empleados altamente calificados y experimentados para
predecir los resultados futuros.
Existen varios tipos de métodos de pronósticos cualitativos, uno de ellos son las
encuestas de mercado el cual es el proceso de probar la popularidad de un servicio o
artículo individual midiendo las reacciones de los posibles clientes. Esto permite a las
empresas determinar sus mercados objetivo y buscar ideas y respuestas de los
consumidores para ajustar sus productos.
Las empresas pueden realizar estudios de mercado internamente o contratar una agencia
que se especialice en recopilar esta información. El estudio se puede realizar a través de
encuestas a consumidores, pruebas de productos o grupos focales, en los que los
participantes suelen ser compensados con muestras de productos o un pequeño estipendio
por su tiempo.
También pueden diseñar encuestas para posibles consumidores con el fin de ayudar a la
empresa a obtener una mejor idea de dónde se encuentran y si tienen un futuro en el
mercado elegido en presencia de competidores fuertes.
Luego se encuentra la técnica Delphi, en este método, se seleccionan paneles de
expertos y se les pregunta individualmente sobre los próximos eventos. No forman un
grupo. Para los pronósticos a largo plazo, este método es beneficioso y muy eficaz. La
principal desventaja de este método es que a partir de los retornos existe una falta y baja
confiabilidad.
Por otro lado, las técnicas de pronóstico cuantitativo utilizan datos históricos de
demanda para proyectar la demanda futura; estas técnicas se subdividen de la siguiente
manera: Las técnicas de pronóstico intrínsecas se basan en factores internos, como un
promedio de ventas pasadas, y son útiles para las ventas de productos individuales.
Las técnicas de pronóstico extrínseco se basan en un indicador adelantado correlacionado
(un índice de actividad comercial que indica tendencias futuras), como estimar las ventas de
pañales desechables en función de las tasas de natalidad o estimar las ventas de muebles en
función de la construcción de viviendas. Los pronósticos extrínsecos tienden a ser más
útiles para grandes agregaciones, como las ventas totales de la empresa.
En los pronósticos cuantitativos se encuentran el método causal que analiza los datos
desde el punto de vista de la relación causa-efecto. por ejemplo, al proceso de estimación
de la demanda de casas nuevas, el modelo identificar los factores que podrían influir en la
demanda de nuevas viviendas y establecer la relación entre estos factores. Los factores, por
dar un ejemplo, pueden incluir real precios inmobiliarios, opciones de financiación de la
vivienda, renta disponible de las familias y costo de construcción y prestaciones derivadas
de las leyes tributarias. Una vez que la relación esté entre estas variables y se establece la
demanda, es posible utilizarla para estimar la demanda de viviendas nuevas. Algunos de los
enfoques más comunes de pronóstico causal son:
Método de entrada-salida, este método es muy útil para industrias que son principalmente
bienes de producción. En este método, la venta del producto bajo consideración se proyecta
como la base de la encuesta de demanda de las industrias que utilizan este producto como
producto intermedio, es decir, la demanda del producto final es la
demanda del usuario final del producto intermedio utilizado en la producción de este
producto final.
Modelos de regresión, es donde la ecuación predictiva se basa en la minimización de la
varianza residual de una o más variables explicativas.
Modelos econométricos, son donde los sistemas integrados de se resuelven ecuaciones
simultáneas de relaciones entre parámetros económicos.
A veces, tanto los modelos de regresión como los modelos econométricos basados en
ecuaciones simultáneas se denominan simplemente modelos econométricos.
El pronóstico cuantitativo a menudo se incluyen elementos de juicio subjetivo hasta
cierto punto. Sin embargo, se recomienda que se confíe en los resultados de los pronósticos
cuantitativos más que en nuestro propio juicio, siempre que, por supuesto, el método sea
razonablemente relevante para el problema de pronóstico y que los datos de entrada existan
en cantidad y calidad suficiente.
Los métodos de series de tiempo hacen pronósticos basados únicamente en patrones
históricos en los datos. Los métodos de series de tiempo utilizan el tiempo como variable
independiente para producir demanda. En una serie de tiempo, las mediciones se toman en
puntos sucesivos o durante períodos sucesivos. Las mediciones se pueden tomar cada hora,
día, semana, mes o año, o en cualquier otro intervalo regular (o irregular). Un primer paso
para utilizar el enfoque de series de tiempo es recopilar datos históricos. Los datos
históricos son representativos de las condiciones previstas en el futuro. Los modelos de
series de tiempo son herramientas de pronóstico adecuadas si la demanda ha mostrado un
patrón consistente en el pasado que se espera que se repita en el futuro. Los modelos de
series de tiempo se caracterizan por cuatro componentes o patrones: componente de
tendencia, componente cíclico, componente estacional y componente irregular. La
tendencia es una característica importante de los modelos de series de tiempo. Si bien las
series de tiempo pueden mostrar tendencias, es posible que haya puntos de datos por
encima o por debajo de la línea de tendencia. Cualquier secuencia recurrente de puntos por
encima y por debajo de la línea de tendencia que dure más de un año se considera que
constituye el componente cíclico de la serie de tiempo, es decir, estas observaciones en la
serie de tiempo se desvían de la tendencia debido a fluctuaciones. El componente de la serie
de tiempo que captura la variabilidad en los datos debido a las fluctuaciones estacionales se
denomina componente estacional. El componente estacional es similar al componente
cíclico en que ambos se refieren a algunas fluctuaciones regulares en una serie de tiempo.
Los componentes estacionales capturan el patrón regular de variabilidad en la serie
temporal dentro de períodos de un año. Los productos de temporada son los mejores
ejemplos de componentes estacionales. Las variaciones aleatorias en series de tiempo están
representadas por el componente irregular. El componente irregular de la serie temporal no
se puede predecir de antemano. Las variaciones aleatorias en la serie de tiempo son
causadas por factores a corto plazo, no anticipados y no recurrentes que afectan la serie de
tiempo.
El método más sencillo que se utilizada en los patrones es:
El método de suavizado (series estables), este método es apropiado cuando una serie de
tiempo no muestra efectos significativos de componentes de tendencia, cíclicos o
estacionales. En tal caso, el objetivo es suavizar el componente irregular de la serie
temporal mediante un proceso de promediado. El método de promedios móviles es la
técnica de suavizado más utilizada.
Errores en el pronóstico : el error de pronóstico medio (MFE) y la desviación absoluta
media (MAD) son dos de las medidas de precisión del pronóstico más utilizadas. MFE es el
promedio de errores de pronóstico individuales. MAD es el promedio de los valores
absolutos de los errores de pronóstico individuales.
El error medio de pronóstico es una medida de la precisión de nuestro pronóstico en un
período de tiempo determinado. Se calcula como la demanda real menos el pronóstico.
El error de pronóstico en un período de tiempo no transmite mucha información, por lo
que debemos observar la acumulación de errores a lo largo del tiempo. Se puede calcular el
valor promedio de estos errores de pronóstico a lo largo del tiempo (es decir, un error
medio de pronósticos MFE). La importancia de este número no radica en su valor real, sino
en su signo: si es positivo, indica que la demanda real fue mayor al pronóstico sobre el
rango de números incluidos. Si su signo es negativo significa que los pronósticos fueron
mayores que la demanda.
Por otro lado, si la desviación absoluta media (MAD) dice que para eliminar el problema
de los errores positivos que cancelan los errores negativos, una medida simple es aquella
que observa el valor absoluto del error (tamaño de la desviación, independientemente del
signo). Cuando se ignora el signo y solo consideramos el tamaño del error, se refiere a la
desviación absoluta.
Modelos Computacionales: Son una serie de fórmulas matemáticas que emplean
simultáneamente la extrapolación, la indexación, los resultados de sondeo y los cálculos en
las fuerzas de trabajo. Antes de elegir el sistema se requiere un análisis de costo beneficio,
para elegir el sistema que mejor se adapte a las necesidades y recursos de la organización.
Referencias Bibliográficas:
Planificación Y Control De La Produccion, Stephen N Chapman, Pag. 17-38
