Administración
de Operaciones
P RON ÓSTICOS
CON SU E LO C ASTRO VAL E N ZU E L A
Demanda
La planificación Eficaz de la demanda de los clientes, es un proceso
de planificación empresarial que permite a los equipos de venta,
formular pronósticos de la demanda que sirve de base para los
procesos de planificación de servicios, producción, inventario e
ingresos.
Demanda: puede ser definida como la
cantidad de bienes y servicios que son
adquiridos por consumidores a
diferentes precios, a una unidad de
tiempo específica (un día, un mes, un
año, etc.)
3
¿Qué son los pronósticos, y para qué se usan?
¿Qué son?
La formulación de pronósticos (o proyección) es una técnica para
utilizar experiencias pasadas con la finalidad de predecir
expectativas o eventos del futuro.
Es necesario para:
✓ Determinar que recursos se necesitan.
✓ Programar los recursos existentes.
✓ Adquirir recursos adicionales.
4
¿Qué son los pronósticos, y para qué se usan?
Permite que los ingenieros programadores:
✓ Utilicen eficientemente las capacidades de las máquinas.
✓ Reducir los tiempos de producción.
✓ Recortar los inventarios.
Lo métodos de pronósticos generalmente se basan en modelos
matemáticos, los cuales se respaldan por datos históricos
disponibles.
5
Pronósticos
Son estimaciones de la ocurrencia, la cronología o la magnitud de
eventos futuros inciertos
Presupuest
Objetivos Pronósticos Políticas
o
Dentro de las operaciones, el El pronóstico se traduce en
Usar la información
objetivo generalmente se basa en políticas, mediante un
disponible, paraelguiar
pronóstico de ventas (demanda),presupuesto de operación,
las actividades futuras,
que puede considerarse como el que es la representación
para así cumplir enunciado
las cuantitativo de los cuantitativa de la política
metas de la empresa objetivos corporativos de la corporativa.
empresa
6
¿Qué se Pronostica?
Principalmente la demanda… pero también:
Precios de materiales
Costos de mano de obra
Tasas de interés
Ingresos
Gastos
7
Fundamento de Pronósticos
➢ Un pronóstico es un estimado o descriptor de un valor o condición futura.
➢ Un buen pronóstico debe ser un estimado probabilístico de un valor futuro que
incluye media, rango y una inferencia de probabilidad. Por ejemplo:
“Las ventas esperadas del próximo mes serán 400 unidades con un 70% de probabilidad
de que este entre 300 y 500”
➢ Los pronósticos casi siempre son incorrectos.
➢ Los pronósticos son más precisos para grupos o familias de artículos
➢ Los pronósticos son más precisos cuando se hacen para períodos cortos
➢ Todo pronóstico debe incluir un error de estimación
➢ Los pronósticos no son sustitutos de la demanda calculada
La mayoría de los pronósticos se basan en el supuesto de que el pasado se repite
8
Métodos de
Pronósticos
Previsiones Predicciones
Cuantitativos Cualitativos
Se utilizan cuando la Método basado en
situación es “estable” y opiniones o
existen “Datos estimaciones subjetivas
Históricos”: Productos o de juicio
existentes,
Series de tecnología Se utilizan cuando la
Causal
tiempo actual situación no es clara Opinión
y Ejecutiva.
existen pocos datos:Analogía Histórica.
Productos nuevos, Delphi.
nueva tecnología. Investigación de
Proyección de Mercado
Estadísticos
Proyección que depende,
Dependencia de datos históricos de variables
Suavización Tendencia ajustada
fundamentalmente,
de Tendencia
independientes: de los
por influencias
datos históricos
- Campaña, promociones. de laestacionales
demanda
- Condiciones económicas.
- Actividades de los competidores
9
9
10
Pronósticos Cualitativos
Se basa en un juicio personal o en alguna información
cualitativa externa.
Tiende a ser subjetivo. Desarrollado a partir de la experiencia
de la persona involucrada, con frecuencia sesgado.
Permite obtener algunos resultados con bastante rapidez.
En ciertos casos, la proyección cualitativa puede constituir el
único método disponible.
Suele utilizarse para productos individuales o familias de
productos y rara vez para mercados completos.
11
Pronósticos Cualitativos más comunes
Encuesta de Delphi o conceso Analogías de ciclo de Valoración
mercado de panel vida informada
• Cuestionarios • Utilizan paneles de • Se basa en el hecho • También
estructurado expertos específicos de que casi todos llamada juicio
s que se en el mercado o área los productos informado.
envían a los para la cual se tienen un ciclo de • Opinión interna
clientes desarrolla la vida (crecimiento, • Ej. Pronóstico
potenciales encuesta. madurez y declive). equipo de
del mercado. • Se busca capturar el • Se usa en vendedores
• Se solicita la conocimiento productos nuevos.
opinión de individual del
• ¿Cuál es el marco
productos o experto respecto a
del tiempo?
potenciales los factores que
¿Cuánto durará el
productos. afectan el mercado
crecimiento y
(demanda).
madurez? ¿Qué tan
rápido será la
decadencia? 12
13
Pronósticos Cuantitativos
Este tipo de métodos se basan en modelos matemáticos con los que se analizan los
números entregados por nuestros productos o servicios en periodos pasados.
Por lo tanto para realizar el análisis cuantitativo de un pronóstico, es necesario que
dispongamos de datos históricos de ventas y conocer los patrones de demanda, con
el fin de seleccionar el mejor método a utilizar para predecir el futuro.
Como la demanda suele variar considerablemente para bienes y servicios, además
se cuenta con información histórica de la demanda, esta se graficara contra una
escala de tiempo, de tal manera que permite visualizar cualquier forma o patrón
consistente de comportamiento que existiera.
Un patrón es la forma general de una serie de tiempo. Aunque algunos puntos
individuales de información no estén exactamente dentro del patrón, estos mismos
tienden a adherirse alrededor de él.
14
Definición Patrones de Demanda
Patrones de la Demanda (Para productos y servicios )
Serie de tiempo: Es el orden en que se realiza las observaciones repetitivas de
la demanda, dando origen a cinco patrones básicos.
a. Horizontal.
b. De tendencia.
c. Estacionalidad.
d. Cíclico.
e. Aleatorio.
15
Patrones de Demanda
Cantidad
Tiempo
(a) Horizontal: Cúmulos de datos en torno a una cantidad
línea horizontal.
16
Patrones de Demanda
Cantidad
Tiempo
(b) De tendencia: Los datos aumentan o disminuyen de manera
consistente a través del tiempo.
17
Patrones de Demanda
Cantidad
Año 1
Año 2
| | | | | | | | | | | |
J F M A M J J A S O N D
Meses
(c) Estacional: Los datos muestran crestas y valles de manera
consistentes.
18
Patrones de Demanda
Cantidad
| | | | | |
1 2 3 4 5 6
Años
(d) Cíclico: Los datos revelan incrementos y decrementos
graduales en el curso de largos períodos de tiempo.
19
Patrones de Demanda
Variaciones Aleatoreas
➢Son “saltos” en los datos causados por el azar y situaciones
inusuales.
➢Son debidas a variaciones aleatorias o a situaciones
imprevistas:
➢Huelga.
➢Terremoto.
➢Son de corta duración y no se repiten.
Los patrones a, b, c y d (Horizontal, de tendencia, estacionalidad y cíclico)
se combinan en diferentes grados para definir el patrón de la demanda.
El patrón Aleatorio no se toma en cuenta por ser fortuito.
20
Métodos
Cuantitativos
- Promedio Móvil Simple
- Promedio Móvil Ponderado Método
Método
- Suavizamiento Exponencial Series de
Causal
Simple Tiempo
- Suavizamiento Exponencial
con Tendencia
Regresión Lineal
- Método Estacional
Multiplicativo
21
Método Series de Tiempo
Los pronósticos de serie de tiempo se encuentran entre los más
utilizados por los paquetes de pronóstico vinculados con la
proyección de demanda de productos.
Supuesto común: la demanda pasada sigue cierto patrón, y si este
patrón puede ser analizado podrá utilizarse para desarrollar
proyecciones para la demanda futura.
Esto implica el supuesto de que la única variable real independiente
en el pronóstico de series de tiempo es, precisamente el tiempo.
También son utilizados en operaciones con el fin de hacer
proyecciones para realizar planes de producción razonables.
22
Promedio Móvil Simple
Método de Promedio Móviles Simples (PMS)
Uso: estima el promedio de una serie de tiempos de demanda y suprime
de esta forma las fluctuaciones al azar.
Útil: cuando la demanda no tiene tendencias pronunciadas ni influencias
estaciónales.
Cálculo: para “n” períodos más recientes, con el fin de usarlos como
pronósticos para el siguiente período.
Pronóstico al período t + 1
A t = F t + 1= Suma de las n últimas demandas
n
23
Promedio Móvil Simple
D t + D t – 1 + D t – 2 ...........D t – n + 1
A t = F t + 1=
n
At = Promedio de la demanda real de “n” periodos anteriores
Dt = demanda real del período t
n = Número total de períodos incluidos en el promedio.
F t + 1 = pronóstico para el período t + 1
F t+1 = At ó Ft = At-1
Puede incluirse todos los períodos pasados de demanda que se desee.
La estabilidad de una serie correspondiente a la demanda determina
cuantos períodos serán necesarios incluir o sea “n”.
Serie de demanda estable son aquellas para los cuales el promedio cambia
solamente en forma infrecuente.
24
Ejemplo Promedio Móvil Simple
Promedio movil simple n=2
Periodo Demanda At Ft Et |Et|
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
25
Ejemplo Promedio Móvil Simple
Promedio movil simple n=3
Periodo Demanda At Ft Et |Et|
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
26
Promedio Móvil Ponderado
Cada una de las tendencias históricas que intervienen en el promedio
pueden tener su ponderación, la suma de estas debe ser 1,00.
Ejemplo: En tres períodos, al más reciente puede asignarse ponderación
0,50, al segundo más reciente 0,30 y el tercero más reciente 0,20.
El promedio se obtiene como:
A t = 0,50 Dt + 0,30 Dt-1 + 0,20 Dt-2
Ft+1 = A t = 0,50 Dt + 0,30 Dt-1 + 0,20 Dt-2
27
Promedio Móvil Ponderado
Ventaja
Permite hacer énfasis en la demanda reciente.
Responde mejor que el pronóstico de promedio móvil simple.
Desventaja
Sigue retrasándose con respecto a la demanda porque sólo calcula
promedios de la demanda en el pasado.
Se observa mucho mejor el retraso cuando existe una tendencia, ya que
el promedio de serie de tiempos va en incremento o disminución en
forma sistemática.
28
Ejemplo Promedio Móvil Ponderado
Promedio movil Ponderado (0,5; 0,3; 0,2)
Periodo Demanda At Ft Et |Et|
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
29
Suavizamiento Exponencial Simple
➢ El método consiste en estimar la demanda promedio suavizada (ajustada) para el
periodo venidero (At) sumando o sustrayendo a los pronósticos promedios
precedentes (At-1) un porcentaje (α) de la diferencia de la demanda actual (Dt) y
los pronósticos promedios precedentes.
𝐴𝑡 = α𝐷𝑡 + 1 − 𝛼 ∗ 𝐴𝑡−1
➢ El valor del parámetro α varia entre 0 y 1
➢ Para valores de α relativamente pequeños se reducen las variaciones del
corto plazo asociadas al pronóstico, lo cual es razonable cuando la demanda
real tiene un comportamiento relativamente estable.
➢ Si la demanda presenta cambios significativos en el corto plazo nos interesara
observarlos mas de cerca, en ese caso se selecciona una constante α mas
grande.
30
Ejemplo 1 Suavizamiento Exponencial Simple
Suavizamiento Exponencial Simple α=0,3 A0 = 23
Periodo Demanda At Ft Et |Et|
0
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
31
Ejemplo 2 Suavizamiento Exponencial Simple
Suavizamiento Exponencial Simple α=0,2
Periodo Demanda At Ft Et |Et|
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
32
Suavizamiento Exponencial con Tendencia
El suavizado exponencial con tendencia es otro método utilizado
para suavizar las fluctuaciones aleatorias en el patrón de demanda.
A diferencia del modelo anterior, se atenúa en forma directa la
tendencia y la pendiente al utilizar una constante de atenuación
diferente para cada una de ellas.
Tendencia
➢ Incrementos o decrementos sistemáticos de los promedios de la
serie a través del tiempo.
➢ Suavización exponencial será modificada ya que los resultados
estarán por encima o por debajo de la demanda real.
33
Suavizamiento Exponencial con Tendencia
Serán suavizadas:
1. Las estimaciones para el promedio α
2. La tendencia β
𝐴𝑡 = 𝛼 ∗ 𝐷𝑡 + 1 − 𝛼 ∗ (𝐴𝑡−1 + 𝑇𝑡−1 )
𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1) + 1 − 𝛽 ∗ 𝑇𝑡−1
𝐹𝑡+1 = 𝐴𝑡 + 𝑇𝑡
At = Promedio de la demanda real de “n” periodos anteriores
Tt = Tendencia de la demanda en el período T
Ft+1 = Pronóstico de demanda del período siguiente
34
Ejemplo Suavizamiento Exponencial con Tendencia
SET α=0,3 β=0,1 A0=15 T0=2
Periodo Demanda At Tt Ft Et |Et|
0
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
35
36
Selección de un Método con Series de Tiempo
Los gerentes deben considerar diversos factores al momento de seleccionar un
método para la estimación de los pronósticos.
Se debe considerar el desempeño del pronóstico, determinado mediante los errores.
Es necesario aprender a medir y comprender los errores, para detectar falencias en
los métodos de estimación.
Los pronósticos Es necesario
siempre medirlos y
contienen detectar si algo
errores no funciona
37
¿Por qué calcular los errores?
➢ Monitorear datos erráticos de la demanda.
➢ Para determinar si el método de estimación se ajusta a la
demanda real.
➢ Para determinar el método parámetros más convenientes.
➢ Par establecer niveles de seguridad.
38
Errores
Errores de Sesgo Errores Aleatorios
Equivocaciones Factores Imprevisibles
sistemática
39
Medición del Error de Pronósticos
Se busca minimizar los errores, pero antes de esto, es necesario tener un medio
de medición.
El error de pronóstico es de carácter puntual:
𝐸𝑡 = 𝐷𝑡 − 𝐹𝑡
𝐸𝑡 : Error de pronóstico para el período t
𝐷𝑡 : Demanda real del período t
𝐹𝑡 : Pronóstico del período t
Pero la tendencia es medir el error a lo largo del período de evaluación, lo que da
origen a:
40
Medición del Error de Pronósticos
1. Suma Acumulada de los Errores (CFE)
Mide el error total de un pronóstico, que evalúa el sesgo
Ventajas: 𝐶𝐹𝐸 = 𝐸𝑡
➢ Los errores positivos grandes, tienden a anular los errores negativos grandes
➢ Es útil para evaluar el sesgo de un pronóstico, por ejemplo:
Si Ft < Dt Entonces CFE cada vez será mas alto.
➢ Ese error creciente indica deficiencias continuas en el enfoque del pronóstico, las
cuales se pueden deber a:
➢ Omisión de un elemento de tendencia o patrón cíclico.
➢ Influencias estacionales cambiaron frente al patrón histórico.
41
Medición del Error de Pronósticos
1. Suma Acumulada de los Errores (CFE)
Con CFE se calcula el error de pronóstico promedio:
𝐶𝐹𝐸 σ 𝐸𝑡
𝐸ത = =
𝑛 𝑛
Se busca el error promedio mas bajo (tienda a cero), de tal manera que se
busque eliminar las variaciones sistemáticas .
42
Medición del Error de Pronósticos
2. La dispersión de los errores de pronóstico
Mide el tamaño del error en unidades, para esto se utiliza:
I. Error Medio Absoluto (MAD):
➢ Medida de la dispersión de los errores de pronóstico.
➢ Mide la distancia promedio de los errores
➢ Entrega valor común del error.
σ |𝐸𝑡 |
𝑀𝐴𝐷 =
𝑛
Se busca el MAD mas bajo, de tal manera de minimizar el promedio del error de
un período.
43
Medición del Error de Pronósticos
2. La dispersión de los errores de pronóstico
II. Cuadrado del Error Medio (MSE):
➢ Es el promedio de los cuadrados del error de cada período.
➢ Medida de la dispersión de los errores de pronóstico.
➢ Penaliza los errores grandes
σ 𝐸𝑡2
𝑀𝑆𝐸 =
𝑛
Se utiliza para comparar la precisión entre diferentes métodos o criterios de
pronósticos se selecciona aquel con menor MSE
44
Medición del Error de Pronósticos
2. La dispersión de los errores de pronóstico
III. Desviación Estándar (σ):
➢ Medida de la dispersión de los errores de pronóstico.
➢ Mientras más dispersos sean los errores, más alta será la desviación.
➢ La desviación estándar no puede ser negativa.
➢ Una desviación cercana a cero, indica que los datos tienden a estar cerca de la
media.
ത 2
σ(𝐸𝑡 − 𝐸)
σ=
𝑛−1
45
Medición del Error de Pronósticos
2. La dispersión de los errores de pronóstico
MAD, MSE y σ
Bajos Altos
Enuncian la posibilidad
El pronóstico de errores de
generalmente se pronósticos
aproxima a la considerables.
demanda real
Reciben mayor
ponderación en MSE y
σ por elevarse al
cuadrado 46
Medición del Error de Pronósticos
3. Error porcentual Medio Absoluto (MAPE)
➢ Proporciona una indicación de cuan grande son los errores de pronóstico en
comparación a los valores reales de la serie.
➢ Relaciona el error de pronóstico con el nivel de la demanda.
➢ Útil para medir el desempeño del pronóstico.
σ |𝐸𝑡 |
∗ 100
𝐷𝑡
M𝐴𝑃𝐸 =
𝑛
47
CFE
Ejemplo
MAD
MSE
MAPE
Promedio Móvil Simple N= 2
Período Demanda At Ft Et |Et| Error Cuadrado Error % Et-Em
1 24
2 26 25
3 22 24 25 -3 3
4 25 23,5 24 1 1
5 19 22 23,5 -4,5 4,5
6 31 25 22 9 9
7 26 28,5 25 1 1
8 18 22 28,5 -10,5 10,5
9 29 23,5 22 7 7
10 24 26,5 23,5 0,5 0,5
11 30 27 26,5 3,5 3,5
12 23 26,5 27 -4 4
13 26,5 0 4,40
48
Selección de un método de Serie de Tiempo
Señal de Rastreo
Es una medida que permite determinar si un método de pronóstico esta
prediciendo con precisión los cambios reales de la demanda.
Mide el número de MAD que el pronóstico está sobre o debajo de la demanda
real.
CFE tiende a cero cuando se utiliza un sistema de pronóstico correcto. Sin
embargo, los errores aleatorios pueden hacer que en cualquier momento la CFE se
convierta en un número diferente de cero.
𝐶𝐹𝐸
𝑆𝑒ñ𝑎𝑙 𝑑𝑒 𝑅𝑎𝑠𝑡𝑟𝑒𝑜 =
𝑀𝐴𝐷
49
Selección de un método de Serie de Tiempo
Señal de Rastreo
➢ En cada período CFE y MAD deben ser actualizados, para reflejar el error actual.
➢ En cada periodo se debe calcular la señal de rastro, para posteriormente graficarla
período a período.
➢ Para que una SR sea un indicador eficiente del error de pronóstico, debe
compararse con limites preestablecidos de control.
➢ Si la SR excede los limites de control, indicara que algo esta mal con el pronóstico.
➢ Los Limites aceptables de la SR dependen del tamaño de la demanda que se esta
pronosticando.
50
Selección de un método de Serie de Tiempo
Señal de Rastreo
51
Ejemplo Señal de Rastro
Promedio Móvil Simple N= 2 Señal de Rastreo
Período Demanda At Ft Et |Et| CFE MAD SR
1 24
2 26 25
3 22 24 25 -3 3
4 25 23,5 24 1 1
5 19 22 23,5 -4,5 4,5
6 31 25 22 9 9
7 26 28,5 25 1 1
8 18 22 28,5 -10,5 10,5
9 29 23,5 22 7 7
10 24 26,5 23,5 0,5 0,5
11 30 27 26,5 3,5 3,5
12 23 26,5 27 -4 4
13 26,5 0 4,40
52
53
Errores de Pronóstico
Conocer y cuantificar los errores entrega información vital, la cual permite que se
tenga mayor claridad a la hora de seleccionar un método de pronóstico.
Conociendo los errores y comparándolos, permite tener una guía para seleccionar el
valor del parámetro más adecuado, en el método elegido, como:
- N para promedio móvil simple.
- Ponderaciones para promedio móvil ponderado.
- α y β para suavizamiento exponencial.
Criterios para escoger un método de pronóstico y seleccionar el parámetro.
1. Minimizar los sesgos (CFE y Error Medio).
2. Minimizar la Dispersión (MAD y MSE)
54
Uso del Último período en el error de pronóstico
¿Siempre se obtiene un mejor pronostico cuando se utiliza un modelo de
pronóstico más sofisticado?
¿Existe una técnica de pronóstico óptima para todos los productos o servicios?
Para ambas preguntas la respuesta es NO
Da origen (particularmente) al pronóstico enfocado que surge de seleccionar el
mejor pronóstico, a partir de un grupo de pronósticos generados por diversas
técnicas sencillas.
55
Criterio de Selección de Parámetros
Frente a los diversos factores de cambio (internos o externos), ya sea, por ejemplo:
un cambio en la tendencia o en los promedios; se cuenta con las siguientes
posibilidades:
1. Proyecciones basadas en patrones de demanda estable:
Usar valores de α más bajos.
Usar valores de n más altos
Se les da importancia a los datos históricos
56
Criterio de Selección de Parámetros
2. Proyecciones basadas en patrones de demanda dinámicas:
Usar valores de α más altos.
Usar valores de n más bajos
Se le da importancia a la historia más nueva, ya que los
datos históricos están cambiando drásticamente.
57
