GP2-1 (Arima) 2015

26-08-15
Ges,n de la Demanda y
Prons,co
Descomposicin
serie de ,empo
Jos Rodrguez L.
Docente Gestin de la Produccin
Recomendacin para los alumnos.

Reforzar con captulo 7, Prons,co.
Direccin y Administracin de las Produccin y de
las Operaciones.
Chase Aquilano.
Sexta edicin-
658.5
Ch987
6a ed,
26-08-15
Objetivos
Series de tiempo
GESTIN DE LA DEMANDA
DESCOMPOSICIN DE UNA SERIE TEMPORAL
Puede denirse una serie temporal como datos

ordenados en forma cronolgica que pueden
contener uno o ms componentes de la
demanda: tendencia, estacional, cclico,
autocorrelacin o aleatorio.
26-08-15
La descomposicin de una serie temporal
signica iden,car y separar los datos de la serie
temporal en estos componentes.
En la prc,ca, es rela,vamente fcil iden,car la
tendencia (incluso sin un anlisis matem,co,
casi siempre es sencillo trazar y ver la direccin
del movimiento) y el componente estacional
(comparando el mismo periodo ao tras ao).
Es mucho ms di_cil iden,car los componentes
de los ciclos (pueden durar varios meses o aos),
la autocorrelacin y el aleatorio. (Por lo regular,
el encargado de realizar el prons,co considera
aleatorio cualquier elemento que sobre y que no
sea posible iden,car como otro componente.)
26-08-15
C u a n d o l a d e m a n d a c o n , e n e e f e c t o s
estacionales y de tendencia al mismo ,empo, la
pregunta es cmo se relacionan entre s. En esta
descripcin, se analizan dos ,pos de variacin
estacional: adi$va y mul$plica$va.
Variacin estacional adi/va La variacin
estacional adi,va simplemente supone que la
can,dad estacional es una constante sin
importar cul es la tendencia o la can,dad
promedio.
Prons,co que incluye tendencia y estacional =
Tendencia + Estacional.

26-08-15
Variacin estacional mul/plica/va En la
variacin estacional mul,plica,va, la tendencia
se mul,plica por los factores estacionales.
Prons,co que incluye tendencia y estacional =
Tendencia Factor estacional
26-08-15
Un factor estacional es la can,dad de correccin
necesaria en una serie temporal para ajustarse a
la estacin del ao. Por lo general, se relaciona
estacional con un periodo del ao caracterizado
por alguna ac,vidad en par,cular.
Se usa la palabra cclico para indicar que no se
trata de los periodos anuales recurrentes de
ac,vidad repe,,va.
Los siguientes ejemplos muestran cmo se
determinan y u,lizan los ndices estacionales
para pronos,car:
1. Un clculo sencillo basado en datos estacionales
pasados, y
2. La tendencia y el ndice estacional de una recta
de la regresin ajustada a mano.
A con,nuacin se da un procedimiento ms formal para

la descomposicin y el prons,co de los datos u,lizando
la regresin de los cuadrados mnimos.
26-08-15
26-08-15
26-08-15
26-08-15
El clculo del prons,co para 2008 incluyendo los
factores de tendencia y estacional (FITS en ingls, forecast
including trend and seasonal factors) es como sigue:
Descomposicin con regresin por mnimos cuadrados
La descomposicin de una serie de ,empo signica
encontrar los componentes bsicos de la serie de
tendencia, estacional y cclico.
10
26-08-15
Los ndices se calculan por estaciones y ciclos. El
procedimiento del prons,co despus invierte el
proceso con el prons,co de la tendencia y su
ajuste mediante los ndices estacionales y
cclicos, determinados en el proceso de
descomposicin. En trminos formales, el
proceso:
1. Descomponer las series de ,empo en sus componentes.
a) Encontrar el componente estacional.
b) Descontar las variaciones de temporada de la demanda.
c) Encontrar el componente de la tendencia.

2. Pronos,car valores futuros de cada componente.
a) Pronos,car el componente de la tendencia en el futuro.
b) Mul,plicar el componente de la tendencia por el
componente estacional.
11
26-08-15
Observe que en esta lista no se incluye el componente
aleatorio. Implcitamente, se elimina el componente
aleatorio de la serie de ,empo cuando se promedia,
como en el paso
No ,ene caso intentar una proyeccin del componente
aleatorio del paso 2 a menos que se tenga informacin
sobre algn evento inusual, como un conicto laboral
grave, que pudiera inuir en la demanda del producto (y
esto no sera al azar).
En la ilustracin 15.15 se muestra la descomposicin de
una serie de ,empo con el uso de una regresin de
cuadrados mnimos y los mismos datos bsicos u,lizados
en ejemplos anteriores.
Cada dato corresponde al uso de un solo trimestre del
periodo de 3 aos (12 trimestres).
El obje,vo es pronos,car la demanda de los cuatro
trimestres del cuarto ao.
12
26-08-15
13
26-08-15
14
26-08-15
Ya est completo el prons,co. Normalmente, el
procedimiento es igual al realizado en el ejemplo anterior
que se ajust a mano. Pero en este ejemplo se sigue un
procedimiento ms formal y tambin se calcula la recta
de la regresin de cuadrados mnimos.
15
26-08-15
16
26-08-15
Prons,co de relaciones causales.
Para que un prons,co sea de valor, cualquier variable
independiente debe ser un indicador gua.
Por ejemplo, es de esperar que un periodo de lluvias ms
prolongado aumente la venta de paraguas y gabardinas.
La lluvia provoca la venta de arkculos personales para
este clima. Se trata de una relacin causal en la que una
ocurrencia causa otra.
Si se sabe del elemento de causa con mucha an,cipacin,
se puede usar como base para el prons,co.
El primer paso del prons,co de una relacin causal es
encontrar las ocurrencias que realmente sean la causa.
Muchas veces los indicadores gua no son relaciones
causales sino que indican, de cierta forma indirecta, que
podran ocurrir otras cosas.
Otras relaciones no causales simplemente parecen exis,r
como una coincidencia. Hace unos aos se demostr en
un estudio que la can,dad de alcohol vendido en Suecia
era directamente proporcional al salario de los maestros.
Se cree que era una relacin espuria (falsa). El siguiente
es un ejemplo de un prons,co con el uso de una relacin
causal.
17
26-08-15
El siguiente es un ejemplo de un prons,co con el uso de
una relacin causal.
18
26-08-15
19
26-08-15
20
26-08-15
21
26-08-15
22
26-08-15
23
26-08-15
24
26-08-15
Conclusiones:
No es fcil desarrollar un sistema de prons,co. Sin embargo,
debe hacerse, porque pronos,car es fundamental en cualquier
esfuerzo de planeacin.
En el corto plazo, se necesita un prons,co para predecir las
necesidades de materiales, productos, servicios u otros
recursos para responder a los cambios de la demanda.
Los prons,cos permiten ajustar los calendarios y variar la
mano de obra y los materiales. A la larga, se requiere
pronos,car como base para los cambios estratgicos, como el
desarrollo de mercados nuevos, creacin de nuevos productos
o servicios y ampliar o construir nuevas instalaciones.
Conclusiones:
En el caso de los prons,cos de largo plazo en los que se
incurra en grandes compromisos econmicos, debe
tenerse mucho cuidado al derivarlos.
Deben usarse varios mtodos. Son provechosos los mto-
dos causales, como el anlisis de regresin simple o
ml,ple, pues dan una base para realizar estudios.
Los factores econmicos, tendencias de productos,
factores de crecimiento y competencia, as como una
mirada de otras posibles variables ,enen que
considerarse y el prons,co debe ajustarse para que
reeje la inuencia de cada uno.
25
26-08-15
FIN
Jos Rodrguez L.
26

GP2-1 (Arima) 2015

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

GP2-1 (Arima) 2015

Hochgeladen von

Copyright:

Verfügbare Formate

26-08-15

Recomendacin para los alumnos.

Puede denirse una serie temporal como datos

A con,nuacin se da un procedimiento ms formal para

Das könnte Ihnen auch gefallen