UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES ESCUELA DE ADMINISTRACIN Y CONTADURA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIN

DE LA PRODUCCIN Y LAS OPERACIONES I

Tema N 2

PRONSTICOS

FACILITADOR LIC. ESP. MIGUEL OLIVEROS

Pronsticos
Definici Definicin:
Proceso de estimacin de un acontecimiento futuro, proyectando hacia el futuro datos del pasado. Los datos del pasado se combinan sistemticamente en forma predeterminada para hacer una estimacin del futuro

Predicci Prediccin:
Proceso de estimacin de un suceso futuro basndose en consideraciones subjetivas diferentes a los simples datos provenientes del pasado; estas consideraciones subjetivas no necesariamente deben combinarse de manera predeterminada.
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Requerimientos para el Pronstico en la Produccin

Tipo de Decisi Decisin
Decisiones de planeacin a corto plazo

Necesidad de informaci informacin representativa

Demandas especficas de artculos

Demandas Agregadas de resultados Decisiones de planeacin a largo plazo Estrategias e instalaciones Actual Dentro de 5 aos

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Subsistemas de Operacin y Pronsticos

Informacin ms reciente sobre la demanda y la produccin

Pronstico de la demanda para operaciones

Planeaci Planeacin del sistema - Diseo del Producto - Diseo del Proceso - Inversin y reemplazo de Equipos - Planeacin de la capacidad

Programaci Programacin del sistema - Planeacin agregada de la Produccin - Programacin de las Operaciones

Control del sistema - Control de la Produccin - Control de los Inventarios - Control de la Mano de Obra - Control de Costos

Produccin de Bienes y Servicios

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Caractersticas de la Demanda en el Tiempo

Tendencia Lineal

Demanda de produccin (Unidades) producci

Estacional

Constante

Tiempo
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Demanda
Definici Definicin:
Es una relacin que muestra las distintas cantidades de un bien que el consumidor o los consumidores desearan o sern capaces de adquirir a precios alternativos posibles durante un perodo de tiempo dado.

Demanda Independiente:
La demanda de un bien o servicio no est relacionada con la demanda de algn otro bien o servicio

Demanda Dependiente:
La demanda de un bien o servicio est relacionada con la demanda de uno o ms productos Dependencia Vertical Dependencia Horizontal
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Error en el Pronstico
num Es la diferencia numrica entre la demanda pronosticada y la real Desviaci Desviacin Media Absoluta (MAD):
Es un promedio de las desviaciones absolutas. La MAD expresa la dimensin pero no la direccin

Sumadelas desviacion absolutas todoslos perodos es de MAD= Nmero de perodos total evaluados
MAD =

Demanda pronsticada - Demanda real

i =1

n
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Error en el Pronstico
Sesgo:
Indica la tendencia direccional de los errores de prediccin. El sesgo mide la tendencia a sub o sobreestimar la demanda

Sumadeerrores algebraicoparatodoslos perodos s Sesgo= Nmero de perodos total evaluados

Sesgo =

(Demanda pronosticada - Demanda real )

i =1

n
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos de Pronsticos
Tipo de Modelo Modelos Cualitativos Mtodo Delphi Datos Histricos Tcnica de grupo nominal Investigacin de Mercado Modelos Cuantitativos (series de tiempo) Media o promedio mvil simple Suavizado exponencial Modelos Cuantitativos Causales Anlisis de regresin Modelos Econmicos - Describe una relacin funcional entre las variables - Proporciona un pronstico global para variables tales como el Producto Interno Bruto (PIB) - Promedia los datos del pasado para predecir el futuro basndose en ese promedio - Da pesos relativos a pronsticos anteriores y a la demanda ms reciente - Preguntas hechas a un grupo de expertos para recabar opiniones - Hace analogas con el pasado de un producto similar - Proceso de grupo que permite la participacin con votacin forzada - Se recopilan datos de varias maneras para probar hiptesis sobre el mercado Descripcin Descripci

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Modelos Bsicos de Promedios

Promedio Simple (PS):

Es un promedio de los datos del pasado en el cual las demandas de todos los perodos anteriores tienen el mismo peso relativo

Suma de las demandas de todos los perodos anteriores PS = Nmero de perodos de la demanda

D1 + D2 + ...+ Dk PS = k

donde : D1 = demanda del perodo ms reciente D2 = demanda que ocurri hace dos perodos Dk = demanda que ocurri hace k perodos
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Modelos Bsicos de Promedios

M Media Mvil Simple (MMS):

Combina los datos de la demanda de la mayor parte de los perodos recientes, siendo su promedio el pronstico para el perodo siguiente

Suma de las demandas anteriores de los ltimos n perodos MMS = Nmero de perodos empledosen la media mvil

1 1 1 MMS= = D1 + D2 + ...+ Dn n n n n
t =1

donde : t = 1 es el perodo ms antiguo en el promedio de n perodos t = n es el perodo ms reciente

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Modelos Bsicos de Promedios

M Media Mvil Ponderada (MMP):

Es un modelo de media mvil que incorpora algn peso de la demanda anterior distinto a un peso igual para todos los perodos anteriores bajo consideracin

MMP = Demanda de cada perodo por un peso determinado, sumada a lo largo de todos los perodos en la media mvil

MMP= Ct Dt
t =1

donde : 0 Ct 1.0

C
t =1

= 1.0
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Suavizado Exponencial
Suavizado exponencial de primer orden: Se distingue por la manera tan especial de dar peso a cada una de las demandas anteriores, la demanda de los perodos ms recientes reciben un peso mayor. La ecuacin para crear un pronstico nuevo o actualizado utiliza dos fuentes de informacin: la demanda real para el perodo ms reciente y el pronstico ms reciente. A medida que termina cada perodo se realiza un nuevo pronstico

Pronstico= (Demandams reciente) + (1 - )(Pronsticoms reciente)

Ft = Dt-1 + (1 )Ft-1 donde :

0 1.0 t es el perodo
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Suavizado Exponencial
Doble suavizado exponencial: Suaviza el pronstico obtenido con un modelo de suavizado exponencial de primer orden y el pronstico obtenido mediante un modelo de suavizado exponencial doble

FDt = ( )Pronsticodel perodo sig. S.E.P.O.+ Pronsticoms reciente S.E.D.

FD = Ft + (1- )FD-1 t t

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Suavizado Exponencial
Suavizado exponencial de primer orden con ajuste de tendencia: Con el suavizado exponencial con ajuste de tendencia, las estimaciones, tanto para la media como tendencia, estn suavizadas. Este procedimiento requiere dos constantes de suavizado: para la media, y
para la tendencia.
Previsin incluyendo la tendencia = previsin suavizada exponencialmente + tendencia suavizada exponencialmente

donde:

FITt = Ft + Tt
en el que : 0 1.0 0 1.0

Ft = Dt 1 + (1 )(Ft 1 + Tt 1 )

Tt = (Ft Ft 1 ) + (1 )Tt 1

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Series Temporales
Proyecciones de la tendencia: Es un mtodo de pronstico de series temporales que ajusta una lnea de tendencia a una serie de datos histricos, y entonces proyecta la lnea hacia al futuro para realizar pronsticos. m Mtodo de los mnimos cuadrados:

y = a + bX
donde:
y = Valor calculado de la variable a predecir a = corte en el eje y b = pendiente de la recta de regresin

b=

n( X t Dt ) - ( X t )( Dt ) n X

2 t

)- ( X )
t t

D - b X a=
n

X = variable independiente (el tiempo, en este caso)

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Series Temporales
Variaciones estacionales: Son movimientos regulares ascendentes o descendentes en una serie temporal que estn vinculados a eventos peridicos. Etapas: 1. Encontrar la demanda histrica media de cada temporada. 2. Calcular la demanda media a lo largo de todos los perodos. 3. Calcular el ndice estacional para cada temporada dividiendo la demanda histrica media (etapa 1) entre la demanda media a lo largo de todos los perodos (etapa 2).

yestacional = ndice yproyeccin de la tendencia

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Anlisis de Regresin
Regresi Regresin Lineal Es una tcnica de pronstico que establece una relacin entre variables. Una variable se conoce y se usa para pronosticar el valor de una variable aleatoria desconocida. El pronstico para la demanda del perodo siguiente Ft se expresa mediante: F = a + bX
t

Donde Ft es el pronstico para el perodo t, dado el valor de la variable X en el perodo t. Los coeficientes a y b son constantes; a es la ordenada al origen de la variable (F) y b es la pendiente de la recta

b=

n( X t Dt ) - ( X t )( Dt ) n X t2 - ( X t )

D - b X a=
t

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Anlisis de Regresin
Correlaci Coeficiente de Correlacin

r=

n X - ( X ) n D - (D)
2 2 2

( )

n( XD) - ( X )(D)

( )

1.00 0.90 0.89 0.70 0.69 0.45 0.44 y Menos

FUERTE BUENA MEDIANA DEBIL

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Anlisis de Regresin
est estimaci Error estndar de la estimacin Es la medida de la variabilidad alrededor de la lnea de regresin (su desviacin estndar). Mide el error desde la Variable Dependiente, (D), hasta la lnea de regresin, en lugar de la media.

S D, X =

(D Dc )2
n2

S D, X =

D 2 a D b DX n2

donde : D = valor de D para cada dato Dc = valor de la variable dependiente, calculado a partir de la ecuacin de regresin n = nmero de datos
FACILITADOR: LIC. ESP. MIGUEL OLIVEROS

Modelos Cuantitativos
Seguimiento y control del Pronstico
Se Seal de rastreo Es una medida que determina el grado de precisin del pronstico para valores reales.
Seal SAEP de rastreo = MAD Seal de rastreo =

(demanda real del perodo i demanda pronsticada del perodo i )

Desviacin Media Absoluta

FACILITADOR: LIC. ESP. MIGUEL OLIVEROS