Beruflich Dokumente
Kultur Dokumente
OPERACIONES
PRONSTICOS
PRONSTICOS
DEFINICIN
PRONSTICOS
Vender 500
millones de US$
el prximo ao
PRONSTICOS
PRONSTICOS
Tipos de Pronsticos
Pronsticos econmicos; marcan el ciclo del
negocio al predecir las tasa de inflacin,
oferta de dinero, nuevas construcciones y
otros indicadores de planeacin.
Pronsticos tecnolgicos ; tiene que ver con
las tasa de progreso tecnolgico, que
pueden dar como resultado productos
novedosos, que requieren nuevas plantas y
equipos.
Tipos de Pronsticos
Estra tegias de la
OM
Estra tegias de la
compaa
Ventas
Impresoras a
color
HDTV
La planificacin y
desarrollo del producto son
vitales
Cambios frecuent es en
planificacin del producto
y proceso
Lotes de produccin
pequeos
Altos costes de produccin
Nmero de modelos
limitado
Atencin a la calidad
Crecimi ento
Madurez
Aumento de la capacidad
Cambio de tendencia
para centrarse en el
producto
Atencin a la distribucin
Es vital controlar
el cost e
Disquetes
de 3 1/2
Furgonetas
Int ernet
La previsin es muy
import ante
Fiabilidad del producto y
proceso
Posibilidades y mejoras
del producto competitivas
Declive
Estandarizacin
Cambios de producto
menos rpidos; ms
cambios minuciosos
Capacidad ptima
Estabilidad creciente del
proceso de produccin
Grandes lotes de
produccin
Mejora del producto y
reduccin de costes
INTRODUCCIN
DATOS
: No hay datos disponibles
confe en los mtodos cualitativos.
TIEMPO
: Necesita un horizonte
grande
METODOS : Juicios, Delphi, analogas
histricas. Importante investigacin de
mercado.
CRECIMIENTO
DATOS
: Hay algunos datos disponibles para el
anlisis.
TIEMPO
: Falta un amplio horizonte. Son
importantes las relaciones de causa y efecto,
tendencias.
METODOS : Investigacin de mercado y la
comparacin histrica aun son datos tiles. Regresin
y modelos de simulacin son justificados. Es
importante seguir la historia del producto a esa altura.
MADUREZ
DATOS
: Muchos datos disponibles de
demanda.
TIEMPO
: Mas uso de los pronsticos a
corto plazo, aun que existe necesidad de
proyecciones a largo plazo. Las tendencias
cambian poco.
METODOS : Estadsticos, series de tiempo,
regresin, correlacin, mtodos economtricos.
DECLINACIN
DATOS
: Datos abundantes.
TIEMPO
: Horizontes mas corto.
METODOS : Uso continuo de mtodos de
madurez de mercado. Los juicios ,
analogas histricas e investigacin de
mercado pueden indicar cambios.
Enfoques de la previsin
Mtodos cualitativos
Se emplean cuando la
situacin no es clara y
hay pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y
experiencia:
Por ejemplo, la
previsin de las
ventas a travs de
Internet.
Mtodos cuantitativos
Se emplean cuando la
situacin es estable y
existen datos
histricos:
Productos existentes.
Tecnologa actual.
Requieren tnicas
matemticas:
Por ejemplo, la
previsin de las
ventas de
televisiones en color.
Estudio de mercado
Preguntar a los
consumidores sobre
sus futuros planes de
compra.
Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
A veces es difcil
contestar a las
preguntas del estudio.
Cuntas horas
utilizar Internet la
prxima semana?
1995 Corel
Corp.
Modelos Causales(Asociativos)
Incorpora al modelo variables o factores que
puedan influenciar la cantidad que se
pronostica.
Media
mvil
Modelos de series
temporales
Modelos
asociativos
Alisado
exponencial
Regresin
lineal
Proyeccin
de tendencia
PRONSTICOS EN SERIE DE
TIEMPO
Componente de tendencia
Lnea de
demanda
actual
Demanda media
en cuatro aos
Primer
ao
Variaci
n
aleatoria
Segundo
ao
Tercer
ao
Cuarto
ao
MULTIPLICATIVA
Se asume que la demanda es el producto
de los cuatro componentes anteriores.
DEMANDA = T X S X C X R
ADITIVA
Se asume que la demanda es la adicin de
los cuatro componentes anteriores.
DEMANDA = T + S + C + R
ENFOQUES
SIMPLISTA
La manera ms fcil de pronosticar, es asumir
que la demanda del siguiente perodo, es igual
a la demanda del perodo mas reciente.
PROMEDIO SIMPLE
Un promedio simple, es un promedio de los
datos del pasado en el cual las demandas de
todos los perodos anteriores tienen el mismo
peso relativo.
ENFOQUES
Promedio Mvil =
Simple
n
n = nmero de perodos en el promedio mvil
Respuesta
Yi
4
6
5
3
7
ND
Media
Media mvil
mvil total
(n=3)
(n=3)
ND
ND
ND
ND
ND
ND
4+6+5=15
15/3 = 5
1995
1996
1997
1998
1999
2000
4
6
5
3
7
ND
mvil total
(n=3)
ND
ND
ND
4+6+5=15
6+5+3=14
(n=3)
ND
ND
ND
15/3 = 5
14/3=4 2/3
1995
1996
1997
1998
1999
2000
4
6
5
3
7
ND
mvil total
(n=3)
ND
ND
ND
4+6+5=15
6+5+3=14
5+3+7=15
(n=3)
ND
ND
ND
15/3=5,0
14/3=4,7
15/3=5,0
ENFOQUES
Promedio
Mvil
=
Ponderado
35
30
25
20
15
10
5
Media mvil
0
Ene. Feb. Mar.Abr.May.Jun. Jul. Ago. Sep. Oct. Nov. Dic.
Mes
Problemas
Los promedios mviles no pueden
reconocer muy bien las tendencias,
puestos que son promedios. En
consecuencia se mantendrn dentro de
niveles pasados.
Estos mtodos requieren una gran
cantidad de registros de datos.
ENFOQUES
SUAVIZAMIENTO EXPONENCIAL
Pronstico nuevo = Pronstico del ltimo periodo +
(Demanda real del ltimo perodo
- Pronstico del ltimo perodo)
Ft Ft 1 At 1 Ft 1
Donde
Alisado exponencial
Ejemplo
Ao
Previsin, Ft
( = 0,10)
Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
175,00 (Dado)
175,00 +
SolucinFdel
alisado
exponencial
= F +(A - F )
t
Ao
Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
t-1
t-1
t-1
Previsin, Ft
( = 0,10)
175,00 (Dado)
175,00 + 0,10(
SolucinF del
alisado
exponencial
= F + (A - F )
t
Ao
Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
t-1
t-1
t-1
Previsin, Ft
( = 0,10)
175,00 (Dado)
175,00 + 0,10(180 -
SolucinF del
alisado
exponencial
= F + (A - F )
t
Ao
Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
t-1
t-1
t-1
Previsin, Ft
( = 0,10)
175,00 (Dado)
175,00 + 0,10(180 - 175,00)
Ao
Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
Previsin, Ft
( = 0,10)
175,00 (Dado)
175,00 + 0,10(180 - 175,00) = 175,50
Ao
Real
Previsin, Ft
( = 0,10)
1995
180
175,00 (Dado)
1994
168
1995
159
1996
175
1997
190
1998
ND
SolucinF del
alisado
exponencial
= F + (A - F )
t
Ao
Real
t-1
t-1
t-1
Previsin, Ft
( = 0,10)
1995
180
175,00 (Dado)
1996
168
1997
159
1998
175
1999
190
2000
ND
Ao
Real
Previsin, Ft
( = 0,10)
1995
180
175,00 (Dado)
1996
168
1997
1998
159
175
1999
190
2000
ND
Ao
Real
Previsin, Ft
( = 0,10)
1995
180
175,00 (Dado)
1996
168
1997
159
1998
175
1999
190
2000
ND
Real
Previsin
97
98
Ao
99 2000
La constante de suavizacin
Seleccin de la constante de
suavizacin
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
= 0,90
10%
(1 - )
(1 - )2
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
= 0,90
10%
(1 - )
9%
(1 - )2
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
= 0,90
10%
(1 - )
9%
(1 - )2
8,1%
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
10%
= 0,90
90%
(1 - )
9%
(1 - )2
8,1%
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
(1 - )
(1 - )2
8,1%
= 0,10
10%
9%
= 0,90
90%
9%
Efectos de la previsin de la
constante de alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
(1 - )
(1 - )2
= 0,10
10%
9%
8,1%
= 0,90
90%
9%
0,9%
t-1
t-1
Comparacin de previsiones
40
35
Alisado exponencial +
Tendencia
Demanda real
30
25
20
15
10
5
0
Ene.
Alisado exponencial
Feb.
Mar.
Abr.
May.
Mes
Jun.
Jul.
Ago.
Sep.
y a bx
Donde : y = valor calculado de la variable a predecir
a = interseccin eje y
b = pendiente de la lnea de regresin
x = la variable independiente, que en este caso
es el tiempo.
xy nxy
b
x nx
2
a y bx
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Y a bx
Periodo de tiempo
Punto en
la lnea de
tendencia
Demanda
160
Y = 56,70+ 10,54X
140
120
100
80
60
40
Demanda real
20
0
0
Periodo de tiempo
10
Variaciones de Informacin
Estacionales
ANLISIS DE REGRESIN Y
CORRELACIN
y a bx
Donde : y = valor de la variable dependiente
a = interseccin eje y
b = pendiente de la lnea de regresin
x = la variable independiente
Sx , y
( y y )2
n2
ANLISIS DE REGRESIN Y
CORRELACIN
n xy x y
{n x 2 ( x ) 2 }{n y 2 ( y ) 2 }
y a b1 x1 b2 x 2
Donde : y = valor de la variable dependiente
a = interseccin eje y
b1 y b2 = pendientes de la lnea de regresin
x1 y x2 = variables independiente
Monitoreo y Control de
Pronsticos
I Errores de pronstico | / n
Demanda
prevista
Demanda
real
100
90
100
95
100 115
100 100
100 125
100 140
SR
prevista
real
100
90
100
95
100 115
100 100
100 125
100 140
absoluto acumulado
-10
Error
Error == Real
Real-- Previsin
Previsin
== 90
90-- 100
100==-10
-10
SR
real
100
90
100
95
100 115
100 100
100 125
100 140
absoluto acumulado
-10
-10
SAEP
SAEP== Errores
Errores
==ND
ND++ (-10)
(-10)== -10
-10
SR
100
90
100
95
100 115
100 100
100 125
100 140
-10
-10
10
Error
Error absoluto
absoluto ==|Error|
|Error|
== |-10|
|-10|== 10
10
SR
real
100
90
100
95
100 115
100 100
100 125
100 140
SR
absoluto acumulado
-10
-10
10
10
|Error|
|Error|acumulado
acumulado== |Errores|
|Errores|
==NA
NA++10
10== 10
10
real
100
90
100
95
100 115
100 100
100 125
100 140
absoluto
-10
-10
10
acumulado
10 10,0
DAM
DAM== |Errores|/n
|Errores|/n
==10/1
10/1== 10
10
SR
real
100
90
100
95
100 115
100 100
100 125
100 140
absoluto
-10
-10
10
SR
acumulado
10 10,0
SR
SR==SAEP/DAM
SAEP/DAM
== -10/10
-10/10== -1
-1
-1
real
SR
absoluto acumulado
100
90
-10
100
95
-5
100 115
100 100
100 125
100 140
-10
10
10 10,0
Error
Error == Real
Real-- Previsin
Previsin
== 95
95-- 100
100==-5
-5
-1
real
100
90
-10
-10
100
95
-5
-15
100 115
100 100
100 125
100 140
10
SR
acumulado
10 10,0
SAEP
SAEP== Errores
Errores
==(-10)
(-10)++ (-5)
(-5)== -15
-15
-1
real
SR
absoluto acumulado
100
90
-10
-10
10
100
95
-5
-15
100 115
100 100
100 125
100 140
10 10,0
Error
Error absoluto
absoluto ==|Error|
|Error|
== |-5|
|-5|== 55
-1
real
SR
absoluto acumulado
100
90
-10
-10
10
100
95
-5
-15
100 115
100 100
100 125
100 140
10 10,0
-1
15
Error
Error acumulado
acumulado== |Errores|
|Errores|
==10
10++ 55==15
15
real
SR
absoluto acumulado
100
90
-10
-10
10
100
95
-5
-15
100 115
100 100
100 125
100 140
10 10,0
15
7,5
DAM
DAM== |Errores|/n
|Errores|/n
==15/2
15/2== 7,5
7,5
-1
real
SR
absoluto acumulado
100
90
-10
-10
10
100
95
-5
-15
100 115
100 100
100 125
100 140
10 10,0
-1
15
-2
SR
SR==SAEP/DAM
SAEP/DAM
== -15/7,5
-15/7,5==-2
-2
7,5
DAM
Lmite de control
superior
0
-
Seal de rastreo
Intervalo aceptable
Lmite de control
inferior
Tiempo
160
140
120
100
80
60
40
20
0
3
Previsin
2
1
0
Demanda real
-1
Seal de rastreo
-2
-3
0
4
Tiempo
Seal de rastreo
Demanda real
Seales de rastreo