Su objetivo general es de resolver problemas de

planeamiento , organizacion y control de la

produccion aplicando a organizaciones
industriales y de servicios, garantizando las
exigencias de calidad y productividad por parte
de productores y consumidores.
 Es un componente importante de la planeacin estratgica
y operacional.

Su finalidad es de satisfacer demandas futuras, estimando

ventas

Se debe entender que los esfuerzos del pronosticador

proporcionan una indicacion, pero no la ultima palabra
acerca de las condiciones futuras
PRONOSTICO PREDICCION
Es un proceso de estimacin Es un proceso de estimacin de un
de un acontecimiento futuro suceso futuro basandose en
proyectando hacia el futuro consideraciones subjetivas no
datos del pasado. necesariamente predeterminadas.

COMBINACION
 1.- PRONOSTICOS CUALITATIVOS

Incorporan factores importantes tales como la intuicion, emociones,

experiencias y/o variables causales para pronosticar la demanda.

Son usados cuando los productos son nuevos o cuando los datos no son
confiables, entre ellos se tienen:

Encuestas de mercado
Juicio bien formado
Metodo Delphi
Analoga de los ciclos de vida
ENCUESTA DE MERCADO
Se solicita informacin de los
clientes potenciales acerca de sus
planes futuros de compra y de las
condiciones de mercado

JUICIO BIEN FORMADO

Este mtodo toma la opinion de un
pequeo grupo de administradores de
alto nivel basandose en la
experiencia, en presentimientos o
hechos acerca de la situacin
METODO DELPHI
El mtodo se desarrolla mediante un grupo de expertos que deben
contestar a una serie de preguntas en vueltas sucesivas. En cada
vuelta se retroalimenta a todos los participantes con las respuestas
annimas del grupo al final los participantes convergen hacia un
resultado. Se suelen usar de tres a seis vueltas para obtener
convergencia en el pronstico.

ANALOGIA DE LOS CICLOS DE

VIDA
Basado en el ciclo de vida de un
producto, empezando por la fase
de introduccin, crecimiento y
saturacin de productos similares.
 2.- PRONOSTICOS CUANTITATIVOS
Para productos existentes en el mercado, con datos confiables.

VENTAS Funcion de transformacion VENTAS

PRONOSTICADAS
REALES y = f (x) DP
DR
(Modelo matematico)

CONTROL
(DR-DP)

Entre los pronosticos cuantitativos se tienen :

Modelos de series de tiempo

Modelos causales
2.1. MODELOS DE SERIES DE TIEMPO Predicen sobre la base de la
suposicin de que el futuro es una funcin del pasado.

Promedio Aritmtico
Promedio Movil
Promedio Movil Ponderado
Promedio Movil Suavizado Exponencial

2.2 MODELOS CAUSALES (Causa Efecto) Incorpora al modelo las

variables o factores que pueden influenciar la cantidad que se
pronostica.

Analisis de Regresion Lineal

Coeficiente de Correlacin
Clculo estimativo del error en pronstico
 2.1.1 PROMEDIO ARITMETICO SIMPLE

Se usan este tipo de pronsticos cuando las demandas tienen

variaciones pero con una tendencia de tipo constante.

CALCULOS DE PRONOSTICOS
Funcion de transformacion
x = x1 Salida de
Entrada n informacion
de datos -Pron. Calculado

(x1 x)2
reales S= -Dem. Max. Mens.
-Dem. Min. Mens.
n-1
Limites de control para Distribucion
normal:
Z=1 NC = 68%
Z=2 NC = 95% LSC = x+ Z*S
Z=3 NC = 99.7% LCS = x Z*S
nomenclatura
Registradas las ventas del primer y segundo ao de un
determinado producto se pide:

MES E F M A M J J A S O N D
DR 1 Ao 327 354 324 435 330 378 351 396 375 384 429 330
DR 2 Ao 393 402 441 375 390 384 381 327 405 390 360 330

a) Graficar las ventas reales

b) Calcule las ventas del tercer ao
c) Cuales son las ventas maximas y minimas esperadas del
tercer ao?, tomar en cuenta un NC del 95%
Es una variacion del promedio simple, se toma en
cuenta los ultimos datos, para sacar los promedios PM (k) = Xi
pudiendo agruparse de 3, 4 o mas meses llamados k
clases o periodos, actualizando siempre los datos. K = clase
Esta tecnica se usa cuando las ventas tengan una
tendencia de tipo constante

DESVIACION ABSOLUTA MEDIA

Esta tecnica mide las desviaciones que hay entre las ventas reales y las
pronosticadas de cada mes, esta diferencias son en valor absoluto.

DR = Demanda Real
MAD = ( DRI DPI) DP = Demanda Pronosticada
k K = Numero de datos
Una tienda de abarrotes vende el siguiente numero de pavos
congelados durante la semana anterior a la fecha del dia de
accion de gracias:

DIA PAVOS VENDIDOS

LUNES 50
MARTES 30
MIERCOLES 60
JUEVES 20
VIERNES 70
SABADO 90

CALCULAR:
a) Promedio Movil de clase 3 y 5
b) Desviacion absoluta media para ambas clases o periodos
Es un modelo de promedio movil que incorpora algun peso de la
demanda anterior distinto a un peso igual para todos los periodos
anteriores bajo consideracion.

X = W1* X1+W2*X2+..+Wm*Xm
W1 + W2 + + Wm

Donde :

W = factor ponderador (%)

Un fabricante de veneno para hormigas ha experimentado la
siguiente demanda mensual para un veneno de plagas mejorando
segun el ambiente.

DEMANDA Art. 201

MES (veneno en unidades)
Febrero 620
Marzo 840
Abril 770
Mayo 950
Junio 1000

Cual es el pronostico para el proximo mes, si se da una

ponderacion de 50% al ultimo mes, 30% al anterior y de 20% al que
antecede.
Este modelo debe usarse normalmente cuando tengan demandas
muy irregulares pero una tendencia constante. Resulta de una
combinacion del promedio aritmetico y el promedio movil, para el
calculo se requiere de tres datos que son: La demanda real mas
reciente, el ultimo pronstico y un peso o factor ponderador que
varia entre 0 y 1.

Se dara un valor de a proximo a

cero, si las demandas tiene poca
Para dar valor de a se variacion.valores como 0.1
requiere de cierta 0.2 0.3.
experiencia; pero si no
tiene puede acudirse a Si las demandas tienen mucha
usar el MAD. variacion, es considerada
inestable, puede darse valores
proximo a 1, como 0.9 0.8 0.7.
Pronostico de la
Pronostico mas
Demanda del
Periodo siguiente
=
a Demanda mas
reciente
( 1- a) reciente

Donde:
a = factor ponderador o peso
Ft = a D t-1 + (1-a) Ft-1 , varia entre 0 y 1

EJEMPLO Si D t-1 = 100 unid. Ft-1 =120 a = 0.2

Calcular la demanda pronosticada del proximo periodo

Peso bajo se
Ft = a D t-1 + (1-a) Ft-1 = 0.2 *100 + (1-0.2)120 = 116 aproxima al valor
pronosticado
Si damos un peso mayor, a = 0.8
Peso mayor se
Ft = a D t-1 + (1-a) Ft-1 = 0.8 *100 + (1-0.8)120 = 104 aproxima a la
demanda real
Una pequea empresa de electronica produce calculadoras de
bolsillo y mensualmente controla la demanda de los articulos.
Los siguientes datos , de demanda son en el caso de una
calculadora representativa: noviembre 45; diciembre 57; enero
60.

Usando a 50 como el pronostico de noviembre segun el suavizado

exponencial, obtener el pronostico de ventas para febrero.
Usado cuando el comportamiento de las ventas son ascendentes o
descendentes

FUNCION DE TRANSFORMACION
VENTAS VENTAS
LINEAL y = A + Bx
REALES PRONOSTICADAS
DR DP
POTENCIAL y = A * xB

CONTROL

La validez de la proyeccion por regresion depende del grado en que

esten asociados entre si las variables.
Se debe comprobar la relacion de causalidad directa o indirecta
entre 2 variables (coeficiente de correlacion r) -1 r 1
Si el comportamiento de las ventas fuera del tipo lineal, debe
trazarse una tendencia central por medio de una funcion lineal, para
ello debe conocerse la pendiente (B) y la ordenada del origen (A).

Y = A+ BX

A= y B x
n

B=n x* y - x y
n x2 (x)2
La demanda para cirugias de transplante de rion en un clinica ha
crecido constantemente en los aos pasados, como se aprecia en la
siguiente tabla:

Cirugas hechas
AO en La Clnica
1 45
2 50
3 52
4 56
5 58
6 ?

Cual sera el numero de cirugias realizadas en el ao 6?

 Es una forma de expresar la naturaleza de la relacion entre dos
variables. Otra forma de evaluar la relacion entre dos variables es
mediante el calculo del coeficiente de correlacion. Esta medida
expresa el grado o fuerza de la relacion lineal .

El coeficiente se define como r , puede ser cualquier numero entre

+1 y -1. La ecuacion para r es:

r= n xy x y
nx2 (x)2 n y2 (y)2

Si r varia de -0.3 hasta +0.3 no existe correlacion

Si r varia de menos de -0.8 a -0.3 y +0.3 a menos de +0.8 correlacion debil
Si r varia de menos de -0.8 a -1 y +0.8 a +1 hay correlacion fuerte
En el ejemplo 5 observamos la relacion entre la demanda de
transpalantes de rion y los aos.
Se pide calcular el coeficiente de correlacion con los datos
siguientes:

Cirugas hechas
AO en La Clnica
1 45
2 50
3 52
4 56
5 58
6 ?
Para medir la exactitud de los estimados en la regresion es
necesario calcular el error estandar estimado conocida tambien
como desviacion estandar de la regresion .

(yi- y)2

Syx =
n-2
Donde:

Yi = Demanda real
Y = Demanda pronosticada
n = numero de periodos
La empresa body club tubo las siguientes demandas mensuales
en los ultimos dos aos:

VENTAS REALES DEL 1er Y 2DO AO

MES E F M A M J J A S O N D
DR AO 1 101 125 108 131 132 145 125 147 155 163 176 153
DR AO 2 159 178 174 181 202 190 196 192 188 185 187 192

a) Calcular el pronostico mensual de ventas para el tercer ao.

b) Calcular las ventas maximas y minimas esperadas mensuales
para un nivel de confianza del 95%.

A = 113.78
DATOS ADICIONALES B = 3.85
r = 0.92