Suelen basarse en modelos matemticos que utilizan los datos histricos disponibles en mtodos cuantitativos extrados de la experiencia administrativa o en una combinacin de ambos.
PRONOSTICOS:
Es una prediccin de eventos futuros que se utiliza con propsitos de planificacin. Suelen basarse en modelos matemticos que utilizan los datos histricos disponibles en mtodos cuantitativos extrados de la experiencia administrativa o en una combinacin de ambos.
Operaciones.
En las decisiones de negocios se encuentra el reto de pronosticar la demanda del cliente porque la demanda de bienes y servicios suele variar considerablemente. Patrones fundamentales de la demanda:
Horizontal Aleatorios De tendencia Cclico Estacional
El gerente deben tomar tres decisiones antes de usar tcnicas de pronstico. La decisin que se va a pronosticar:
Pronosticar la dda total para grupos o conjuntos y luego derivar los pronsticos correspondientes a productos o servicio individuales.
Nivel de acumulacin Unidades de medicin Agrupar varios productos o servicio similares. Unidades de productos o servicios.
2. Mtodos cuantitativos: Mtodos causales: datos histricos. Anlisis de serie de tiempo: depende de los datos histricos, de la dda que se proyectan a futuro.
4. Mtodo
Proceso para obtener el consenso de un grupo de expertos, respetando el anonimato de sus integrantes. Es til cuando no existen datos histricos sobre los cuales puedan desarrollarse modelos estadsticos y cuando los gerentes no tienen experiencia en la cual fundamentar proyecciones bien informados.
Delphi:
Se emplean cuando se dispone de datos histricos y la relacin entre el factor que se intenta pronosticar y otros factores externos o internos pueden identificarse. Regresin lineal
Variable Dependiente: Relacionada con una o ms variables independientes por medio de una ecuacin lineal. Variable independiente: Esta no depende de ninguna variable.
Y=a + bX
Y= Variable dependiente
X= Variable independiente
a = interseccin de la recta con el eje Y b = pendiente de la recta
El objetivo de la regresin lineal es encontrar los valores de a y b que minimicen la suma de las desviaciones al cuadrado de los puntos de la lnea representada en el grfico que corresponde a los datos reales.
Desviacin o error Estimacin de Y a partir de la ecuacin de regresin
Ecuacin de regresin: Y = a + bX
Valor real de Y
VARIABLE INDEPENDIENTE
Mediciones de uso:
Coeficiente de correlacin de la muestra ( r ): Mide la direccin y la fuerza de la relacin entre la variable independiente y dependiente.
-1 <= r <= +1
r = +1: Implica que los cambios registrados de uno a otro periodo, en la direccin de la variable independiente, siempre estn acompaados por cambios de la variable dependiente en la misma direccin. r = -1: Los decrementos de la variable independiente siempre van acompaados de incrementos en la variable dependiente o viceversa.
r = 0: no existe relacin alguna entre las variables. Cuanto ms se aproxime el valor de r a + 1, tanto ms adecuado ser el ajuste de la lnea de regresin con respecto a los puntos de la grfica.
0 <= r2 <= 1
r2 se aproxima a 1: Las variaciones de la variable dependiente y del pronstico generado por la ecuacin de regresin se encuentran estrechamente relacionados.
En lugar de emplear variables independientes para el pronstico, solo se refiere a la variable dependiente. El ms sencillo de los mtodos de series de tiempo es el: Pronstico emprico
Las tcnicas estadsticas tiles: 1- Promedios mviles simples: Se usa para estimar el promedio de una serie de tiempo de demanda y por lo tanto para suprimir los efectos de las fluctuaciones al azar.
Dt
n
2-Promedios mviles ponderados: Todas las demandas tienen ponderacin en este mtodo (1/n). Permite hacer nfasis en la demanda reciente, por encima de la demanda anterior. Es necesario recolectar los datos de n periodos de demanda para poder calcular el promedio correspondiente a cada periodo.
3-Suavizacin exponencial: Es un mtodo de promedio mvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor ponderacin que a las demandas anteriores
La ecuacin es:
4- Inclusin de una tendencia: Consiste en un incremento o decremento sistemtico de los promedios de la serie a travs del tiempo. 5- Patrones estacionales: Consisten en movimientos ascendentes o descendentes de la demanda, que se repiten con regularidad, medidos en periodos de menos de un ao (en horas, das, semanas, meses, o trimestres)
Error de pronstico:
La persona a cargo de programar la produccin de una compaa tiene que elaborar pronsticos de la demanda de un producto, a fin de planear las cantidades de produccin ms apropiadas. Durante un almuerzo de negocios, la gerente de marketing aporta informacin sobre el presupuesto de publicidad destinado a una bisagra de bronce para puertas. La gerente de marketing afirma que la compaa gastar el mes entrante $1.750, en publicidad para el producto. Aplique la regresin lineal para desarrollar una ecuacin y un pronstico para ese producto.
MES
PUBLICIDAD (miles de $)
1 2 3 4 5 SOLUCION:
Ahora definiremos las variables. Y = Ventas X = Publicidad Ingresar los datos a la calculadora...
Y=a+bX
a = - 8,136 Interseccin b= 109,229X Pendiente Variablede de independiente la recta Variable rdependiente = 0,98 la recta Con el eje Y r2 = 0,96 Al remplazar los datos en la ecuacin de regresin:
Y = -8,136 + 109,229X
Como r = 0,98 , es decir, muy prximo a 1,0 concluimos que existe una fuerte relacin positiva entre las ventas y los gastos de publicidad. Por lo tanto la seleccin fue acertada.
Como r2 = 0,96 , implica que el 96% de la variacin observada en las ventas se atribuye a los gastos de publicidad
300
250
200 150 100 50 0 0,5 1,0 1,5 2,0
2,5
CONCLUSIN
La persona que esta a cargo de elaborar los programas de trabajo puede usar este pronstico para determinar la cantidad de bisagras de bronce para puertas que se necesitar durante el mes siguiente ( mes 6).
Por ejemplo:
Con un inventario de 62.000 unidades, la cantidad que deber proporcionar produccin es;
Como el gasto en publicidad ser de $1.750, el pronstico para el mes 6 es: 1750 = 1,75 100 Se remplaza este valor en el X de la ecuacin de regresin
EJEMPLO 2 Uso del mtodo de promedio mvil para estimar la demanda promedio. A- Elabore un pronstico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la cuarta semana. Los nmeros correspondientes a las llegadas de pacientes durante las tres ltimas semanas fueron las siguientes.
semanas 1 2 3
EJEMPLO 2 Uso del mtodo de promedio mvil para estimar la demanda promedio. el nmero real de llegadas de pacientes durante la cuarta semana fue de 415, cul ser el pronstico para la quinta semana? Recordemos la frmula a utilizar:
B- Si
Solucin:
A -t+ El pronostico mvil al final de la F 1= suma de promedio las n ltimas demandas tercera semana: n
Suma de la llegada de los paciente Ft+1 = Dt + Dt-1 + Dt-2 + ... + Dt-n +1
B- Para elaborar el pronostico correspondiente a la semana 5,es necesario conocer las llegadas reales durante las semanas 2 a 4, es decir, los datos de las tres semanas mas recientes.
EJEMPLO 3 Uso del mtodo de promedio mvil ponderado para estimar la demanda promedio
Elabore un pronstico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la cuarta semana El analista que esta a cargo de la clnica medica ha asignado ponderaciones de 0,70 a la demanda mas reciente, 0,20 a la demanda de hace una semana y 0,10 a la demanda de hace dos semanas de hace dos semanas.
Los nmeros correspondientes a las llegadas de pacientes durante las tres ltimas semanas fueron las siguientes.
semanas 1 2 3
Dt-2 Dt-1
Dt
Solucin:
El ejemplo es un modelo con promedio mvil ponderado de tres periodos A cada periodo se le asigna la ponderacin correspondiente y se obtiene el promedio
Multiplicando la ponderacin de cada periodo por el valor correspondiente a dicho periodo y sumando finalmente los productos.
Supongamos ahora que la demanda real para la semana 4 fuera de 415 pacientes
semanas 1 2 3 4
411
Considere nuevamente la llegada del pacientes del ejemplo 3. Ahora nos encontramos al final de la semana 3.
A partir de una suavizacin exponencial de = 0,10 ; calcule el pronstico de suavizado exponencial para la semana 4.
Solucin:
El mtodo de suavizado exponenial requiere un pronostico inicial, que se debe calcular as: Como pronstico inicial 400 + 380 = 390 2
A fin de calcular el pronostico para la semana 4, utilizando Tomamos los datos de las = 0,10 , calculamos el promedio al final de la semana 3 en y los dos ultimas semanas promediamos la siguiente forma:
calculado
En el caso que la demanda real para la semana 4 resultara ser de 415, entonces el nuevo pronostico para la semana 5 seria:
En general, redondeamos solamente el resultado final, Observe que a fin de mantener la mayor precisin posible en los hemos utilizado clculos. F4, y no el
pronstico en valor entero para la semana 4, en el calculo de F5.
Despus de analizar este capitulo, podemos identificar los cinco patrones fundamentales de demanda, que en combinacin, producen series de tiempo de demanda, as como tambin aprendimos como seleccionar la tcnica de pronsticos apropiada para un determinado problema de decisin, describir los diferentes tipos de mtodos para pronsticos basndonos en el juicio y los casos en los que es conveniente aplicarlos. Al desarrollar el tema de pronsticos, pudimos calcular estos, utilizando los enfoques ms comunes para el anlisis de series de tiempo.