ANÁLISIS DE PRONÓSTICOS
2019
1
PRONÓSTICO
CONCEPTO DE PRONÓSTICO
3
FUNCIÓN DE LOS PRONÓSTICOS
4
APLICACIÓN DE LOS PRONÓSTICOS
PRODUCCIÓN:
COSTO DE MATERIA PRIMA
COSTO DE MANO DE OBRA
REQUERIMIENTOS DE MANTENIMIENTO
CAPACIDAD DE PLANTA REQUERIDA
FINANZAS:
REQUERIMIENTOS DE CAPITAL
PORTAFOLIO DE INVERSIONES
MERCADOTECNIA:
TAMAÑO DEL MERCADO
PARTICIPACIÓN EN EL MERCADO
TENDENCIA DE PRECIOS
DESARROLLO DE NUEVOS PRODUCTOS
CARACTERÍSTICAS DE LOS PRONÓSTICOS
8
FACTORES INCONTROLABLES
AQUELLOS SOBRE LOS CUALES LA EMPRESA
NO PUEDE DECIDIR NI MODIFICAR:
DEPENDEN DE FACTORES EXTERNOS A LA
EMPRESA.
9
MÁXIMA DEL PRONÓSTICO DE LA DEMANDA
A-Modelos Cualitativos.
A-1. Método Delphi: es un proceso de grupo cuyo
objetivo es un pronóstico por consenso, a menudo un
pronóstico de carácter tecnológico. El proceso
requiere de un grupo de expertos internos o externos
de la empresa para recabar opiniones por escrito sobre
el punto a discusión.
Elaboración del
•Definición de los Objetivos
cuestionario No.1 Respuestas al 1ª
•Selección del panel de 1º circulación
Envió cuestionario cuestionario
expertos
No.1
Comparación de
•Análisis estadístico de respuestas respuestas.
• Adicción del análisis estadístico al 2º 2º circulación Respuesta al 2º
cuestionario y envío el 2ª cuestionario cuestionario
A-Modelos Cualitativos
A-2. Predicción en base a Datos Históricos: Este tipo de
pronóstico consiste simplemente en que el analista lleva
a cabo un recuento histórico del comportamiento de las
operaciones para un periodo de tiempo prudencial, el
cual considera más que suficiente para extraer sus
propias conclusiones y preparar el pronóstico acorde a
sus necesidades. En este caso especifico, revisará todos
los departamentos de su empresa que le puedan otorgar
la información necesaria para efectuar un buen
pronóstico.
TÉCNICAS DE PRONÓSTICOS
A-Modelos Cualitativos
A-2. Predicción en base a Datos Históricos:
Por ejemplo, si se necesita predecir las ventas para un
periodo de tiempo específico, se verificará la tendencia de
estas, de por lo menos los cinco últimos años anteriores y
dicha información será extraída del departamento que a
su cargo le corresponda el registro de dichas ventas.
TÉCNICAS DE PRONÓSTICOS
A-Modelos Cualitativos
A-3. Técnica de Grupo Nominal: Esta técnica supone
que un grupo estructurado de gente conocedora será
capaz de llegar a un pronóstico por consenso. Muy
utilizado en la Calidad Total.
A-3. Técnica de Grupo Nominal:
PROCEDIMIENTO A SEGUIR:
a) Se nombra un coordinar el cual hace pasar a un grupo
de personas comprendidas entre 7 y 10 individuos a una
sala en la cual no se esta permitido cruzar palabras entre
los participantes.
b) El coordinador edita el tema que necesita el
pronóstico en un pizarrón o en un rotafolio.
c) Los participantes efectúan una lista de ideas
individuales relacionadas con el tema del pronóstico.
A-3. Técnica de Grupo Nominal:
PROCEDIMIENTO A SEGUIR:
d) Los participantes exponen por turno una o varias
ideas del total de cada la lista y justifican la razón de
ella, un ayudante las traspasa ordenadamente en un
rotafolio de tal forma que sea visualizadas por el resto
de los participantes. El ayudante con sugerencias del
coordinador elimina aquellas ideas que se consideren
repetidas o de carácter generalista.
e) Se promueve en esta etapa del proceso, la discusión y
el debate entre los participantes para proseguir
posteriormente con la votación. La idea ganadora
representará el pronóstico por consenso.
TÉCNICAS DE PRONÓSTICOS
B-Modelos Cuantitativos.
1- Tendencia.
2- Estacionalidad.
3- Ciclos:
4- Variaciones aleatorias:
22
TENDENCIA
COMPONENTE DE MUY LARGO PLAZO QUE REPRESENTA EL
CRECIMIENTO O DECRECIMIENTO DE LOS DATOS EN UN PERÍODO
EXTENDIDO
Crecimiento de la población.
Inflación.
Ventas de un producto en su etapa de crecimiento en el
ciclo de vida.
23
TENDENCIA
ventas de SEARS (1955-1985)
50000
40000
30000
20000
10000
0
55 60 65 70 75 80 85
SEARS
24
ESTACIONALIDAD
PATRÓN DE CAMBIO QUE SE REPITE AÑO CON
AÑO EN EL MISMO NÚMERO DE PERÍODOS
25
180
ESTACIONALIDAD
160
140
120
100
80
60
81 82 83 84 85 86 87 88 89 90
MURPHY 26
CICLICIDAD
FLUCTUACIÓN ALREDEDOR DE LA TENDENCIA QUE SE
REPITE PERO A INTERVALOS DISTINTOS Y CON
AMPLITUDES DISTINTAS.
27
CICLICIDAD
400
350
300
250
200
150
100
60 65 70 75 80 85 90
VENTAS TENDENCIA 28
FACTOR ALEATORIO
FACTORES NO CONTROLABLES DENTRO DE UNA
SERIE DE TIEMPO.
CAMBIOS CLIMÁTICOS
DESASTRES NATURALES
HUELGAS
HECHOS FORTUITOS
29
SERIE ALEATORIA:
Generada por números
1000
aleatorios
800
600
400
200
0
5 10 15 20 25 30
ALEA 30
Descomposición de una serie
de tiempo
31
TÉCNICAS DE PRONÓSTICOS
B-Modelos Cuantitativos (SERIES DE TIEMPO).
B-1. Promedio Simple: Un promedio simple (PS) es un promedio
de los datos del pasado en el cuál las demandas de todos los
períodos anteriores tienen el mismo peso relativo
Suma de las demandas de todos los periodos anteriores
PS
Número de periodos de demanda
D1 D 2 D3 ... D K
PS
k
B-1. Ejemplo Promedio Simple:
D 1
1 1 1
MMS t 1
D1 D 2 ... D n
n n n n
B-2. Ejemplo de Promedio Móvil Simple:
TÉCNICAS DE PRONÓSTICOS
B-Modelos Cuantitativos (SERIES DE TIEMPO).
B-3. Promedio Móvil Ponderado: Una medida
móvil ponderada (MMP) es un modelo de media
móvil que incorpora algún peso de la demanda
anterior distinto a un peso igual para todos los
periodos anteriores bajo consideración, la
representación de este modelo es el siguiente:
Ft D t 1 (1 )Ft 1
Donde
0 1.0 y t es el periodo
B-4. Ejemplo de Suavizado Exponencial:
Coeficiente de Suavización:
-Demanda Inestable =0.7,0.8,0.9
-Demanda Ligeramente Inestable = 0.4, 0.5, 0.6
-Demanda Estable = 0.1,0.2,0.3
Consideraciones:
• Coeficiente de Suavización elevado >peso a demanda reciente.
• Coeficiente de Suavización elevado <peso a demanda reciente.
TÉCNICAS DE PRONÓSTICOS
B-Modelos Cuantitativos (ASOCIATIVO O CAUSAL).
B-5. Regresión Lineal: El análisis de regresión es una técnica de
pronóstico que establece una relación entre variables. Una variable se
conoce y se usa para pronosticar el valor de una variable aleatoria
conocida. De los datos anteriores se establece una relación funcional
entre las variables. Se considera en este momento la situación de
regresión más sencilla sólo para dos variables y para una relación
funcional lineal entre ellas.
B-5. Regresión Lineal:
B-5. Ejemplo de Regresión Lineal:
Totales
10(328) (96)30
b 0.29
10(1060) (96) 2
30 0.29(96)
a 0.22
10
COEFICIENTES DE
CORRELACIÓN Y
DETERMINACIÓN LINEAL
COEFICIENTE DE CORRELACIÓN
• El coeficiente de correlación, r, presenta valores entre –1 y +1.
• Cuando r es próximo a 0, no hay correlación lineal entre las variables. La nube de puntos está
muy dispersa o bien no forma una línea recta. No se puede trazar una recta de regresión.
• Cuando r es cercano a +1, hay una buena correlación positiva entre las variables según un
modelo lineal y la recta de regresión que se determine tendrá pendiente positiva, será creciente.
• Cuando r es cercano a -1, hay una buena correlación negativa entre las variables según un
modelo lineal y la recta de regresión que se determine tendrá pendiente negativa: es decreciente.
Costo
250
Costo
250
200 200
150 150
100 100
50 50
0 0
0 10 20 30 40 50 60 70 0 2 4 6 8 10 12 14
Temp Aislante
250
Costo
250
200 200
150 150
100 100
50 50
0 0
0 5 10 15 20 0 5 10 15 20 25
Antiguedad Tamaño
COEFICIENTE DE DETERMINACIÓN
49
PROGRAMAS PARA ELABORAR PRONÓSTICOS
50
MEDICIÓN DEL ERROR DEL
PRONÓSTICO
51
MEDICIÓN DEL ERROR
EN EL PRONÓSTICO
52
MEDICIÓN DEL ERROR DEL
PRONÓSTICO
1. DESVIACIÓN ABSOLUTA MEDIA
(MAD = Mean absolute desviation).
2. ERROR CUADRÁTICO MEDIO
(MSE = Mean squared error).
3.ERROR PORCENTUAL ABSOLUTO
MEDIO
(MAPE = Mean absolute percent error).
53
Mad = DESVIACIÓN MEDIA
ABSOLUTA.
Su valor se calcula sumando los valores absolutos de los
errores individuales del pronóstico y dividiendo entre el
número de periodos de datos (n). Entre menor sea el MAD,
se considera el mejor pronóstico.
|Real - Pronóstico |
MAD =
n
54
mse = error cuadrático medio.
Es el promedio de los cuadrados de las diferencias entre los valores
pronosticados y observados. Como el MSE acentúa las desviaciones
importantes. En general se prefiere tener varias desviaciones
pequeñas en lugar de una sola desviación grande.
(Real - Pronóstico ) 2
MSE =
n
55
MAPE = error PORCENTUAL
ABSOLUTO MEDIO.
Un problema con el MAD y el MSE es que sus valores
dependen de la magnitud del elemento que se pronostica.
Si el elemento pronosticado se mide en millares, los
valores de MAD y el MSE pueden ser muy grandes, por lo
que se recurre el MAPE, que es en porcentaje absoluto.
56
PRÁCTICA EN CLASE