![Fórmulas:
a=
∑𝑥²∑𝑦−∑𝑥∑𝑥𝑦
𝑛∑𝑥2−(∑𝑥)²
b=
𝑛∑𝑥𝑦−∑𝑥∑𝑦
𝑛∑𝑥2−(∑𝑥)²
r=
𝑛∑𝑥𝑦−∑𝑥∑𝑦
√[𝑛∑𝑥2−(∑𝑥)²][𝑛∑𝑦2−(∑𝑦)²]](https://image.slidesharecdn.com/capitulo1pronsticos-220307155136/85/Capitulo-1-pronosticos-25-320.jpg)
Capitulo 1 pronósticos
- 1. Capítulo I PRONOSTICOS Ing. Germán Alcalá C.
- 2. “La previsión proporciona a Disney una ventaja competitiva” Dirección de la Producción y de Operaciones Jay Heizer & Barry Render
- 3. Contenido: 1. Introducción 2. Marco conceptual de los pronósticos 3. Tipos de pronósticos 4. Selección de un método de pronóstico 5. Razones de un mal pronóstico 6. Bibliografía
- 4. “LA PREPARACION DE PRONÓSTICOS ES EL ARTEY LA CIENCIA DE PREDECIR EVENTOS FUTUROS”
- 5. 1. Introducción Algunas de las preguntas que deben plantearse antes de decidir la técnica de pronósticos más apropiada para un problema específico son las siguientes: ¿Por qué se necesita un pronóstico? ¿Quién utilizará el pronóstico? ¿Cuáles son las características de los datos disponibles? ¿Qué periodo debe pronosticarse? ¿Cuáles son los requisitos mínimos de datos? ¿Qué tanta precisión se desea? ¿Cuánto costará el pronóstico?
- 6. Características del pronóstico empresarial: Es consistente con las demás áreas del negocio Se basa en el conocimiento adecuado del pasado relevante Tiene en cuenta el entorno político y económico. Es oportuno.
- 7. ¿Porqué son importantes los pronósticos en el área de operaciones?
- 8. Variaciones entre las ventas y los pronósticos Variaciones leves: ◦ Puede absorberse por un nivel adicional de capacidad ◦ Inventarios o reprogramación de órdenes ◦ Otras??
- 9. Variaciones fuertes: ◦ Pronósticos > >Ventas Grandes inventarios Recorte de personal para reducir los niveles de producción Otras?? ◦ Pronósticos < <Ventas Capacidad se ve estirada Contratación de personal adicional Pérdida de ventas debido a faltantes en inventario
- 10. El pronóstico ocupa un papel central en la empresa y a lo largo de la cadena de suministro Lectura: “Pronósticos de la cadena de suministro de Walmart”
- 11. 2. Marco conceptual del pronóstico en el área de operaciones Nos concentramos en la preparación del pronóstico de la demanda para la producción. La demanda y las ventas no siempre son lo mismo. Pronóstico no es igual a Planeación El pronóstico es un insumo para las decisiones de operaciones relacionadas con el diseño del proceso, la planeación de la capacidad y los inventarios.
- 12. TECNICAS DE PRONOSTICO Cuantitativa Modelos causales Modelos de series de tiempo Corto plazo Promedios móviles Promedio móvil ponderado Suavización exponencial Largo plazo Regresión lineal Polinomial Multilineal Cualitativa Delphi Investigación de Mercados Predicción tecnológica TECNICAS DE PRONOSTICO
- 13. Diseño de proceso (largo plazo) • Tipo de proceso (continuo, líneas de ensamble, lotes, talleres de trabajo, proyectos) Decisiones de capacidad (largo, mediano y corto plazo) • Capacidad total de las instalaciones • Planes de contrataciones, subcontrataciones, equipamiento • Asignación de personas y máquinas disponibles Decisiones de inventarios (corto plazo) • Compras • Programación PRONOSTICOS COMO INSUMO PARA LAS DECISIONES DE OPERACIONES GRADO DE EXACTITUDY ESPECIFICIDAD
- 14. Aplicaciones y métodos de pronóstico Horizonte Exactitud Nº pronósticos Nivel de involucrados Método pronóstico Proceso Largo Mediana 1 o pocos Alto Cualitativo/ causal Instalacion es Largo Mediana 1 o pocos Alto Cualitativo/ causal Planeación agregada Mediano Alta Pocos Mediano Causal y series de tiempo Programac ión Corto La más alta Muchos Bajo Series de tiempo Inventario s Corto La más alta Muchos Bajo Series de tiempo
- 15. 3.Tipos de pronósticos 3.1 Pronósticos a largo plazo: Estima las condiciones futuras en un horizonte de tiempo mayor a dos años Son necesarias en la administración de operaciones para dar apoyo a decisiones estratégicas con relación a: planeación de productos, procesos, tecnologías e instalaciones.
- 16. 3.1.1 Métodos de pronósticos a largo plazo a) Métodos cualitativos b) Métodos cuantitativos
- 17. a) Métodos cualitativos de pronósticos: Cuándo los datos del pasado no resulten confiables Introducción de nuevos productos (no se dispone de datos históricos) Útiles para el diseño del proceso o capacidad de las instalaciones
- 18. Métodos cualitativos de pronósticos METODO DESCRIPCION APLICACIONES COSTO Delphi Panel de expertos que responden a una serie de preguntas en rondas sucesivas Pronóstico de ventas a largo plazo para la planeación de la capacidad de las instalaciones. Pronósticos tecnológicos Mediano a alto Estudios de mercado Estudia las condiciones del mercado usando varios instrumentos Pronósticos de las ventas totales Alto Analogía del ciclo de vida Se basa en el ciclo de vida de productos similares Pronóstico de ventas a largo plazo para la planeación de la capacidad o de las instalaciones Mediano Criterio informado El pronóstico lo realiza un grupo o un individuo con base en la experiencia, presentimientos o hechos. Pronóstico de ventas totales y de productos individuales Bajo
- 19. b) Métodos cuantitativos Regresión lineal: Regresión lineal simple: ◦ Serie de tiempo: Y = a + b t ◦ Modelo causal de pronóstico: Y = a + bX Regresión lineal múltiple:Y = f(x,z,w) Regresión no lineal:Y = a + bX + cX2 (parábola)
- 20. Para ajustar a una recta o curva se emplea el método de Mínimos Cuadrados:
- 21. Regresión lineal simple: Definición de variables y fórmulas para el análisis de regresión lineal simple. X,Y x,y b a x: valores de la variable indep. y: valores de la variable depend. n: número de observaciones a: intersección con el eje vertical b: pendiente de la línea de regresión Y: valores de y que aparecen en la línea de tendenciaY=a+bX r: coeficiente de correlación r2: coeficiente de determinación
- 22. Coeficiente de correlación (r) Explica la importancia relativa de la relación entre y , x; el signo de r indica la dirección de dicha relación, y el valor absoluto de r la magnitud de la relación. Puede asumir cualquier valor entre -1 y +1. r negativa: los valores de x , y tienden a moverse en direcciones opuestas r positiva: los valores de x , y se mueven en la misma dirección r = 0: no existe relación alguna entre x , y
- 24. Coeficiente de determinación (r²) Indica qué parte de la variación total en la variable dependiente y, queda explicada por x, o por la línea de tendencia. Por lo tanto resulta deseable que el valor de r² se acerque lo mas posible a 1 o 100%.
- 25. Fórmulas: a= ∑𝑥²∑𝑦−∑𝑥∑𝑥𝑦 𝑛∑𝑥2−(∑𝑥)² b= 𝑛∑𝑥𝑦−∑𝑥∑𝑦 𝑛∑𝑥2−(∑𝑥)² r= 𝑛∑𝑥𝑦−∑𝑥∑𝑦 √[𝑛∑𝑥2−(∑𝑥)²][𝑛∑𝑦2−(∑𝑦)²]
- 26. Ejemplo 1: Serie de tiempo Una fábrica produce pupitres para establecimientos escolares. Durante más de un año, la planta ha operado a casi plena capacidad. El gerente de operaciones de la fábrica estima que el crecimiento en las ventas continuarán y desea desarrollar un pronóstico a largo plazo que se usará para planear las necesidades de las instalaciones para los siguientes 3 años. Se han totalizado las cifras de ventas correspondientes a los últimos 10 años:
- 27. Año Ventas anuales (unidades) Año Ventas anuales (unidades) 1 1000 6 2000 2 1300 7 2200 3 1800 8 2600 4 2000 9 2900 5 2000 10 3200 a) Represente los datos en un diagrama de dispersión y analice la tendencia. b) Desarrolle una ecuación de regresión lineal para predecir las ventas para los siguientes 3 años y grafíquela en el diagrama de dispersión. c) Calcule el coeficiente de correlación (r) y el coeficiente de determinación (r²) e interprete los resultados
- 28. Ejemplo 2: Modelo causal Suponga que nos interesa estimar la demanda de periódicos, en una pequeña ciudad, basándonos en la población local. En la tabla se muestran la demanda de periódicos durante los últimos 8 años y la población correspondiente.
- 30. a) Desarrolle una ecuación de regresión lineal para predecir la demanda futura de periódicos. b) Suponiendo que la población durante el año 2018 alcanzará a 45000 habitantes, cual será la demanda de periódicos para ese año? c) Calcule el coeficiente de correlación (r) y el coeficiente de determinación (r²) e interprete los resultados.
- 31. Ejemplo 3: modelo causal de pronóstico Una empresa consultora de ingeniería, supone que los servicios que proporciona a las empresas constructoras están directamente relacionadas con la cantidad de contratos que suscriben dichas empresas con diferentes municipios del país. De ser real dicha suposición, esta información podría ayudar a la empresa consultora a planear mejor sus operaciones. Los datos históricos registrados al respecto se muestran a continuación:
- 32. AÑO VENTA DE SERVICIOS DE INGENIERIA (MILES DE $US) MONTOTOTAL DE CONTRATOS DE LAS EMPRESAS CONSTRUCTORAS (MILES DE $US) 2010 8 150 2011 10 170 2012 15 190 2013 9 170 2014 12 180 2015 13 190 2016 12 200 2017 16 220
- 33. En base a dichos datos históricos, se pide calcular lo siguiente: a) Desarrollar una ecuación de regresión para predecir el nivel de la demanda de los servicios de la empresa consultora. b) Suponiendo que la suscripción de contratos por parte de las empresas constructoras para los próximos 4 años será de: 260, 290, 300 y 270 (miles de $us) respectivamente, utilice la ecuación de regresión para predecir el nivel de demanda de los servicios de ingeniería de la empresa consultora durante los próximos 4 periodos. c) Determine con qué grado de exactitud se relaciona la demanda servicios de la empresa consultora con los contratos que suscriben las empresas constructoras.
- 34. Rangos de pronóstico (intervalo de confianza):
- 35. Error estándar (desviación estándar) del pronóstico: Es una medida de la manera en que han quedado dispersos a uno y otro lado de la línea de tendencia los puntos de datos históricos. Si Syx es pequeño en relación con el pronóstico, los puntos de datos pasados han quedado agrupados muy cerca de la línea de tendencia y los límites superior e inferior se acercan entre si. Establecer rangos para los pronósticos permite hacer frente a la incertidumbre, desarrollando pronósticos con buenos estimados asi como los rangos dentro de los cuales los datos reales más probablemente ocurrirán. Ver ejemplo 4 en Excel.
- 36. 3.2 Pronósticos a corto plazo Por lo general son estimaciones futuras que van desde unos cuantos días hasta varias semanas. El patrón principal que afecta a estos pronósticos es la fluctuación aleatoria.
- 38. Proporcionan a los gerentes de operaciones información para tomar decisiones sobre: Cuanto de inventario de un producto deberá mantenerse el mes siguiente Cuanto de cada producto deberá programarse para producir la semana siguiente Cuantos trabajadores deberán programarse para trabajar en tiempo normal y extra la semana entrante.
- 39. Ft: pronóstico para el periodo t, el periodo siguiente Ft-1: pronóstico para el periodo t-1, el periodo anterior At-1: datos reales del periodo t-1, el periodo anterior N: cantidad de periodos promediados Wi: pesos o coeficientes de ponderación para el periodo i n: número de observaciones 3.2.1 Definiciones de variables para los pronósticos a corto plazo
- 40. 3.2.2 Desviación Media Absoluta (MAD) Para medir la precisión de un modelo de pronóstico (Se refiere a qué tan cerca siguen los datos reales a los pronósticos) comúnmente se utiliza la Desviación Media Absoluta (MAD). MAD=(Suma de la desviación absoluta durante n periodos)/n MAD=(∑|Demanda real-Demanda pronosticada|)/n
- 41. 3.2.3 Métodos de pronóstico a corto plazo a) Promedios móviles b) Promedio móvil ponderado c) Suavización exponencial
- 42. a) Promedios móviles Promedia los datos de unos cuantos periodos recientes y este promedio se convierte en el pronóstico del periodo siguiente. De particular importancia es la cantidad de periodos de datos que se han de incluir en el promedio Ft=(At-1 + At-2 +………+At-N)/N Un periodo N más prolongado tiene la ventaja de proporcionar estabilidad en el pronóstico, pero la desventaja de responder con más lentitud a los cambios reales en el nivel de la demanda.
- 43. Ejemplo 5: El Gerente de Producción de una fábrica desea desarrollar un sistema de pronóstico a corto plazo para estimar el volumen de inventario que fluye de su almacén todas las semanas. Según el encargado de almacenes la demanda de inventario por lo general ha sido estable, con algunas ligeras fluctuaciones aleatorias de una semana a la siguiente. Un analista de las oficinas centrales de la empresa sugirió que utilizara un promedio móvil de 3, 5 o 7 semanas. Antes de tomar una decisión, el Gerente decidió comparar la precisión de cada una de ellas en relación con el periodo de 10 semanas más reciente.
- 44. b) Promedio móvil ponderado En algunas situaciones pudiera resultar deseable aplicar pesos o coeficientes de ponderación a los datos históricos. Ft=w1At-1 + w2At-2 + ….. + wnAt-n Con la condición que: ∑wi=1
- 45. Ejemplo 6: Semana Datos reales Peso o coeficiente de ponderación 7 85 0,20 8 102 0,30 9 110 0,50 Si se cree que los datos mas recientes son mas importantes para un pronóstico, se puede aplicar pesos o coeficientes mas elevados de ponderación a estos datos, por ejemplo, 0,50; 0,30 y 0,20: Pronostico (sem 10)=0,2(85)+0,3(102)+0,5(110) Pronóstico (sem 10)=102,6
- 46. c) Suavización exponencial Toma el pronóstico del periodo anterior y le incorpora un ajuste para obtener el pronóstico del siguiente periodo. Este ajuste es proporcional al error anterior y se calcula multiplicando el error de pronóstico del periodo anterior por una constante entre cero y uno. Esta constante α se conoce como constante de suavización. Ft=Ft-1 + α(At-1 – Ft-1 ) Ft=αAt-1 + (1- α )Ft-1 Error de pronóstico del periodo anterior Pronóstico del periodo anterior
- 47. Ejemplo 7: Con relación al ejemplo anterior, el analista sugiere que el Gerente de Producción piense en utilizar la suavización exponencial con constantes de suavización de: 0,1 ; 0,2 y 0,3. El Gerente decide comparar la precisión de las constantes de suavización para el periodo de 10 semanas más reciente. Tarea: Completar el ejemplo para: α = 0,2 y α = 0,3 ¿Cual es la constante de suavización que da mayor precisión al pronóstico?
- 48. Decisiones en operaciones Horizon te de tiempo Exactitud necesaria # product os Nivel gerencial Método de pronóstico Diseño del proceso largo media uno o pocos alto cualitativos y causales Capacidad instalaciones largo media uno o pocos alto cualitativos y causales Planeación agregada mediano alta pocos alto/medio causales y series de tiempo LP Programación corto muy alta muchos medio/bajo series de tiempo CP Inventarios corto muy alta muchos medio/bajo series de tiempo CP Largo Plazo > 2 años Mediano Plazo: de 6 meses a 2 años Corto Plazo < 6 meses Aplicaciones y métodos de pronóstico en Operaciones
- 49. 4. Selección de un método de pronóstico Se deben considerar los siguientes factores: Costo y precisión Datos disponibles Tiempo Naturaleza de productos y servicios: ◦ Volumen y costo elevado ◦ Bien manufacturado o servicio ◦ Etapa de su ciclo de vida Capacidad de respuesta ante cambios en los datos reales de la demanda
- 50. 5. Razones para un mal pronóstico Omisión de la empresa de involucrar al personal que dispone de información pertinente Omisión de que el pronóstico forma parte integral de la planeación empresarial Los gerentes de operaciones, abrigan expectativas no realistas de sus pronósticos Omisión en pronosticar las cosas correctas Omisión en seleccionar un método apropiado de pronóstico Omisión de controlar el desempeño de los modelos de pronóstico
- 51. 6. Bibliografía: Administración de Producción y Operaciones Norman Gaither, Greg Frazer 4ta Edición Administración de Operaciones Roger G. Schroeder, Susan Meyer Goldstein, M. Johnny Rungtusanatham 5ta Edición Dirección de la Producción y de OperacionesHeizer y Render 11ava Edición