1. ¿Qué es un modelo de pronóstico cualitativo y cuándo es apropiado su uso? Es un método para pronosticar la demanda en base de experiencias personales, las emociones, y el sistema de valores de quien toma las decisiones para llegar a un pronóstico. Su apropiado uso es cuando contamos con experiencias y no se basa en datos históricos. 2. 3. 4. 5.
6. 7. 8. 9.
10. 11. 12. 13.
14. 15. 16. 17.
Z Z Z Un administrador escéptico pregunta para qué puede usarse un pronóstico de mediano plazo; sugiérale tres usos o propósitos posibles. Se puede mejorar la utilidad de los pronósticos si los administradores adoptan una actitud más realista. No se debe ver al proceso como un sustito de la profecía, sino como la mejor forma de identificar y extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, ac titud, se deben considerar inevitablemente los errores de pronóstico e investigar las circunstancias que los generan. Z Z Z Investigue y describa brevemente el método Delphi. ¿Cómo podría usarlo alguno de los jefes para los que usted ha trabajado? Es una técnica de pronósticos que emplea un proceso grupal con el fin de que los expertos puedan hacer pronósticos. Lo podrían implementar para saber la planeación de ventas y flujo de efectivo de la empresa. Así como también se puede utilizar para el recurso humano y tener pronósticos de mantenimiento y diferentes situaciones en la empresa. Z Z Z Explique el valor que tienen los índices estacionales al pronosticar. ¿En qué difieren los patrones cíclicos y los patrones estacionales? Los índices estacionales sirven para planear la capacidad en las organizaciones que manejan picos en la carga de trabajo. Por ejemplo, esto incluye a las compañías de energía eléctrica durante los periodos de frío o calor intensos, a los bancos los viernes por la tarde, y a trenes subterráneos y autobuses durante las horas de tráfico matutino o vespertino. El pronóstico de series de tiempo (patrones cíclicos) implica la revisión de la tendencia de los datos a lo largo de una serie de tiempo mientras que la presencia de estacionalidad (patrones estacionales) hace necesario ajustar los pronósticos con una recta de tendencia. Z Z Z Explique con sus propias palabras cuál es el significado del coeficiente de correlación. Analice el significado de un valor negativo del coeficiente de c orrelación. El coeficiente de correlación es la medida de la fuerza de la relación que hay entre dos variables a manera de una relación lineal. Se representa como r, el mismo puede ocupar valores entre -1 y +1.
Cuando el valor del coeficiente de correlación es negativo, quiere decir que a medida que se eleva una variable, la segunda variable de relación disminuiría, lo cual sugiere revisar cálculos pues es probable que las cosas no marchen bien para la empresa o ejemplo que aplique. Por otra parte un coeficiente de correlación de -1 se denota como una Correlación negativa perfecta:
r=-1
18. 19. 20. 21.
Z Z Z ¿Qué ocurre con nuestra capacidad para pronosticar cuando pronosticamos periodos cada vez más lejanos en el futuro? La capacidad de pronosticar de las personas pierde validez con el tiempo, es decir los pronósticos de más tiempo tienen poca validez estadística. Por ejemplo, no pueden tomarse datos de 5 años de ventas y proyectar 10 años hacia el futuro puesto que mundo es demasiado incierto.
PROBLEMAS 1. 2. 3. 4.
Z Z Z Un centro de procesamiento de cheques usa el suavizamiento exponencial para pronosticar el número de cheques entrantes cada mes. El número de cheques recibidos en junio fue de 40 millones, aunque el pronóstico era de 42 millones. Se usó una constante de suavizamiento de .2. a. ¿Cuál es el pronóstico para julio? Nuevo pronóstico para julio = 42+0.2 (40-42)=41.6 millones de cheques b. Si el centro recibió 45 millones de cheques en julio, ¿cuál será el pronóstico para agosto? 41.6+0.2 (45-41.6) = 42.28 millones de cheques. c. ¿Por qué podría ser inapropiado este método de pronóstico para esta situación? Porque podría incrementar el número de cheques recibidos en el siguiente mes o mantenerse.
5. 6. 7. 8.
Z Z Z Las temperaturas máximas diarias en Saint Louis durante la última semana fueron las siguientes: 93, 94, 93, 95, 96, 88, 90 (ayer).
a. Pronostique la temperatura máxima para hoy usando un promedio móvil de 3 días. DÍAS TEMPERATURA PROMEDIO MOVIL DE TRES DÍAS LUNES 93 MARTES 94 MIÉRCOLES 93 JUEVES 95 93+94+93=280/3=93.33 VIERNES 96 94+93+96=283/3=94.33 SÁBADO 88 93+96+88=277/3=92.33 DOMINGO 90 96+88+90=274/3=91.33 b. Pronostique la temperatura máxima para hoy usando un promedio móvil de 2 días. DÍAS TEMPERATURA PROMEDIO MOVIL DE DOS DÍAS LUNES 93 MARTES 94 MIÉRCOLES 93 (93+94)/2=93.5 JUEVES 95 (94+93)/2=93.5 VIERNES 96 (93+95)/2=94 SÁBADO 88 (95+98)/2=96.5 DOMINGO 90 (98+88)/2 = 93 (88+90)/2= 89 temperatura c. Calcule la desviación absoluta media con base en un promedio móvil de 2 días. DÍAS TEMPERATURA PROMEDIO MOVIL DE MAD DOS DÍAS LUNES 93 MARTES 94 MIÉRCOLES 93 (93+94)/2=93.5 93-93.5= 0.5 JUEVES 95 (94+93)/2=93.5 96-93.5= 2.5 VIERNES 96 (93+96)/2=94.5 88-94.5= 6.5 SÁBADO 88 (96+88)/2=92 90-92= 2 DOMINGO 90 (88+90)/2 = 89 11.5/4=2.875 d. Calcule el error cuadrático medio para un promedio móvil de 2 días. DÍAS TEMPERATURA PROMEDIO MOVIL DE ERROR DOS DÍAS CUADRÁTICO LUNES 93 MARTES 94 MIÉRCOLES 93 (93+94)/2=93.5 0.5*0.5=0.25 JUEVES 95 (94+93)/2=93.5 2.5*2.5=6.25 VIERNES 96 (93+96)/2=94.5 6.5*6.5=42.25 SÁBADO 88 (96+88)/2=92 2*2=4 DOMINGO 90 (88+90)/2 = 89 52.75/4=13.1875 e. Calcule el error porcentual absoluto medio para el promedio móvil de 2 días.
DÍAS
TEMPERATURA
LUNES MARTES MIÉRCOLES JUEVES VIERNES SÁBADO DOMINGO
93 94 93 95 96 88 90
9. 10. 11. 12.
PROMEDIO MOVIL DE DOS DÍAS
ERROR CUADRÁTICO
(93+94)/2=93.5 (94+93)/2=93.5 (93+96)/2=94.5 (96+88)/2=92 (88+90)/2 = 89
100(0.5/93)=0.5376 100(2.5/96)=2.6042 100(6.5/88)=7.3864 100(2/90)= 2.22 12.7482/4= 3.1871
Z Z Z Considere los siguientes niveles de demanda real y pronosticada para las hamburguesas Big Mac en un restaurante McDonald’s local.
El pronóstico para el lunes se obtuvo observando el nivel de demanda para lunes y estableciendo el nivel pronosticado a este mismo nivel real. Los pronósticos subsecuentes se obtuvieron usando suavizamiento exponencial con una constante de suavizamiento de 0.25. Usando este método de suavizamiento exponencial, ¿cuál es el pronóstico para la demanda de Big Mac el viernes? Nuevo pronóstico = Pronóstico del periodo anterior + α(Demanda real del mes anterior –
Pronóstico del periodo anterior) = −1 + (−1 −1 ) : Nuevo pronóstico. −1 : Pronóstico del periodo anterior. α: Constante de suavizamiento (o ponderación) (0≤α≤1)
−1 : Demanda real en el periodo anterior. α = 0,25
= 80 + 0,25 ∗ (48 80)
DÍAS
Demanda real
LUNES MARTES MIÉRCOLES JUEVES VIERNES
88 72 68 48
Demanda pronosticada 88 88 84 80
Α = 0.25 Ft
88 84 80 72
La demanda pronosticada para las hamburguesas Big Mac del día viernes des de 72 unidades.
13. 14. 15. 16. 17. 18.
Z Z Z Z Z Considere los siguientes niveles de la demanda real (At) y pronosticada (Ft) para un producto:
El primer pronóstico, F1, se obtuvo observando A1 y estableciendo F1 igual a A1. Los pronósticos subsecuentes se obtuvieron mediante suavizamiento exponencial. Usando el método de suavizamiento exponencial, encuentre el pronóstico para el quinto periodo. (Sugerencia: Primero es necesario encontrar la constante de suavizamiento, (α). Para el último valor: α = (50-48)/(56-50) = 0.25
Quinto pronóstico = 50 + 0.25 * (46 - 50) = 49 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.
Z Z Z Z Z Z Z Z Z Z Z Brian Buckley ha desarrollado el siguiente modelo de pronóstico:
Donde:
= demanda de aires acondicionados Aztec y
X = la temperatura exterior (°F) a) Pronostique la demanda de Aztec cuando la temperatura es de 70°F. ̂= 36 + 4.3 ∗ 70°F = 337
b) ¿Cuál es la demanda cuando la temperatura es de 80°F? ̂= 36 + 4.3 ∗ 80°F = 380
c) ¿Cuál es la demanda cuando la temperatura es de 90°F? ̂= 36 + 4.3 ∗ 90°F = 423
31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42.
Z Z Z Z Z Z Z Z Z Z Z Des Moines Power and Light ha recabado los datos de la demanda de energía eléctrica en su subregión oeste sólo para los 2 últimos años. La información se muestra en la tabla siguiente:
Para planear una expansión y acordar el préstamo de energía con otras compañías de servicio público durante los periodos pico, Des Moines necesita estar en posibilidad de pronosticar la demanda de cada mes para el próximo año. Sin embargo, los modelos de pronóstico estándar analizados en este capítulo no se ajustan a los datos observados durante los 2 años. a) ¿Cuáles son las debilidades de las técnicas de pronósticos estándar al aplicarse a esta serie de datos? El análisis se basa en intuición y análisis de datos previos, por lo tanto se puede afirmar que la técnica es inexacta puesto que no presenta un argumento matemático fuerte. b) Como los modelos conocidos no son realmente apropiados para este caso, haga una propuesta para aproximarse al pronóstico. Aunque no existe una solución
perfecta para manejar datos de este tipo (en otras palabras, no existen respuestas que sean un 100% correctas o incorrectas), justifique su modelo. Se sugiere utilizar el método ponderado. Con este método lo que se hace es determinar un promedio, sumando los valores existentes en el inventario con los valores de las nuevas compras, para luego dividirlo entre el número de unidades existentes en el inventario incluyendo tanto los inicialmente existentes, como los de la nueva compra.
c) Pronostique la demanda para cada mes del próximo año con el modelo que usted propuso. año1
año2
año3
enero
5
17
11
febrero
6
14
10
marzo
10
20
15
abril
13
23
18
mayo
18
30
24
junio
15
38
26,5
julio
23
44
33,5
agosto
26
41
33,5
septiembre
21
33
27
octubre
15
23
19
noviembre
12
26
19
diciembre
14
17
15,5
