Unidad 2 Pronóstico de la demanda ¿Qué es pronosticar? •
Arte y ciencia de predecir predecir los eventos futuros, puede implicar implicar el uso de datos históricos y su proyección hacia el futuro mediante un modelo matemático. Puede ser una predicción subjetiva o intuitiva o una combinación de ambas •
Pronósticos de )uestiones lobales
Pronósticos de corto plao, hasta ' meses, distintas metodolo#&as como t"cnicas matemáticas, promedios móviles.
•
Pronósticos medio plao, de ' meses hasta ' aos, ventas y presupuesto.
•
Pronósticos lar#o plao, de ' aos hasta / aos, crear planta de producción.
Tipos de pronósticos
1.- Pronósticos conómicos! tasa de inter"s, ciclo de ne#ocio, suministro de dinero, construcción de edificios, vivienda. 2.- Pronósticos $ecnoló#icos! $ecnoló#icos! nuevos e%uipos, nuevos materiales, nuevas ma%uinas, nuevas l&neas de producción. '.- Pronósticos de la (emanda! pronósticos de venta Importancia estratégica del pronóstico • • •
)apacidad *ecursos +umanos Administración de la cadena cadena de suministro
*ecursos +umanos! contratación, capacitación y despido de los trabajadores, dependen de la demanda prevista )apacidad! cuando es inadecuada, los faltantes %ue resultan entre#as poco confiables, obteniendo as& p"rdida de clientes y de participantes en el mercado. Administración de la cadena cadena de suministro! buenas relaciones relaciones y las subsecuentes subsecuentes ventajas de precio en materiales y partes dependen de pronósticos adecuados. adecuados. Características de la demanda
Patrones de demanda! observaciones de la demanda de un productos o un servicio tomando como base el orden en %ue se realia, se les llama seria de tiempo. (emanda horiontal $endencia
Aleatorio Factores que afectan a la demanda • •
0actores eternos! fuera de control de la #erencia nevada, incendio, etc 0actores internos! decisiones internas sobre el diseo, publicación, ventas, son controlables.
3a demanda puede ser afectada por la influencia del ciclo de vida del producto. 7 pasos en el sistema de pronósticos: forma sistemática para implementardise!ar un sistema de pronostico" #" $" %" &" '" (" 7"
(eterminar el uso del pronostico 4eleccionar los aspectos %ue se deben de pronósticos 5inventarios6 (eterminar el horionte del pronostico 5corto, mediano y lar#o plao6 4eleccionar los modelos de pronostico 5promedios móviles, m&nimos cuadrados, etc6 *eunir los datos necesarios 7btener el pronóstico 8alidar e implementar resultados
)es*enta+as de los pronósticos • •
•
Pocas veces son perfectos 3a mayor&a de las t"cnicas de pronósticos suponen la eistencia de cierta estabilidad subyacente en el sistema $anto los pronósticos de familia de productos como los a#re#ados son más precisos %ue los pronósticos para productos individuales
,nfoques de pronósticos #" Pronósticos )uantitativos! emplear modelos matemáticos basados en datos históricos. $" Pronósticos )ualitativos! toman en cuenta eperiencias personales, intuición del
vendedor, emocione $"#" 9urado de opinión de ejecutivos 59untas de corporativo6! opinión de #rupos de epertos o administradores de alto nivel %ue se basan en modelos estad&sticos para lle#ar a una estimación #rupal de demanda $"$" :"todo (elph! el %ue toma la decisión! #rupo de / a 1; epertos elaboran el pronostico Personal! ayuda a los %ue toman decisiones, a preparar, distribuir, recolectar y resumir la serie de cuestionarios y los resultados de esos cuestionarios. %"- )omparación de la fuera de ventas! estimación de las ventas esperadas por los
vendedores! encuestas en el mercado de consumo
.anorama de los métodos Cuantitati*os
#"- nfo%ue intuitivo, utilia la intuición. $"- Promedios móviles con ponderación y sin ponderación. %"- 4uaviamiento eponencial. &"- Proyección de tendencias. '"- *e#resión lineal, m"todo asociativo
Modelos de series de
:odelos de series de tiempo! datos históricos en el plan para obtener un pronóstico .ronósticos de /erie de tiempo:
Una serie de tiempo se basa en una secuencia de datos puntuales separados por intervalos i#uales 5semanas, meses, trimestres, etc6 3os datos de serie de tiempo implican %ue los valores futuros se predicen solamente a partir de los valores pasados y se pueden i#norar otras variables sin importar %ue tan valiosas y potencialmente sean Promedio móvil! 4on
∑ demandaen n periodosanteriores n=¿ de periodos que compone el promedio movil
jemplo! 0es
nero 0ebrero :aro Abril :ayo 9unio 9ulio A#osto 4eptiembr e 7ctubre Boviembre (iciembre
1entas 2eales en co3erti4os
.romedio 0ó*il de % meses
.romedio 0ó*il .onderado
1; 12 1' 1= 1? 2' 2= ';
11.=======> 1'.=======> 1= 1?.'''''''' 22.=======>
12.1======> 1@.'''''''' 1> 2;./ 2'.'''''''
2 1 1= 1@
2=.'''''''' 2 2/.'''''''' 2;.=======>
2>./ 2.'''''''' 2'.'''''''' 1.=======>
Promedio :óvil Ponderado
Promedio M ó vil Ponderado =
∑ ( Ponderaci ó n para peridon ) /( demanda enPer í odo n )
∑ ponderaci ó n
(esventajasCProblemas de Promedios :óviles 1.- Aumentar el tamao de n 4i bien permite suaviar mejor las fluctuaciones, tambi"n resta sensibilidad al m"todo ante los cambios reales en los datos. 2.- l promedio :óvil no refleja muy bien las tendencias puesto %ue son promedios siempre se %uedarán en niveles pasados, no predicen los cambios hacia niveles más altos ni más bajos. s decir retrasan los valores reales '.- 3os promedios móviles re%uieren amplios re#istros de datos históricos. /ua*i4amiento ,5ponencial
$"cnica de pronóstico de promedios móviles ponderados donde los datos se ponderan mediante una función eponencial Buevo Pronóstico D Pronóstico del periodo anterior E F 5demanda real en mes anteriorpronóstico del periodo anterior6 F D constante se suaviado 5;-16 Ft = Ft −1 + α ( At −1− Ft −1 )
jemplo n nero un distribuidor de automóviles predijo %ue la demanda para 0ebrero seria de 1@2 altimas, la demanda real de 0ebrero fue de 1/' autos. 4i empleamos la constante de suaviado %ue eli#io la administración es de FD;.2 Pronosticar la demanda de maro mediante el suaviado eponencial F t = Ft −1+ α ( At −1− Ft −1) Ft =142 + .2 ( 153 −142)
Ft =144.2
l pronóstico para la demanda del altima para el mes de maro es de 1@@ autos. ncontrar la medición de error del pronóstico! comparación entre los valores reales vs valores pronosticados. Error del pronó stico = At − Ft
isten varias medidas de uso com
(esviación Absoluta :edia 5:A(6 rror )uadrático :edio 5:46 rror Porcentual Absoluto :edio 5:AP6
(esviación absoluta media! su valor se calcula sumando los valores absolutos de los errores individuales del pronóstico y dividiendo entre el n
jemplo! (urante los / toneladas, se eaminan 2 valores de FD.1; y FD./; Toneladas reales Trimestre descargadas
.ronostico redondeado con 6"#8
.ronostico redondeado con 6"'8
1 2 ' @ / = >
1>/ 1>= 1>/ 1>' 1>' 1>/ 1> 1>
1>/ 1> 1>' 1== 1>1 11 1?' 1>
1; 1= 1/? 1>/ 1?; 2;/ 1; 12
84
.ronosti Tonelada co s reales redonde Trimes descarga ado con tre das 6"#8
)es*iac ión 93solut a con 6"#8
.ronosti co redonde ado con 6"'8
)es*iac ión 93solut a con 6"'8
1 2 ' @ / = >
/ 1= 2 1> '; 2 @ @
1>/ 1> 1>' 1== 1>1 11 1?' 1>
/ 1; 1@ ? 1? 2@ 1' / ??
1; 1= 1/? 1>/ 1?; 2;/ 1; 12
1>/ 1>= 1>/ 1>' 1>' 1>/ 1> 1>
MADα = .50=
99 4
=12.38
4e esco#e el alfa con .1; ya %ue es el %ue presenta menos error ,rror Cuadrático 0edio 0/,;
s el promedio de los cuadrados de las diferencias entre los valores pronosticados y observados ∑ ( Errores de Pronó stico ) n
Toneladas )es*iació 2eales .ronostico n Trimestr )escargada 2edondead 93soluta e s o 6"#8 6"#8
)es*iació )es*iació n .ronostico n 93soluta 2edondead 93soluta 6"#8$ o 6"'8 "'8
)es*iació n 93soluta "'8
1 2 ' @ / = > 4umatori a
2/ =@ 2/= @ 2? ?;; @ 1=
2/ 1;; 1?= 1 '=1 />= 1=? 2/
1558 8
1533 8
1; 1= 1/? 1>/ 1?; 2;/ 1; 12
1>/ 1>= 1>/ 1>' 1>' 1>/ 1> 1>
/ 1= 2 1> '; 2 @
1>/ 1> 1>' 1== 1>1 11 1?' 1>
/ 1; 1@ ? 1? 2@ 1' /
1//
1/''
=194.75
=191.625
,rror .orcentual 93soluto 0edio 09.,;
:ape calcula como el promedio de las diferencias absolutas entre los valores pronosticados y los valores reales y se epresan como porcentaje de los valores reales. n
:APD
100
‖ Real− Pronostico‖ ∑ = i
1
n
/ua*i4amiento ,5ponencial Con a+uste de tendencia
4i es para mejorar la tendencia de pronósticos la idea aes calcular un promedio suaviado
Pronosticoincluyendola tendencia ( f 1 Tt ) = Pronostico Exponencialmente suaviado ( Ft ) + Tendencia Exponencia
ste pronóstico re%uiere dos constantes F y G Ft = α ( demandareal delultimo periodo ) + ( 1−α ) ( Pronostico del ultimo periodo + Tendenciaestimada parael ultim Tt = ! ( Pronostico de este periodo − Pronosticodel ultimo periodo ) + ( 1 − ! ) ( Tendenciaestimada para elultimo per
% pasos para calcular el pronóstico
1.- )alcule 0t el pronóstico eponencialmente suaviado para el periodo t 2.- )alcule la tendencia suaviada $t. '.- )alcule el pronóstico incluyendo la tendencia. Un importante fabricante usa suaviamiento eponencial para pronosticar la demanda de un e%uipo para control de contaminación aparentemente hay una tendencia creciente. 4e asi#na a las constantes FD.2 y GD.@ supon#a %ue el pronóstico inicial para el mes 1 0tD11 y la tendencia $tD2 :uestra # $ % & ' ( 7 < = #8
(emanda 12 1> 2; 1? 2@ 21 '1 2 '= IJ
0t 12. 1/.1> 1>.2 1?.?1 22./ 2@.;?
$t 1.?2 2.1 2.'2 2.22 2.'= 2.;/
0H$ 1@.>2 1>.2 2;.1@ 22.1@ 2@.= 2=.1 2=.1 2?./? '1.= '/.1=
0étodo de pronóstico
Kue ajusta una serie de datos históricos y despu"s proyecta la recta al futuro para pronosticar " = a + #x ^
:"todo de m&nimos cuadrado LD valor calculado de la variable %ue debe predecirse aDordenada bDPendiente de la recta de re#resión D 8alor de la variable independiente
A continuación se muestra la demanda de ener#&a el"ctrica durante el periodo 2;;?-2;1/ pronosti%ue la demanda para el 2;1= ajustando una recta de tendencia a los datos de las tablas Ao
$88= $8#8 $8## $8#$ $8#% $8#& $8#' /umatoria s ȳ=<"<( 5>-&
(emanda de ener#&a el"ctrica 5M6 >@ >? >; ?; 1;/ 1@> 122 =?2
N
NO2
y
1 2 ' @ / = > 2
1 @ ? @= 2/ '= @? 1@;
';='
D1;./@
AD/=.>
2;1=D1@1.; 2
4iempre deben #raficarse los datos por%ue los datos de m &nimos cuadrados suponen una relación lineal. 4i parece %ue hay una curva, %uiá sea necesario el análisis curvil&neo. Bo se predicen periodos lejanos a los eistentes en la base de datos. Por ejemplo, si tenemos los precios promedio de las eistencias de :icrosoft durante 2; meses, sólo podemos pronosticar ' o @ meses hacia el futuro. los pronósticos de más tiempo tienen poca valideC estad&stica entonces, no puede tomar datos de / aos de ventas y proyectar 1; aos hacia el futuro, el mundo es demaciado incierto. 4e supone %ue las desviaciones en alrededor de la recta de m&nimos cuadrados son
1ariaciones estacionales en los datos
3as variaciones estacionales en los datos son movimientos re#ulares ascendentes o descendentes en una serie de tiempo %ue se relacionan con acontecimientos recurrentes como el clima o las vacaciones. 3a demanda de carbón o aceite aumenta durante los meses de invierno. 3a demanda en los clubes de #olfo de bronceadores suele ser mayor durante el verano 3a estacionalidad se aplica a patrones recurrentes en horas, d&as, meses u otros periodos 3os restaurantes de comida rápida re#istran diariamente repuntes al medio d&a y nuevamente despu"s de las / de la tarde. 3os cines aumentan su demanda los viernes y sábados por la noche. 3a oficina de correos, $oys Q/1Q Us, $he )hristmas 4tore y las tiendas de tarjetas +allmarR tambi"n re#istran variaciones estacionales tanto en el tráfico de clientes como en las ventas. 0odelo estacional multiplicati*o
4e multiplica por una estimación de la demanda promedio para producir un pronóstico estacional Pasos a se#uir 1.-staciones por un mes encontrar la demanda histórica de cada estación. 2.-)alcular la demanda promedio de todos los meses, calcular un &ndice estacional '.-stimar la demanda total anual para el si#uiente ao. jemplo
0etodos asociati*os de pronósticos ,rror estándar de la estimación
l pronóstico de ventas para Bodel de '2/,;;; dolares en el ejemplo 12, se conoce como estimación puntual de y. 3a estimación puntal es en realidad la media, o valor esperado, de una distribución de valores posibles de ventas. n la fi#ura @.? se eplica el concepto. )on el propósito de medir la precisión de las estimaciones de re#resión, debemos calcular el error estándar de la estimación. S v t . ste cálculo se llama desviación estándar de la regresión y mide el error desde la variable dependiente, y, hasta la recta de re#resión, en lu#ar de hasta la media. 3a ecuación 5@-1@6 es una epresión similar a la encontrada en la mayor&a de los libros de estad&stica para calcular la desviación estándar de una media aritm"tico y D valor de y de cada dalo puntual ycD valor calculado de la variable dependiente, a partir de la ecuación de re#resión n D n
La ecuación de re#resión es una forma de epresar la naturalea de la relación entre dos sanables. 3as recias de re#resión no son
relaciones de Scausa y efectoT, simplemente describen las relaciones entre variables. 3a ecuación de re#resión muestra la forma en %ue una variable se relaciona con el valor y los cambios en otra variable. 7tra forma de evaluar la relación entre dos sanables consiste en calcular el coeficiente de correla ción. sta medula epresa el #rado o fuerCa de la relación lineal. )asi siempre identificado como r. el coeficiente de correlación puede ser cual%uier n
