módulo_pronósticos

PRONSTICOS

ADMINISTRACIN DE OPERACIONES CLASE 5

CONTENIDO

Introduccin Tipos de pronstico Aspectos generales de los pronsticos de las series de tiempo Notacin Exactitud Modelo Ingenuo Modelo Media Promedio Mvil Simple PMS Promedio Mvil Ponderado PMP

CLASE 5

ADMINISTRACIN DE OPERACIONES

QUE SIGNIFICA PRONOSTICAR?

Es la estimacin de un evento futuro, que se hace mediante el uso de un mtodo especfico y es usado para fines de planificacin Se planifica la demanda del producto o servicio a ofrecer DEMANDA: cantidad requerida por los clientes de un producto o servicio en un perodo de tiempo determinado La informacin para realizar los pronsticos se obtiene de los registros de ventas o POS (Point of Sale)


QUE SIGNIFICA PRONOSTICAR?

Las ventas no son iguales a la demanda futura, por lo que los pronsticos nunca sern exactos Existen una serie de factores que no pueden ser pronosticados y afectan la demanda de los productos o servicios Se debe analizar el tiempo de venta para definir el tiempo de pronstico Los resultados obtenidos deben ser revisados constantemente con el fin de obtener resultados ms exactos


TIPOS DE PRONSTICOMTODOS CUALITATIVOS

Son subjetivos, pues usan la experiencia y el juicio de individuos o grupos para realizar las estimaciones del futuro Son usados cuando los datos del pasado no son confiables, son escasos o no existen Hay factores externos o variables no cuantificables que no pueden ser incluidos en un modelo matemtico Los datos histricos no tienen un patrn regular


TIPOS DE PRONSTICO

Son usados para productos o servicios con ciclos de vida muy cortos, como los artculos de moda Son usados para hacer ajustes a los modelos cuantitativos Mtodos: Delphi Consenso de grupo Anlisis de la fuerza de ventas


TIPOS DE PRONSTICOMTODOS CUANTITATIVOS

Se debe contar con variables cuantificables cuyas relaciones puedan ser representadas matemticamente Modelos de series de tiempo: supone que el patrn de comportamiento del pasado prevalece en el futuro (tiempo para lavar un vehculo, servicio en un restaurante) Ingenuo Media Promedio Mvil Simple (PMS) Promedio Mvil Ponderado (PMP)


TIPOS DE PRONSTICOSuavizacin Exponencial (SE) Suavizacin Exponencial con Ajuste de Tendencia (SET) Regresin lineal Modelo con ajuste estacional

Modelos causales: establecen relaciones entre una o mas variables independientes con la variable a pronosticar (dependiente) (paales, consumo de gasolina)


LA IMPORTANCIA ESTRATGICA DEL PRONSTICO

Mdulo inicial de la Planeacin de Produccin Un pronstico ms preciso permite reducir los tiempos de produccin y los costos, lo que conlleva a un aumento en la satisfaccin del cliente y en las utilidades Permite utilizar los recursos de forma ms eficiente y eficaz Mayor control del nivel de inventario y planeacin de aumento o reduccin de la capacidad


PASOS PARA IMPLEMENTAR UN SISTEMA DE PRONSTICOS

Definir la viabilidad de implementar un sistema de pronsticos en la empresa (Estrategia de Produccin) y el tipo de pronstico de acuerdo a la informacin con la cual se cuenta Identificar los productos, familias o materia prima que sern evaluados con el sistema de pronsticos Recopilar la informacin histrica de la demanda Datos reales o histricos D1 D2 D3 Dt-1 D1 Dato ms antiguo Dt-1 Dato ms reciente

Definir la escala de tiempo de los datos a pronosticar (das, semanas, meses) t1 Tiempo ms antiguo t Tiempo actual t+m Tiempo mas m perodos en el futuro



Analizar el comportamiento de los datos histricos en el tiempo y establecer posibles patrones de comportamiento, con el fin de definir los modelos ms adecuados y obtener proyecciones mas exactas Seleccionar los modelos ms adecuados de acuerdo al anlisis anterior y simularlos Proyecciones F1 F2 Ft-1 Ft Ft+1 Ft+m Ft-1 Proyeccin del perodo anterior Ft Proyeccin del perodo actual Ft+m Proyeccin de m perodos en el futuro

Analizar los errores del pronstico Errores del Pronstico e1 e2 et-1 et et+1 et+m et = Dt - Ft



Ajustar los valores de las variables y seleccionar los modelos que ms se ajusten a la realidad Alimentar los modelos con los datos futuros y realizar los ajustes necesarios de acuerdo a los resultados obtenidos para perodos posteriores


ENFOQUES DE LOS PRONSTICOSCOMPORTAMIENTO DE LA DEMANDA

Regular: comportamiento predecible que puede ser visto en los pronsticos futuros Irregular: comportamiento intermitente o aleatoria; no hay un patrn fundamental de comportamiento

PATRONES DE COMPORTAMIENTO REGULAR

Estabilidad: los datos se encuentran dispersos a lo largo de una lnea horizontal, sin aumentos o disminuciones consistentes en el tiempo (consumo de leche o gasolina) Tendencia: aumento o disminucin consistente de los datos a lo largo del tiempo (compra de vehculos)


ENFOQUES DE LOS PRONSTICOS

Estacionalidad: fluctuaciones de acuerdo con un ndice o factor estacional, que genera movimientos repetitivos cada cierto tiempo de forma regular. Puede ser estable o con tendencia (adornos de navidad, restaurantes) Ciclicidad: similar a la estacionalidad, pero las repeticiones se generan en perodos de tiempo mayores a 1 ao (factores globales, eventos mundiales). Son difciles de pronosticar ya que su duracin no es constante y no hay una frecuencia de repeticin definida Aleatoriedad: movimientos no predecibles de los datos en el tiempo sin causa asignada. Es uno de los principales causantes de los errores en los pronsticos


ENFOQUES DE LOS PRONSTICOS

Los patrones de comportamiento se relacionan con el ciclo de vida del productoTendencia creciente Estable Tendencia decreciente


ASPECTOS GENERALES DE LOS PRONSTICOS DE LAS SERIES DE TIEMPO

Se basan en datos histricos y suponen que lo sucedido en el pasado volver a repetirse en el futuro NOTACIN y El subndice i indica cada uno de los perodos de tiempo, siendo 1 el ms antiguo y t el ms reciente (actual)y

Demanda histrica Di Pronsticos o Forecast Fi

y


ASPECTOS GENERALES DE LOS PRONSTICOS DE LAS SERIES DE TIEMPOy

Error ei: Di - Fi

Si ei > 0, la proyeccin de la demanda ha sido subestimada, es decir, se generarn agotados Si ei = 0, el dato proyectado es igual al histrico Si ei < 0, la proyeccin de la demanda ha sido sobreestimada, es decir, que el inventario se incrementa


ASPECTOS GENERALES DE LOS PRONSTICOS DE LAS SERIES DE TIEMPO

EXACTITUD y Error total eT = ei desde i hasta n, donde n es el nmero total de errores y ei el error del perodo iy y

ERROR PROMEDIO eM = eT / n Estos errores definen si la demanda fue sobreestimada o subestimada Los errores deben ser positivos y negativos, con el fin que se cancelen entre si y su valor relativo tienda a cero Esta cancelacin implica que los inventarios sobrantes (valor negativo) en un perodo amortiguarn los faltantes (valor positivo) de otro

y

y


ASPECTOS GENERALES DE LOS PRONSTICOS DE LAS SERIES DE TIEMPOy

Desviacin Absoluta Media MAD (Mean Absolut Average) MAD = (| ei |) / n MAD = (2 / ) x E MAD = 0.8 E Mide la dispersin de los datos respecto a los valores esperados, por lo que debe ser lo ms pequeo posible Error Cuadrado Medio MSE (Mean Squared Error) MSE = (ei2) / n Mide la desviacin de los datos de forma ms severa Desviacin estndar 2 E = ( (ei ) / (n 1)) Error Porcentual Absoluto Medio (MAPE) MAPE = (| ei / Di |) x 100% / n Es el porcentaje de error en cada perodo

y

y

y


DESCOMPOSICIN DE LAS SERIES DE TIEMPO

Los datos deben tener un patrn de comportamiento estable Productos y servicios en su etapa de madurez Los valores histricos se encuentran distribuidos alrededor de una lnea horizontal Modelos: Ingenuo, Media, PMS, PMP y SE



MODELO INGENUOy

Utiliza el valor de la demanda del perodo anterior para calcular el pronstico del siguiente Ft = Dt-1 Ft+m = Ft



MODELO INGENUOt 1 2 3 4 5 6 7 8 9 10 11 12 13 Dt (miles) 9 8 12 9 11 7 12 8 10 12 9 10 Ft (miles) et ABS (et) ABS (et / Dt) x 100



MODELO MEDIAy

Utiliza toda la informacin histrica para realizar la proyeccin Ft = (Di) / t Ft+m = Ft

y

Usado para productos o servicios con demandas altamente contantes (productos de la canasta familiar) y donde se requiera menor consideracin de las variaciones debidas a la aleatoriedad Reaccin lenta ante las variaciones

y



MODELO MEDIAt 1 2 3 4 5 6 7 8 9 10 11 12 13 Dt (miles) 9 8 12 9 11 7 12 8 10 12 9 10 Ft (miles) et ABS (et) ABS (et / Dt) x 100


PROMEDIO MVIL SIMPLE

Toma los datos histricos ms recientes y los promedia Los pronsticos reaccionan ms rpidamente a los cambios en el proceso y reduce efectos de la aleatoriedad Dt 1 Dt 2 ... Dt N 1 t N ! Di Ft ! N N i !t 1 Ft+m = Ft y Ft: Pronstico para el perodo t y N: nmero de perodos a promediar (segn la capacidad de la empresa para responder a la demanda) Productos que se encuentran en etapa de madurez o patrones de comportamiento estables Pronsticos a corto plazo Mnimo 10 datos histricos



N=3 N=6t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Dt 20 25 21 22 27 28 27 30 34 25 25 26 36 41 39 Ft et ABS (et) ABS (et / Dt) x 100



Demanda VS. Pronstico con N = 3 y N = 6


PROMEDIO MVIL PONDERADO

Asigna valores de importancia a los datos histricostN

Ft !

w xDi i !t 1

i

! w1 Dt 1 w2 Dt 2 ... wN Dt N

Ft+m = Ft y wN: Ponderacin que se le dar a la ocurrencia real para el perodo t-N y wi = 1

Permite que todas las ponderaciones se le apliquen a cada elemento W se determina a partir del ensayo y error Seleccin de las ponderaciones y El pasado ms reciente es el indicador ms importante de lo que se espera en el futuro y Para datos estacionales, las ponderaciones deben establecerse de acuerdo al comportamiento



N = 3 w1 = 60% w2 = 30% w3 = 40%t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Dt 20 25 21 22 27 28 27 30 34 25 25 26 36 41 39 Ft et

N = 6 w1 = 30% w2 = 23% w3 = 17% w4 = 13% w5 = 10% w6 = 7%ABS (et) ABS (et / Dt) x 100



Demanda VS. Pronstico


CONTENIDO

Suavizacin exponencial Monitoreo y control de los pronsticos


SUAVIZACIN EXPONENCIAL

Asigna valores de importancia a los datos histricos Ft ! Ft 1 Eet 1 E ! Ft+m = Ft 1 N

0 1 y (coeficiente de suavizacin del pronstico) representa el peso asignado a los datos ms recientes y depende de la capacidad de reaccin de la empresa (flexibilidad)y

Tiene las mismas caractersticas que el modelo MPS Requiere un supuesto de inicializacin F2 = D1

Tiene las mismas caractersticas que el modelo MPS = 1 el modelo es ingenuo

CLASE 6

ADMINISTRACIN DE OPERACIONES


= 0.2 = 0.8t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Dt 20 25 21 22 27 28 27 30 34 25 25 26 36 41 39 Ft et ABS (et) ABS (et / Dt) x 100



Demanda VS. Pronstico


MONITOREO Y CONTROL DE LOS PRONSTICOS

Los modelos de pronsticos deben ser monitoreados y controlados con el fin de garantizar su correcto funcionamiento El monitoreo consiste en hacer un seguimiento al desempeo del modelo de pronstico, para garantizar que los resultados obtenidos se encuentran dentro de los mrgenes de error definidos en el control Seal de rastreo SR y Indica si el modelo de pronsticos reacciona correctamente a los cambios reales de la demanda (MAD) y Debe ser calculada y actualizada en cada perodo y SR = RSFE / MAD RSFE = et RSFE: sumatoria acumulada de los errores de los pronsticos (Running Sum of Forecasting Errors)


MONITOREO Y CONTROL DE LOS PRONSTICOSy

Si la seal de rastreo se encuentra dentro de los lmites de control definidos , el modelo opera adecuadamente; pero si se encuentra por fuera de estos lmites o presenta sesgos, se deben realizar ajustes en los parmetros del modelo

Los lmites de control determinan la tolerancia o error admisible que tiene el modelo de pronsticos y deben ser definidos por la gerencia Se recomienda que los lmites sean entre 1 y 3 MADs para productos en etapa de madurez y entre 2 y 5 MADs para productos en etapa de introduccin y crecimientoTRIMESTRE 1 2 3 4 5 6 VENTAS PRONOSTICADAS 100 100 100 110 110 110 DEMANDA REAL 90 95 115 100 125 140 et RSFE ABS(et) ACUM(et) MAD SR


CONTENIDO

Taller


CONTENIDO

Parcial 1


Documents

módulo_pronósticos