Professional Documents
Culture Documents
ADMINISTRACIN DE
OPERACIONES (ADO)
SESIN 07 I
PRONSTICOS
EXPOSITOR:
I N G . J AV I E R R O J A S S A L A Z A R
PRONSTICOS
OBJETIVOS:
Entender los horizontes del pronstico en funcin
16/10/2015
QU ES PRONOSTICAR
Pronosticar es el arte y la ciencia de predecir los eventos futuros.
Puede implicar el empleo de datos histricos y su proyeccin hacia el
futuro mediante algn tipo de modelo matemtico.
Puede ser una prediccin subjetiva o intuitiva; o puede ser una
combinacin de stas es decir, un modelo matemtico ajustado
mediante el buen juicio del administrador.
No existe un mtodo superior. Lo que funciona mejor en una
empresa con una serie de condiciones puede ser un completo
desastre en otra, o incluso en otro departamento de la misma
compaa.
A pesar que los pronsticos casi nunca son perfectos y su monitoreo
y preparacin tambin son costosos y consumen tiempo, pocos
negocios se dan el lujo de evadir el proceso de pronosticar. La
planeacin efectiva a corto y largo plazos depende del pronstico de
la demanda para los productos de la compaa.
HORIZONTES DE LOS
PRONSTICOS
1. Pronstico a corto plazo: Este pronstico tiene una extensin
de tiempo de hasta 1 ao, pero casi siempre es menor a 3 meses. Se
usa para planear las compras, programar el trabajo, determinar
niveles de mano de obra, asignar el trabajo, y decidir los niveles de
produccin.
2. Pronstico a mediano plazo: Por lo general, un pronstico a
mediano plazo, o a plazo intermedio, tiene una extensin de entre 3
meses y 3 aos. Se utiliza para planear las ventas, la produccin, el
presupuesto y el flujo de efectivo, as como para analizar diferentes
planes operativos.
3. Pronstico a largo plazo: Casi siempre su extensin es de 3
aos o ms. Los pronsticos a largo plazo se emplean para planear la
fabricacin de nuevos productos, gastos de capital, ubicacin o
expansin de las instalaciones, y para investigacin y desarrollo.
16/10/2015
CARACTERSTICAS DE LOS
PRONSTICOS
1. Los pronsticos a mediano y largo plazos manejan aspectos ms generales y
apoyan decisiones administrativas relativas a la planeacin y los productos, plantas y
procesos. La implementacin de algunas decisiones sobre instalaciones, como la decisin
que tom GM de abrir una nueva planta de manufactura en Brasilia, puede tomar de 5 a
8 aos desde su concepcin hasta su terminacin. Para este caso hay que tener presente
las etapas del ciclo de vida del producto.
2. El pronstico a corto plazo usualmente emplea metodologas diferentes que el
pronstico a ms largo plazo. Las tcnicas matemticas, como promedios mviles,
suavizamiento exponencial y extrapolacin de tendencias, son comunes en las
proyecciones a corto plazo. Los mtodos ms amplios y menos cuantitativos resultan
tiles para predecir asuntos tales como si un nuevo producto, por ejemplo una grabadora
de discos pticos, debe introducirse en la lnea de productos de una compaa.
3. Los pronsticos a corto plazo tienden a ser ms precisos que los de largo plazo.
Los factores que influyen en la demanda cambian todos los das. Por lo tanto, a medida
que el horizonte de tiempo se alarga, es ms probable que la exactitud del pronstico
disminuya. Entonces, es necesario afirmar que los pronsticos de ventas deben
actualizarse regularmente para mantener su valor e integridad. Despus de cada periodo
de ventas, los pronsticos deben revisarse y corregirse.
TIPOS DE PRONSTICOS
1. Los pronsticos econmicos abordan el ciclo del negocio al
predecir tasas de inflacin, suministros de dinero, construccin de
viviendas, y otros indicadores de planeacin.
2. Los pronsticos tecnolgicos se refieren a las tasas de
progreso tecnolgico, las cuales pueden resultar en el nacimiento de
nuevos e interesantes productos, que requerirn nuevas plantas y
equipo.
3. Los pronsticos de la demanda son proyecciones de la
demanda de productos o servicios de una compaa. Estos
pronsticos, tambin llamados pronsticos de ventas, orientan la
produccin, la capacidad y los sistemas de programacin de la
empresa, y sirven como entradas en la planeacin financiera, de
marketing y de personal.
16/10/2015
16/10/2015
CONSIDERACIONES DEL
PRONSTICO
1. Los pronsticos casi nunca son perfectos. Esto significa
que factores externos no predecibles o controlables suelen afectar el
pronstico. Las compaas deben admitir esta realidad.
2. La mayora de las tcnicas de pronstico suponen la
existencia de cierta estabilidad subyacente en el sistema.
En consecuencia, algunas empresas automatizan sus predicciones a
travs de software para pronsticos computarizados y despus slo
vigilan de cerca aquellos productos cuya demanda es errtica.
3. Tanto los pronsticos de familias de productos como los
de productos agregados son ms precisos que los
pronsticos para productos individuales. Disney, por
ejemplo, agrega los pronsticos de asistencia diaria por parque. Este
enfoque ayuda a contrarrestar la sobre o subestimacin de cada una
de las seis atracciones.
16/10/2015
MTODOS CUALITATIVOS
JURADO DE OPININ EJECTUIVA:
Bajo este mtodo, las opiniones de un grupo de expertos o administradores de
alto nivel, a menudo en combinacin con modelos estadsticos, se combinan
para llegar a una estimacin grupal de la demanda.
Por ejemplo, Bristol-Meyers Squibb Company emplea 220 cientficos
investigadores destacados, como jurado de opinin ejecutiva, con el fin de tener
una idea de las tendencias futuras en el mundo de la investigacin mdica.
MTODO DELPHI:
Hay tres tipos de participantes en el mtodo Delphi: los que toman las
decisiones, el personal, y los entrevistados. Los que toman las decisiones suelen
formar un grupo de 5 a 10 expertos que estarn elaborando el pronstico real.
El personal ayuda a stos al preparar, distribuir, recopilar y resumir la serie de
cuestionarios y los resultados de las encuestas. Los entrevistados forman un
grupo de personas, a menudo localizadas en distintos sitios, cuyos juicios se
valoran. Este grupo proporciona entradas a los que toman las decisiones antes
de hacer el pronstico.
MTODOS CUALITATIVOS
COMPOSICIN DE LA FUERZA DE VENTAS:
En este enfoque, cada vendedor estima cules sern las ventas en su regin.
Despus, estos pronsticos se revisan para asegurar que sean realistas. Luego se
combinan en los niveles distrital y nacional para llegar a un pronstico global.
Una variacin de este enfoque ocurre en Lexus, donde los distribuidores de la
compaa tienen una reunin trimestral en la hablan de lo que se est
vendiendo, en qu colores y con qu alternativas, a fin de que la fbrica sepa qu
construir.
ENCUESTA EN EL MERCADO:
Este mtodo solicita informacin a los clientes o posibles consumidores acerca
de sus planes de compra futuros. Puede ayudar no slo a preparar el pronstico,
sino tambin a mejorar el diseo del producto y la planeacin de nuevos
productos. Sin embargo, los mtodos de encuesta en el mercado de consumo y
composicin de la fuerza de ventas adolecen de un optimismo exagerado que
surge de la informacin de los clientes.
16/10/2015
MTODOS CUANTITATIVOS:
MODELOS DE SERIES DE TIEMPO
Una serie de tiempo se basa en una secuencia de datos puntuales
igualmente espaciados (semanales, mensuales, trimestrales, etc.). Los datos
para pronsticos de series de tiempo implican que los valores futuros se
predicen solamente a partir de los valores pasados y que se pueden ignorar
otras variables, sin importar qu tan potencialmente valiosas sean.
Analizar una serie de tiempo significa desglosar los datos histricos en
componentes y despus proyectarlos al futuro. Una serie de tiempo tiene
cuatro componentes:
1. La tendencia es el movimiento gradual, hacia arriba o hacia abajo, de los
datos en el tiempo. Los cambios en el ingreso, la poblacin, la distribucin
de edades o los puntos de vista culturales pueden ser causantes del
movimiento en una tendencia.
2. La estacionalidad es un patrn de datos que se repite despus de un
periodo de das, semanas, meses o trimestres. Existen seis patrones
comunes de estacionalidad:
16/10/2015
16/10/2015
PROMEDIOS MVILES
El pronstico de promedios mviles usa un nmero de valores de datos
histricos reales para generar un pronstico. Los promedios mviles son
tiles si podemos suponer que la demanda del mercado permanecer
relativamente estable en el tiempo.
16/10/2015
10
16/10/2015
11
16/10/2015
12
16/10/2015
SUAVIZACIN EXPONENCIAL
El suavizamiento exponencial es un sofisticado mtodo de pronstico
de promedios mviles ponderado que sigue siendo bastante fcil de usar.
Implica mantener muy pocos registros de datos histricos. La frmula
bsica para el suavizamiento exponencial se expresa como sigue:
13
16/10/2015
SELECCIN DE LA CONSTANTE DE
SUAVIZACIN EXPONENCIAL
La constante de suavizamiento, , se encuentra generalmente en un intervalo de
o.05 a o.50 para aplicaciones de negocios. Puede cambiarse para dar ms peso a
datos recientes (cuando es alta) o ms peso a datos anteriores (si es baja).
Cuando llega al extremo de 1.0, Ft = 1.0At-1. Todos los valores anteriores se
desechan y el pronstico se convierte en el modelo intuitivo. Es decir, el pronstico
para el siguiente periodo es considerar exactamente la misma demanda del periodo
actual. La tabla siguiente ayuda a ilustrar este concepto.
Por ejemplo, cuando = 0.5, podemos ver que el nuevo pronstico se basa casi por
completo en la demanda de los ltimos tres o cuatro periodos.
Cuando = 0.1, el pronstico pone poco peso en la demanda reciente y toma en
cuenta los valores histricos de muchos periodos (casi 19).
14
16/10/2015
EJEMPLO
Durante los ltimos 8 trimestres, en el puerto de Baltimore se han
descargado de los barcos grandes cantidades de grano. El administrador de
operaciones del puerto quiere probar el uso de suavizamiento exponencial
para ver qu tan bien funciona la tcnica para predecir el tonelaje
descargado. Supone que el pronstico de grano descargado durante el
primer trimestre fue de 175 toneladas. Se examinan dos valores de :
=0.10 y = 0.50.
Compare los datos reales con los pronosticados (usando cada uno de los dos
valores de ) y despus encuentre la desviacin absoluta y las MAD.
15
16/10/2015
Con base en esta comparacin de las dos MAD, se prefiere una constante de
suavizamiento = 0.10 en lugar de una = 0.50 porque su MAD es ms pequea.
EJEMPLO
El administrador de operaciones del puerto de Baltimore quiere
calcular ahora el MSE para = 0.10. Se usan los mismos datos
pronosticados para = 0.10 en el ejemplo anterior, despus se
calcula el MSE.
16
16/10/2015
Este MSE = 190.8 es bueno o malo? Todo depende de los MSE calculados
para otros mtodos de pronstico. Un MSE ms bajo es mejor porque es un
valor que queremos minimizar. El MSE exagera los errores porque los eleva
al cuadrado.
17
16/10/2015
El MAPE expresa el error como un porcentaje de los errores reales, sin que est
distorsionado por un solo valor muy grande
18
16/10/2015
19
16/10/2015
20
16/10/2015
El valor de la constante de
suavizamiento de la tendencia, ,
se parece a la constante porque
una alta responde ms rpido a
cambios
recientes
de
una
tendencia. Una baja da menos
peso a las tendencias ms
recientes y tiende a suavizar la
tendencia actual.
El suavizamiento exponencial
simple
se
denomina
suavizamiento de primer orden, y
al suavizamiento con ajuste de la
tendencia: suavizamiento de
segundo orden.
21
16/10/2015
PROYECCIONES DE TENDENCIA
PROYECCIONES DE TENDENCIA
PARA N.Y EDISON
22
16/10/2015
PROYECCIONES DE TENDENCIA
PARA N.Y EDISON
VARIACIONES ESTACIONALES
EN LOS DATOS
Las variaciones estacionales en los datos son movimientos regulares
ascendentes o descendentes localizados en una serie de tiempo y que
se relacionan con acontecimientos recurrentes como el clima o las
vacaciones. La demanda de carbn o petrleo aumenta durante los
meses de invierno. La demanda de clubes de golf o bronceadores
puede ser mayor durante el verano.
La estacionalidad puede aplicarse en forma horaria, diaria, semanal,
mensual o en otros patrones recurrentes. Los restaurantes de comida
rpida registran diariamente repuntes al medio da y nuevamente
despus de las 5 P.M. Los cines aumentan su demanda los viernes y
sbados por la noche. Laoficina de correos, Toys Us, The
Christmas Store y las tiendas de tarjetas Hallmark tambin registran
variaciones estacionales tanto en el trfico de clientes como en las
ventas.
23
16/10/2015
VARIACIONES ESTACIONALES
EN LOS DATOS
La presencia de estacionalidad hace necesario ajustar los
pronsticos con una recta de tendencia. Las estaciones se
expresan en trminos de la cantidad en que difieren los valores
reales de los valores promedio en la serie de tiempo. Analizar
los datos en trminos de meses o trimestres suele facilitar la
deteccin de los patrones estacionales. Los ndices estacionales
pueden desarrollarse mediante varios mtodos comunes.
En lo que se denomina modelo estacional multiplicativo, los
factores estacionales se multiplican por una estimacin de la
demanda promedio para producir un pronstico estacional.
Nuestro supuesto es que la tendencia se ha eliminado de los
datos. De otra forma, la magnitud de los datos estacionales
estara distorsionada por la tendencia.
VARIACIONES ESTACIONALES
EN LOS DATOS
A continuacin se presentan los pasos que seguira una compaa que tiene estaciones de un
mes:
1. Encontrar la demanda histrica promedio de cada estacin (o mes en este caso) sumando la
demanda medida en ese mes de cada ao y dividindola entre el nmero de aos con datos
disponibles. Por ejemplo, si en enero hubo ventas de 8, 6 y 10 durante los ltimos tres aos, la
demanda promedio de enero es igual a (8 + 6 + 10)/3 = 8 unidades.
2. Calcular la demanda promedio de todos los meses dividiendo el promedio total de la
demanda anual entre el nmero de estaciones. Por ejemplo, si el promedio total de la demanda
de un ao es de 120 unidades y hay 12 estaciones (una por mes), la demanda mensual promedio
es de 120/12 = 10 unidades.
3. Calcular un ndice estacional para cada estacin dividiendo la demanda histrica real de ese
mes (del paso 1) entre la demanda promedio de todos los meses (del paso 2). Por ejemplo, si la
demanda promedio histrica en enero durante los ltimos 3 aos es de 8 unidades y la
demanda promedio de todos los meses es de 10 unidades, el ndice estacional para enero es de
8/10 = .80. De igual forma, un ndice estacional de 1.20 para febrero significara que la
demanda de febrero es 20% mayor que la demanda promedio de todos los meses.
4. Estimar la demanda total anual para el siguiente ao.
5. Dividir esta estimacin de la demanda total anual entre el nmero de estaciones, despus
multiplicarla por el ndice estacional para ese mes. Esto proporciona el pronstico estacional.
24
16/10/2015
NDICES ESTACIONALES
PARA DES MOINES
Un distribuidor Des Moines de computadoras porttiles Sony quiere desarrollar
ndices mensuales para las ventas. Se dispone de los datos mensuales para los aos
2005 a 2007.
NDICES ESTACIONALES
PARA DES MOINES
Piense en estos ndices como porcentajes de las ventas promedio. Las ventas
promedio (sin estacionalidad) seran de 94, pero con estacionalidad, las ventas
fluctan entre 85% y 131% del promedio.
25
16/10/2015
Estos ndices estacionales se grafican y observe que enero, marzo, julio y agosto
parecen mostrar un promedio significativamente ms alto que el promedio de das
paciente hospitalizado, mientras que febrero, septiembre, noviembre y diciembre
presentan menos das-paciente internado.
Sin embargo, ni los datos de la tendencia ni los estacionales proporcionan por s
mismos un pronstico razonable para el hospital. Slo cuando se multiplicaron los
datos ajustados a la tendencia por el ndice estacional apropiado fue que el hospital
pudo obtener buenos pronsticos.
26
16/10/2015
27
16/10/2015
28