modelo matemtico. Una prediccin subjetiva e intuitiva Un modelo matemtico ajustado mediante el buen juicio del administrador. Lo que funciona perfectamente para una empresa puede ser un desastre para otra. Existen limites de lo que puede esperarse de los pronsticos, puesto que casi nunca son perfectos. La planeacin efectiva a corto y largo plazo depende del pronostico de la demanda para los productos de la compaa.
Un proceso para predecir eventos futuros Bases fundamentales para todas las decisiones de negocios Produccin Inventario de M.P y PT Mano de obra Maquinaria y equipos Instalaciones ?? No existe el pronostico perfecto El contexto de los negocios contiene muchos factores que no pueden ser previstos con certeza Utilizar 2 o mas mtodos de pronsticos y analizar los resultados con un sentido comn. Una revisin constante de los pronsticos y aprender a vivir con los pronsticos inexactos. Utilizar 2 o mas mtodos de pronsticos y analizar los resultados con un sentido comn. Considerar las siguientes preguntas, antes de tomar una decisin. Los cambios que se esperan en la economa en general afectaran el resultado del pronsticos? Los comportamientos de los consumidores han registrado cambios? La situacin poltica del pas afecta al sector industrial en el cual se encuentra la empresa? Escasean algunos artculos complementarios esenciales? Pronostico a corto plazo Hasta un ao, pero generalmente hasta 3 meses. Programar compras, planear el trabajo, definir mano de obra y decidir los volmenes de produccin. Pronostico a mediano plazo Entre 3 meses y 3 aos. Planear ventas, realizar presupuesto, realizar planes operativos y flujo de efectivo. Pronostico a largo lazo Mas de 3 aos. Planear la fabricacin de nuevos productos, ubicacin o instalacin de ubicaciones, investigacin y desarrollo Los pronsticos mediano y largo plazo manejan aspectos mas generales y son un soporte para la toma de decisiones administrativas de la planeacin, los productos, las plantas y los procesos.
Los pronsticos a corto plazo emplean metodologas diferentes como promedios mviles, suavizamiento exponencial y extrapolacin de tendencias.
Los pronsticos a corto plazo tienden a ser mas precisos. Introduccin Crecimiento Madurez Declinacin Mejor periodo para posicionar el producto en el mercado Es el momento para cambiar la imagen, el precio o el diseo
Posicin fuerte en el mercado. El es peor momento para cambiar la imagen, el precio o el diseo
La competitividad en costos es critico para defender la posicin del mercado El control del costo es critico Se requieren pronsticos mas largos Se requieren pronsticos mas cortos Introduccin Crecimiento Madurez Declinacin El diseo del producto y el desarrollo son crticos. Existen cambios frecuentes en el diseo y el proceso. Las corridas de produccin son cortas. Los costos de produccin son altos. Atencin especial a la calidad. Los modelos son pocos El pronostico de ventas es critico. Se estabiliza el producto y proceso. Se implementan mejoras para hacer al producto mas competitivo. Se incrementa la capacidad. Se mejora la distribucin. La atencin se centra en el producto Se estandarizan los procesos, Se optimiza la capacidad. Se incrementa la estabilidad del proceso. Las corridas de produccin son largas. Se reducen los costos de produccin. Disminuyen los cambios del producto y se vuelven menos crticos.
El costo de produccin se minimiza. Existe sobrecapacidad. Se eliminan los productos que no generan mrgenes de utilidad aceptables. El producto no cambia. Se reducen las capacidades de produccin instaladas
Pronsticos mas largos pronsticos cortos Pronsticos de la demanda Predice las ventas futuras para productos y servicios existentes y en desarrollo. Pronsticos tecnolgicos Predice la tasa del progreso tecnolgico y su impacto en el desarrollo de nuevos productos Pronsticos econmicos Predice el ciclo del negocio, a travs de la tasa de inflacin, flujo de efectivo, etc. Pronsticos Cuantitativos Utilizan modelos matemticos. Se poyan en datos histricos y/o variables causales Cualitativos Incorporan factores como la intuicin, las emociones, las experiencias personales y el sistema de valores de quien toma las decisiones para llegar aun pronostico Este mtodo consiste en agregar capas sucesivas de informacin a partir de una base. Parte del supuesto de que la persona que esta cerca del cliente o usuario conoce sus necesidades futuras. El nivel siguiente normalmente es un centro de distribucin, el cual suma todos los inventarios existentes y lo compara con los requerimientos existentes. El siguiente nivel normalmente es el almacn de producto terminado de la fabrica, la cual compara los inventarios existentes con los pedidos y las capacidades de produccin. Se utiliza para preparar un pronostico de venta, mejorar el diseo del producto y la planeacin de nuevos productos. Pregunta a los clientes potenciales sobre sus planes de compra Lo que los consumidores dicen y lo que hacen, generalmente es diferente. A veces es difcil obtener las respuestas buscadas. Son generalmente muy optimistas. Involucra grupos pequeos de expertos y administradores de alto nivel. El grupo estima la demanda mediante el trabajo conjunto Combina la experiencia de gestin con modelos estadsticos. Es relativamente rpido.
Cada vendedor estima cuales sern las ventas en su regin y posteriormente se revisan para asegurar que sean realistas Se combinan los niveles locales y nacionales para llegar a un pronostico global Los representantes de venta conocen que quieren los clientes. Tiende a ser demasiado optimista. Es un proceso grupal iterativo y continua hasta que se alcanza un consenso. Participan 3 grupos diferentes Quienes toman la decisin ( 5- 10 expertos que elaboran el pronostico) El personal de apoyo (ayuda a preparar, distribuir, recopilar y resumir la serie de cuestionarios) Los entrevistados (personas que se encuentran en distintos sitios y cuyos juicios son valorados) Grupo que toma las decisiones (Evalan las respuestas y toman las decisiones) Entrevistados (Las personas que pueden hacer juicios de valor) Personal de apoyo (Encuesta de administracin) 1. Enfoque intuitivo
2. Promedios mviles
3. Suaviza miento exponencial
4. Proyeccin de tendencias
5. Regresin lineal Modelos de series de tiempos Modelos asociados Pronostican bajo el supuesto de que el futuro es una funcin del pasado Observa lo que ha ocurrido durante un periodo y usan una serie de datos histricos para realizar el pronostico Los datos para los pronsticos de series de tiempo implican que los valores futuros se predicen a partir de los valores pasados y que se pueden ignorar otras variables, sin importar que tan potencialmente valiosas sean. Asume que los factores que influenciaron el pasado y el presente, continuar influenciando en el futuro Tendencia Estacionalidad Cclico Variacion aleatoria Demanda o consumo potencial Cantidad de determinado bien o servicio que el mercado requiere en un periodos de tiempo determinado.
Demanda dependiente. Es la demanda de un producto o servicio que se deriva de la demanda de otros productos o servicios. Ejemplo. Partes para la fabricacin de un auto.
Demanda Independiente. Esta demanda de un producto o servicio no depende de otro servicio o producto, depende directamente del consumidor final. D e m a n d a
p a r a
e l
p r o d u c t o
o
s e r v i c i o
| | | | 1 2 3 4 Aos Demanda promedio en 4 aos Picos estacionales La tendencia Demanda actual Variacin aleatoria Es el movimiento gradual, hacia arriba y 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 de una tendencia. Su duracin por lo general abarca varios aos. Lnea de tendencia Se da cuando el pblico demanda ciertos productos durante una parte del ao Patrn regular de las fluctuaciones hacia arriba y hacia abajo Se puede afecta por el clima, las costumbres, calendario escolar, etc. Ocurre dentro de un periodo anual Repeticin de un incremento y decremento cclico de la demanda Afectado por un ciclo econmico, poltico y factores econmicos. Duracin de varios aos 0 5 10 15 20 Fluctuacin errtica y no sistemtica. El comportamiento es debido a los acontecimientos al azar o variacin imprevista Corta duracin y no se repite M T W T F Es un numero de valores de datos histricos reales para generar un pronostico.
Funciona bajo la condicin de suponer que la demanda del mercado permanecer relativamente estable en el tiempo Promedio mvil demanda de los n periodos previos n = Enero 10 Febrero 12 Marzo 13 Abril 16 (10+12+13) / 3 = 11.66 Mayo 19 (12+13+16) / 3 = 13.66 Junio 23 (13+16+19) / 3 = 16 Julio 26 (16+19+23) / 3 = 19.33 Agosto 30 (19+23+26) / 3 = 22.66 Septiembre 28 (23+26+30) / 3= 26.33 Octubre 18 (26+30+28) / 3 = 28 Noviembre 16 (30+28+18) / 3 = 25.33 Diciembre 14 (28+18+16) / 3 = 20.66 La tienda de suministros para jardn, debe realizar un pronostico con el promedio mvil de 3 meses, incluyendo un pronostico de ventas para el prximo mes de enero.
Solucin. (18+16+14) /3 = 16 Se utilizan las ponderaciones cuando se tiene una tendencia o un patrn localizable, para enfatizar los valores recientes. La eleccin de las ponderaciones es un tanto arbitraria porque no existe una formula determinada para calcularlas. La decisin de que ponderaciones emplear requiere de experiencia. Promedio mvil ponderado ( ponderaciones para el periodo n) (Demanda en el periodo n) de ponderaciones = La tienda de suministros para jardn, quiere pronosticar la ventas ponderando los 3 ltimos meses, dando mayor peso a los datos recientes para hacerlos mas significativos. 3 ltimo mes 2 Hace 2 meses 1 Hace 3 meses Ponderacin aplicada Periodos 3 x ventas del ltimo mes Suma de las ponderaciones 6 Suma de las ponderaciones + 2 x Ventas de hace 2 meses + 1 x ventas de hace 3 meses Enero 10 Febrero 12 Marzo 13 Abril 16 (3x13)+(2x12)+(10) / 6 = 12.166 Mayo 19 (3x16)+(2x13)+(12) / 6 = 14.33 Junio 23 (3x19)+(2x16)+(13) / 6 = 17 Julio 26 (3x23)+(2x19)+(16) / 6 = 20.5 Agosto 30 (3x26)+(2x23)+(19) / 6 = 23.833 Septiembre 28 (3x30)+(2x26)+(23) / 6= 27.5 Octubre 18 (3x28)+(2x30)+(26) / 6 = 28.33 Noviembre 16 (3x18)+(2x28)+(30) / 6 = 23.33 Diciembre 14 (3x16)+(2x18)+(28) / 6 = 18.66 En este ejemplo se puede observar que entre mas se pondera el ultimo mes, la proyeccin que se obtiene es mas precisa.
Solucin. (3X14)+(2X16)+(18)/6 = 15.333 Aumentar el tamao del numero de periodos promediados suaviza las fluctuaciones, pero resta sensibilidad al mtodo ante cambios reales en los datos Los promedios mviles, no reflejan muy bien las tendencias porque son promedios, siempre se quedan en niveles pasados, y no predicen los cambios hacia niveles mas altos y mas bajos. Los promedios mviles requieren amplios registros de datos histricos. 30 25 20 15 10 5 D e m a n d a
d e
v e n t a s
| | | | | | | | | | | | J F M A M J J A S O N D Ventas actuales Promedio movil Promedio mvil ponderado Meses Es un mtodo de promedios mviles ponderados. Usa muy pocos registros de datos histricos. Utiliza una constante de suavizamiento (), la cual es elegida por quien realiza el pronostico y tiene un valor ente 0 y 1. La constante de suavizamiento puede ser la diferencia entre un pronostico preciso y un impreciso. Pronostico nuevo Pronostico del periodo anterior + (demanda del mes anterior pronostico del periodo anterior) = La constante se suavizamiento, se se encuentra generalmente en un intervalo de 0.05 a 0.5 para aplicacin de negocios. Puede cambiar para dar mas peso a datos recientes (cuando es alta) o mas peso a datos anteriores (cuando es baja). Cuando = 1; entonces se considera el pronostico para el siguiente periodo exactamente igual a la demanda actual. Ejemplo cuando =0.5 y = 0.1 Ponderacin asignada Constante de suavizamiento Periodo mas reciente () 2 Periodo mas reciente (1- ) 3 Periodo mas reciente (1- ) 4 Periodo mas reciente (1- ) 5 Periodo mas reciente (1- ) = 0.1 0.1 0.09 0.081 0.073 0.066 = 0.5 0.5 0.25 0.125 0.063 0.031 Ejemplo En enero un vendedor de automviles predijo que la demanda para febrero seria de 142 Jettas. La demanda de febrero fue de 153 automviles. Usando la constante de suavizamiento que eligi la administracin = 0.20, el vendedor quiere pronosticar la demanda de marzo usando el modelo de suavizamiento exponencial.
Pronostico nuevo 142 + 0.20(153 -142) = 144.2 = La demanda para el mes de marzo ser de 144 Chevys vendidos Error de pronostico Demanda Real Valor pronosticado MAD MSE MAPE Mtodos para calcular el error Error medio porcentual absoluto Desviacin Media absoluta Error medio cuadrtico (Real Pronstico) n MAD = Suma de los valores absolutos de los errores individuales del pronstico Numero de periodos con datos Ejemplo Durante los ltimos 8 semestres, en el puerto de Baltimore se han descargado grandes cantidades de granos. El administrador de operaciones del puerto utiliza el mtodo de suavizamiento exponencial para predecir el tonelaje descargado. Supone que el pronostico de grano descargado durante el primer trimestre fue de 175 toneladas y el anlisis se realiza con = 0.10 y = 0.50
MAD = |desviaciones| n = 82.45/8 = 10.31 Para a = .10 = 98.62/8 = 12.33 Para a = .50 Con base en la comparacin de los dos MAD, se prefiere el pronostico con una constante de suavizamiento = 0.10 por ser menor al MAD con constante de suavizamiento = 0.5 Promedio de los cudrados de la diferencias encontradas en los pronosticos Numero de periodos con datos MSE = (Errores del pronstico) 2
n = 1,526.54/8 = 190.82 Para a = .10 = 1,561.91/8 = 195.24 Para a = .50 Observacin: Un MSE es un valor que se quiere minimizar y un MSE elevado, exagera los errores de los pronsticos. Promedio de las diferencias absolutas entre los valores reales y los valores pronosticados, expresadas en porcentaje Numero de periodos con datos MAPE = 100|Real-pronostico i |/Real i
n n i = 1 = 44.75/8 = 5.59% Para a = .10 = 54.05/8 = 6.76% Para a = .50 Observacin: El MAPE expresa el error como un porcentaje de los errores reales, sin que se distorsione por un valor muy grande.. Desviacin Desviacin Pronstico Absoluta Pronstico absoluta Toneladas con para con Para Trimestre Descargadas a = .10 a = .10 a = .50 a = .50 1 180 175 5.00 175 5.00 2 168 175.5 7.50 177.50 9.50 3 159 174.75 15.75 172.75 13.75 4 175 173.18 1.82 165.88 9.12 5 190 173.36 16.64 170.44 19.56 6 205 175.02 29.98 180.22 24.78 7 180 178.02 1.98 192.61 12.61 8 182 178.22 3.78 186.30 4.30 82.45 98.62 MAD 10.31 12.33 MSE 190.82 195.24 MAPE 5.59% 6.76% Cuando se presenta una tendencia, el suavizamiento exponencial debe ser modificado. (FIT t ) = (F t ) + (T t ) Pronostico suavizado exponencialmente Pronostico incluyendo la tendencia Aplica 2 constantes de suavizamento = Constante de suavizamiento para el promedio. = Constante de suavizamiento para la tendencia
b F t = a(A t - 1 ) + (1 - a)(F t - 1 + T t - 1 ) F t
= (Demanda real del ltimo periodo) + (1- ) + (Pronostico del ltimo periodo + tendencia estimada para el ultimo periodo) T t
= (Pronostico de este periodo - Pronostico del ltimo periodo) (1 - ) + tendencia estimada para el ultimo periodo) T t = b(F t - F t - 1 ) + (1 - b)T t - 1
0 1 0 1 Un importante fabricante de Portland quiere pronosticar la demanda de un equipo para el control de la contaminacin. Una revisin histrica de las ventas, muestra que existe una tendencia creciente. A las constantes de suavizamiento se les asignan los valores = 0.2 y = 0.4. La empresa supone que el pronostico inicial para el mes 1 (F1) fue de 11 unidades y que la tendencia durante el mismo periodo (T1) fue de 2 unidades. Mes (t) Demanda real (At) 1 12 2 17 3 20 4 19 5 14 6 21 7 31 8 28 9 36 10 ? Pronostico con Demanda Pronostico Tendencia tendencia Mes(t) Actual (A t ) Suavizado t, F t Suavizada T t incluida FIT t
1 12 11 2 13.00 2 17 4 19 5 24 6 21 7 31 8 28 9 36 10 F 2 = aA 1 + (1 - a)(F 1 + T 1 ) F 2 = (0.2)(12) + (1 - .2)(11 + 2) = 2.4 + 10.4 = 12.8 unidades Paso 1: Pronostico para el mes 2 T 2 = b(F 2 - F 1 ) + (1 - b)T 1
T 2 = (.4)(12.8 - 11) + (1 - .4)(2) = .72 + 1.2 = 1.92 unidades Paso 2: Tendencia para el mes 2 12.80 FIT 2 = F 2 + T 1
FIT 2 = 12.8 + 1.92 = 14.72 Unidades Paso 3: Calcular el pronostico incluyendo la tendencia FIT2 para el mes 2 1.92 14.72 Pronostico con Demanda Pronstico Tendencia tendencia Mes(t) Actual (A t ) Suavizado t, F t Suavizada T t incluida FIT t
1 12 11 2 13.00 2 17 4 19 5 24 6 21 7 31 8 28 9 36 10 ? 12.80 1.92 14.74 15.18 2.10 17.28 17.82 2.32 20.14 19.91 2.23 22.14 22.51 2.38 24.89 24.11 2.07 26.18 27.14 2.45 29.59 29.28 2.32 31.60 32.48 2.68 35.16 | | | | | | | | | 1 2 3 4 5 6 7 8 9 Tiempo (Meses) D e m a n d a
d e l
p r o d u c t o
35 30 25 20 15 10 5 0 Demanda actual(A t ) Pronostico con tendencia incluida (FIT t ) con a = .2 con b = .4 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 los bronceadores aumenta durante el verano La demanda de tiles escolares aumenta durante los meses de julio y agosto Pasos para el proceso de calculo de el pronostico estacional. Encontrar la demanda histrica de cada estacin. Calcular la demanda promedio de todos los meses, dividiendo el promedio total de la demanda anual entre el numero de estaciones. Calcular el ndice estacional para cada estacin, dividiendo la demanda histrica real de ese mes entre la demanda promedio de todo los meses. Estimar la demanda anual para el siguiente ao. Dividir la estimacin de la demanda total anual entre el numero de estaciones, despus multiplicarla por el ndice estacional para ese mes. Una tienda de venta de trajes Hugo Boss, quiere pronosticar las ventas mensuales del ao siguiente. Para este fin dispone de los datos histricos del 2009 y 2011 Enero 80 85 105 90 94 Febrero 70 85 85 80 94 Marzo 80 93 82 85 94 Abril 90 95 115 100 94 Mayo 113 125 131 123 94 Junio 110 115 120 115 94 Julio 100 102 113 105 94 Agosto 88 102 110 100 94 Sept. 85 90 95 90 94 Octubre 77 78 85 80 94 Nov. 75 72 83 80 94 Dic. 82 78 80 80 94 Demanda Promedio Promedio ndice Mes 2009 2010 2011 2009-2011 Mensual Estacional 0.957 0.851 0.904 1.064 1.309 1.223 1.117 1.064 0.957 0.851 0.851 0.851 Demanda promedio mensual = ( de los promedios) 1128 / (meses) 12 = 94 Indice estacional= promedio 2009-2011 demanda mensual Promedio de la demanda mensual = 90/94 = .957 Si esperamos que la venta de trajes para el 2012 sea de 2500 piezas, se usan los ndices estacionales para pronosticar la demanda mensual. 0.957 199 0.851 179 0.904 188 1.064 221 1.309 277 1.223 255 1.117 233 1.064 222 0.957 199 0.851 177 0.851 177 0.851 177 ndice estacional Ventas pronostico 2012 Expectativa de la demanda anual = 2,500 pzas. Enero x .957 = 199 2500 12 Febrero x .851 = 179 2500 12 Pronostico para 2012