Empleo de datos histricos y su

proyeccin hacia el futuro mediante algn

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

1 180 175 175
2 168 175+0.10(180-175) = 175.5 177.5
3 159 175.5+0.10(168-175.5) = 174.75 172.75
4 175 174.75+0.10(159-174.75) = 173.18 165.88
5 190 173.18+0.10(175-173.18 ) = 173.36 170.44
6 205 173.36+0.10(190-173.36) = 175.02 180.22
7 180 175.02+0.10(205-175.02) = 178.02 192.61
8 182 178.02+0.10(180-178.02) = 178.22 186.30
9 ? 178.22+0.10(182-178.22) = 178.59 184.15
Desviacin Desviacin
Tonelaje Pronostico absoluta Pronstico Absoluta
Real con para con para
Trimestre Descargado 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 =
|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
1 180 175 25 175 25
2 168 175.5 56.25 177.5 90.25
3 159 174.75 248.06 172.75 189.06
4 175 173.18 3.33 165.88 83.17
5 190 173.36 276.9 170.44 382.59
6 205 175.02 898.7 180.22 614.048
7 180 178.02 3.92 192.61 159.012
8 182 178.22 14.31 186.30 18.49
1526.46 1561.62
MSE =
(Errores del pronostico)
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
1 180 175 100(5/180)=2.78% 175 2.78%
2 168 175.5 100(7.5/168)=4.46% 177.5 5.65%
3 159 174.75 100(15.75/159)=9.90% 172.75 8.64%
4 175 173.18 100(1.82/175)=1.05% 165.88 5.21%
5 190 173.36 100(16.64/190)=8.76% 170.44 10.29%
6 205 175.02 100(29.98/205)=14.62% 180.22 12.08%
7 180 178.02 100(1.98/180)=1.10% 192.61 7.0%
8 182 178.22 100(3.78/182)=2.08% 186.30 2.36%
44.75% 54.05 %
MAPE =
100|desviacion
i
|/actual
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