PRONÓSTICOS PROYECCIÓN
APLICADO A PCP
Ing. Carlos Cabero Antezana
Producción II
Los Factores que tienen influencia en la Demanda se clasifican
en dos tipos: factores externos o aquellos que provocan un
crecimiento o retraso de la demanda del bien en el mercado, y
los factores internos que son aquellos provocados por las
decisiones estratégicas de la empresa
Conceptos Básicos de Pronóstico
Se denomina Pronóstico (también previsión, proyección) a la estimación de lo
que en el futuro ocurrirá con un determinado factor o variable de interés
• Un buen pronóstico debe ser un estimado probabilístico
de un valor futuro que incluye una media, su rango y una
probabilidad
“Las ventas esperadas del producto A en la ciudad de Cochabamba del próximo mes serán de 400 unidades con
un 90% de probabilidad de que estén entre 300 y 500”
Es aquella derivada de la
Independiente y es exclusivo de las
operaciones internas de la empresa
DEPENDIENTE
(ejem. 20 sillas demandadas por el
mercado implican 80 patas en la labor
productiva).
DEMANDA
Es aquella que no podemos, como
empresa, controlar de manera
INDEPENDIENTE directa, es la que se relaciona con el
mercado y de donde tenemos un
porcentaje o cuota de participación
Conceptos Básicos de Pronóstico
Conceptos Básicos de Pronóstico
SUPUESTOS DE 1. Todos los pronósticos fallan, cuando aciertan es por razones equivocadas.
LOS
PRONOSTICOS
2. Normalmente existen diferentes pronósticos de demanda de un producto realizados
por diferentes funciones de la empresa, unos a nivel agregado y otros a nivel
desagregado.
3. Los pronósticos de grupos de productos son más exactos que los pronósticos
individuales.
4. Todos los pronósticos se basan en el supuesto de que el pasado se repite.
5. Se debe pronosticar las demandas independientes y calcular las dependientes.
6. La utilización de diferentes formas de pronósticos origina que la toma de decisiones
en las funciones de la empresa sea inconsistente e incongruente.
7. Es inconsistente implantar un sistema de pronóstico cuyo costo resulte mayor a los
beneficios mostrados en el mismo pronóstico
Enfoque sistémico de los pronósticos
Enfoque Temporal: Tipos de Pronósticos en la Práctica
Los sistemas de pronósticos consideran la utilización de 3 tipos de pronósticos:
Pronósticos de Corto Plazo: Pronósticos Tipo I para la planificación operativa de artículos. (Los pronósticos
operativos de corto plazo deben hacerse en días, semanas o meses)
Pronósticos de Mediano y Largo Plazo: Pronósticos Tipo 2, proyecciones agregadas de mediano y largo plazo
para la planificación estratégica, financiera, de mercado y operativa. (Los pronósticos para la planificación de
largo plazo deben hacerse en meses, trimestres o en años)
Pronósticos Tipo 3: Pronósticos agregados de corto plazo para análisis estratégico y toma de decisiones que
integra el corto y largo plazo.
Enfoque Temporal: Tipos de Pronósticos en la Práctica
Los pronósticos de Tipo 1 se utilizan para orientar la
operación diaria. El horizonte de planificación mínimo
dependerá del tiempo de respuesta para adquirir
materiales, procesarlos, y hacerlos disponibles al
cliente. Entre los usos de los pronósticos de Tipo 1
están: La decisión de reposición por artículos y lugar.
Los pronósticos de Tipo 3 son el resultado de conciliar los
del Tipo 2 y 1 en el corto plazo. La conciliación se realiza a
través de un proceso de ponderación y aplicación de
criterio de la administración.
Los pronósticos de Tipo 2 se utilizan para propósitos de
planificación a largo plazo. Para propósitos de planificación a largo
plazo se recomiendan pronósticos agregados de grupos de
productos similares. Los grupos se identifican por tener una fuente
común de oferta o demanda. Se producen con el mismo equipo o
requieren partes similares, o su demanda se genera del mismo
segmento del mercado
Enfoque Operativo
PRONOSTICOS CUALITATIVOS
De tipo subjetivo basados en opiniones particulares de diferentes personas, es el
La Investigación de enfoque que se usa cuando no se dispone de suficiente información histórica
cuantitativa, cuando el criterio sugiere un procesamiento subjetivo para los
Mercados mismos, o bien cuando los costos asociados al pronóstico no justifican el estudio
por algún enfoque cuantitativo
El Método Delphi
Brainstorming ó
Tormenta de Ideas.
TECNICAS
Consulta a los
Vendedores
Analogía Histórica
Panel de Consenso
Modelos
Bayesianos
otros
DEMANDA Y SUS COMPONENTES
1) La Demanda promedio ó el único valor que puede resumir constantemente a la serie a través del tiempo.
2) La Tendencia que corresponde con la evolución de crecimiento de variables a largo plazo. Una tendencia positiva indicará
que el producto está en una fase de expansión, existen tendencias lineales, en S, asintóticas y exponenciales.
3) Las Estacionalidades, ó variaciones periódicas por encima y por debajo de la tendencia normalmente de carácter anual,
trimestral, estacional, etc., son las que marcan las temporadas de ventas del producto.
4) Los Ciclos que son oscilaciones a más largo plazo, periódicas o no, y que se corresponden con variaciones en la moda, o
bien con los ciclos de expansión/contracción en la economía, por factores externos que se avecinan, etc.
5) Las Aleatoriedades (también llamado Ruido) son los procesos en los que influyen un gran número de variables no
controlables, el ruido resume todos esos efectos y hace variar ligeramente los resultados. Factores que influyen en el Ruido
son, por ejemplo, las condiciones meteorológicas reinantes, se dice que cuando un factor no puede ser explicado por la
tendencia, estacionalidad, ó por ciclicidad, entonces este factor es aleatorio y existe azar en la serie.
6) La Autocorrelación, es la propiedad que supone que un punto depende de los anteriores puntos históricos (que tiene una
relación venida desde el punto anterior y así sucesivamente) y denotan la persistencia de los eventos.
ERRORES DE LOS PRONOSTICOS
Su modo básico de actuación consiste en evaluar al “error” ó la diferencia cuantificable entre lo medido
(dato real) y lo pronosticado y se puede expresar como:
1.- Error Acumulado (E)
Se refiere al valor acumulado del error para cierto periodo t, es decir:
Como suponemos que el proceso tiene una componente aleatoria, entonces se prefiere que este valor sea
cercano a cero si el pronóstico se comporta apropiadamente, es decir, algunas veces sobreestima y otras
subestima pero a la larga éstas se cancelan.
ERRORES DE LOS PRONOSTICOS
2.- Desviación Media Absoluta DMA (DAM)
Halla la media de las desviaciones absolutas de las estimaciones respecto de los valores reales:
Solo importa la
magnitud no el
signo
Este error penaliza estimaciones y subestimaciones de manera que sólo nos importe la cantidad del error, existe
un promedio de esta cantidad y ésta se asigna para el error DAM. Este error tiene una importancia extrema
debido a que se lo utiliza para medir la fiabilidad del pronóstico como veremos más adelante.
ERRORES DE LOS PRONOSTICOS
3.- Desviación Cuadrática Media DCM (DSE, ECM)
Halla la media de las desviaciones entre las previsiones y los valores reales elevadas al cuadrado, de este modo
las desviaciones grandes ven aumentada su influencia respecto a las pequeñas. Este error maneja otro tipo de
penalización, sin importar la estimación o sobreestimación eleva esta cantidad al cuadrado, de manera que
grandes desviaciones son afectadas en este cálculo incrementando el error. Se promedia estos valores para
hallar el DCM.
4.- Sesgo o Bias (B)
Esta medida (Sesgo o Bias) al tomar un valor positivo indica que se están haciendo sobrestimaciones y al
contrario si es negativo. Para ello se halla la medida de las desviaciones sin eliminar su signo.
ERRORES DE LOS PRONOSTICOS
5.- Error Porcentual Medio Absoluto PAME (EPMA)
Todas las medidas de demanda anteriores dependen de la magnitud de los números que se están
pronosticando, si los números son grandes, el error tiende a ser grande, puede ser más significativo observar el
error relativo a la magnitud de los pronósticos usando el PAME, el cual promedia la densidad de los errores
respecto al dato histórico y lo presenta como porcentaje:
NOTA: Estas medidas de errores no explican la precisión del modelo de pronóstico sino el nivel de ajuste
efectuado en el pasado, desde esta proposición podemos averiguar si alguna técnica podrá servirnos de similar
manera en el futuro.
ERRORES DE LOS PRONOSTICOS
PRONOSTICOS DE SERIES TEMPORALES
Los Procesos de Series Temporales
Cuando el “proceso” o la recopilación de los datos históricos muestra estabilidad se dice que es un proceso
constante, si existe incremento o decremento se dice que es un proceso con tendencia, si existen
variaciones periódicas se dice que es un proceso con estacionalidad y de producirse ambos es un proceso
con tendencia y estacionalidad. Un proceso constante se verifica con un comportamiento algo firme en los
datos y se pueden usar técnicas diversas como confiar el valor del pronóstico a nuestro último dato
disponible, ó al promedio de todos los datos históricos recogidos ó sólo promediar un conjunto de éstos
PRONOSTICOS DE SERIES TEMPORALES
Proceso constante
Las técnicas más comunes y recomendables para procesos constantes son: el Ultimo dato, el Promedio
Global, el promedio Móvil, el Promedio Móvil ponderado y el Suavizamiento Exponencial
Simple.
Ultimo Dato. Es la estimación mas sencilla de las conocidas, teniendo n datos disponibles entonces el
pronóstico para el periodo siguiente es igual al último dato disponible, y éste servirá para subsecuentes
periodos, es decir que se supone un cambio muy lento en el proceso y que de periodo en periodo no se
cambia el valor de las variables. Para la estimación tenemos las fórmulas:
EJEMPLO: Divine es una microempresa que vende TM de carne de res especial para restaurantes en Santa
Cruz, el registro de la demanda de TM consumidas en las últimas 8 semanas se muestra a continuación:
a) Calcular el pronostico para la semana 9 R: 105 TM
b) Calcular los errores del pronostico
c) Graficar la demanda y el pronostico del ultimo dato
Promedio Global. En el caso anterior solo teníamos en cuenta el dato del periodo anterior, ignorando todos los
datos previos, este modelo toma en cuenta los n datos disponibles y se fija como previsión para los demás
periodos el promedio de todos los datos:
Algunos inconvenientes que se presentan son: la posibilidad de estar considerando datos demasiado antiguos
que en realidad ya no tienen influencia en la actualidad y el costo del almacenaje de los datos.
Promedio Móvil. En este método se debe recoger el promedio de los últimos N valores y éste nos servirá como
pronóstico de los periodos siguientes, hemos visto en los casos anteriores que si consideramos un solo dato no se
amortiguan las fluctuaciones aleatorias, y se consideran todos quizá estemos añadiendo información
distorsionante, además de resultarnos muy costoso. El método de promedios ó medias móviles establece un
equilibrio entre ambas políticas considerando solo los últimos N valores históricos (con N < n), N es un parámetro
que hay que elegir basándose en las previsiones que sus diferentes valores ofrezcan y que nos lleve a un error
aceptable.
Apliquemos el promedio móvil a DIVINE suponiendo 2 escenarios: con N = 3 y con N = 4.
Debemos ser cuidadosos con la elección de N, es un parámetro que supuestamente corrige nuestros anteriores
limitaciones pero nos añade otro: una valoración subjetiva o personal de cuánto tiempo en realidad nos importa
promediar.
Estrictamente, sólo promediamos un pedazo de nuestra información histórica con la esperanza de concentrar en
ese segmento la verdadera causa de nuestro comportamiento de demanda
Promedios Móviles Ponderados. Esta es una variación del método anterior y se basa en corregir la “importancia”
de los últimos datos (importancia reflejada en un peso de 1/N ) suponiendo que no todos los N valores tienen
igual influencia en la previsión, sino que cuentan con importancia variable, la regla general es suponer que
cuanto mas reciente sean los datos mayor será su influencia
Para ello se definen pesos ponderados llamados w:
Ahora sumamos otra dificultad: razonar valores de pesos ponderados. Existe un tipo de elección natural de estos
pesos tal que al especificar T valores nos otorgue valores que cumplan los anteriores requisitos y viene dado por
la fórmula:
Divine: definamos una importancia de 60%, 30% y 10% para los últimos tres datos históricos.
Suavizamiento Exponencial Simple. El modelo de Suavizamiento (Alisamiento, Suavizado, Atenuación)
exponencial es capaz de realizar una media móvil ponderada de los n valores de la demanda sin necesidad de
almacenar todos aquellos valores, el método prescinde del parámetro N pero añade un nuevo parámetro a
introducir para el primer periodo histórico, sigue siendo necesario un peso llamado alfa α entre 0 y 1 para
graduar la importancia de los valores más lejanos, el modelo es:
Aquí se propone que el pronóstico para el futuro es un balance entre la demanda anterior y el pronóstico
anterior, entonces esta fórmula recursiva necesita de un primer valor de arranque ŷ1 que debe ser estimado en
base a diversos criterios:
(a) Promedio global de datos
(b) Primer dato histórico
(c) Promedio de los primeros meses.
(d) Cualquier otro
El primer término en este modelo α·yt impone cierta ponderación al último dato real y el segundo término
significa la ponderación a los anteriores pronósticos históricos, en forma recursiva se observa la forma
exponencial de la curva de los exponentes que se ajustan a la ecuación, de allí el nombre de la técnica.
Procesos con Tendencia
Es el Típico comportamiento de aquellos productos con crecimiento en las ventas ó decrecimiento . crecimiento
o decrecimiento sostenido tiene origen en variables internas (como un programa de mercadotecnia) o externas
(auge económico).
• Estimación Lineal (propuesto por Sipper)
• Modelo de Holt
ESTIMACION LINEAL DE SIPPER
Como su nombre indica supone un comportamiento lineal, si recordamos una línea tiene los siguientes elementos:
Y = A + B*X
PASO 1: Tener una cantidad de datos históricos pares, en caso de ser impar la cantidad de datos históricos anulamos
el mas antiguo.
PASO 2: Hallar los promedios locales (promedio de cada mitad de la serie de datos) y el promedio global
PASO 3: Estimar la Tendencia (B) por medio de la pendiente de los promedios locales
PASO 4: Calcular el Valor de A que seria la ordenada en el origen.
PASO 5: Calcular los valores de los pronósticos
PASO 6: Realizar la proyección utilizando la Ecuación de la recta Y=A+B*X encontrada
PASO 7: Analizar errores.
SUAVIZAMIENTO EXPONENCIAL CON TENDENCIA MODELO DE HOLT
Por medio de una variable que vamos a incorporar (T) se puede ajustar variables de tendencia y el modelo de
HOLT supone una variación de la tendencia T para cada periodo con ajuste exponencial. Para este modelo
utilizaremos las siguientes ecuaciones:
PASO 1:
Definir Alfa que sigue siendo el factor de suavizamiento exponencial lineal y beta el factor de suavizamiento de
tendencia.
PASO 2: Realizar una estimación inicial de X1 (Se puede usar Promedio global o estimaciones del suavizado
exponencial o incluso el primer dato de demanda.)
PASO 3: Estimar T1 puede ser: Cero, estimación mediante grafica de Sipper (pendiente) o regresión lineal.
PASO 4: Aplicar las formulas de Xt, Tt y Y(Pronostico)
PASO 5: Realizar el pronostico por usando la formula:
PASO 6: Analizar errores.
Procesos con Estacionalidad
MODELO LINEAL DE SIPPER PARA PROCESO ESTACIONAL
PASO 1:
Después de ordenar por estaciones se debe hallar promedios locales y el global de la serie propuesta.
PASO 2: Estimar la tendencia por medio de la pendiente de los promedios locales
PASO 3: Hallar todos los componentes lineales X t
PASO 4: Hallar los Índices y promediar para hallar los Índices representativos (m Índices) y realizar la corrección
de los índices
PASO 5: Pronosticar mediante:
PASO 6: Analizar errores
Este método realiza una estimación grafica y un ajuste con la estimación del índice de tendencia para acercarse
a las características de estacionalidad.
TENDENCIA CON EXCEL
Procesos Causales
Todo sistema necesita retroalimentación y los pronósticos no es una excepción.
Para llevar a cabo esta tarea de control recurriremos a dos análisis cuantitativos:
• ANALISIS DE ERRORES.
• INDICADOR DE SEÑAL DE SEGUIMIENTO ST.
¿PARA QUE SIRVE? Si recordamos lo que pretendemos realizar es realizar la selección del mejor modelo de
pronostico, pero una vez que hemos elegido el método que mejor se ajuste a nuestro conjunto de datos
tenemos que hacer seguimiento, tenemos que verificar que siga siendo el mejor modelo y/o ajustar los
valores. Debemos analizar la tendencia de la variable ST y ante algún desvió debemos tomar una acción
correctiva
ACCIONES CORRECTIVAS
Lo primero que tenemos que hacer es analizar la causa de esta desviación:
• Variación aleatoria
• Cambio de proceso, de constante a tendencia.
• Cambio en la varianza de la demanda.
Las posibles acciones pueden ser:
• Cambio de parámetros del modelo, en caso de suavizamiento exponencial.
• Desecho de datos antiguos o inseguros.
• Cambio de modelo.
