PRONOSTICOS DE

PRODUCCION
Andy D. Cabarcas Sierra
Ing. Industrial Especialista y Magister en SST
Cartagena de Indias D.T y C, Julio 2020
 LOS PRONÓSTICOS DE
PRODUCCIÓN Y EL PUNTO DE
EQUILIBRIO COMO
HERRAMIENTAS EN LA TOMA DE
DECISIONES EN OPERACIONES

CONTENIDO

1. Los Pronósticos
a. Generalidades de los pronósticos
b. Horizonte de tiempo del pronóstico
c. Enfoques de pronósticos
Cualitativos Cuantitativos
 OBJETIVOS ESPECIFICOS

Al finalizar esta presentación, usted estará capacitado para:

 Comprender los horizontes de tiempo de pronósticos y qué

modelos se aplican para cada uno.

 Explicar cuándo utilizar modelos cualitativos y modelos

cuantitativos de pronósticos.

 Aplicar modelos de series de tiempo, la técnica de

suavización exponencial y métodos de proyección de
tendencias.

 Calcular medidas de pronóstico exacto, desarrollará índices

de estación y la señal de seguimiento.

3
 ¿QUÉ ES PRONOSTICAR?

Pronosticar: Es el arte y la ciencia de

predecir los eventos futuros.

Horizontes de tiempo del pronóstico

1. Pronóstico a corto plazo

2. Pronóstico a mediano plazo

3. Pronóstico a largo plazo

 Pronosticando Horizontes de
Tiempo y su aplicación en una
Organización
 Pronóstico a corto plazo
 Hasta 1 año, generalmente menos de 3 meses.
 Compras, programación de trabajo, niveles de la fuerza
laboral, trabajos asignados, y niveles de producción
 Pronóstico a mediano plazo
 De 3 meses a 3 años
 Ventas y planificación de producción, y presupuesto
 Pronóstico a largo plazo
 Mas de 3+ años
 Planificación de productos nuevos, facilidades, investigación y
desarrollo

5
 ¿QUÉ ES PRONOSTICAR?

 Pronóstico es el arte y la ciencia de predecir eventos

futuros. Pronóstico puede envolver data histórica y
proyectarla hacia el futuro con modelos matemáticos.
 Pronóstico es la base para las decisiones en una
compañía, sirve para tomar decisiones de:
 Producción
 Inventario
 Personal
 Facilidades

6
 TIPOS DE PRONÓSTICOS
1. PRONÓSTICOS ECONÓMICOS: Para predecir tasas de
inflación, suministros de dinero, construcción de viviendas, y
otros indicadores de planeación.

2. PRONÓSTICOS TECNOLÓGICOS: para predecir tasas de

progreso tecnológico (para nuevos productos, nuevas
plantas, nueva capacidad, etc).

3. PRONÓSTICOS DE LA DEMANDA: también llamados

pronósticos de ventas, orientan la producción, la capacidad
y los sistemas de programación de la empresa, sirven como
entradas en la planeación financiera, de marketing y de
personal.
 LA IMPORTANCIA ESTRATÉGICA DEL
PRONÓSTICO
El efecto del pronóstico del producto se refleja en tres
actividades dentro de las empresas:
 Recursos Humanos
Contratación, capacitación y despido de los trabajadores
 Capacidad
Cuando la capacidad instalada es inadecuada, los faltantes que
resultan pueden significar entregas poco confiables, pérdida de
clientes y pérdida de la participación en el mercado
 Administración de la cadena de suministro
Buenas relaciones con el proveedor = ventajas de
precio en materiales y partes
 PASOS PARA EL USO DE
PRONÓSTICO

1. Determinar el uso del Pronóstico:¿Cuál es el

objetivo por el cual vas a pronosticar?.

2. Seleccionar los aspectos que se deben

pronosticar: ¿Cuál es la unidad de medida que vas a
usar para pronosticar?. Vendes un producto: Número
de ventas. Tienes una discoteca: Número de ingresos.
Administras un hospital: Pacientes ingresados.
 PASOS PARA EL USO DE
PRONÓSTICO

3. Determinar el horizonte de tiempo del

pronóstico: Ten en cuenta que a mayor horizonte de
tiempo, mas impreciso será el pronostico. Hay
empresas que manejan pronósticos diarios, semanales,
quincenales, mensuales y anuales. Esto va en función
de tu empresa y su producto.

4. Seleccionar los modelos de pronóstico: Podemos

emplear métodos  de juicio, cuantitativos o cualitativos.
 PASOS PARA EL USO DE
PRONÓSTICO

5. Recopilar los datos para hacer el pronóstico:

¿Realizas encuestas? ¿Llevas registros de las ventas?
¿Haces uso de un software para contar los ingresos?. El
objetivo es que tengas una forma de obtener los datos
que serán relevantes para hacer tu pronóstico.

6. Realizar el pronóstico: Dependiendo del modelo de

pronóstico, la manera de proceder será diferente.
 PASOS PARA EL USO DE
PRONÓSTICO

7. Validar e implementar el resultado: Existen

medidas de error para determinar la validez de
un pronóstico. También es importante que
hagas comparaciones constantes entre la
demanda real y lo pronosticado para
determinar qué tan bien (o qué tan mal) lo
estás haciendo.
 Sin importar que sistema usen
las empresas enfrentan varias
realidades:
1. Los pronósticos casi nunca son perfectos
2. La mayoría de las técnicas de pronósticos
suponen la existencia de cierta
subyacente en el sistema estabilidad
3. Tanto los pronósticos de familias de productos
como los de productos agregados son más
precisos que los pronósticos para productos
individuales
 ENFOQUES DE
PRONÓSTICOS
 Los pronósticos cuantitativos: Utilizan una
variedad de modelos matemáticos que se apoyan
en datos históricos y/o en variables causales para
pronosticar la demanda

 Los pronósticos cualitativos o subjetivos:

Incorporan factores como la intuición, las
emociones, las experiencias personales y el
sistema de valores de quien toma las decisiones
para llegar a un pronóstico
TÉCNICAS Y MÉTODOS PARA PRONOSTICAR
1. Método Delphi
2. Técnica de Investigación
Predicciones:
Comercial
METODOS DE JUICIO
3. Método de Analogía
(TÉCNICA cualitativa)

* METODOS CAUSALES
• Regresión Lineal

Previsiones: • *MÉTODOS DE SERIES DE TIEMPO

(TÉCNICA cuantitativa)
* Media Aritmética o
Promedio Aritmético
* Media Móvil Ponderada
• * Mano Libre
• * Mínimos cuadrados
* Ecuaciones simultàneas
* Raustentrauch
(Factores)
* Suavizamiento
exponencial
 PANORAMA DE LOS MÉTODOS
CUALITATIVOS

1. Jurado de opinión ejecutiva

2. Método Delphi: Quienes toman las
decisiones
* El personal
* Los entrevistados
3. Composición de la fuerza de
ventas
4. Encuesta en el mercado de
consumo
 PANORAMA DE LOS MÉTODOS
CUANTITATIVOS
1. Enfoque intuitivo modelo de
2. Promedios móviles series de
3. Suavizamiento exponencial tiempo

4. Proyección de tendencias
5. Regresión lineal modelo
asociativo
Modelo de series de tiempo: Técnica de
pronóstico que usa una serie de datos
puntuales del pasado pararealizar un
pronóstico.

Modelos asociativos: Tales como la regresión

lineal, incorporan las variables los factores que
pueden influir enla cantidad por pronosticar.
 PATRONES O COMPONENTES DE UNA
SERIE DE TIEMPO
• El patrón o comportamiento de los datos en una serie de
tiempo tiene varios componentes. El supuesto usual es
que cuatro componentes separados: tendencia, cíclico,
estacional e irregular, se combinen para proporcionar
valores específicos de la serie de tiempo.

• TENDENCIA: componente de muy largo plazo

• CICLICO: componente de largo plazo
• ESTACIONAL: componente de corto plazo
• IRREGULAR: componente de muy corto plazo
 DESCOMPOSICIÓN DE UNA
SERIE DE TIEMPO
1. La tendencia es el movimiento gradual, hacia arriba o
abajo, de los datos en el tiempo
Cantidad

Tiempo
Tendencia: Los datos aumentan o
disminuyen de manera consistente.
 TENDENCIA
• En el análisis de las series de tiempo, las mediciones pueden hacerse
cada hora, diario, a la semana, cada mes, anualmente o en cualquier
otro intervalo regular de tiempo. A este desplazamiento gradual de la
serie de tiempo se le conoce como la tendencia de la serie de
tiempo.

• Este desplazamiento o tendencia suele deberse a factores de largo plazo

como variaciones en las características demográficas de la población,
en la tecnología o en las preferencias del público.
 Otros patrones de
tendencia posibles
 DESCOMPOSICIÓN DE UNA SERIE DE
TIEMPO

Periodo del Longitud de Número de

patrón la estación “estacio-
2.La estacionalidad nes” en el
es un patrón de patrón
datos que se repite Semana Día 7
después de un Mes Semana 4 - 4½
periodo de días, Mes Día 28 – 31
semanas, meses o
Año Trimestre 4
trimestres
Año Mes 12

Año Semana 52
Descomposición de una serie de
tiempo

Año 1
Cantidad

Año 2

| | | | | | | | | | |
|
J F M A M J J A S O N
D
Meses
Estacional: Los datos muestran alzas
y bajas de forma consistente, en
 ESTACIONALIDAD

• Patrón de cambio que se repite año con año

en el mismo número de períodos.

FUERZAS QUE AFECTAN Y EXPLICAN ESTACIONALIDAD:

180

160

• períodos escolares 140

• períodos vacacionales 120

• productos de estación 100

80
• estaciones del año
60
81 82 83 84 85 86 87 88 89
90
MURPHY
 DESCOMPOSICIÓN DE UNA SERIE DE
TIEMPO
3.Los ciclos son patrones, detectados en los
datos, que ocurren cada cierta cantidad de años
Cantidad

| | | | | |
1 2 3 4 5 6
Años

Cíclico: los datos revelan incrementos y decrementos

graduales en el curso de largos periodos de tiempo.
Las series de tiempo suelen mostrar secuencias de puntos que
caen de manera alternante arriba y abajo de la línea de
tendencia. Toda sucesión recurrente de puntos que caiga abajo
y arriba de la línea de tendencia y que dure más de un año
puede atribuirse al componente cíclico de la serie de
tiempo. En la figura las observaciones son anuales.
 Descomposición de una serie de
Tiempo
4. Las variaciones aleatorias son “señales” generadas
en los datos por causalidad o por situaciones inusuales

Variación de
temporada

Tendenci
a
lineal
x
xxx xx
xx
xx xxxxx x x x
Venta

xx x x xx xxxxx xxx
x x xxxxxxxx
s

x xx x
1 2 3 4
Años
 VARIACIONES ALEATORIAS

Mide la variabilidad de una serie cuando los demas componentes

se han eliminado o no existen.

FUERZAS QUE AFECTAN Y EXPLICAN ALEATORIEDAD

• cambios climáticos
• desastres naturales
• huelgas
• hechos fortuitos

Este componente representa la variabilidad aleatoria en las series de tiempo y es resultado de

factores a corto plazo, imprevistos y no recurrentes que afectan a la serie de tiempo. Como este
componente representa la variabilidad aleatoria en las series de tiempo, es impredecible; no
podemos intentar predecir su impacto en las series de tiempo.
 VARIACIONES EN LOS
DATOS
Variaciones estacionales: 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. Puede aplicarse en forma
horaria, diaria, semanal, mensual o en otros patrones
recurrentes.

Variaciones cíclicas: Son como las variaciones

estacionales con la diferencia de que ocurren cada varios
años, no semanas meses o trimestres.
 Cuál es la causa del error de
pronóstico
• Hay dos fuentes de error en los
Para qué calcular el error pronósticos: Sesgados y aleatorios.
pronóstico • SESGADO: también llamado
• ¿Qué utilidad tiene calcular sistemático es ocasionado por un error
el error de pronóstico de constante, ejemplo: Mala interpretación
de la demanda, uso de variables
demanda? Nos permite tomar incorrectas o con relaciones
decisiones frente a qué equivocadas. Se minimiza según a la
método de pronóstico es el experticia del jefe de operaciones.
mejor y logran detectar • ALEATORIO : es aquel que no tiene
cuando algo en nuestra explicación, es el error originado por
previsión de la demanda no factores imprevisibles y por ende no se
está marchando bien, con lo conoce la causa.
que conseguimos cambiar el
rumbo de nuestras decisiones Siempre va a haber ERROR en el cálculo de un
pronóstico de demanda.
y tomar las mejores elecciones. En la práctica, se minimiza ambos tipos de
errores eligiendo el mejor método de pronóstico.
Técnicas de Medición de Errores.
 TECNICAS DE MEDICION DE ERRORES

Existe una gran cantidad de indicadores que

miden errores de pronóstico.

Para nuestro caso tomaremos las más

utilizadas:
• CSE (Cumulative sum of error)- CFE
• MAE (Mean Absolute Error) - MAD
• RMSE (Root Mean Square Error)- MSE
• MAPE (Mean Absolute Percentage Error)
– MAPE
• TS – (Tracking Signal)
 Suma acumulada de errores de
pronóstico (CFE)

• Es la medida más básica de todas y es la que da origen a las

demás.
• Es la suma acumulada de los errores de pronóstico.
• Nos permite evaluar el sesgo del pronóstico.
• Por ejemplo, si a través de los periodos el VALOR REAL de la
demanda siempre resulta superior al VALOR DE
PRONÓSTICO, la CFE será más grande, indicando la
existencia de un error sistemático en el cálculo de la demanda.
• Suma acumulada de errores de pronóstico
 Error cuadrático medio (MSE)
• Es una medida de dispersión
del error de pronóstico, sin
Desviación media absoluta
embargo esta medida
(MAD)
maximizar el error al elevar al
• Mide la dispersión del error cuadrado, castigando aquellos
de pronóstico o sea, la periodos donde la diferencia fue
medición del tamaño del error más alta a comparación de
en unidades. otros.
• Es el valor absoluto de la • Por tanto, se recomienda el uso
diferencia entre la demanda real del MSE para periodos con
y el pronóstico, dividido sobre el desviaciones pequeñas.
número de periodos.
 Señal de Rastreo (TS)
• Es una medida de
Error porcentual medio desempeño que permite
absoluto (MAPE) medir la desviación del
pronóstico respecto a
Nos entrega la desviación en
variaciones en la demanda.
términos porcentuales y no
en unidades como las
anteriores medidas. Es el
promedio del error absoluto o
diferencia entre la demanda Cuando TS es positivo la
demanda real excede el
real y el pronóstico, expresado pronóstico, por el contrario
como un porcentaje de los cuando TS es negativo la
valores reales. demanda real es menor que el
pronóstico.
 Cómo calcular las medidas
de error de pronóstico

Tenemos la
empresa IngE que
vende equipos de
bombeo y demanda
a través del año fue la
siguiente:

VER EXCEL
 Metodología:

En cada columna, se determina cada una de las MEDIDAS DE

ERROR, mediante:
• Por periodo calculamos el error de pronóstico restando la
DEMANDA REAL Y EL PRONÓSTICO. ( D - P)
• Restamos en valor absoluto la demanda real con el pronóstico ,
(Valor absoluto del error de pronóstico) , para calcular el MAD.
• Elevamos al cuadrado el error de pronóstico de cada periodo,
para calcular el MSE.
• Dividimos la DEMANDA REAL / MAD.
• Hacemos la suma de los resultados que obtuvimos para cada
periodo.
Lo anterior queda así:
en Valor Absoluto
Teniendo en cuenta que el número de
periodos que pronosticamos es de 9:
• La suma acumulada de errores de
pronóstico es 26.00
• La desviación absoluta media (MAD)
la calculamos dividiendo 97,33 entre
9, igual a 10.81.
• El error cuadrático medio (MSE) lo
calculamos dividiendo 1079,56 entre
9, que es 119.95
• Dividimos 183% entre 9 para
calcular el error porcentual absoluto
medio (MAPE), que es 20.35%
 Interpretación de las medidas
de error de pronóstico

• Las medidas de error de pronóstico calculadas para un sólo método en un solo

período de tiempo carecen de significado.
• Su utilidad radica cuando comparamos las medidas de error con las
medidas de otros métodos de pronóstico o con otros períodos de tiempo.
¿Cómo sería esto en nuestro ejemplo?
• Para nuestra comparación vamos a considerar : Promedio móvil simple,
ponderado y suavización exponencial simple y doble.
• La demanda se calculan a partir del periodo 4 hasta el 15.
• El n a usar en el promedio simple es de 3.
• En el promedio ponderado los pesos de 40%, 30% y 30% para el periodo más
reciente, intermedio y más lejano respectivamente. La constante de suavización
alfa en el alisado exponencial será de 0,4. La constante de suavización alfa y
delta en el alisado exponencial doble ambas serán de 0,3.
Ejm. Los pronósticos calculados con
cada método serían:
• Con estos datos ya tenemos para
determinar por medio de las medidas
de error, cuál es el mejor método
durante los 12 periodos de medición:
 Conclusión.
• Inicialmente analicemos la demanda. La demanda presenta picos y fondos
mostrando tanto tendencias crecientes como decrecientes. Esto se ve reflejado en
los métodos de suavización que responden mejor a las medidas de MAD, MSE y
MAPE comparados a los promedios.
• En este sentido, si le hubiera asignado al promedio ponderado un mayor peso
para los datos más recientes, se lograría obtener mejores medidas de MAPE, MSE
y MAD.
• Y por supuesto los suavizamientos son métodos susceptibles de ser mejorados. La
definición de las constantes de suavización por ensayo y error seguro nos habría
entregado mejores métricas. Al observar el CFE inferimos que hay un grado de
error de sistematización en las suavizaciones y es necesario cambiar las
constantes de suavizamiento. Debido a esto los promedios se ven mejor en esta
medida.
• Hecho esto y considerando la naturaleza de los datos a tener tendencias
crecientes y decrecientes, preferimos al método de suavización exponencial.
Ejemplo
¡Gracias!