Pronos Ticos

_____________________________
1
USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS
UNIVERSIDAD SIMON BOLIVAR
Estimacin de la Demanda:
Pronsticos
PS-4161 Gestin de la Produccin I
_____________________________
2
Bibliografa Recomendada
Ttulo: Direccin de la Produccin: Decisiones
Estratgicas.
Captulo 4: Previsin
Autores: HEIZER, Jayy RENDER, Barry
Editorial: Prentice Hall, 6a. Edicin
Ttulo: Direccin y Administracin de la Produccin y
de las Operaciones
Captulo 7: Administracin de la Demanda
Autores: CHASE, Richard y AQUILANO, Nicolas
Editorial: AdisonWesleyIberoamericana, 6a. Edicin
_____________________________
3
Contenido
Introduccin: Qu es el Pronstico?
Horizontes temporales de el pronstico
La influencia del ciclo de vida del producto
Tipos de Pronsticos
La importancia estratgica del Pronstico
Recursos humanos
Capacidad
Gestin de la cadena de suministros
Siete etapas en el sistema de pronstico
_____________________________
4
Contenido
Enfoques del Pronstico
Visin global de los mtodos cualitativos
Visin global de los mtodos cuantitativos
Pronstico de series temporales
Descomposicin de una serie temporal
Enfoque simple
Medias mviles
Suavizamiento exponencial
Suavizamiento exponencial con ajuste de tendencia
Proyecciones de la tendencia
Variaciones estacionales en los datos
Variaciones cclicas en los datos
_____________________________
5
Contenido
Mtodos de pronstico causal: anlisis de regresin
y correlacin
Utilizacin del anlisis de regresin para realizar Pronsticos
Error estndar de la estimacin
Coeficientes de correlacin para las rectas de regresin
Anlisis de regresin mltiple
Seguimiento y control de Los Pronsticos
Suavizamiento adaptable
Pronstico enfocado
Pronstico en el sector servicios
_____________________________
6
Objetivos
Describir oexplicar:
Medias Mviles simples y ponderadas
Suavizamiento Exponencial
Proyecciones de tendencia
Anlisis de regresin y correlacin
Regresin lineal con estacionalidad
Medidas de precisin del pronstico
Aplicar el mtodo idneo para cada pronstico
_____________________________
7
La demanda
Demanda
Demanda
_____________________________
8
Demanda
Demanda o Consumo Potencial, cantidad de
determinado bien o servicio que el mercado
requiere
Muestra y cuantifica la existencia de los
consumidores actuales y los potenciales y la
ubicacin geogrfica de los mismos
_____________________________
9
La demanda segn la necesidad
Demanda de bien social aquello que la
sociedad requiere para su desarrollo y
crecimiento (alimentacin, vestido,
salud, vivienda, educacin)
Demanda de bienes no necesarios,
consumo suntuario, donde se satisface
un gusto y no una necesidad (perfumes,
ropa fina, electrnica, arte)
_____________________________
10
Demanda segn su destino
Demanda de bienes finales
Demanda de bienes intermedios o
industriales
Los bienes intermedios forman parte de
una cadena productiva, al aumentar la
demanda del ltimo aumenta la
demanda del producto intermedio
_____________________________
11
El pronstico de la demanda
El anlisis histrico del comportamiento
de la demanda se realiza para estudiar la
evolucin del pasado a fin de pronosticar
el comportamiento futuro, con un margen
razonable de seguridad.
No es extrapolar una tendencia, sino
estudiar los posibles factores que afectan
esa tendencia.
_____________________________
12
Factores que afectan la demanda
cambios en las polticas econmicas,
sustitucin del producto,
complementacin del producto,
comportamiento estacionario,
cambios de la estructura de la poblacin,
modificaciones significativas de volumen,
coyunturas internacionales
_____________________________
13
Qu es el pronstico?
Arte y ciencia de predecir
acontecimientos futuros.
Modelacin matemtica
Prediccin subjetiva
Base de todas las
decisiones empresariales:
Produccin
Inventario
Personal
Instalaciones
Presupuesto
Vender 200
millones de
bolvares!
_____________________________
14
Tipos de Pronstico
Cualitativos
De caracter subjetivo
Basado en estimaciones y opiniones.
Programacin de trabajos, asignacin de tareas.
Anlisis de series de tiempo
Utilizacin de datos relacionados de periodos anteriores
Componentes: tendencia, estacionalidad y ciclos
Relaciones causales
Supone demanda relacionada con una o ms causas
Regresin Lineal y Regresin Multilineal
Simulacin
Modelos complejos simulados en computador
Modelos Dinmicos
_____________________________
15
Tcnicas y Modelos Comunes
Cualitativos
Mtodo Delphi
Investigacin de Mercado
Consenso Grupal: Intercambio abierto en reuniones
Analoga Histtica: Relacin con artculo similar
Niveles Inferiores de la organizacin: Datos de vendedores
Series de tiempo
Promedio Mvil Simple
Promedio Mvil Ponderado
Anlisis de regresiones de tiempo
Tcnica Box Jenkins
Series de tiempo de Shiskin: Descomponer series de tiempo en
estacionalidad
_____________________________
16
Tcnicas y Modelos Comunes (Cont)
Relaciones causales
Anlisis de Regresiones causales
Regresin Multilineal: Varias variables causales
Simulacin
Modelos Dinmicos: incluye variables internas como factores
externos.
Permite hacer estudios de sensibilidad
Modelos preprogramados
_____________________________
17
Tipos de horizontes temporales del
pronstico
Pronsticos a corto plazo:
Cobertura de hasta un ao, generalmente inferior a los tres meses.
Programacin de compras, trabajos, asignacin de tareas.
Pronsticos a medio plazo:
Entre tres meses y tres aos.
Planificacin de las ventas, de la produccin y del presupuesto.
Pronsticos a largo plazo:
Periodos superiores a tres aos.
Planificacin de nuevos productos, localizacin de las instalaciones,
desembolso de capital.
_____________________________
18
Pronsticos de corto plazo frente a Pronsticos
de largo plazo
Los pronsticos a medio y largo plazo tratan de
asuntos ms extensos, y apoyan las decisiones de
gestin que conciernen a la planificacin y los
productos, las plantas y los procesos.
Los pronsticos a corto plazo normalmente
emplean metodologas diferentes a las anteriores,
utilizan tcnicas matemticas como las medias
mviles, alisado exponencial y extrapolacin.
Los pronsticos a corto plazo tienden a ser ms
exactos que los realizadas a largo plazo. Al
aumentar el horizonte temporal disminuye la
fiabilidad de la previsin.
_____________________________
19
La influencia del ciclo de vida del producto
Las etapas de introduccin y crecimiento necesitan
pronsticos ms largos que las etapas de madurez
y declive.
Los Pronsticos son tiles para proyectar
los diferentes niveles de personal
los diferentes niveles de inventarios
los diferentes niveles de capacidad de produccin
mientras el producto pasa de la primera a la ltima
etapa.
_____________________________
20
Estrategia durante el ciclo de vida de un
producto
Introduccin Crecimiento Madurez Declive
E
s
t
r
a
t
e
g
i
a
s

d
e

l
a

G
.
O
.
E
s
t
r
a
t
e
g
i
a
s

d
e

l
a

c
o
m
p
a
a
HDTV
CD-ROM
Impresoras a
color
Fax
Mquinas de
escribir
Ventas
Disquetes
de 3 1/2
Internet
La planificacin y desarrollo
del producto son vitales
Cambios frecuentes en
planificacin del producto y
proceso
Lotes de produccin
pequeos
Altos costos de produccin
Nmero de modelos limitado
Atencin a la calidad
La pronstico es muy
importante
Fiabilidad del producto y
proceso
Posibilidades y mejoras del
producto competitivas
Aumento de la capacidad
Cambio de tendencia para
centrarse en el producto
Atencin a la distribucin
Estandarizacin
Cambios de producto menos
rpidos; ms cambios
minuciosos
Capacidad ptima
Estabilidad creciente del
proceso de produccin
Grandes lotes de produccin
Mejora del producto y
reduccin de costos
Poca diferenciacin del
producto
Minimizacin de costos
Sobrecapacidad en la
industria
Eliminacin de productos
que no proporcionan un
margen aceptable
Reduccin de capacidad
Mejor periodo para
aumentar la cuota de
mercado
Es vital planear la I + D
Buen momento para
cambiar el precio o la
imagen de calidad
Fortalecer el segmento
de mercado
Mal momento para cambiar la
imagen, el precio o la calidad
Los costos competitivos son
ahora muy importantes
Defender la posicin en el
mercado
Es vital controlar el
costo
Restaurantes para
comer en el carro
_____________________________
21
Tipos de Pronsticos
Pronsticos econmicos:
Dirigidas al ciclo econmico, por ejemplo, las
tasas de inflacin, la masa monetaria, el PIB, etc.
Pronsticos tecnolgicos:
Predicen el progreso tecnolgico.
Predicen el nacimiento de nuevas ventas.
Ejemplo: motores de hidrgeno, energa solar
Pronsticos de demanda:
Predicen las ventas de productos ya existentes.
_____________________________
22
Etapas del proceso de Pronstico
Determinar el objetivo del pronstico.
Seleccionar los artculos sobre los que se va a
realizar el pronstico.
Determinar el horizonte temporal del pronstico.
Seleccionar el(los) modelo(s) de pronstico.
Recoleccin de datos.
Realizar el pronstico.
Validar e implementar los resultados.
_____________________________
23
Demanda de un producto representada en un periodo de
4 aos con tendencia de crecimiento y estacionalidad
Primer
ao
Segundo
ao
Tercer
ao
Cuarto
ao
Picos estacionales Componente de tendencia
Lnea de
demanda
actual
Demanda media
en cuatro aos
D
e
m
a
n
d
a

d
e
l

p
r
o
d
u
c
t
o

o

s
e
r
v
i
c
i
o
Variacin
aleatoria
_____________________________
24
Demanda real frente a los mtodos de media
mvil y media mvil ponderada
0
5
10
15
20
25
30
35
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
Mes
D
e
m
a
n
d
a

d
e

v
e
n
t
a
s
Ventas reales
Media mvil
Media mvil ponderada
_____________________________
25
Realidades sobre el pronstico
Raras veces los pronsticos son perfectos. Influencia
de factores externos.
La mayora de las tcnicas de pronstico asumen que
existe cierta estabilidad sostenida en el sistema.
Tanto las predicciones de familias de productos como
las predicciones en conjunto son ms precisas que los
pronsticos de productos individuales.
_____________________________
26
Enfoques del Pronstico
Se emplean cuando la
situacin es estable y
existen datos
histricos:
Productos existentes.
Tecnologa actual.
Utilizan modelos
matemticos:
Por ejemplo, el pronstico de
las ventas de televisores.
Mtodos cuantitativos
Se emplean cuando la
situacin no es clara y
hay pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y
experiencia:
Por ejemplo, el pronstico
de las ventas a travs de
Internet.
Mtodos cualitativos
En la prctica, las empresas utilizan una combinacin de los dos enfoques
_____________________________
27
Mtodos Cualitativos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de alto
nivel o de directivos, a menudo en combinacin con
modelos estadsticos.
Proposicin de personal comercial:
Las estimacin de las ventas esperadas por los vendedores
se revisan para ver si se pueden llevar a cabo y luego se
obtiene una pronstico global.
Mtodo Delphi:
Proceso de grupo que permite la realizacin de los
pronsticos a travs de un grupo de toma de decisiones con
base en las opiniones de otro grupo de personas.
Estudio de mercado del consumidor:
Requiere informacin de los clientes o consumidores
potenciales.
_____________________________
28
J urado de opinin ejecutiva
Requiere un pequeo grupo de directivos:
El grupo establece una estimacin conjunta de
la demanda.
Combina la experiencia directiva con modelos
estadsticos.
Es bastante rpido.
Desventaja del
pensamiento en
grupo.
1995 Corel Corp.
_____________________________
29
Proposicin de personal comercial
Cada vendedor estima las ventas
que har.
Se revisan las previsiones para
definir si se pueden llevar a cabo.
Se combinan con los pronsticos
a niveles de distritos y con las
nacionales.
El representante de ventas conoce
las necesidades de los
consumidores.
Tiende a ser bastante optimista.
_____________________________
30
Mtodo Delphi
Proceso de grupo
iterativo.
3 tipos de participantes:
Los que toman
decisiones.
El personal de plantilla.
Los que responden.
Reduce el
pensamiento en
grupo.
Coteja opiniones para
llegar a un consenso en
varias iteraciones de
opiniones-respuestas
Los que responden
Los que responden
Personal de
Personal de
plantilla
plantilla
Los que toman
Los que toman
decisiones
decisiones
(Ventas?)
(Qu ventas
habr?
cuestionarios)
(Habr 45, 50, 55 ventas)
(Habr 50 ventas)
_____________________________
31
Estudio de mercado
Preguntar a los
consumidores sobre sus
futuros planes de compra.
Lo que dicen los
consumidores y lo que luego
hacen suele diferir.
A veces es difcil contestar a
las preguntas del estudio.
Es til para mejorar el diseo
de un producto y planificar
nuevos productos.
Cuntas horas
utilizar Internet la
prxima semana?
Cuntas horas
utilizar Internet la
prxima semana?
1995 Corel
Corp.
_____________________________
32
Mtodos Cuantitativos
Enfoque simple
Medias mviles
Proyeccin de tendencia
Regresin lineal
Regresin lineal con
estacionalidad
Modelos de
series
temporales
Modelos
asociativos o
causales
_____________________________
33
Mtodos de pronstico cuantitativos
(no simples)
pronstico
cuantitativo
Regresin
lineal
Modelos
asociativos
Suavizamiento
exponencial
Media
mvil
Modelos de series
temporales
Proyeccin
de tendencia
_____________________________
34
Qu son las series temporales?
Es una secuencia de datos uniformemente
espaciada:
Se obtiene observando las variables en periodos de tiempo
regulares.
Se trata de un pronstico basado en los datos
pasados:
Supone que los factores que han influido en el pasado lo
sigan haciendo en el futuro.
Ejemplo:
Ao: 1999 2000 2001 2002 2003
Ventas: 78,7 63,5 89,7 93,2 92,1
_____________________________
35
Descomposicin de una serie temporal
Tendencia
Tendencia
Estacionalidad
Estacionalidad
Ciclos
Ciclos
Variaciones
Variaciones
aleatorias
aleatorias
_____________________________
36
Tendencia
Es el movimiento gradual de ascenso o descenso de
los datos a lo largo del tiempo.
Los cambios en la poblacin, ingresos, etc. influyen
en la tendencia.
Varios aos de duracin.
Mes, trimestre, ao
Respuesta
_____________________________
37
Estacionalidad
Muestra de datos de ascenso o descenso
que se repite.
Se puede ver afectada por la climatologa,
las costumbres, etc.
Se produce dentro de un periodo anual.
Mes, trimestre
Respuesta
Verano
_____________________________
38
Ciclos
Movimientos de ascenso o descenso que se
repiten.
Se pueden ver afectados por interacciones de
factores que influyen en la economa.
Mes, trimestre, ao
Mes, trimestre, ao
Respuesta
Respuesta
Ciclo
_____________________________
39
Variaciones aleatorias
Son saltos en los datos causados por el
azar y situaciones inusuales.
Son debidas a variaciones aleatorias o a
situaciones imprevistas:
Huelgas o paros nacionales
Inundaciones
Son de corta duracin
y no se repiten.
_____________________________
40
Modelos de series temporales
Cualquier valor que aparezca en una serie
temporal es la multiplicacin (o suma) de los
componentes de la serie temporal.
Modelo multiplicativo:
Y
i
= T
i
x S
i
x C
i
x R
i
(si los datos son mensuales o
trimestrales).
Modelo aditivo:
Y
i
= T
i
+ S
i
+ C
i
+ R
i
(si los datos son mensuales o
trimestrales).
_____________________________
41
Enfoque Simple
Suponer que la demanda en el
prximoperiodo ser igual a la
demanda del periodo ms
reciente:
Por ejemplo, si en mayo hubo 48
ventas, en junio habr 48 ventas.
Es el modelo con la mejor
relacin eficacia-costo y
eficiencia.
Sirve como punto de partida
para modelos mas sofisticados.
.
_____________________________
42
Media Mvil
La media mvil es la media aritmtica de las demandas
de los periodos anteriores.
Se utiliza si no hay tendencia o si sta es escasa, las
demandas son estables a lo largo del tiempo.
Se suelen utilizar para suavizar o alizar las
irregularidades a corto plazo en las series de datos:
Proporciona una impresin general de los datos a lo largo del
tiempo.
Ecuacin:
MM
MM
n
n
n
n
=
=

demanda de
demanda de
periodos previos
periodos previos
_____________________________
43
Ejemplo de media mvil
Usted es el director de una tienda de un museo que
vende rplicas. Quiere predecir las ventas (000) del
ao 2004mediante una media mvil de 3 aos.
1999 4
2000 6
2001 5
2002 3
2003 7
.
_____________________________
44
Solucin de la media mvil
Ao Respuesta
Y
i

Media
mvil total
(n=3)
Media mvil
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3 = 5
2003 7
2004 ND

_____________________________
45
Ao Respuesta
Y
i

Media
mvil total
(n=3)
Media mvil
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3 = 5
2003 7 6+5+3=14 14/3=4 2/3
2004 ND

_____________________________
46
Ao Respuesta
Y
i

Media
mvil total
(n=3)
Media mvil
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3=5,0
2003 7 6+5+3=14 14/3=4,7
2004 ND 5+3+7=15 15/3=5,0

_____________________________
47
Grfico de la media mvil
99 00 01 02 03 04
Ao
Ventas
2
4
6
8
Real
pronstico
_____________________________
48
Se utiliza cuando se presenta una tendencia:
Los datos anteriores tienen importancia ponderada.
Las ponderaciones se basan en la intuicin y
anlisis de datos previos:
Suelen estar entre 0 y 1, y la suma dar 1,0.
Los periodos ms recientes suelen ponderarse con mayor
peso
Ecuacin:
Media mvil
Media mvil
ponderada =
ponderada =

(ponderacin para el periodo

(ponderacin para el periodo
n
n
) (demanda en el periodo
) (demanda en el periodo
n
n
)
)
ponderaciones ponderaciones
Mtodo de la media mvil ponderada
_____________________________
49
Demanda actual, media mvil y media
mvil ponderada
0
5
10
15
20
25
30
35
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic
Mes
D
e
m
a
n
d
a

d
e

v
e
n
t
a
s
Ventas reales
Media mvil
Media mvil ponderada
_____________________________
50
Inconvenientes de los mtodos de media
mvil
Al aumentar nveces, los
pronsticos son menos sensibles a
los cambios.
No es posible predecir bien la
tendencia.
Se necesitan muchos datos
histricos.
El horizonte de proyeccin es corto.
_____________________________
51
Es una tcnica de pronstico de media mvil
ponderada:
Las ponderaciones disminuyen exponencialmente.
Se ponderan ms los datos ms recientes.
Se necesita una constante de Suavizamiento ():
Toma valores entre 0 y 1.
Se escoge de forma subjetiva.
Mayor : Pondera ms la demanda reciente, el periodo
reciente
Menor : Pondera poco la demanda reciente. Le da peso a
demandas anteriores.
Necesita una cantidad reducida de datos histricos.
_____________________________
52
Ecuaciones del Suavizamiento
Exponencial
F
t
= A
t - 1
+ (1-)A
t - 2
+ (1- )
2
A
t - 3
+ (1- )
3
A
t - 4
+ ... + (1- )
t-1
A
0
F
t
= Valor del pronstico
A
t
= Valor real
= Constante de Suavizamiento (0 < < 1)
Habitualmente (0.05 < < 0.50)
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Se utiliza para calcular el pronstico.
_____________________________
53
Ejemplo de Suavizamiento Exponencial
Usted est organizando un evento cultural. Desea
predecir el nmero de personas que asistirn en el
ao 2004 mediante el Mtodo de Suavizamiento
Exponencial ( = 0,10). El pronstico para 1999 fue de
175.
1999 180
2000 168
2001 159
2002 175
2003 190
_____________________________
54
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao
Ao Real
pronstico, F
t
(
=
=
0,10
0,10
)
)
1999
1999 180 175,00 (Dato)
2000
2000
168
168
2001
2001
159
159
2002
2002
175
175
2003
2003
190
190
2004
2004
ND
ND
175,00 +
175,00 +
Solucin mediante Suavizamiento
Exponencial
_____________________________
55
Solucin del Suavizamiento Exponencial
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao
Ao Real
pronstico, F
t
(
=
=
0,10
0,10
)
)
180
180
175,00 (Dado)
175,00 (Dado)
168
168
175,00 +
175,00 +
0,10
0,10
(
(
159
159
175
175
190
190
ND
ND
1999
1999
2000
2000
2001
2001
2002
2002
2003
2003
2004
2004
_____________________________
56
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao
Ao
Real
Real
pronstico,
pronstico,
F
F
t t
(
(
=
=
0,10
0,10
)
)
1999
1999
180
180
175,00 (Dado)
175,00 (Dado)
2000
2000
168
168
175,00 +
175,00 +
0,10
0,10
(180
(180
-
-
2001
2001
159
159
2002
2002
175
175
2003
2003
190
190
2004
2004
ND
ND
_____________________________
57
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao Real
pronstico, F
t
(
=
=
0,10
0,10
)
)
1999
1999
180
180
175,00 (Dado)
175,00 (Dado)
2000
2000
168
168
175,00 +
175,00 +
0,10
0,10
(180
(180
-
-
175,00
175,00
)
)
2001
2001
159
159
2002
2002
175
175
2003
2003
190
190
2004
2004
ND
ND
_____________________________
58
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao
Ao
Real
Real
pronstico,
pronstico,
F
F
t t
(
(
=
=
0,10
0,10
)
)
1999
1999
180
180
175,00 (Dado)
175,00 (Dado)
2000
2000
168
168
175,00 +
175,00 +
0,10
0,10
(180
(180
-
-
175,00
175,00
)
)
= 175,50
= 175,50
2001
2001
159
159
2002
2002
175
175
2003
2003
190
190
2004
2004
ND
ND
_____________________________
59
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao Real
pronstico, F
t
(
=
=
0,10
0,10
)
)
180 175,00 (Dado)
168
168
175,00 + 0,10(180
175,00 + 0,10(180
-
-
175,00) = 175,50
175,00) = 175,50
159
159
175,50
175,50
+
+
0,10
0,10
(168
(168
-
-
175,50
175,50
)
)
= 174,75
= 174,75
175
175
190
190
ND
ND
1999
1999
2000
2000
2001
2001
2002
2002
2003
2003
2004
2004
_____________________________
60
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao Real
pronstico, F
t
( = 0,10)
180
180
175,00 (Dado)
175,00 (Dado)
168 175,00 + 0,10(180 - 175,00) = 175,50
159
159
175,50 + 0,10(168
175,50 + 0,10(168
-
-
175,50) = 174,75
175,50) = 174,75
175
175
190
190
ND
ND
174,75
174,75
+
+
0,10
0,10
(159
(159
-
-
174,75
174,75
)
)
= 173,18
= 173,18
1999
1999
2000
2000
2001
2001
2002
2002
2003
2003
2004
2004
_____________________________
61
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao Real
pronstico, F
t
( = 0,10)
180 175,00 (Dado)
168
168
175,00 + 0,10(180
175,00 + 0,10(180
-
-
175,00) = 175,50
175,00) = 175,50
159
159
175,50 + 0,10(168
175,50 + 0,10(168
-
-
175,50) = 174,75
175,50) = 174,75
175
175
174,75 + 0,10(159
174,75 + 0,10(159
-
-
174,75) = 173,18
174,75) = 173,18
190
190
173,18 +
173,18 +
0,10
0,10
(175
(175
-
-
173,18
173,18
)
)
= 173,36
= 173,36
ND
ND
1999
1999
2000
2000
2001
2001
2002
2002
2003
2003
2004
2004
_____________________________
62
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
Ao Real
pronstico, F
t
( = 0,10)
180
180
175,00 (Dado)
175,00 (Dado)
168
168
175,00 + 0,10(180
175,00 + 0,10(180
-
-
175,00) = 175,50
175,00) = 175,50
159
159
175,50 + 0,10(168
175,50 + 0,10(168
-
-
175,50) = 174,75
175,50) = 174,75
175
175
174,75 + 0,10(159
174,75 + 0,10(159
-
-
174,75) = 173,18
174,75) = 173,18
190
190
173,18 + 0,10(175
173,18 + 0,10(175
-
-
173,18) = 173,36
173,18) = 173,36
ND
ND
173,36
173,36
+
+
0,10
0,10
(190
(190
-
-
173,36
173,36
) = 175,02
) = 175,02
1999
1999
2000
2000
2001
2001
2002
2002
2003
2003
2004
2004
_____________________________
63
Grfico del Suavizamiento Exponencial
Aos
Ventas
140
150
160
170
180
190
99 00 01 02 03 04
Real
pronstico
_____________________________
64
Efectos del Pronstico de la constante de
Suavizamiento
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaciones
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10%
_____________________________
65
Suavizamiento
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10% 9%
Ponderaciones
_____________________________
66
Suavizamiento
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaciones
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10% 9% 8,1%
_____________________________
67
Suavizamiento
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaciones
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10% 9% 8,1%
90%
_____________________________
68
Suavizamiento
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaciones
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10% 9% 8,1%
90% 9%
_____________________________
69
Suavizamiento
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaciones
Periodo anterior
Hace 2 periodos
(1 - )
Hace 3 periodos
(1 - )
2
=
= 0,10
= 0,90
10% 9% 8,1%
90% 9% 0,9%
La importancia de los periodos antiguos disminuye rpidamente a medida
que aumenta
_____________________________
70
Errores de Pronstico
Permitemedir el error global del modelode pronstico.
Error de pronstico= demandapronstico
Se tratade seleccionar el valor de queminimiceel error
de pronstico, calculadocomo
la desviacin absoluta media (DAM), o
el error cuatrticomedio(ECM)
errores de pronstico
n
=
DAM
n
=
2
ECM
_____________________________
71
Suavizamiento exponencial con ajuste de
tendencia
Se utiliza para dar respuesta a las tendencias presentes en la
demanda.
Para mejorar la previsin se ajusta el modelo de alisado
exponencial para desfases positivos o negativos en la
tendencia.
pronstico incluyendo la tendencia (PIT
t
)
= pronstico alisada exponencialmente (F
t
)
+ tendencia suavizada exponencialmente (T
t
)
_____________________________
72
tendencia
F
t
= (demanda real del ltimo periodo)
+ (1- )(pronstico del ltimo periodo + tendencia estimada del
ltimo periodo)
o
F
t
= (A
t-1
) + (1- )(F
t-1
+ T
t-1
)
T
t
= (pronstico de este periodo - pronstico del ltimo periodo)
+ (1- )(tendencia estimada del ltimo periodo)
o
T
t
= (F
t
- F
t-1
) + (1- )T
t-1
_____________________________
73
tendencia
F
t
= pronstico suavizado exponencialmente de la
serie de datos en el periodo t.
T
t
= tendencia suavisada exponencialmente en el
periodo t.
A
t
= demanda real en el periodo t.
= constante de Suavizamiento para la media.
(0< <1)
= constante de Suavizamiento para la tendencia.
(0< <1)
_____________________________
74
Comparacin de Pronsticos
0
5
10
15
20
25
30
35
40
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep.
Mes
D
e
m
a
n
d
a

d
e
l

p
r
o
d
u
c
t
o
Demanda real
Suavizamiento exponencial +
Tendencia
_____________________________
75
Mtodo de mnimos cuadrados
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Periodo de tiempo
V
a
l
o
r
e
s

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e

bx a Y + =
Observacin
real
Punto en la
lnea de
tendencia
_____________________________
76
Demanda real y lnea de tendencia
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10
Periodo de tiempo
D
e
m
a
n
d
a
Demanda real
Y =56,70+10,54X
_____________________________
77
Anlisis de regresin lineal
Se usa para prever la lnea de tendencia.
Supone una relacin entre la variable de respuesta,
Y, y el periodo de tiempo, X, que es una funcin
lineal:
Se calcula mediante el mtodo de los mnimos
cuadrados:
Minimiza la suma de errores cuadrados.
$
i
Y a bX
i
= +
_____________________________
78
Modelo del anlisis de regresin lineal
$
Y a bX
i i
= +
b> 0
b< 0
a
a
Y
Tiempo,
X
_____________________________
79
Diagrama de dispersin
Periodo de tiempo
Ventas
Ventas
0
0
1
1
2
2
3
3
4
4
99 00 01 02 03
Ventas frente a tiempo
_____________________________
80
Ecuaciones de mnimos cuadrados
Ecuacin:
i i
bx a Y
+ =
Pendiente:
2 2
1 =
1 =

=
x n x
y x n y x
b
i
n
i
i i
n
i
Corte con el eje Y:
x b y a =
_____________________________
81
Tabla de clculo
X
i
Y
i
X
i
2
Y
i
2
X
i
Y
i
X
1
Y
1
X
1
2
Y
1
2
X
1
Y
1
X
2
Y
2
X
2
2
Y
2
2
X
2
Y
2
: : : : :
X
n
Y
n
X
n
2
Y
n
2
X
n
Y
n
X
i
Y
i
X
i
2
Y
i
2
X
i
Y
i
_____________________________
82
Ejemplo de anlisis de regresin lineal
Usted es el analista de marketing de Shu-Q-To,
compaa japonesa productora de piezas
mecanizadas de alta precisin. Obtuvo los
siguientes datos:
Ao Ventas (unidades)
1999 1
2000 1
2001 2
2002 2
2003 4
Cul es la ecuacin de tendencia?
_____________________________
83
Modelo de pronstico del anlisis de
regresin lineal
Usted est realizando el anlisis de marketing de
Shu-Q-To. Al utilizar aos codificados, halla que Y
i
= -
0,1 + 0,7X
i
.
Ao Ventas (Unidades)
1999 1
2000 1
2001 2
2001 2
2003 4
Determine el pronstico para el ao 2004.
^
_____________________________
84
Modelo estacional multiplicativo
Encontrar la demanda histrica media para cada estacin
sumando la demanda de esa estacin cada ao y dividindola
entre el nmero de aos de datos disponibles.
Calcular la demanda media a lo largo de todas las estaciones
dividiendo la demanda media total anual entre el nmero de
estaciones.
Calcular un ndice estacional dividiendo la demanda histrica
real de esa estacin (calculado en la etapa 1) entre la
demanda media a lo largo de todas las estaciones.
Estimar la demanda anual de todo el ao prximo.
Dividir esta estimacin de la demanda anual total entre el
nmero de estaciones y entonces multiplicarla por el ndice
estacional de esa estacin. Esto proporciona el pronstico
estacional .
_____________________________
85
Y X
i i
=
+ a b
Muestra la relacin lineal entre las variables
dependientes e independientes.
Ejemplo: ventas y publicidad (sin tiempo)
Variable dependiente Variable independiente
Pendiente Corte con el eje Y
^
Modelo de Previsin Causal
a travs de la regresin lineal
_____________________________
86
Modelo de regresin lineal
Y
X
Y
a
i
^
i i
b X
i
= Error
Error
Valor observado
Y a b X =
Lnea de tendencia
_____________________________
87
Suposiciones de los mnimos cuadrados
Se supone que la relacin es lineal. Primero
trace los datos, si existe relacin en curva,
utilice el anlisis curvilineal.
Se supone que la relacin slo se sustenta
dentro o justo fuera del campo de datos. No
trate de predecir periodos de tiempo lejanos
al campo de la base de datos.
Se supone que las desviaciones que rodean
a la lnea de los mnimos cuadrados son
aleatorias.
_____________________________
88
Transformacin de variables para linearizar
0 Y Y =
0
X Y log + =
X Y log log + =
X Y + = log
X
Y
+ =
1
_____________________________
89
Criterios para determinar la mejor lnea
La mejor lnea es aquella que minimiza la suma de todos
los errores
La mejor lnea es aquella que minimiza la suma de los
valores absolutos de los errores
La mejor lnea es aquella que minimiza la suma de los
cuadrados de los errores
=

n
i
i i
Y Y
1
)
( min
=

n
i
i i
Y Y
1
min
2
1
)
( min
=

n
i
i i
Y Y
_____________________________
90
Minimizacin de los cuadrados
( ) [ ]
2
1
min
=
+
n
i
i i
X Y
( ) [ ] 0
2
1
= +
=
n
i
i i
X Y
( ) [ ] 0
2
1
= +
=
n
i
i i
X Y
( ) 0
1
=
=
n
i
i i
X Y ( ) 0
1
=
=
n
i
i i i
X Y X
X Y
=
=
=
n
i
i
n
i
i i
X n X
Y X n Y X
1
2
2
1
Resolviendo:
_____________________________
91
Ecuaciones de regresin lineal
Ecuacin:
i i
bx a Y
+ =
Pendiente:
2 2
1 =
1 =

=
x n x
y x n y x
b
i
n
i
i i
n
i
Corte con el eje Y:
x b y a =
_____________________________
92
Tabla de clculo
X
i
Y
i
X
i
2
Y
i
2
X
i
Y
i
X
1
Y
1
X
1
2
Y
1
2
X
1
Y
1
X
2
Y
2
X
2
2
Y
2
2
X
2
Y
2
: : : : :
X
n
Y
n
X
n
2
Y
n
2
X
n
Y
n
X
i
Y
i
X
i
2
Y
i
2
X
i
Y
i
_____________________________
93
Interpretacin de los coeficientes
Pendiente (b):
El clculo de Yvara en bcada unidad extra en X.
Si b= 2, entonces las ventas (Y) aumentarn en 2 por cada
unidad extra en publicidad (X).
Corte con el eje Y (a):
Valor medio de Ycuando X= 0.
Si a= 4, entonces las ventas medias (Y) sern de 4 cuando
la publicidad (X) sea 0.
_____________________________
94
Variacin de los errores aleatorios
Variacin del Yreal a partir del Y predecido.
Se mide mediante el error estndar de la
estimacin:
Muestra los errores de la desviacin estndar
Es una medida de la variabilidad alrededor de la lnea
de regresin.
S
Y,X
Refleja la precisin de la prediccin.
_____________________________
95
Medidas de Eficiencia de la Estimacin
Error Estndar del Estimado
Es una medida del error en que se incurre al emplear en
lugar del Yverdadero
Y
( )
( ) 1
1
2
+
=

=
k n
Y Y
S
n
i
i i
K = no. de variables independientes
N-(k+1) = no. de grados de libertad
El 95% de las observaciones caer entre ms o menos 2S a
cada lado de la lnea de regresin
_____________________________
96
Error estndar del estimado
El libro utiliza el
smbolo Y
c
( )
2

=
2
1 = 1 = 1 =
2
1 =
2
n
y x b y a y

n
y y
S
n
i
n
i
i i i
n
i
i
n
i
i i
x , y
Ecuacin cuando k=1 (una sola variable independiente)
_____________________________
97
Correlacin
Respuestas: qu intensidad tiene la relacin
lineal entre las variables?
El coeficiente de correlacin se identifica
normalmente como r o R.
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.
_____________________________
98
Coeficiente de Correlacin
Es una medida de la asociacin entre las variables aleatorias X e Y
y x
xy
y x
S S
S
S S
Y ianzaX Co
R = =
, var
( )( )
n
Y Y X X
S
i i
xy

=
( )
n
X X
S
i
x

=
2
( )
n
Y Y
S
i
y

=
2
_____________________________
99
Fmula del coeficiente de correlacin
=

1 =
2
1 =
2
1 =
2
1 =
2
1 = 1 = 1 =
n
i
n
i
i i
n
i
n
i
i i
n
i
n
i
n
i
i i i i
y y n x x n
y x y x n
r
_____________________________
100
Valores del coeficiente de correlacin
-1,0 +1,0 0
Correlacin
positiva
perfecta
Aumento de la correlacin
negativa
-0,5 +0,5
Correlacin
negativa
perfecta
Sin correlacin
Aumento de la
correlacin positiva
_____________________________
101
Coeficiente de correlacin y modelo de
regresin
r = 1 r = -1
r = 0,89 r = 0
Y
X
Y
i
= a + b X
i
^
Y
X
Y
X
Y
X
Y
i
= a + b X
i
^
Y
i
= a + b X
i
^
Y
i
= a + b X
i
^
_____________________________
102
Coeficiente de Determinacin
Es la tasa de la suma de los cuadrados explicada por la regresin y
la suma total de los cuadrados
( ) ( )
( )

=
2
2
2
2
Y Y
Y Y Y Y
R
i
i i i
_____________________________
103
Anlisis de Regresin Mltiple
Modelo con varias variables independientes en
lugar de una sola.
Y X
1
i i
=
+ a b
Variable dependiente Variables independientes
^
X
2
i
+ c
_____________________________
104
Anlisis de Regresin Mltiple
Elaboracin de un modelo lineal:
1. Examinar la relacin entre cada variable dependiente y la
variable independiente con el fin de detectar no linearidades.
2. Linearizar toda relacin no lineal encontrada, mediante
transformacin de variables.
3. Determinar la matriz de correlacin simple
4. En dicha matriz, detectar:
a) Variables independientes que tengan una asociacin
estadstica con la variable dependiente
b) Dependencia entre variables dependientes
5. Estimar los parmetros y medidas de eficiencia de las
ecuaciones de regresin potenciales
6. Analizar los resultados encontrados
_____________________________
105
Gua para elegir el modelo de pronstico
En el pronstico quiere lograr:
Ninguna conducta o direccin del error de pronstico.
Error = (Y
i
- Y
i
) = (Real - pronstico).
Se observa en las representaciones de los errores a lo largo
del tiempo.
Un error de pronstico ms pequeo:
Error cuadrado medio (ECM).
Desviacin absoluta media (DAM).
^
_____________________________
106
Conducta del error de pronstico
Tendencia no totalmente
justificada Conducta deseada
Tiempo (aos)
Error
0
Tiempo (aos)
Error
Error
0
0
_____________________________
107
Ecuaciones del error de pronstico
Error cuadrado medio (ECM):
Desviacin absoluta media (DAM):
n
1 i
2
i i
n
2
n
) y (y
ECM

=

=
=

n
| errores de pronstico
|
n
| y y |
DAM
n
i
i i

=
1 =
_____________________________
108
Ejemplo de seleccin del modelo de
pronstico
Usted es el analista de marketing de Shu-Q-To. Ha previsto las ventas
con un modelo lineal y suavizamiento exponencial. Qu modelo
usar?
Ventas pronstico del pronstico del
Suavizamiento
Ao reales modelo lineal exponencial (0,9)
1999 1 0,6 1,0
2000 1 1,3 1,0
2001 2 2,0 1,9
2002 2 2,7 2,0
2003 4 3,4 3,8
_____________________________
109
Evaluacin del modelo lineal
Ao
^
Y
i
Y
i
^
1999 1 0,6 0,4 0,16 0,4
2000 1 1,3 -0,3 0,09 0,3
2001 2 2,0 0,0 0,00 0,0
2002 2 2,7 -0,7 0,49 0,7
2003 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error
2
/ n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
Error Error
2
|Error|
_____________________________
110
Evaluacin del modelo de Suavizamiento
exponencial
Year Y
i
Y
i
1999 1 1,0 0,0 0,00 0,0
2000 1 1,0 0,0 0,00 0,0
2001 2 1,9 0,1 0,01 0,1
2002 2 2,0 0,0 0,00 0,0
2003 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
^
ECM = Error
2
/ n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
Error Error
2
|Error|
_____________________________
111
Evaluacin del modelo de Suavizamiento
exponencial
Modelo lineal:
ECM = Error
2
/ n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
Modelo de Suavizamiento exponencial:
ECM = Error
2
/ n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
_____________________________
112
Seal de rastreo
Mide el grado de precisin del Pronstico
para predecir valores reales.
Suma actual de los errores de pronstico
(SAEP) dividida entre la desviacin absoluta
media (DAM):
Una buena seal de rastreo tiene valores bajos.
Debe estar dentro de los lmites de control
superiores e inferiores.
_____________________________
113
Ecuacin de la seal de rastreo
DAM
SAEP
Seal de rastreo =
( )
DAM
y y
n
i
i i

1 =
=
DAM
=
_____________________________
114
Clculo de la seal de rastreo
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error|
|Error|
acumulado acumulado
Trim. Trim.
_____________________________
115
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
Error = Real - pronstico
= 90 - 100 = -10
= 90 - 100 = -10
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
acumulado acumulado
Trim. Trim.
|Error| |Error|
_____________________________
116
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6 100 140
-
-
10
10
-
-
10
10
SAEP = Errores
= ND + (-10) = -10
SAEP = Errores
= ND + (-10) = -10
Trim. Trim. Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
_____________________________
117
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
Error absoluto = |Error|
= |-10| = 10
= |-10| = 10
Trim. Trim.
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
_____________________________
118
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
|Error| acumulado = |Errores|
= NA + 10 = 10
|Error| acumulado = |Errores|
= NA + 10 = 10
Trim. Trim.
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
_____________________________
119
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
DAM = |Errores|/n
= 10/1 = 10
DAM = |Errores|/n
= 10/1 = 10
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
_____________________________
120
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
SR = SAEP/DAM
= -10/10 = -1
SR = SAEP/DAM
= -10/10 = -1
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
_____________________________
121
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
= 95 - 100 = -5
= 95 - 100 = -5
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
real real absoluto absoluto
acumulado acumulado
|Error| |Error|
Trim. Trim.
_____________________________
122
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
-
-
15
15
SAEP = Errores
= (-10) + (-5) = -15
SAEP = Errores
= (-10) + (-5) = -15
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
acumulado acumulado
|Error| |Error|
Trim. Trim.
_____________________________
123
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
-
-
15
15
5
5
= |-5| = 5
= |-5| = 5
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
acumulado acumulado
Trim. Trim. |Error| |Error|
_____________________________
124
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
-
-
15
15
5
5
15
15
Error acumulado = |Errores|
= 10 + 5 = 15
Error acumulado = |Errores|
= 10 + 5 = 15
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
acumulado acumulado
|Error| |Error|
Trim. Trim.
_____________________________
125
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
-
-
15
15
5
5
15
15
7,5
7,5
DAM = |Errores|/n
= 15/2 = 7,5
DAM = |Errores|/n
= 15/2 = 7,5
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
acumulado acumulado
Trim. Trim.
|Error| |Error|
_____________________________
126
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-
-
10
10
-
-
10
10
10
10
10
10
10,0
10,0
-
-
1
1
-
-
5
5
-
-
15
15
5
5
15
15
7,5
7,5
-
-
2
2
SR = SAEP/DAM
= -15/7,5 = -2
SR = SAEP/DAM
= -15/7,5 = -2
Demanda Demanda
Error
Error
SAEP
SAEP Error
Error
DAM
DAM
SR
SR
prevista prevista
Demanda Demanda
acumulado acumulado
|Error| |Error|
Trim. Trim.
_____________________________
127
Representacin de una seal de rastreo
Tiempo
Lmite de control inferior
Lmite de control superior
Seal que supera el lmite
Seal de rastreo
Intervalo aceptable
S
e
a
l
d
e

R
a
s
t
r
e
o
+
0
-
_____________________________
128
Seales de rastreo
0
20
40
60
80
100
120
140
160
0 1 2 3 4 5 6 7
Tiempo
D
e
m
a
n
d
a

r
e
a
l
-3
-2
-1
0
1
2
3
S
e
a
l

d
e

r
a
s
t
r
e
o
Seal de rastreo
pronstico
Demanda real

Pronos Ticos

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Pronos Ticos

Uploaded by

Copyright:

Available Formats

_____________________________

(ponderacin para el periodo

You might also like