LOGO

ADMINISTRACIN DE
OPERACIONES II
Dra.C. Grether Luca Real Prez
Profesora auxiliar
Universidad Matanzas, CUBA

ESCUELA SUPERIOR
POLITCNICA AGROPECUARIA
DE MANAB MANUEL FLIX
LPEZ
Ecuador, Calceta, 2012
Temtica: La previsin de la demanda
Tcnicas para realizar los
pronsticos.
MTODOS CUANTITATIVOS

Objetivos
Conocer los mtodos cuantitativos
para el pronstico de la demanda
Bibliografa
Bibliografa Bsica:
Schroeder, R. (1992) Administracin de
Operaciones Cap. 3 Pg. 52
Chase Richard B., Nicholas J. Aquilano (2006)
Administracin de la produccin y operaciones.
Manufactura y servicios. Octava edicin. Mc.
Graw Hill Mxico. Pg. 494

PRONOSTICAR
Es el arte y la ciencia de
predecir los eventos en el
futuro.

Schroder, 1992
la historia es una buena
maestra, la historia se repite,
el mejor profeta del futuro es el
pasado (Lord Byron).
Recordemos:
En que momentos en la empresa,
debemos usar datos de pronsticos?
Entorno altamente incierto
La intuicin no necesariamente da los
mejores resultados
Mejorar la planeacin
Competitividad y cambio

Necesidad de pronosticar
1. Recopilacin de datos
2. Reduccin o condensacin de
datos
3. Construccin del modelo
4. Extrapolacin del modelo

Pasos de la elaboracin de pronsticos
Exploracin de patrones de datos.
Recopilacin
Se requieren suficientes datos
histricos
Se apoyan en la suposicin de que
el pasado puede extenderse hacia el
futuro
Las tcnicas cuantitativas pueden
ser:


Estadsticas Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones
Determinsticas Son de tipo causal,
establecen relacin entre
la variable a pronosticar y
otras variables
SERIES DE
TIEMPO
Componentes de series de tiempo:
Una serie de tiempo consta de
datos que se renen, registran u
observan sobre incrementos
sucesivos de tiempo.
Se requiere un enfoque sistemtico
para analizarlas.
Descomposicin clsica de series de
tiempo:
Componente Descripcin
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminucin
en la serie sobre un perodo amplio.
Cclico Es la fluctuacin en forma de onda
alrededor de la tendencia.
Estacional Es un patrn de cambio que se repite a
s mismo ao tras ao.
Aleatorio Mide la variabilidad de las series de
tiempo despus de retirar los otros
componentes.
Ejemplos
Estacionalidad
Tendencia
4. Seleccin de una tcnica de
pronstico: Datos estacionarios
Las fuerzas que generan la serie se han estabi-
lizado y el medio permanece relativamente sin
cambios.
Se puede lograr la estabilidad haciendo
correcciones sencillas a factores como
crecimiento de la poblacin o la inflacin.
La serie se puede transformar en una serie
estable.
4. Seleccin de una tcnica de
pronstico: Datos con tendencia
Productividad creciente y nueva
tecnologa producen cambios.
El incremento de la poblacin elevan la
demanda por productos.
El poder de compra se afecta por la
inflacin.
Aumenta la aceptacin en el mercado de
un producto.
4. Seleccin de una tcnica de
pronstico: Datos con estacionalidad
El clima influye en la variable de
inters.
El ao calendario influye en la
variable.
4. Seleccin de una tcnica de
pronstico: Series cclicas
El ciclo del negocio influye sobre la
variable.
Cambios en el gusto popular.
Cambios en la poblacin.
Cambios en el ciclo de vida del
producto.
Cmo determinamos los
errores en los pronsticos?
5. Medicin del error en el pronstico
Para fijar inventarios o capacidad de seguridad y
garantizar as el nivel deseado de proteccin contra
la falta de inventarios.
Para observar indicadores de demandas errticas
que deben evaluarse con cuidado y quizs eliminar.
Para determinar cundo el mtodo de pronstico ya
no representa la demanda actual.
5. Medicin del error en el pronstico
Periodo, t Yt Pronstico, Yt
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
9 70 63
5. Frmulas de medicin del error en
el pronstico
t t t
t t
t
Y Y e
residual o pronstico del Error
Y para pronstico del valor Y
t periodo el en tiempo de serie una de valor Y

=
=
=
MODO BSICO DE ESTIMAR ERROR
PRONSTICO
5. Frmulas de medicin del error en
el pronstico
Error: Sesgo (BIAS) Error Promedio
La base para la determinacin
de todos los errores
Se basa en determinar la diferencia entre
los valores reales y los estimados para
perodos pasados.
valor positivo
se estn haciendo
sobre-estimaciones
se estn haciendo
sub-estimaciones
valor negativo
n
Y Y
B
n
1 t
t
t
=
A
|
.
|

\
|

=
5. Frmulas de medicin del error en
el pronstico
Error: Sesgo (BIAS) Error Promedio
n
Y Y
B
n
1 t
t
t
=
A
|
.
|

\
|

=
Su principal utilizacin est dada en modificar el pronstico
realizado, ya que si resulta conocido que un modelo dado
est incidiendo en un valor BIAS de error como promedio, lo
ms lgico resultar eliminarlo.
Veremos, cmo otros mtodos para clculo de
errores obtienen valores absolutos o elevan al
cuadrado, lo que elimina el conocimiento de si, se
estn cometiendo errores por exceso o por
defecto, es decir, no se diferencia si se est
usando un modelo que subestima o sobrestima los
valores al realizar el pronstico.

5. Frmulas de medicin del error en
el pronstico
n
Y Y
DAM
media absoluta Desviacin
n
t
t t

=

=
1

:
Halla la media de las desviaciones absolutas de las
previsiones respecto a los valores reales. Esta medida
penaliza de igual modo los errores grandes que los
pequeos
MAD (Mean Absolute Deviation)
5. Frmulas de medicin del error en
el pronstico
n
Y Y
DAM
media absoluta Desviacin
n
t
t t

=

=
1

:
Schroeder, plantea como un uso del
DAM, el hecho de determinar s el
pronstico esta acorde con los valores
reales de la serie.
Para determinar esto, se calcula una seal
de rastreo (SR)
DAM
SR
Rastreo de Seal
pronstico del desviacin la de acumulada Suma
:
=
SR: Tracking Signal
5. Frmulas de medicin del error en
el pronstico
La seal de rastreo es, por lo tanto, un clculo de la
tendencia en el numerador, dividida entre la estimacin
ms reciente de DAM.

Si se supone que las variaciones en la demanda son
aleatorias, entonces los lmites de control de 6 en la
SR aseguraran que slo en una probabilidad mxima del
3% dichos lmites sern excedidos por casualidad. De
esta manera, cuando la SR pasa de 6, debe detenerse el
mtodo de pronstico y volver a observar la demanda y
estimarla de manera ms exacta.
Ejemplo del grfico con valores
de SR
Importancia de la determinacin
del error
En los sistemas de pronsticos
computarizados resulta
extremadamente importante incorporar
controles de error del tipo antes
estudiado. Esto asegurar que el
sistema no salga de control y en caso
de ocurrir, se lo notifica al usuario.

Otros tipos de errores
( )
n
Y Y
EMC
cuadrado medio Error
n
t
t t
=

=
1
2

n
Y
Y Y
PEMA
absoluto medio error de Porcentaje
n
t
t
t t

=
1

( )
n
Y
Y Y
PME
error de medio Porcentaje
n
t
t
t

=
1

:
MSE (Mean Square Error
MAPE: Mean Absolute Percent Error
menor grado de utilizacin
Desviacin estndar
Desviacin estndar: Una forma de tener
presente las desviaciones, consiste en definir un
intervalo alrededor del valor estimado, dentro
del cual deber estar el valor futuro, con una
cierta seguridad (o fuera del cual pueda
encontrarse el valor futuro en pocas ocasiones).
Companys Pascual (1990)

( )
2 - n
Y - Y
=
n
1 = t
2
t

Desviacin estndar
Lo que permitir decir que si la serie histrica se
comporta segn una distribucin normal, los
valores futuros estarn en determinado porcentaje
en la zona delimitada por los lmites de los
diferentes mltiplos de

Conclusin
El estado del arte en el tema, coincide en
seleccionar el mejor mtodo para el clculo de
la tendencia, aquel que posea asociado el
menor valor del DAM y que cumpla con los
lmites fijados par SR. En estudios de alto
riesgo, la seleccin deber realizarse en funcin
del menor valor para el EMC y cumplir con lo
establecido para , al ser criterios ms
rigurosos.




Muchas Gracias!!!