Professional Documents
Culture Documents
PRODUCCION
PRONOSTICOS
Ing. José Manuel García Pantigozo
2010 I
1
¿QUÉ ES PRONOSTICAR?
Ingreso: Estimación
Métodos de
Mercado, de la
Pronóstico
Economía, demanda
Otros
Pronóstico Equipo de
de Ventas Administración
Estrategia Pronóstico de
de Negocios Recursos de Producción 5
EJEMPLOS DE PRONÓSTICOS DE
RECURSOS DE PRODUCCIÓN
8
TIPOS DE
PRONÓSTICOS
• Económicos
• Tecnológicos
• De demanda
9
PRONOSTICOS ECONOMICOS
• Pronostican la probabilidad y
el significado de posibles
desarrollos futuros.Indican la
dirección de los cambios
tecnológicos y la tasa de
cambios esperada.
PRONOSTICOS DE LA DEMANDA
• Las predicciones de
demanda pronostican la
cantidad y la duración
de la demanda de los
bienes y servicios de
una empresa.
ENFOQUES PARA PRONOSTICAR
• Pronósticos Cualitativos
• Pronósticos
Cuantitativos
13
ENFOQUES CUALITATIVOS PARA
PRONOSTICAR LA DEMANDA
METODO DELPHI
• Este método involucra a un grupo de
expertos que comparten información y
eventualmente llegan a un consenso
en una predicción a largo plazo con
respecto a las tecnología del futuro o a
las ventas futuras de un nuevo
producto
FUERZA DE VENTAS
• En muchas compañías la fuerza de ventas
entra en contacto directo con los clientes lo
cual constituye una buena fuente de
información que considera las intenciones de
los clientes a corto y a mediano plazos.
ENCUESTA A LOS CLIENTES
• Una empresa también puede basar sus
predicciones en los planes establecidos de
compras futuras de sus clientes actuales y
otenciales mediante una encuesta a sus
clientes .Esta información puede obtenerse
directamente por medio de encuestas
personales, por teléfono, correo o fax.
ENFOQUES CUANTITATIVOS PARA
PRONOSTICAR LA DEMANDA
Tendencia Cíclica
Estacional Aleatori
o
19
METODOS CUANTITATIVOS
Método
Cuantitativo
Modelos Modelos
Serie de Causales
Tiempos
21
TENDENCIAS
• Las tendencias reflejan los cambios en
la tecnología, los estándares de vida,
los índices de población ,etc..
• DEFINICION: Una tendencia es el
movimiento gradual hacia arriba o
hacia debajo de los datos en el tiempo.
• Las tendencias son monótonas , pero
no siempre lineales;pueden ser
logarítmica o exponenciales.
ESTACIONALIDAD
• Las variaciones de temporada
pueden corresponder a las
estaciones del año, a los días
festivos o a diferentes momentos
del día o la semana.
• DEFINICION: La temporada es la
variación que se repite a intervalos
fijos. Pueden durar un año o solo
unas pocas horas.
ESTACIONALIDAD
Año Trimestre 4
Año Mes 12
Year Semana 52
Mes Semana 4
Mes Dia 28-31
Semana Dia 7
24
VARIACIONES CICLICAS
27
MODELOS DE SERIE DE TIEMPO
Ventas
8 Actual
6
4 Pronóstic
2 o
0
93 94 95 96 97 98
Año
33
PROMEDIO MOVIL PONDERADO
35
MODELOS DE SUAVIZADO
EXPONENCIAL
36
MODELOS DE SUAVIZADO
• Los modelos de suavización, como el promedio de
desplazamiento simple y la suavización exponencial,
pueden proporcionar predicciones razonables a
corto plazo con rapidez y a bajo costo.
• Suavización exponencial:
38
EJEMPLO DE SUAVIZADO EXPONENCIAL
Ventas
190 Actual
180
170 Pronóstico
160
150
140
03 04 05 06 07 08
Año
48
DESVIACIÓN MEDIA ABSOLUTA
(MAD)
i =1
Demanda actual- Demanda pronosticada
MAD =
n
49
SUAVIZADO EXPONENCIAL CON
TENDENCIA
b = (Σxy-nxy) a = y - bx
(Σx2 – nx2)
Donde:
t = número de períodos siguientes al período base.
Ft = demanda estimada para el período t
a = demanda para el periodo base.
b = pendiente de la línea de tendencia.
PROYECCIONES DE TEMPORADA
54
ANALISIS DE REGRESION LINEAL
55
GRAFICO DE REGRESION LINEAL
Ventas
Ventas Vs Tiempo
4
3
2
1
0
92 93 94 95 96
Tiempo
57
ANALISIS DE REGRESION LINEAL
Equación: Ŷi a bx i
n
x i y i nx y
Constante: b i n
x i n x
i
Y-Intercepta: a y bx
58
TABLA DE REGRESION LINEAL
2 2
Xi Yi Xi Yi XiYi
2 2
X1 Y1 X1 Y1 X1Y1
2 2
X2 Y2 X2 Y2 X2Y2
: : : : :
2 2
Xn Yn Xn Yn XnYn
2 2
Xi Yi Xi Yi XiYi
59
EJEMPLO DE REGRESION LINEAL
Ud. Tiene que hacer un análisis de mercado para
producir y vender un osito de la cadena Hasbro Toys.
Ud. Tirene los siguientes datos:
Años Ventas (Miles de Unidades)
1992 1
1993 1
1994 2
1995 2
1996 4
¿Cuál es la tendencia de la ecuación?
60
EJEMPLO DE REGRESION LINEAL
61
DESVIACIÓN MEDIA ABSOLUTA
(MAD)
i =1
Demanda actual- Demanda pronosticada
MAD =
n
62
ERROR ESTANDAR ESTIMADO (MSE)
Donde:
y = el valor de y para cada punto de dato.
yc = el valor calculado para la variable dependiente
a partir de la ecuación de regresión.
n = el número de puntos de datos
63
APLICACIONES DE REGRESION
64