You are on page 1of 21

Unidad I: Los Pronósticos

Objetivo:

 Aplicar algunos modelos de pronósticos de la demanda, que permitan insumos
para la toma de decisiones asociadas a los sistemas productivos en el mediano y
corto plazo.

Contenido:

1. Definición e importancia de los pronósticos en producción.
2. Modelos de Pronósticos por Series de Tiempo.
3. Criterios de selección del Modelo de Pronóstico.
4. Ejercicios de Pronósticos por Serie de Tiempo.

1. Definición e importancia de los pronósticos en producción

En nuestra vida, para muchas actividades que realizamos, hemos utilizado el concepto de
pronóstico, es así, cuando vamos a salir de nuestra casa y observamos que el cielo está
nublado o la temperatura es relativamente alta, nos hemos hecho inevitablemente la
pregunta si lloverá o no para los efectos de adoptar las medidas preventivas
correspondientes y reducir las posibilidades de mojarnos.

Si hemos estado en el campo, nos habremos percatado que para poder asegurar la
siembra nuestros campesinos valoran las posibilidades de lluvia con el fin de asegurar el
momento oportuno de la siembra y con ello obtener relativa certeza de los frutos que
obtendrán tanto de su actividad como de la madre tierra
En los periódicos y noticieros radiales y televisivos, a diario nos están informando el
pronóstico del tiempo para el día siguiente. Esta información es valiosa para distintas
actividades que son realizadas en el país.

Si revisamos la Biblia nos encontramos en el antiguo Egipto donde el Faraón tuvo un
sueño relacionado a siete vacas gordas y siete vacas flacas, el cual fue interpretado por
Josué. El Faraón consideró lo que Josué sugirió y tomó medidas, como fue guardar
granos durante siete años de bonanza para poder enfrentar los siete años de escasez.
Qué hubiese sucedido sino se interpreta y toman medidas adecuadas en el antiguo
Egipto?

Por qué son importantes los pronósticos?

Porque nos permite hacer buenas estimaciones.

A diario los administradores toman decisiones sin saber qué sucederá en el futuro. El
inventario se ordena sin una certeza de lo que serán las ventas; el equipo nuevo se
compra a pesar de la incertidumbre sobre la demanda de los productos; y las inversiones
se hacen sin saber cuál será la rentabilidad. Los administradores siempre están tratando

de hacer mejores estimaciones acerca de lo que sucederá en el futuro al afrontar la
incertidumbre.

Pues bien, en las operaciones resultan valiosas las informaciones que se puedan obtener
de los acontecimientos que puedan ocurrir en un futuro, con el propósito de tomar una
serie de decisiones y medidas, ya sea para aprovechar y/o enfrentar de una mejor manera
esos acontecimientos y más aquellos que tengan que ver con la actividad específica que
realiza una empresa.

Las empresas de cualquier tamaño están interesadas en conocer que va a suceder
mañana, en la próxima semana, en el próximo mes, año y hasta en los próximos 5 ó 10
años; ellos están siempre enfrentados al futuro y por ello invierten recursos tanto
materiales, financieros y humanos para poder tener una apreciación de ese futuro.
Evidentemente ese futuro no puede determinarse con exactitud, pero por lo menos les
permite como decimos en el lenguaje popular tener un norte que guíe una serie de
acciones a realizar. Esto último es mejor que, no tener absolutamente nada.

Nosotros en el presente material, estaremos refiriéndonos al término pronosticar, aunque
se conozca otra acepción parecida que se denomina predecir, esta última no debe
considerarse como la existencia de la bola de vidrio, “mágica”, o que se asocie a “brujería”
para lo cual:

Definimos:

Pronosticar: proceso que permite estimar un evento futuro analizando datos del pasado
que se combinan sistemáticamente en forma predeterminada para obtener un estimado
futuro.

Predecir: proceso que permite estimar un evento futuro basándose en datos del pasado y
en consideraciones subjetivas y que no necesitan combinarse en forma predeterminada.

Observemos:

Las dos definiciones permiten estimar un evento futuro y tomar en cuenta los datos del
pasado, en una de ellas esos datos se combinan sistemáticamente en forma
predeterminada, es decir como que se le asocia un tipo de modelo matemático o que la
relación de los datos del pasado condicionan el estimativo del futuro.

En la otra definición se establece que no necesariamente la combinación de los datos del
pasado se combinan en forma predeterminada, es decir no existe la posibilidad o es muy
poco de establecer un modelo matemático o una relación entre los datos del pasado para
estimar el futuro y para ello se realizan consideraciones subjetivas que pueden estar
asociadas al dueño de la empresa, al Gerente, al equipo de planificación y/o a expertos
que se contraten para que emitan juicios, incluso corazonadas que pueden o no estar
asociados a su experiencia o a la experiencia de negocios parecidos o análogos.

Evidentemente como hemos planteado, la apreciación del futuro no puede ser
determinada exactamente por medio de modelos matemáticos y es por esa razón que en

además de la naturaleza del proceso que implica la elaboración del mismo. su experiencia.la práctica el buen juicio (aunque éste sea subjetivo) debe estar presente en la elaboración de los pronósticos.  Los datos del pasado no resultan confiables como indicadores de las condiciones del futuro. . ¿Cómo se pueden clasificar los métodos de pronósticos? Los métodos de pronóstico se clasifican según el siguiente cuadro sinóptico en: CUALITATIVOS CAUSALES CUANTITAVOS SERIES DE TIEMPO ¿Cuándo se utilizan los métodos cualitativos ? Se utilizan cuando:  No se dispone de una base de datos históricos. podemos relacionar los conceptos a los modelos que se aplican para los pronósticos. En alguna medida.  Se requiere introducir nuevos productos. ¿Qué requieren los métodos cualitativos? Los métodos cualitativos requieren el juicio de los Gerentes. algunos datos relevantes y quizás la utilización de un modelo matemático implícito.

pero lo fundamental para la Administración de Operaciones lo constituye “La Demanda de la Producción”. desarrollan un modelo de causa-efecto entre algunas variables (causales) que influencian la demanda (efecto). ¿Cuándo se utilizan los métodos cuantitativos?  Los datos del pasado y los patrones de datos son indicadores confiables para predecir el futuro. Algunos de estos modelos (los más sencillos) se estudiarán en esta unidad. principalmente. y algunos de estos modelos son: Delphi.  En el caso de los métodos por serie de tiempo se utilizan para hacer análisis detallados de los patrones de la demanda en el pasado y proyectar estos patrones al futuro. Algunos de estos modelos son utilizados en Economía e Investigación de Mercado (modelos econométricos). .La aplicación de los métodos cualitativos está asociada a la necesidad de elaborar pronósticos de la demanda en el largo plazo. construcción de escenarios. La tabla siguiente ilustra la aplicación de los métodos de pronósticos para algunas de las decisiones en operaciones: Decisión requerida Horizonte Exactitud Número de Nivel Método de de tiempo necesaria productos gerencial pronóstico a involucrado utilizar Diseño del proceso Largo Media Uno ó Alto Cualitativas y pocos Causales Planeación de la Largo Media Uno ó Alto Cualitativas y capacidad de las pocos Causales instalaciones Planeación Mediano Alta Pocos Mediano Causales y agregada series de tiempo Programación Corto la más Muchos Más bajo Series de alta tiempo Administración de Corto la más Muchos Más bajo Series de Inventarios alta tiempo Pero: ¿Qué es lo que se pronostica en Administración de Operaciones? Existen muchas cosas que pueden interesar a las empresas al momento de pronosticar.  En el caso de los métodos causales. Estos modelos pueden hacer uso de un modelo explícito. etc. ciclos y error. suponen que la demanda se puede dividir en componentes como nivel promedio. estacionalidad. tendencia.

. Se utiliza para planear las compras.  Expectativas de los cambios de precios.  Gustos y preferencias de los consumidores. etc. programación de planta. Puede ser horas.¿Porqué razón estarán interesadas las empresas en estimar la demanda de producción en un futuro? Recordemos lo que estudiamos en la asignatura de producción I. Puede ser meses y hasta dos años como máximo. generalmente con un lapso de tres meses a dos años. debemos de relacionarla con la velocidad de la demanda que el mercado nos exige con el propósito de que optimicemos los recursos que nuestra inversión necesita para poder atender la demanda que se nos plantea por parte de los consumidores.  Ingreso de los consumidores. Si tuviésemos que decidir sobre la capacidad (velocidad) de producción de una instalación.  Gastos publicitarios.? Los factores que afectan a la demanda pueden ser:  Precio del producto / servicio. así como en la investigación y desarrollo. presupuestos de efectivo. niveles de fuerza laboral. Puede usted señalar otros factores. o intermedio. ¿Cuáles? Nos interesa también establecer la clasificación de los pronósticos en función del tiempo. localización de instalaciones o su expansión. semanas y hasta meses. asignaciones de trabajo y niveles de producción. Determinar el producto y los mercados geográficos en los que la empresa puede obtener los rendimientos más elevados. desembolsos de capital. ¿Cómo se clasifican los pronósticos en relación al tiempo futuro que describen?  Pronóstico a corto plazo: Tiene un lapso de hasta un año. Se utilizan para planear nuevos productos. planeación de ventas.  Precio de los bienes competitivos.  Pronóstico a largo plazo: Generalmente con lapso de dos o más años. días. Recordemos de Macroeconomía: ¿Qué factores afectan la demanda.  Pronóstico a mediano plazo: Un pronóstico de rango mediano. ¿Qué se persigue al pronosticar en las empresas? 1.  Crecimiento poblacional. y el análisis de varios planes de operación. Es valioso en la planeación de producción y presupuestos. pero es generalmente menor a tres meses. esto es de importancia para valorar las decisiones.

¿Por qué se realizan los pronósticos en operaciones?  Son un componente importante tanto de la Planeación Estratégica como de la operacional. Permiten programar el trabajo en las operaciones intermitentes y continuas. suavizado exponencial de primer orden y recordaremos la regresión lineal. tales son: la desviación media absoluta y el sesgo. a) Promedio Simple (PS): Este modelo establece un promedio de los datos del pasado en el cual las demandas de todos los períodos anteriores tienen el mismo peso relativo. media móvil ponderada. bajo diferentes condiciones de precios.2. Permiten diseñar y planear el sistema productivo a la luz del conocimiento de la demanda. la mano de obra. en los precios de las materias primas. así como dos indicadores para apreciar el error en los modelos. 1. la producción. Establecer el costo de elaboración de diferentes niveles de producción. Modelos de pronósticos por series de tiempo útiles para las operaciones En esta parte estudiaremos brevemente cinco modelos de pronósticos por serie de tiempo. de competencia y de niveles generales de actividad económica. Establecer el grado de demanda en estos mercados. Éstos son: promedio simple. Son un insumo para la toma de decisiones sobre diseño del proceso. media móvil simple. Conviene tener claro que estos modelos no son los únicos. planeación de la capacidad y determinación de los inventarios adecuados. de actividades promocionales. el que elevará el valor económico de la empresa. 4. bajo condiciones cambiantes en la tecnología. Decidir sobre el plan óptimo de operación. 2. en las tarifas salariales. la utilización de la maquinaria y los costos globales para la producción. 4. 3. Permiten decidir la mejor manera de controlar los inventarios. considerando la información obtenida de la demanda futura. 2. PS = Suma de la demanda de todos los períodos anteriores Número de períodos D  D2  D3    DK PS K 1  K . 3.

. Una vez que se establece el número de período recientes a ser empleado. c) Media Móvil Ponderada (MMP) Este modelo es una media móvil que incorpora un peso de la demanda real última. distinta de los pesos para el resto de demandas de períodos anteriores que se estén considerando. PS = representa el pronóstico para el período k+1 K+1 b) Media Móvil Simple (MMS): Este modelo combina los datos de la demanda real de una parte de los períodos recientes. . Dn: Demanda real más reciente en el período en n períodos.Donde Di. MMS: Pronóstico para el período siguiente. t = n es el período más reciente... razón por lo que se le denomina media. 3.. D: demanda real más antigua en el período de n períodos. siendo su promedio el pronóstico para el período siguiente. 2. K representa la Demanda Real obtenida en cada período y K = Número de Períodos que se observan de Demanda Real. i = 1. MMS = Suma de las demandas reales anteriores de los últimos n períodos Número de Períodos empleados en la media móvil n D1  D2    Dn MMS   i 1 n Donde t = 1 es el período más antiguo en el período de n períodos. n: número de períodos empleados en la media móvil. y al apreciar la estructura de la expresión para el cálculo en la realidad es una media de los datos obtenidos en el pasado inmediato. este se debe de mantener constante para los subsiguientes cálculos. razón por la que se le denomina móvil. Observar que como su nombre lo indica los cálculos de los pronósticos de cada período se irán estableciendo con datos más actuales y desechando los menos recientes.

n MMP   Ct Dt t 1 Donde: Ct: : Pesos específicos que multiplican el valor de la demanda real correspondiente. así como también la suma de todos los pesos específicos deben asegurar un valor igual a la unidad.0 Lo cual significa que los valores de C t deben tener valores que están en el rango entre cero y uno. Pronóstico Factor de la Factor del de la = última + último demanda demanda pronóstico del período real (más obtenido (más siguiente reciente) reciente) . intrínsicamente los pesos de los períodos sucesivamente anteriores decaen de una forma exponencial. C t 1 t  1. La ecuación para crear un pronóstico nuevo o actualizado utiliza dos fuentes de información: la demanda real para el período más reciente y el pronóstico más reciente que se ha calculado por este método. sumada a lo largo de todos los períodos en la media móvil que son considerados.MMP: Demanda Real de cada período por un peso determinado. el modelo de la MMP no podrá aplicarse. t =n : último dato de la media móvil. Dt: : Demanda Real obtenida en las observaciones de la media móvil. Si en un caso específico no se cumplen simultáneamente estas dos condiciones. t =1 : Primer dato de la media móvil. Los pesos específicos Ct deben cumplir con las condiciones necesarias siguientes: n 0  Ct  1. inclusive. d) Suavizado Exponencial de Primer Orden: Este modelo permite que los valores de la demanda real de los períodos más recientes reciban un peso mayor.0 .

9 Para nuevos productos. Los valores de a y b deben ser determinados por medio de las expresiones siguientes: . Ft  a  bX El pronóstico para la demanda estará dado por: Donde: Ft : pronóstico para el período t.4 . Una ventaja muy importante del suavizado exponencial es que requiere muy pocos datos históricos para su implementación y la actualización del pronóstico.Ft  Dt 1  1    Ft 1 Donde Ft : Pronóstico de la demanda del período siguiente Dt – 1 :Demanda real más reciente Ft.   0.1 . está asociado con las características del comportamiento de la demanda real. dado el valor de la variable x en el período. demanda dinámica e inestable.3 Para demanda muy estable. estableciéndose una relación funcional entre variables a partir de datos u observaciones obtenidos anteriormente por medio del establecimiento de una ecuación lineal que asegura ser la recta de menor error relativo por medio de los mínimos cuadrados. b : pendiente de la recta (coeficiente constante).   0.7 . La selección del coeficiente de suavización . e) Regresión Lineal: Este modelo establece una relación entre variables.0.0.0 para aplicar el método del Suavizado Exponencial.0.1 : Pronóstico de la demanda más reciente  : Factor o coeficiente de suavización t : Período que se requiere pronosticar t . a : coeficiente constante.1 : Periodo inmediato anterior (más reciente) Se debe cumplir con la condición de que 0    1. pudiéndose establecer los siguientes rangos para la selección de  :  0. es la ordenada al origen de la variable t.6 Para demanda ligeramente inestable.

a  D  b X t t n n  X t Dt     X t   Dt  b   n  Xt   Xt  2 2 Siendo: n : número de observaciones existentes (pares ordenados). Cuando se aplica un modelo de pronóstico es conveniente apreciar el nivel de error que ese modelo implica. Xt: valor numérico del período t. No se puede pronosticar dos o más períodos posteriores. En la medida que estas diferencias resultan menores. Los dos indicadores que estudiaremos (no son los únicos) son la Desviación Media Absoluta y el Sesgo. Nos interesa entonces que el error que se presente al pronosticar resulte ser lo más pequeño posible. El error en un método de pronóstico se asocia a la diferencia numérica entre la Demanda Real y la Demanda Pronosticada. a. con datos de dos o tres períodos atrás. el error resultará menor. Desviación Media Absoluta (DMA): La Desviación Media Absoluta expresa la dimensión pero no la dirección del error. Se define como: DMA: Suma de desviaciones absolutas de todos los períodos Número total de períodos evaluados . para así obtener la mayor cercanía entre la demanda pronosticada y la real. por lo tanto los cuatro primeros modelos se van aplicando paso a paso calculando el pronóstico para el siguiente período una vez obtenida la demanda real del período inmediato anterior del período que se desea pronosticar. Observar que para los primeros cuatro modelos que hemos visto se encuentra el pronóstico del período siguiente con base al último dato o información obtenida de demanda real. y ajustando paulatinamente los valores de a y b con base a los datos reales que se van obteniendo. Dt: valores de la demanda real en el período t. sin embargo se recomienda que al aplicarse este modelo. En el caso del último modelo de pronóstico (regresión lineal) se puede calcular el pronóstico de dos o más períodos por la vía de sustituir el valor del período y obtener el valor de pronóstico. en este sentido conviene ir alimentando con datos nuevos las demandas reales obtenidas. no se abuse considerando que el mismo lo puede todo.

Criterios de selección del modelo de pronóstico Básicamente son tres los criterios que se tienen en consideración para seleccionar un modelo de pronóstico. n Demanda Pr onosticada  Demanda Re al DMA   i i 1 n Observar que las barras internas al signo de  son signos de Valor Absoluto por lo que DMA será cero o siempre positivo. Sesgo = Suma de errores algebraicos para todos los períodos Número total de períodos evaluados n  Demanda Pr onosticada  Demanda Re al  i SESGO  i 1 n Observar que el sesgo puede ser positivo. entendiéndose esto como los datos abruptos entre un período a otro de dicha serie histórica. el que puede ser más útil para su aplicación. negativo o cero. la diferencia fundamental se asocia al valor absoluto de las desviaciones que son las que definen a la DMA y que se expresa en la fórmula con las barritas: . el cual depende del patrón de la demanda real que los datos históricos nos muestran. b. El valor de n corresponde al número de observaciones que se han comparado entre lo Real y lo Pronosticado. El primer criterio que puede asumirse está asociado a la selección del modelo. El segundo criterio que se tiene en consideración está asociado a la precisión del modelo de pronóstico particular. así como la longitud del período del pronóstico que se va aplicar. Observar también que las expresiones para calcular DMA y SESGO son en la práctica las mismas. 3. El sesgo El sesgo indica la tendencia direccional de los errores de predicción. en esto se debe buscar que el nivel de error en el método de pronóstico comparado con la serie histórica real sea el menor posible. para ello se puede . Se puede observar el comportamiento de los datos históricos de la serie y su nivel de variabilidad entre unos y otros y esto puede acercarse al comportamiento de los resultados de pronósticos de algún modelo específico que se compare con el comportamiento histórico real. Las empresas pueden asumir de entre una variedad de modelos. con ello se debe tener presente el nivel de ruido.

con los costos anteriores se debe contemplar los costos asociados a los errores en el pronóstico. Gráfica de los costos de los modelos de pronósticos. El tercer criterio que se puede considerar y que no se desliga de los otros dos criterios está asociado al costo del pronóstico. La habilidad debe estar en buscar el método óptimo que minimice los costos totales. éstos últimos costos puede que representen los de mayor impacto en los costos debiéndose atender tanto a los costos de oportunidad de no vender sus productos si el pronóstico es menor que la demanda real o los costos asociados con la decisión de adquirir más insumos o materiales para la producción si el pronóstico es superior a la Demanda Real. C$ Mínimo de la curva de costos totales Costos totales del método de pronóstico Costos del pronóstico Costo total mínimo Costos de la inexactitud Métodos simples Método óptimo Método sofisticado . por ejemplo un paquete computarizado o los costos asociados al diseño del sistema si es realizado por el personal de la empresa. en los cuales se tiene que considerar los costos de implementar el sistema de pronóstico. Como lo muestra la siguiente gráfica los costos totales de un modelo de pronóstico pueden optimizarse a partir de que los costos de la inexactitud tiende a decrecer en la medida que se aplican métodos más refinados. pero los costos del pronóstico en la medida en que se sofistican tienden a crecer. los costos del modelo de pronóstico. los costos de haber adquirido. aplicar los indicadores del error que hemos estudiado tales son: La Desviación Media absoluta y el Sesgo. los tres criterios se complementan en mucha medida y deben ser analizados los tres para valorar cuál debe ser el modelo entre varios que la empresa debe seleccionar con el ánimo de obtener los costos totales más bajos (óptimos). en ello se asocia los costos de mantenimiento. Estos tres criterios sin embargo no deben verse separados e independientes.

por ejemplo para el período 3. La demanda real para el período 2 estará asociada al acumulado en el período referido desde el inicio hasta al final del período 2. puesto que entonces ya no sería un pronóstico del período 3. mes. entonces procederemos a la aplicación de los modelos de pronóstico por serie de tiempo que hemos estudiado. esto es con datos de la demanda real de los períodos 1 y 2 o con algunos de esos datos. se asocia al tiempo de pronóstico. Promedio Simple: ¿Cuál es el pronóstico para el período 2 por el método de Promedio Simple? PS = D1 = 120 = 120 2 1 1 ¿Cuál es el pronóstico para el período 4 por el método de promedio simple? .4. necesariamente deberá estimarse con datos de los períodos anteriores. es un acumulado para el período en mención cortándose al final de dicho período. recordemos que es un estimativo del futuro con base a datos del pasado. por ejemplo. por lo que un pronóstico. quincena. La empresa por ejemplo tiene los períodos con base a semanas y la demanda real para el período 1 significa que desde el inicio al final de esa semana se logró registrar 120 productos demandados por el mercado. Aplicación práctica de los modelos de pronóstico por serie de tiempo Supongamos que tenemos una empresa que muestra los siguientes datos de demanda real con respecto a los períodos: PERIODO DEMANDA REAL 1 120 2 138 3 145 4 140 5 152 6 150 Conviene que hagamos algunas anotaciones:  Período: éste se puede considerar genérico. semana. y así sucesivamente. lo que nos interesa entonces es el acumulado en el período. por cuanto puede asumirse una unidad de período asociada a día. Teniendo en cuenta las anotaciones anteriores. nunca con el dato de la demanda real del período 3.  Demanda Real: éste es el dato real que la empresa registra al final del período.  Pronóstico: éste será un dato que se obtiene para un período futuro. lo que implica que por día puede variar perfectamente la demanda.

observe que esto es similar al modelo de la media móvil simple. sin embargo los pesos de cada dato son distintos.6. Observe que este método asegura el mismo peso específico a cada una de las observaciones reales que conforman el pronóstico. 5.1 respectivamente. si esto es así entonces n = 3. 6 y 7. asumamos que esos pesos son 0. Media Móvil Ponderada: ¿Cuál es el pronóstico para el período 4 por el modelo de la media móvil ponderada? Para aplicar este modelo debemos tener presente que los datos históricos de la Demanda Real nos pueden brindar la información de que los datos reales anteriores son los que nos condicionan el estimativo del futuro. Media Móvil Simple: ¿Cuál es el pronóstico para el período 4 por el método de la media móvil simple? Para aplicar este modelo los datos históricos de la demanda real nos pueden brindar la información de que datos reales anteriores son los que condicionan el estimativo del futuro. asumamos para nuestro ejemplo que son los últimos tres datos anteriores.3 y 0. si esto es así entonces n = 3.3 4 3 3 ¿Cuál es el pronóstico para el período 5 por el método de la media móvil simple? MMS 5 : D2 + D3 + D4 = 138+ 145+ 140 = 141 3 3 Observe que este método descartó D1 para calcular el pronóstico del período 5. pero incluyó D4. Qué sucedería si n=5 en el método de la media móvil simple? El pronóstico del período futuro. por lo cual: MMS : D1 + D2 + D3 = 120 + 138+ 145 = 134. Calcule usted por el modelo de la media móvil simple los pronósticos de los períodos 6 y 7. entonces estará condicionado por los últimos cinco datos anteriores y la suma de ellos se deberá dividir por cinco. asumamos que son los últimos tres datos anteriores.3 3 3 Calcule usted por el modelo de promedio simple los pronósticos de los períodos 3. . 0. la condición de n=3 determina que el pronóstico para cada período futuro está condicionado por los tres datos reales. PS4 = D1 + D2 + D3 = 120 + 138+ 145 = 134.

1) (138) = 84+43.1 La primera condición es cumplida por que tanto C 1 .4+12 = 140.3) (138) + (0.0 !Se cumple la condición! Por lo tanto al cumplirse las dos condiciones: n MMP4   CtDt  C1 D1  C2 D2  C3 D3 i 1 = (0.8 = 141.3 C3 = 0.3  0.0 Vamos a la segunda condición: n 3  C  C t 1 t t 1 t  C1  C 2  C 3  0.6) (140) + (0.0 y  Ct 1. D2 y D3 se ordenan de la demanda más reciente y no significan las demandas en el período. ¿Cuál es el pronóstico para el período 5 por el modelo de la media móvil ponderada.0 t=1 Revisemos si se cumplen estas condiciones: C1 = 0.3 . D2 y D3 son los datos de la demanda real anteriores.Observe que éstos pesos deben cumplir con dos condiciones necesarias. pero en este caso D1.6 C2 = 0.1  1.5+13.4 Observe que D1. bajo las mismas condiciones asumidas anteriormente? n MMP5   CtDt  C1 D1  C2 D2  C3 D3 i 1 = (0.3) (145) + (0.1) (120) = 87+41.6  0. C2 y C3 están en el rango entre 0 y 1. estas son: n 0  Ct  1.6) (145) + (0.

cualquier valor entero.61 en nuestro ejemplo por lo que: F3 =  D2 + (1. 6 y 7. Regresión Lineal: ¿Cuál es el pronóstico para el período 7 por el modelo de la regresión lineal? Este modelo permite generar una ecuación por el método de los mínimos cuadrados para establecer el pronóstico con base a los datos de período y demanda real. ) F2 F3 = (0. entonces: F4= (0.6) (120) = (0. tal es en nuestro ejemplo el caso del promedio simple.8) F4= 87+52. .6) (138) + (1. 3.6) (145) + (0.Calcule usted por el modelo de la media móvil ponderada los pronósticos de los períodos 6 y 7 bajo las mismas condiciones asumidas anteriormente. asumamos que  = 0.3= 139.4) (120) = 82. en este caso se considera una demanda ligeramente inestable. ) F3 Como F3 ya lo hemos calculado por el método del suavizado exponencial. . Esto es válido para la primera iteración por este modelo ¿Cuál es el pronóstico para el período 4 por el modelo de suavizado exponencial? F4 =  D3 + (1.8+48 = 130. que el valor de α se asocia a las características del comportamiento de la demanda real. 4. 5. debemos tener el coeficiente  de suavización. mayor o igual a 2. Observemos que los modelos de la media móvil simple y la media móvil ponderada van tomando los últimos datos (más recientes) y descartando los anteriores (menos recientes) con base al valor de n asumido que puede ser n = 2. razón por la cual se asume el pronóstico por otro modelo..6) (138) + (0.. Suavizado exponencial: ¿Cuál es el pronóstico para el período 3 por el modelo del suavizado exponencial? Para aplicar este modelo.8 Observemos que F2 no se ha determinado. podemos construir la siguiente tabla: Xt Dt Xt Dt Xt2 1 120 120 1 2 138 276 4 1 Recordemos según lo estudiado anteriormente.3 Calcule usted por el modelo del suavizado exponencial los pronósticos de los períodos 5. Si asumimos que los datos de período están asociados a Xt y los de la demanda real a Dt.0.4) (130.

se obtiene: 845  b(21) 845 .5 .8 a   122.343 en la expresión de a: 845  21(5.1+5.21b a  6 6 6(3051)  (21)(845) 18306  17745 561 b    5. 343(7)= 122. 3 145 435 9 4 140 560 16 5 152 760 25 6 150 900 36  21 845 3. por lo que con base a las expresiones para a y b: a  D  b X t t n  XY  n X Y n  X t Dt     X t   Dt  b b a  Y bX  X 2  nX 2  2  n  X t   Xt  2 Sustituyendo los datos obtenidos en la tabla en las expresiones de a y b.051 91 Donde n = 6 (número de observaciones).1 6 6 Por lo que la ecuación del pronóstico será: Ft = a + bX Ft = 122.1+37.4= 159.343) 732.343 6(91) 2  (21) 2 546  441 105 Sustituyendo entonces el valor de b= 5.1+ 5. 343x Para el período x= 7 F7= 122.

en ese sentido el error será nulo.5 . pudiéndose aplicar en función del tiempo algunos métodos de pronóstico.5 3 3 Esto indica la dirección del error entre lo pronosticado y la demanda real para los tres períodos en comparación. cero o positivo y es un indicador de la dirección del error. De manera conjunta estos dos indicadores deben permitirnos elegir cuál de los métodos seleccionaremos para la implementación en nuestra empresa. 5 y 6 son 143.140) + (148. los pronósticos de los períodos 5.8 .152) + (154.5 = 1. b) En cuanto al sesgo como este puede ser negativo. A manera de conclusión. . razón por la cual se deben de realizar estimativos de la Demanda.2 respectivamente (compruébelo usted) y si los valores de la demanda real para esos períodos son 140.140 + 148.3.63. para los administradores del sistema productivo es de un interés vital el estimar los niveles de demanda de producción futuros que tendrá a lo largo del tiempo. Si para los períodos del 4 al 6 midiéramos el DMA y el sesgo de la aplicación de otro modelo de pronóstico. 6 y 10. los estudiados en la presente unidad se asocian principalmente al corto y mediano plazo. es conveniente graficar las demandas reales y pronosticadas en el período de evaluación y apreciar en su conjunto que observación u observaciones aportan más a la dirección del error para obtener una mayor precisión del sesgo.2 .8 .63 3 3 DMA = 3. 152 y 150 respectivamente: DMA =  143.2 = 4.2 .5.5 .Calcule usted con la ecuación generada del pronóstico.150 = 10.2 + 4. Desviación media absoluta (DMA) y sesgo: ¿Cuál es el DMA y el sesgo del método de pronóstico por regresión lineal en los períodos 4 a 6? Como los pronósticos por regresión lineal para los períodos 4.5 .152 + 154. 148. pudiéramos perfectamente comparar los modelos a partir de los siguientes criterios: a) Observar que el DMA será cero bajo la condición de que la demanda pronosticada coincida absolutamente con la demanda real. esto indica la dimensión del error entre lo pronosticado y la demanda real.150) 3 = 3. sesgo = (143.9 = 3.8 y 154.

6. n3=0. n2=0. 3) Calcule los pronósticos para los periodos 6 al 11 por el método de la media móvil ponderada considerando n = 3. 2. n1=0. La empresa en la cual labora ha tenido los datos históricos que se muestran en la siguiente tabla: Período: Demanda Real: 1 48 2 46 3 52 4 50 5 64 6 70 7 75 8 84 9 86 10 92 Le solicitan con los datos del periodo 1 al 5 que los utilice como datos iniciales para que aplique los siguientes modelos de pronósticos bajo las consideraciones que se agregan en cada inciso correspondiente.Actividad de autoaprendizaje: 1.1.6. . 2) Calcule los pronósticos para los periodos 6 al 11 por el método de la media móvil simple considerando n = 3. Elabore un mapa conceptual relacionado a lo estudiado en la presente unidad de pronósticos. 1) Calcule los pronósticos para los periodos 6 al 11 por el método del promedio simple.3. 5) Utilice el método de Regresión Lineal para calcular los pronósticos del periodo 6 al 11. 4) Calcule los pronósticos para los periodos 6 al 11 por el método del suavizado exponencial considerando =0.

Construir una tabla que compare el MAD y el SESGO para cada uno de los métodos de pronósticos aplicados en los incisos 1 al 5. Sustente su respuesta utilizando argumentos consistentes. para lo cual se debe tener presente que a medida que se calculan los pronósticos de los periodos siguientes se deberán ir considerando uno a uno los siguientes datos de demanda real para el calculo de los subsiguientes pronósticos. . 6) Graficar la demanda Real VS la Demanda Pronosticada para cada uno de los métodos solicitados en los incisos 1 al 5. 8) ¿Qué método de pronostico selecciona o recomienda usted para su empresa y porque?. 7) Aplique la MAD y el SESGO a cada uno de los cálculos realizados en los incisos anteriores. Nota: Considerar que al inicio los datos de demanda real que se conocen son los del periodo 1 al 5.