BACHILLERATO EN INGENIERA INDUSTRIAL

PREVISIN O PRONSTICOS

Para la planificacin y ejecucin de los procesos de negocio en las empresas industriales

la previsin de la demanda futura es fundamental, se requieren como entradas esenciales

para muchas actividades de decisin en varias reas funcionales, tales como mercadeo,

ventas, produccin, compras, contabilidad, finanzas y para la gestin de inventarios.

La previsin es el arte y la ciencia de predecir acontecimientos futuros que puede suponer

la toma de datos histricos y su proyeccin a futuro con algn tipo de modelo matemtico.

Es la nica estimacin de la demanda, hasta que se conozca la demanda real.

El modelo de previsin debe ser manejable y producir resultados, que sean fidedignos y

fciles de interpretar. Raramente existe un nico modelo ptimo y raramente son

perfectas, y adems, son costosas y lentas de preparar y controlar.

Su valor radica en que:

1. Impone la necesidad de previsin, anlisis del futuro y preparacin ante este.

2. Puede revelar reas que necesitan control

3. Contribuye a la informacin y coordinacin de planes

Tipos de previsin:

Econmicas: Dirigidas al ciclo empresarial

Tecnolgicas: Referentes al ritmo de progreso tecnolgico.

Poltico / legal

De Demanda: Productos y/o servicios (tambin denominadas previsiones de

ventas) Propia de operaciones. Determinan las decisiones en muchas reas

(Recursos Humanos, Capacidad, Gestin de la cadena de suministros).

Etapas de la Previsin:

1. Determinar la utilizacin de la previsin.

2. Seleccionar los artculos en los que se va a realizar la previsin.

3. Determinar el horizonte temporal de la previsin.

4. Seleccionar el o los modelos de previsin.

5. Recogida de datos para hacer la previsin.

6. Realizar la previsin.

2

Ing. Freddy Hernndez Barahona

7. Validar e implementar los resultados.

Mtodos de Previsin de la Demanda:

1. Mtodos Cualitativos: Las previsiones que incorporan factores tales como la

intuicin de la persona que toma las decisiones, emociones, experiencias

personales y sistemas de valores.

a. Jurado de opinin ejecutiva: Recoge la opinin de un pequeo grupo de

directores cualificados a partir del cual se establece una estimacin

conjunta de la demanda.

b. Proposicin del personal comercial: Se basa en la estimacin de las ventas

esperadas por los vendedores.

c. Mtodo Delphi: Utiliza un proceso de grupo que permite a los expertos

realizar las previsiones.

d. Estudio de mercado del consumidor: requiere informacin de clientes o de

clientes potenciales con respecto a los planes de compra futuros

2. Mtodos Causales: El objetivo del mtodo causal o economtrico es desarrollar

modelos que relacionen la demanda con un conjunto de variables independientes:

a. Proyeccin de tendencia (Regresin lineal)

3. Mtodos Cuantitativos: se dividen en dos clases principales:

a. Series temporales: predicen la continuacin de patrones de datos histricos:

Enfoque simple

Medias mviles

Alisado exponencial

b. Explicativos: cmo determinadas variables afectan a la previsin.

La eleccin del modelo depende de:

Horizontes temporales

Objetivos

Propiedades de los datos

Influencia del ciclo de vida del producto

Componentes de la serie temporal:

Tendencia

Estacionalidad

Ciclos

Variaciones aleatorias

Media mvil:

Caractersticas:

Utiliza la media de los n perodos de datos ms recientes para hacer la previsin

del perodo siguiente.

Son tiles si se puede suponer que las demandas son estables a lo largo del tiempo.

Si aumenta el tamao de n, se tiene un mejor alisado, sin fluctuaciones, pero hace

que el mtodo sea menos sensible a cambios reales en los datos.

No son muy buenas a la hora de captar tendencias, ya que son medias.

Requieren un gran nmero de datos histricos

n

previos periodosn de demanda mvil Media

nesponderacio

n) periodo (demanda n) periodo paran (ponderaci ponderada mvil Media

4

Ing. Freddy Hernndez Barahona

Alisado exponencial:

Es una tcnica de previsin de media mvil ponderada en la que los datos se pesan por

medio de una funcin exponencial que solo necesita una serie pequea de datos

histricos.

Nueva previsin= previsin del ltimo perodo + (demanda real del ltimo periodo -

previsin del ltimo perodo)

Donde a es la constante de alisado que toma valores entre 0 y 1.

Cmo seleccionar adecuadamente la constante de alisado?

I. Se calculan las previsiones con distintos a

II. Se calculan los errores de las previsiones:

Error = Demanda - Previsin

III. Se calculan la Desviacin Absoluta Media (DAM) o el Error Cuadrtico Medio

(ECM) y se escoge aquella previsin hecha con un a que proporcione el menor

DAM o el menor ECM.

En el caso de series con tendencias:

Se calcula una media de los datos alisada exponencialmente y luego se ajusta para

desfases positivos o negativos en la tendencia:

FITt = Ft +Tt

Donde:

FITt es la previsin incluyendo la tendencia.

Ft es la previsin alisada exponencialmente.

Tt es la tendencia alisada exponencialmente

Por tanto, harn falta dos constantes de alisado:

a. para la media (0 a 1)

b. para la media (0 b 1)

Hay que calcular previamente a FIT:

)F(A FF 1-t1-t1-tt

n

previsin de errores DAM

n

2previsin de errores

ECM

)T F()1(A F 1-t1-t1-tt 1-t1-ttt T)1()FF( T

Regresin lineal:

Es un mtodo de previsin de series temporales que ajusta una lnea de tendencia a una

serie de datos histricos, y entonces proyecta la lnea hacia el futuro para hacer

previsiones.

Para desarrollar una recta de tendencia lineal se utiliza el mtodo de los mnimos

cuadrados. As, se minimiza la suma de los cuadrados de las distancias verticales o

desviaciones de la recta.

Una recta de regresin lineal viene dada por un punto de corte con el eje y por su

pendiente:

Donde:

y estimada ( )^ es el valor calculado de la variable a predecir o dependiente.

a es el corte con el eje y.

b es la pendiente de la recta.

x es la variable independiente (tiempo)

As se pueden calcular:

bxay

xby a

xnx

yxn -xy b

22

6

Ing. Freddy Hernndez Barahona

Responsabilidad y planificacin de tareas

Alta direccin:

Planes a Largo Plazo

I+D

Planes de nuevos productos

Inversiones

Localizacin/expansin de instalaciones

Directores de operaciones:

Planes a Medio Plazo (3-18 meses)

Planificacin de ventas

Planificacin y presupuesto de produccin

Establecimiento de los niveles de contratacin, inventario y subcontratacin

Anlisis de los planes operativos

Directores de produccin, supervisores y capataces:

Planes a Corto Plazo

Asignacin de trabajos

Emisin de pedidos

Programacin de trabajos

1. Promedio mvil

2. Promedio ponderado

La empresa anterior decidi pronosticar las ventas ponderando los ltimos tres meses en

la siguiente forma:

PONDERACIN PERIODO

3 ltimo mes

2 Hace dos meses

1 Hace tres meses

6 Suma de ponderaciones

Mes ventas reales

Promedio ponderado

enero 10

febrero 12

marzo 13

abril 16 12,17

mayo 19 14,33

junio 23 17,00

julio 26 20,50

agosto 30 23,83

septiembre 28 27,50

octubre 18 28,33

noviembre 16 23,33

diciembre 14 18,67

enero 15,33

Mes ventas reales

Promedio mvil 3 meses

enero 10

febrero 12

marzo 13

abril 16 11,67

mayo 19 13,67

junio 23 16,00

julio 26 19,33

agosto 30 22,67

septiembre 28 26,33

octubre 18 28,00

noviembre 16 25,33

diciembre 14 20,67

enero 16,00

8

Ing. Freddy Hernndez Barahona

3. Alisado exponencial

tF Nuevo pronstico

1-tF Pronstico anterior

Constante (o ponderacin) de suavizado (entre 0 y 1)

1-tA Demanda real del periodo anterior

Ejemplo:

En enero, un distribuidor de automviles predijo que la demanda sera 142 Ford Mustang.

La demanda real de febrero fue 153. Si empleamos la constante de suavizado de 0.20,

cul sera el pronstico de demanda para marzo?

Marzo = 142 + 0,2(153-142)

Marzo = 144,2

Clculo de la constante de alisado:

trimestre

toneladas

reales

pronstico

con 0,10

desviacin

absoluta

pronstico

con 0,5

desviacin

absoluta

1 180 175 5 175 5

2 168 176 8 178 10

3 159 175 16 173 14

4 175 173 2 166 9

5 190 173 17 170 20

6 205 175 30 180 25

7 180 178 2 193 13

8 182 178 4 186 4

9

179 84 184 100

MAD

10,50

12,50

Clculo de suavizado exponencial con ajuste de la tendencia:

Mes Demanda real tA Mes Demanda real tA

1 12 6 21

2 17 7 31

3 20 8 28

4 19 9 36

5 24 10 X

)F(A FF 1-t1-t1-tt

= 0,2 y = 0,4

Pronstico mes 1 = 11

Tendencia mes 1 = 2

Mes 2

Pronstico para el mes 2

F= (0,2) x 12 + (1-0,2) x (11 + 2)

F= 12,8 unidades

Tendencia para el mes 2

T= 0,4 x (12,8 11) + (1-0,4) x 2

T= 1,92

Pronstico incluyendo la tendencia

FITt = Ft +Tt

FITt = 12,8 + 1,92

FITt = 14,72

Mes Demanda real

pronstico suavizado

tendencia FIT

1 12 11,00 2,00 13,00

2 17 12,80 1,92 14,72

3 20 15,18 2,10 17,28

4 19 17,82 2,32 20,14

5 24 19,91 2,23 22,14

6 21 22,51 2,38 24,89

7 31 24,11 2,07 26,18

8 28 27,14 2,45 29,59

9 36 29,28 2,32 31,60

10 X 32,48 2,68 35,16

)T F()1(A F 1-t1-t1-tt

1-t1-ttt T)1()FF( T

10

Ing. Freddy Hernndez Barahona

4. Regresin lineal

ao periodo

demanda

de energa elctrica x xy

1997 1 74 1 74

1998 2 79 4 158

1999 3 80 9 240

2000 4 90 16 360

2001 5 105 25 525

2002 6 142 36 852

2003 7 122 49 854

Total 28 692 140 3063

Promedio 4 98,86

b= (3063 7 x 4 x 98,86) / (140 (7 * 4 ^2)

b = 295 / 28 = 10, 54

a= 98, 86 10, 54 (4) = 56, 70

Demanda en 2004 = 56,7 + 10,54 (8) = 141,02