Cap3 Pronosticos
PRONÓSTICOS DE DEMANDA
Ing. Omar David Pérez Fuentes
1
CONTENIDO
1 Introducción.
2 Concepto de Pronóstico.
3 Métodos de Pronósticos.
3.1 Método Cuantitativo.
3.1.1 Series de tiempo.
3.1.2 Causales por regresión.
3.2 Método Cualitativo.
3.2.1 Pruebas de Mercados.
3.2.2 Método de Delphi.
4 Medidas de Errores en los Pronósticos.
Ing. Omar David Pérez Fuentes
2
1. IntroducciónSistema de producción genérico
Ing. Omar David Pérez Fuentes
3
1. Introducción
Buen pronóstico (Después de terminar las ventas nuestro stock será de 0)
Pronóstico Malo (Después de terminar las ventas nuestro stock será de 12)
Pronóstico Malo (Después de terminar las ventas nuestro stock será de 0 y existirá demanda insatisfecha)
Ing. Omar David Pérez Fuentes
4
2. Concepto de Pronóstico
Es unaserie de datos que en base a una serie de
estudios determinan la demanda en un futuro
de un determinado producto. Un pronóstico de
venta es la estimación o previsión de las ventas
de un producto (bien o servicio) durante
determinado período futuro.
Ing. Omar David Pérez Fuentes
5
3. Métodos de Pronósticos
• Método Cuantitativo
• Método Cualitativo
Ing. Omar David Pérez Fuentes
6
MétodoCuantitativo
Este método se utiliza cuando se dispone o se
cuenta con información histórica de la demanda
del producto a pronosticar información histórica
que debe ser procesados por los modelos
estadísticos, se divide en: Series de tiempo y
Causales por regresión.
Ing. Omar David Pérez Fuentes
7
Método Cuantitativo
Series de tiempo
Es un registro cronológico de la demanda en
función del tiempo.d = Demanda
t = Tiempo
F = Pronóstico
T = Número de datos disponibles
K = Número de periodos futuros a pronosticar
Ing. Omar David Pérez Fuentes
8
Método Cuantitativo
Serie de tiempo:
• Proceso constante
• Proceso con tendencia ( + / - )
• Proceso estacional
Demanda
Proceso
constante
P
te roc
nd e
e n so
ci co
a n
(+
)
P
te roc
nd es
en o
ci a co
n
(-)
1
2
3
4
5
6
7
8
9
Ing. OmarDavid Pérez Fuentes
10
11
12
Tiempo
(mes)
9
Serie de tiempo – Proceso constante
a) Ultimo dato
b) Método Promedio General
c) Promedio Móvil
d) Método Suavizado Exponencial Simple
Ing. Omar David Pérez Fuentes
10
Serie de tiempo – Proceso constante
Ultimo Dato
Es el método mas sencillo de todos los métodos,
consta de igualar el pronóstico futuro con la
ultima demanda real.
Ing. Omar DavidPérez Fuentes
11
Serie de tiempo – Proceso constante
Ultimo Dato
Ejemplo:
En la tabla se muestra la
demanda histórica de consumo
de carne de pollo en Kg.
a)
b)
c)
¿Cuál es el pronóstico parta
el siguiente periodo?
¿Cual es el pronóstico para
Septiembre?
Si la demanda real para el
periodo 6 es de 80 Kg ¿Cuál
es el pronóstico para el
siguiente periodo?
Periodo Demanda Pronóstico
(mes)
real(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
Ing. Omar David Pérez Fuentes
12
Serie de tiempo – Proceso constante
Ultimo Dato
Demanda
82
80
d5
F6
F7
F8
F9
75
70
1
2
3
4
5
6
Ing. Omar David Pérez Fuentes
7
8
9
Tiempo
(mes)
13
Serie de tiempo – Proceso constante
Promedio General
Es la media aritmética de los n datos disponibles
de demanda real. Mientras más grande sea n,
mayor serála influencia de los datos antiguos.
Consta de sumar todos los datos de demanda
para luego dividir entre el número de datos.
Ing. Omar David Pérez Fuentes
14
Serie de tiempo – Proceso constante
Promedio General
Ejemplo:
En la tabla se muestra la
demanda histórica de consumo
de carne de pollo en Kg.
a)
b)
c)
¿Cuál es el pronóstico parta
el siguiente periodo?
¿Cual es el pronóstico paraSeptiembre?
Si la demanda real para el
periodo 6 es de 80 Kg ¿Cuál
es el pronóstico para el
siguiente periodo?
Periodo Demanda Pronóstico
(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
Ing. Omar David Pérez Fuentes
15
Serie de tiempo – Proceso constante
Promedio Móvil
también llamada media móvil, en lugar de
utilizar todos los datos disponibles de demanda
real, se utilizan los N datos más...
Regístrate para leer el documento completo.