Pronosticos

Capt 5. Pronósticos
Independientemente del modelo de pronóstico utilizado, se utilizan los siguientes 8 pasos generales:
1. Determinar el uso del pronóstico
2. Seleccionar los elementos o cantidades que se requieren comprar
3. Determinar el horizonte del tiempo del pronóstico, (CP, MP, LG)
4. Seleccionar el modelo (s) de pronóstico
5. Reunir los datos necesarios para hacer elpronóstico
6. Validar el modelo de pronóstico
7. Realizar el pronóstico
8. Implementar los resultados
Ningún método por si solo es superior, debe utilizarse el que mejor se adapte a las necesidades de la empresa.
Tipos de pronósticos
Modelos de series de tiempo
Tratan de pronosticar el futuro mediante el empleo de datos históricos. Suponen que lo que sucederá en el futuro es unafunción de lo que sucedió en el pasado. En este modelo son útiles los diagramas de dispersión.
Modelos casuales
Incorporan las variables o factores que podrían influir en la cantidad pronosticada por el modelo. Este modelo también podría incluir datos de eventos anteriores como en las series de tiempo. Un ejemplo de modelo casual es el modelo de regresión.
Modelos cualitativos
Intentanincorporar factores de juicio o subjetivos al modelo de pronóstico. Podrían considerarse opiniones de expertos, experiencias y juicios individuales.
Medidas de precisión de pronósticos
Para apreciar cual es el nivel de funcionamiento de un modelo, o para compararlo con otros, los valores pronosticados se comparan con los valores observados. El error de pronóstico (desviación) se define de la siguienteforma:
Error de pronóstico = valor real – valor pronosticado
Desviación absoluta media (MAD)
Se calcula al tomar la suma de valores absolutos de los errores pronosticados individuales y se divide entre el número de errores.
MAD = error de pronosticon
Ejemplo: Tenemos las ventas de 10 años, queremos pronosticar año 11.
ANO | VENTAS REALES | VENTAS PRONOSTICADAS | V.A DE ERRORES |
1 | 110|
| - | - |
2 | 100 | 110 | |100-110| = 10 |
3 | 120 | 100 | |120-100| = 20 |
4 | 140 | 120 | |140-120| = 20 |
5 | 170 | 140 | |170-140| = 30 |
6 | 150 | 170 | |150-170| = 20 |
7 | 160 | 150 | |160-150| = 10 |
8 | 190 | 160 | |190-160| = 30 |
9 | 200 | 190 | |200-190| = 10 |
10 | 190 | 200 | |190-200| = 10 |
11 | - | 190 | - |
| | | ∑ |errores|= 160 |
| | |MAD= 160/9 = 180 |
Error cuadrado medio (MSE)
Esta medida es el promedio de los errores al cuadrado.
MSE= error2n
Porcentaje de error promedio absoluto (MAPE)
Es el promedio de los valores absolutos de los errores expresados como porcentajes de los valores reales.
MAPE = errorrealn * 100
Modelos de pronósticos de series de tiempo
Los cuatro componentes de una serie de tiempo son:
1.Tendencia (T): el movimiento gradual de los datos
2. Estacionalidad (S): el patrón de fluctuación de demanda fuera del promedio
3. Ciclos (C): patrones de datos anuales que ocurren en ciertos intervalos
4. Variaciones aleatorias (R): irregularidades en los datos causadas por el azar
Promedios móviles
Son útiles si se puede suponer que la demanda del mercado mantendrá ciertaestabilidad a lo largo del tiempo.
P.P.M = suma de las demandas en n periodos anteriores / n
Matemáticamente:
Ft = Yt-1+Yt-2+…Yt-nn
Ft: pronostico para el periodo t Yt: Valor real en el periodo t n: número de periodos para promediar
Ejemplo: Ventas de cobertizos, promedio móvil de 3 meses
MES | VTAS REALES | P.M 3 MESES |
Enero | 10 | - |
Febrero | 12 | - |
Marzo | 13 | - |Abril | 16 | (10+12+13)/3= 35/3 |
Mayo | 19 | (12+13+16)/3= 41/3 |
Junio | 23 | (13+16+19)/3= 16 |
Julio | 26 | (16+19+23)/3= 58/3 |
Agosto | 30 | (19+23+16)/3= 68/3 |
Septiembre | 28 | (23+26+30)/3= 28 |
Octubre | 18 | (26+30+28)/3= 79/3 |
Noviembre | 16 | (30+28+18)/3= 76/3 |
Diciembre | 14 | (28+18+16)/3= 62/3 |
Enero | - | (18+16+14)= 16 |

Suavizamiento exponencial
Es...