2.1 Plan y control - pronósticos introducción - series.pdf
1. Planeación y control
de la producción
P r e p a r a d o p o r :
C l a u d i a S a l g a d o
PRONOSTICOS
2. • Conocer para qué sirven los
pronósticos en Planeación de la
producción.
• Diferenciar los tipos de pronósticos
y sus modelos
• Conocer los costos a considerar
Objetivo del
aprendizaje
Agregar un pie de página 2
3. • Es prácticamente imposible hacer un
pronóstico perfecto ya que hay muchos
factores que no se pueden prever con
certeza, esto implica que más que un
pretender la perfección, se necesita que se
revisen constantemente los pronósticos.
Pron óstico es la estimación d e u n acontecimiento
fu tu ro q u e s e obtien e p royectan d o d atos d el p as ad o
comb in ad os s istemáticamente.
Introducción
Agregar un pie de página 3
• Es mejor un mal pronóstico que ninguno…..
4. Secuencia
Agregar un pie de página 4
Pronóstico de la demanda
Marketing
Pronóstico
laboral
Operaciones
Financiero
Pronóstico financiero
Pronóstico operaciones
/tecnológico
Pronóstico Logístico
En planeación de la producción se usa el
pronóstico para tomar decisiones todo el
tiempo.
5. • Pronóstico a corto plazo : Tiene un periodo de hasta 1
año, pero casi siempre es menor de 3 meses. Se usan para
planear compras, trabajo, mano de obra, asignar trabajo.
Un p ron óstico u s u almente s e clas ifica p or el
h orizonte d e tiemp o fu tu ro q u e ab arca
Pronósticos – Horizonte de tiempo
Agregar un pie de página 5
• Pronóstico a mediano plazo : En general se extiende
de 3 meses a 3 años. Es útil para planear ventas,
producción, flujo de efectivo
• Pronóstico a largo plazo : En general comprende
3 años o más; se emplean para planear nuevos
productos, gastos de capital…
6. Usos de los pronósticos
Agregar un pie de página 6
Planeación estratégica
• Diseño del producto
• Diseño del proceso
• Inversión y reemplazo de equipos
• Planeación de la capacidad estructural
Planeación de la producción
• Planeación agregada
• PMP
• MRP
• Programación de operaciones
Tareas de control
• Control de la producción
• Control de inventarios
• Control de la mano de obra
• Control de costos
7. DEMANDA DEPENDIENTE
Es la demanda de un producto o
servicio que se deriva de la demanda
de otros productos o servicios.
• En producción no se puede hacer
mucho en relación con la demanda
dependiente, sólo tiene que
satisfacerla.
DEMANDA INDEPENDIENTE
No se deriva directamente de la de otros
productos. En este tipo de demanda si se
puede hacer mucho, por ejemplo:
• Participar activamente para influir en la
demanda (presión en la fuerza de ventas,
incentivos, bajar precios, campañas…)
• Adoptar un papel pasivo y limitarse a
responder de acuerdo a lo que quiera el
cliente.
Administración de la demanda
7
El propósito es coordinar y controlar todas sus fuentes, de manera que permita el aprovechamiento del sistema
de producción y la entrega puntual de los pedidos.
Tiene dos fuentes principales :
8. El comportamiento humano en
el pronóstico
Agregar un pie de página 8
Los pronósticos no siempre se elaboran de
acuerdo con modelos estadísticos.
Los pronósticos generados mediante modelos
no deben de seguirse a ciegas.
Quienes toman las decisiones deben tener en
cuenta factores cualitativos que no se incluyen
en los modelos cuantitativos.
La mayoría de las empresas utilizan para la
planificación pronósticos intuitivos, por lo cual
convencer al pronosticador que lo haría mejor
si contara con un modelo es un problema.
Significancia
Complejidad
Grado de ruido
Variabilidad individual
Desempeño individual vs.
Desempeño de los modelos
Pronóstico, planeación
y comportamiento
9. TECNICAS DE PRONOSTICOS
Cualitativas Cuantitativas Causales
Método Delphi
Investigación de mercados
Consenso de grupo
Previsión imaginativa
Analogía histórica
Análisis de impacto
Promedio móvil
Ajuste exponencial
Box-Jenkins
X-11
Proyección de tendencias
Curva de aprendizaje
Modelo de regresión
Encuestas de anticipación
Modelos Input-output
econométrico
Índice de difusión
Índice anticipador
Análisis de ciclo de vida
Subjetivas, simples juicios, se
basan en cálculos y opiniones.
Análisis detallado de los patrones
de demanda del pasado y a lo
largo del tiempo para proyectar
hacia el futuro.
Un modelo de causa-efecto entre
la demanda y otras variables.
10. SELECCIÓN DEL MODELO DE PRONÓSTICO
Los criterios que tienen influencia en la selección de los modelos son el costo y la
precisión (error de pronóstico)
Costos de
implementación
Costos del sistema Costo de los errores
en el pronóstico
De estos tres costos, los imputables al error
son los más difíciles de evaluar.
En general el modelo seleccionado puede ser
el mejor dependiendo del patrón de la
demanda y la longitud del periodo de
pronóstico.
Algunos estudios demuestran que el promedio
simple y el promedio ponderado dan mejores
resultados que otros métodos, la precisión del
pronóstico mejora y se reduce la variabilidad.
11. Guía para selección del método de pronóstico
Método del pronóstico Cantidad de datos
(históricos)
Patrón de datos Plazo del
pronóstico
Tiempo de
preparación
Antecedentes
del personal
Exponencial simple
aminorado
5 a 10 observaciones Los datos deben ser
estáticos
Corto Breve Poca
sofisticación
Exponencial de Holt
aminorado
10 a 15 observaciones Tendencia pero no
estacionalidad
Corto a mediano Breve Leve
sofisticación
Exponencial de Winter
aminorado
Un mínimo de 4 a 5 por
temporada
Tendencia y
estacionalidad
Corto a mediano Breve Moderada
sofisticación
Modelos de regresión de
tendencias
10 a 20; para
estacionalidad mínimo 5
Tendencia y
estacionalidad
Corto, mediano
o largo
Breve Considerable
sofisticación.
Modelos de regresión
casual
10 observaciones por
variable independiente
Patrones complejos Corto, mediano
o largo
Mucho para
preparación
Poca
sofisticación
Descomposición de
series de tiempo
Basta con ver 2 crestas y
valles
Patrones cíclicos y
estacionales
Corto a mediano Breve a
moderado
Poca
sofisticación
Caja de Jenkins 50 o más observaciones Estáticos o ser
convertidos
Corto, mediano
o largo
Mucho Mucha
sofisticación
12. 12
Pronósticos series de tiempo – Promedio móvil simple
CATEGORIAS DE PRONOSTICOS CUANTITATIVOS
• Promedios móviles: Método que utiliza un promedio de los n periodos más recientes de
datos para pronosticar el siguiente periodo.
Promedio Móvil Simple
Sirve cuando la demanda de un
producto no crece ni disminuye
velozmente y si no incluye
características de estacionalidad
13. 13
Pronósticos series de tiempo –
Promedio móvil simple
• Suponga que estamos utilizando un
promedio móvil de tres periodos. En
consecuencia, el pronóstico para cualquier
periodo será el promedio de la demanda
para los tres periodos previos.
Periodo Demanda
Pronóstico de promedio
móvil de tres periodos
1 24
2 26
3 22
4 25
5 19
6 31
7 26
8 18
9 29
10 24
11 30
12 23
13
14. 14
Pronósticos series de tiempo –
Promedio móvil simple
• Para obtener el pronóstico para el
periodo 4 tomamos la demanda
real de los tres periodos previos
(periodos 1 a 3), y obtenemos el
promedio : (24+26+22)/3 = 24
• El pronóstico para el periodo 5
proviene del promedio de la
demanda de los periodos 2 a 4 : (
26+22+25)/3 = 24,3
16. 16
Ejercicio – Promedio móvil simple
Calcular el pronóstico con el método
promedio móvil simple a tres periodos,
realizar el gráfico y explicar si se observa
tendencia
Periodo Demanda
1 1200
2 1400
3 1000
4 1500
5 1500
6 1300
7 1800
8 1700
9 1300
10 1700
11 1800
12
17. 17
Pronósticos series de tiempo – Promedio móvil ponderado
CATEGORIAS DE PRONOSTICOS CUANTITATIVOS
• A diferencia del promedio móvil que considera el mismo valor para todos sus componentes,
el ponderado permite adjudicar una importancia a cada elemento, siempre y cuando, todos
los valores sumen 1.
𝐹𝑡 = 𝑊1𝐴 𝑡 − 1 +
𝑊2𝐴 𝑡 − 2 +….. 𝑊𝑛𝐴 𝑡 − 𝑛
Donde :
W1 = peso que se dará a la venta real en el periodo t - 1
W2 = peso que se dará a la venta real en el periodo t – 2
Wn = peso que se dará a la venta real en el periodo t – n
n = número total de periodos del pronóstico
18. 18
Pronósticos series de tiempo – Promedio móvil ponderado
CATEGORIAS DE PRONOSTICOS CUANTITATIVOS
Semana
Valor de la serie
de tiempo
Pronóstico de la i-ésima semana con
promedios móviles PONDERADOS
1 17,0
2 21,0
3 19,0
4 23,0 =1/6*(17)+2/6*(21)+3/6*(19)= 19,33
5 18,0 21,33
6 16,0 19,83
7 20,0 17,83
8 18,0 18,33
9 22,0 18,33
10 20,0 20,33
11 15,0 20,33
12 22,0 17,83
13 19,33
Determine el pronóstico utilizando los siguientes factores de ponderación :
1/6; 2/6; 3/6
19. 19
Pronósticos series de tiempo – Suavización exponencial
CATEGORIAS DE PRONOSTICOS CUANTITATIVOS
• Es una evolución del promedio móvil ponderado que incluye una constante de atenuación
que busca corregir las desviaciones del pasado (el valor del coeficiente de suavización está
determinado por la naturaleza del producto y por el concepto del personal experto para
definir una buena tasa de respuesta)
20. 20
Pronósticos series de tiempo – Suavización exponencial
CATEGORIAS DE PRONOSTICOS CUANTITATIVOS
21. PRONÓSTICOS SERIES DE TIEMPO
• Los datos para pronósticos de series de tiempo implican que los valores futuros se
predicen solamente a partir de los valores pasados y que se pueden ignorar otras
variables, sin importar que tan potencialmente valiosas sean.
Agregar un pie de página 23
Técnicas de pronóstico que usa una serie de datos
puntuales del pasado para realizar un pronóstico.
Una serie de tiempo tiene cuatro
componentes:
• La tendencia
• La estacionalidad
• Los ciclos
• Las variaciones
22. Nos referimos con S E R IES DE TIE MPO a los d atos estad ísticos
q u e se recop ilan , obser van o reg istran en inter valos d e
tiemp os reg u lares ( d iario, seman al, semestral, an u al..) .
Agregue un pie de página 24
SERIES DE TIEMPO
El término serie de tiempo se aplica a datos registrados en
forma periódica que muestran por ejemplo: las ventas anuales
totales de almacenes, el valor trimestral total de contratos de
construcción otorgados, el valor trimestral del PIB, temperatura
ambiente promedio en Bogotá, nivel de contaminación del
aire…
23. Agregue un pie de página 25
COMPONENTES DE LA SERIE DE
TIEMPOS
• Tendencia
Secular :
resultado de
factores a largo
plazo
* Variación estacional
: variabilidad en los
datos debido a
influencias de las
estaciones
* Variación cíclica:
secuencias abajo y
arriba que se
mantienen después
de eliminar las
variaciones de la
estacionalidad
* Variación irregular:
factores a corto plazo,
imprevisibles y no
recurrentes que
afectan la serie de
tiempos, son
impredecibles.
24. Agregue un pie de página 26
TENDENCIAS DE UNA SERIE
• * Tendencia lineal: Tendencia a largo
plazo de muchas series de negocio,
como ventas, exportaciones y
producción.
* Tendencia No lineal : cuando la serie de
tiempo presenta un comportamiento
curvilíneo
25. Ejemplo pronóstico con series de tiempo
• En la tabla se reflejan las ventas trimestrales
de una empresa en millones de euros. Se
pide desestacionalizar la serie por el método
de las medias móviles.
Primer paso: Calcular la tendencia secular de la
serie por el método de las medias móviles de
tamaño 4
Trimestre / Año 2006 2007 2008 2009 2010
Primero 2 3 2 4 5
Segundo 2 4 4 5 6
Tercero 3 5 5 7 8
Cuarto 3 4 4 3 5
Trimestre / Año 2006 2007 2008 2009 2010
Primero - 3,75 3,75 5,00 5,50
Segundo 2,5 4,0 3,75 4,75 6,0
Tercero 2,75 3,75 4,25 5,00
Cuarto 3,25 3,75 4,50 5,25
Centrar la serie calculando la media aritmética de
cada dos observaciones sucesivas
Trimestre / Año 2006 2007 2008 2009 2010
Primero 3,500 3,750 4,750 5,375
Segundo 3,875 3,750 4,875 5,750
Tercero 2,625 3,875 4,000 4,875
Cuarto 3,000 3,750 4,375 5,125
La línea que se obtiene al representar
gráficamente la serie, será la línea de tendencia.
26. Eliminar tendencia, componente cíclica y
componente accidental
• Segundo paso : La tendencia y la
componente cíclica se eliminarán
dividiendo cada dato de la serie original
por la correspondiente media móvil:
Tercer paso: Se elimina la componente
accidental con el cálculo de las medias
aritméticas trimestrales, es decir, la media
aritmética de cada fila de la tabla anterior.
Se calcula la media aritmética de los cuatro
valores obtenidos anteriormente.
Trimestre / Año 2006 2007 2008 2009 2010
Primero 0,857 0,533 0,842 0,930
Segundo 1,032 1,067 1,026 1,043
Tercero 1,143 1,290 1,250 1,436
Cuarto 1,000 1,067 0,914 0,585
Trimestre / Año 2006 2007 2008 2009 2010 IBVE
Primero 0,857 0,533 0,842 0,930 0,791
Segundo 1,032 1,067 1,026 1,043 1,042
Tercero 1,143 1,290 1,250 1,436 1,280
Cuarto 1,000 1,067 0,914 0,585 0,892
1,001
27. • Cuarto paso : Se calculan los índices de
variación estacional (IVE), expresando para
ello cada uno de los valores anteriores en
forma de porcentaje sobre la media anual,
obteniendo:
Sobre un nivel medio de
ventas, la influencia de la
variación estacional
produce:
Trimestre / Año IVE %
Primero (0,791/1,001) * 100 79,0
Segundo (1,042/1,001) * 100 104,1
Tercero (1,280/1,001) * 100 127,85
Cuarto (0,892/1,001) * 100 89,1
400
Trimestre IVE %
Primero (79,0-100) -21% Descenso en las ventas de un 21%
Segundo (104,1-100) 4% Aumento en las ventas de un 4%
Tercero (127,85-100) 28% Aumento en las ventas de un 28%
Cuarto (89,1-100) -11% Descenso en las ventas de un 10%
Calcular los índices de variación Estacional
IVE
28. EJERCICIO PRONOSTICOS
Índice de Variación Estacional IVE
Estación 2012 2013 2014 2015
Invierno 6,60 6,40 6,80 7,10
Primavera 4,50 4,50 5,10 5,60
Verano 10,10 9,70 10,50 10,90
Otoño 12,60 13,50 14,20 15,10
Calcule la tendencia secular de la serie por el
método de las medias móviles de tamaño 4
Centre la serie calculando la media aritmética
Elimine la tendencia y la componente cíclica
Elimina la componente accidental
Calcule los índices de variación estacional (IVE),
en forma de porcentaje sobre la media anual.
29. Técnicas de pronóstico cualitativas – consulte las características
principales de este modelo y complete el diagrama.
Técnicas de
pronóstico
cualitativos
Raiz de pasto o
“Grass Roots”
Investigación de
mercado
Consenso de los
expertos
Analogía
histórica
Método Delphi
