Академический Документы
Профессиональный Документы
Культура Документы
PRONSTICOS DE DEMANDA
Universidad del Cauca Facultad de Ciencias Agropecuarias Programa de Ingeniera AgroindUstrial Mg. Andrs Mosquera
Definicin de Pronstico
Mtodo Estadstico que analiza los datos histricos de la demanda, para suministrar un valor estimado de esta misma en un futuro. Los sistemas de pronsticos se utilizan usualmente en la prediccin de eventos futuros como:
Planeacin de Produccin Planeacin Financiera Control de Procesos Planeacin de Inversiones Planeacin de actividades de servicio Administracin de Inventarios
Necesidad de pronosticar
Entorno altamente incierto La intuicin no necesariamente da l los mejores j resultados Mejorar la planeacin Competitividad y cambio
Los pronsticos de demanda siempre estarn errados; la clave radica en conocer a fondo los errores del pronstico y responder a ellos en forma adecuada mediante la utilizacin de inventarios de seguridad
16/06/2010
DATOS HISTRICOS
Seleccin e inicializacin del modelo
MODELO MATEMTICO
Demanda real observada
INTERVENCIN HUMANA
Pronstico estadstico
PRONSTICO DE DEMANDA
Demanda no servida
Demanda promedio d =
Semana 1 2 3 4 5 6 7 8 9 10 11 12 Ventas 10 9 3 5 3 3 0 0 0 0 2 2
x
t =1
(x
t =1
xt ) 2
Demanda promedio d =
x
t =1
( xt xt ) 2
t =1
Perodo del pronstico: Unidad bsica de tiempo para la cual ser realizado el pronstico. Por ejemplo, para una semana. Horizonte del pronstico : Nmero de perodos en el futuro que sern cubiertos p q por el pronstico. Por ejemplo, para las prximas diez semanas. Intervalo del pronstico : Es la frecuencia con que el nuevo pronstico ser preparado. A menudo, coincide con el perodo del pronstico.
16/06/2010
los y del de
Se compara la precisin de dos o ms tcnicas de pronstico. Se mide la confiabilidad de una tcnica de pronstico. Se busca la tcnica ptima. Fundamental porque:
Permiten estimar la variabilidad de la demanda Permiten determinar la conveniencia del modelo Ilustran al administrador para su intervencin
Donde; et = error del pronstico de demanda para el periodo t , xt = valor real de la demanda en el periodo t , t = pronstico de demanda para el periodo t , realizado x a lg n tiempo antes
MAD =
x
t =1 n
t x
(x
t =1
t ) 2 x
k = 1,65 para Nivel de servicio del 95 % 1,96 para Nivel de servicio del 97 ,5% 2,33 para Nivel de servicio del 99 %
16/06/2010
Mtodos de control Monitoreo frecuente y continuo Registros precisos Suavizacin exponencial doble Polticas basadas en el nivel de servicio al cliente Mtodos de control Sistema de control computarizado clsico Suavizacin exponencial simple Reporte por excepciones Mtodos de control
Sistema de control simple Promedio mvil (aceptar el pronstico) Evitar agotados y exceso de inventarios Larga frecuencia de ordenes Sistema automtico
CVD =
Relativamente pocos tems (muy importantes) El mayor porcentaje del volumen de ventas ($)
Polticas de control Control clsico de inventarios Administracin por excepcin Cubrimiento de existencias entre 2 y 8 semanas Polticas de control Supervisin mnima Pedidos bajo orden Tamaos de orden grandes Polticas de cero o de alto inventario de seguridad Cubrimiento de existencias entre 3 y 20 semanas
Caractersticas tems clase C Muchos tems Bajo volumen de ventas (en $) Pocos movimientos o tems de muy bajo valor unitario
Unid dade
80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 21 23 SE MA N A S
150 100 50 0
9 11 13 15 17 19 21 23 SE MA N A S
Demanda perpetua creciente
16/06/2010
Demanda decreciente
Demanda estacional
Estacional o peridica
Demandas altamente correlacionadas Errtica (tems de clase A de bajo movimiento) No muestra un patrn definido de comportamiento en el tiempo de la evaluacin
Mtodos integrados de promedios mviles auto-regresivos (ARIMA) Pronstico combinado de tiempo entre la ocurrencia de demandas consecutivas y la magnitud de las transacciones individuales (Mtodo de Croston y variaciones)
16/06/2010
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
122 181 195 171 183 236 144 174 215 267 183 115 366 199 244
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
264 203 202 195 240 188 151 197 151 171 171 196 241 123 230
xt = b + t , donde xt = valor real de la demanda en el periodo t b es una cons tan te que representa el proceso de demanda uniforme
Se tiene un producto que cuenta con la siguiente demanda para 30 periodos de tiempo (meses). Determine el patrn de comportamiento p de la demanda Realice los clculos del pronstico a partir del periodo 16. Grafique. Pruebe la solucin con diferentes valores de N.
Mes 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Demanda 122 181 195 171 183 236 144 174 215 267 183 115 366 199 244
Pronstico
Error
Error absoluto
ECM
16/06/2010
Mes
Demanda 92 127 117 88 114 99 122 96 84 64 117 127 92 80 105 121 99 120 50 190 117 99 128 119 113
Mes 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Demanda 72 85 105 109 96 98 109 85 103 124 114 97 89 144 94 105 113 96 125 118 97 135 147 110 103
Otro ejemplo.
Determine el comportamiento de la demanda y obtenga la ecuacin de regresin lineal. Disee una hoja electrnica en donde se determine el valor de arranque y los dems pronsticos de los periodos, de acuerdo con las proporciones sugeridas. Calcule el error del pronstico, pronstico el error absoluto, el error cuadrtico y estime la MAD y el ECM. Estime la desviacin estndar de los errores del pronstico. Pruebe el comportamiento del pronstico con diferentes valores de N. Cul es el N ptimo?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
SELECCIN DE LA CONSTANTE DE SUAVIZACIN Se recomiendan valores mayores que 0.01 y menores que 0.30.
Valores muy grandes hacen que el pronstico responda de manera acelerada a cambios del proceso Valores muy pequeos hacen que el pronstico no responda de manera acelerada a cambios del proceso
Se puede determinar un ptimo, a travs de la simulacin del pronstico y con base en la MAD, en el ECM o en otro criterio. Pueden utilizarse valores de diferentes dependiendo del estado del proceso. Existen mtodos auto-adaptivos (automticos).
El valor de So se toma como valor del pronstico para la semana siguiente, as como el de St de esta semana como el pronstico de la semana siguiente. Se calcula el valor de St para cada semana
16/06/2010
31 32 33 34 35 36 37 38
S o = 128,9450 uds St (1) = x1 + (1 ) S 0 St (1) = 0,2(92) + (0,80 *128,9450) = 121,556 uds St ( 2) = 0,2(80) + (0,80 *121,556) = 113,245 uds St (3) = 0,2(105) + (0,80 *113,245) = 111,596 uds
16/06/2010
xt = b1 + b2t + t ; b1 y b2 cons tan tes xt = valor real de la demanda en el periodo t b1 = representa la componente cons tan te de la demanda b2 = representa la componente de tendencia de la demanda
[2 ] T (T ) = 2 + x S 0 1 + S0 1 1
16/06/2010
Semana 1 2 3 4 5 6 7 8 9
Demanda 23 28 16 22 30 31 25 9 20 22 35 32 23 13 15 29 24 38 15 15 24 44 22 40 60 18
Semana 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
Demanda 39 53 56 19 51 41 30 52 44 51 59 45 53 37 56 29 54 38 29 51 33 27 65 43 48
[(1 + 4 + 5 2 ) + 2 (1 + 3 ) + 2 2 2 ]; = 1 (1 + ) 3
m t =1 t
(x
t ) 2 x
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
(x
t =1
t ) 2 x
QT Seal de rastreo en la semana T = MADT Inventario de seguridad = ECM T k t + IST Inventario mximo = x
Da 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Demanda 280 45 305 140 200 130 160 75 240 48 98 280 50 135 230 200 78 155 110 155 48 230 250 170 560
Da 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Demanda 630 540 410 330 625 600 480 350 650 390 520 600 635 575 620 475 605 550 620 600 390 450 420 595 640
15 16 17 18 19 20 21 22 23 24 25
10
16/06/2010
Las tendencias son movimientos a largo plazo en una serie de datos a lo largo del tiempo. La tendencia puede ser descrita por una recta o por una curva. Las tendencias se dan por varias causas: cambios en la poblacin, cambios en la productividad, cambios tecnolgicos, etc. En este tipo de anlisis la variable independiente es el tiempo.
11
16/06/2010
Y = a + bX
Y = valor pronosticado en un periodo X a = valor de la tendencia cuando X = 0 b = pendiente de la recta de tendencia X = periodo (codificado)
12
16/06/2010
Yt
35 42 48 51 54 60 71 75
Yt
et
b= a=
n xy x y
y bx
n n
n x 2 ( x )
r =
[ ] [n x ( x) ][n y ( y ) ]
2 2 2 2
Se =
a y b xy n2
13
16/06/2010
Z 1 2 3
Ao
Trim.
Yt
1 2 3 4 1 2 3 4 1 2 3 4
13618 12930 13138 16532 14514 14128 15568 17448 13984 13644 15898 19300
14
16/06/2010
Ao
Trim.
Yt
Yt ajust.
1 2 3 4 1 2 3 4 1 2 3 4
13618.00 12930.00 13138.00 16532.00 14514.00 14128.00 15568.00 17448.00 13984.00 13644.00 15898.00 19300 00
14607.27 14351.12 13306.33 14017.29 15568.36 15680.79 15767.47 14793.96 14999.86 15143.59 16101.70 16364 2
15
16/06/2010
16
16/06/2010
17
16/06/2010
Mtodo de Croston (Taller de Silver et al., 1998) . Este mtodo combina el pronstico de la probabilidad de ocurrencia de la demanda y estima el tamao de sta, actualizando los parmetros solo cuando ocurre la demanda.
Pronsticos acumulados
18
16/06/2010
Seales de rastreo
La seal de rastreo siempre est entre -1 y 1. Los valores mximos aceptables dependen de la aplicacin y pueden variar de 0.2 a 0.6. Cuando dos o ms seales de rastreo sucesivas sobrepasan el valor mximo, entonces deben recalcularse los parmetros del modelo y/o revisarse el modelo que se est utilizando.
19