Академический Документы
Профессиональный Документы
Культура Документы
Pronsticos
Alumnos 02
PRONSTICOS
Factores que Afectan la Demanda
Factores externos
PRONSTICOS
Factores externos (continuacin)
PRONSTICOS
Factores internos
PRONSTICOS
Factores internos
Administracin de la demanda proceso de la empresa que
influyen en los tiempos y en el volumen de la demanda.
PRONSTICOS
Diseo del sistema de Pronstico
Gerencia frente a un pronstico debe tomar tres decisiones
Que va a pronosticar.
Que tipo de tcnica va a aplicar.
Tipo de hardware o software o ambos que utilizar.
I. Que va a pronosticar
1. Nivel de acumulacin
Es agrupar varios productos o servicios similares, con lo cual las
compaas pueden realizar pronsticos ms asertivos y derivar
por productos o servicios.
PRONSTICOS
Que va a pronosticar (continuacin)
Sistema a dos niveles.
PRONSTICOS
Enfoques del Pronstico
Mtodos cualitativos
Se emplean cuando la situacin no
es clara y existen pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y experiencia:
Por ejemplo, el pronstico
de las ventas a travs de
Internet.
Mtodos cuantitativos
Se emplean cuando la situacin
es estable y existen datos
histricos:
Productos existentes.
Tecnologa actual.
Requieren tcnicas
matemticas:
Por ejemplo, el pronstico
de las ventas de
televisiones en color.
8
PRONSTICOS
II. Decisin del tipo de tcnica de pronstico
Comprar un software.
Tiempo requerido para hacerlo.
Capacitacin del personal.
Tcnicas
Cualitativa:
Mtodo de juicio
Cuantitativa:
Mtodos Causales
Anlisis de serie de tiempo
PRONSTICOS
Decisin del tipo de tcnica de pronstico (continuacin)
Cualitativos
Mtodo de juicio: cuando no se dispone de datos histricos
Opinin de Gerentes y Expertos
Encuestas de consumidores
Estimaciones entregadas por rea de ventas
Cuantitativos
Mtodos Causales: Dependencia de datos histricos de
variables independientes:
Campaa de promociones
Condiciones econmicas
Actividades de los competidores
10
Aplicaciones
Corto plazo
(0-3 Meses)
rea de decisin
Tcnica
de pronstico
Administracin
de inventario.
Programacin de
ensamble final.
Programacin de
la fuerza de trabajo.
Programacin de
produccin.
Series de tiempo
Causal
De juicio
Mediano plazo
(3 Meses - 2 Aos)
Largo plazo
(ms de 2 Aos)
Total de ventas
Grupos de familias
de productos o
servicios
Planificacin de
personal
Planificacin de Prod.
Programacin de
produccin
Compras
Distribucin
Total de ventas
Causal
De Juicio
Causal
De juicio
Localizacin
Planificacin de
capacidad
Administracin
de procesos
11
PRONSTICOS
III. Pronstico por medio de Computadoras
Contesta la pregunta qu tipo de hardware o software o ambos
utilizar?
Se aplica para cortos plazos y en el mercado existen muchos paquetes
que se clasifican como:
Sistemas manuales: Usuario selecciona la tcnica de pronstico y
parmetros.
Sistema semiautomtico: Usuario especifica la tcnica pero el
software determina los parmetros para el modelo.
Sistema automtico: Software analiza los datos, sugiere tcnica y
parmetros.
Criterios para seleccionar software (Dep. marketing + operaciones)
Satisfacer las necesidades.
Costo de compra o licencia.
Nivel del soporte del personal requerido.
Magnitud del mantenimiento necesario.
12
Anlisis de Mtodos
Mtodo de Juicio
Utilizado cuando:
No existen datos histricos.
Cambio de tecnologa.
Modificacin de pronsticos cuantitativos (resultados extraos)
Se confa en la experiencia y el buen juicio
Existen cuatro formas:
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
Desventajas
Algunos muy optimistas otros muy cautelosos.
No diferencian entre lo que el cliente desea y lo que realmente
necesita.
Vendedores subestiman el pronstico, para que su rendimiento
parezca bueno, cuando supera la proyeccin o esforzarse solamente
para alcanzar meta.
2.- Opinin Ejecutiva
Uso
Modificar un pronostico de venta actual, debido a un evento
inesperado.
Elaborar pronsticos tecnolgicos.
Desventajas
Puede ser costosa.
Puede quedar fuera de control (sin la aprobacin colectiva).
14
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
3.- Investigacin de Mercado
Creacin y puesta en marcha de diferentes hiptesis por medio de una encuesta,
para determinar el grado de inters del consumidor.
La investigacin incluye:
Diseo de un cuestionario, para obtener informacin econmica, demogrfica e
inters(es) de cada persona.
Aplicacin: - Telfono Correo Entrevista
Seleccin de la muestra representativa.
Anlisis de la informacin. Interpretacin con criterio estadstico.
Uso, pronosticar la demanda con precisin:
Excelente a corto plazo.
Buena a mediano plazo.
Regular a largo plazo.
Desventajas
Costosas, errores en la formulacin e interpretacin de las respuestas.
Limitaciones (Ej. Respuestas por correo).
15
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
4.- Mtodo Delphi
Obtener consenso dentro de un grupo de expertos, pero en anonimato,
sin experiencia en el tema.
El panel de expertos pueden dedicarse a distintos rubros como, poltica,
negocios, cientfico, ambientalistas, etc.
Uso
Pronosticar a largo plazo.
Proyeccin de venta de un producto nuevo.
Desventajas
Puede alargarse por mucho tiempo (ms de un ao).
Probabilidad de respuestas menos significativas que si ellos no asumen
el problema.
Pocas evidencias de alto grado de precisin.
Los cuestionarios mal planteados conducen a errores.
16
Regresin lineal
Mtodo
causal
Modelos de
series temporales
17
Mtodo Causal
Regresin Lineal
Se dispone de datos histricos, se puede relacionar lo que se intenta
pronosticar con otros factores externos o internos.
Ventajas
Posee instrumentos ms refinados de pronsticos.
Excelente para prever puntos de inflexin de la demanda.
til para pronsticos de mediano o largo plazo.
Regresin lineal consiste en que una variable dependiente se relaciona
con una o ms variables independiente por medio de una expresin
algebraica.
Ejemplo:
Variable dependiente: se quiere pronosticar la demanda de barniz para
puertas.
Variable independiente: gasto de publicidad o inicio de la construccin
de nuevas viviendas.
Modelo de mayor sencillez: y = a + bx
18
Mtodo Causal
Regresin Lineal
Ecuacin de
regresin:
Y = a + bX
Variable Dependiente
Y
Estimacin de
Y a partir de
la ecuacin
de regresin
Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
19
Mtodo Causal
Regresin Lineal
Variable Dependiente
Desviacin
o error
Estimacin de
Y a partir de
la ecuacin
de regresin
Ecuacin de
regresin:
Y = a + bX
Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
20
Mes
1
2
3
4
5
Ventas
(miles de unidades)
264
116
165
101
209
2.5
1.3
1.4
1.0
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
300
250
000 = miles
200
a
b
r
r2
syx
150
100
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
Y = - 8.136 + 109.229X
50
|
|
|
|
1.0
1.5de r es2.0
2.5 a 1,00 significa que existe una
Pronstico
El valor
muy prximo
Pronsticopara
paraMes
Mes66
fuerte relacin
entre
ventas y publicidad, la seleccin es buena.
Publicidad
(miles de
dlares)
XX==$1750,
YY
==
- 8.136
+ 109.229(1.75)
$1.750,
183.015
unidades
R2 significa que el 96% de la variacin observada en las
25
ventas, se atribuye a los gasto involucrados de publicidad.
300
250
Ventas
Publicidad
Mes (000 unidades) (000 $)
200
1
2
150
3
4
100
5
50
264
2.5
116
1.3
165
1.4
101
1.0
Y = - 8.136 + 109.229X
209
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
|
| produccin
|
El ingeniero
a| cargo de
puede utilizar este
1.0
1.5 saber
2.0las bisagras
2.5
pronstico
para
que necesitar en el mes 6.
Publicidad
(miles
Si
suponemos
quede
sedlares)
tiene en inventario 62.500 unidades,
Cunto deber planificar como produccin?.
26
300
250
Ventas
Publicidad
Mes (000 unidades) (000 $)
200
1
2
150
3
4
100
5
50
264
2.5
116
1.3
165
1.4
101
1.0
Y = - 8.136 + 109.229X
209
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
|
|
|
|
Se 1.0
tiene en1.5
inventario
2.0 = 62,500
2.5 unidades,
Publicidad
(miles
de dlares)
Produccin
= 183,015
- 62,500 = 120,015 unidades
27
28
29
30
2 semana
120 unid.
12
3 semana
4 semana
120 + 12 = 132
Real 127
127 + 7 = 134
32
33
Llegadas de pacientes
Ejemplo :
Llegadas reales
de pacientes
Semana
34
F t + 1= At =
F t + 1 = At =
D t + D t 1 + D t 2 ...........D t n + 1
n
At = Promedio de la demanda real de n periodos anteriores
Dt = demanda real del perodo t
n = Nmero total de perodos incluidos en el promedio.
F t + 1 = pronstico para el perodo t + 1
F t+1 = At
Ft = At-1
Llegada de pacientes
400
380
411
37
D1 =400
D2 =380
415
A3 =397
Llegada de pacientes
D3 = 411
411
410
405
400
400
395Dt - 2 ) / 3
At =( Dt + Dt - 1 +
390D ) / 3
A3 =( D3 + D2 +
1
A3 =( 411 + 380385
+ 400 ) / 3
Ft = A t - 1380
F4 = A 3
F4 = 397
380
375
0
5Semana
38
D1 =400
D2 =380
420
D3 = 411
A4 =402
Llegada de pacientes
415
415
D4 = 415
411
410
405
400
400
At =( Dt + Dt - 1 +
D
)/3
395 t - 2
A4 =( D4 + D3 +
D2 ) / 3
390
A3 =( 415 + 411 385
+ 380 ) / 3
380
380
Ft = A t - 1
375
F5 = A 4
F5 = 402
5
6
Semana
39
Llegadas de pacientes
450
Pronstico MA
Pronstico MA
3-semana
6-semanas
430
410
390
370
Llegadas de
pacientes reales
|
5
|
10
Semana
|
15
|
20
|
25
|
30
40
Desventaja
Sigue retrasndose con respecto a la demanda porque slo
calcula promedios de la demanda en el pasado.
Se observa mucho mejor el retraso cuando existe una tendencia,
ya que el promedio de serie de tiempos va en incremento o
disminucin en forma sistemtica.
42
400
0,1
380
0,2
411
0.7
43
AWt D t j1 Wt j1
D1 =400 W1 = 0,1
D2 =380 W2 = 0,2
j1
415
Llegada de pacientes
D3 = 411 W3 = 0,7
411
410
405
A3 = W3*D3 + 400
W2*D2 + W1*D
4001
A3 = 0,7*411 + 0,2*380
+ 0,1*400
395
A3 = 403,7
=404
390
385
Ft =
380
A t-1
F4 =
375
0
380
A3
F4 = 404
5Semana
44
Llegadas de pacientes
450
430
410
390
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
45
Llegada de
Semana pacientes
Llegadas de pacientes
450
430
1
2
3
4
410
400
380
411
415
390
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
46
Llegada de
Semana pacientes
Llegadas de pacientes
450
430
1
2
3
4
410
400
380
411
415
390
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
47
Dt = + et
El modelo refleja un error aleatorio alrededor de una tendencia central
estable. Donde et se distribuye normalmente con media cero.
El mtodo consiste en estimar la demanda promedio suavizada
(ajustada) para el periodo venidero (At) sumando o substrayendo a los
pronsticos promedios precedentes (A t - 1) un porcentaje () de la
diferencia entre la demanda actual (Dt) y los pronsticos promedios
precedentes (Ft - 1)
At = Dt + ( 1 - ) A t - 1
48
A t = Dt + ( 1 - ) A t - 1
A t -1 refleja la historia
Si se cree en la ltima demanda
=1
Si se cree en la historia
=0
49
At = Dt + ( 1 - ) A t 1
Ft+1 = A t
At = A t - 1 + ( Dt - At-1 )
Ft+1 = Dt + ( 1 - ) F t
et = Dt Ft
Donde: At
A t-1
Dt
Ft+1
et
50
51
F t+1 = F t + ( D t - F t )
equivalente a:
Es igual al pronstico del perodo
actual ms una proporcin del
error
del
pronstico
correspondiente al mismo perodo
actual.
52
Ft (1 ) k Dt k (1 ) t F1
k 0
Ft 1 * Dt (1 ) * Ft
Donde F1 es la estimacin inicial de
53
(Reemplacemos en la
anterior)
54
55
Semana
Llegada de pacientes
400
380
411
56
Pronstico
Llegada de pacientes
415
411
410
405
Inicial
400
F3 = (D1 + D2)/2
395
F3 = (400 + 380)/2 = 390
390
385
= 0.1
Ft+1 = 0.1*Dt + (1 380
- 0.1)*Ft
F4 = 0.1*D3 + (1 - 0.1)*F3
375
F4 = 0.1*411 + (1 - 0.1)*390
0
F4 = 392,1
Para
400
380
1
5Semana
57
D1 =400
D2 =380
420
D3 = 411
Llegada de pacientes
415
415
D4 = 415
411
410
405
400
400
395
Si la demanda real390
D4 = 415
F5 = 0.1*415 +
0.9*392.1 = 394.1
385
380
380
375
0
5
6
Semana
58
Llegadas de pacientes
450
430
410
390
370
|
|
5
10
Semana
Suavizacin
Exponencial
= 0.10
|
|
15
20
|
25
|
30
59
Llegadas de pacientes
450
Pronstico MA
Pronstico MA
3-semanas
6-semanas
430
410
390
370
|
5
|
10
Semana
Suavizacin
Exponencial
= 0.10
|
|
15
20
|
25
|
30
60