Академический Документы
Профессиональный Документы
Культура Документы
ADMINISTRACION DE LA PRODUCCIN I
MODULO V
Datos Generales
Objetivos Especficos:
1. Utilizar el clculo del error del pronstico para determinar el modelo de
pronstico ms adecuado
2. Desarrollar los clculos de pronsticos utilizando el modelo de proyeccin de
tendencias
3. Aplica la variacin estacional para el ajuste de la demanda.
4. Emplear el anlisis de regresin lineal para el clculo de pronsticos.
Competencias a alcanzar:
1. Selecciona el mtodo de pronstico ms adecuado para predecir la
demanda mediante el uso de los mtodos de clculo de error de pronstico.
2. Obtiene el pronstico de la demanda utilizando el modelo de proyeccin de
tendencias.
3. Emplea los ndices de variacin estacional para ajustar la demanda.
4. Utiliza el anlisis de regresin lineal para el clculo de los pronsticos.
Descripcin Breve del Foro:
1. Participacin 1: Explique cul modelo de anlisis de error de pronsticos
considera el ms adecuado.
2. Participacin 2: Explique cuando es aplicable el modelo de pronstico por
proyeccin de tendencias.
3. Participacin 3: Explique cuando es conveniente utilizar un modelo de
pronstico mediante anlisis de regresin lineal.
Contenido
Introduccin
En el mdulo anterior discutimos algunos conceptos sobre los pronsticos, los tipos
de pronsticos y algunos modelos de pronsticos cualitativos y cuantitativos. En este
mdulo desarrollaremos el tema de error en los pronsticos para determinar qu
modelo de pronstico es el ms adecuado para hacer una prediccin de la demanda.
Adems, conoceremos otros modelos de pronsticos cuantitativos, como ser: el
modelo de proyeccin de tendencia, el modelo de variacin estacional, as como el
anlisis de regresin lineal.
ERROR EN LOS PRONSTICOS
Sabemos que los pronsticos no son totalmente exactos. Ningn modelo de
pronsticos es preciso. Para seleccionar el modelo de pronstico ms adecuado para
predecir la demanda, debemos determinar el error de los modelos de pronstico que
queremos utilizar, en relacin a los valores reales de demanda. El modelo de
pronstico con el menor margen de error ser el ms adecuado para predecir la
demanda.
Existen varios mtodos para hacer este anlisis. Entre ellos tenemos:
1. Desviacin absoluta media (MAD, por sus siglas en ingls)
2. Error cuadrtico medio (MSC, por sus siglas en ingls)
3. Error porcentual absoluto medio (MAPE, por sus siglas en ingls)
Para los objetivos de este mdulo solo se analizar el mtodo de Desviacin Absoluta
Media.
| |
Ejemplo 1:
En la tabla siguiente se muestran los precios en los ltimos meses de un chip
electrnico utilizado en ciertos tipos de computadoras. Tambin se muestra el
pronstico del precio utilizando promedio mvil simple y suavizamiento
exponencial con = 0.3. Determine cul de los dos modelos de pronstico es
el ms adecuado para predecir el precio del chip utilizando calculando la
desviacin absoluta media para cada pronstico.
Mes
Precio
por chip
($)
Promedio
Mvil simple
Suavizamiento
exponencial
(=0.3)
Enero
1.80
1.80
Febrero
1.67
1.80
Marzo
1.70
1.76
Abril
1.85
1.72
1.74
Mayo
1.90
1.74
1.77
Junio
1.87
1.82
1.81
Julio
1.80
1.87
1.83
Agosto
1.83
1.86
1.82
Mes
Precio
por chip
($)
Promedio
Mvil
simple
Error porcentual
absoluto
S.E.
(=0.3)
Error porcentual
absoluto
Enero
1.80
1.80
Febrero
1.67
1.80
Marzo
1.70
1.76
Abril
1.85
1.72
1.74
Mayo
1.90
1.74
1.77
Junio
1.87
1.82
1.81
Julio
1.80
1.87
1.83
Agosto
1.83
1.86
1.83 - 1.86=0.03
1.82
Desviaciones:
0.53
Desviaciones:
0.44
Una vez que se obtienen los errores absolutos de los pronsticos, se hace una
sumatoria de ellos. Para nuestro caso la sumatoria de errores absolutos para
promedio mvil simple es de 0.44 y la sumatoria para suavizamiento
exponencial con = 0.3 es de 0.53.
Ahora debemos calcular el MAD para cada modelo de pronstico. Para promedio
mvil simple el MAD se calculara:
0.44
= 0.088
5
0.53
= 0.066
8
Algunas observaciones:
Figura 1: Mtodo de mnimos cuadrados para encontrar la recta que mejor se ajuste, donde los
asteriscos son las ubicaciones de las siete observaciones reales o de los puntos de datos. Fuente:
(Render, 2009)
Donde:
(que se lee y gorro) = valor calculado de la variable que debe predecirse
(llamada variable dependiente)
a = interseccin con el eje y
b = pendiente de la recta de regresin (o la tasa de cambio
en y para los cambios dados en x)
x = variable independiente (que en este caso es el tiempo)
Los estadsticos han desarrollado ecuaciones que se utilizan para encontrar los
valores de a y b para cualquier recta de regresin. La pendiente b se encuentra
mediante:
2 2
Ejemplo 2:
En la tabla siguiente se muestra la demanda de energa elctrica en N. Y. Edison
durante el periodo 2001 a 2007, en megawatts. La empresa quiere pronosticar
la demanda para 2008 ajustando una recta de tendencia a estos datos.
Ao
2001
Demanda de
energa
elctrica
74
Ao
2005
Demanda de
energa
elctrica
105
2002
79
2006
142
2003
80
2007
122
2004
90
Solucin:
Para realizar el clculo del pronstico numeramos cada ao, asignando como
nmero 1 al ao ms lejano, en este caso 2001, nmero dos al siguiente y as
sucesivamente. La tabla nos quedara de la siguiente manera:
Ao
2001
Periodo
(x)
1
Demanda
de energa
elctrica
(y)
74
2002
76
152
2003
80
240
2004
90
16
360
2005
105
25
525
2006
142
36
852
2007
122
49
854
x = 28
y = 692
x2
x2
1
xy
74
= 140
xy = 3057
28
=
=4
692
=
= 98.86
Ejemplo 3:
Un distribuidor de computadoras porttiles quiere desarrollar ndices mensuales
para las ventas y a partir de ellos calcular el pronstico de la demanda mensual,
suponiendo un pronstico anual para 2008 de 1,440 computadoras. A
continuacin se muestran los datos mensuales para los aos 2005 a 2007.
Demanda
2005
2006
2007
80
85
105
Febrero
70
85
85
Marzo
80
93
82
Abril
90
95
115
Mayo
113
125
131
Junio
110
115
120
Julio
100
102
113
Agosto
88
102
110
Septiembre
85
90
95
Octubre
77
78
85
Noviembre
75
82
83
Diciembre
82
78
80
Mes
Enero
Solucin:
Para iniciar debemos obtener la demanda promedio para cada periodo. Para el
mes de enero sera:
80 + 85 + 105
= 90
3
Mes
2005
2006
2007
Demanda
Promedio para
el periodo
Enero
80
85
105
90
94
0.96
Febrero
70
85
85
80
94
0.85
Marzo
80
93
82
85
94
0.90
Abril
90
95
115
100
94
1.06
Mayo
113
125
131
123
94
1.31
Junio
110
115
120
115
94
1.22
Julio
100
102
113
105
94
1.12
Agosto
88
102
110
100
94
1.06
Septiembre
85
90
95
90
94
0.96
Octubre
77
78
85
80
94
0.85
Noviembre
75
82
83
80
94
0.85
Diciembre
82
78
80
80
94
0.85
Demanda
Demanda
promedio
mensual
ndice
Estacional
=1128
1128
= 94
12
90
= 0.96
94
Para determinar la demanda para cada mes del ao 2008, dividimos la demanda
anual entre el nmero de perodos considerados:
2008 =
1440
= 120
12
Luego multiplicamos esta demanda promedio por cada ndice estacional, como
sigue:
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
120 x 0.96
120 x 0.85
120 x 0.90
120 x 1.06
120 x 1.31
120 x 1.22
120 x 1.12
120 x 1.06
120 x 0.96
120 x 0.85
120 x 0.85
120 x 0.85
Piense en estos ndices como porcentajes de las ventas promedio. Las ventas
promedio (sin estacionalidad) seran de 94, pero con estacionalidad, las ventas
fluctan entre 85% y 131% del promedio.
ndice Estacional
Mes
ndice Estacional
Enero
1.04
Julio
1.03
Febrero
0.97
Agosto
1.04
Marzo
1.02
Septiembre
0.97
Abril
1.01
Octubre
Mayo
0.99
Noviembre
0.96
Junio
0.99
Diciembre
0.98
= (9,530)(1.04) = 9,911
67
68
69
70
71
72
73
74
76
77
78
79
Mes
Ene.
Feb.
Mar.
Abr.
May.
Jun.
Jul.
Ago.
Sep.
Oct.
Nov.
Dic.
Pronstico con
tendencia y
estacionalidad
9,911 9,265 9,764 9,691 9,520 9,542 9,949 10,068 9,411 9,724 9,355 9,572
dependiente y las otras variables son las variables independientes. El trabajo del
administrador es desarrollar la mejor relacin estadstica entre las ventas de
Ejemplo 5:
Una compaa constructora renueva casas antiguas. Con el tiempo, la compaa
ha encontrado que su volumen de dlares por trabajos de renovacin depende
de la nmina del rea local. La administracin quiere establecer una relacin
matemtica para ayudarse a predecir las ventas.
El Vicepresidente de Operaciones ha preparado la tabla siguiente, la cual
muestra los ingresos de la empresa y la cantidad de dinero percibido por los
trabajadores locales durante los ltimos 6 aos.
A partir de los seis puntos de datos, parece haber una ligera relacin positiva
entre la variable independiente (nmina) y la variable dependiente (ventas): A
medida que se incrementa la nmina, las ventas tienden a ser ms altas.
Podemos encontrar una ecuacin matemtica si usamos el enfoque de regresin
de mnimos cuadrados. La variable independiente ser la nmina ya que de ella
dependen las ventas.
18
=
=3
15
=
= 2.5
a) Desarrolle una regresin lineal que relacione las ventas del bar con los
huspedes (no con el tiempo).
b) Si el pronstico para la semana siguiente es de 20 huspedes, de
cunto se espera que sean las ventas?
BIBLIOGRAFA:
1. Render, B. y J. Haizer. (2009). Principios de Administracin de Operaciones.
(7a ed). Mxico: Editorial Pearson/Prentice Hall.
2. Schroeder, R. (2011). Administracin de Operaciones. (8a ed). Mxico:
McGraw-Hill.
3. Chase, R., Aquilano, N. y Jacobs, (2009). Administracin de Operaciones:
Produccin y cadena de suministros, Mxico: McGraw Hill.