Introduccin

El presente trabajo se refiere al tema de Pronsticos el cual definiremos como el

trabajo que se realiza para calcular las posibilidades futuras sobre la demanda. Los
enfoque estadsticos son tiles para hacer una prediccin si se tienen disponibles los
datos del pasado y suponiendo que es el prlogo del futuro netos, basados en este
enfoque son principalmente series de tiempo que podemos encontrar dividido en varias
tcnicas que es promedios mviles simples y mltiples as como exponencial simple y
compuesta otro mtodo que pertenece a esta rama es la regresin simple y la regresin
mltiple,
pero
qu
pasa
cuandoexistenmuypocosdatoscuantitativospasadososimplementeelpasadoofrecemuypoc
aguapara
predecirelfuturo?
Larespuestaseriaqueexistenotrosmtodosquesonsubjetivos,paraentenderunpoco
msesteconceptoinvestigamoslastcnicasquetrabajanbajoesteenfoquecomoesmtodoDel
phiquese desarroll para manejar las predicciones en las que la creatividad, la intuicin,
la imaginacin, la opinin pudieran ser ms tiles para desarrollar un pronstico, este no
es
el
nico
mtodo
existen
otros
como
el
paneldeexpertosyelanlisisdemercadoquemsadelanteexplicaremosadetalle.Peroestossol
osonlos mtodos aplicados para obtener un tan mencionado pronstico, algo que nos
motiv a investigar ms fue la siguiente pregunta cul es el sistema para elaborar un
pronstico?
Porque
hasta
el
momento
conocemosladefinicin,losmtodosperonocualessonlospasosaseguirparalograrobtenernos
olouna prediccin si no una prediccin lo ms apegada a la realidad, sin olvidar que no
debemos esperar que nuestra prediccin sea idntica con lo que suceda en ese futuro,
ya que por los diferentes factores que conforme pase el tiempo se pueden presentar
nuestra prediccin nunca podr ser exacta. Despus de analizar esto y al pensar en que
nunca es exacto, nos dimos a la tarea de investigar si esto tiene un control o alguna
seal de seguimiento y si para poder comprobar todas estas tcnicas hay forma de
calcular o conocer el error que estos pronsticos generan, para saber qu tan alejados
estamos de la realidad o que tanta diferencia nos caus algn factor que no
esperbamos durante estepronstico.
Finalmente en el trabajo sepresentan:
1. Pronstico
2. Mtodos:

Delphi

Panel deexpertos

Anlisis demercado

Regresin lineal simple ymltiple

Series detiempo

3. Sistemas de elaboracin depronsticos

4. Control, error y seal de seguimiento enpronsticos.

Pronostico
Es una prediccin de sucesos futuros, es imposible obtener un pronstico exacto pero
podemos evitar el mayor nmero de riesgos que se puedan correr es por eso que antes
de efectuar algn plan es indispensable hacer unpronstico.
El pronstico es tan importante que debe contemplarse en alguna de las etapas de
cualquier plan ya que el objetivo principal del pronstico es establecer las condiciones
econmicas, sociales y comerciales entre otras que puedan afectar los planes de
laempresa.
En trminos ms apropiados el pronstico contribuye a modificar a largo plazo las
ventas, laproduccin las compras y las finanzas logrando aprovechar al mximo los
recursos de la empresa y mantener una estabilidad en losempleados.
Al intentar obtener posibilidades o hechos futuros debemos considerar las
siguientessituaciones:
a) Tiempo: los pronsticos de acuerdo a las caractersticas o tipo de empresa se
pueden determinara largo plazo es decir se extiende ms all de 5 aos, mediano
plazo este se ubica entre el corto y el largo plazo es decir entre 5 aos y 2 aos
que es lo que dura un pronstico a cortoplazo.
b) Orientacin: el que pronostica tratade responder las preguntas que sugieran las
premisas de la planeacin para crear una base ms firme para elpronostico
c) Magnitud: son los clculos que nos permiten saber las proporciones que el
pronstico tomaraya sea en unidades, porcentajes u otrosvalores.

Sistemas para
pronosticar.
-Proyeccin mecnica. Para el pronosticador el futuro es resultado del presente y el
pasado no tomaen cuenta irregularidades de pocaimportancia.
Proyeccinanaltica.Paraestaproyeccinsetrabajasobrebaseslgicasesdecircontempland
ocosas pasadas que nos proporcionen posibilidadesfuturas.
METODODELPHI
Es un programa que sigue una secuencia de preguntas individuales atreves de
cuestionarios.OLAF HELMER
CMO SE APLICA ELMETODO?
1. Identificar el problema o lanecesidad.
2. Realizar la seleccin deexpertos.
3. Realizas el cuestionario mnimo 10preguntas.

4. Explorar los resultadosestadsticos.

Si no te es convincente, reptase el proceso hasta lograr una conclusin. No ms de
5rondas.

QU VENTAJAS TIENE ESTEMETODO?

1. Permite la formacin de un criterio con mayor grado deobjetividad.
2. El conceso logrado sobre la base de los criterios es muyconfiable.
3. La tarea de decisiones sobre la base de los criterios de expertos, obtenidos
por este tiene altas probabilidades de sereficiente.
4. Permite valorar alternativas dedecisin.
5. Evite conflictos entre expertos al ser annimo y crea un ambiente favorable a
lacreatividad.
6. Garantiza libertad deopiniones.
METODO PANEL DE EXPERTOS
Un panel es una reunin de varias personas que hablan sobre un tema Especfico. Los
miembros del panel, que suelen recibir el nombre de panelistas, exponen su opinin y
punto de vista sobre el tema a tratar.
CMOFUNCIONA?
Un panel suele tener de tres a cinco miembros en todo saco 7 es el nmero mximo
aceptable en un panel de expertos para que la reunin seaoperativa.
La duracin estimada es de una o doshoras

SERIES DETIEMPO
Por serie de tiempo nos referimos a datos estadsticos que se recopilan, observan o
registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre
otros). Es decir datos histricos, por ejemplo, las ventas anuales totales de almacenes,
el valor trimestral total de contratos de construccin otorgados, el valor trimestral
delPIB.
Este mtodo considera los siguientesfactores:
a) Tendencia.
b) Variacinestacional.
c) Movimientoscclicos.
d) Fluctuacionesirregulares.

PRONSTICO MVILSIMPLE
Definicin:
El mtodo de promedio mvil simple se usa para estimar el promedio de una
serie de tiempo de demanda, y por lo tanto, para suprimir los efectos de la
fluctuacin alazar.
Aplicacin:
Implica simplemente calcular la demanda promedio para la n periodos ms recientes,
con el fin de usarla como pronstico para el siguienteperiodo.
Formula

^
X t = Promedio de ventas en unidadesenelperodot+1
X t 1 = Ventasrealesenunidadesdelosperodosanterioresat
n = Nmero de dato

EJEMPLO.
Una PYME presenta en el siguiente tabulado del reporte de ventas de estampado de
camisas correspondiente al ao2014.
Period
os

Dem
anda

Enero

60

Febrero

20

Marzo

56

Abril

70

Mayo

10

Junio

Julio

100

Agosto

200

Septie
mbre

30

Octubr
e

76

Noviem
bre

130

Diciem
bre

50

Pronos
tico

Considerando los datos de la tabla, se quiere calcular un pronstico mediante la tcnica

dePromedio Mvil Simpleutilizando:
Un perodo de 3 meses (a partir de abril
de2014) Un perodo de 6 meses (a partir
de julio de 2014) SOLUCIN:
Primero empezamos con el periodo de 3 meses

20+60+56
^
X 4 ( abril )=
=45
3
20+56+70
^
X 5 ( mayo )=
=49
3
56+70+10
^
X 6 ( junio )=
=45
3
70+10+5
^
X 7 ( julio )=
=28
3
10+5+100
^
X 8 ( agosto )=
=38
3
5+100+ 200
^
X 9 ( septiembre ) =
=102
3
100+ 200+ 30
^
X 10 ( octubre ) =
=110
3
200+ 30+76
^
X 11 ( noviembre )=
=102
3
30+76 +130
^
X 12 ( diciembre ) =
=79
3

Para 6 meses ahora:

60+20+56+ 70+10+5
^
X 7 ( julio )=
=37
6
20+56+70+ 10+5+100
^
X 8 ( agosto )=
=44
6
56+70+ 10+5+100+200
^
X 9 ( septiembre ) =
=74
6
70+10+ 5+100+200+30
^
X 10 ( octubre ) =
=69
6
10+5+ 100+200+30+76
^
X 11 ( noviembre )=
=70
6
5+100+ 200+30+76+130
^
X 12 ( diciembre ) =
=90
6

METODO MOVIL DOBLE

Esta tcnica o mtodo sirve para calcular el
pronstico para los siguientes periodos,
partiendo de los datos obtenidos en el PMS. La
tcnica consiste en calcular un PMS con los
resultados obtenidos y otro PMD de un orden
previamente seleccionado. Como se explic en
el punto anterior. Tanto las caractersticas del
PMS, el PMD se defina del PMS y lo aleja ms
de la realidad. Esta prioridad se aprovecha
para dos ajustes: ajuste por tendencia y
ajusteemprica.
Procedimiento:
1. Se calcula el PMS para nrdenes.
2. Se selecciona el pronstico con el
menor promedio de error(D-P)2
3. Se calcula el pronstico doble con la tcnica
seleccionada,donde: El ajuste por tendenciaa;

a=PMSPMD+PMS
Dedonde:

a=2PMSPMD
El ajuste empricob;

b=
El ajuste final Pfseobtiene
a+b

2
1 (PMS PMD)
n

Pf=

Dnde:
a= Ajuste portendencia
b= Ajusteemprico
PMS= Promedio MvilSimple
PMD= Promedio MvilDoble
n=Orden del pronstico Mvilseleccionado.
Pf= Pronostico finalajustado
Nota.-El orden del PMD debe ser igual al orden delPMS.

Al hacer el PMD el resultado se le debe alinear con el dado del ltimo periodo
considerado, es decir no se proyecta para un periodo enadelante.
4. Se calcula el pronstico para el periodo deseado mediante lafrmula:

y = a + bx

x= No. de periodos adicionales que se deseaestimar.

EJEMPLO: CALCULAR UN PRONOSTICO PARA 3 MESES USANDO PROMEDIO MOVIL

DOBLE
Periodos

Demanda

Pronostico 3 meses

Enero

60

Febrero

20

Marzo

56

Abril

70

45

Mayo

10

49

Junio

45

Julio

100

28

Agosto

200

38

Septiembre

30

102

Octubre

76

100

Noviembre

130

102

Diciembre

50

79

SACAR AJUSTE POR

TENDENCIA
a= 2PMS PMD
a= 261.8888889

SACAR AJUSTE
EMPIRICA

b= 2 / n 1 ( PMS
PMD )
b= 8.62962963

EL PRONSTICO PARA
EL PERIODO
REQUERIDO
y=a+bx

y= 1047.555556
PARA 3 MESES

MTODO DE SUAVIZACIN EXPONENCIAL SIMPLE:

El mtodo de suavizacin exponencial simple o simplemente mtodo de suavizacin

puede considerarse como una evolucin del mtodo de promedio mvil ponderado,

en este caso se calcula el promedio de una serie de tiempo con un mecanismo de

autocorreccin que busca ajustar los pronsticos en direccin opuesta a las
desviaciones del pasado mediante una correccin que se ve afectada por un
coeficiente de suavizacin. As entonces, este modelo de pronstico precisa tan slo
de tres tipos de datos: el pronstico del ltimo perodo, la demanda del ltimo
perodo y el coeficiente de suavizacin.

Cundo utilizar un pronstico de suavizacin exponencial simple?

El pronstico de suavizacin exponencial simple es ptimo para patrones de demanda

aleatorias o nivelados donde se pretende eliminar el impacto de los elementos irregulares
histricos mediante un enfoque en perodos de demanda reciente, este posee una ventaja
sobre el modelo de promedio mvil ponderado ya que no requiere de una gran cantidad
de perodos y de ponderaciones para lograr ptimos resultados.
OBJETIVO! Queremos formar pronsticos a futuro para datos sin tendencia,
ni estacionalidad. Todos los perodos influyen en el pronstico, pero los ms
recientes influyen ms.
Para efectos acadmicos suele proporcionarse el factor de suavizacin.
OBSERVACIN! La constante se denomina constante de alisamiento y
el valor de refleja el peso dado a la observacin actual.
Por ejemplo: Si =0.2 , entonces esto indica que 20% de peso en los
pronsticos de generacin se asigna a la ms reciente observacin y el 80%

Modelo de Suavizacin Exponencial Simple:

Frmula(s):

( i ) ^x t =^xt 1+ [ ( x t1 x^ t 1) ] donde =

2
n+2

Dnde:
^x t Promedio de ventas en unidades en el perodo t .
^x t1 Pronstico de ventas en unidade s del perodo ( t1 ) .
x t1 Ventasreales en unidades en el perodo ( t1 ) .
Coeficiente de suavizacin ( entre 0.0 y 1.0 )

EJEMPLO.
En enero un vendedor de vehculos estim unas ventas de 142 automviles para el mes
siguiente. En Febrero las ventas reales fueron de 153 automviles. Utilizando una
constante de suavizacin exponencial =0.2 presupueste las ventas del mes de Marzo.
SOLUCIN:
Aplicando la frmula ( i ) :
^x t= x^ t 1 + [ ( x t1^x t1 ) ] con =0.2 ; t=3 ( mes de marzo ) .
Sustituyendo:

^x 3= ^x 2+ [ ( x 2 x^ 2) ]
^x 3=142+ [ 0.2(153142) ] =142+ [ 0.2(11) ] =142+2.2=144.4
^x 3 mes de M arzo 144
Podemos as determinar que el pronstico de ventas para el perodo 3 correspondiente al
mes de Marzo es equivalente a 144 automviles.
SUAVIZACIN EXPONENCIALDOBLE
Al abordar series de tiempo, es posible identificar, en algunos casos, que el
comportamiento de un grupo de datos arroja una tendencia clara de informacin que
nos permita anticipar movimientos en el futuro (pronosticar).
CharlesHolten1957desarrollunmodelodetendenciaslinealesqueevolucionanenunaseried
etiempo y puede usarse para generar pronsticos, este modelo recibe el nombre de
suavizacin o suavizamiento exponencialdoble.
Se utiliza principalmente cuando se tienen patrones de demanda que siguen o presentan
unatendencia.
El mtodo de suavizacin exponencial doble o mtodo de Holt usa tres
ecuacionesfundamentales:
Xt=^
X 't +T t
Pronstico del perodot ^
La serie suavizada exponencialmente (primera suavizacin)
^
X ' t = ( ^
X t 1) +[ ( 1 ) ( ^
X ' t 1+T t 1 ) ]
El estimado de la tendencia
T t = ( ^
X 't ^
X ' t1 ) +[ ( 1 ) ( T t1 ) ]
Dnde:
^
X t 1 Pronstico del perodo t-1 (real)
^
X ' t 1 Suavizacin exponencial del perodo t-1
T t 1

Tendencia del perodo t-1

Coeficiente de suavizacin (entre 0 y 1)

Coeficiente de suavizacin para la tendencia (entre 0 y 1)

EJEMPLO:
El dueo de la empresa TAVARY usa suavizacin exponencial doble para pronosticar la
demanda de lavadoras. Demanda que aparentemente presenta una tendencia creciente.

Segn
los
ingenieros,
se
sugieren unos coeficientes
=0.4. Suponer que una suavizacin para el mes 1 fue de11 unidades y la
=0.2 y
tendencia durante el mismo perodo fue de 2 unidades. Determine el pronstico del mes
3.
SOLUCIN:
Primero calculamos el pronstico del mes 2:
^
X t 1 = 12, ^
X ' t 1 = 11, T t 1 = 2
Tenemos:
^
X ' t Primera
= ( ^
X t 1) +[ ( 1 ) ( ^
X ' t 1+T t 1 ) ]
suavizacin
^
X ' t =0.2 ( 12 )+[ ( 10.2 ) ( 11+2 ) ]
^
X ' t =12.8
T t = ( ^
X 't ^
X ' t1 ) +[ ( 1 ) ( T t1 ) ]

Estimado
T t =0.4
de (12.811 ) +[ (10.4 )( 2 ) ]
tendencia
T t =1.92

^
Xt=^
X ' t +T t

Pronstico
^
del mes 2
X t =12.8+1.92
^
X t =14.72 15

Ahora calculamos el pronstico para el mes 3:

^
X t 1 = 17, ^
X ' t 1 = 12.8, T t 1 = 1.92
Tenemos:

Segunda
^
X suavizacin
' t =0.2 ( 17 ) +[ ( 10.2 )( 12.8+1.92 ) ]
^
X ' t =15.18

^
X ' t = ( ^
X t 1) +[ ( 1 ) ( ^
X ' t 1+T t 1 ) ]

T tEstimado
= ( ^
X 't ^
X ' t1 ) +[ ( 1 ) ( T t1 ) ]
de
T t =0.4 (15.1812.8 ) +[ ( 10.4 ) ( 1.92 ) ]
tendencia
T t =2.10
^
X tPronstico
=^
X ' t +T t
del
mes 3
^
X t =15.18+2.10
^
X t =17.28 18

SISTEMAS DE ELABORACIN DE PRONSTICOS

Debemos recordar que un pronstico de demanda es solo un estimador y por lo tanto

nunca va a arrojar datos idnticos a los de la vida real para esto dividimos los sistemas
para pronosticar en dos:
Proyeccin mecnica: se cree que el futuro es resultado del presente y el pasado,
esta proyeccin tiene cierta exactitud a corto plazo.
Proyeccin analtica: tenemos que revisar el pasado para encontrar posibilidades
futuras dando paso a utilizar lo que son las proyecciones analticas, planificadoras,
psicolgicas y estadsticas.
Lo que se pretende con los sistemas de pronsticos es que al tomar decisiones se
tenga una idea de la posible demanda futura y con un cierto grado de confianza.
Un modelo de pronstico basado en el anlisis de series de tiempo considera los
siguientes factores:
Tendencia: esta determina la tasa de crecimiento o disminucin de un conjunto
histrico a travs del tiempo.
Variaciones estacionales: son variaciones estacionales que se presentan durante
cierta poca del ao.
Movimientos cclicos: son variaciones regulares cuando se presentan en
intervalos largos de tiempo
Fluctuaciones irregulares: ocurren debido a una serie de sucesos difciles de
predecir como inundaciones, huelgas, etc.
CONTROL, ERROR Y SEAL DE SEGUIMIENTO EN PRONSTICOS
El seguimiento de la ejecucin de las distintas etapas del proceso de un pronstico es muy
importante para alcanzar los objetivos planteados. Se debe realizar un monitoreo del
proceso de pronstico para asegurar que este sea exitoso.
Medicin del Error en el pronstico
Se calcula encontrando el error absoluto en cada periodo, dividiendo ste entre el valor
real observado, para ese periodo y despus promediando estos errores absolutos de
porcentaje.
Desviacin absoluta de la medida (MAD)
Obtener la suma de los errores absolutos. La Desviacin Absoluta de la Media (MAD) mide
la precisin de un pronstico mediante el promedio de la magnitud de los errores de
pronstico (valores absolutos de cada error).
Error medio cuadrado (EMC)
Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos
valores se suman y se divide entre el nmero de observaciones. Este enfoque penaliza los
errores mayores de pronsticos, ya que eleva cada uno al cuadrado. Esto es importante
pues en ocasiones pudiera ser preferible una tcnica que produzca errores moderados a
otra que por lo regular tenga errores pequeos pero que ocasionalmente arroje algunos en
extremo grandes. La ecuacin para el clculo del EMC, es la siguiente:
El error en el pronstico es la diferencia numrica entre la demanda pronosticada y la real
es la medida que indica la efectividad al utilizar alguno de los mtodos de pronstico. Si el
pronstico est funcionando adecuadamente quiere decir que los errores de prediccin
estn distribuidos normalmente.

MONITOREO Y CONTROL DE PRONSTICOS

El monitoreo del pronstico se lo realiza en dos etapas:
Etapa 1
En esta etapa se busca que cada modelo de pronstico obtenido tenga parmetros
significativos a nivel individual y global para los niveles de confianza deseados.
Etapa 2
Esta segunda etapa persigue que el conjunto de modelos, cuyo promedio dar origen al
pronstico consolidado de la demanda, tengan parmetros significativos a los niveles de
confianza deseados.
CONTROL DEL PRONSTICO
Un mtodo, indicador o medida de control de pronsticos corresponde a la forma de
supervisar un modelo de previsin para asegurarse de que su precisin contine siendo
efectiva. La base de cualquier mtodo de control tiene que ser el comportamiento real,
por ende cualquiera que sea el indicador, ste pretende representar lo cerca que est el
pronstico de la demanda real.
En cada uno de los periodos se compara la demanda actual contra la pronosticada. Si la
prediccin fue perfecta lo que significa que lo actual es igual a la prediccin el error es
nulo.
PORCENTAJE DE ERROR MEDIO ABSOLUTO (PEMA)
Se calcula encontrando el error absoluto de cada perodo, dividindolo entre el valor real
observado para ese perodo y despus se promedian estos errores absoluto de porcentaje.

DESVIACIN ABSOLUTA DE LA MEDIA (MAD)

Se debe obtener la suma de los errores absolutos. La MAD mide la precisin de un
pronstico mediante el promedio de la magnitud de los errores de pronstico (valor
absoluto de cada error).

ERROR MEDIO CUADRADO

Cada error se eleva al cuadrado; luego estos valores se suman y se divide entre el nmero
de observaciones. Este enfoque penaliza los errores mayores, ya que eleva cada uno al
cuadrado. Esto es muy importante ya que en ocasiones pudiera ser preferible una tcnica
que produzca errores moderados a otra que por lo regular tenga errores pequeos pero
ocasionalmente arroje algunos muy grandes. La ecuacin es la siguiente:

CONCLUSIN:
Para las Industrias los pronsticos son de gran importancia ya que estos le aportan una visin
futura de la demanda a partir de datos reales y en base a ellos puede tomar mejores decisiones
sobre su produccin.
Cada mtodo tiene sus propias instrucciones y aunque algunos se derivan de otros, tienen
diferentes usos dependiendo de la precisin del mismo.
A cada pronstico hecho se debe dar seguimiento y control ya que de no ser as podemos
enfrentarnos a una realidad que no tenga nada que ver con los resultados obtenidos mediante los
pronsticos. Para esto existen ciertos mtodos que nos permiten comprobar si el pronstico
realizado con cierto mtodo es bueno. En caso de que mediante algn mtodo de comprobacin
lleguemos a la conclusin de que nuestro pronstico no es bueno, se debe proseguir con la
correccin del mismo.
Cuando se trabaja con pronsticos no es recomendable usarlos para intervalos muy grandes de
tiempo ya que, por muy exactos que seamos al momento de hacer nuestros clculos siempre
existir un error que no podremos corregir ya que estos mtodos sirven para aproximar una
demanda futura, no son exactos y por lo tanto mientras ms pronsticos hagamos con datos ya
pronosticados, mayor ser el error cometido.

Bibliografas
1. http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/ad
mon-operac-Bustamante/polilibro/UNIDAD_02/UNIDAD_02.htm
2. J. HOPEMAN Richard. Administracin de Produccin y Operaciones, decima
segunda edicin, CECSA , Mxico, 1996. pg. 302-306,310,311
3. MERCADO H. Salvador.
Administracin Aplicada, segunda edicion,
limusa,Mexico. Pag 171-176
4. John E. Hanke.Pronostico en los Negocios, Pearson Educacin, promedio
mvil pag. 107
5. Krajewki, Lee J., Ritzman, Larry P. Administracin de operaciones:
estrategia y anlisis, Pearson Educacin promedio mvil simple pag.
507,Ejercicio a) pag. 508
6. http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%C3%B3stico-de-ventas/suavizaci%C3%B3n-exponencialdoble/
7. Administracin de la produccin y las operaciones. Conceptos, modelos y
funcionamiento, Everett E: Adam Jr., Ronald J. Ebert, Universidad de
Missouri-Columbia, pgs. 101-107.