UNIVERSIDAD CATLICA DE SANTA MARA

PRCTICA

2
PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

PRONSTICOS

OBJETIVOS

Identificar los patrones bsicos de la mayora de las series de tiempo de demanda.

Identificar las diferentes medidas de errores de pronsticos.

RECURSOS

Gua de Prcticas
Microsoft Excel

DURACIN DE LA PRCTICA

2 horas cronolgicas

MARCO TERICO

1. PRONSTICO

El proceso de pronstico en las organizaciones atraviesa las reas funcionales. Pronosticar la

demanda global suele originarse en marketing, pero los clientes internos en toda la
organizacin tambin dependen de los pronsticos para formular y ejecutar sus planes. Los
pronsticos constituyen informacin crucial para los planes de negocios, los planes anuales y
los presupuestos.

INGENIERA INDUSTRIAL 1
2. PATRONES DE DEMANDA

Las observaciones repetidas de la demanda de un servicio o producto en su orden de ocurrencia

forman un patrn conocido como serie de tiempo. Existen cuatro patrones bsicos de la
mayora de las series de tiempo de demanda.

a. Horizontal: Fluctuacin de datos alrededor de una media constante.

b. Tendencia: Incremento o decremento sistemtico en la media de la serie en el tiempo.
c. Estacional: Un patrn que se repite de incrementos o decrementos en la demanda,
dependiendo del tiempo del da, semana, mes o temporada.
d. Cclico: Los menos predecibles incrementos o decrementos graduales de la demanda en
periodos ms largos ( aos o dcadas)
e. Aleatorio: La variacin impredecible de la demanda.
Los patrones cclicos surgen de dos influencias. La primera es el ciclo de negocios: incluye
factores que ocasionan que la economa vaya de recesin a expansin en cierto nmero de aos.
La otra influencia es el ciclo de vida del servicio o producto, que refleja las etapas de la
demanda desde el desarrollo hasta la declinacin. La demanda en los ciclos de negocios es
difcil de predecir porque la afectan eventos nacionales e internacionales.
Los cuatro patrones de demanda horizontal, tendencia, estacional y cclico- se combinan en
varios grados para definir el patrn de tiempo subyacente de la demanda de un servicio o
producto. El quinto patrn, la variacin aleatoria, es resultado del azar y por ello no se puede
predecir. La variacin aleatoria es un aspecto de la demanda que al final hace que la demanda
sea inexacta.

6 12.0
10.0
Cantidad

4
Cantidad

8.0
6.0
2
4.0
0 2.0
1 3 5 7 9 111315171921232527 0.0
Tiempo 1 3 5 7 9 11 13 15 17 19 21 23 25 27
Tiempo
a) Horizontal: datos agrupados alrededor b) Tendencia: datos que aumentan o disminuyen
de una lnea horizontal en forma constante.

INGENIERA INDUSTRIAL 2
 8 8
A
6 A 6

Cantidad
Cantidad

4 4

2 2

0 0
E F M A M J J A S O N D 1 2 3 4 5 6
Meses Aos

b) Estacional: datos que muestran picos y d) Cclico: los datos revelan incrementos
Valles de manera consistente y decrementos graduales en periodos largos.

3. SELECCIN DEL TIPO DE TCNICA DE PRONSTICOS

Los sistemas de pronsticos ofrecen una variedad de tcnicas, y ninguna es la mejor para todos
los artculos y situaciones. El objetivo de pronosticar es desarrollar un pronstico til a partir
de la informacin disponible con la tcnica apropiada para los diferentes patrones de demanda.
Se utilizan dos tipos generales de tcnicas de pronsticos: mtodos de juicio subjetivo y
mtodos cuantitativos.

Los mtodos de juicio traducen opiniones de administradores, opiniones de expertos, encuestas

de clientes y estimaciones de la fuerza de ventas en estimaciones cuantitativas. Los mtodos
cuantitativos incluyen mtodos causales, anlisis de series de tiempo y proyeccin de
tendencias de regresin. Los mtodos causales utilizan datos histricos de variables
independientes, como campaas promocionales, condiciones econmicas y acciones de los
competidores para predecir la demanda. EL anlisis de series de tiempo es un enfoque
estadstico que se apoya en los datos histricos de la demanda para proyectar el tamao futuro
de la demanda y reconoce los patrones de tendencia y estacionales. La proyeccin de
tendencia con regresin es un hbrido entre las tcnicas de series de tiempo y mtodo causal.

4. ERROR DE PRONSTICO

Para cualquier tcnica de pronsticos, es importante medir la exactitud de sus pronsticos

siempre contienen errores. El error aleatorio es resultado de factores impredecibles que
ocasionan que el pronstico se desve de la demanda real. Los analistas de pronsticos intentan
minimizar los errores seleccionando los modelos de pronsticos adecuados, pero eliminar todas
las formas de error es imposible.

EL error de pronstico para un periodo dado t es sencillamente la diferencia encontrada al

restar el pronstico a la demanda real; o sea,

=
Donde,
= error de pronstico para el periodo t
= demanda real para el periodo t
= pronstico para el periodo t

INGENIERA INDUSTRIAL 3
La suma acumulada de errores de pronstico (SAE) mide el error de pronstico Error de pronstico:
total: Diferencia
encontrada al restar
= el pronstico de la
demanda real para
un periodo dado.
La SAE es una suma acumulada. Tambin recibe el nombre de error de sesgo
Suma Acumulada de
y es el resultado de errores consistentes, el pronstico siempre es demasiado
Errores de
alto o demasiado bajo. Este tipo de error suele ser causa de la mayor
Pronstico (SAE):
desorganizacin de los esfuerzos de planeacin. Por ejemplo, si un pronstico
Medida del error
es siempre menor que la demanda real, el valor de la suma acumulada ser
total del pronstico
cada vez mayor. Este error creciente indica alguna deficiencia sistemtica en
que evala el sesgo
el enfoque de pronsticos. EL error de pronstico promedio, algunas veces
de un pronstico.
llamado sesgo medio, es sencillamente:
Error Medio

= Cuadritico (EMC):

Medida de dispersin
El error medio cuadrtico (EMC), la desviacin estndar de los errores () y la de los errores del
desviacin absoluta media (MAD) miden la dispersin de los errores de pronstico.
pronstico atribuidos a los efectos de tendencia, estacionalidad y Desviacin Estndar
aleatoriedad: (): Medida de
dispersin de los
2 errores de
= pronstico.

Error Porcentual
absoluto Medio
( )2 (MAPE): Medida que
=
1 relaciona el error de
pronstico con el
| | nivel de demanda y
= se utiliza para tener

una perspectiva
Si EMC, MAD es pequeo, el pronstico suele ser cercano a la demanda adecuada del
real; por el contrario, un valor grande indica la posibilidad de errores de desempeo del
pronsticos grandes. Las medidas difieren en la forma en que resaltan los pronstico.
errores. Los errores grandes tienen mucho ms peso para EMC y porque se
elevan al cuadrado. MAD es una medida ampliamente utilizada para el error de pronstico y se
comprende con facilidad; es meramente la media de los errores de pronstico absolutos sobre
una serie de periodos, sin importar si el error sobreestima o subestima el valor.

El error absoluto medio porcentual (MAPE) relaciona el error de pronstico con el nivel de
demanda y es til para tener una perspectiva adecuada del desempeo del pronstico.

(| |/ )(100)
= ( )

Por ejemplo, un error de pronstico absoluto de 100 resultados es un porcentaje mayor cuando
la demanda es de 200 unidades que cuando es de 10,000 unidades. El MAPE es la mejor medida
del error para usarse cuando se hacen comparaciones entre las series de tiempo de los SKU.

INGENIERA INDUSTRIAL 4
5. MTODOS DE SERIES DE TIEMPO

En lugar de usar variables independientes para el pronstico, como hacen los modelos de
regresin, los mtodos de series de tiempo utilizan informacin histrica de solo la varible
dependiente continuarn en el futuro. EL anlisis de series de tiempo identifica los patrones
subyacentes de la demanda que se combinan para producir un patrn histrico observado de la
variable dependiente y luego desarrolla un modelo para replicarlo.

5.1 Pronstico Ingenuo

Un mtodo utilizado a menudo en la prctica es el mtodo ingenuo, mediante el cual el
pronstico para el siguiente periodo (Ft+1) es igual a la demanda de periodo actual (Dt).
Entonces, si la demanda real para el mircoles es 35 clientes, la demanda para el
jueves es 35 clientes. A pesar de su nombre, puede tener un buen desempeo.

5.2 Estimacin del promedio

El patrn horizontal en una serie de tiempo se basa en la media de las demandas, de
manera que nos centramos en los mtodos de pronstico que estiman el promedio de
los datos en una serie de tiempo. El pronstico de la demanda para cualquier periodo
en el futuro es el promedio de la serie de tiempo calculado en el periodo actual.

Promedio mvil simple: Sencillamente implica calcular la demanda promedio para los
n periodos ms recientes y utilizndolo como provisiones para periodos futuros. Para el
siguiente periodo, despus de que se conoce la demanda, la demanda ms antigua del
promedio anterior es sustituido con la demanda ms reciente y el promedio se recalcula.
De esta manera se usan las n demandas ms recientes y el promedio se mueve de un
periodo a otro.

En particular, el pronstico para el periodo t+1 se calcula al final del periodo t (despus
de conocer la demanda real del periodo t) como:

+ 1 + 2 + + +1
+1 = =

Donde:
Dt = demanda real en el periodo t
n = nmero total de periodos en el promedio
Ft+1 = pronstico para el periodo t + 1

Promedios mviles ponderados: Cada demanda histrica en el promedio puede tener

su propio peso. La suma de los pesos debe ser igual a 1.0. Por ejemplo, en un modelo
de promedio mvil ponderado de tres periodos, al periodo ms reciente se le asignara
un peso de 0.50, al segundo ms reciente un peso de 0.30 y al tercero ms reciente un
peso de 0.20. El promedio se obtiene multiplicando el peso de cada periodo por el valor
de ese periodo y sumando los productos:

+1 = 0.50 + 0.301 + 0.202

Suavizamiento exponencial: Es un mtodo sofisticado de promedio mvil ponderado

que calcula el promedio de una serie de tiempo que, de manera implcita, da ms peso

INGENIERA INDUSTRIAL 5
 a las demandas recientes que a las anteriores, tomando en cuenta todo el archivo
histrico. Es el que se usa con ms frecuencia para pronsticos formales por su
sencillez y la pequea cantidad de datos que lo apoyan. A diferencia del mtodo de
promedio mvil ponderado, que requiere n periodos de demandas pasadas y n
ponderaciones, el de suavizamiento exponencial solo requiere tres tipos de datos: 1. El
pronstico del ltimo periodo, 2. La demanda real para este periodo y 3. Un parmetro
de suavizamiento, alfa(), que tiene un valor entre 0 y 1.0.
La ecuacin para el pronstico de suavizamiento exponencial para el periodo t+1 es:

+1 = + (1)

ACTIVIDADES DE LA PRCTICA

1) Se presentan los datos para el nmero diario de clientes Dt, que son atendidos en una clnica
dental, as como un pronstico Ft , de tales datos, para la empresa MMI Representaciones. La
tcnica de pronstico utilizo el nmero de clientes atendidos en el periodo anterior como
pronstico del periodo actual. Calcular el MAD, EMC, MAPE y el MPE y hacer comentarios de los
resultados hallados.

Tiempo Clientes Pronstico

T Dt Ft
1 58 -
2 54 58
3 60 54
4 55 60
5 62 55
6 62 62
7 65 62
8 63 65
9 70 63

2) Con los datos de MMI, realizar lo siguiente:

INGENIERA INDUSTRIAL 6
a) Encontrar un pronstico para el periodo 10 utilizando un promedio mvil de 3 y 5 periodos.
b) Realizar un pronstico para el periodo 10 considerando el promedio mvil ponderado considerando
los siguientes pesos: 0.5, 0.3 y 0.2
d) Realizar un pronstico para el periodo 10 considerando un suavizamiento exponencial con un alfa =
0.8, 0.5 y 0.3, a que conclusiones puede llegar.

3) A continuacin se presenta un conjunto de datos con su respectivo pronstico:

Ao Gasto Pronstico 1 Pronstico 2

X Dt Ft Ft
2004 14.8 16.9 17.5
2005 20.6 18.4 18.6
2006 22.1 19.9 19.7
2007 19.3 21.4 21.0
2008 20.6 22.9 22.3
2009 25.6 24.4 23.6
2010 26.5 25.9 25.1
2011 28.5 27.3 26.7
2012 26.8 28.8 28.3
2013 28.7 30.3 30.1
2014 35.1 31.8 31.9
2015 37.0 33.3 33.9
2016 30.5 34.8 36.0

Calcular el MAD, MEC, MAPE y el MPE para cada pronstico y hacer comentarios de los resultados
hallados.

4) Rent a car, es una empresa que se dedica al alquiler de camionetas, a continuacin se presenta
el consumo de petrleo por semana para la flota que tiene disponible dicha empresa:

Semana Galones Semana Galones Semana Galones

X Dt X Dt X Dt
1 275 11 302 21 310
2 291 12 287 22 299
3 307 13 290 23 285

INGENIERA INDUSTRIAL 7
4 281 14 311 24 250
5 295 15 277 25 260
6 268 16 245 26 245
7 252 17 282 27 271
8 279 18 277 28 282
9 264 19 298 29 302
10 288 20 303 30 285

a) Encontrar un pronstico para la semana 31, haciendo uso del mtodo de promedio simple.
b) Calcular el MAD, MEC, MAPE y el MPE, para el punto (a). Hacer comentarios.
c) Encontrar un pronstico para la semana 31, considerando el mtodo de los promedios mviles de 3, 5
y 7 periodos.
d) Encontrar un pronstico para la semana 31, considerando un promedio ponderado de 0.4, 0.3, 0.2 y
0.1. Hacer comentarios.

TAREA

1. Las ventas de los ltimos 12 meses en una empresa de computadoras se dan enseguida.

Mes Ventas (millones de $) Mes Ventas (millones de $)

Enero 20 Julio 53
Febrero 24 Agosto 62
Marzo 27 Septiembre 54
Abril 31 Octubre 36
Mayo 37 Noviembre 32
Junio 47 Diciembre 29

a) Utilice un promedio mvil de tres meses para pronosticar la venta de enero del siguiente ao.
b) Use un promedio mvil de cuatro meses para pronosticar la venta de enero del siguiente ao
c) Compare el desempeo de los dos mtodos utilizando la desviacin media absoluta como
criterio de desempeo. Qu mtodo recomendara?
d) Compare el desempeo de los dos mtodos usando el error porcentual medio como criterio de
desempeo. Qu mtodo recomendara?

2. Considere los datos anteriores:

a) Utilice un promedio mvil ponderado para pronosticar la venta de enero del siguiente ao. Use
los pesos (3/6), (2/6) y (1/6), dando ms peso al dato ms reciente.
INGENIERA INDUSTRIAL 8
b) Utilice suavizamiento exponencial con =0.6, 0.4, 0.2 para pronosticar la venta de febrero del
siguiente ao. Suponga que el pronstico inicial para enero era $22 millones.

3. El nmero de cirugas del corazn realizadas en el Hospital General ha aumentado en forma

estable en los ltimos aos. La administracin del hospital est buscando el mejor mtodo para
pronosticar la demanda de esas cirugas en el ao seis. Los datos de los ltimos quince aos se
muestran en la tabla.

Ao Demanda
1 145
2 150
3 152
4 156
5 158
6 162
7 166
8 160
9 155
10 180
11 195
12 200
13 180
14 163
15 192

La administracin del hospital est considerando los siguientes mtodos de pronsticos.

Comience la medida del error en el ao tres para comparar todos los mtodos en los mismos
aos.

a) Indicar el MAD, MEC, MAPE para un pronstico ingenuo de la demanda.

b) Suavizamiento exponencial con =0.6. EL pronstico inicial para el ao uno es 145, igual
que la demanda real.
c) Suavizamiento exponencial con =0.9. El pronstico inicial para el ao uno es 145, igual
que la demanda real.
d) Promedio mvil de dos aos.
e) Promedio mvil ponderado, con pesos d e0.6 y 0.4, dando ms peso al dato ms reciente.

4. La demanda histrica para un producto es:

Mes Demanda
Enero 120
Febrero 110
Marzo 150
Abril 120
Mayo 160
Junio 150

INGENIERA INDUSTRIAL 9
 a) Use un promedio mvil ponderado con valores de 0.40, 0.30, 0.20 y 0.10 para determinar el
pronstico para julio.
b) Use un promedio mvil simple de tres meses para determinar el pronstico para julio.
c) Use el suavizamiento exponencial simple de = 0.2 y 0.7.
d) De los pronsticos anteriores determine cul es el mejor pronstico para Julio?

5. Embotelladora Andina produce bebidas, que se venden a supermercados y bodegas. Las ventas
mensuales observadas durante 2015 y 2016 en miles de paquetes se muestran en la tabla
siguiente:
Obs. Mes Demanda Obs. Mes Demanda

1 Enero 48.5 13 Enero 48.9

2 Febrero 46.0 14 Febrero 49.5
3 Marzo 54.4 15 Marzo 59.0
4 Abril 49.8 16 Abril 56.0
5 Mayo 48.1 17 Mayo 49.3
6 Junio 55.0 18 Junio 58.5
7 Julio 47.7 19 Julio 53.0
8 Agosto 45.2 20 Agosto 48.6
9 Setiembre 51.0 21 Setiembre 50.8
10 Octubre 47.5 22 Octubre 53.4
11 Noviembre 49.1 23 Noviembre 49.8
12 Diciembre 50.8 24 Diciembre 56.3

Teniendo en cuenta que el departamento de planeacin maneja la demanda como un proceso

constante, determinar el pronstico para enero del 2017, usando los siguientes mtodos:
a) Promedio de todos los datos
b) Promedio mvil con N = 6
c) Promedio mvil ponderado, de 0.6,0.3 y 0.1
d) Suponga que la demanda real de Enero del 2017 es 55.2 miles de paquetes. Calcule el pronstico
para febrero usando promedio mvil con N = 6 obs.
e) Usando el promedio Mvil que tenga el menor error (MAD) con N = 3 obs, 5 obs y 7obs.

6. A continuacin se presenta la informacin de los ingresos por ventas en miles de soles, de la

tienda EFE, en su lnea blanca de electrodomsticos.

INGENIERA INDUSTRIAL 10
 Ao Trimestre Ventas
2009 1 500
2 350
3 250
4 400
2010 5 450
6 350
7 200
8 300
2011 9 350
10 200
11 150
12 400
2012 13 550
14 350
15 250
16 550
2013 17 550
18 400
19 350
20 600
2014 21 750
22 500
23 400
24 650
2015 25 850

a) Elaborar un pronstico para los dems trimestres del ao 2015 utilizando el mtodo de
suavizamiento exponencial considerando a = 0.1 y a = 0.6
b) Calcular el MAD, MEC, MAPE y el MPE. Hacer comentarios

CUESTIONARIO
1. Por qu es importante un pronstico? Qu papel juega en la planeacin y control de la
produccin?
2. Cules son las ventajas y desventajas de las investigaciones de mercado?
3. D tres ejemplos de situaciones en las que el mtodo Delphi sera una manera adecuada de
pronosticar.

INGENIERA INDUSTRIAL 11
 BIBLIOGRAFA

1. Chase, Jacobs y Aquilano. 2009. Administracin de la Produccin y Operaciones. Ed. Mc

Graw Hill.
Norman Gaither y greg Fraizer. 2000. Administracin de la Produccin y Operaciones. International
Thomson Editores S.A.

INGENIERA INDUSTRIAL 12