Академический Документы
Профессиональный Документы
Культура Документы
PRÁCTICA
2
PLANEAMIENTO Y CONTROL DE LA PRODUCCIÓN
PRONÓSTICOS
OBJETIVOS
RECURSOS
• Guía de prácticas
• Microsoft Excel
DURACIÓN DE LA PRÁCTICA
• 2 horas cronológicas
MARCO TEÓRICO
1. PRONÓSTICO
El proceso de pronóstico en las organizaciones atraviesa las áreas funcionales. Pronosticar la demanda
global suele originarse en marketing, pero los clientes internos en toda la organización también dependen
de los pronósticos para formular y ejecutar sus planes. Los pronósticos constituyen información crucial
para los planes de negocios, los planes anuales y los presupuestos.
INGENIERÍA INDUSTRIAL 1
2. PATRONES DE DEMANDA
INGENIERÍA INDUSTRIAL 2
3. SELECCIÓN DEL TIPO DE TÉCNICA DE PRONÓSTICOS
Los sistemas de pronósticos ofrecen una variedad de técnicas, y ninguna es la mejor para todos los
artículos y situaciones. El objetivo de pronosticar es desarrollar un pronóstico útil a partir de la
información disponible con la técnica apropiada para los diferentes patrones de demanda. Se utilizan
dos tipos generales de técnicas de pronósticos: métodos de juicio subjetivo y métodos cuantitativos.
4. ERROR DE PRONÓSTICO
Para cualquier técnica de pronósticos, es importante medir la exactitud de sus pronósticos siempre
contienen errores. El error aleatorio es resultado de factores impredecibles que ocasionan que el
pronóstico se desvíe de la demanda real. Los analistas de pronósticos intentan minimizar los errores
seleccionando los modelos de pronósticos adecuados, pero eliminar todas las formas de error es imposible.
𝐸𝑡 = 𝐷𝑡 − 𝐹𝑡
Donde,
𝐸𝑡 = error de pronóstico para el periodo t
𝐷𝑡= demanda real para el periodo t
𝐹𝑡= pronóstico para el periodo t
𝑆𝐴𝐸 = ∑𝐸𝑡
La SAE es una suma acumulada. También recibe el nombre de error de sesgo y es el resultado de errores
consistentes, el pronóstico siempre es demasiado alto o demasiado bajo. Este tipo de error suele ser
causa de la mayor desorganización de los esfuerzos de planeación. Por ejemplo, si un pronóstico es
siempre menor que la demanda real, el valor de la suma acumulada será cada vez mayor. Este error
INGENIERÍA INDUSTRIAL 3
creciente indica alguna deficiencia sistemática en el enfoque de pronósticos. EL error de pronóstico
promedio, algunas veces llamado sesgo medio, es sencillamente:
Por ejemplo, un error de pronóstico 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.
En lugar de usar variables independientes para el pronóstico, como hacen los modelos de regresión, los
métodos de series de tiempo utilizan información histórica de solo la varible dependiente continuarán
en el futuro. EL análisis de series de tiempo identifica los patrones subyacentes de la demanda que se
INGENIERÍA INDUSTRIAL 4
combinan para producir un patrón histórico observado de la variable dependiente y luego desarrolla un
modelo para replicarlo.
Promedio móvil simple: Sencillamente implica calcular la demanda promedio para los n periodos
más recientes y utilizándolo como provisiones para periodos futuros. Para el siguiente periodo,
después de que se conoce la demanda, la demanda más antigua del promedio anterior es
sustituido con la demanda más reciente y el promedio se recalcula. De esta manera se usan las
n demandas más recientes y el promedio se “mueve” de un periodo a otro.
En particular, el pronóstico para el periodo t+1 se calcula al final del periodo t (después de
conocer la demanda real del periodo t) como:
Promedios móviles ponderados: Cada demanda histórica 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 móvil
ponderado de tres periodos, al periodo más reciente se le asignaría un peso de 0.50, al segundo
más reciente un peso de 0.30 y al tercero más 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:
INGENIERÍA INDUSTRIAL 5
Suavizamiento exponencial: Es un método sofisticado de promedio móvil ponderado que calcula
el promedio de una serie de tiempo que, de manera implícita, da más peso a las demandas
recientes que a las anteriores, tomando en cuenta todo el archivo histórico. Es el que se usa con
más frecuencia para pronósticos formales por su sencillez y la pequeña cantidad de datos que lo
apoyan. A diferencia del método de promedio móvil ponderado, que requiere n periodos de
demandas pasadas y n ponderaciones, el de suavizamiento exponencial solo requiere tres tipos
de datos: 1. El pronóstico del último periodo, 2. La demanda real para este periodo y 3. Un
parámetro de suavizamiento, alfa(α), que tiene un valor entre 0 y 1.0. La ecuación para el
pronóstico de suavizamiento exponencial para el periodo t+1 es:
𝐹𝑡+1 =∝ 𝐷𝑡 +(1−∝)𝐹𝑡
6. TIPOS DE PRONÓSTICOS
Los pronósticos se clasifican en cuatro tipos básicos: cualitativo, análisis de series de tiempo,
relaciones causales y simulación. Las técnicas cualitativas son subjetivas y se basan en estimados
y opiniones. El análisis de series de tiempo, enfoque primario, se basa en la idea de que es posible
utilizar información relacionada con la demanda pasada para predecir la demanda futura. La
información anterior puede incluir varios componentes, como influencias de tendencias,
estacionales o cíclicas, y se describe en la sección siguiente. El pronóstico causal, que se analiza
mediante la técnica de la regresión lineal, supone que la demanda se relaciona con algún factor
subyacente en el ambiente. Los modelos de simulación permiten al encargado del pronóstico
manejar varias suposiciones acerca de la condición del pronóstico.
7. COMPONENTES DE LA DEMANDA
En la mayor parte de los casos, la demanda de productos o servicios se divide en seis
componentes: demanda promedio para el periodo, una tendencia, elementos estacionales,
elementos cíclicos, variación aleatoria y autocorrelación.
La siguiente ilustración muestra una demanda durante un periodo de cuatro años, así como el
promedio, la tendencia y los componentes estacionales o la aleatoriedad alrededor de la curva
de la demanda suavizada. Es más difícil determinar los factores cíclicos porque quizá se
desconoce el tiempo o no se toma en cuenta la causa del ciclo. La influencia cíclica sobre la
demanda puede provenir de sucesos como elecciones políticas, guerras, condiciones económicas
o presiones sociológicas. Las variaciones aleatorias son provocadas por acontecimientos fortuitos.
Estadísticamente, al restar todas las causas conocidas de la demanda (promedio, tendencias,
estacionales, cíclicas y de autocorrelación) de la demanda total, lo que queda es la parte
inexplicable de la demanda. Si no se puede identificar la causa de este remanente, se supone
que es aleatoria. La autocorrelación indica la persistencia del hecho. De manera más específica,
el valor esperado en un momento dado tiene una correlación muy alta con sus propios valores
anteriores. En la teoría de la línea de espera, la longitud de una línea de espera tiene una
autocorrelación muy elevada. Es decir, si una línea es relativamente larga en un momento
determinado, poco después de ese tiempo sería de esperar que la línea siguiera siendo larga.
INGENIERÍA INDUSTRIAL 6
Un método de pronóstico de uso muy común grafica los datos y luego busca la distribución estándar
(como lineal, curva S, asintótica o exponencial) que se adapte mejor a estos. El atractivo de este método
radica en que, como las matemáticas de la curva son conocidas, resulta fácil despejar los valores de los
periodos futuros. En ocasiones, la información no parece adaptarse a ninguna curva estándar. Esto quizá
se deba a varias causas que, en esencia, envían los datos desde varias direcciones al mismo tiempo. Para
estos casos es posible obtener un pronóstico sencillo pero eficaz con solo graficar la información.
INGENIERÍA INDUSTRIAL 7
8. PROYECCIÓN DE TENDENCIA CON REGRESIÓN LINEAL
Consideramos una serie de tiempo de demanda que tiene una tendencia. Una tendencia en una
serie de tiempo es un incremento o decremento sistemático en el promedio de la serie en el
tiempo. Cuando hay una tendencia notoria, los pronósticos de los enfoques ingenuos, promedio
móvil y suavizamiento exponencial son adaptables, pero muestran un retardo con respecto a la
demanda real y tienden a ser más bajos o más altos que la demanda real. La proyección de la
tendencia con regresión es un modelo de pronóstico que toma en cuenta la tendencia con el
análisis de regresión simple. Para desarrollar un modelo de regresión para pronosticar la
tendencia, sea la variable dependiente. Y, la demanda de un perioso y sea la variable
independiente, t, el periodo. Para el primer periodo se tiene t=1; para el segundo periodo, t=2;
etc. La ecuación de regresión es:
𝑌𝑡=𝑎+𝑏𝑋
Donde:
Y * = Se lee Y asterisco, es el valor predictorio de la variable Y para un valor seleccionado de X.
a = Es la intersección con el eje Y. Es el valor estimado de Y cuando X = 0.
b = Es la pendiente de la línea, o el cambio promedio en Y* por cada cambio en una unidad de la
variable independiente X.
X = Es el valor que se escoge para la variable independiente.
A los valores a y b se les conoce como coeficientes de regresión y se calculan con las siguientes
fórmulas:
La solución a este problema llega cuando se responde la siguiente pregunta. Si cuenta con las
ventas históricas de automóviles Ford desde 1920, ¿incluiría cada año a en su análisis de regresión,
dando el mismo peso a la venta de cada año, o incluiría solo las ventas de los años más recientes?
INGENIERÍA INDUSTRIAL 8
Lo más probable es que decida incluir sólo los años más recientes, haciendo el modelo de
regresión más adaptable. La proyección de tendencia con el modelo de regresión entonces sería
más o menos adaptable con la selección de los periodos de datos históricos que se incluyan, de
la misma manera que modelos de los promedios móviles (cambiando n) o de suavizamiento
exponencial (cambiando α).
Un factor estacional es la cantidad de corrección necesaria en una serie temporal para ajustarse
a la estación del año. Por lo general, se relaciona estacional con un periodo del año caracterizado
por alguna actividad en particular. Con la palabra cíclico se indica que no se trata de los periodos
anuales recurrentes de actividad repetitiva.
Se siguen los siguientes pasos: 1) un cálculo sencillo basado en datos estacionales pasados y 2)
la tendencia y el índice estacional de una recta de la regresión ajustada a mano.
La expresión SXY, se conoce como error estándar del pronóstico o desviación estándar del
pronóstico, y es una medida de la manera en que han quedado dispersos a uno y otro lado de la
línea de tendencia los puntos de datos históricos. Si SXY es pequeño en relación con el pronóstico,
los puntos de datos pasados han quedado agrupados muy cerca de la línea de tendencia y los
límites superior e inferior se acercan entre si. Y los límites se calculan asi:
Límite superior = Y* + t SXY
Límite inferior = Y* - t SXY
INGENIERÍA INDUSTRIAL 9
Donde:
SXY = Covarianza de X e Y.
SX = Desviación estándar de X.
SY = Desviación estándar de Y.
Propiedades
• r está siempre comprendido entre -1 y 1.
• Si r = 1 ó r = -1 entonces los puntos de la muestra están situados en línea recta (correlación
lineal perfecta).
• Si r está próximo a 1 ó a -1, habrá una asociación lineal fuerte entre ambas variables.
• Si r es cercano a 0, habrá una asociación lineal muy débil.
• r no varía cuando en las variables se realiza un cambio de escala o de origen. Esto demuestra
que r no tiene dimensión.
a) Se trata de una medida matemática que luego hay que interpretar. Aunque un alto grado de
correlación indique buena aproximación a un modelo matemático lineal, su interpretación puede
no tener ningún sentido. Por ejemplo puede haber un alto grado de correlación entre las ventas
de celulares y el consumo de alcohol en Arequipa, pero ambas variables están claramente
disociadas.
b) Aunque el grado de correlación sea cercano a cero (pobre aproximación al modelo lineal) eso
no significa que no haya relación entre las dos variables. Puede ser que dicha relación sea no
lineal.
INGENIERÍA INDUSTRIAL 10
12. MÉTODO DE REGRESIÓN EXPONENCIAL
Algunas veces una curva suave suministra un mejor ajuste para los datos que una línea recta.
La curva esta dada por: Y = abx, y varía con la tasa constante b en cada periodo, para esto
convertimos la ecuación exponencial a su forma logarítmica:
ACTIVIDADES
1) Se presentan los datos para el número diario de clientes Dt, que son atendidos en una clínica dental,
así como un pronóstico Ft , de tales datos, para la empresa MMI Representaciones. La técnica de
pronóstico utilizo el número de clientes atendidos en el periodo anterior como pronóstico del periodo
actual. Calcular el MAD, EMC, MAPE y el MPE y hacer comentarios de los resultados hallados.
INGENIERÍA INDUSTRIAL 11
2) Con los datos de MMI, realizar lo siguiente:
INGENIERÍA INDUSTRIAL 12
Calcular el MAD, MEC, MAPE y el MPE para cada pronóstico y hacer comentarios de los resultados
hallados.
4) Rent a car, es una empresa que se dedica al alquiler de camionetas, a continuación se presenta el
consumo de petróleo por semana para la flota que tiene disponible dicha empresa:
INGENIERÍA INDUSTRIAL 13
a) Encontrar un pronóstico para la semana 31, haciendo uso del método de promedio simple.
b) Calcular el MAD, MEC, MAPE y el MPE, para el punto (a). Hacer comentarios.
c) Encontrar un pronóstico para la semana 31, considerando el método de los promedios móviles de 3, 5
y 7 periodos.
d) Encontrar un pronóstico para la semana 31, considerando un promedio ponderado de 0.4, 0.3, 0.2 y
0.1. Hacer comentarios.
5. Industrias Nina creció casi 50% el último año debido a la gran demanda que tuvieron los reproductores
de discos compactos entre los corredores. Como el número de corredores va en aumento, Nina espera
que también aumente la demanda de los reproductores, ya que hasta la fecha no hay ningún reglamento
de seguridad que evite que los usen los corredores. El año pasado, la demanda de unidades fue:
a) Use el análisis de regresión de mínimos cuadrados; Cuál sería su pronóstico de la demanda para cada
mes del próximo año.
6. La Molinera Valencia, tenía grandes contratos para la comercialización de azúcar. En los últimos años
el mercado se ha reducido por el ingreso de otros competidores en la comercialización de este producto.
Por lo que la compañía le encomienda la tarea de pronosticar el próximo año, para realizar la importación
del producto. La demanda para los 12 últimos trimestre se muestra a continuación. Use la técnica más
adecuada para pronosticar los cuatro trimestre de 2002.
INGENIERÍA INDUSTRIAL 14
7. Prepare un pronóstico para cada trimestre del próximo año a partir de la información de ventas
trimestrales de los últimos años, que se presentan a continuación. Suponga que existen factores de
tendencia y de estacionalidad y que el ciclo de estacionalidad dura un año.
8. Una empresa necesita desarrollar un pronóstico de ventas para el año siguiente para sus ventas de
vehículos recreativos. Suponga que sus ventas anuales están relacionadas con las ventas de su sector
industrial y ha preparado estos datos históricos:
INGENIERÍA INDUSTRIAL 15
Si la estimación de las ventas para el sector industrial del año que viene es de 725 millones de dólares,
utilice una regresión lineal simple para pronosticar la demanda anual de vehículos recreativos de la
empresa para dicho año.
9. DUO es una compañía que fabrica botas de esquiar con materiales compuestos. Las botas tuvieron
ventas lentas al introducirlas al mercado, pero los esquiadores han reconocido que son excelentes y el
precio es sólo alrededor del 15% más alto que otras marcas. El departamento de pegado hace las uniones
en las botas y el año pasado tenia 25 empleados. La eficiencia por trabajador fue 83% el otoño pasado.
Tres de estos trabajadores renunciaron. Dados los datos de demanda de los últimos cuatro años, ¿cuántos
trabajadores recomendaría contratar para el próximo invierno? ¿Recomendaría un número distinto para
la primavera, verano y otoño del próximo año?
TAREA
1. Las ventas de los últimos 12 meses en una empresa de computadoras se dan enseguida.
a) Utilice un promedio móvil de tres meses para pronosticar la venta de enero del siguiente año.
b) Use un promedio móvil de cuatro meses para pronosticar la venta de enero del siguiente año
INGENIERÍA INDUSTRIAL 16
c) Compare el desempeño de los dos métodos utilizando la desviación media absoluta como criterio de
desempeño. ¿Qué método recomendaría?
d) Compare el desempeño de los dos métodos usando el error porcentual medio como criterio de
desempeño. ¿Qué método recomendaría?
a) Utilice un promedio móvil ponderado para pronosticar la venta de enero del siguiente año. Use los
pesos (3/6), (2/6) y (1/6), dando más peso al dato más reciente.
b) Utilice suavizamiento exponencial con α=0.6, 0.4, 0.2 para pronosticar la venta de febrero del
siguiente año. Suponga que el pronóstico inicial para enero era $22 millones.
3. El número de cirugías del corazón realizadas en el Hospital General ha aumentado en forma estable
en los últimos años. La administración del hospital está buscando el mejor método para pronosticar la
demanda de esas cirugías en el año seis. Los datos de los últimos quince años se muestran en la tabla.
La administración del hospital está considerando los siguientes métodos de pronósticos. Comience la
medida del error en el año tres para comparar todos los métodos en los mismos años.
INGENIERÍA INDUSTRIAL 17
4. La demanda histórica para un producto es:
a) Use un promedio móvil ponderado con valores de 0.40, 0.30, 0.20 y 0.10 para determinar el
pronóstico para julio.
b) Use un promedio móvil simple de tres meses para determinar el pronóstico para julio.
c) Use el suavizamiento exponencial simple de α = 0.2 y 0.7.
d) ¿De los pronósticos anteriores determine cuál es el mejor pronóstico 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
INGENIERÍA INDUSTRIAL 18
b) Promedio móvil con N = 6
c) Promedio móvil 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 pronóstico
para febrero usando promedio móvil con N = 6 obs.
e) Usando el promedio Móvil que tenga el menor error (MAD) con N = 3 obs, 5 obs y 7obs.
6. A continuación se presenta la información de los ingresos por ventas en miles de soles, de la tienda
EFE, en su línea blanca de electrodomésticos.
a) Elaborar un pronóstico para los demás trimestres del año 2015 utilizando el método de
suavizamiento exponencial considerando a = 0.1 y a = 0.6
b) Calcular el MAD, MEC, MAPE y el MPE. Hacer comentarios
INGENIERÍA INDUSTRIAL 19
7. LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de computadoras. Rodrigo
Gonzales, gerente de planta, estima que el crecimiento de las ventas continuara y desea desarrollar un
pronóstico a largo plazo que se utilizara para planear las necesidades de las instalaciones para los
siguientes tres años. Se han totalizado las ventas correspondientes a los últimos 10 años:
a) Con el método más conveniente, calcule la proyección para todos los meses del siguiente año.
b) Desarrolle una ecuación de regresión lineal simple para pronosticar la venta anual del año 6. E indicar
la pendiente, la intersección y coeficiente de regresión.
9 . Tom Plaz pronostica la demanda de electricidad para la compañía de luz Enersur. La compañía desea
cerrar su planta de energía 2 para mantenimiento cuando se espere que la demanda sea baja. Después
de cerrar, realizar el mantenimiento y poner de nuevo en marcha la planta toma de dos semanas. El
servicio tiene sufieciente capacidad de generación en otras fuentes para satisfacer una demanda de 1550
megawats(MW), mientras la planta 2 está fuera de servicio. A continuación se muestra las demandas pico
semanales (en MW) para varios otoños pasados. ¿Cuándo en el siguiente año debe la Planta 2 programar
mantenimiento?
INGENIERÍA INDUSTRIAL 20
10 . Swiss Milk fabrica y distribuye helado en 3 ciudades del país. La compañía quiere expandir sus
operaciones estableciendo otra planta en el norte. El tamaño de la nueva planta se determinará en
función de la demanda esperada del helado en el área atendida por la planta. Se está realizando una
investigación de mercado para determinar esa demanda.
Swiss Milk desea estimar la relación entre el costo por galón para el fabricante y el número de galones
vendidos en un año para determinar la demanda de helado y, con ella, el tamaño de la nueva planta. Se
reunieron los datos siguientes:
a) Desarrolle mediante una ecuación de regresión para pronosticar el costo por galón y luego desarrolle
el pronóstico como una función del número de galones producidos. b) ¿Cuál es el coeficiente de
correlación y el coeficiente de determinación? c) Suponga que la investigación de mercado indica una
demanda de 325 000 galones en el área del Norte. Estime el costo de manufactura por galón para una
planta que produce 325 000 galones al año.
INGENIERÍA INDUSTRIAL 21
CUESTIONARIO
1. ¿Por qué es importante un pronóstico? ¿Qué papel juega en la planeación y control de la producción?
2. ¿Cuáles son las ventajas y desventajas de las investigaciones de mercado?
3. Dé tres ejemplos de situaciones en las que el método Delphi sería una manera adecuada de
pronosticar.
BIBLIOGRAFÍA
INGENIERÍA INDUSTRIAL 22