Pronostico

PRONÓSTICOS

LINDLEY DE LA ESPRIELLA GONZALEZ

DEIBER MAZA

EDGAR LICONA MAGALLANES

GABRIEL EDUARDO ZERDA MONTESINO

FUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO.

FACULTAD DE INGENIERÍA.

PROGRAMA DE INGENIERIA INDUSTRIAL

CARTAGENA DE INDIAS D. T. y C.

2012

PRONÓSTICOS

LINDLEY DE LA ESPRIELLA GONZALEZ

DEIBER MAZA

EDGAR LICONA MAGALLANES

GABRIEL EDUARDO ZERDA MONTESINO

GERENCIA DE OPERACIONES

ASESOR

FUNDACIÓN UNIVERSITARIA TECNOLÓGICO COMFENALCO.

FACULTAD DE INGENIERÍA.

PROGRAMA DE INGENIERIA INDUSTRIAL

CARTAGENA DE INDIAS D. T. y C.

2012

PRONÓSTICOS

Administración de la demanda

En casi todos los casos podemos separar la demanda de productos o servicios en seis componentes:

1. Promedio de un periodo

2. Tendencia

3. Elemento estacional

4. Elemento cíclico

5. Variación aleatoria

6. Correlación propia

Por lo general las líneas de tendencia son el punto de partida para hacer un pronóstico.

Una tendencia lineal es una relación recta continua, una curva en S es típica del crecimiento del producto y el ciclo de madures. El punto mas importante es cuando la tendencia cambia de crecimiento lento a rápido o viceversa.

Una tendencia asintótica empieza con una demanda que crece más al principio, pero después decae.

Pronósticos

Son vitales para todas las organizaciones, representa la base de datos de las empresas.

Podemos clasificar los pronósticos en cuatro tipos básicos:

1. Cualitativos.

2. De análisis de series de tiempo.

3. De relaciones causales.

4. Simulaciones.

Las técnicas cualitativas son subjetivas o simples juicios y se basan en cálculos y opiniones.

El análisis de series de tiempo, la idea es usar los datos de la demanda del pasado para prever la demanda futura. Por ejemplo, las influencias de las tendencias de las estaciones o de los ciclos.

Los pronósticos causales, que se observan con la técnica de la regresión lineal, suponen que la demanda esta relacionada con uno o varios factores básicos del entorno.

Los modelos de simulación permiten que el pronosticador pongan aprueba una serie de supuestos sobre la condición del pronóstico.

Técnicas de pronóstico y modelos comunes.

1. Cualitativas: Son subjetivas de juicio, basadas en estimaciones y opiniones.

a) Raíz de pasto “Grass Roots”: Deriva un pronóstico reuniendo información de las personas que están en un extremo de la jerarquía y que se ocupan de aquello que se pronosticará, es decir que la persona que este mas cerca del cliente o del usuario final del producto conoce cuales son sus necesidades futuras. Por ejemplo, derivaríamos un pronostico general de ventas combinando la información de cada uno de los vendedores que están más cerca de su territorio.

b) Investigación de mercado: Reúne datos por distintos medios (encuestas, entrevistas etc.) a efecto de comprobar hipótesis sobre el mercado. Normalmente los utilizamos para pronosticar ventas a largo plazo y las de productos nuevos. A través de contrataciones de compañías especializadas en la investigación de productos con la intención de buscar ideas para productos nuevos.

c) Consenso de los expertos: Intercambio franco y libre en juntas. La idea es que la discusión del grupo producirá mejores pronósticos que las de cualquier individuo. Los participantes pueden ser Ejecutivos, vendedores o clientes de cualquier nivel intercambiando ideas, el problema es que los empleados de niveles mas bajos se encuentren intimidados por los administradores de niveles mas altos.

d) Analogía Histórica: Relaciona lo que se pronostica con un elemento similar. Es importante para planear productos nuevos porque se puede derivar un pronóstico empleando el historial de un producto similar. Estos se pueden clasificar en productos complementarios, productos sustituidos o que compiten entre si y productos con función de ingresos.

e) Método Delphi: Un grupo de expertos contesta un cuestionario. Un moderador compila los resultados y prepara otro cuestionario que también le presenta al grupo. Así el grupo pasa por un proceso de aprendizaje debido a que recibe nueva información y a que nadie esta sujeto a influencia alguna por presión del grupo ni de personas dominantes, es decir cada individuo tiene la misma importancia. Este método produce resultados satisfactorios con solo tres rondas.

2) Análisis de series de tiempo: Se basan en la idea de que podemos utilizar la historia de los hechos ocurridos para prever el futuro. Los pronósticos de negocios a corto plazo se refiere a menos de tres meses (respuestas ante un producto nuevo), a mediano plazo se refiere a entre tres meses y dos años (efectos estacionales) y a largo plazo a mas de dos años (tendencias generales).

a) Promedio movible simple: Se obtiene el promedio de un periodo específico que contiene una serie de datos, dividiendo la suma de los valores de estos entre el número de valores. Por lo tanto, cada uno tiene la misma influencia (datos estáticos). Este promedio sirve para eliminar las frustraciones aleatorias de los pronósticos.

b) Promedio ponderado movible: Se ponderan puntos específicos, adjudicándoles mayor o menor valor que a otros, según los aconseje la experiencia (tendencia pero no estacionalidad).

NOTA: El principal inconveniente de los métodos anteriores es que se necesita contar siempre con una cantidad de datos históricos.

c) Método exponencial aminorado: Se ponderan los puntos de datos recientes con un valor mas alto y su peso va disminuyendo exponencialmente a medida que los datos envejecen. Esta tal vez la técnica mas usada para pronosticar, esta forma parte integral de casi todos los programas de cómputos y es usado para reponer inventarios en todo tipo de organizaciones. Solo se necesitan tres datos para pronosticar el futuro: El pronóstico más reciente, la demanda real que ocurrió en ese periodo y una constante de atenuación. Se pueden corregir los pronósticos atenuados exponencialmente si se ajusta la tendencia y para corregir la tendencia se necesitan dos contante de atenuación para disminuir el efecto de error, si estos no se incluyen la tendencia reacciona excesivamente a los errores (tendencia y estacionalidad).

d) Análisis de regresión: Se adapta una línea recta a los datos del pasado, normalmente relacionado el valor de los datos con el tiempo. La técnica más común de adaptación es la de los cuadrados mínimos (tendencia y estacionalidad).

e) Técnica de la Caja de Jenkins: Es un técnica muy complicada, pero aparentemente resulta la más exacta, en términos estadísticos, de todas las que existen, relacionan un tipo de modelo estadístico con los datos y adapta el modelo a la serie de tiempo empleado la distribución bayesiana posterior (estáticos o convertidos a estáticos).

f) Series de tiempo Shiskin: (También llamada X-11” fue desarrollada por Julius Shiskin , de la oficina de censo de los estados unidos. Constituye un método eficaz para componer una serie de tiempo en estacional, tendencia irregular. Requiere un mínimo de tres años de historia. Es muy buena para identificar puntos de Inflexión, sobre todo en las ventas de la compañía (tendencias generales).

g) Proyecciones de Tendencias: Aplica una línea matemática de tendencias a los puntos de datos y los proyecta al fututo (capacidad de manejar patrones complejos).

3) Análisis de las Series Causales: Trata de entender el sistema básico en torno al elemento que será pronosticado. Por ejemplo, las ventas pueden verse afectadas ir la publicidad, la calidad y los competidores.

a) Análisis de regresión: Es parecido al método de los cuadros mínimos en las series de tiempo, pero pueden contener muchas variables. Su base es que el pronóstico se deriva de otros hechos que han ocurrido.

b) Modelos econométricos: Tratan de describir algún sector de la economía, mediante una serie de ecuaciones interdependientes.

c) Modelos de Insumos/productos: Se concentran en las ventas que cada industria hace a otras empresas y gobiernos. Indican los cambios en las ventas que una industria productora puede esperar debido a cambios en las compras realizadas por otra industria.

d) Indicadores Líderes: Representan Estadísticas que se mueven en la misma dirección que la serie que se esta pronosticando, pero que se mueven antes que la serie; por ejemplo, un incremento en el precio de la gasolina que indica una disminución futura de las ventas de autos grandes.

4) Modelos de Simulación: Modelos dinámicos normalmente de computadora, que permite al pronosticador formular supuestos respecto de variables internas del entorno externo del modelo. Dependiendo de las variables del modelo, el pronosticador puede hacer preguntas como: ¿Qué pasaría con mi pronóstico si el precio

...