Professional Documents
Culture Documents
TECNICAS DE
PRONOSTICOS
El objetivo bsico de un pronstico consiste en reducir el rango de
incertidumbre dentro del cual se toman las decisiones que afectan el
futuro del negocio y con l a todas las partes involucradas. Aunque, el PLANEACION DE
pronstico no sustituye el juicio administrativo en la toma de
decisiones, simplemente es una ayuda en ese proceso.
RECURSOS DE
MANUFACTURA
UNIDAD 4
TECNICAS DE PRONOSTICOS
UNIDAD 4
PRONOSTICOS
4.1 El Rol de los Pronsticos en la Planeacin de Recursos de
Manufactura- MRP II
Muchas decisiones de negocio dependen de algn tipo de pronstico.
Pronosticar es el arte de especificar informacin significativa acerca del
futuro. Su importancia se nota con los siguientes roles:
Pronstico de Demandas
La administracin de la demanda tiene como fin coordinar y controlar todas
las fuentes de la demanda, de manera que los sistemas de produccin y
operaciones puedan utilizarse en forma eficiente. Para manejar la demanda
toca limitarse a responderla con elaboracin de pronstico con base en los
patrones anteriores de demanda, con el fin pronosticar las necesidades a
futuro. El inters primordial de los pronsticos es la siguiente
BIAS = sesgo
Comportamientos de la demanda
13
14
15
16
Calculo:
18
GRAFICA
20
w(1), w(2), ..., w(m) son las ponderaciones con w(1) es usado para x(t) y w(m)
es usada para x(t-m+1).
21
GRAFICA
23
Desarrollo:
25
GRAFICA
4. At = Parmetro aditivo
Desarrollo
27
=0.3; h = 1
28
29
GRAFICA
30
GRAFICA
32
GRAFICA
34
GRAFICA
36
Nomenclatura:
Ejemplo:
b0 = -36.37 F0 = 573.13
c0 = 3.08 F0 = 711.89
Grfica
41
E0 = Error inicial
Valores iniciales
Desarrollo
43
Primera parte
45
GRAFICA
47
Primera parte
Segunda parte
49
50
GRAFICA
DEFINICIONES
Yt-Yt-1 = t Yt = t
Para nuestro anlisis vamos a exigir a las series que estudiemos que
cumplan la condicin de estacionariedad en sentido dbil.
k=E(YtYtt-k) k=-.....-2,-1,0,1,2,3..........
k= -k ; k= -k; 0=1; [ k] 1
Aproximacin de Barlett
53
Hay que tener presente que la formula de Barlett es solo aproximada y que el
intervalo correcto puede llegar a ser en algunos casos, para valores de k
muy bajos, hasta la mitad del que arroja la frmula. Por lo tanto el hecho de
que todos los valores de rk estn dentro de la banda de fluctuacin descrita,
54
El inters en que el proceso sea estacionario es que las FAC y las FAP son
independientes del tiempo, lo que es fundamental para calcular los
coeficientes de ambas funciones.
Llamamos yt=Yt -
1= 1* 0+ 2* 1+.......+ p* p-1
..
Por ejemplo,
p=1
p=2
p=3
Ejemplo 1
500
400
Ventas
300 Demanda
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo
Grf
icas
60
FAC
Autocorrelaciones muestrales
00,001
00,001
00,001
00,000
00,000 Autocorrelaciones
00,000 Lmite superior
00,000 1 2 3 4 5 Lmite inferior
6
00,000
-00,001
-00,001
Retardos
Grficas
FAP
00,001
00,001
Autocorrelacion Parcial
00,000
00,000
-00,001
Retardos
Procesos Autorregresivos
(L) Yt= t
AR(1)
Yt= 1Yt-1+ t ;
67
Es decir :
2=E(YtYt-2)= 21 o
3=E(YtYt-3)= 31 o
.........
s=E(YtYt-s)= s1 o
AR ( 2 )
En un proceso AR(1) bastaba con que para que la serie tuviera una
varianza finita, y la serie {yt} poda considerarse estacionaria.
Que no es otra cosa que la expresin de las ecuaciones de Yule Walker para
un AR(2).
Esta relacin es muy til, ya que para calcular los coeficientes de la FAC de
un AR(2), podremos calcular todos los i a partir de los dos primeros
coeficientes. Y para calcular los dos primeros coeficientes:
(ii) 2= 1* 1+ 2*1
70
Ejemplo 2
t = 1Yt-1 + constante
Clculos.
Ejemplo 3
Clculos.
73
74
Yt= (L) t
75
Proceso MA(1)
Yt= t+ t-1
=(1+2) ;
1 =E(Yt Yt-1) = E[( t+ t-1)( t-1+ t-2)]=E[ 2t-1+ trminos que se anulan]=
Este modelo no lo podemos estimar tal cual est escrito. Para poder
utilizarlo es necesario invertirlo y expresarlo como un modelo de tipo
autorregresivo. Si hemos llegado a este punto, se da por hecho que nuestro
modelo es invertible (los coeficientes cumplen las condiciones necesarias).
Un modelo como el anterior, siempre se podr escribir como:
Yt=(1-- sYt-s+ t
76
Por tanto
y en general
Por eso se dice que los modelos MA(1) solo tienen memoria para un solo
periodo (y en general un modelo de orden MA(q) solo tiene memoria para q
periodos)
Procesos ARMA(p,q)
Como era de esperar, el proceso que nos queda por definir son los
procesos de tipo ARMA(p,q). Son una combinacin de los dos anteriores, de
modo que podemos escribir:
(L)Yt=(L) t
A partir de las figuras de las FAC y de las FAP, tendremos que intentar
identificar el proceso generador de la serie. Para ello podemos hacer uso de
la siguiente tabla:
77
FAC FAP
Donde:
ln = logaritmo natural de
(t) = aebt
81
lnY(t) = lna + bt
Ejemplo:
Clculo:
(10) = 204,37
ESTIMACION DE PARAMETROS.
________ ___________
83
SSR 2.072
SST 2.1519
(t) = a + blnt
Ejemplo:
84
Clculo:
Parmetros Ecuacin
b= 32,93
a= 5,896 (t) = 5,896+32,93lnt
(10)= 335,19
ESTIMACION DE PARAMETROS.
SSR 3051.15
SST 3528
En donde
Tiempo
Demanda
Ejemplo:
Clculo:
ESTIMACION DE PARAMETROS.
SSR 3449.44
SST 3528.11
En donde
Demanda
Ejemplo:
Clculo:
ESTIMACION DE PARAMETROS.
SSR 3460
SST 3528
92
Ejemplo:
Clculo:
Parmetros Ecuacin
lnb= 0,2723
lna= 2,5999
(t) = 13,463(1,313)t
a= 13,463
b= 1,313
ESTIMACION DE PARAMETROS.
SSR 2.076
SST 2.1519
Ejemplo:
Clculo:
Parmetros Ecuacin
b= 0,8644
lna= 2,6364 (t) = 13,963(t)0,8644
a= 13,963
ESTIMACION DE PARAMETROS.
SSR 2.125
SST 2.197
En donde
Ejemplo:
Clculo:
98
ESTIMACION DE PARAMETROS.
SSR 2323,80
SST 3527,82
Ejemplo:
Clculo:
100
ESTIMACION DE PARAMETROS.
SSR 97.10
SST 97.414
Ejemplo:
Clculo:
102
ESTIMACION DE PARAMETROS.
SSR 2.076
SST 2.152
En donde
= valor del lmite superior para el modelo logstico. (Este valor por lo menos
debe ser igual a la demanda mxima +1).
Transformacin de variables.
Para determinar los parmetros a y b no se pueden determinar por medio de un
enfoque convencional. Sin embargo, en muchos casos una transformacin de
los datos podra propiciar una situacin en la que se pueda aplicar la regresin.
Se transforma para que resulte un modelo lineal como lo veremos ahora:
104
Ejemplo:
Clculo:
105
106
4.6 EJERCICIOS
1. Pedro Antonio es el gerente de produccin de la compaa ProtoPlastic.
La compaa produce dos productos codificados como A10 y B10. Pedro
Antonio est interesado en saber su capacidad instalada para los meses
25,26 y 27, y por tal motivo lo contrat a Ud. para que pronostique el A10
mediante la tcnica suavizacin exponencial doble con tendencia lineal ( =
0,3 y = 0,6) y el B10 mediante la tcnica promedio mvil con tendencia
lineal con m = 3. Ambas tcnicas son bondadosas para el pronstico de los
dos productos. Se necesitan 16 horas-trabajador para hacer un A10 y 24
horas-trabajador para hacer un B10, existen actualmente 40 trabajadores en
la planta con una jornada laboral de 8 horas diarias. A continuacin, se darn
a conocer la demanda histrica para cada producto y sus listas de
materiales.