Professional Documents
Culture Documents
$estin de Operaciones
Pronstico a mediano pla&o: de 3 meses a 3 aos. Ej: planear las ventas, la produccin, el presupuesto.
Pronstico a lar o pla&o: 3 aos o ms Ej: planear nuevos productos, gastos de capital, ubicacin o ampliacin de las instalaciones
$estin de Operaciones
$estin de Operaciones
Enfo0ues de Pronsticos
)urado de opinin de Ejecutivos #1todos Cualitativos '(todo "elphi *omposicin de la +uer$a de ventas Encuesta en el mercado de consumo
En+oque intuitivo #1todos Cuantitativos ,romedios 'viles 234 #uavi$amiento e-ponencial 234 ,ro eccin de tendencias 234 %egresin .ineal 234
Profesora: Paulina #ayor a Peralta
Enfo0ues de Pronsticos
)urado de opinin de Ejecutivos #1todos Cualitativos '(todo "elphi *omposicin de la +uer$a de ventas Encuesta en el mercado de consumo
En+oque intuitivo #1todos Cuantitativos ,romedios 'viles #uavi$amiento e-ponencial ,ro eccin de tendencias %egresin .ineal
'odelo asociativo 'odelos de series de tiempo
Promedio #vil /
"emanda en los
n n
periodos anteriores
$estin de Operaciones
E6emplo: .as ventas de coberti$os de una empresa 2, se muestran en la columna central de la siguiente tabla. 3 la derecha se da el promedio mvil de tres meses. #es
Enero 4ebrero 'ar$o 3bril 'a o )unio )ulio 3gosto #eptiembre &ctubre 5oviembre "iciembre 7entas Reales de Co8erti&os 16 17 13 18 19 73 78 36 7: 1: 18 1; 016<17<131=3 / 117=3 017<13<181=3 / 13 013<18<191=3 / 18 018<19<731=3/19 1=3 019<73<781=3 / 77 7=3 073<78<361=3/ 78 1=3 078<36<7:1=3/ 7: 036<7:<1:1=3 / 7> 1=3 07:<1:<181=3 / 76 7=3
7=3
!emos que el pronstico para diciembre es de 76 7=3 . ,ara pro ectar la demanda de coberti$os en enero pr-imo, sumamos las ventas de octubre, noviembre diciembre entre 3: pronstico para enero / 01:<18<1;1=3 / 18
Profesora: Paulina #ayor a Peralta $estin de Operaciones
#iguiendo con el ejemplo anterior. Esta empresa decidi pronosticar las ventas de coberti$os ponderando los ?ltimos tres meses como sigue:
Ponderacin 9plicada , + * / Periodo :ltimo mes o m"s reciente %ace dos meses %ace tres meses Suma de ponderaciones
#es
Enero 4ebrero 'ar$o 3bril 'a o )unio )ulio 3gosto #eptiembre &ctubre 5oviembre "iciembre
03-131<07-171<0161 =8 / 17
1=8
03-181<07-131<0171 =8 / 1; 1=3 03-191<07-181<0131 =8 / 1@ 03-731<07-191<0181 =8 / 761=7 03-781<07-731<0191 =8 / 73>=8 03-361<07-781<0731 =8 / 7@1=7 03-7:1<07-361<0781 =8 / 7:1=3 03-1:1<07-7:1<0361 =8 / 731=3 03-181<07-1:1<07:1 =8 / 1:
7=3
;emanda de 7entas
+.
*.
*<
Ene
=e8
#ar
98r
#ay
>un
>ul
9 o
Sep
Oct
Nov
;ic
#es
Ft
Ft-1 + (At-1
- Ft-1 )
Ft = nuevo pronstico
F t-1 = pronstico anterior A : es la ponderacin, o constante de suavi$ado, elegida por quien pronostica, que tiene un valor entre 6 1.06 C A C 1 1 9 t)* / demanda real en el periodo anterior
Profesora: Paulina #ayor a Peralta $estin de Operaciones
E6emplo: En Enero, un distribuidor de automviles predijo que la demanda para 4ebrero serDa de 1;7 camionetas 4ord. .a demanda real de +ebrero +ue de 1>3 autos. #i empleamos la constante de suavi$ado que eligi la administracin , A / 6,76, podemos pronosticar la demanda de mar$o mediante el modelo de suavi$amiento e-ponencial. #ustitu endo los datos del ejemplo en la +rmula, obtenemos. 0suavi$amiento e-ponencial1
Nuevo pronstico 0para la demanda de mar$o1 / 1;7 < 6,76 01>3 B 1;71 / 1;7 < 7,7 / 1;;,7 A siempre ser dada. #e encuentra en un intervalo entre 6,6> 6,>6.
#i A es alta, o sea 6,> el pronstico se basa en los datos ms recientes. #i A es baja, o sea 6,1el pronstico da poca importancia a la demanda reciente cuenta los valores histricos de muchos perDodos.
Profesora: Paulina #ayor a Peralta
toma en
$estin de Operaciones
#i Ft denota el pronstico en el periodo t, At denota la demanda real del periodo t, el error de pronstico 0o desviacin1 se de+ine como:
;esviacin 98soluta #edia 2#9;4: #u valor se calcula sumando los valores absolutos de los errores individuales del pronstico dividiendo entre el n?mero de periodos de datos 0n1
#9; 5
real E pronstico n
7eamos un e6emplo
Durante los ltimos 8 trimestres, el Puerto de Valparaso ha descargado de los barcos grandes cantidades de grano. El Jefe de Operaciones del puerto quiere probar el uso de sua i!amiento e"ponencial para er que tan bien funciona la t#cnica para predecir el tonela$e descargado. %upone que el pron&stico de grano descargado durante el primer trimestre fue '() toneladas. %e e"aminan dos alores de * . * + ,,', - * + ,,),. .a siguiente tabla muestra los c/lculos detallados s&lo para * + ,,',
Pronstico Toneladas reales descar adas *C< */C *.D *(. *D< +<. *C< *C+ E Redondeado con A 5 <B*< *(.
,ronstico del periodo anterior ,ronstico del periodo anterior "emanda real en periodo anterior
Pronstico Redondeado con A 5 <B.< *(. *(C *(, *// *(< *C< *D, *C/ *C-
Trimestre * + , . / ( C D
*(/ / 1@> < 6,16 0 1:6 B 1@>1 *(. / 1@>,>6<6,16 018: B 1@>,>61
*(, / 1@;,@><6,16 01>9E1@;,@>1 *(, / 1@3,1:<6,16 01@><1@3,1:1 *(. / 1@3,38<6,160196E1@3,381 *(C/ 1@>,67<6,16076>E1@>,671 *(C / 1@:,67 < 6,16 01:6E1@:,671 *(D / 1@:,77 < 6,16 01:7E1@:,771
,ara evaluar la precisin de ambas constantes de suavi$ado, calculamos los errores de pronstico en t(rminos de desviaciones a8solutas #9;
Toneladas reales Trimestre * + , . / ( C ;escar adas *C< */C *.D *(. *D< +<. *C< Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C ;esviacin 98soluta Para A5<B*< . C */ + *( ,< + Pronstico Redondeado con A5<B.< *(. *(C *(, *// *(< *C< *D, *C/ ;esviacin 98soluta Para A5<B.< . *< *D +< +. *, -
C*<B.<
*<< *+B.<
#9; /
desviaciones n
Con 8ase en este an"lisisB una constante de suavi&ado de A5<B*< es preferi8le a A5<B.< por 0ue su #9; es m"s pe0ueFa. Se de8e encontrar la constante de suavi&ado con el menor error de pronstico.
Error cuadr"tico #edio 2#SE4: Es una segunda +orma de medir el error global del pronstico. El '#E es el promedio de los cuadrados de las di+erencias entre los valores pronosticados observados. #u +rmula es:
#SE 5
0errores de pronstico1 n
$estin de Operaciones
Toneladas reales Trimestre ;escar adas *C< */C *.D *(. *D< +<. *C< *C+
Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C *(C 2Error4
+ + + +
* + , . / ( C
#SE 5
2errores de pronstico4 n
5 *...C H C 5 *D-B(.
Isando un A5 <B.< se o8tendrGa un #SE de +<*B.. Por lo tanto el A5 <B*< es una me6or eleccin por 0ue se minimi&a el #SE.
Profesora: Paulina #ayor a Peralta $estin de Operaciones
Error porcentual a8soluto medio 2#9PE4: Este se calcula como el promedio de las di+erencias absolutas entre los valores pronosticados los reales se e-presa como porcentaje de los valores reales. Es decir, si hemos pronosticado n periodos los valores reales corresponden a n periodos, '3,E, se calcula como:
#9PE 5
166
i/1
Toneladas reales Trimestre ;escar adas *C< */C *.D *(. *D< +<. *C< *C+
Pronstico Redondeado con A5<B*< *(. *(/ *(. *(, *(, *(. *(C *(C
* + , . / ( C
*<<2.H*C<4 5 +B((J *<<2CH*/C4 5 -B(/J *<<2*/H*.D4 5 *<B</J *<<2+H*(.4 5 *B*-J *<<2*(H*D<4 5 CBD.J *<<2,<H+<.4 5 *-B/,J *<<2+H*C<4 5 *B**J *<<2-H*C+4 5 +B+<J 5 -.B/+J
#9PE /
y = a + a
H
b x
$estin de Operaciones
.os pro+esionales de estadDsticas han desarrollado ecuaciones que se utili$an para encontrar los valores de a 8 para cualquier recta de regresin. .a pendiente 8 se encuentra mediante:
8 5
E n7
- E ndonde:
8 5 pendiente de la recta de re resin / signo de suma
? 5 valores conocidos de la varia8le independiente y 5 valores conocidos de la varia8le dependiente ? 5 promedio del valor de las ? y 5 promedio del valor de las y n 5 n!mero de datos puntuales u o8servaciones.
Profesora: Paulina #ayor a Peralta $estin de Operaciones
a/
E b-
0 continuaci&n se muestra la demanda de energa el#ctrica en la ciudad de Puerto 1ontt, durante el a2o '33( al 4,,5, en 6ilo7att. El Jefe de Operaciones de la empresa SAESA, debe pronosticar la demanda para el 4,,8 a$ustando una recta de tendencia a estos datos.
3o
*DD( *DDC *DDD +<<< +<<* +<<+ +<<,
,ara simpli+icar, trans+ormamos los valores de - 0tiempo1 en n?meros ms sencillos, como 1,7,3,;J ;emanda de ener Ga 9Fo
*DD( *DDC *DDD +<<< +<<* +<<+ +<<,
Periodo 2?4
* + , . / ( K 5 +C
El1ctrica 2y4
((D C< D< *<. *-+ *++ y 5 /D+
+
?y
(*.C +-< ,/< .+. C.+ C.?y 5 ,.</,
* D */ +. ,/ -D ? 5 *-<
K 5 +C 5K5 n (
y y5
5 /D+ 5 DCBC/ (
8 5
E n7
- E n-
1;6E 0@1 0 ; 1
/ 79> / 16,>; 7:
a/
E b-
3sD, la ecuacin de mDnimos cuadrados para la tendencia es y 5 ./B(< @ *<B.- ?. ,ara pro ectar la demanda en el 766;, primero denotamos el ao 766; en el nuevo sistema de cdigos como - / :.
Estimamos la demanda para el 766> insertando - / 9 en la misma ecuacin: ;emanda en el +<<. / >8,@6 < 16,>; 091 / 1>1,>8, o 1>7 KiloLatt.
,ara comprobar la valide$ del modelo, gra+icamos la demanda histrica la recta de tendencia. En este caso debemos tener cuidado tratar de comprender el cambio en la demanda de 7667 a 7663.
Recta de tendencia y 5./B(< @ *<B.- ? ;emanda de ener Ga
186 1>6 1;6 136 176 116 166 96 :6 @6 86 >6
199@ 199: 1999 7666 7661 7667 7663 766; 766>
;emanda histrica
9Fo
y = a + a
b x
/ valor calculado de la variable que debe predecirse 0variable dependiente1 / ordenada, interseccin con el eje .
.os siguientes datos relacionan las cifras de entas de un bar de un peque2o 9otel, con el nmero de hu#spedes registrados esa semana:
semana * + , -
%u1spedes */ *+ *C *-
*+
*/
+<
7entasB y
,,< +(< ,C< ,<< y 5 *.+C<
%u1spedesB?
*/ *+ *C *K 5 /<
+
?
+./ *-,+*D/
?y
..+C< ,.+-< /.C-< -.+<< ?y 5*D../<
? 5 D+<
K 5 /< 5 *. K5 n -
y y5
5 *.+C< 5 ,+< -
8 5
E n7
- E n-
/ 386 / 1: 76
a/
E b-
y 5 .< @ *C ?
#i el pronstico es de 76 hu(spedes la semana siguiente Mde cunto se esperan que sean las ventasN y 5 .< @ *C ? 6 7entas 5 .< @ *C 2hu1spedes4
;emanda histrica
*+
*/
+<
S y,x
2 y M yc 4 + n)+
donde:
y / valor de
yc / valor calculado de la variable dependiente, a partir de la ecuacin de regresin. n / n?mero de datos puntuales
Esta ecuacin puede resultar ms +cil de usar. 3mbas +rmulas entregarn el mismo resultado
S y,x 5
y+ ) a
y ) 8 ?y n)+
;emanda histrica
*+
*/
+<
S y,x 5 S y,x 5
5
y+ ) a
y ) 8 ?y n)+
/<
(B(- L en ventas
r/
n
7
n - -
- 7
n
7 7
2
No hay Correlacin r5 < Correlacin ne ativa perfecta r5 )*
7entasB y
,,< +(< ,C< ,<< y 5 *.+C<
%u1spedesB?
*/ *+ *C *K 5 /<
+
?
+./ *-,+*D/
?y
..+C< ,.+-< /.C-< -.+<< ?y 5*D../<
+
? 5 D+<
r5
5 *.--< +.**+.<<<
5 <BDD,/*D(DC
Correlacin positiva r5 <N r N*
Re resin 'ineal #!ltiple .a regresin m?ltiple es una e-tensin prctica del modelo simple de regresin que acabamos de ver. 5os permite construir un modelo con varias varia les inde!endientes en lugar de slo una variable. ,or ejemplo, si en el ejemplo anterior se desea incluir el al$a en los pasajes de los hu(spedes, la ecuacin apropiada serDa: y = a + b1 x1 + b2 x2
?* y ?+ / valores de las dos variables independientes 0Ej: nO de hu(spedes 8* y 8+ / coe+icientes de las dos variables independientes
.as matemticas de la regresin m?ltiple son bastante complejas lo usual es que los clculos se realicen en el computador, por lo cual dejaremos las +rmulas para encontrar a, b1 b7 a los libros de estadDstica.