Pronos Ticos
April 27, 2024 | Author: Anonymous | Category: N/A
Short Description
Download Pronos Ticos...
Description
Teoría de Pronósticos Yaneth Leydy Laura Maquera Quispe Miguel Angel Paniagua Laura Miguel Angel Maron Lope Luis David Perca Chutas Alex Arohuanca Quispe
2018-106071 2019-106013 2019-106073 2019-106080 2019-106084
Pronósticos El estudio de los pronósticos como elementos en la toma de decisiones en las empresas tienen mayores áreas de oportunidad al interior de las organizaciones , esto se debe a que los pronóstico ayudan a los tomadores de decisiones a realizar juicios más precisos acerca de los eventos futuros y en esta parte las matemáticas resultan tener un papel importante
Pasos para la elaboración de Pronósticos
1
Determinar el uso del pronóstico: ¿qué meta tratamos de alcanzar?
2
Seleccionar los artículos o las cantidades que se van a pronosticar.
3
Determinar el horizonte de tiempo del pronóstico: ¿30 días (corto plazo), de 1 mes a un año (mediano plazo) o más de un año (largo plazo)?
4
Seleccionar el modelo o los modelos de pronósticos.
5
Reunir los datos o la información necesaria para realizar el pronóstico
6
Validar el modelo del pronóstico.
7
Efectuar el pronóstico.
8
Implementar los resultados.
Tipos de Pronósticos
Modelos Cualitativos
01
Intentan incorporar factores subjetivos o de opiniones en los modelos de pronósticos. Se suelen tomar en cuenta las opiniones de expertos, las experiencias y los juicios individuales, u otros factores subjetivos.
Método Delphi 01 Este proceso iterativo de grupo permite que expertos, quienes podrían
Clasificación Modelos Cualitativos
encontrarse en diferentes lugares, hagan pronósticos.
02
Jurado de Opinión Ejecutiva
Este método toma las opiniones de un pequeño grupo de gerentes de alto nivel, con frecuencia en combinación con modelos estadísticos y los resultados de la estimación de la demanda.
03
Compuesto de Fuerza de Ventas
En este enfoque, cada persona de ventas estima las ventas en su región; estos pronósticos se revisan para asegurar que sean realistas y después se combinan a niveles de región y nacional, para llegar a un pronóstico general.
Encuesta al Mercado de Consumidores 04 Este método solicita información a los consumidores o clientes potenciales respecto a sus planes de compra futuros. Puede ayudar no solo a elaborar un pronóstico, sino también a mejorar el diseño del producto y la planeación de nuevos productos.
MÉTODO DELPHI
Métodos de Series de Tiempo
02
Los modelos de series de tiempo intentan predecir el futuro usando datos históricos. Estos modelos suponen que lo que ocurra en el futuro es una función de lo que haya sucedido en el pasado. Este tipo de series, pueden modelar lo que sea, desde la evolución de las ventas de una empresa hasta la evolución de los precios de sus productos en base anual, mensual, diaria o incluso por hora.
Tendencia (T) Es el movimiento gradual hacia arriba o hacia abajo de los datos en el tiempo.
Componentes de una Serie de Tiempo
Estacionalidad (S) Es el patrón de la fluctuación de la demanda arriba o abajo de la recta de tendencia que se repite a intervalos regulares
Ciclos (C) Son patrones en los datos anuales que ocurren cada cierto número de años. Suelen estar vinculados al ciclo de negocios.
Variaciones Aleatorias (R) Son “saltos” en los datos ocasionados por el azar y por situaciones inusuales; no siguen un patrón discernible.
Clasificación Métodos de Series de Tiempo
01
Promedios Móviles
Sirve para pronosticar valores de datos del siguiente periodo de la serie de tiempo, pero no los datos de periodos más distantes a futuro.
02
Suavizamiento Exponencial
Es una manera de pronosticar la demanda de un producto en un periodo dado.
03
Proyecciones de Tendencia
Muestra valores de una serie de tiempo que tiene una tendencia lineal a largo plazo. Este método muestra un incremento o disminución constante en el tiempo.
04
Descomposición
Corresponde a una metodología para la Proyección de la Demanda el cual descompone el comportamiento de una Serie de Tiempo en tendencia, estacionalidad y ciclo.
Ejemplo Aplicación de Promedio Móvil Una compañía presenta en el siguiente tabulado el reporte de ventas correspondiente al año 2019:
MES
VENTAS REALES
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
80 90 85 70 80 105 100 105 100 105 100 150
Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Promedio Móvil utilizando: • •
Un período de 3 meses (a partir de abril de 2019) Un período de 6 meses (a partir de julio de 2019)
SOLUCIÓ N Al ser un pronóstico con un período móvil de 3 meses, este deberá efectuarse a partir del mes de abril, es decir que para su cálculo tendrá en cuenta tres períodos, es decir, Enero, Febrero y Marzo.
Luego para efectuar la previsión del mes de Mayo, deberán tenerse en cuenta los últimos tres períodos que anteceden al mes de Mayo, es decir Febrero, Marzo y Abril.
De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: MES
VENTAS REALES
Enero
80
Febrero
90
Marzo
85
Abril
70
85
Mayo
80
82
Junio
105
78
Julio
100
85
Agosto
105
95
Septiembre
100
103
Octubre
105
102
Noviembre
100
103
Diciembre
150
102
PRONOSTICO
De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: El pronóstico restante al ser un pronóstico con un período móvil de 6 meses, este deberá efectuarse a partir del mes de Julio, es decir que para su cálculo tendrá en cuenta seis períodos, es decir, Enero, Febrero, Marzo, Abril, Mayo y Junio.
MES
VENTAS REALES
Enero
80
Febrero
90
Marzo
85
Abril
70
85
Mayo
80
82
Junio
105
78
Julio
100
85
85
Agosto
105
95
88
Septiembre
100
103
91
Octubre
105
102
93
Noviembre
100
103
99
Diciembre
150
102
103
PRONOSTICO (3 MESES)
PRONOSTICO (6 MESES)
Pronóstico de Ventas Reales 160 140 120 100 80 60 40 20 0
En el siguiente gráfico podemos observar que el promedio móvil de 3 meses logra aproximarse en gran medida a las Ventas Reales del 2019.
Ventas Reales
Pronóstico (3)
Pronóstico (6)
Ejemplo Aplicación de Suavizamiento Exponencial Una empresa de seguros que ha decidido expandir su mercado, han decidido comenzar ofreciendo servicio de seguro para coches. Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán contratados, para lo cual usarán como dato inicial los seguros de vehículos contratados en otra ciudad con menos habitantes pero con mayor posicionamiento en el mercado.
MES
DEMANDA
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
3200 3108 2930 2801 2316 2444 2719 3133 3459 2819 2773 2321
Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Suavizamiento Exponencial, donde: Ft= Nuevo pronóstico Ft-1= Pronóstico del periodo anterior α = constante de suavización At-1= demanda real del periodo anterior
SOLUCIÓ N El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por personas, pero la demanda para ese periodo fue de 3200. La compañía según su criterio asigna α=0,35.
Donde el próximo pronóstico es: Ft= 2869+0.35(3200-2869)=2984.85
De esta manera se efectúan las previsiones restantes obteniendo el siguiente resultado: MES
DEMANDA
PRONÓSTICO
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
3200 3108 2930 2801 2316 2444 2719 3133 3459 2819 2773 2321
2869 2984,85 3027,95 2993,67 2926,23 2712,65 2618,62 2653,76 2821,49 3044,62 2965,65 2898,22
El suavizamiento exponencial puede prever mejor la tendencia, pero se sigue quedando corto. Como se puede observar en el gráfico la línea gris se encuentra muy por arriba o por debajo de la azul (la demanda) sin lograr seguirle el paso.
Métodos Causales
03
Los modelos de pronóstico causal generalmente consideran algunas variables que están relacionadas con la variable que se predice. Una vez que estas variables relativas se han encontrado, se construye y utiliza un modelo estadístico para pronosticar la variable de interés.
Clasificación Métodos Causales
01 Ánalisis de Regresión El análisis de regresión lineal es un modelo que nos permite conocer la relación que existe entre una variable dependiente y una o más variables independientes
02 Regresión Múltiple La regresión múltiple implica la utilización de varias variables independientes para pronosticar una variable dependiente.
Ejemplo Aplicación de Análisis de Regresión Las ventas de una empresa durante los últimos 10 trimestres son las siguientes:
TRIMESTRE
VENTAS
1 2 3 4 5 6 7 8 9 10 11 12
133 292 283 283 302 400 505 608 667 783 785 799
Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante la técnica de Análisis de Regresión, donde: Se deberá pronosticar la demanda de los trimestres 13, 14 y 15.
En el siguiente cuadro se encuentran los cálculos realizados para los 12 trimestres PERÍODO(x)
DEMANDA(y)
xy
x2
y2
PRONOSTICO(Y)
1
133
133
1
17689
137
2
292
584
4
85264
200
3
283
849
9
80089
264
4 5
283 302
1132 1510
16 25
80089 91204
328 391
6
400
2400
36
160000
455
7 8
505 608
3535 4864
49 64
255025 369664
518 582
9
667
6003
81
444889
646
10 11
783 785
7830 8635
100 121
613089 616225
709 773
12
799
9588
144
638401
837
6,5
486,7
47063,0
650,0
3451628,0
Diapositiva 22
SOLUCIÓ N
Con los valores de la última fila de la tabla, podemos calcular a y b, con los cuales logramos calcular los valores de la última columna (Y) que es la recta que más se ajusta a la demanda y.
Donde:
Resultado anterior:
De esta manera se efectúan las previsiones obteniéndolo siguiente:
Podemos ver como se realizó el pronóstico de producción del trimestre 13. A continuación procedemos a resolver igual para los trimestres 14 y 15. Y=63,657(14)+72,894=964.09 Y=63,657(15)+72,894=1027.75
PERÍODO(x)
DEMANDA(y)
PRONÓSTICO(Y)
1
133
137
2 3 4 5
292 283 283 302
200 264 328 391
6
400
455
7
505
518
8 9 10 11
608 667 783 785
582 646 709 773
12
799
837
13 14 15
900 964 1028Diapositiva 24
Como se observa entre la demanda y lo pronosticado en periodos anteriores (desde el periodo 1 hasta el 12), se puede ver que es positiva por lo que esto nos indica que nos conviene seguir usando este método de pronóstico para futuros períodos.
GRACIAS
View more...
Comments