Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
COMPRAS E INVENTARIOS
Pronsticos
PRONSTICOS
Casi siempre, los pronsticos estarn equivocados. Es difcil que las ventas sean,
exactamente iguales a la cantidad que se predice. Es comn que con un extra de
capacidad, de inventarios o con la reprogramacin de los pedidos pueda
absorberse una ligera variacin respecto al pronstico. Pero cuando sta es muy
grande puede provocar un caos en el negocio. Por ejemplo, suponga que se
pronostica que en un ao particular se vendern 100 000 cajas de un producto y
solamente se venden 80 000. Las 20 000 cajas adicionales pueden terminar en el
inventario, o quizs pueda reducirse el empleo para reducir los niveles de
produccin. Tambin resulta igualmente doloroso si l pronstico es demasiado
balo Cuando la capacidad se ejerce al mximo pueden incorporarse individuos
adicionales .con mucha prisa, o es posible que se pierdan ventas debido u falta de
existencias. De estos ejemplos puede concluirse que los
pronsticos tiene un
pronsticos con solamente una cifra es ignorar el error, pero esto sucede
comnmente en la prctica.
Los pronsticos se utilizan para muchos fines en comercializacin, entre los que
estn la planeacin de las ventas, la introduccin de nuevos productos, el diseo
de programas de comercializacin, las decisiones sobre la fijacin de precios, la
publicidad y la planeacin de la distribucin. El pronstico no se limita a un
aspecto de comercializacin; ms bien, afecta a todas las decisiones en esta
funcin. En realidad, en ocasiones la responsabilidad del pronstico se le asigna a
ella o a un equipo interfuncional en el que participe junto con personal de
operaciones y de finanzas.
5
se
incluyen
algunas
de
las
decisiones
en
comercializacin,
No obstante, los mtodos cualitativos son tiles cuando faltan datos o cuando los
anteriores no son buenos predictores del futuro. En este caso, la persona que
toma las decisiones puede utilizar los mejores datos disponibles en un enfoque
cualitativo para obtener un pronstico.
En lo que resta del captulo se har referencia a rangos de corto, mediano y largo
plazo. Cuando se hable de este ltimo se querr indicar dos o ms aos en el
futuro, un horizonte comn para la planeacin de instalaciones y Procesos. El
"mediano plazo" se ha definido como entre seis meses a dos aos, el marco
normal de tiempo para las decisiones de planeacin agregada, elaboracin de
presupuestos y otras decisiones sobre la asignacin y la adquisicin de recursos.
Y como corto plazo se entender el inferior a seis meses donde las decisiones
implican la procuracin de materiales y la programacin de tareas y actividades
particulares. Para las decisiones a corto plazo bastan los
pronsticos que se
(11.1)
Como se puede observar, este modelo de serie de tiempo tiene un nivel, una
tendencia, un factor estacional, y un trmino de error aleatorio. Cada uno de estos
trminos se calculara a partir de los datos anteriores para desarrollar una
ecuacin que luego se utiliza para pronosticar la demanda futura.
En el estudio del pronstico de las series de tiempo se utilizan los siguientes
Smbolos y terminologa:
La imagen general es que nos encontramos al final del periodo t, que se acaba de
advertir el valor de D, y que se est elaborando un pronstico para los periodos t +
1,t + 2, t + 3,y as sucesivamente.
10
11
12
Una manera de hacer que el promedio mvil responda con mayor rapidez a los
cambios en la demanda es colocar relativamente ms peso en las demandas
recientes que en las anteriores. A esto se le llama promedio mvil ponderado, el
cual se calcula de la siguiente manera:
Una de las desventajas del promedio mvil ponderado es que toda la historia de
la demanda para N periodos debe acarrearse con el clculo. Adems la respuesta
a un promedio mvil ponderado no se puede cambiar fcilmente sin modificar
cada uno de los pesos. Para superar estas dificultades se ha desarrollado el
mtodo de suavizamiento exponencial.
14
(11.s)
exponencial"
este
mtodo.
Se
puede
demostrar
matemticamente que los pesos en cada uno de los datos anteriores de demanda
Se reducen exponencialmente, por un factor de (1 - ), hasta que se alcance la
demanda del primer periodo y el pronstico inicial F1. Dado que los pesos sobre
las demandas anteriores se reducen exponencialmente con el paso del tiempo y
todos los pesos suman 1, el suavizamiento exponencial es solamente una forma
especial del promedio mvil ponderado.
16
deben evaluarse
19
Advirtase que n es el nmero de periodos pasados que se utiliza para calcular las
mediciones de error acumulado.
20
Si debe calcular la MADt actual para cada periodo junto con el promedio del
pronstico. Entonces se puede utilizar la MADt para detectar un dato fuera de
lmites, la demanda mediante la comparacin entre la desviacin observada y la
MADt.
As, la seal de rastreo es un clculo del sesgo (error acumulado del pronstico)
en el numerador dividido entre el estimado ms reciente de MADt Si s supone
que las variaciones en la demanda sern aleatorias, entonces los lmites de
control de +_ 6 en la seal de rastreo deben asegurar solamente una probabilidad
del 3 por ciento de que la casualidad superar los lmites. De esta manera, cuando
21
suavizamiento
exponencial
adaptativo
constituye
una
variante
del
determinar cul de los tres pronsticos tiene el menor error de pronstico. El valor
resultante de a se utiliza para el pronstico del siguiente periodo. Se deja que el
coeficiente de emparejamiento se incremente a un mximo de .95 y se reduzca a
un mnimo de .05.
Otro tipo de suavizamiento adaptativo consiste en ajustar continuamente con
base en el error actual de pronstico. Por ejemplo, se puede ajustar para el error
de pronstico suavizado. Si existe un gran error de pronstico, a ser ms grande
hasta que el pronstico vuelva a su carril. Cuando el error es ms pequeo,
tambin a ser pequeo y se conseguir un pronstico estable. Parece que este
mtodo funciona bastante bien en situaciones de pronstico de inventarios.
En resumen, los mtodos de series de tiempo son tiles para los pronsticos a
corto y mediano plazo cuando se espera que el patrn de la demanda permanezca
estable. Los pronsticos de series de tiempo a menudo constituyen insumos para
las decisiones que se refieren a la planeacin de la produccin agregada, la
elaboracin de presupuestos, la asignacin de recursos, los inventarios y la
programacin. Los pronsticos de series de tiempo no son por lo regular tiles
para las decisiones sobre la planeacin de las instalaciones o la seleccin de
procesos porque implican periodos muy prolongados.
24
Para los mtodos de regresin tiene que especificarse un modelo antes de que se
recopile la informacin y se lleve a cabo el anlisis. El caso ms sencillo es el
siguiente en el modelo lineal de una sola variable:
Y= a + bx
Donde
Y= demanda estimada
x = variable independiente (que hipotticamente provoca y
= interseccin con y
b = Pendiente
26
27
28
Lo ser aquel que describa la serie de tiempo subyacente pero no es una fuerza
adaptada a la informacin. La manera correcta de adaptar los modelos con base
en la informacin anterior consiste en separar el ajuste y la prediccin del modelo.
En primer lugar se divide al conjunto de datos en dos partes. A continuacin se
adaptar varios modelos con base en suposiciones razonables acerca de la
temporalidad, las tendencias y el ciclo al primer conjunto de datos. Estos modelos
se utilizan para predecir valores para el segundo conjunto de datos y el que tenga
menos errores en el segundo conjunto es el mejor modelo. En este enfoque se
utiliza el ajuste en el primer conjunto de datos y la prediccin en el segundo como
base para la seleccin del modelo.
30
Fuente de informacin
Extractos del Captulo 11 Pronosticos; Roger G. Schroeder; Traduccin Ma. Guadalupe
Cevallos Almada, Joaqun Ramos Santalla. Administracin de operaciones;: Casos y
conceptos contemporneos,{Mxico; McGraw Hill Interamericana, 2005. 1 Edicin. PP.
228 - 249
31