Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
la Producción
https://www.youtube.com/watch?v=3cgn-PQEouc
Planeación -
Compras Mercadeo y
Programación Logística
y Control Ventas
Ventas
Inventario
Demanda Dependiente
Demanda Independiente
Pasiva Activa
Composición de la demanda
Composición de la Demanda
Elecciones Políticas, Tráfico, llamadas a Call Centers Es un Patrón que se repite cada 4 meses.
Productos de consumo en Verano, Invierno.
Composición de la Demanda
DEMANDA AUTOCORRELACIONADA
Cualitativo
Juicios,
Opiniones
Pronóstico
Series de
tiempo
Cuantitativo
Regresión
Lineal
Pronósticos Cualitativos
1. Técnicas Acumulativas
Supuesto:
● El grupo de personas más cercana
al consumidor conoce sus
necesidades a futuro.
1. Series de Tiempo
● Buscan predecir el futuro con base a información pasada.
Fórmula PMP
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
SE es una de las técnicas más usadas para hacer pronósticos siempre y
cuando la demanda sea estacionaria.
Supuesto SE
La constante α nos indica el nivel de uniformidad y la velocidad de reacción ante las diferencias entre el
pronóstico y lo real. Es decir nos indica la diferencia entre lo pronosticado y lo real.
Escogencia del α
● Si una empresa tiene un producto maduro con una demanda estable , el índice Alpha debería ser
pequeño en 5% y 10%.
● En cambio, si la empresa presenta un crecimiento mayor es preferible colocar un Alpha más alto
entre 15% y 30%.
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
Fórmula
donde,
Esta fórmula nos indica que el pronóstico para el próximo período es igual al
anterior más una porción del error.
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
Ejemplo 3
R/ 1047,5 unidades
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
Efectos de la tendencia en la SE:
Una tendencia hacia arriba o hacia abajo hace que el pronóstico exponencial
se quede por arriba o por debajo del real.
Este efecto se puede corregir por medio de ajustes a las tendencias. Para
realizar este ajuste recurriremos a otra constante de suavización llamada
delta (δ)
R/ 121.3
Pronósticos Cuantitativos
C. Suavización Exponencial (SE)
Bondades del modelo de SE
1. Precisión
2. Modelo fácil de entender y de formular
3. Requiere pocos cálculos
4. Requerimientos de almacenamiento bajos ya que se necesitan menos datos
5. Incorpora factores de tendencia, constante de suavización delta
6. Incorpora una corrección del error con respecto a los datos reales : alpha
Error
El Error hace referencia a la diferencia entre el valor real de la demanda y el pronóstico realizado. Si el
pronóstico se encuentra de los límites de confianza este no se considera un Error.
Error Sesgado
Fuentes de Error
No se incluyen las variables correctas, o se coloca la línea de tendencia incorrecta
Error Aleatorio
Son aquellos que no se pueden explicar por medio del modelo de pronóstico.
Medición de Errores
Se usan 2 indicadores que nos hacen una señal de rastreo del Error en el
pronóstico. Estos nos revelaran algún sesgo positivo o negativo en nuestro
pronóstico :MAD y TS
Este indicador nos mide la dispersión de un valor observado en relación con el valor esperado
(pronóstico).
A hace referencia At La demanda por cada período y F a Ft El pronóstico hecho por cada período.
Medición de Errores
Ejemplo 5
Ejemplo 6
Para MAD: 1, 2, 3, 4
2. Señal de Seguimiento - Error
Este indicador nos muestra si el Pronóstico sigue el camino de un cambio hacia
arriba o hacia abajo en la demanda.
TS=RSFE/MAD
TS=RSFE/MAD
Regresión Lineal Simple
Este método es útil para pronosticar series de tiempo con tendencia lineal.
32
30
28
26
24
22
20
0 2 4 6 8 10 12
Regresión Lineal Simple (RLS)
Ecuación de la línea de tendencia lineal:
Para resolverla usamos el método de mínimos cuadrados, minimiza la diferencia entre los puntos de
demanda y la línea recta.
Regresión Lineal Simple (RLS)
Ventas (en Pronóstico Ventas Bicicletas
Año miles)
38
t Yt
36
1 21.6
2 22.9 34
3 25.5 32
4 21.9 30
5 23.9 28
6 27.5
26
7 31.5
24
8 29.7
9 28.6 22
10 31.4 20
0 2 4 6 8 10 12 14 16
Para resolverla usamos el método de mínimos cuadrados, minimiza la diferencia entre los puntos de
demanda y la línea recta. (Ejemplo 8)
Regresión Lineal Simple (RLS)
Error estándar del estimado:
Ejemplo: Calcule el error estándar del estimado para el ejercicio de bicicletas entre el período 1 y 10.
Pronósticos Cuantitativos
¿Cómo selecciono el modelo adecuado?