Cap3 Pronosticos

CAPTULO 3
PRONSTICOS DE DEMANDA
Ing. Omar David Prez Fuentes
CONTENIDO
1 Introduccin.
2 Concepto de Pronstico.
3 Mtodos de Pronsticos.
3.1 Mtodo Cuantitativo.
3.1.1 Series de tiempo.
3.1.2 Causales por regresin.
3.2 Mtodo Cualitativo.
3.2.1 Pruebas de Mercados.
3.2.2 Mtodo de Delphi.
4 Medidas de Errores en los Pronsticos.
1. Introduccin
Sistema de produccin genrico
1. Introduccin
Buen pronstico (Despus de terminar las ventas nuestro stock ser de 0)
Pronstico Malo (Despus de terminar las ventas nuestro stock ser de 12)
Pronstico Malo (Despus de terminar las ventas nuestro stock ser de 0 y existir demanda insatisfecha)
2. Concepto de Pronstico
Es una serie de datos que en base a una serie de
estudios determinan la demanda en un futuro
de un determinado producto. Un pronstico de
venta es la estimacin o previsin de las ventas
de un producto (bien o servicio) durante
determinado perodo futuro.
3. Mtodos de Pronsticos
Mtodo Cuantitativo
Mtodo Cualitativo
Mtodo Cuantitativo
Este mtodo se utiliza cuando se dispone o se
cuenta con informacin histrica de la demanda
del producto a pronosticar informacin histrica
que debe ser procesados por los modelos
estadsticos, se divide en: Series de tiempo y
Causales por regresin.
Mtodo Cuantitativo
Series de tiempo
Es un registro cronolgico de la demanda en
funcin del tiempo.
d = Demanda
t = Tiempo
F = Pronstico
T = Nmero de datos disponibles
K = Nmero de periodos futuros a pronosticar
Mtodo Cuantitativo
Serie de tiempo:
Proceso constante
Proceso con tendencia ( + / - )
Proceso estacional
Demanda
Proceso
constante
P
te roc
nd e
e n so
ci co
a n
(+
)
P
te roc
nd es
en o
ci a co
n
(-)
10
11
12
Tiempo
(mes)
Serie de tiempo Proceso constante

a) Ultimo dato
b) Mtodo Promedio General
c) Promedio Mvil
d) Mtodo Suavizado Exponencial Simple
10

Ultimo Dato
Es el mtodo mas sencillo de todos los mtodos,
consta de igualar el pronstico futuro con la
ultima demanda real.
11

Ultimo Dato
Ejemplo:
En la tabla se muestra la
demanda histrica de consumo
de carne de pollo en Kg.
a)
b)
c)
Cul es el pronstico parta

el siguiente periodo?
Cual es el pronstico para
Septiembre?
Si la demanda real para el
periodo 6 es de 80 Kg Cul
es el pronstico para el
siguiente periodo?
Periodo Demanda Pronstico

(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
12

Ultimo Dato
Demanda
82
80
d5
F6
F7
F8
F9
75
70
Tiempo
(mes)
13

Promedio General
Es la media aritmtica de los n datos disponibles
de demanda real. Mientras ms grande sea n,
mayor ser la influencia de los datos antiguos.
Consta de sumar todos los datos de demanda
para luego dividir entre el nmero de datos.
14

Promedio General
Ejemplo:
a)
b)
c)
Cul es el pronstico parta

Cual es el pronstico para
Septiembre?
Si la demanda real para el
siguiente periodo?

(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
15

Promedio Mvil
tambin llamada media mvil, en lugar de
utilizar todos los datos disponibles de demanda
real, se utilizan los N datos ms recientes.
Consta de utilizar un nmero N de demandas,
luego se suma los N datos ms recientes de
demanda para luego dividir entre N.
16

Promedio Mvil
Ejemplo:
Por el mtodo promedio mvil
con N=3:
a) Cul es el pronstico parta
b) Cual es el pronstico para
Septiembre?
c) Si la demanda real para el
siguiente periodo?

(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
17

Promedio Mvil
Otro ejemplo:
Se tiene la demanda
histrica de 6 periodos.
a) Determine los
pronsticos de ventas
por el mtodo promedio
mvil con N=2 y N=3.
b) Con que N se ajusta
mejor el proceso de
pronstico?
Periodo
(mes)
1
2
3
4
5
6
Demanda Pronstico
(und)
N=3 N=4
42
52
54
65
51
64
18

Suavizado Exponencial Simple
Es una manera de pronosticar la demanda de un producto en un periodo
dado.
Estima que la demanda ser igual a la media de los consumos histricos para
un periodo dado, dando una mayor ponderacin a los valores mas cercanos
en el tiempo.
Adems, tiene en cuenta el error de pronstico actual en los siguientes
pronsticos.
Pero antes de usar este mtodo es una norma hallar el promedio general,
para iniciar el proceso de pronstico .
Es una ponderacin o valor de ajuste con cierto grado de error, que se puede
estimar o determinar al emitir un pronstico, este valor de ajuste flucta en
(0 y 1).
19

20

Suavizado Exponencial
Simple
F(T+K) = (dT) + (1- )FT

Pronstico = (ltimo valor) + (1 - )(ltimo pronstico
Constante de suavizamiento exponencial varia entre cero y uno

La demanda en condiciones de estabilidad > 0,3
La demanda en proceso de cambio > 0,7
21

Ejemplo:
En la tabla se muestra la demanda
histrica de consumo de carne de pollo
en Kg.
Por el mtodo suavizado exponencial
simple, con = 0,20 determine:
a) El pronstico parta el siguiente
periodo?
b) El pronstico para Septiembre?
c)
Si la demanda real para el periodo
6 es de 80 Kg Cul es el pronstico
para el siguiente periodo?
d) Recalcule los valores de pronstico
con = 0,90
e) Realice la grafica de pronstico para
ambos

(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
22
Medidas de error en el pronstico

El error del pronstico es la diferencia entre el
valor real de demanda y el valor pronosticado
del perodo correspondiente.
et = dt Ft
(+) Subestimado
(-) Sobrestimado
Donde et es el error del pronstico en el perodo
t, d es el valor real para ese perodo y Ft el valor
que se haba pronosticado.
23

1
DCM e t
T i 1
1 T
DMA e t
T i 1
Desviacin Media Absoluta
T
1
BIAS e t
T i 1
Bias o Sesgo
Desviacin Cuadrtica Media
1 T et
PAME
T i 1 d t
24
Porcentaje Absoluto Medio del Error
24

Ejemplo:
demanda
histrica
de
consumo de carne de pollo
en Kg.
Por el mtodo suavizado
exponencial simple,
determine con que se
ajusta mejor el proceso de
pronstico, si = 0,20 o =
0,90. (PAME, DMA, DCM,
BIAS)

(mes)
real
(kg)
(kg)
1
80
2
75
3
4
5
81
80
77
25

t
PRONSTICO
MTODO S.E.S.
ERROR
DEL
PRONSTICO
0,2
0,2
80
75
81
80
77
0,90
0,90
MEDIDA DE ERROR MEDIDA DE ERROR

PAME
DMA
0,2
0,90
0,2
0,90
MEDIDA DE ERROR
DCM
0,2
0,90
MEDIDA DE ERROR
BIAS
0,2
0,90
26

Determine con qu mtodo se ajusta mejor el proceso
de pronostico, ltimo dato o Promedio Mvil con N=3.
utilice como indicador del bondad DMA
Demanda
d
56
60
44
50
63
58
65
Pronostico
UD
PM, N=3
Error
UD PM, N=3
DMA
UD
PM, N=3
27
Serie de tiempo Proceso con

Tendencia
Mtodo: Suavizado exponencial doble
Tcnica cuantitativa que permite calcular los
pronsticos de la demanda para periodos
futuros, teniendo como antecedente que los
datos histricos siguen un comportamiento
creciente o decreciente.
El producto se encuentra en la etapa de

crecimiento o decrecimiento en su ciclo de vida.
28
Serie de tiempo Proceso con Tendencia

y= Valor pronosticado en un periodo X
a = Constante del proceso
b = Pendiente de la recta de tendencia
x = Periodo (codificado)
FT K ST KBT
y a b( x )
ST Constante
BT Pendiente (-/ )
29

Ecuaciones de Actualizacin:
ST d T 1 ST 1 BT 1
BT ST ST 1 1 BT 1
0 1
0 1
30

1er Paso estimar BT
- Dividir los datos en dos grupos
- Calcular el promedio del grupo 1 (PG1)
- Calcular el promedio del grupo 2 (PG2)
BT = (PG2 PG1 )/L
L = nmero de datos de cada grupo
31

2do Paso estimar ST.
- Calcular el Promedio General (PG)
ST = PG + ((T-1)/2)BT
32

Paso 3: Realiza los pronsticos
FT K ST KBT
Ejemplo: Informacin histrica
Ao
Demanda
1994
35
1995
42
1996
48
1997
51
1998
54
1999
60
2000
71
2001
75
33

(Denanda Vs Tiempo)
80
70
60
50
40
(Demanda)
30
20
10
0
0
34

Ejemplo:
Determine el pronstico
para los 3 prximos aos,
por el mtodo suavizado
exponencial doble
Ao
Demanda
1994
35
1995
42
1996
48
1997
51
1998
54
1999
60
2000
71
2001
75
35

t
(Ao)
ST
BT
FT
(Periodo) (Demanda)
1994
35
1995
42
1996
48
1997
51
1998
54
1999
60
2000
71
2001
75
K=1
78,125
K=2
10
83,375
K=3
11
88,625
72,875 5,25
36

Demanda y Pronostico Vs. Tiempo
100
90
80
70
60
(Demanda)
50
FT
40
30
20
10
0
0
10
11
12
37

La demanda real para el periodo 2002 fue de 80
und, calcule el pronstico para el siguiente
periodo, si alfa = 0,10 y beta = 0,30?
Ecuaciones de actualizacin:
ST d T 1 ST 1 BT 1
BT ST ST 1 1 BT 1
38

t
(Ao)
1.994
1.995
1.996
1.997
1.998
1.999
2.000
2.001
2.002
K=1
K=2
(Periodo) (Demanda)
1
35
2
42
3
48
4
51
5
54
6
60
7
71
8
75
9
80
10
11
ST
BT
FT
A
B
72,88
78,31
5,25
5,31
0,1
0,3
78,13
83,62
88,93
39

La capacidad de la Plata es de 500 und/ao, en
que periodo se estar trabajando a capacidad
mxima?
FT+K = ST + K(BT)
500 = 78,31 + K (5,31)
K = 79,41 aos
A capacidad mxima en el ao: 2081,41
40

Ejemplo:
La siguiente tabla,
presenta la informacin
histrica de ventas de los
ltimos aos de
materiales de
construccin.
a) Determine el
pronostico para los
prximos 4 aos.
AO
1
2
3
4
5
6
DEMANDA
70
74
80
82
87
90
41

b) Si la demanda real para el periodo 7 es de 93
unidades, determine el pronstico para el periodo 9
(Si se obtiene un nuevo dato de demanda real se debe actualizar los
valores ST y BT con la ecuacin de actualizacin haciendo uso de Alfa y
Beta. Para el ejemplo considere alfa=0,1 , Beta=0,2)
c) Considere que los periodos estn dados en

meses y el periodo 1 representa a enero del 2008.
La capacidad mxima instalada en esta empresa es
de 170 und/mes, determine el ao y el mes en el
cual se estar trabajando a capacidad mxima y se
requiera proyectar una ampliacin.
42

Solucin:
a)
1er Paso estimar BT

AO
1
2
3
4
5
6
Demanda
100
G2
(+)
PG
90
G1
DEMANDA
70
74
80
82
87
90
80
70
10
11
12
Tiempo
(mes)
G1=
G2=
BT=
74,67
86,33
3,89
43

Solucin:
a)

PG = Promedio General.
PG 80,5
T 1
ST PG
BT
2
6 1
S 6 80,5
3,89 90,22
2
44

Luego:
FT K ST K * BT
K 1
F6 1 S6 1* B6
F7 90,28 1* 3.91 94,19
K 2
F6 2 S6 2 * B6
F8 90,28 2 * 3,91 98,1
K 3
F9 S6 3 * B6
F9 90,28 3 * 3,91 102,01
K 4
F10 S6 4 * B6
F10 90,28 4 * 3,91 105,92
45

AO DEMANDA
ST
G1
1
70
2
74
3
80
G2
4
82
5
87
6
90
90,22
7
8
9
10
BT FT
3,89
94,11
98,00
101,89
105,78
Pronostico para los siguientes 4 aos

46

Solucin:
b)
K 2
F7 2 S 7 2 * B7
ST * dT 1 ST 1 BT 1
S 7 * d 7 1 S 6 B6
S 7 0,1* 93 1 0,190,28 3,91 94,071

BT ST ST 1 1 * BT 1
B7 S 7 S 6 1 * B6
B7 0,294,071 90,28 1 0,2* 3,91 3,88
Re mplazando en la ecuacin se tiene:

F7 2 S 7 2*B7
F9 94,071 2*3,88 101,84
F9 101,84
47

Con las ecuaciones
de actualizacin:
AO DEMANDA
ST
G1
1
70
2
74
3
80
G2
4
82
5
87
6
90
90,22
7
93
94,00
8
9
10
BT
3,89
3,87
FT
FT
94,11
98,00
101,89
105,78
97,87
101,73
a=
0,1
b=
0,2
Actualizacion:
ST=
94,00
BT=
3,87
48

Demanda
Solucin:
c)
Capacidad
Mxima
170
FT K ST KBT
170 S 7 KB7
170 94,071 K 3,88
K 19,57
93
70
19 meses
1
Enero 2008
Julio 2008
Tiempo
(mes)
+19 k
Febrero 2010 (fin de mes)
49
Serie de tiempo Proceso Estacional

Mtodo: Winters
Esta tcnica sirve para calcular el pronstico de
ventas cuando existe estacionalidad o ciclos y
tambin se utiliza cuando en cada perodo existen
diferencias de ventas muy marcadas, razn por la
cual se hace necesario calcular un ndice que nos
permitir un ajuste por cada perodo.
Para este mtodo se requiere al menos dos aos de
informacin histrica de la demanda en funcin al
tiempo
50

Mtodo: Winters
FT K S T K * BT * CT K L
Demanda
Proceso estacional
Ecuaciones de actualizacin:
* dT
ST
1 ST 1 BT 1
CT L
BT ST ST 1 1 * BT 1
Tiempo
(mes)
d
CT T 1 * CT L
ST
0 , , 1
51

Mtodo: Winters
Ejemplo. SnugFit es una
compaa que fabrica botas
de esquiar. Las botas
tuvieron ventas lentas al
introducirse al mercado. De
los cuales se recabo la
siguiente informacin y
segn la demanda que se
muestra en el cuadro.
a) Determinar el pronstico
para el siguiente periodo
(cuatrimestre).
AO
CUATRIMESTRE
DEMANDA
1
2
3
4
5
6
60
234
100
65
240
110
52

Mtodo: Winters
b) Si las demanda real para el primer
cuatrimestre del ao 3 es de 70 unidades,
determine el pronstico para el siguiente
periodo. Utilice =0,1 ; =0,2 ; =0,2
53

Mtodo: Winters
Solucin: a) Se debe seguir los siguientes pasos:
1er paso estimar BT
- Utilizar la informacin histrica de la demanda de los dos ltimos aos.
- Sacar promedio del grupo 1 (G1), corresponde al ao n-1
- Sacar promedio del grupo 2 (G2), correspondiente al ao n
G1: ao 1
G2: ao 2
CUATRIMESTRE
1
2
3
4
5
6
DEMANDA
60
234
100
65
240
110
L= Nmero por ao = 3
60 234 100
131,33
G1
3
65 240 110
138,33
G2
3
G2 G1
BT
L
138,33 131,33
2,33
B6
3
54

Mtodo: Winters
Solucin: a)
PG= Promedio General de todos los datos histricos de demanda.
60 234 100 65 240 110
134,83
6
PG
PG
S T 1
2
S 6 1 PG
2
S 3,5 134,83
T 1
ST PG
BT
2
T 1
S 6 PG
B6
2
6 1
S 6 134,83
2,33 140,66
2
55

Mtodo: Winters
Solucin: a)
3er Paso hallar CT:

Ct
ST
dt
T t BT
S6
d1
6 1B6
t 1
C1
C1
60
0,47
140,66 6 12,33
t 2
C2
C2
S6
d2
6 2 B6
234
1,78
140,66 6 2 2,33
t 3
C3
C3
S6
d3
6 3 B6
100
0,75
6David
2,33
140,66Ing.Omar
3
Prez
Fuentes
56

Mtodo: Winters
Solucin: a)
t4
d4
S6 6 4 B6
65
C4
0,48
140,66 6 4 2,33
t 5
d5
C5
S6 6 5B6
240
C5
1,73
140,66 6 52,33
t6
d6
C6
S6 6 6 B6
110
C6
0,78
140,66 6 6 2,33
C4
57

Mtodo:
Winters
Solucin: a)
Ct
1
2
3
AO 1
0,47
1,78
0,75
AO 2
0,48
1,73
0,78
PROMEDIO Ct
0,475
1,76
0,765
=3=L
Ct (Normalizado)
L
R
Ct
C Normalizado R * Ct
Cuando la suma del Promedio Ct es igual a L no se normaliza
F61 S6 1* B6 * C613
F7 S6 1* B6 * C 4
F7 140,66 1* 2,33* 0,475 67,92

58

Mtodo:
Winters
Solucin: b)
Se utiliza la ecuacin de actuaizacin
0.1 0.2 0.2
* dT
ST
1 ST 1 BT 1
CT L
S7
* d7
C4
1 S 6 B6
0,1* 70
1 0,1140,66 2,33 143,43
0,475
BT ST ST 1 1 * BT 1
S7
BT S 7 S 6 1 * B6
BT 0,2143,43 140,66 1 0,2 * 2,33 2,43

59

Mtodo: Winters
Solucin: b)
dT
1 * CT L
CT
ST
d7
1 * C4
C7
S7
70
C7 0,2
1 0,2 * 0,475 0,48
143,43
F7 1 S 7 K * B7 * C7 13
F8 S 7 K * B7 * C5
F8 143,43 2 * 2,418 *1,76 260,95

60

Mtodo: Winters
Si se requiere pronosticar mas de una
temporada futura, es decir k>L, entonces T+k-L
es mayor que T y la estimacin especifica del
factor estacional no se conoce. En su lugar se
utiliza del valor mas reciente.
g=k/L (el entero ms pequeo mayor o igual a k/L
FT K S T K * BT * C T K gL
61
Mtodo Causal con regresin

Mtodo: Regresin lineal simple
Cuando la demanda esta en funcin a una variable diferente al
tiempo. Por ejemplo la demanda de gasolina esta en funcin
del numero de automviles en el parque automotor.
El mtodo ms empleado para describir una tendencia lineal
es el de mnimos cuadrados, para encontrar una lnea de
mejor ajuste para un conjunto de puntos.
Y = a + b(X)
d = a + b(X)
Y = Valor pronosticado para un dato X
a = Valor de la constante, ordenada al origen
b = Pendiente de la recta de tendencia
X = Variable independiente
62

Ejemplo. Durante los ltimos aos las ventas de una empresa han
crecido por razones de una intensa campaa de promocin, las
cuales han tenido el siguiente comportamiento.
Ao
0
1
2
3
4
5
6
7
Ventas
(miles de unidades)
800
920
1005
1015
1030
1200
1320
1300
Gastos en propaganda
(miles de $us)
8
12
15
19
21
25
32
31
a) Se pide determinar las ventas esperadas para el ao 12

Ing. Omar David Prez
Fuentes
b) Cual es el gasto en propaganda
que
genera de 1545 (miles de 63Ud.)

Y
REGRESIN LINEAL
Y=a+bX
Pronstico
Error
Error
X
64

Nro
Ao Dato
0
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
Ventas
Gastos en propaganda
(miles de unidades) (miles de $us)
800,00
8
920,00
12
1.005,00
15
1.015,00
19
1.030,00
21
1.200,00
25
1.320,00
32
1.300,00
31
1.401,81
36,07
1.474,71
39,56
1.547,60
43,05
1.620,50
46,54
1.693,40
50,02
Y= a + BX
Y: GASTOS
X: AO
a:
4,679
b:
3,488
r2:
0,97
Y: VENTAS
X: GASTOS
a:
647,92
b:
20,9
r2:
0,968
65

Ventas (miles de unidades)
1.800,00
1.600,00
1.400,00
1.200,00
1.000,00
Ventas (miles de unidades)
800,00
600,00
400,00
200,00
10
12
14
66

Mtodo: Regresin lineal mltiple
Armando posee naranjas en Chapare. El ha recolectado datos sobre el total de lluvias
(pulgadas), la temperatura alta promedio (grados Fahrenheit) y la cosecha (libras /
acre) para las ltimas ocho temporadas. Los datos son los siguientes:
El pronstico del servicio meteorolgico es de 17 in de lluvia y 88 F de temperatura.
Ellos confan en que la cantidad de lluvia estar entre 15 in y 20 in y la temperatura
entre 85 F y 90 F. Las naranjas se procesan en un periodo de una semana al final de
la temporada. Un trabajador puede procesar 80 lb por da. Armando tiene 100 acres de
naranjales y cuenta en este momento con 100 trabajadores para la semana siguiente a
la temporada. Qu consejo de dara sobre el nivel de su fuerza de trabajo?
Lluvia
Temperatura
11
91
22
80
20
88
22
85
13
94
23
83
23
82
10
87
Cosecha
1713
4439
2012
4741
2613
4436
4257
1520
67

68

69
Mtodo Cualitativo
Se utiliza cuando no se dispone de informacin
histrica del producto en el mercado o cuando
se trata de productos nuevos. Las tcnicas que
se utiliza son las siguientes:
Investigacin de mercados
Mtodo Delphi
70
Mtodo Cualitativo
Mtodo: Investigacin de mercados
Un empresa vende un
producto determinado en
una zona restringida a
modo de piloto o
experimento y mide sus
resultados. Se proyectan
las ventas y la demanda
potencial por medio de
encuestas.
ENCUESTA
1.- ..?
2.- ..?
3.- ..?
4.- ..?
5.- ..?
6.- ..?
Poblacin objetivo
Muestra n
demanda?
71
Mtodo Cualitativo
Mtodo: Delphi
Es una metodologa de investigacin multidisciplinaria para la
realizacin de pronsticos y predicciones. Fue desarrollo por la
Corporacin Rand al inicio de la Guerra Fra para investigar el
impacto de la tecnologa en la guerra. El nombre del mtodo se
basa en las predicciones del orculo de Delfos.
Funcionamiento: Su objetivo es la consecucin de un consenso
basado en la discusin entre expertos. Es un proceso repetitivo.
Su funcionamiento se basa en la elaboracin de un cuestionario
que ha de ser contestado por los expertos. Una vez recibida la
informacin, se vuelve a realizar otro cuestionario basado en el
Ing. Omar
David
Prez Fuentes
anterior para ser contestado
de
nuevo.
72
Mtodo Cualitativo
Mtodo: Delphi
Principios de funcionamiento
Delphi se basa en
- Anonimato de los intervinientes
- Repetitividad y realimentacin controlada
- Respuesta del grupo en forma estadstica
Terminologa: Una serie de trminos suelen ser utilizados en esta tcnica:

Circulacin: Cada uno de los sucesivos cuestionarios que se presenta al
grupo de expertos.
Cuestionario: Documento que se enva a los expertos, incluidos los
resultados de anteriores circulaciones.
Panel: Conjunto de expertos que toma parte en el Delphi.
Moderador: Responsable de recoger las respuestas del panel y
preparar los cuestionarios.
73
Mtodo Cualitativo
Mtodo: Delphi
Ejemplo: Demanda de Cds Interactivos de la asignatura de PCP I para el
presente Semestre.
Nro.
1
2
3
4
Experto
Patricia
Daniela
Jaime
Joaquin
Media( )
Rango
1ra. Ronda
20
52
80
1ra.
2do.
3ro.
Vuelta Vuelta Vuelta
20
65
68
60
60
63
50
70
65
80
70
67
52
66
65
20-80 60-70 63-68
2da. Ronda
60
66
70
Pronstico: 65 CDs
3ra. Ronda
63
65
68
74

Cap3 Pronosticos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap3 Pronosticos

Enviado por

Direitos autorais:

Formatos disponíveis

CAPTULO 3

Ing. Omar David Prez Fuentes

Ing. Omar David Prez Fuentes

Ing. Omar David Prez Fuentes

Ing. Omar David Prez Fuentes

Ing. Omar David Prez Fuentes

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Cul es el pronstico parta

Periodo Demanda Pronstico

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Cul es el pronstico parta

Periodo Demanda Pronstico

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Periodo Demanda Pronstico

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Serie de tiempo Proceso constante

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

F(T+K) = (dT) + (1- )FT

Constante de suavizamiento exponencial varia entre cero y uno

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso constante

Periodo Demanda Pronstico

Ing. Omar David Prez Fuentes

Medidas de error en el pronstico

Medidas de error en el pronstico

Desviacin Cuadrtica Media

Ing. Omar David Prez Fuentes

Medidas de error en el pronstico

Periodo Demanda Pronstico

Ing. Omar David Prez Fuentes

Medidas de error en el pronstico

MEDIDA DE ERROR MEDIDA DE ERROR

Ing. Omar David Prez Fuentes

Medidas de error en el pronstico

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso con

El producto se encuentra en la etapa de

Serie de tiempo Proceso con Tendencia

Serie de tiempo Proceso con Tendencia

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso con Tendencia

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso con Tendencia

Ing. Omar David Prez Fuentes

Serie de tiempo Proceso con Tendencia

Ejemplo: Informacin histrica