PRODUCCIN

Pronsticos Simples y Dobles

 PRONSTICOS SIMPLES Y DOBLES

ndice

1. Introduccin a los pronsticos

2. Evaluacin de los mtodos de pronstico

2.1. Errores
2.2. Desviacin Estndar del Error

3. Mtodos para pronosticar series estacionarias

3.1. Mtodos basados en promedios
3.2. Suavizacin exponencial simple

4. Mtodos para pronosticar series con tendencia

4.1. Regresin lineal simple
4.2. Suavizacin exponencial doble

INTRODUCCIN

El propsito del presente documento es presentar a los estudiantes los conceptos bsicos
necesarios para desarrollar pronsticos para series estacionarias y con tendencia, as como las
medidas de desempeo por excelencia para verificar qu tan bien se ajustan dichos mtodos a
una serie de datos histricos en particular.

Por otra parte, teniendo en cuenta que el objetivo general del mdulo es que los estudiantes
desarrollen las capacidades necesarias para desarrollen los mtodos de pronsticos simples, en
esta unidad se presentar la metodologa necesaria para lograr dicho objetivo.

Finalmente se presentar al estudiante una serie de ejercicios relacionados para reforzar los
conocimientos adquiridos en el desarrollo del mdulo.

2 [ POLITCNICO GANCOLOMBIANO]
OBJETIVO GENERAL.

Al finalizar el mdulo, los estudiantes sabrn cules son las medidas de desempeo que
permiten evaluar un mtodo de pronstico en particular, as como los mismos mtodos en
general.

Al finalizar la segunda semana de aprendizaje:

1. El estudiante identificar los conceptos relacionados con el comportamiento de la

demanda como punto de partida para determinar el mtodo de pronstico a emplear.
2. El estudiante sabr realizar pronsticos empleando los mtodos simples y dobles.
3. El estudiante determinar a travs de las diferentes medidas de desempeo cundo un
mtodo de pronstico es ms adecuado que otro.

DESARROLLO TEMTICO.

Recomendaciones acadmicas.

Se recomienda al estudiante realizar la lectura de la cartilla, en la cual se encuentra toda la

informacin relevante que se evaluar en la semana. Adicional a la lectura de esta cartilla se
recomienda al estudiante revisar las teleconferencias, as como las videodiapositivas, pues estas
son un medio que puede aclarar las dudas generadas con la lectura o tambin dar soporte a los
temas expuestos en la misma.

Finalmente se recomienda al estudiante realizar los ejercicios planteados y sugeridos por el

tutor, ya que estos a pesar de no tener un valor porcentual en la nota s harn que su formacin
sea completa y pueda ser reforzada de forma prctica.

Desarrollo de cada una de las unidades temticas.

Introduccin a los pronsticos

Los pronsticos permiten estimar el valor futuro para un conjunto de variables de inters. Para
realizar dicha estimacin, los pronsticos se pueden basar en:

El comportamiento histrico (series de datos).

La relacin con otras variables (causa efecto / anlisis de regresin).
Opinin de expertos (mtodos cualitativos / Delphi).

El objetivo de estos en el ambiente de produccin es que permiten establecer un marco de

referencia para la planeacin y gestin dentro de la planta de produccin.

[ PRODUCCIN] 3
 Los parmetros que definen un pronstico son:

Variables.
Horizonte de planeacin (nmero de periodos para los cuales se pronostic).
El periodo (unidad de tiempo base sobre la que se define el horizonte).
Frecuencia de revisin.

Para llevar a cabo correctamente el desarrollo de los pronsticos deben tenerse en cuenta las
siguientes etapas:

1. Definicin del objetivo.

2. Recoleccin de la informacin (Datos).
3. Evaluacin y seleccin de la tcnica.
4. Ejecucin del pronstico.
5. Seguimiento del pronstico.

Datos Histricos

Seleccin del
modelo Modificacin

Modelo Matemtico

Pronstico Demanda real

Evaluacin humana Estadstico

Pronstico de Clculo del error de

demanda Pronstico

4 [ POLITCNICO GANCOLOMBIANO]
Por otra parte dentro de las caractersticas ms relevantes de los pronsticos podemos
encontrar las siguientes:

Normalmente estn equivocados: son slo una especulacin, por ello debe ser fcil
reaccionar ante errores.
Un buen pronstico tambin da una medida de error: al saber que son equivocados nos
permite calcular cierta medida de error.
Los pronsticos agregados son ms exactos: la variacin del promedio de una coleccin
de variables aleatorias independientes idnticamente distribuidas es menor que la
variacin de cada una de las variables. La variacin de la muestra media es menor que
la variacin de la poblacin.
Entre ms lejano sea el horizonte de pronstico menos exacta ser la prediccin.
Deben tener en cuenta toda la informacin que se tenga (ejemplo: si s que va a existir
una promocin, as los datos no me lo digan, debo estar en la capacidad de incluir dicha
informacin).

Finalmente los mtodos de pronstico pueden clasificarse en:

Cualitativos: Como su nombre lo indica, se basan en el juicio humano y se emplean

cuando no se cuenta con informacin histrica para realizar la estimacin de la variable
de inters. En el mbito de la produccin este mtodo suele emplearse cuando se trata
de un producto completamente nuevo. Algunos de estos mtodos son:
Encuestas a los clientes.
Juicio de la persona que conoce el tema.
Mtodo Delphi.

Cuantitativos: Como su nombre lo indica, son aquellos derivados de un anlisis de datos.

Pueden dividirse en:
Mtodos de series de tiempo: Son aquellos mtodos que usan valores pasados.
Se emplean comnmente en aplicaciones de planeacin de operaciones. Una
caracterstica de estos mtodos es que tratan de aislar algunos patrones
presentes en la serie, estos patrones pueden ser:
Tendencia: una serie de datos puede exhibir un patrn estable de
crecimiento o declive.
Estacionalidad: patrn que se repite en intervalos fijos.

[ PRODUCCIN] 5
 Aleatoriedad: no existe un patrn reconocible para los datos
(estacionario).

Modelos causales: Usan datos provenientes de fuentes distintas a las series que
estn pronosticando.
Ejemplo: sea Y un fenmeno a pronosticar y x1, x2, x3 variables relacionadas con Y. El
pronstico para Y ser cierta funcin de dichas variables Y=f(x1, x2, x3)
El mtodo causal por excelencia suele ser la regresin lineal.

Evaluacin de los mtodos de pronstico

Antes de aprender a desarrollar los diferentes mtodos de pronstico aprenderemos a evaluar

cundo un mtodo es adecuado y se ajusta realmente al comportamiento de la demanda.

Partiremos entonces del supuesto de que ya sabemos calcular los pronsticos y que queremos
evaluar qu tan bien o qu tan mal estn reflejando el comportamiento de los datos histricos
sobre los cuales fueron calculados.

A partir de lo anterior se definirn entonces las siguientes medidas de desempeo:

Errores

El error se define como la diferencia entre el pronstico para el periodo t, y el valor real de la
serie realizado para el periodo t:

Existen varias medidas comunes para estimar el error de pronstico. Estas son:

6 [ POLITCNICO GANCOLOMBIANO]
 ME: Error Medio

Nos dice qu tan centrado o descentrado estn los pronsticos de los originales.

MAD: Desviacin Media Absoluta

Nos da la idea en trminos de magnitud. Suele ser la medida preferida para medir el
error de pronstico.

MSE: Error Cuadrtico Medio

Similar a la varianza de una muestra aleatoria.

MAPE: Error Porcentual Medio Absoluto

| |

Elimina ambigedad de unidades, ya que no depende de la magnitud de los valores de la

demanda.

Desviacin Estndar del Error

La desviacin estndar es la medida de dispersin por excelencia; a partir de ello s se considera

que los errores estn normalmente distribuidos una aproximacin de la desviacin estndar del
error es:

[ PRODUCCIN] 7
 Finalmente una vez se tengan estos indicadores,
debe tenerse en cuenta que no significan nada por
s mismos, y por lo tanto se debe verificar que: se
distribuyan ms o menos igual alrededor de cero,
esto es, deben ser insesgados, es decir que al
graficar los errores estos deben verse aleatorios
(no deben tener un patrn discernible).

Mtodos para pronosticar series estacionarias

Demanda estacionaria (patrn puramente

aleatorio)

Siempre que la Demanda de los datos histricos con los que se quiere realizar la estimacin del
pronstico presente un comportamiento ESTACIONARIO, se deben emplear los siguientes
mtodos:

Mtodos basados en promedios (PM)

Promedio aritmtico de las N observaciones ms recientes.

[ ( )]

Con esta ltima ecuacin se evita recalcular el promedio de las ultimas N observaciones
cada vez que surge una nueva observacin de demanda.

8 [ POLITCNICO GANCOLOMBIANO]
Suavizacin exponencial simple (SES)

Es el mtodo ms popular para las series de tiempo estacionarias

( )

: es la constante de suavizamiento que determina la ponderacin relativa colocada en la

observacin de demanda actual.

1-: peso asignado a las observaciones pasadas de la demanda.

Algunos aspectos importantes que se deben tener en cuenta cuando se aplican cualquiera de
los dos mtodos antes mencionados son los siguientes:

Aplica un conjunto de ponderaciones decrecientes a todos los datos pasados.

La constante de suavizamiento juega el mismo papel que el N en los promedios mviles
(N pequeo grande asigna mayor peso a los datos actuales).
Si grande, se da mayor ponderacin a la observacin actual, lo que da como resultado
pronsticos que reaccionan rpidamente a los patrones de demanda pero presentan
mayor variacin de periodo a periodo, si pequeo los pronsticos son ms estables.
El mejor valor de ser aquel que me minimice los errores.
Cuando = 2/n+1, ambos mtodos tienen la misma distribucin de pronstico y sus
errores pueden ser comparables de forma consistente.
Para utilizar los PM debemos guardar todos los N datos pasados, mientras que para la
SES solo se requiere el ltimo pronstico.

Mtodos para pronosticar series con tendencia

Demanda con tendencia (lineal creciente)

[ PRODUCCIN] 9
 Siempre que la Demanda de los datos histricos con los que se quiere realizar la estimacin
del pronstico presente un comportamiento con TENDENCIA, se deben emplear los siguientes
mtodos:

Regresin lineal simple

Existe una relacin entre la variable x (independiente) y la variable y (dependiente) que

puede representarse mediante una lnea recta.

Los valores de b y m se eligen de manera que se minimice la suma de las distancias

cuadrticas entre la lnea de regresin y los puntos de datos.

( )

Una buena forma de determinar si la regresin es adecuada es a travs del coeficiente

de correlacin el cual mide el grado de dependencia entre los 2 conjuntos de datos
dados.

Suavizacin exponencial doble

Requiere de la especificacin de 2 constantes de suavizamiento:
: que me suaviza el valor de la serie (promedio-estacionario)
: que suaviza la tendencia (pendiente de los datos)

Las constantes de suavizamiento pueden ser las mismas, sin embargo en la mayora de
las aplicaciones se da mayor estabilidad al estimado de la pendiente que al de la
constante, es decir

Por otra parte, deben utilizarse dos parmetros para la estimacin del pronstico. Estos
son:

So= corte de la recta de regresin (b)

Go= pendiente de la recta de regresin (m)
Para actualizar estos valores empleamos las siguientes ecuaciones:

( )( )

10 [ POLITCNICO GANCOLOMBIANO]
 ( ) ( )

OJO: Para revisar ejemplos de solucin de cada uno de los mtodos

referirse a las video diapositivas de la semana.

[ PRODUCCIN] 11