Ing Percy Ruz Gmez 1

SEMANA 4
SUPPLY CHAIN MANAGEMENT
PRONOSTICOS Y
DETERMINACION DE LA
DEMANDA
Pasos a seguir en el pronstico
1.Recopilacin de datos .
2.Anlisis de los datos.
3.Construccin del modelo.
4.Extrapolacin del modelo ( el pronstico
en si)
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Administracin del pronstico

Gestin
Sentido comn
Mtodos cuantitativos
Juicio experto

Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Los Datos
Deben ser:

Confiables y precisos
Peridicos

Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Tipos de Datos


Datos tomados en un solo punto en el
tiempo
Datos reunidos en una serie de tiempo
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Fuentes de Datos

Fuentes primarias
- Mtodos de recoleccin de datos

Fuentes secundarias
- Fuentes internas: datos publicados en fuentes internas
de la empresa
- Fuentes externas: datos publicados en fuentes
externas a la empresa
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Componentes de una serie de
tiempo


Una serie de tiempo consta de datos que se
reunen, registran u observan sobre incrementos
sucesivos de tiempo
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Componentes de una serie de
tiempo

Tendencia
Componente cclico
Componente estacional
Componente aleatorio
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Componentes de una serie en el tiempo
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Exploracin de patrones de
datos

El patrn de los datos se explora mediante
el coeficiente de autocorrelacin
Ing Percy Ruz Gmez

n-k
(Yt - )(Yt-k - )
t=1
n
(Yt - )
2
t=1


rk=
SUPPLY CHAIN MANAGEMENT
EJEMPLO
Ing Percy Ruz Gmez
DATCS
DESFACE DE UN
PERIODO
DESFACE DE UN
PERIODO
PERIODO MES ORIGNALES Yt Yt -1 Yt -2
1 ENERO 123
2 FEBRERO 130 123
3 MARZO 125 130 123
4 ABRIL 138 125 130
5 MAYO 145 138 125
6 JUNIO 142 145 138
7 JULIO 141 142 145
8 AGOSTO 146 141 142
9 SEPTIEMBRE 147 146 141
10 OCTUBRE 157 147 146
11 NOVIEMBRE 150 157 147
12 DICIEMBRE 160 150 157
SUPPLY CHAIN MANAGEMENT
EJEMPLO
Ing Percy Ruz Gmez
EJEMPLO
DATCS
DESFACE DE UN
PERIODO
PERIODO MES ORIGNALES Yt Yt-1 (Yt - Y) (Yt-1 - Y) (Yt - Y)2 (Yt - Y)(Yt-1 - Y)
1 ENERO 123 -19.00 361.00 0.00
2 FEBRERO 130 123 -12.00 -19.00 144.00 228.00
3 MARZO 125 130 -17.00 -12.00 289.00 204.00
4 ABRIL 138 125 -4.00 -17.00 16.00 68.00
5 MAYO 145 138 3.00 -4.00 9.00 -12.00
6 JUNIO 142 145 0.00 3.00 0.00 0.00
7 JULIO 141 142 -1.00 0.00 1.00 0.00
8 AGOSTO 146 141 4.00 -1.00 16.00 -4.00
9 SEPTIEMBRE 147 146 5.00 4.00 25.00 20.00
10 OCTUBRE 157 147 15.00 5.00 225.00 75.00
11 NOVIEMBRE 150 157 8.00 15.00 64.00 120.00
12 DICIEMBRE 160 150 18.00 8.00 324.00 144.00
suma 0.00 -18.00 1474.00 843.00
Ypromedio 142
r1 0.57191316
SUPPLY CHAIN MANAGEMENT
EJEMPLO
Ing Percy Ruz Gmez
EJEMPLO
DATCS
DESFACE DE DOS
PERIODOS
PERIODO MES ORIGNALES Yt Yt-1 (Yt - Y) (Yt-2- Y) (Yt - Y)2 (Yt - Y)(Yt-2 - Y)
1 ENERO 123 -19.00 361.00 0.00
2 FEBRERO 130 -12.00 144.00 0.00
3 MARZO 125 123 -17.00 -19.00 289.00 323.00
4 ABRIL 138 130 -4.00 -12.00 16.00 48.00
5 MAYO 145 125 3.00 -17.00 9.00 -51.00
6 JUNIO 142 138 0.00 -4.00 0.00 0.00
7 JULIO 141 145 -1.00 3.00 1.00 -3.00
8 AGOSTO 146 142 4.00 0.00 16.00 0.00
9 SEPTIEMBRE 147 141 5.00 -1.00 25.00 -5.00
10 OCTUBRE 157 146 15.00 4.00 225.00 60.00
11 NOVIEMBRE 150 147 8.00 5.00 64.00 40.00
12 DICIEMBRE 160 157 18.00 15.00 324.00 270.00
suma 0.00 -26.00 1474.00 682.00
Ypromedio 142
r1 0.46268657
SUPPLY CHAIN MANAGEMENT
Los datos son aleatorios?

Datos aleatorios:

Una serie de datos es aleatoria si la autocorrelacin
entre Yt e Y t-1 es cercana a cero y los valores sucesivos
de la serie de tiempo no guardan relacin entre si.
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Los datos tienen una tendencia
(no estacionaria)?

Si una serie tiene tendencia, Yt e Y t-1 estn altamente
Autocorrelacionados y es tpico que los coeficientes de
autocorrelacin sean diferentes de cero de manera
significativa para varios de los primeros periodos de
desfasameinto y caigan gradualmente hacia cero al
incrementarse el nmero de periodos.
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Los datos son estacionarios?

Una serie estacionaria es aquella cuyo valor promedio no
cambia a travs del tiempo.
Los coeficientes de autocorrelacin en datos
estacionarios caen a cero despus del segundo o tercer
periodo de desfasamiento.

Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Los datos son estacionales?

Si una serie tiene patrn estacional, se presentar un
coeficiente de autocorrelacin significativo en el periodo
de desfasamiento correspondiente: cuatro en los datos
trimestrales o doce en los datos mensuales.

Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Seleccin de la Tcnica de
Pronstico

Por qu se requiere un pronstico?
Quin utilizar el pronstico?
Cules son las caractersticas de los datos disponibles?
Qu espacio de tiempo se pronosticar?
Cules son los requerimientos mnimos de datos?
Cul es la precisin deseada?
Cul sera el costo del pronstico?

Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Tcnicas de pronstico para
datos estacionarios

Las tcnicas que se podran usar para pronosticar en
series de datos estacionarios son:

Mtodos de promedio simple
Mtodos de promedios mviles
Atenuacin exponencial


Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Tcnicas de pronstico para
datos con una tendencia

Las tcnicas que se podran usar para pronosticar en
series de datos con tendencia son:

Promedios mviles lineales
Atenuacin exponencial lineal
Atenuacin exponencial cuadrtica
Regresin simple


Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Tcnicas de pronstico para
datos con estacionalidad

Las tcnicas que se podran usar para pronosticar en
series de datos con estacionalidad son:

Descomposicin clsica
Atenuacin exponencial
Regresin mtiple de series de tiempo


Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Medicin del error en el
pronstico

El Para calcular el error o residual de cada
pronstico se utiliza:
Ing Percy Ruz Gmez


et = Yt-
et = error de pronstico en periodo t
Yt = valor real en el periodo t

= valor del pronstico en el periodo t
SUPPLY CHAIN MANAGEMENT
Desviacin Absoluta de la Media
La DAM resulta de gran utilidad cuando el
analista desea medir el error de pronstico
en las mismas unidades de la serie unidad
Ing Percy Ruz Gmez

n
Yt -
t=1
n




DAM =
SUPPLY CHAIN MANAGEMENT
Error medio Cuadrtico
El EMC se usa para comparar mtodos
diferentes de pronstico
Ing Percy Ruz Gmez

n
(Yt )
2
t=1
n




EMC =
SUPPLY CHAIN MANAGEMENT
Porcentaje de Error Medio
Absoluto
El PEMA se usa para comparar mtodos
diferentes de pronstico
Ing Percy Ruz Gmez

n
Yt
t=1

n




PEMA =
Yt -
SUPPLY CHAIN MANAGEMENT
Porcentaje Medio de Error
El PME indica cun desviada est la tcnica
de pronstico usada.
Ing Percy Ruz Gmez

n
Yt
t=1

n




PME =
(Yt )
SUPPLY CHAIN MANAGEMENT
Promedios Mviles
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Estrategia Tpica para la evaluacin
de mtodos de pronstico
1. Se elige un mtodo de pronstico de acuerdo al patrn
de los datos.
2. Se divide el conjunto de datos en dos secciones:
Una parte de inicializacin y
una parte de prueba
3. Se emplea la tcnica elegida para desarrollar valores
ajustados para la parte de inicializacin de los datos


Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Estrategia Tpica para la evaluacin
de mtodos de pronstico
4. Se utiliza la tcnica para pronosticar la parte de prueba
de los datos y se determina y evala el error de
pronstico.
5. Se toma una decisin para el uso de la tcnica en su
forma actual, modificarla, o usar otra tcnica


Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Mtodos de Promedio

Promedios Simples:
Ing Percy Ruz Gmez

n
n
t=1






Yt
t+1 =
SUPPLY CHAIN MANAGEMENT
Mtodos de Promedio

Promedios Mviles:



Mt = promedio mvil en el periodo t
t+1 = valor del pronstico para el siguiente periodo
Yt = valor real en periodo tn
n = nmeros de trminos del promedio mvil
Ing Percy Ruz Gmez







Mt =t+1 = (Yt +Yt-1+Yt-2 +K+Yt-n+1)
n

SUPPLY CHAIN MANAGEMENT
Promedio mvil doble: es una tcnica que se utiliza
cuando la serie de tiempo tiene tendencia.
Primero se realiza una serie de promedios mviles simple.
Luego sobre esta serie se realiza otra serie de promedios
mviles.


Ing Percy Ruz Gmez
Mtodos de Promedio
SUPPLY CHAIN MANAGEMENT
Promedio mvil doble
Ing Percy Ruz Gmez







Mt =t+1 = (Yt +Yt-1+Yt-2 +K+Yt-n+1)
n

Mt = (Mt +Mt-1+Mt-2 +K+Mt-n+1)
n

at = 2Mt Mt

bt = 2 (Mt Mt)
n-1
t+p = at + bt p
SUPPLY CHAIN MANAGEMENT
La atenuacin exponencial es un mtodo utilizado para
revisar constantemente una estimacin a la luz de
experiencias ms recientes.


Ing Percy Ruz Gmez
Mtodo de Atenuacin Exponencial
SUPPLY CHAIN MANAGEMENT
t + 1 = Y
t
+(1)t

Ing Percy Ruz Gmez
Mtodo de Atenuacin Exponencial
t + 1: nuevo valor atenuado 0 valor de pron6stico para el
siguiente periodo.
: constante de atenuaci6n ( 0< < 1)
Yt :nueva observacin o valor real de la serie en el periodo t
t :valor atenuado anterior oexperiencia promedio de la
serie atenuada al periodo t-1

t = Y t para el primer valor

SUPPLY CHAIN MANAGEMENT
Esta tcnica, tambin conocida como Mtodo de Brown,
se usa para pronosticar series de tiempo que tienen una
tendencia lineal.



Ing Percy Ruz Gmez
Mtodo de Atenuacin Doble
SUPPLY CHAIN MANAGEMENT
At = Yt-1+(1) At -1
At = Yt +(1) At -1
at = 2 At - At
bt = /(1- ) (At - At)
t+p = at + bt p
Ing Percy Ruz Gmez
Mtodo de Atenuacin Doble
SUPPLY CHAIN MANAGEMENT
Ing Percy Ruz Gmez
Seal de Rastreo
Seal de Rastreo = CEF
DAM
n
CEF = (Yt - t)
t=1

Yt t

n


t=1




DAM =
n
SUPPLY CHAIN MANAGEMENT
Seal de Rastreo: comprende alguna medicin del error a
travs del tiempo y establece lmites, de modo que
cuando el error rebase dichos lmites, se alerte al
pronosticador.
Ing Percy Ruz Gmez
Seal de Rastreo
SEAL DE RASTREO
DEMANDA REAL PRONOSTICO ERROR ERROR ACUMULADO
ERROR ABSOLUTO
DEL ERROR ABSOLUTO DAM SEAL DE
PERIODO
Yt Yp
(Yp-Yt) CEF PRONOSTICO ACUMULADO ACUMULADO CONTROL
1 90 100 -10.00 -10.00 10.00 10.00 10.00 -1.00
2 145 120 25.00 15.00 25.00 35.00 17.50 0.86
3 82 135 -53.00 -38.00 53.00 88.00 29.33 -1.30
4 172 118 54.00 16.00 54.00 142.00 35.50 0.45
5 78 96 -18.00 -2.00 18.00 160.00 32.00 -0.06
6 94 88 6.00 4.00 6.00 166.00 27.67 0.14
7 65 92 -27.00 -23.00 27.00 193.00 27.57 -0.83
8 102 108 -6.00
-29.00
6.00 199.00 24.88 -1.17
SUPPLY CHAIN MANAGEMENT
Ing Percy Ruz Gmez
-1.5
-1
-0.5
0
0.5
1
0 1 2 3 4 5 6 7 8 9 10
GRAFICO DE LIMITES DE SEAL DE RASTREO
SEAL DE
SUPPLY CHAIN MANAGEMENT
Ing Percy Ruz Gmez
SUPPLY CHAIN MANAGEMENT
Caso telefonia Celular
NfES VENTAS MES VENTAS
I 16549 24 22902
2 17377 25 18889
3 18081 26 17226
4 13859 27 17328
5 17249 28 17171
6 17051 29 18579
7 15433 30 17256
8 17122 31 20638
9 13357 32 19763
10 14903 33 19523
II 13540 34 17530
12 19256 35 17018
13 16222 36 25852
14 15678 37 24973
15 15736 38 23083
16 16780 39 22139
17 18845 40 21256
18 16903 41 21102
19 20486 42 22158
20 16263 43 22082
21 15077 44 18153
22 16555 45 17781
23 19197
Una de las empresas de telefona celular del mercado esta en el proceso de mejora de sus operaciones. En este
sentido, la empresa ha determinado que mejorar el pronstico de la cantidad de celulares entregados a sus
clientes cada mes hara que sus operaciones se puedan ajustar mejor a lo que sucede en la realidad. Esto traera
una serie de ahorros en costos.
Portal motivo se ha comenzado el trabajo para determinar una metodologa adecuada para pronosticar sus
ventas futuras. En la siguiente tabla aparecen las ventas que la empresa ha tenido en los timos 45 meses. Con
esta informacin se le pide que determine una metodologa adecuada para ayudar a la empresa.