Planeacin y pronsticos.

. Haga clic para modificar el estilo de subttulo del patrn

4/20/12

11

Funciones bsicas de la administracin: 1.- planeacin. 2.- organizacin. 3.- liderazgo o direccin. 4.- control. De stas la ms importante, es sin duda la planeacin, ya que significa tomar decisiones, y sin stas las dems tienen poco significado.Vamos a ver la importancia que tiene el definir la misin y visin de la organizacin, los objetivos y las estrategias.Una parte importante de la planeacin son los pronsticos por lo que los Haga clic para modificar el estilo de subttulo del mtodos cualitativos y cuantitativos sern discutidos.patrn Por ltimo, sern considerados estrategias para la administracin de la tecnologa.-

4/20/12

22

La planeacin provee un mtodo para identificar objetivos y disear una secuencia de programas y actividades para lograr estos objetivos.Otros autores definen la planeacin como simplemente decidir por adelantado que hacer, como hacerlo, cuando hacerlo y quien va a hacerlo.

El proceso de planeacin-toma de decisiones:

Reconocer problema oportunidad

Misin, objetivos de largo plazo y estrategia.

Reunir informacin

Definir problema, especificar premisas y restricciones

Formular modelo de decisin

Formular y desarrollar alternativas

Evaluar alternativas

Seguirla y revisar efectividad

Implementar la mejor alternativa

Retroalimentacin:

4/20/12

33

El fundamento para la planeacin.Una empresa exitosa necesita desarrollar estrategias exitosas para lograr su misin y la planeacin estratgica es el proceso de la organizacin para seleccionar estas estrategias.La planeacin estratgica consiste en el proceso para desarrollar e implementar planes para alcanzar logros y objetivos.En el presente cuadro se presenta el proceso general de la planeacin estratgica. Proceso de la planeacin estratgica:
Vision/Mision Enfocado hacia encontrar las espectativas de los clientes y dentro de la estructura filosfica de la organizacin.

Anlisis FODA: Fortalezas, debilidades (internas), oportunidades y amenazas (del mercado)

Pronsticos: mtodos cualitativos y cuantitativos.

Declaracin de la estrategia

Puesta en marcha de la estrategia (Revisin de la planeacin, logros, objetivos, retroalimentacin)

4/20/12

44

Visin: La declaracin de la visin nos indica hacia donde se quiere posicionar a la empresa en el futuro.Un enunciado de la misin tiene que ver con lo que actualmente se est haciendo en la empresa para llenar las espectativas de los clientes.Es difcil poder desarrollar estrategias futuras sin antes conocer el estatus actual y el xito relativo en este momento. Una herramienta til para analizar el estatus actual de la empresa es el anlisis FODA (fortalezas y debilidades internas de la empresa, as como las oportunidades y amenazas del mercado).

Este anlisis nos puede dar mucha informacin acerca de cmo tener xito en el futuro.El anlisis de fortalezas y debilidades podra incluir lo siguiente: Anlisis de la administracin, mercadotecnia, tecnologa, investigacin, finanzas y sistemas.El anlisis de las oportunidades y amenazas externo puede incluir las siguientes reas:
Comit de invcestigacin

Anlisis de los clientes, competidores, nuevas tecnologas y polticas gubernamentales.Una vez que el anlisis FODA est completo, la futura planeacin estratgica puede Especificar Generar Evaluar Monitorear continuar.objetivos estrategias estrategias resultados

Este anlisis nos dir donde estamos actualmente y donde podramos estar en el futuro.El proceso de planeacin puede ejemplificarse de la siguiente manera:

4/20/12

55

La visin, el propsito o la misin de una organizacin debe ser interpretado en trminos de logros y objetivos.Los logros dan propsito y direccin para acompaar la misin de una organizacin.El enunciado de un logro responde las siguientes preguntas: Qu hacemos?; porqu lo hacemos?; Para quin lo hacemos? Los objetivos deben aclarar los logros y responder la pregunta: Cmo lo hacemos? Podemos tener varios logros y cada logro puede tener varios objetivos.Las estrategias son enunciados acerca de la forma en que los objetivos pueden ser necesitan Peter Drucker cree que los objetivosalcanzadosser establecidos en todas las reas en la cual la organizacin se mueve:

1.- Participacin de mercado: Es la razn de las ventas en dlares de la empresa a las ventas totales de los competidores en el mercado de referencia.2.- Innovacin: La mayora de las empresas exitosas , especialmente en el rea de la tecnologa donde la mayora de los ingenieros trabajan, estn continuamente investigando por nuevos productos y servicios.3.- Productividad y calidad: La productividad mide la habilidad de una organizacin para producir ms bienes y servicios por unidad de entrada (mano de obra, materiales e inversion) Calidad significa mayor satisfaccin de clientes, menos desperdicios, etc.4.- Recursos fsicos y financieros: Una empresa necesita establecer logros para los recursos, (planta, equipo, inventarios y capital) que necesita ejecutar 4/20/12 efectivamente.66

6.- Calidad y actitud de los trabajadores: Hoy una fuerza de trabajo mas educada y capacitada motiva a los trabajadores a enfrentar ms efectivamente los retos en el trabajo.7.- Rentabilidad: La rentabilidad de una empresa es esencial para que pueda continuar trabajando la empresa y un nivel deseado a lograr es un objetivo esencial la cual mide el xito de la empresa.8.- Responsabilidad social: Cada empresa tiene responsabilidades como cualquier ciudadano que se extiende ms all de lo requerimientos legales y econmicos.- stos incluyen responsabilidades con clientes, proveedores, empleados, comunidad y sociedad en general. Administracin por objetivos.- Ha sido ampliamente utilizada para traducir los amplios logros y objetivos organizacionales en objetivos especficos individuales.

Las etapas utilizadas en este proceso son: 1.- Ambos niveles superior y subordinado deben entender los logros y objetivos de la organizacin total y aquellos del grupo superior.2.- Superior y subordinado establecen objetivos para el subordinado para los siguientes seis meses o ao que sean consistentes con los objetivos del grupo.- Estos objetivos debern ser cuantificables si es factible; en caso contrario debern ser verificables.3.- El subordinado procede a efectuar su trabajo con nfasis a lograr sus objetivos.4.- Al final del perodo, superior y subordinado se renen de nuevo para evaluar 4/20/12 si se han logrado los objetivos.77

Algunos conceptos de la planeacin.1.- Responsabilidad para la planeacin: Es una responsabilidad continua para cualquier administrador.- Entre ms alto su nivel, ms tiempo deber dedicar a la planeacin.- La ltima responsabilidad de planeacin recae en la alta direccin de la empresa.2.- Premisas o suposiciones para la planeacin: Ejemplos incluyen suposiciones acerca de condiciones econmicas , decisiones gubernamentales, naturaleza de la competencia y futuros mercados.- En la administracin de la tecnologa es esencial establecer suposiciones acerca del futuro de la tecnologa y la competencia.3.- Horizonte de planeacin: Qu tan lejos en el futuro debera uno planear?.Esto vara grandemente dependiendo de la naturaleza del negocio y el plan.4.- Polticas y procedimientos: Las polticas son guas para toma de decisiones que permitan implementacin de objetivos superiores, con espacios para interpretacin y discrecin para los subordinados.- Un procedimiento es una secuencia de actividades para llevar a cabo un propsito deseado. Pronsticos: Algo esencial para la planeacin son los pronsticos para el futuro.

La ms importante premisa o suposicin en la planeacin y toma de decisiones es el nivel de las ventas futuras.Casi cualquier cosa para lo cual nosotros planeamos est basada en esta suposicin (ejemplos: el nivel de produccin, cuanta gente se debe contratar; si la produccin disminuye a cuanta gente tenemos que despedir, la necesidad de nuevo equipo e instalaciones; el tamao de la fuerza 4/20/12 de venta y nivel de publicidad, inversin en inventarios y cuentas 88 por cobrar, etc.)

Pronsticos: Anlisis de series de tiempo. Los modelos de pronsticos de series de tiempo tratan de predecir el futuro con base en la informacin pasada.- Por ejemplo: las cifras de ventas recopiladas durante las ltimas seis semanas se pueden usar para pronosticar las ventas durante la sptima semana.-La siguiente ilustracin muestra los modelos de series de tiempo que se estudian en el presente captulo y algunas de sus caractersticas.Los trminos como corto, mediano y largo plazo son relativos al contexto en el que se emplean.- Sin embargo, en el pronstico de los negocios, corto plazo casi siempre se refiere a menos de tres meses; mediano plazo a un perodo de tres meses a dos aos; y largo plazo a un trmino mayor a dos aos.En general, los modelos a corto plazo compensan la variacin aleatoria y se ajustan a los cambios a corto plazo (como las respuestas del consumidor a un producto nuevo).- Los pronsticos a mediano plazo son tiles para efectos estacionales, y los modelos a largo plazo detectan las tendencias generales y son muy tiles para identificar los cambios ms importantes.El modelo de pronstico que una empresa debe utilizar depende de: 1.- El horizonte de tiempo que se va a pronosticar.2.- La disponibilidad de los datos.3.- La 4/20/12 precisin requerida.-

99

Al seleccionar un modelo de pronstico, existen otros aspectos como el grado de flexibilidad de la empresa (mientras mayor sea su habilidad para reaccionar con rapidez a los cambios, menos preciso necesita ser el pronstico).- Otro aspecto es la consecuencia de un mal pronstico.Mtodo de Monto de datos Pronstico Histricos Patrn de los horizonte de datos Pronstico .

Prom. Mvil simple 6 a 12 meses, a Los datos deben ser Corto a mediano menudo se utili estacionales (es de zan datos sema cir, sin tendencia ni . nales.temporalidad).. Los datos deben ser Corto Estacionarios y ten dencias.Estacionarios y ten Corto .

Prom. Mvil ponde Para empezar se rado y suavizacin necesitan de 5 a Exponencial simple 10 observaciones Suavizacin exponen cial con tendencia .

Para empezar se

necesitan de 5 a

dencias..

10 observaciones.

Regresin lineal De 10 a 20 obser

4/20/12

Estacionarios, ten

Corto a mediano

vaciones: Para la

dencias y tempora

1010

Promedio mvil simple.Cuando la demanda de un producto no crece ni baja con rapidez, y si no tiene caractersticas estacionales, un promedio mvil puede ser til para eliminar las fluctuaciones aleatorias del pronstico.Por ejemplo si se quiere pronosticar para junio con promedio mvil a cinco meses, puede tomarse el promedio de enero, febrero, marzo, abril y mayo.Cuando pase junio, el pronstico para julio ser el promedio de febrero, marzo, abril, mayo y junio.Cuanto mas largo sea el perodo del promedio mvil, ms se uniformarn los elementos aleatorios (lo que ser conveniente en muchos casos).- Pero si existe una tendencia en los datos (ya sea a la alta o a la baja), el promedio mvil tiene la caracterstica adversa de retrasar la tendencia.- Por lo tanto, aunque un perodo mas corto produce ms oscilacin, existe un seguimiento cercano a la tendencia.- Por el contrario, un perodo ms largo da una respuesta ms uniforme pero retrasa la tendencia.La frmula de un promedio mvil simple es: Ft = (At-1 + At-2 + At-3 + + At-n ) / n Donde: Ft = Pronstico para el siguiente perodo.= Nmero de perodos para promediar.-

4/20/12

1111

Promedio mvil simple; perodos de tres y nueve semanas.A: Pronstico de la demanda.Semana Demanda 3 semanas9 semanas Semana Demanda 3semanas 9 semanas 1 2 3 4 1911 5 1933 6 2011 7 2111 8 2144 9 4/20/12 2111 800 1400 1000 1500 1500 1300 1800 1700 1300 1067 1300 1333 1433 1533 1600 16 17 18 1700 1800 2200 19 20 21 22 23 24 2200 2000 1833 1900 2400 2400 2600 2000 2500 1900 1967 2167 2233 2467 2333 1811 1800 1811

1212

Promedio mvil simple; perodos de tres y nueve semanas.B: Pronstico de promedio mvil contra demanda real.2,800

2,400 Real 2,000

1,600 9 Semanas 1,200

3 Semanas

800

4/20/12

400

1313

Una grfica como la de la ilustracin anterior muestra los efectos de las distintas duraciones de un perodo de un promedio mvil.-

Se ve que la tendencia de crecimiento se nivela alrededor de la semana 23.El promedio de movimientos de tres semanas responde mejor al seguir este cambio, que el promedio de nueve semanas, aunque en general, el promedio de nueve semanas es ms uniforme.La principal desventaja al calcular un promedio mvil es que todos los elementos individuales se deben manejar como informacin porque un nuevo perodo de pronstico comprende agregar datos nuevos y eliminar los primeros.Para un promedio mvil de tres o seis perodos, lo anterior no es muy complicado.- Pero graficar un promedio mvil de sesenta das sobre el uso de cada uno de los veinte mil elementos en un inventario comprendera el manejo de una gran cantidad de informacin.-

4/20/12

1414

Promedio mvil Ponderado.Un promedio mvil ponderado permite asignar cualquier importancia a cada elemento, siempre y cuando la suma de todas las ponderaciones sea igual a uno.- Por ejemplo, tal vez una tienda departamental se de cuenta de que en un perodo de cuatro meses, el mejor pronstico se deriva utilizando 40% de las ventas reales durante el mes ms reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace cuatro meses.- Si las ventas reales fueron: Mes 1 . 100 Mes 2 90 Mes 3 105 Mes 4 Pronstico mes 5 95 97.5

El pronstico para el mes 5 sera: F5 = 0.40(.95) + 0.30(105) + 0.20(90) + 0.10(100) = 38 + 31.5 + 18 + 10 = 97.5 La frmula para un promedio mvil ponderado es: Ft = w1At-1 + w2At-2 + + wnAt-n Donde: w1 = Ponderacin dada a la ocurrencia real para el perodo t-1.w2 = Ponderacin dada a la ocurrencia real para el perodo t-2.-

4/20/12Ponderacin dada a la ocurrencia real para el perodo t-n.1515 wn =

Promedio mvil Ponderado.Aunque quiz se ignoren muchos perodos (es decir sus ponderaciones son de cero) y el esquema de ponderacin puede estar en cualquier orden (por ejemplo, los datos ms distantes pueden tener ponderaciones ms altas que los ms recientes), la suma de todas las ponderaciones debe ser igual a uno.-

wi = 1
Suponga que las ventas para el mes 5 resultaron ser de 110.- Entonces, el pronstico para el mes 6 sera: F6 = 0.40(110) + 0.30(95) + 0.20(105) + 0.10(90) = 44 + 28.5 + 21 + 9 = 102.5

Eleccin de ponderaciones: La experiencia y las pruebas son las formas ms sencillas de elegir las ponderaciones.- Por regla general, el pasado ms reciente es el indicador ms importante de lo que se espera en el futuro y, por lo tanto, debe tener una ponderacin ms alta.No obstante, si los datos son estacionales, por ejemplo, las ponderaciones se deben establecer en forma correspondiente.- Las ventas de trajes de bao en julio del ao pasado deben tener una ponderacin ms alta que las ventas de trajes de bao en diciembre.promedio mvil simple en cuanto a que puede variar los efectos de los datos El promedio mvil ponderado tiene una ventaja definitiva sobre el 4/20/12 1616

Suavizacin exponencial En los mtodos de pronsticos de promedios mviles simples y ponderados, la principal desventaja es la necesidad de manejar en forma continua gran cantidad de datos histricos, lo cual tambin sucede con las tcnicas de anlisis de regresin.En muchas aplicaciones, las ocurrencias ms recientes son ms indicativas del futuro que aquellas en el pasado ms distante.- Si esta premisa es cierta, es probable que el mtodo ms lgico y fcil sea la suavizacin exponencial.La razn por la que se llama suavizacin exponencial es que cada incremento en el pasado se reduce (1-).- Por ejemplo, si es 0.05, las ponderaciones para los distintos perodos seran las siguientes: . Peso en = 0.05 . 0.0500 0.0475 0.0451 0.0429

Peso ms reciente = (1- ) a la cero Datos de un perodo anterior = (1- ) a la uno Datos de dos perodos anteriores = (1- ) a la dos Datos de tres perodos anteriores = (1- ) a la tres

Por lo tanto, los exponentes 0,1,2,3,.. Etc. Le dan su nombre.La suavizacin exponencial es la ms utilizada de las tcnicas de pronstico.4/20/12 Es parte integral de casi todos los programas de pronstico 1717 por computadora,

Suavizacin exponencial Las tcnicas de suavizacin exponencial se han aceptado en forma generalizada por seis razones principales: 1.- Los modelos exponenciales son sorprendentemente precisos.2.- Formular un modelo exponencial es relativamente fcil.3.- El usuario puede entender cmo funciona el modelo.4.- Se requieren muy pocos clculos para utilizar el modelo.5.- Los requerimientos de almacenamiento en la computadora son bajos debido al uso limitado de datos histricos.6.- Es fcil calcular las pruebas de precisin relacionadas con el desempeo del modelo.-

En el modelo de suavizacin exponencial, solo se necesitan tres piezas de datos para pronosticar el futuro: 1.- El pronstico ms reciente.2.- La demanda real ms reciente.3.- Una 4/20/12 constante de uniformidad alfa ().-

1818

Suavizacin exponencial El valor de la constante se determina tanto por la naturaleza del producto como por el sentido comn del gerente sobre lo que constituye un buen ndice de respuesta.Por ejemplo: si una empresa produjo un artculo estndar con una demanda relativamente estable, el ndice de reaccin a las diferencias entre la demanda real y pronosticada presentaran una tendencia a ser pequeas, quiz de solo 5 10 puntos porcentuales.No obstante, si la empresa experimentara un crecimiento, sera mejor tener un ndice de reaccin ms alto, quiz de 15 30 puntos porcentuales, para dar mayor importancia a la experiencia de crecimiento reciente.- Mientras ms rpido sea el crecimiento, ms alto deber ser el ndice de reaccin.La ecuacin para un solo pronstico de uniformidad exponencial es simplemente: Ft = Ft-1 + (At-1 - Ft-1) Donde: Ft = El pronstico suavizado exponencialmente para el perodo t.Ft-1 = El pronstico suavizado exponencialmente para el perodo anterior.-

4/20/12

At-1 = La demanda real para el perodo anterior.-

= El ndice de respuesta deseado, o constante de suavizacin.-

1919

Suavizacin exponencial

Para demostrar el mtodo, suponga que la demanda a largo plazo para el producto sujeto a estudio es relativamente estable y una constante de suavizacin de 0.05, (5%) se considera apropiada.- Si el mtodo exponencial se hubiera usado como una poltica de continuidad, se habra hecho un pronstico para el mes pasado.Suponga que el pronstico del mes pasado (Ft-1) fu de 1,050 unidades.- Si la demanda real fue de 1,000 unidades, en lugar de 1,050, el pronstico para este mes sera: Ft = Ft-1 + (At-1 - Ft-1) = 1,050 + 0.05(1,000 1,050) = 1,047.5 unidades.Como el coeficiente de suavizacin es bajo, la reaccin del nuevo pronstico a un error de 50 unidades es reducir el pronstico del prximo mes en solo 2.5 unidades.En la siguiente grfica observe que mientras ms alto sea el valor de alfa, el pronstico ser ms cercano a la realidad.- Y mientras ms se acerque a la demanda real, es probable sumar un factor de tendencia.- Tambin resulta til ajustar el valor de alfa.- Esto se conoce como pronstico adaptativo.- Se 4/20/12 2020 explica a continuacin los efectos de las tendencias y el pronstico

Suavizacin exponencial Grfico que presenta los pronsticos exponenciales contra la demanda real de las unidades de un producto a travs del tiempo mostrando una demora en el pronstico.-

4/20/12

2121

Efectos de la tendencia en la suavizacin exponencial.Una tendencia hacia arriba o hacia abajo en los datos recopilados durante una secuencia de perodos hace que el pronstico exponencial siempre se quede por debajo o atrs de la ocurrencia real.- Los pronsticos suavizados exponencialmente se pueden corregir agregando un ajuste a las tendencias.

Para corregir la tendencia, se necesitan dos constantes de suavizacin.Adems de la constante de suavizacin , la ecuacin de la tendencia utiliza una constante de suavizacin La reduce el impacto del error que ocurre entre la realidad y el pronstico.- Si no se incluye ni ni , la tendencia reacciona en forma exagerada ante los errores.Para continuar con la ecuacin de la tendencia, la primera vez que se utiliza es preciso capturar el valor manualmente.- Este valor de la tendencia inicial puede ser una adivinanza informada o un clculo basado en los datos pasados observados.La ecuacin para calcular el pronstico incluida la tendencia (FIT) es:

FITt = Ft + Tt;

Ft = FITt-1 + (At-1 - FITt-1);

Tt = Tt-1 + (Ft - FITt-1)

Ft = El pronstico suavizado exponencialmente para el perodo t.Tt = La tendencia suavizada exponencialmente para el perodo t.FITt = El pronstico incluida la tendencia para el perodo t.-

4/20/12

FITt-1 = El pronstico incluida la tendencia hecha para el perodo

2222

Ejemplo de pronstico incluida la tendencia.Suponga un pronstico inicial de 100 unidades, una tendencia inicial de 10 unidades, una de 0.20 y una de 0.30.- Si la demanda real resulta ser de 115 en lugar de las 100 pronosticadas, calcule el pronstico para el perodo siguiente.

Solucin: Al sumar el pronstico inicial y la tendencia, se obtiene:

FITt-1 = Ft-1 + Tt-1 = 100 + 10 = 110.-

La verdadera At-1 se da como 115.- Por lo tanto: Ft = FITt-1 + (At-1 - FITt-1) = 110 + 0.2(115 110) = 111.0 Tt = Tt-1 + (Ft - FITt-1) = 10 + 0.3(111 110) = 10.3 FITt = Ft + Tt = 111.0 + 10.3 = 121.3

Si, en lugar de 121.3, la realidad resulta ser 120, la secuencia se repetira y el pronstico para el siguiente perodo sera:

4/20/12

Ft+1 = 121.3 + 0.2(120 121.3) = 121.04 Tt+1 = 10.3 + 0.3(121.04 121.3) = 10.22

2323

Eleccin del valor apropiado para (alfa).

La suavizacin exponencial requiere de dar a la constante de suavizacin alfa () un valor entre 0 y 1.- Si la demanda real es estable (como la demanda de electricidad o alimentos), sera deseable una alfa pequea para reducir los efectos de los cambios a corto plazo o aleatorios.Si la demanda real aumenta o disminuye con rapidez (como en los artculos de moda o los aparatos electrodomsticos menores), se quisiera una alfa alta para tratar de seguirle el paso al cambio.- Sera ideal poder proyectar que alfa se debe usar.- Por desgracia, hay dos elementos en contra.En primer lugar, tomara tiempo determinar la constante alfa que se adapte mejor a los datos reales y el proceso sera tedioso.En segundo lugar, como la demanda cambia, quiz pronto sea necesario revisar la constante alfa que se eligi esta semana.- Por lo tanto, se necesita un mtodo automtico para rastrear y cambiar los valores de alfa.Hay dos estrategias para controlar el valor de alfa.- Una de ellas utiliza distintos valores de alfa y la otra una seal de seguimiento.1.- Dos o ms valores predeterminados de alfa.- Se mide la cantidad de error entre el pronstico y la demanda real.- Dependiendo del grado de error, se utilizan diferentes valores de alfa.- Si el error es grande, alfa es 4/20/12 2424 0.8; si el error es pequeo, alfa es 0.2.-

Errores de pronstico y fuentes de error.

El trmino error se refiere a la diferencia entre el valor de pronstico y lo que ocurri en realidad.En estadstica, estos errores se conocen como residuales.Siempre y cuando el valor del pronstico se encuentre dentro de los limites de confianza, como se ver ms adelante en medicin del error, este no es realmente un error.- Pero el uso comn se refiere a la diferencia como un error.La demanda de un producto se genera mediante la interaccin de varios factores demasiado complejos para describirlos con precisin en un modelo.- Por lo tanto, todas las proyecciones contienen algn error.- Al analizar los errores de pronstico, es conveniente distinguir entre las fuentes de error y la medicin de errores.Una fuente comn de errores es en el pronstico de las tendencias pasadas, en el futuro.- por ejemplo, al hablar de errores estadsticos en el anlisis de regresin, se hace referencia a las desviaciones de las observaciones, alrededor de la recta de regresin.Los errores sesgados ocurren cuando se comete un error consistente.- Las fuentes de sesgo incluyen el hecho de no incluir las variables correctas; al uso de las relaciones equivocadas entre las variables; el uso de la recta de tendencia errnea; un cambio equivocado en la demanda estacional 4/20/12 el punto donde normalmente ocurre; y la existencia de alguna 2525 desde

Medicin de errores

Trminos usados para describir el grado de error son: error estndar, error cuadrado medio (o varianza), desviacin absoluta media.- Adems es posible usar seales de rastreo para indicar cualquier sesgo positivo o negativo en el pronstico.La desviacin absoluta media (MAD) se utiliza por su simplicidad y utilidad al obtener seales de rastreo.- La MAD es el error promedio en los pronsticos, mediante el uso de valores absolutos.- Es valiosa porque mide la dispersin de un valor observado en relacin con un valor esperado.La MAD se calcula utilizando las diferencias entre la demanda real y la demanda pronosticada sin importar el signo.- Es igual a la suma de las desviaciones absolutas dividida entre el nmero de puntos de datos: MAD = [ At Ft ] / n

Donde: t es el perodo At = Demanda real para el perodo Ft = Demanda pronosticada para el perodo n = Nmero total de perodos.[ ] = Smbolo utilizado para indicar el valor absoluto..

4/20/12

Cuando los errores que ocurren en el pronstico tienen una

2626

La desviacin estndar es la medida ms grande.- Si la MAD de un conjunto de puntos es 60 unidades, la desviacin estndar es 75 unidades.En la manera estadstica normal, si los lmites se establecen en ms menos 3 desviaciones estndar (o +- 3.75 MAD), entonces 99.7% de los puntos caeran dentro de estos lmites.

Una seal de seguimiento es una medida que indica si el promedio pronosticado sigue el paso de cualquier cambio hacia arriba o hacia abajo en la demanda.Como se utiliza en el pronstico, la seal de seguimiento es el nmero de desviaciones absolutas medias que el valor pronosticado se encuentra por encima o por debajo de la ocurrencia real.- La ilustracin que se muestra en la siguiente pgina muestra una distribucin normal con una media de cero y una MAD igual a uno.- Por lo tanto, si se calcula la seal de seguimiento y se encuentra que es igual a menos 2, se puede ver que el modelo de pronstico ofrece pronsticos por encima de la media de las ocurrencias reales.Es posible calcular una seal de seguimiento (TS) utilizando la suma aritmtica de las desviaciones (errores) pronosticados dividido entre la desviacin absoluta media.TS = RSFE / MAD

RSFE = La suma corriente de los errores pronosticados, considerando la naturaleza del error (por ejemplo: los errores negativos cancelan los errores positivos y viceversa).positivas o negativas).- Es el promedio de las desviaciones absolutas.-

MAD 4/20/12 = El promedio de todos los errores pronosticados (sin importar si las desviaciones son 2727

Ilustracin que muestra una distribucin normal con una media de cero y desviacin media absoluta de uno.-

4/20/12

2828

La siguiente ilustracin muestra el procedimiento para calcular la MAD y la seal de seguimiento para un perodo de seis meses donde el pronstico se estableci en una constante de 1,000 y las demandas totales que ocurrieron son las que se muestran.- En este ejemplo, el pronstico, en promedio se aleja 66.7 unidades y la seal de seguimiento es igual a 3.3 DMA.-

4/20/12

2929

Es posible formarse una mejor idea sobre lo que la MAD y la seal de seguimiento significan, trazando los puntos en una grfica.- La siguiente ilustracin se traza cada mes para mostrar el cambio de la seal de seguimiento.- Observe que cambi de menos una MAD a ms tres MAD. Esto sucedi porque la demanda real fue mayor que el pronstico en cuatro de los seis perodos.- Si la demanda real no cayera por debajo del pronstico para compensar la RSFE positiva continua, la seal de seguimiento seguira aumentando y se llegara a la conclusin de que suponer una demanda de 1,000 constituye un mal pronstico.Los lmites aceptables para la seal de seguimiento dependen del tamao de la demanda pronosticada y la cantidad de tiempo del personal disponible.- La siguiente ilustracin muestra el rea dentro de los lmites de control para un rango de 1 a 4 MAD.En un modelo de pronstico perfecto, la suma de los errores de pronstico reales sera cero; los errores que dan como resultado sobrestimados deben ser menos que aquellos que resultan en subestimados.- La seal de seguimiento tambin sera cero, indicando un modelo sin sesgos, que no se queda atrs ni delante de las demandas reales.A menudo, la MAD se utiliza para pronosticar los errores, por lo que quiz sera mejor que fuera ms sensible a los datos recientes.- Una tcnica til para lograrlo es calcular una MAD uniformada exponencialmente como un pronstico para el rango de errores del siguiente perodo.- El procedimiento es similar a la uniformidad exponencial simple, que ya se estudi en este mismo captulo.- El valor del pronstico MAD es que proporciona un rango de error.- En el caso del control de3030 inventarios, ste 4/20/12 es til para establecer niveles de inventario de seguridad: MADt = [At-1

Los porcentajes de los puntos incluidos dentro de los lmites de control para un rango de uno a cuatro MAD.-

4/20/12

3131

Anlisis de Regresin lineal .Se puede definir como una relacin funcional entre dos o ms variables correlacionadas.Se utiliza para pronosticar una variable con base en la otra.- Por lo general, la relacin se desarrolla a partir de datos observados.- Lo primero que se hace es graficar los datos para ver si aparecen lineales o si por lo menos partes de los datos son lineales. La recta de la regresin lineal tiene la forma Y = a + bx, donde Y es el valor de la variable dependiente que se despeja, a es la secante en Y, b es la pendiente y x es la variable independiente.- (En el anlisis de series de tiempo, las x son las unidades de tiempo).

La regresin lineal es til para el pronstico a largo plazo de eventos importantes, como por ejemplo pronosticar las demandas de familias de productos.- Aun cuando la demanda de productos individuales dentro de una familia puede variar en gran medida durante un perodo, la demanda de toda la familia de productos es sorprendentemente suavizada.La principal restriccin de esta tcnica, como su nombre lo indica, es que se supone que los datos pasados y los pronsticos futuros caen sobre una recta.La regresin lineal se utiliza tanto para pronsticos de series de tiempo, como para pronsticos de relaciones causales.- Cuando la variable dependiente cambia como resultado del tiempo, se trata de un anlisis de serie temporal.- Si una variable cambia debido al cambio de otra, se trata de una relacin causal (como el nmero de muertes debidas al aumento de cncer pulmonar entre la gente que fuma).-

4/20/12 para demostrar el anlisis de regresin lineal utilizando el mtodo 3232 Ejemplo

Ejemplo: Mtodo de mnimos cuadrados.Las ventas de una lnea de productos en una empresa durante los 12 trimestres de los ltimos 3 aos son los siguientes.

Trimestre

Ventas

Trimestre 7 8 9 10 11 12 $2,600 $2,900 $3,800 $4,500 $4,000 $4,900

Ventas

1 $ 600 2 $1,550 3 $1,500 4 $1,500 5 $2,400 6 $3,100

La compaa quiere pronosticar cada trimestre del cuarto ao; es decir los trimestres 13, 14, 15 y 16.La ecuacin de mnimos cuadrados para regresin lineal es: Y = a + bx Y = Variable dependiente calculada mediante la ecuacin.y = El punto de datos de la variable dependiente real.a = secante de Y .b = Pendiente de la recta.-

4/20/12

3333

x = Perodo.-

El mtodo de mnimos cuadrados trata de ajustar la recta a los datos que 1: minimizan la suma de los cuadrados de la distancia vertical entre cada punto de datos y el punto correspondiente en la recta y adems, 2: la suma algebraica de estas distancias verticales es cero.

Si se traza una recta a travs del rea general de los puntos, la diferencia entre el punto y la recta es y-Y La ilustracin siguiente muestra estas .diferencias.- La suma de los cuadrados de las diferencias entre los puntos de datos trazados y los puntos de la recta es: (y1 Y1) + (y2 Y2) + + (y12 Y12). La mejor recta es la que minimiza este total.Como antes la ecuacin de la recta es: Y = a + bx Se pueden determinar a y b a partir de la grfica.- En el mtodo de mnimos cuadrados, las ecuaciones para a y b son: a = y bx; b = xy nx.y/ x - nx a = Secante de y; todas las y; Donde: y = promedio de

b = Pendiente de la recta;

x = promedio de todas las x;

x = valor x de cada punto de datos;

y = valor y de cada punto de datos; n = nmero de punto de datos.Y = valor de la variable dependiente calculada con la ecuacin de regresin.4/20/12 3434

Anlisis de regresin de mnimos cuadrados

4/20/12

3535

Basndose estrictamente en la ecuacin, los pronsticos para los perodos 13 a 16 seran: Y13 = 441.6 + 359.6(13) = 5,116.4 Y14 = 441.6 + 359.6(14) = 5,476.0 Y15 = 441.6 + 359.6(15) = 5,835.6 Y16 = 441.6 + 359.6(16) = 6,195.2 El error estndar del estimado o la forma en que la recta se adapta a los datos es: Syx = (yi - Yi) / n 2 El error estndar del estimado se calcula a partir de la segunda y la ltima columna de la siguiente ilustracin: Syx =(600 801.3)+(1,550 1160.9)+(1,500 1,520.5)++(4,900 4,757.1)/10=363.9 Para utilizar la herramienta de regresin lineal que tiene microsoft-excel se capturan los datos en dos columnas.- A continuacin se especifica el rango X (en este caso sera 1 a 12); y el rango Y (en este caso 600, 1,550, .. , 4,900).- Por ltimo se especifica el rango de salida.De los resultados que se especifican los que nos importan por ahora son la secante de Y, la variable X y los cuales se encuentran bajo el titulo de coeficientes.- (con los nombres intercepcin (la secante de Y) y variable X.4/20/12 3636

Recta de regresin de mnimos cuadrados

4/20/12

3737

Descomposicin de una serie temporal Una serie temporal son datos ordenados en forma cronolgica que pueden contener uno o ms componentes de la demanda: Tendencia, estacionalidad, ciclicidad, auto correlacin o aleatorio.La descomposicin de una serie temporal significa identificar y separar los datos de la serie temporal en estos componentes.-

En la prctica es muy fcil identificar la tendencia; simplemente trazando los datos y ver la direccin del movimiento; y el componente estacional comparando el mismo perodo ao tras ao.Es mucho mas difcil identificar los componentes de los ciclos ya que pueden durar muchos meses e inclusive aos, as como la auto correlacin y el aleatorio.- Por lo general se considera aleatorio cualquier elemento que sobre y que no sea posible identificar como otro componente.Cuando la demanda contiene efectos estacionales y de tendencia al mismo tiempo, la pregunta es como se relacionan entre si.- Veremos dos tipos de variacin estacional: aditiva y multiplicativa.La variacin estacional aditiva supone que la cantidad estacional es una constante sin importar cual es la tendencia o la cantidad promedio.

Pronstico con tendencia y estacional aditiva = Tendencia + Estacional.-

En la variacin estacional multiplicativa , la tendencia se multiplica por los factores estacionales.Pronstico con tendencia y estacional multiplicativa 4/20/12 = Tendencia * factor estacional 3838

Factor o ndice estacional Un factor estacional es la cantidad de correccin necesaria en una serie temporal para ajustarse a la estacin (o perodo) del ao.Por lo general, se relaciona estacional con un perodo del ao caracterizado por alguna actividad en particular.- Se usa la palabra cclico para indicar que no se trata de los perodos anuales recurrentes de actividad repetitiva.

En los siguientes ejemplos se muestran como se determinan y utilizan los ndices estacionales para pronosticar: 1).- Un clculo sencillo basado en datos estacionales pasados; 2):- La tendencia y el ndice estacional de una recta de regresin ajustada a mano; 3).- Un procedimiento ms formal para la descomposicin y el pronstico de los datos usando la regresin de mnimos cuadrados.Pronostico 1.- Ejemplo de proporcin simple: Suponga que en los ltimos aos una empresa vendi un promedio de 1,000 unidades al ao de una lnea de productos en particular.- En promedio, se vendieron 200 unidades en primavera, 350 en verano, 300 en otoo y 150 en invierno.- El factor o ndice estacional es la razn de la cantidad vendida durante cada estacin dividida entre el promedio de todas las estaciones.Solucin: La cantidad anual dividida en forma equitativa entre todas las temporadas es 1000/4 = 250 Por lo tanto, los factores estacionales son: Estacin Ventas pasadas Primavera 200 350 300 Ventas prom./temporada 250 250 250 Factor estacional

200/250 = 0.8 350/250 = 1.4 300/250 = 1.2

4/20/12
Otoo

Verano

3939

Con estos factores, si se espera que la demanda para el prximo ao sea de 1,100 unidades; entonces se pronosticara que esta ocurrir de la siguiente manera:

Estacin Demanda esperada . .

Ventas promedio

factor pronstico Estacional

Para prximo ao por temporada . . . . . 1,100 275 (1,100/4)=275. 275 275 275 * 0.6

Estacional

Prx. Ao. * * * 1.2 = 0.8 1.4 = . 1,100 165. = = 330 220 385

Primavera Verano Otoo Invierno . total

El factor estacional se puede actualizar de manera peridica al tener nuevos datos disponibles.-

Pronostico 2.- Ejemplo que muestra el factor estacional y la variacin estacional multiplicativa: Clculo de la tendencia y el factor estacional a partir de una recta ajustada a mano; en este caso deben calcularse la tendencia y los factores estacionales.-

4/20/12 caso se resuelve el problema con solo ajustar a mano una recta que cruce 4040 En este

Trimestre ventas trimestre ventas I- 2006 300 I- 2007 520 II- 2006 200 II- 2007 420 III- 2006 220 III- 2007 400 IV- 2006 530 IV- 2007 700 Primero se traza los puntos de datos como en la siguiente ilustracin, y luego se ajusta visualmente una recta a travs de todos los datos.- La ecuacin que se obtiene para la recta es: Tendencia = 170 + 55t

4/20/12

4141

La ecuacin se deriva de la secante 170 ms un aumento de ((610 170)/ 8 perodos)=55.- A continuacin, puede derivarse un ndice estacional comparando los datos reales con la recta de tendencia como en la ilustracin .- El factor estacional se desarroll calculando el promedio de los mismos trimestres de cada ao.El clculo del pronstico para 2008 incluyendo factores de tendencia y estacional FITS son como sigue: FITS t = tendencia *estacional; I- 2008: FITS9 = (170+55(9))*1.25=831; II-2008: FITS10 = (170+55(10))*0.78= =562; III-2008: FITS11 = (170+55(11))*0.69=535; IV-2008: FITS12 = (170+55(12))*1.25=1,038

4/20/12

4242

Pronostico 3.- Descomposicin con regresin por mnimos cuadrados: El proceso lleva los siguientes pasos: I:- Descomponer las series de tiempo en sus componentes. A: Encontrar el componente estacional. B: Descontar las variaciones de temporada de la demanda. C: Encontrar el componente de la tendencia. II:- Pronosticar valores futuros de cada componente. A: Pronosticar el componente de la tendencia en el futuro. B: Multiplicar el componente de la tendencia por el componente estacional. Observe que no se incluye el componente aleatorio

Paso 1: Determinar el factor estacional: En la ilustracin de la lmina 37 se presenta el resumen de clculos necesarios.- Observe que los factores estacionales son idnticos para los trimestres semejantes en cada ao.Paso 2: Descontar las variaciones de temporada de los datos originales: Para eliminar el efecto estacional de los datos, se dividen los datos originales entre el factor estacional.- Este paso se llama descuento de las variaciones de temporada de la demanda y se presentan en la columna seis de la ilustracin.Paso 3: Trazar una recta de regresin por mnimos cuadrados para los datos descontados de las variaciones de temporada; lmina 38.- El objetivo es desarrollar una ecuacin para la recta de la tendencia Y, que despus se modifica con el factor estacional.- Y = a + bx; donde Yd = descuento de las variaciones de temporada de la demanda x = trimestre Y = demanda calculada con la ecuacin de regresin Y = a + bx

4/20/12

a = secante de Y b = pendiente de la recta.-

4343

Demanda descontadas las variaciones de temporada.-

4/20/12

4444

La ecuacin final de descuento de las variaciones de temporada de los datos es: Y = 554.9 + 342.2x Dicha recta se presenta en la siguiente ilustracin.-

4/20/12

4545

Paso 4: Proyectar la recta de regresin a travs del perodo por ser pronosticado. El propsito es pronosticar los perodos 13 a 16.- Lo primero es resolver la ecuacin para Y en cada perodo que se muestra en el paso 3.-

Paso 5: Crear el pronstico final mediante el ajuste de la recta de la regresin segn el factor estacional.-Cabe recordar que se descontaron las variaciones de temporada de la ecuacin Y Ahora se invierte el procedimiento multiplicando los datos trimestrales .derivados mediante el factor estacional de ese trimestre.-

Perodo Trimestre estacional . 13 14 15 . 16

Y de la recta de

factor estacional Pronstico Y * factor . 0.82 1.10 0.97 1.12 4,102.87 5,880.27 5,517.26 6,753.71 .

La regresin 1 2 3 4 5,003.5 5,345.7 5,687.9 6,030.1

Ya est completo el pronstico.- El procedimiento es igual al realizado en el ejemplo anterior que se ajust a mano.- La diferencia es que en este ejemplo, se sigue un procedimiento ms formal y tambin se calcula la recta de la regresin de los mnimos cuadrados.4/20/12 4646

Pronstico de relaciones causales. Es de esperar que un perodo de lluvias aumente la venta de paraguas y gabardinas.- La lluvia provoca la venta de artculos personales para este clima.- Se trata de una relacin causal en la que la ocurrencia de una causa la otra.- Si se conoce el elemento de causa, se puede usar como base para el pronstico.

Ejemplo de pronstico con el uso de una relacin causal: Carpet city store es un almacn de alfombras y tapetes que lleva registros anuales de sus ventas (en yardas cuadradas), adems del nmero de licencias para casas nuevas en esa rea..

Ao 1999 2000 2001 2002 2003 2004 2005 2006 2007

licencias 18 15 12 10 20 28 35 30 20

yardas cuadradas de alfombras . 13,000 12,000 11,000 10,000 14,000 16,000 19,000 17,000 13,000

El gerente de operaciones de Carpet city store cree que es posible pronosticar las ventas si se conocen los inicios de proyectos habitacionales del ao.- En primer lugar, los datos se grafican en la siguiente ilustracin con x = nmero de licencias de 4/20/12 4747 construccin; y = ventas de alfombras.-

Solucin: Proyectar la recta trazada a mano hace que toque el eje de las y en unas 7,000 yardas. Esto podra considerarse como la demanda cuando no se construyen casas nuevas: es decir, probablemente como sustitucin de alfombras viejas.- Para calcular la pendiente, se seleccionan dos puntos, como: Ao x 2002 10 2006 30 y 10,000 17,000

La pendiente se calcula algebraicamente de la siguiente manera:

b = (y(2006) y(2002))/(x(2006)- x(2002)) = ((17,000 10,000)/(30 10)) = 7,000/20 = 350 El gerente interpreta la pendiente como el promedio de yardas cuadradas de alfombra vendidas a cada casa nueva de la zona.- Por lo tanto, la ecuacin de pronstico es Y = 7,000 + 350x

Ahora suponga que hay 25 licencias para construir casas en 2008.- El pronstico de las ventas para 2008 sera: Y = 7,000 + 350(25) = 15,750

En este problema, la demora entre pedir la licencia en la oficina correspondiente y la llegada del nuevo cliente a carpet city store a comprar alfombra es una relacin causal 4/20/12 viable para el pronstico.4848

Pronstico tecnolgico: Los ingenieros normalmente estn trabajando y tienen que ver con el ambiente que rodea a la tecnologa. Por lo que su planeacin tendr que ver con la tecnologa que estar presente en el futuro.Dos tipos de pronsticos tecnolgicos deberan ser considerados: normativo y exploratorio.En el pronstico tecnolgico normativo, algn logro deseado en el futuro es seleccionado y un proceso es desarrollado , trabajando hacia atrs del futuro al presente, diseado para alcanzar este logro.- Por ejemplo: el gobierno U.S. decide que es esencial tener energa disponible de fusin nuclear en cantidades comerciales en el ao 2020, y entonces trabajando hacia atrs para establecer un itinerario y alcanzar el logro Un pronstico tecnolgico exploratorio es el mtodo delphi en el cual se empieza normativo.con el estado actual de la tecnologa y se extrapola al futuro, suponiendo una tasa de progreso tcnico.

Por ejemplo: La comercializacin de tecnologas para eliminar contaminantes del aire.Por ejemplo la invencin de una computadora que operara ms rpido de 10 trillones de clculos por segundo.El reto al administrar la tecnologa es proveer un clima donde los enprendedores estn animados a tomar riesgos , donde los recursos necesarios, tiempo y fallas tempranas son permitidas, mientras un control ms cercano de recursos y costos como productos maduren lo suficiente.Administrando el cambio tecnolgico: El uso de internet ha revolucionado todo.Para sto, muchas compaas han reconocido la internet como un mtodo barato y eficiente para mantener a sus clientes informados.- Empezaron a usar internet para publicidad, alertas pblicas, proveer soporte tecnolgico, actualizaciones de 4/20/12 4949 software, manuales en lnea, plticas interactivas, informacin sobre nuevos