03 Operaciones1 Pronostico
03 Operaciones1 Pronostico
03 Operaciones1 Pronostico
Modelos de Pronósticos
operaciones.
Pronóstico
Pronóstico Características
• Pueden equivocarse.
• Números y rangos (medida de error).
• Pronósticos agregados son más
exactos.
• Disminuye la precisión con la
distancia de pronóstico.
• No se deben usar para excluir
información conocida.
Pronóstico
Métodos para realizar pronósticos:
Pronóstico
Métodos para realizar pronósticos:
• Métodos subjetivos.
• Métodos objetivos.
Métodos subjetivos
• Agregados de la fuerza de ventas.
• Encuestas al cliente.
• Juicio de opinión ejecutiva.
• El método Delphi.
Métodos objetivos
• Modelos causales.
Usan datos de recursos externos a la
serie a predecir.
• Modelos de series de tiempo.
Modelos econométricos:
1 92 88 96 91
2 87 88 89 89
3 95 97 92 90
4 90 83 93 90
5 88 91 90 86
6 93 93 85 89
Evaluación de los pronósticos
Gerente Observac Gerente Observac
Semana e_i de P1 e_i de P2
1 (P1) ión (O1) 2 (P2) ión (O2)
1 92 88 4 96 91 5
2 87 88 -1 89 89 0
3 95 97 -2 92 90 2
4 90 83 7 93 90 3
5 88 91 -3 90 86 4
6 93 93 0 85 89 -4
Evaluación de los pronósticos
Periodo 1 2 3 4 5 6 7 8
Observación 23 28 33 26 21 38 32 41
• Suavizamiento exponencial.
Estimación de una serie estacionaria
• Promedios móviles.
Promedios móviles
Ej: Los datos trimestrales para las fallas de ciertos
motores de aeronaves en una base local militar
durante los pasos de dos años son 200, 250, 175,
186, 225, 285, 305, 190. Los promedios
trimestrales y semestrales se usan para
pronosticar el número de fallas de los motores.
Determine los pronósticos para los periodos 4 a 8
utilizando promedios móviles de 3 periodos, y los
pronósticos para los periodos 7 y 8 usando
promedios móviles de 6 periodos.
Promedios móviles
Ejemplo:
Considere un proceso de demanda en la que exista
una tendencia definida. Por ejemplo, suponga que
los datos observados son 2, 4, 6, 8, 10, 12, 14, 16,
18, 20, 22, 24. Calcule los pronósticos con medias
móviles de 3 periodos y de 6 periodos y grafíquelos.
Promedios móviles
Promedios móviles
Promedios móviles
Ejercicio para hacer en clase:
Suponga que los datos históricos de la demanda de repuestos de coches
es la siguiente:
1. Determine los pronósticos para
la demanda de enero del siguiente
año usando promedios móviles de
3, 6 y 12 meses.
2. Usando un promedio móvil de 4
meses, determine los pronósticos del periodo de julio a diciembre de
este año.
3. Usando un promedio móvil de 4 meses, determine los pronósticos de
dos pasos para el periodo de julio hasta diciembre de este año.
4. Calcule el DAM y el ECM para los pronósticos encontrados del punto 2
y 3.
Estimación de una serie estacionaria
Sea una Dt una serie estacionaria:
• Suavizamiento exponencial.
Estimación de una serie estacionaria
• Suavizamiento exponencial
Estimación de una serie estacionaria
• Suavizamiento exponencial
115
110
105
100
95
90
85
80
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 91 94 97 0
10
método Holt.
Regresión lineal
Sea una Dt una serie con tendencia:
Supuesto:
Regresión lineal
Regresión lineal
Deducción
Deducció
Regresión lineal
Regresión lineal
Ejemplo: Recordemos el ejemplo pasado, donde
se desea predecir las fallas de motor de unas
aeronaves. Los números de fallas observados
durante un periodo de dos años fueron 200, 250,
175, 186, 225, 285, 305, 190. Ahora se estimará
el pronóstico usando regresión lineal.
Regresión lineal
Años D F
pronósti co
1 200 203,08
260
220
3 175 216,75
200
4 186 223,58
Demanda
180 regresion
140
6 385 237,25
120
tiempo
8 190 250,91
Estimación de una serie con tendencia
Sea una Dt una serie con tendencia:
método Holt.
Método Holt
1 200 210
2 250 218,9
3 175 232,22
4 186 236,13
5 225 240,26
6 285 247,72
7 305 260,80
8 190 275,02
Estimación de una serie estacional
Sea una Dt una serie estacional:
Estimación de una serie estacional
Sea una Dt una serie estacional:
Método de Winters
Sea una Dt una serie estacional:
Método de Winters
Sea una Dt una serie estacional: Componente de error
2. Componente de tendencia.