S.E.P. S.N.E.S.T. D.G.E.S.T.INSTITUTO TECNOLGICO Del Istmo

S.E.P. S.N.E.S.T. D.G.E.S.T.INSTITUTO TECNOLGICO Del Istmo

TEMA:UNIDAD 2 Y 3MATERIA:ADMINISTRACION DE LA PRODUCCION Y DE LAS OPERACIONES

CATEDRATICO:VICENTE SANTIAGO JOSE INES

ALUMNA:CABRERA MARIN ABRIL

ESPECIALIDAD:CONTADOR PBLICO.

SEMESTRE: GRUPO: 6O A

H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 19 DE JUNIO DEL 2015

H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 10 DE OCTUBRE DEL 2014

TEMA:UNIDAD 2 Y 3MATERIA:ADMINISTRACION DE LA PRODUCCION Y DE LAS OPERACIONES

CATEDRATICO:

ALUMNAS:CABRERA MARIN ABRIL

ESPECIALIDAD:CONTADOR PBLICO.

SEMESTRE: GRUPO: 6O A

H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 19 DE JUNIO DEL 2015

H. CD. DE JUCHITAN DE ZARAGOZA, OAX, A 10 DE OCTUBRE DEL 2014

Contenido

INTRODUCCION.3UNIDAD 2. ADMINISTRACIN DE CALIDAD TOTAL Y CONTROL ESTADSTICO DE PROCESOS.42.1 CONCEPTOS Y FILOSOFAS DE CALIDAD42.2 LA CALIDAD COMO HERRAMIENTA COMPETITIVA72.3 HERRAMIENTAS PARA MEJORAR LA CALIDAD Y EL RENDIMIENTO.82.4 MTODOS DE CONTROL ESTADSTICO DE PROCESOS.92.5 MUESTREO DE ACEPTACIN11UNIDAD 3. PRONSTICOS DE VENTAS143.1 CARACTERSTICAS DE LA DEMANDA143.2 DISEO DEL SISTEMA DE PRONSTICOS143.3 MTODOS DE JUICIOS173.4 MTODOS CASUALES. REGRESIN LINEAL Y MLTIPLE USANDO UN SOFTWARE173.5 MTODOS DE SERIES DE TIEMPOS USANDO UN SOFTWARE183.6 CRITERIOS PARA LA SELECCIN DE MTODOS CON SERIES DE TIEMPOS20CONCLUSION.26

INTRODUCCION.

La calidad se caracteriza por hacer bien las cosas desde la primera accin operativa de los insumos que una empresa industrial, comercial o de servicios presenta en su sistema de organizacin. Los sistemas de calidad en la organizacin de las empresas aparecen a mediados del siglo XX en Japn, mediante los trabajos de Edward Deming, y otros expertos de las empresas multinacionales sobre todo europeos y norteamericanos. Los aportes a los sistemas de calidad han permitido que las empresas en el siglo XXI presenten un sofisticado proceso de integracin horizontal.

Las empresas del sistema econmico moderno priorizan a su departamento de ventas como el ms importante de la organizacin. Pues ella permite el flujo financiero que justifica el incremento de las ventas como resultado de una estrategia nueva, tambin a partir de esta se tiene el control de salidas de recursos. Sin embargo, en este apartado se da importancia a los pronsticos sobre las ventas, considerando que los flujos de informacin son determinantes para tomar decisiones y si son oportunos mejor an. Existen diversos tipos de pronsticos segn el periodo de tiempo que manejemos (a mediano y largo plazo) y de acuerdo a la manipulacin de los datos. Los pronsticos macroeconmicos se emplean para determinar la proyeccin de indicadores globales de un pas como lo son ndice de desempleo, el producto nacional bruto y la tasa lder de inters.

Existen cuatro pasos establecidos, para la determinacin del proceso de pronstico:

1. Recopilacin de datos,

2. Reduccin o condensacin de datos,

3. Construccin del modelo,

4. Extrapolacin del modelo (modelo en s).

El papel que juega el administrador en el proceso de pronstico es clave, pues depende en gran parte, de las condiciones y capacidades administrativas que l tenga, pues sin estas el pronstico simplemente sera un modelo matemtico. Existen dos tipos de paquetes de cmputo de ayuda para determinar el proceso de pronstico eficientemente:

1) paquetes estadsticos que incluyen anlisis de regresin y otras tcnicas que se utilizan con frecuencia en los pronsticos; y

2) paquetes de pronstico diseados especficamente para aplicaciones de este tipo.Los pronosticadores cuentan con cuatro modelos estadsticos (residual o error del pronstico, DAM, EMC, PEMA, PME), que les ayudan a eliminar o a descartar todo posible error que se pueda presentar en el proceso de pronstico, para contar con informacin verdica.UNIDAD 2. ADMINISTRACIN DE CALIDAD TOTAL Y CONTROL ESTADSTICO DE PROCESOS.

2.1 CONCEPTOS Y FILOSOFAS DE CALIDAD

1. EDWARD DEMING establece el siguiente planteamiento: cuando se mejora la calidad se logra:

Los costos disminuyen debido a menos reprocesos. - Menor nmero de errores. - Menos demora y obstculos. - Mejor utilizacin de las maquinas, del tiempo y de los materiales.

I.- ESTRATEGIA DE DEMING:

1. Crear en el propsito de mejora del producto y servicio, con un plan para ser competitivo y permanecer en el campo de los negocios.

2. Adoptar una nueva filosofa eliminar los niveles comnmente aceptados de demoras, errores, productos defectuosos.

3. Suspender la dependencia de la inspeccin masiva, se requiere evidencia estadstica de que el producto se hace con calidad.

4. Eliminar la prctica de hacer negocio sobre la base del precio de venta, en vez de esto, mejore la calidad por medio del precio, es decir minimice el costo total.

5. Buscar reas de oportunidad de manera constante para que se puedan mejorar los sistemas de trabajo de manera permanente.

6. Instituir mtodos modernos de entrenamiento en el trabajo.

7. Instituir una supervisin para que fomente el trabajo en equipo con el objeto de mejorar la calidad lo cual automticamente mejore la productividad.

8. Eliminar el temor, de modo que todos puedan trabajar efectivamente para una empresa. 9. Romper barreras entre los departamentos. Debe existir comunicacin entre todos los integrantes de la empresa, ya que todos tienen un objetivo comn.

10. Eliminar eslogans y metas enfocadas a incrementar la productividad sin proveer mtodos.

11. Eliminar estndares de trabajo que prescriben cuotas numricas ya que si la principal meta es la cantidad, la calidad se va a ver afectada.

12. Eliminar las barreras que se encuentran entre el trabajador y el derecho a sentirse orgulloso de su trabajo.

13. Instituir un vigoroso programa de educacin y entrenamiento que permita desarrollar nuevos conocimientos y habilidades para tener personal ms calificado en beneficio de la empresa.

14. Crear una estructura en la alta direccin que impulse diariamente los 13 puntos anteriores.

II.-FILOSOFA DE JURAN.

Planificacin de la calidad, control de calidad. La planificacin de la calidad consiste en desarrollar los productos y procesos necesarios para satisfacer las necesidades de los clientes. El primer paso para planear la calidad es identificar quienes son los clientes. Para identificar a los clientes hay que seguir el producto para ver sobre quienes repercute. Para comprender las necesidades de los clientes, debemos ir ms all de las necesidades manifestadas y descubrir las no manifestadas. Las percepciones de los clientes pueden parecernos irreales, pero para los clientes son una realidad y, por lo tanto tenemos que tomarlas en serio. La precisin en asuntos de calidad exige que lo digamos con nmeros. Antes de planificar el proceso, debern ser revisados los objetivos por las personas involucradas. El objetivo ptimo de la calidad tiene que satisfacer las necesidades de los clientes y proveedores por igual. La calidad de una empresa empieza por la planeacin de la misma. Muchas empresas tiene que hacer frente a graves prdidas y desechos, deficiencias del proceso de planeacin.

III.- FILOSOFA DE CROSBY. 1. Cumplir con los requisitos.

2. Prevencin.

3. Cero defectos.

4. Precio de incumplimiento.

Etapas en el proceso de mejoramiento de Calidad.

1. Compromiso en la direccin.

2. Equipos de mejoramiento de la calidad.

3. Medicin de la calidad.

4. Evaluacin del costo de la calidad.

5. Concientizacin de la calidad.

6. Equipos de accin correctiva.

7. Comits de accin.

8. Capacitacin.

9. Da cero defectos.

10. Establecimiento de metas.

11. Eliminacin de la causa de error.

12. Reconocimiento.

13. Consejo de calidad.

14. Repetir el proceso de mejoramiento de calidad.

IV.- FILOSOFA DE TAGUSHI.

Propone la palanca de calidad.

Solo en la etapa de diseo de un producto podemos tomar medidas contra la variabilidad causada por agentes internos, externos y por imperfecciones de manufactura (ruido).

La palanca de la calidad. Diseo del producto. Diseo del proceso. Produccin.

- Mejora del producto.

V.- FILOSOFA DE ISHIKAWA. 1. El control total de calidad es hacer lo que se debe hacer en todas las industrias.

2. El control de calidad que no muestra resultados no es control de calidad.

3. Hagamos un control total de calidad que traiga tantas ganancias que no sepamos qu hacer con ellas.

4. El control de calidad empieza con educacin y termina con educacin.

5. Para aplicar el control total de calidad tenemos que ofrecer educacin continua para todo, desde el presidente hasta los obreros.

6. El control total de calidad aprovecha lo mejor de cada persona.

7. cuando se aplica el control total de calidad, la falsedad desaparece de la empresa.

8. El primer paso del control total de calidad es conocer los requisitos de los consumidores.

9. Prever los posibles defectos y reclamos.

10. El control total de calidad llega a su estado ideal cuando ya no requiere de inspeccin.

11. Elimnese la causa bsica y no los sntomas.

12. El control total de calidad es una actividad de grupo.

13. Las actividades de crculos de calidad son parte del control total de calidad.

14. El control total de calidad no es una droga milagrosa.

15. Si no existe liderazgo desde arriba no se insista en el CTC.

2.2 LA CALIDAD COMO HERRAMIENTA COMPETITIVA

El concepto de competitividad nos hace pensar en la idea de excelencia, o sea, con caractersticas de eficiencia y eficacia de la organizacin. El mundo vive un proceso de cambio acelerado y de competitividad global en una economa cada vez ms liberal, marco que hace necesario un cambio total de enfoque en la gestin de las organizaciones.

En esta etapa de cambios, las empresas buscan elevar ndices de productividad, lograr mayor eficiencia y brindar un servicio de calidad, lo que est obligando que los gerentes adopten modelos de administracin participativa, tomando como base central al elemento humano, desarrollando el trabajo en equipo, para alcanzar la competitividad y responda de manera idnea la creciente demanda de productos de ptima calidad y de servicios a todo nivel, cada vez ms eficiente, rpido y de mejor calidad.

Competitividad significa un beneficio sostenible para su negocio. La Competitividad es el resultado de una mejora de calidad constante y de innovacin. Est relacionada fuertemente a productividad: Para ser productivo, los atractivos tursticos, las inversiones en capital y los recursos humanos tienen que estar completamente integrados, ya que son de igual importancia.

Las acciones de refuerzo competitivo deben ser llevadas a cabo para la mejora:

La estructura de la industria turstica.

Las estrategias de las instituciones pblicas.

La competencia entre empresas.

Las condiciones y los factores de la demanda.

Los servicios de apoyo asociados.

2.3 HERRAMIENTAS PARA MEJORAR LA CALIDAD Y EL RENDIMIENTO.

En los ltimos aos, decenas de miles de empleados han trabajado con las herramientas online Una larga lista de empresas (desde pymes hasta multinacionales) en Espaa, Alemania y Holanda han utilizado las herramientas de Administracin de Operaciones para:

- Resolver problemas con sus plantillas

- mejorar la eficacia interna de la empresa

- medir el equilibrio entre vida privada y laboral

- como ayuda para sus programas de liderazgo

- evaluar y mejorar la comunicacin interna

- evaluar a los empleados

- motivar e implicar a sus empleados

- buscar los talentos en la propia plantilla

- definir un plan de formacin a la medida

- medir la ilusin por el trabajo de los empleados/ el clima laboral/ el desempeo - medir la satisfaccin de los clientes

- recabar opiniones sobre cualquier tema

Investigar, medir, evaluar y visualizar resultados de forma fcil y comprensible est al alcance de todos. Para funcionar mejor como empresa es primordial tener control sobre lo que pasa dentro de la empresa y lo que pasa con los empleados y con los clientes. Obtener resultados rpidamente facilita una gestin eficaz y orientada a los resultados.

2.4 MTODOS DE CONTROL ESTADSTICO DE PROCESOS.

La estadstica es una ciencia con base matemtica referente a la recoleccin, anlisis e interpretacin de datos, que busca explicar condiciones regulares en fenmenos de tipo aleatorio.

Distribucin normal.

Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales.

La estadstica se divide en dos elementos:

La estadstica descriptiva, que se dedica a los mtodos de recoleccin, descripcin, visualizacin y resumen de datos originados a partir de los fenmenos en estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos son: histograma, pirmide poblacional etc.

La estadstica inferencial, que se dedica a la generacin de los modelos, inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas si/no (prueba de hiptesis), estimaciones de caractersticas numricas (estimacin), pronsticos de futuras observaciones, descripciones de asociacin (correlacin) o modelamiento de relaciones entre variables (anlisis de regresin). Otras tcnicas de modelamiento incluyen anova, series de tiempo ETC.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay tambin una disciplina llamada estadstica matemtica, la cual se refiere a las bases tericas de la materia. La palabra estadsticas tambin se refiere al resultado de aplicar un algoritmo estadstico a un conjunto de datos, como en estadsticas econmicas, estadsticas criminales, etc.

ESTUDIOS EXPERIMENTALES Y OBSERVACIONALES

Un objetivo comn para un proyecto de investigacin estadstica es investigar la causalidad, y en particular extraer una conclusin en el efecto que algunos cambios en los valores de predictores o variables independientes tienen sobre una respuesta o variables dependientes. Hay dos grandes tipos de estudios estadsticos para estudiar causalidad: estudios experimentales y observacionales. En ambos tipos de estudios, el efecto de las diferencias de una variable independiente (o variables) en el comportamiento de una variable dependiente es observado. La diferencia entre los dos tipos es la forma en que el estudio es conducido. Cada uno de ellos puede ser muy efectivo.

Un estudio experimental implica tomar mediciones del sistema bajo estudio, manipular el sistema y luego tomar mediciones adicionales usando el mismo procedimiento para determinar si la manipulacin ha modificado los valores de las mediciones. En contraste, un estudio observacional no necesita manipulacin experimental. Por el contrario, los datos son recogidos y las correlaciones entre predictores y la respuesta son investigadas.

Los pasos bsicos para un experimento son:

Planeamiento estadstico de la investigacin, lo cual incluye encontrar fuentes de informacin, seleccin de material disponible en el rea y consideraciones ticas para la investigacin y el mtodo propuesto. Se plantea un problema de estudio,

Disear el experimento concentrndose en el modelo y la interaccin entre variables independientes y dependientes. Se realiza un muestreo consistente en la recoleccin de datos referentes al fenmeno o variable que deseamos estudiar. Se propone un modelo de probabilidad, cuyos parmetros se estiman mediante estadsticos a partir de los datos de muestreo. Sin embargo, se mantiene lo que se denominan hiptesis sostenidas (que no son sometidas a comprobacin). Se valida el modelo comparndolo con lo que sucede en la realidad. Se utiliza mtodos estadsticos conocidos como test de hiptesis o prueba de significacin.

Se producen estadsticas descriptivas.

Inferencia estadstica. Se llega a un consenso acerca de qu dicen las observaciones acerca del mundo que observamos.

Se utiliza el modelo validado para tomar decisiones o predecir acontecimientos futuros. Se produce un reporte final con los resultados del estudio.

NIVELES DE MEDICIN

Hay cuatro tipos de mediciones o escalas de medicin en estadstica. Los cuatro tipos de niveles de medicin (nominal, ordinal, intervalo y razn) tienen diferentes grados de uso en la investigacin estadstica. Las medidas de razn, en donde un valor cero y distancias entre diferentes mediciones son definidas, dan la mayor flexibilidad en mtodos estadsticos que pueden ser usados para analizar los datos. Las medidas de intervalo tienen distancias interpretables entre mediciones, pero un valor cero sin significado (como las mediciones de coeficiente intelectual o temperatura en grados Celsius).

Las medidas ordinales tienen imprecisas diferencias entre valores consecutivos, pero un orden interpretable para sus valores. Las medidas nominales no tienen ningn rango interpretable entre sus valores.

La escala de medida nominal, puede considerarse la escala de nivel ms bajo. Se trata de agrupar objetos en clases. La escala ordinal, por su parte, recurre a la propiedad de orden de los nmeros. La escala de intervalos iguales est caracterizada por una unidad de medida comn y constante. Es importante destacar que el punto cero en las escalas de intervalos iguales es arbitrario, y no refleja en ningn momento ausencia de la magnitud que estamos midiendo.

Esta escala, adems de poseer las caractersticas de la escala ordinal, permite determinar la magnitud de los intervalos (distancia) entre todos los elementos de la escala. La escala de coeficientes o Razones es el nivel de medida ms elevado y se diferencia de las escalas de intervalos iguales nicamente por poseer un punto cero propio como origen; es decir que el valor cero de esta escala significan ausencia de la magnitud que estamos midiendo.

2.5 MUESTREO DE ACEPTACIN

En la actividad de control de calidad en ocasiones es necesario inspeccionar lotes de materia prima, partes o productos terminados para asegurar que cumplen ciertos niveles de calidad con un buen grado de confianza. El muestreo de aceptacin es el proceso de inspeccin de una muestra de unidades de un lote con el propsito de aceptar o rechazar todo el lote.Cuando aplicar muestreo de aceptacin. El muestreo de aceptacin se puede aplicar en cualquier relacin cliente-proveedor, ya sea en el interior de una empresa o entre diferentes empresas y se puede ver como una medida defensiva para protegerse de la amenaza del posible deterioro de la calidad. Una situacin tpica del muestreo de aceptacin es la siguiente: una compaa recibe un lote de algn producto de cierto proveedor, ese producto puede ser materia prima o cualquier otro componente que se utiliza en la compaa. Se selecciona una muestra del lote y se inspeccionan algunas caractersticas de calidad a todos los productos seleccionados. Con base en la informacin obtenida con la inspeccin se tomar una decisin: aceptar o rechazar todo el lote. Si los lotes son aceptados pasan directamente a ser utilizados, pero si el lote es rechazado, entonces es devuelto al proveedor o podra estar sujeto a alguna otra disposicin (por ejemplo inspeccin de todos los productos del lote-Inspeccin 100%- pagada por el proveedor). El muestro de aceptacin es una forma particular de inspeccin, entonces este muestreo simplemente acepta o rechaza lotes; pero no mejora la calidad. Es decir el muestreo de aceptacin no es una estrategia de mejora de calidad, es ms bien una estrategia de contencin y de garanta con cierto nivel de seguridad de que se cumplan ciertas especificaciones de calidad que han sido definidas.Decisiones sobre Calidad y Riesgo. Al elaborar un plan de muestreo de aceptacin, se toman en cuenta dos niveles de calidad: El primero es el nivel de calidad aceptable AQL (por sus siglas en ingls; Acceptable Quality Level), o sea, el nivel de calidad deseado por el consumidor. El productor del artculo se esfuerza por lograr el AQL, el cual aparece especificado comnmente en los contratos o las rdenes de compra. Por ejemplo, el contrato puede especificar un nivel de calidad en el cual no se permita ms de una unidad defectuosa en 10.000; sea, un AQL de 0,0001. El riesgo del productor () es la posibilidad de que el plan de muestreo no logre verificar una cantidad aceptable en el lote y que, en consecuencia, lo rechace: un error "Tipo I". Lo ms frecuente es que el riesgo se establezca en 0,05; es decir 5%.El segundo nivel de calidad es la produccin defectuosa tolerable en el lote LTPD (por sus siglas en ingls; Lor Tolerance Proportion); o sea, el peor nivel de calidad que el consumidor puede tolerar. La LTPD es la definicin de una mala calidad que el consumidor deseara rechazar. Reconociendo el elevado costo de los efectos, los gerentes de operaciones deberan ser cautelosos antes de aceptar los materiales de mala calidad que les envan sus proveedores. As pues, los planes de muestreo tienen valores LTPD ms bajos que en el pasado. La probabilidad de aceptar un lote con calidad LTPD es el riesgo del consumidor (), es decir, el error "Tipo II" del plan. n valor muy comn para el riesgo del consumidor es de 0,10, o sea, 10%.[2]Metodologa. Los analistas crean una representacin grfica del rendimiento de un plan de muestreo, trazando la probabilidad de que l sea aceptado, para toda una gama de proporciones de unidades defectuosas. Esta grfica, llamada curva caracterstica de operacin OC (por sus siglas en ingls; Operating Characteristic), describe el grado en que un plan de muestreo permite en el 100% de las ocasiones los lotes cuyo nivel de calidad sean mejor que el AQL y aceote lotes con un nivel de calidad peor que el AQL, el 0% de las veces. Esta curva OC ideal para un plan de un solo muestreo aparece en la figura. Sin embargo ese rendimiento solamente se logra con el 100T% de inspeccin. La curva OC tpica para un plan de un solo muestro, cuya grfica aparece en color gris, muestra la probabilidad () de rechazar un lote bueno (riesgo del productor) y probabilidad (), de aceptar un lote malo (riesgo del consumidor). Por ende, a los gerentes les corresponde elegir un tamao de muestra n y un nmero de aceptacin c para conseguir el nivel de rendimiento especificado por el AQL, el (), la LTPD y el ().Trazado de la Curva OC. La distribucin de muestreo correspondiente al plan de un solo muestreo es la distribucin binomial, porque cada elemento inspeccionado puede estar defectuoso (un fracaso) o no (un xito).La probabilidad de aceptar el lote es igual a la probabilidad de tomar una muestra de tamao n de un lote. Con una proporcin defectuosa de p, y encontrar c o menos elementos defectuosos. A pesar de ello, si n es mayor que 20 y p es menor que 0,05, entonces es posible emplear la distribucin de Poisson como una aproximacin de la distribucin binomial, a fin de aprovechar las tablas preparadas especficamente para dibujar curvas OC. Para dibujar la curva OC, busque la probabilidad de aceptar el lote para un determinado rango de valores de p, despus, cada uno de los valores de p.1. Multiplique p por el tamao de la muestra n2. Busque el valor np en la columna izquierda de la tabla.3. Desplcese hacia la derecha hasta que localice la columna correspondiente a c.4. Registre el valor que corresponde a la probabilidad de aceptacin Pa.Cuando p=AQL, el riesgo del producto, , es 1 menos la probabilidad de aceptacin.Cuando p=LTPD, el riesgo del consumidor , es igual a la probabilidad de aceptacin..Ventajas y desventajas del Muestreo de AceptacinEl muestreo de aceptacin respecto a la inspeccin al 100% tiene las siguientes ventajas:1. Tiene menor costo porque se inspecciona menos, a pesar de algunos costos adicionales generados por la planificacin y administracin de los planes de muestreo. 2. Requiere de menos personal en actividades de inspeccin, simplificando con ello el trabajo de coordinacin y reduciendo manipulacin. 3. El producto sufre menos dao al haber menos manipulacin. 4. Es aplicable en pruebas destructivas. 5 A menudo reduce el error de inspeccin y la monotona. 6. El rechazo de lotes completos por la existencia de artculos defectuosos proporciona una motivacin al fabricante del lote para que mejore su calidad.El muestreo de aceptacin presenta algunas desventajas, como las siguientes:1. Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque un plan de muestreo de aceptacin estn previstos y cuantificados estos riesgos.2. Proporciona menos informacin acerca del nivel de calidad del producto o de su proceso de fabricacin. Aunque bien utilizada, la informacin obtenida puede ser insuficiente.3. Se requiere ms tiempo y conocimiento para planificar y documentar el muestreo, mientras la inspeccin al 100% no. Esto tal vez no sea una desventaja, ya que la planificacin genera otros efectos positivos, como mayor conciencia de los niveles de calidad exigidos por cliente.UNIDAD 3. PRONSTICOS DE VENTAS

3.1 CARACTERSTICAS DE LA DEMANDA

Demanda.

Cantidad de un bien de consumo que se desea comprar por un mercado.

Existen dos tipos de demanda:

1. Demanda dependiente:

Es la demanda de un producto o servicio que se deriva de la demanda de otros productos o servicios.

2. Demanda independiente:

Esta demanda no se deriva directamente de la de otros productos.

Los pronsticos de la demanda pueden ser crecientes o decrecientes, y tener naturaleza lineal o no lineal.

3.2 DISEO DEL SISTEMA DE PRONSTICOS

Muchas de las tcnicas de pronstico que se utilizan actualmente y que se exponen en este trabajo se desarrollaron en el siglo XIX; un ejemplo de ello son los anlisis de regresin. Con el desarrollo de tcnicas de pronstico ms complejas, junto con el advenimiento de las computadoras, los pronsticos recibieron ms atencin durante los aos recientes. Este desarrollo es en especial cierto desde la proliferacin de la pequea computadora personal. Ahora todos los administradores posen la capacidad de utilizar tcnicas de anlisis de datos muy complejas para fines de pronstico, y una comprensin de dichas tcnicas es esencial hoy en da para los Administradores de Empresas.

El objetivo general de los pronsticos es establecer un mecanismo de apoyo terico prctico, que permita tomar una decisin, en cualquier aspecto que sea, para que con la misma y con unas bases estadsticas slidas permitan eliminar cualquier posible error al tomar una decisin. Las tcnicas de pronstico que pueden emplearse para complementar el sentido y la capacidad administrativa de los que toman las decisiones son elementos de juicio en el proceso de pronstico. Quienes toman la decisin lo harn mejor si a partir de la comprensin de las tcnicas de pronstico, tanto cualitativa como cuantitativa, las utilizan de manera adecuada, en vez de que se vean forzados a planear el futuro sin el beneficio de esta valiosa informacin complementaria.

Quin requiere hacer pronsticos? Casi cualquier organizacin, grande y pequea, pblica y privada, utiliza el pronstico ya sea implcito o explicito, debido a que casi todas las organizaciones deben planear como enfrentar las condiciones futuras de las cuales tiene un conocimiento imperfecto.

Adems, la necesidad de hacer pronsticos cruza todas las lneas funcionales lo mismo que todo tipo de organizaciones. Se requiere hacer pronsticos en las reas de finanzas, comercializacin, personal y de produccin, tanto en organizaciones gubernamentales y de bsqueda de ganancias, como en pequeos clubes sociales y en los partidos polticos nacionales.

Tipos de pronsticos

Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar decisiones en una atmsfera de incertidumbre, qu tipos de pronsticos tienen disponibles? En primer trmino, se deben clasificar los procedimientos de pronstico de largo o corto plazos. Los pronsticos a largo plazo son necesarios para establecer el curso general de la organizacin para un largo periodo; de ah que se conviertan en el enfoque particular de la alta direccin. Los pronsticos a corto plazo se utilizan para disear estrategias inmediatas y que usan los administradores de rango medio y de primera lnea para enfrentar las necesidades del futuro inmediato.

Tambin se podra clasificar a los pronsticos en trminos de su posicin en el entorno micro macro, es decir, segn el grado en que intervienen pequeos detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta pudiera estar interesado en pronosticar el nmero de trabajadores que requerir en los prximos meses (un micro pronstico), mientras que el gobierno federal est pronosticando el nmero total de personas empleadas en toda la nacin (un macro pronstico).

Pronstico macroeconmico. Por lo regular pensamos en los pronsticos en trminos de pronosticar variables importantes para una compaa individual o quiz para una parte de una compaa. Ejemplos de ello son las ventas mensuales de la empresa, las ventas unitarias de una de las tiendas de la compaa y las horas de ausencia por empleado y mes en una fbrica.

En la actualidad, los mtodos de pronstico se pueden dividir en forma genrica de dos enfoques;

1) mtodos que usan los enfoques tradicionales de anlisis de series de tiempo y

2) mtodos menos estructurados que se enfocan en las propiedades estadsticas de las mediciones histricas.

Una de las principales dificultades para el desarrollo de pronsticos de la actividad econmica global, consiste en cambios significativos en algn factor econmico clave. Entre tales factores se encuentran los cambios significativos en los precios del petrleo, variaciones sbitas de la inflacin, y los cambios de poltica global en el gobierno de otro pas que afectan la economa propia.

Seleccin Del Mtodo De Pronstico

La exposicin anterior sugiere varios factores a considerar en la seleccin de un mtodo de pronstico. Se debe contemplar el nivel de detalle. Se requiere de un pronstico de detalles especficos (un micro pronstico)? Se precisa el pronstico de algn punto en el futuro cercano (un pronstico a mediano plazo), o para un punto en el futuro distante (un pronstico a largo plazo)? Y, hasta qu grado son apropiados los mtodos cualitativos (de juicio) y cuantitativos (de manipulacin de datos)?

Pasos A Seguir En El Pronstico

Todos los procedimientos formales de pronstico comprenden la extensin de las experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones que generaron los datos anteriores son indistinguibles de las condiciones futuras, con excepcin de aquellas variables reconocidas de manera explcita por el modelo de pronstico.

El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. Con frecuencia este paso es el mayor reto de todo el proceso de pronstico y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre los datos, sean o no relevantes para el problema en cuestin. Siempre que se hace necesario obtener datos pertinentes en una organizacin, abundan los problemas de recopilacin y control de calidad.

El pas 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos pueden ser los adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en el pronstico de ventas de automviles compactos podra desearse emplear slo datos de ventas de automviles a partir del embargo petrolero de la dcada de 1970, en vez de datos de los ltimos 50 aos.

El paso 3, la construccin del modelo, implica ajustar los datos reunidos en un modelo de pronstico que sea el adecuado para minimizar el error del pronstico. Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin del proceso por parte de los administradores que toman las decisiones en la empresa. Con frecuencia se debe establecer un balance entre un enfoque de pronstico complejo que ofrezca ligeramente ms precisin y un enfoque sencillo que sea fcil de entender y ganar el apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es obvio que los elementos de juicio forman parte de este proceso de seleccin.

El paso 4 consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccion un modelo de pronstico apropiado. Es comn que quien realiz el pronstico revise la precisin del proceso mediante el pronstico de periodos recientes de los que se conocen los valores histricos reales. Es entonces cuando se observan los errores de pronstico y se resumen de algn modo. Ciertos procedimientos de pronsticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el nmero de intentos de pronstico para obtener el error de pronstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de mtodos de pronstico alternativos. Algunos procedimientos tambin rastrean y reportan la magnitud de los trminos de error sobre el periodo de pronstico. El examen de los patrones de error conduce con frecuencia al analista a la modificacin del procedimiento de pronstico, el cual genera despus pronsticos ms precisos.

Administracin del proceso de pronstico

La explicacin de esta parte tiene como objeto subrayar nuestra creencia de que la capacidad administrativa y el sentido comn deben formar parte del proceso de pronstico. Se debe pensar en quien pronostica como en un asesor de la direccin, en vez del monitor de un dispositivo automtico de toma de decisiones. Por desgracia, este ltimo es el caso en la prctica, en especial en el entorno de la computadora. De nueva cuenta, las tcnicas en el proceso de pronstico deben ser vistas como lo que en realidad son, herramientas que utilizaran los administradores para llegar a mejores decisiones. Se puede mejorar la utilidad de los pronsticos si los administradores adoptan una actitud ms realista. No se debe ver al proceso como un sustito de la profeca, sino como la mejor forma de identificar y extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, se deben considerar inevitablemente los errores de pronstico e investigar las circunstancias que los generan.

3.3 MTODOS DE JUICIOS

3.4 MTODOS CASUALES. REGRESIN LINEAL Y MLTIPLE USANDO UN SOFTWARE

1. Tendencia lineal Como se dijo antes, la tendencia de una serie viene dada por el movimiento general a largo plazo de la serie. La tendencia a largo plazo de muchas series de negocios (industriales y comerciales), como ventas, exportaciones y produccin, con frecuencia se aproxima a una lnea recta. Esta lnea de tendencia muestra que algo aumenta o disminuye a un ritmo constante. El mtodo que se utiliza para obtener la lnea recta de mejor ajuste es el Mtodo de Mnimos Cuadrados.

2. Tendencia no lineal Cuando la serie de tiempo presenta un comportamiento curvilneo se dice que este comportamiento es no lineal. Dentro de las tendencias no lineales que pueden presentarse en una serie se encuentran, la polinomial, logartmica, exponencial y potencial, entre otras.

c. Mtodos de Suavizamiento de la Serie

1. Promedio mvil Un promedio mvil se construye sustituyendo cada valor de una serie por la media obtenida con esa observacin y algunos de los valores inmediatamente anteriores y posteriores. Se mostrar este mtodo con los siguientes ejemplos: Ejemplo 1. Aplicar el mtodo de promedios mviles para el pronstico de ventas de gasolina a partir de la siguiente informacin:

Suavizamiento exponencial

El Suavizamiento exponencial emplea un promedio ponderado de la serie de tiempo pasada como pronstico; es un caso especial del mtodo de promedios mviles ponderados en el cual slo se selecciona un peso o factor de ponderacin: el de la observacin ms reciente. En la prctica comenzamos haciendo que F1, el primer valor de la serie de valores uniformados, sea igual a Y1, que es el primer valor real de la serie.

3.5 MTODOS DE SERIES DE TIEMPOS USANDO UN SOFTWARE

En desarrollo tecnolgico de la tecnologa de la informtica ha permitido que hoy da existan varios tipos de software que nos permiten abordar con una mayor precisin los llamados mtodos de series de tiempo, existen programas de cmputo diseados especficamente para tratar en forma directa diferentes mtodos de pronstico. Hay dos tipos de paquetes de cmputo de inters para los pronosticadores: 1)paquetes estadsticos que incluyen anlisis de regresin y otras tcnicas que se utilizan con frecuencia en los pronsticos; y 2) paquetes de pronstico diseados especficamente para aplicaciones de este tipo.

Se han desarrollado cientos de paquetes estadsticos y de pronstico tanto para macro como para microcomputadoras Los administradores estn aprovechando la ventaja de la facilidad y disponibilidad de mtodos complejos de pronstico que proporcionan, algunos de los paquetes de cmputo estadsticos y de pronsticos ms utilizados son:

1. Minitab: presenta mens y cuadros de dilogo, manteniendo el lenguaje de comandos para agregar velocidad y flexibilidad. 2. Statistical Package for the Social Sciences (SPSS): paquete estadstico para las ciencias sociales. 3. Statistical Anlisis System (SAS): sistema de anlisis estadstico.

En el anlisis de series de tiempo de datos, una tentacin inmediata consiste en intentar explicar o contabilizar el comportamiento de las series. La descomposicin clsica es un mtodo que se basa en la suposicin de que se pueden descomponer en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una prediccin se hace mediante la combinacin de las proyecciones de cada componente individual. Muchas variables macroeconmicas, como el Producto Nacional Bruto (PNB), el empleo y la produccin industrial estn dominadas por una fuerte tendencia. La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminucin en la serie sobre un periodo amplio.Los aspectos fundamentales que ayudan a explicar la tendencia de una serie son el crecimiento de la poblacin, la inflacin de precios, el cambio tecnolgico y los incrementos en la productividad.

El componente cclico es la fluctuacin en forma de onda alrededor de la tendencia, afectada por lo regular por las condiciones econmicas generales. Los patrones cclicos tienden a repetirse en los datos aproximadamente cada dos tres o ms aos. Es comn que las fluctuaciones cclicas estn influidas por cambios de expansin y contraccin econmicas, a los que comnmente se hace referencia como el ciclo de los negocios.

El componente estacional se refiere a un patrn de cambio que se repite a si mismo ao tras ao. En el caso de las series mensuales, el componente estacional mide la variabilidad de las series de enero, febrero, etc. En las series trimestrales hay cuatro elementos estacinales, uno para cada trimestre. La variacin estacional puede reflejar condiciones de clima, das festivos o la longitud de los meses del calendario.

El componente aleatorio mide la variabilidad de las series de tiempo despus de que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no ocurrentes.La mayora de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo, ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequas, inundaciones o terremotos), elecciones, conflictos armados o la aprobacin de asuntos legislativos, pueden causar irregularidad en una variable.

Una serie estacionaria es aquella cuyo valor promedio no vara a travs del tiempo. Estas situaciones se presentan cuando los patrones de demanda que influyen sobre la serie son relativamente estables. El pronstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte despus en el pronstico de valores futuros. Las tcnicas ms sofisticadas comprenden la actualizacin de la estibacin, al haber nueva informacin.

3.6 CRITERIOS PARA LA SELECCIN DE MTODOS CON SERIES DE TIEMPOS

Una serie con tendencia como una serie de tiempo que contiene un componente de largo plazo que representa el crecimiento o declinacin de la serie a travs de un periodo amplio. Una productividad creciente y la nueva tecnologa conducen a cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de componentes electrnicos, que se increment con el advenimiento de la computadora; y el uso del ferrocarril que se disminuy con la aparicin del avin. El incremento en la poblacin provoca un incremento en la demanda de bienes y servicios. Ejemplo de estos son las utilidades por venta de bienes de consumo, la demanda en el consumo de energa elctrica y el uso de materias primas.

Tcnicas De Pronstico Para Datos Con Estacionalidad. Una serie estacional como una serie de tiempo con un patrn de cambio que se repite a si mismo ao tras ao. Por lo regular, el desarrollo de una tcnica de pronostico estacional comprende la seleccin de un mtodo multiplicativo o uno de adicin y estimar despus ndices estacinales a partir de la historia de la serie. Estos ndices se usan posteriormente para incorporar la estacionalidad al pronstico para eliminar tales efectos de los valorares observados.

Las tcnicas de pronstico para datos estacinales se usan siempre que:

El clima influyente en la variable de inters. Como ejemplos estn el consumo de energa elctrica, las actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agrcola. El ao calendario influye en la variable de inters. Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de semana de tres das y los calendarios escolares.

Tcnicas De Pronstico Para Series Cclicas. Es la fluctuacin en forma de onda alrededor de la tendencia. Los patrones cclicos tienden a repetirse en los datos cada dos, tres o ms aos. Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en intervalos fijos de tiempo y tambin vara la magnitud de las fluctuaciones.

Las tcnicas de pronstico para datos cclicos se utilizan siempre que: El ciclo del negocio influye sobre la variable de inters. Como ejemplos estn los factores econmicos de mercado y de la compendia. Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la msica y la alimentacin. Se presenta cambios en la poblacin. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres naturales. Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introduccin, crecimiento, maduracin, saturacin y declinacin del mercado.

Medicin Del Error En El Pronstico Ya que las tcnicas cuantitativas de pronsticos implican, por lo regular, series de tiempo de datos, se desarroll una notacin matemtica para hacer referencia a cada periodo especfico. Se emplear la letra y para denotar una variable de serie de tiempo, a menos que exista ms de una variable. El periodo asociado con una observacin se muestra como subndice. As, Yt se refiere al valor de la serie de tiempo en el periodo t.

Tambin se desarroll una notacin matemtica para distinguir el valor real de una serie de tiempo y el valor de pronstico. Se emplear el smbolo ^ (acento circunflejo) sobre un valor, para indicar que se trata de un pronstico.Se han ideado diversos mtodos para resumir los errores generados por una tcnica particular de pronstico. La mayora de estas mediciones implican promediar alguna funcin de la diferencia entre el valor real y su valor de pronstico. A menudo se denominan residuales a estas diferencias entre valores observados y los valores de pronstico.

Un mtodo para evaluar una tcnica de pronstico consiste en obtener la suma de los errores absolutos. La Desviacin Absoluta de la Media (DAM) mide la precisin de un pronstico mediante el promedio de la magnitud de los errores de pronstico (valores absolutos de cada error). La DAM resulta de gran utilidad cuando el analista desea medir el error de pronstico en las mismas unidades de la serie original Otra tcnica para evaluar una tcnica de pronstico es el Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y se divide entre el nmero de observaciones. Este enfoque penaliza los errores mayores de pronsticos, ya que eleva cada uno al cuadrado. Esto es importante pues en ocasiones pudiera ser preferible una tcnica que produzca errores moderados a otra que por lo regular tenga errores pequeos, pero que ocasionalmente arroje algunos en extremo grandes.

En ocasiones, resulta ms til calcular los errores de pronstico en trminos de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo, dividiendo ste entre el valor real observado, para ese periodo y despus promediando estos errores absolutos de porcentaje. Este enfoque es til cuando el tamao o magnitud de la variable de pronstico es importante en la evaluacin de la precisin del pronstico. El PEMA proporciona una indicacin de que tan grandes son los errores de pronstico comparados con los valores reales de la serie. Tambin se puede utilizar el PEMA para comparar la precisin de la misma u otra tcnica sobre dos series completamente diferentes.

A veces resulta necesario determinar si un mtodo de pronstico est sesgado (pronstico consistentemente alto o bajo). En estos casos, de las cuatro mediciones de precisin de un pronstico se considera lo siguiente:

La comparacin de la precisin de dos tcnicas diferentes. La medicin de la utilidad o confiabilidad de una tcnica. La bsqueda de una tcnica ptima. Las etapas de resolucin de un problema, mediante este enfoque es la siguiente:

Identificacin Del Problema-. Los pronsticos proporcionan informacin para tomar mejores decisiones. El primer paso es identificar la decisin. Si la decisin no afecta se afecta por el pronstico, el pronstico es innecesario. La importancia de la decisin sugerir el esfuerzo que debe dedicarse a producir un pronstico. Una decisin de una sola vez requiere un pronstico, mientras que una solucin recurrente necesita un pronstico cada vez que se toma la decisin. En cualquier caso la decisin determina qu pronosticar, el nivel de detalle necesario y que con frecuencia se har el pronstico. Los pronsticos de ventas, calidad de materiales ingresos, gastos, uso de energa o los tiempos de llegada de los clientes son una necesidad comn en las empresas. Quien toma las decisiones es el dueo del problema. El analista es quien pronostica. La mayor parte de los pronsticos son separados por equipos que incluyen la administracin, la mercadotecnia, el analista y tal vez el procesamiento de datos. La identificacin del problema determina la misin o el propsito, que muestra como necesidad del pronstico.

Comprensin Del Problema. La base para entender los problemas de pronsticos es comprender el proceso; por ejemplo, el proceso que crea la demanda de un artculo. Nunca se puede comprender por completo el proceso, por lo que solo se puede esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear los pronsticos. Para hacer esto, se examina las caractersticas del problema y se analizan los datos, si existen. Tambin se establece una meta para el pronstico.

Caractersticas Del Problema. Las principales caractersticas de un problema son los pronsticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el nmero de aspectos a pronosticar. Las decisiones a largo plazo no requieren pronsticos exactos; la decisin de construir una nueva planta se basa en la tendencia de los pronsticos para varios aos sucesivos u no en una sola estimacin de la demanda. As los pronsticos muy precisos son innecesarios. Normalmente los pronsticos a largo plazo se hacen para una sola vez. Es comn que se usen mtodos causales y cuantitativos para obtenerlos. Una decisin a mediano plazo puede ser asignar cierta capacidad de la planta a grupos de productos. De nuevo puede no ser necesario conocer la demanda para cada artculo individual, sino para grupos de artculos que comparten instalaciones de produccin. Las decisiones a mediano plazo normalmente requieren pronsticos para uno o dos artculos. Con frecuencia se usan mtodos cuantitativos, incluyendo los causales y las series de tiempo, para los pronsticos a mediano plazo. La decisin a corto plazo es cuntos productos de deben fabricar. En este caso se necesita el nmero real de unidades de producto. Debido a que las decisiones de corto plazo estn basadas en estos pronsticos, necesitan ser razonablemente exactos. Los mtodos de series de tiempo son los que se usan con ms frecuencia para los pronsticos a corto plazo, pero en algunas situaciones, tambin son tiles los mtodos causales y los cuantitativos.

Datos: Examinar los datos cuando se tienen pueden proporcionar una gran visin. Los datos pueden venir de los registros de la empresa o fuentes comerciales o gubernamentales, los registros de la compaa incluyen informacin sobre compras y ventas. Si no existen datos, se deben recolectar o se puede usar un enfoque de pronsticos que no los requiera. Si no se dispone de datos o recolectarlos es demasiado costoso, se elige un enfoque cualitativo. Hay factores externos o internos que afectan a los datos. Los factores externos estn fuera de nuestro control pero se puede influir en los factores internos. Entre los factores internos estn la calidad y el precio del producto el tiempo de entrega publicidad y descuentos. Si se disponen de datos, se grafican para observar si existe un patrn. La grafica muestra una demanda semanal de dentfrico durante los dos ltimos aos. Estos datos se usan para explicar el anlisis de datos de una serie de tiempo. El anlisis de datos causales de una serie de tiempos es similar pero en lugar de graficar, digamos, la demanda contra tiempo, se puede graficar la demanda contra variable causal. Cuando se examina la grfica parece estar nivelada, en trminos burdos, con una pequea variacin que es caracterizada de un proceso constante. Cuando se grafican los datos, la eleccin de la escala es muy importante si se selecciona una escala equivocada, los datos de un proceso constante pueden parecer estacinales fluctuaciones aleatorias. Cuando las tendencias y la estacionalidad estn presentes, los datos deben descomponerse para ver los efectos de cada una. Los datos disparados deben eliminarse antes de analizarlos. El resultado del anlisis de datos es entender el proceso que causa la demanda. Siempre habr una parte inexplicable la componente aleatoria -.

Meta de pronstico: La meta de cualquier sistema de pronsticos es proporcionar eso pronsticos con la exactitud necesaria, a tiempo y a un costo razonable. Un pronstico oportuno est determinado por su utilizacin. El trueque bsico de los pronsticos se hace entre la respuesta al cambio y a la estabilidad, es decir, si se experimenta una demanda anormalmente alta una semana debe decidirse si se requiere ms producto la siguiente semana. Si la demanda alta refleja un cambio en el patrn de demanda, debe aumentarse la produccin, pero si fue slo una fluctuacin aleatoria, no se aumenta. Un buen sistema de pronsticos reaccionar ante los cambios reales e ignorar las variaciones al azar.

Desarrollo de un modelo Una vez identificados los procesos, stos determinan la forma del modelo. Los pronsticos cualitativos no usan modelos sencillos de establecer. Los modelos causales dependen de la situacin particular pero en general tienen la forma. D1 = f (x t-k) + e Donde d representa la variable dependiente, como la demanda, x, la varianza independiente ( o factor causal ) y e, la componente del ruido del tiempo t. La variable dependiente en el tiempo t es idealmente una funcin de la variable independiente en el tiempo t k, k> 1. El lapso del periodo k permite conocer el valor de la variable independiente antes de hacer el pronstico de la variable dependiente; si no hay este lapso, deber pronosticarse la variable independiente antes de obtener un pronstico para la variable dependiente. La relacin funcional entre d y x se representa por f y puede ser lineal, cuadrtica o alguna otra relacin matemtica. Puede haber mas de un factor causal. Para los enfoques de las series de tiempo, los modelos comunes que se estudian son constantes, la tendencia lineal y estacional, o combinaciones de stos. Matemticamente son:Dt = a + e ( constante)

Dt = a + bt + e ( tendencia lineal )

Dt = act + e ( estacional )

Ms comunes, aunque existen otros.

Solucin Del Modelo. El primer paso para resolver el modelo es elegir un mtodo. Si se tiene un modelo causal, el mtodo ser regresin. Para modelos de series de tiempo, existen varios mtodos disponibles, incluso para el mismo proceso. Por ejemplo existen muchos mtodos para pronosticar unas series de tiempo constante. Dado el modelo si se consideran los coeficientes, simplemente se podra introducir los nmeros correctos y obtener el pronstico. Como los parmetros reales de la ecuacin del modelo no se conocen, deben estimarse. Interpretacin e implantacin de la solucin. La interpretacin de la solucin es la tarea ms importante al operar un sistema de pronsticos. Conforme se obtienen los nuevos datos, se actualiza el pronstico. Adems, se compara el pronstico anterior con lo que realmente ocurri para obtener retroalimentacin sobre la calidad del procedimiento de pronsticos. Si la calidad es aceptable, se dice que el procedimiento est bajo control. Si el procedimiento esta fuera de control, es necesario regresar a la etapa de diseo; se requiere volver a estimar los parmetros del modelo actual, o bien, cambiar el modelo. Si el sistema de pronsticos est bajo control, se hace un pronstico para un periodo futuro. Observaciones. Existen dos hechos muy importantes que recordar; los pronsticos los pronsticos casi nunca dan una respuesta exacta y entre ms lejos al futuro se vea, menos preciso ser el pronstico.

Pronsticos Cualitativos. Los mtodos cualitativos de pronsticos utilizan el juicio de los gerentes, su experiencia, los datos relevantes y un modelo matemtico implcito. Como el modelo es implcito, si dos gerentes distintos utilizan los mtodos cualitativos, es frecuente que lleguen a pronsticos con variaciones importantes. Los pronsticos cualitativos deben utilizarse cuando los datos del pasado no resulten confiables como indicadores de las condiciones del futuro. Cuando ocurre lo anterior, los datos del pasado deben compensarse mediante un juicio antes de poder desarrollar un pronstico. Tambin debe utilizarse el pronstico cualitativo para la introduccin de nuevos productos cuando no se dispone de una base de los datos histricos.Los mtodos cualitativos casi siempre se utilizan para pronsticos a mediano y largo plazo que involucren situaciones como diseo del proceso o capacidad de las instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca estn disponibles o, cuando as es, pueden indicar un patrn poco estable.

Investigacin de marcado: Una investigacin de mercado consiste en varios pasos. Primero es necesario desarrollar un cuestionario que deben contener preguntas cuyas respuestas proporcionen la informacin necesaria para determinar un pronstico.El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo, fax, correo electrnico, telfono, una postal para recortar una entrevista o en una persona. La manera en que se lleve a cabo la investigacin puede afectar tanto el nmero como la calidad de las respuestas. El nmero, localizacin y los clientes individuales que respondern deben planearse con cuidado junto con el propsito del estudio. Una vez que se realiza la investigacin, deben tabularse y analizarse los resultados. Se debe tener cuidado al interpretar estos resultados. Las tasa de respuesta pueden ser bajas, las r5espuestas pueden ser incorrectas, o los factores no considerados en el cuestionario pueden afectar el resultado real de los eventos. Mtodo Delphi: Una variacin formal de la opinin de expertos es el mtodo Delphi, Un comit de expertos corresponde al orculo en esta tcnica, y el facilitador determina los participantes, escribe los cuestionarios y analiza los resultados. Los miembros del comit pueden ser expertos de diferentes campos. Por ejemplo uno puede tener orientacin hacia las ventas y otro ser economista. Ellos ofrecen diversos puntos de vista y consideran muchos factores en el proceso. Se pide a los miembros del comit que entreguen pronsticos annimos de eventos especficos y, lo que es ms importante, sus razones para hacer este pronstico. Las preguntas deben ser ambiguas y simples. En lugar de pregunta si las ventas sern altas, debe preguntarse si estarn arriba de un valor dado.

CONCLUSION.

Una buena calidad de los productos y un buen proceso llevado a cabo de una manera estructurada es la base para que una empresa prospere y tenga ganancias. Sabemos que para que una empresa pueda funcionar bien y no se le presenten problemas de ningn tipo debe de contar con un control interno implementado en todas sus reas y que establezcan los objetivos por los cuales esa empresa se fund. Existen muchas formas para que las empresas controlen sus ventas y las entradas y salidas de mercancas de la misma.

Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar decisiones en una atmsfera de incertidumbre, qu tipos de pronsticos tienen disponibles? En primer trmino, se deben clasificar los procedimientos de pronstico de largo o corto plazos. Los pronsticos a largo plazo son necesarios para establecer el curso general de la organizacin para un largo periodo; de ah que se conviertan en el enfoque particular de la alta direccin. Los pronsticos a corto plazo se utilizan para disear estrategias inmediatas y que usan los administradores de rango medio y de primera lnea para enfrentar las necesidades del futuro inmediato.

Tambin se podra clasificar a los pronsticos en trminos de su posicin en el entorno micro macro, es decir, segn el grado en que intervienen pequeos detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta pudiera estar interesado en pronosticar el nmero de trabajadores que requerir en los prximos meses (un micro pronstico), mientras que el gobierno federal est pronosticando el nmero total de personas empleadas en toda la nacin (un macro pronstico).

1