Cap 4 pronostico

38
Resúmen Capítulo 4 PRONÓSTICO

Transcript of Cap 4 pronostico

Page 1: Cap 4 pronostico

Resúmen Capítulo 4PRONÓSTICO

Page 2: Cap 4 pronostico

Objetivo general y específico

Cuando termine este capítulo usted podrá:

Identifique o defina:

Pronóstico, tipos de pronósticos, tiempo horizontal, acercamientos de los pronósticos.

Describa o explique:

Periodo promedio (moving average), pronostico anterior (exponential smoothing),

tendencia de proyección (trend projection), periodo estacional (seasonality), análisis de

regresión y correlación (regression and correlation análisis), medidas de exactitud del

pronostico ( measures of forecast accuracy).

Introducción

En este capítulo, examinamos diversos tipos de pronósticos y presentamos una

variedad de modelos de los pronósticos. Nuestro propósito es demostrar que hay

muchas maneras para que los encargados pronostiquen. También se proveerá una

descripción del pronóstico de ventas del negocio y describimos cómo preparar,

supervisar, y juzgar exactitud de un pronóstico. Los buenos pronósticos son una parte

esencial de operaciones eficientes del servicio y de la manufactura. El pronóstico es el

arte y la ciencia de acontecimientos futuros que predicen.

El Pronóstico Proporciona La Ventaja Competitiva De Tupperware

La mayoría de la gente piensa en Tupperware, ella prevé los envases plásticos

del alimento-almacenaje vendidos a través de los partidos caseros. Tupperware

sucede ser fabricante global acertado, con más el de 85% de su producto, $1 mil

millones en ventas fuera de los E.E.U.U. El pronóstico de demanda en Tupperware es

un proceso crítico, interminable. Cada uno de sus 50 centros de beneficio alrededor

del mundo es responsable de automatizar proyecciones mensuales, trimestrales, y de

Page 3: Cap 4 pronostico

doce meses de las ventas. Estos pronósticos conducen la producción en cada planta.

La variedad de modelos estadísticos del pronóstico usados en Tupperware incluye

cada técnica discutida en este capítulo, incluyendo promedios móviles, alisar

exponencial, y análisis de la regresión.

Día a día los gerentes de Tupperware toman decisiones sin saber qué sucederá

el futuro. Piden inventario sin saber cuál serán las ventas, compran el nuevo equipo a

pesar de la incertidumbre sobre la demanda para los productos, y hacen inversiones

sin saber cuan favorable sea su voluntad.

Proceso de manufactura en Tupperware

Page 4: Cap 4 pronostico

¿Que es pronostico?

El pronóstico es el arte y la ciencia de acontecimientos futuros que predicen.

Puede implicar el tomar de data histórica y proyectarla en el futuro con una cierta clase

de modelo matemático. . Puede ser una predicción intuitiva o subjetiva o puede ser

una combinación de ambas.

Introducimos diversas técnicas de pronóstico en este capítulo, se verá raramente

que hay un método superior. Qué trabaja lo más mejor posible en una firma bajo un

sistema de condiciones puede ser un desastre en otra organización, o en un

departamento diferente pero de la misma organización. Además hay límites en cuanto

a qué se puede esperar de pronósticos; son costosos y se pierde tiempo preparando y

supervisando.

Horizonte del tiempo de pronóstico

Generalmente un pronóstico es clasificado en tres categorías:

1. Pronóstico de corto alcance: Este pronóstico tiene una duración de hasta 1 año

pero es generalmente menos de 3 meses. Se utiliza para planear la compra, el

programar trabajo, niveles de mano de obra, asignaciones del trabajo, y los

niveles de la producción.

2. Pronóstico de mediano alcance: es de alcance intermedio, del pronóstico palmos

generalmente a partir de 3 meses a 3 años. Es útil en la planificación de ventas,

producción y el presupuesto, presupuesto, y en el análisis de algunos planes de

operación.

3. Pronóstico de largo alcance; Generalmente 3 años o más de duración, los

pronósticos de largo alcance se utilizan en planificación de productos nuevos,

los gastos en inversión de capital, localización o extensión de la facilidad, e

investigación y desarrollo.

Los pronósticos mediano y de largo alcance se diferencian de pronósticos de corto

alcance por tres características:

1. los pronósticos duraderos se ocupan de situaciones más comprensivas y apoyan

decisiones de la gerencia con respecto a la planificación y productos, industria, y

procesos.

Page 5: Cap 4 pronostico

2. el pronóstico a corto plazo emplea generalmente diversas metodologías que el

pronóstico de más largo plazo.

3. los pronósticos de corto alcance tienden a ser más exactos que los pronósticos

de largo-alcance. Factores que influencian el cambio de la demanda cada día.

La influencia del ciclo de vida del producto. Otro factor para considerar cuando los

pronósticos de las ventas que se convierten, especialmente los más largos, son ciclo

vital del producto. La mayoría de los productos acertados pasan a través de cuatro

etapas: (1) introducción, (2) crecimiento, (3) madurez, y (4) declinación.

La Importancia Estratégica Del Pronóstico

Las organizaciones utilizan tres tipos importantes de pronósticos en las operaciones

futuras de la planificación:

1. Los pronósticos económicos tratan el ciclo de negocio prediciendo tasas de

inflación, fuentes de dinero, comienzo de cubierta, y otros indicadores del

planeamiento.

2. Los pronósticos tecnológicos se refieren a los índices del progreso tecnológico,

que pueden dar lugar al nacimiento de productos nuevos, requiriendo nuevas

compañías y nuevos equipo.

Los pronósticos de la demanda son proyecciones de la demanda para los productos o

los servicios de una compañía. Estos pronósticos, también llamados los pronósticos de

las ventas, conducen la producción.

El pronóstico económico y tecnológico son técnicas especializadas que pueden bajar

fuera del gerente de operaciones.

Estrategias importantes para el forecastig

Los buenos pronósticos son de importancia crítica en todos los aspectos de un

negocio. Los pronósticos de la demanda conducen decisiones en muchas áreas.

Page 6: Cap 4 pronostico

Miremos el impacto del producto pronosticado en tres actividades: (1) recursos

humanos, (2) capacidad, y (3) gerencia de la proveer-cadena.

Recursos Humanos

Emplear, adiestrar, y el despido a trabajadores dependen de la demanda anticipada. Si

el departamento de recursos humanos debe emplear a trabajadores adicionales sin la

advertencia, la cantidad de adiestramiento declina y la calidad de la mano de obra

sufre.

Capacidad

Cuando la capacidad es inadecuada, los resultados pueden significar entrega mala,

pérdida de clientes, y pérdida de una parte del mercado.

Cadena de fuente gerencial

Las buenas relaciones del suplidor y el sobrevenir tasan las ventajas para los

materiales y las piezas dependiendo de pronósticos exactos.

Siete pasos en el sistema de pronóstico

Pronóstico sigue siete pasos básicos. Utilizaremos la corporación de Tuperware.

Determinar el uso del pronóstico: Las aplicaciones de Tupperware exigen pronósticos

para guiar la producción de cada una de sus 13 “plantas”.

Seleccionar los artículos que se pronosticarán: Para Tupperware, hay sobre 400

productos, cada uno posee SKU (unidad stock-keeping).

Determinar el horizonte del tiempo del pronóstico: Es el pronóstico corto, medio o el

largo plazo? Tupperware desarrolla los pronósticos mensuales, cada cuatro meses, y

12 meses para las proyecciones de ventas.

Page 7: Cap 4 pronostico

Seleccionar el/los modelo(s) del pronóstico: Tupperware utiliza una variedad de

modelos estadísticos.

Recopilar los datos necesitados para hacer el pronóstico: el mundo corporativo de

Tupperware mantiene bases de datos enormes para supervisar la venta de cada

producto.

Hacer el pronóstico

Validar e implementar los resultados: Se aplican las medidas preventivas, los

pronósticos se utilizan para itinerarios de materiales, programar el equipo y a personal

en cada “planta”.

Estos siete pasos presentan una manera sistemática de iniciar, diseñar, y implementar

el pronóstico.

FORECASTING APPROACHES

Hay dos acercamientos generales al pronóstico. Uno es un análisis cuantitativo; el otro

es un acercamiento cualitativo. Pronostico cuantitativo: utiliza una variedad de modelos

matemáticos. Los pronósticos cualitativos incorporan los factores tales como la toma

de decisiones, intuición, emociones, experiencias personales, y sistema del valor en

alcanzar un pronóstico.

Overview of Qualitative Methods

En esta sección, se consideran cuatro técnicas de pronóstico cualitativas:

Jurado de la opinión ejecutiva: bajo este método, reúnen las opiniones de un grupo

gerencial

Page 8: Cap 4 pronostico

Decision Makers

(Evaluate responses and

make decisions)

Respondents(People who

can make valuable

judgments)

Staff(Administerin

g survey)

Método de Delphi: hay tres diversos tipos de participantes en este método; fabricantes

de decisión, equipo personal, y respondedores. Bajo este método, reúnen las opiniones

de un grupo de expertos.

Compuesto de la fuerza de ventas: en este acercamiento, cada vendedor estima qué

las ventas estarán en su región.

Encuesta sobre mercado de consumidor: este método solicita la entrada de los clientes

o de los clientes potenciales con respecto a futuros planes de compra.

Overview of Quantitive Methods

Cinco métodos cuantitativos del pronóstico, que utilizan datos históricos, se describen

en este capítulo.

Tiene dos categorías:

Acercamiento ingenuo

Promedios móviles

Exponencial suave

Proyección de la tendencia

Regresión lineal

ModeloTiempo-Serie

ModeloSociable

Page 9: Cap 4 pronostico

Modelo Tiempo- serie: predice que el futuro es una función del pasado.

Modelo Sociable- regresión lineal, incorpora las variables o factores que pudieron

influenciar la cantidad que era pronosticada.

TIME-SERIES FORECASTING

Series de tiempo se basa en una secuencia (semanal, mensual, por cuartos, etc.) de

los puntos de referencias uniformemente esparcidos.

Descomposition of a Time Series

Analiza series de tiempo significa la subdivisión más allá de datos en componentes y

después la proyección de su delantero.

Una serie de tiempo tiene cuatro componentes: tendencia, por un tiempo, ciclos, y

variación al azar.

Naive Approach

La manera más simple de pronosticar es asumir que la demanda en el período de la

jerarquía será igual a la demanda en el período más reciente.

La demanda del producto planeada sobre 4 años con una tendencia y un seasonality

del crecimiento indicó

Page 10: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 35

De

ma

nd

fo

r p

rod

uct

or

ser

vic

e

| | | |1 2 3 4

Year

Average demand over four years

Seasonal peaks

Trend component

Actual demand

Random variation

Figure 4.1Figure 4.1

Moving Average

Utiliza un número de valores históricos de los datos para generar un pronóstico. Los

promedios móviles son útiles si podemos asumir que las demandas del mercado

permanecerán en un cierto plazo constante.

Matemáticamente, se expresa el promedio móvil simple (que sirve como estimación de

la demanda del período próximo) así:

Moving average = ∑ Demand in previous n periods

n

Cuando una tendencia o un patrón perceptible está presente, los pesos se pueden

utilizar para poner más énfasis en valores recientes. Esta práctica hace técnicas del

Page 11: Cap 4 pronostico

pronóstico más sensible a los cambios porque un período más reciente hace que se

cargue con mayor peso.

El peso móvil promedio se calcula así:

Weighted = ∑ (Weight for period) (Demand in period n )

Moving average ∑ weights

Los promedios móviles simples y cargados son eficaces en alisar fuera de

fluctuaciones repentinas en el patrón de la demanda para proporcionar estimaciones

estables.

Los promedios móviles, sin embargo, presentan tres problemas

1. El aumento del tamaño de n.

2. Los promedios móviles no pueden tomar bien las tendencias.

3. Los promedios móviles requieren expedientes extensos de los datos mas

recientes.

Page 12: Cap 4 pronostico

El cuadro 4.2, un diagrama que ilustra el efecto del retraso del moving average model.

© 2006 Prentice Hall, Inc. 4 – 47

30 30 –

25 25 –

20 20 –

15 15 –

10 10 –

5 5 –

Sal

es

de

man

dS

ale

s d

em

and

| | | | | | | | | | | |

JJ FF MM AA MM JJ JJ AA SS OO NN DD

Actual Actual salessales

Moving Moving averageaverage

Weighted Weighted moving moving averageaverage

Figure 4.2Figure 4.2

Exponential smoothing

Implica muy poco el guardar del expediente de últimos datos.

Se calcula asi:

New forecast = Last period’s forecast

+ α (last period’s actual demand – last period’s forecast)

Donde está α un peso, o alisar a la constante, que tiene un valor entre 0 y 1.

Ft = Ft-1 + α (At-1 – Ft-1)

Page 13: Cap 4 pronostico

La constante que alisa, α, está generalmente en la gama del 05 al 50 para los usos de

negocio. Puede ser cambiada para dar más peso a los datos recientes (cuando a es

alta) o más peso a los últimos datos.

Diferencia de α

© 2006 Prentice Hall, Inc. 4 – 54

225 225 –

200 200 –

175 175 –

150 150 – | | | | | | | | |

11 22 33 44 55 66 77 88 99

QuarterQuarter

Dem

an

dD

ema

nd

= .1= .1

Actual Actual demanddemand

= .5= .5

Measuring Forecast Error

La exactitud total de cualquier promedio de moving average del pronóstico, el

suavizadoe exponencial, otro-puede ser comparando los valores pronosticados con los

valores reales observados. F denota el pronóstico en el período t, y en denota la

demanda real en período (se define el en del pronóstico (o la desviación) como:

Forecast error = Actual demand – Forecasat value

= At –Ft

Page 14: Cap 4 pronostico

Varias medidas se utilizan en la práctica de calcular el error total del pronóstico. Estas

medidas conservan utilizado comparar diversos modelos del pronóstico, tan bien como

supervisar pronósticos para asegurar que se estan haciendo bien.

Mean Absolute Deviation: La primera medida del error total del pronóstico para un

modelo es la desviación absoluta (MAD). Este valor es computado:

MAD = ∑ |Actual - Forecast| N

Mean Squared Error: El error ajustado malo (MSE) es una segunda manera de medir

el o\er, error del pronóstico. MSE es el promedio de las diferencias ajustadas entre

haber pronosticado y observa valores. Su fórmula es:

MSE = ∑ ( Forecast errors)² n

Mean absolute percent error: Un problema con el ME y el MSE es que sus valores

dependen de la magnitud del artículo que es pronosticado. Se calcula asi:

nMAPE = 100 ∑ | Actual i – Forecast i|/Actual i

i=t n

Page 15: Cap 4 pronostico

Exponential Smoothing with Trend Adjustment

Porque el alisar exponencial es un acercamiento que modela tan popular en negocio,

mirémoslo más detalladamente. Aquí es porqué el alisar exponencial debe ser

modificado cuando una tendencia está presente.

Mejoremos nuestro pronóstico, ilustran un modo que mejora el exponencial más

complejo, uno que ajuste según tendencia.

Page 16: Cap 4 pronostico

La idea es computar un promedio exponencial mejorado de los datos y después

ajustar para que haya positivo o el retraso negativo en tendencia. La fórmula es:

Forecast including trend (FITt) = Exponentially smoothed forecast (Ft)

+ Exponentially smoothed trend (Tt)

Con mejorar el exponencial de la tendencia ajustada, las estimaciones para el

promedio y la tendencia se alisan. Este procedimiento requiere dos constantes que

mejoran, α para el promedio y el ß para la tendencia. Después computamos el

promedio y tendemos cada período. La formula es asi:

Ft = α (Actual demand last period) + (1- α) (Forecast las period + estimate last period)

Page 17: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 65

ForecastForecastActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding

MonthMonth((tt)) Demand Demand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt

11 1212 1111 22 13.0013.0022 171733 202044 191955 242466 212177 313188 282899 3636

1010

Table 4.1Table 4.1

© 2006 Prentice Hall, Inc. 4 – 66

ForecastForecastActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding

MonthMonth((tt)) Demand Demand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt

11 1212 1111 22 13.0013.0022 171733 202044 191955 242466 212177 313188 282899 3636

1010

Table 4.1Table 4.1

F2 = A1 + (1 - )(F1 + T1)

F2 = (.2)(12) + (1 - .2)(11 + 2)

= 2.4 + 10.4 = 12.8 units

Step 1: Forecast for Month 2

Page 18: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 67

ForecastForecastActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding

MonthMonth((tt)) Demand Demand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt

11 1212 1111 22 13.0013.0022 1717 12.8012.8033 202044 191955 242466 212177 313188 282899 3636

1010

Table 4.1Table 4.1

T2 = (F2 - F1) + (1 - )T1

T2 = (.4)(12.8 - 11) + (1 - .4)(2)

= .72 + 1.2 = 1.92 units

Step 2: Trend for Month 2

© 2006 Prentice Hall, Inc. 4 – 68

ForecastForecastActualActual SmoothedSmoothed SmoothedSmoothed IncludingIncluding

MonthMonth((tt)) Demand Demand ((AAtt)) Forecast, FForecast, Ftt Trend, TTrend, Ttt Trend, FITTrend, FITtt

11 1212 1111 22 13.0013.0022 1717 12.8012.80 1.921.9233 202044 191955 242466 212177 313188 282899 3636

1010

Table 4.1Table 4.1

FIT2 = F2 + T1

FIT2 = 12.8 + 1.92

= 14.72 units

Step 3: Calculate FIT for Month 2

Page 19: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 70

Figure 4.3Figure 4.3

| | | | | | | | |

11 22 33 44 55 66 77 88 99

Time (month)Time (month)

Pro

du

ct

dem

and

Pro

du

ct

dem

and

35 35 –

30 30 –

25 25 –

20 20 –

15 15 –

10 10 –

5 5 –

0 0 –

Actual demand Actual demand ((AAtt))

Forecast including trend Forecast including trend ((FITFITtt))

Trend Projections

Esta técnica ajusta una tendencia lineal en una serie de puntos históricos y después

proyecta la línea en los pronósticos futuros de los pronosticos mediano a largo estado.

Se pueden desarrollar varias ecuaciones matemáticas de la tendencia.

Metodos cuadrados reduce al mínimo la suma de los errores ajustados (desviaciones).

Page 20: Cap 4 pronostico

Ecuación para calcular las variables de regresión:

Page 21: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 74

b =b =xy xy -- nxynxy

xx22 -- nxnx22

y y = = a a + + bxbx^̂

a = y a = y -- bxbx

Notas al usar el metodo de least quarter: implicar utilizar tres requerimientos:

1. trazar los datos para asegurar una regresion lineal

2. no predecir períodos más allá de la base de datos

3. Las desviaciones alrededor de la línea se asumen al azar

ejemplo

Page 22: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 77

| | | | | | | | |19991999 20002000 20012001 20022002 20032003 20042004 20052005 20062006 20072007

160 160 –

150 150 –

140 140 –

130 130 –

120 120 –

110 110 –

100 100 –

90 90 –

80 80 –

70 70 –

60 60 –

50 50 –

YearYear

Po

we

r d

em

an

dP

ow

er

de

ma

nd

Trend line,Trend line,y y = 56.70 + 10.54x= 56.70 + 10.54x^̂

Seasonal Variation in Data

Movimientos ascendentes o ascendentes en una serie de tiempo que atan los eventos

que se repiten.

El modelo estacional multiplicativo puede modificar datos de la tendencia para

acomodar variaciones estacionales en la demanda.

Pasos que siguen las compañías en sesiones mensuales:

1. Encontrar la demanda histórica mediana para cada cálculo de la estación.

2. Computar la demanda promedio sobre la estación.

3. Computar el índice estacional para cada estación.

4. Estimar la demanda total para el siguiente ano.

Page 23: Cap 4 pronostico

dividir el total de la demanda estimada por el numero de la estación y se

multiplica por el índice estacional para esa estación

ejemplo:

© 2006 Prentice Hall, Inc. 4 – 84

140 140 –

130 130 –

120 120 –

110 110 –

100 100 –

90 90 –

80 80 –

70 70 –| | | | | | | | | | | |

JJ FF MM AA MM JJ JJ AA SS OO NN DD

TimeTime

De

ma

nd

De

ma

nd

2006 Forecast2006 Forecast

2005 Demand 2005 Demand

2004 Demand2004 Demand

2003 Demand2003 Demand

ASSOCIATIVE FORECASTING METHODS: REGRESSION AND CORRELATION

ANALYSIS

Se utiliza cuando los cambios en una o mas variables independientes se pueden utilizar

para predecir los cambios en las variables dependientes.

Using regresión análisis to forecast

Se puede utilizar el mismo modelo matematico que empleamos el el least squares

method of trend projection. ŷ = a + bx .

Page 24: Cap 4 pronostico

Ejemplos:

© 2006 Prentice Hall, Inc. 4 – 89

SalesSales Local PayrollLocal Payroll($000,000), y($000,000), y ($000,000,000), x($000,000,000), x

2.02.0 113.03.0 332.52.5 442.02.0 222.02.0 113.53.5 77

4.0 –

3.0 –

2.0 –

1.0 –

| | | | | | |0 1 2 3 4 5 6 7

Sal

es

Area payroll

© 2006 Prentice Hall, Inc. 4 – 92

4.0 –

3.0 –

2.0 –

1.0 –

| | | | | | |0 1 2 3 4 5 6 7

Sal

es

Area payroll

y y = 1.75 + .25= 1.75 + .25xx^̂ Sales Sales = 1.75 + .25(= 1.75 + .25(payrollpayroll))

If payroll next year If payroll next year is estimated to be is estimated to be $600$600 million, then:million, then:

Sales Sales = 1.75 + .25(6)= 1.75 + .25(6)SalesSales = $325,000= $325,000

3.25

Page 25: Cap 4 pronostico

Standard Error of the Estimate

El pronóstico es el punto estimado del valor futuro. Este punto es el medio de una

distribución de la probabilidad.

© 2006 Prentice Hall, Inc. 4 – 93

Figure 4.9Figure 4.9

4.0 –

3.0 –

2.0 –

1.0 –

| | | | | | |0 1 2 3 4 5 6 7

Sal

es

Area payroll

3.25

Ecuación: Sy,x = √∑(x-yc)²

n-2

Ecuación: Sy,x = √∑y²-a∑y-b∑xy

n-2

Page 26: Cap 4 pronostico
Page 27: Cap 4 pronostico

Correlation Coefficients for Regresión Lines

la ecuación de la regresión es una forma de expresar la naturaleza de la relación entre

dos variables. No tienen causa y efecto. Se identifica la r como coeficiente de

correlacion . Para computar r se utiliza la siguiente ecuación:

r = n∑xy-∑x∑y

√[n∑x²-(∑x)²][n∑y²-(∑y)²]

© 2006 Prentice Hall, Inc. 4 – 99

y

x(a) Perfect positive correlation: r = +1

y

x(b) Positive correlation: 0 < r < 1

y

x(c) No correlation: r = 0

y

x(d) Perfect negative correlation: r = -1

Multiple-Regression Análisis

Un método causal del pronóstico con más de una variable independiente. Permite que

construyamos un modelo con varias variables independientes en vez de utilizar una

variable.

Page 28: Cap 4 pronostico

Se utiliza la siguiente ecuación: ŷ = a + b1x1 +b2x2

MONITORING AND CONTROLLING FORECASTS

Si un pronostico se a determinado, no debe ser olvidado. Ningun gerencial desea

recordar que su pronostico no es exacto. Tracking signal: medias que se hacen en el

pronostico para predecir los valores actuales. El Tracking signal se calcula asi:

(Tracking signal) = RSFE

MAD

= ∑ (Actual demand in period i – Forecast demand in period i)

MAD

MAD = ∑|Actual –Forecast|

N

Page 29: Cap 4 pronostico

© 2006 Prentice Hall, Inc. 4 – 105

Tracking signalTracking signal

++

00 MADsMADs

––

Upper control limitUpper control limit

Lower control limitLower control limit

TimeTime

Signal exceeding limitSignal exceeding limit

Acceptable Acceptable rangerange

Adaptive Smoothing

Un acercamiento al pronóstico que mejora el exponencial en el cual la constante que

mejora se cambia automáticamente a los errores de la subsistencia mínima. Es posible

utilizar la computadora para supervisar el error del pronóstico y ajustar continuamente

los valores de la a y los coeficientes de b usados en mejorar el exponencial para

reducir al mínimo error del pronóstico.

Focus Forecasting

Se adapta eligiendo una constante las computadoras permiten que intentemos hacer

una variedad de modelos del pronóstico. El focus forecasting esta basado en dos

principios:

1. Los modelos sofisticados del pronóstico no son siempre mejores que los

modelos simples.

Page 30: Cap 4 pronostico

2. No hay técnicas que se deben utilizar para todos los productos o servicios

FORECASTING IN THE SERVICE SECTOR

El pronostico presenta desafíos inusuales. La principal necesidad de las ventas al por

menor son los expedientes a corto plazo. Las diferentes necesidades como función de

la industria y del producto. Días festivos y otros días en el calendario y eventos

inusuales.

Page 31: Cap 4 pronostico

Resumen

El pronóstico tiene una función importante en los gerentes. La demanda de pronóstico

conduce a una firma de producción, capacidad y sistema de itinerario y efecto

financiero, mercado y la función del personal de producción.

Conclusión

Con las diferentes variables que existen para realizar el pronóstico en las empresas su

funcionamiento puede ser efectivo. Los gerentes deben conocer cual es la demanda

del producto para así poder saber con que cuenta en su inventario y así poder planificar

su producción, mercadeo, gastos/costos, etc. Si las diversas ecuaciones matemáticas

se utilizan adecuadamente la producción de la compañía será efectiva.

Page 32: Cap 4 pronostico

REFERENCIA

Heizer Jay, Gerencia de Operaciones 8va edición

Resumen por YatmarieNegrón Ocasio