PLANEAMIENTO Y CONTROL DE OPERACIONES  1997 Irwin/McGraw-Hill, A Division of the McGraw-Hill Companies PowerPoint Supplement developed by: William E. Youngdahl World Business Department Thunderbird, The American Graduate School of International Management Pronósticos Irwin/McGraw-Hill The McGraw-Hill Companies, Inc., 1998 1

Administración de la Demanda Demanda Independiente B(4) C(2) D(2) E(1) D(3) F(2) Demanda Dependiente 3 3

Demanda Independiente Asumir un papel activo para influenciar la demanda Asumir un papel pasivo y simplemente responder a la demanda 4 4

Tipos de Pronósticos Cualitativos (juicio) Cuantitativos Análisis de Series de tiempos Proyección Causal Simulación 5 5

Componentes de la Demanda ¿Qué ocurre aquí? x x Ventas 1 2 3 4 Año 6 6

La tendencia tiene mucho significado Comenzar identificando la tendencia ¿Cual es la tendencia en las ventas de computadoras personales? ¿Existen factores estacionales, factores cíclicos u otros eventos que podrían afectar las ventas de computadores personales? 7 7

Métodos Cualitativos Proyección fundamental Investigación de mercado Consenso de grupo 8 8

Métodos Cualitativos Criterio ejecutivo Analogía Histórica Método Delphi 9 9

Método Delphi l. Escoger a los expertos que van a participar. Debe haber una variedad de personas con conocimientos en las diferentes áreas. 2. A través de un cuestionario (o correo electrónico), obtener las proyecciones de todos los participantes. 3. Resumir los resultados y redistribuir a los participantes junto con nuevas preguntas apropiadas. 10 10

Método Delphi 4. Resumir el nuevo, verificar las proyecciones y condiciones y desarrollar nuevas preguntas. 5. Repetir el paso 4 si es necesario. Distribuir los resultados finales a todos los participantes. 11 11

Aplicación del juicio en los Pronósticos Empresas grandes y pequeñas Ventas Ventas Bajas Altas Técnica < $100M > $500M Opinión del gerente 40.7% 39.6% Opinión de un jurado de ejecutivos 40.7% 41.6% Reunión de la fuerza de ventas 29.6% 35.4% Número de firmas 27 48 Source: Nada Sanders and Karl Mandrodt (1994) “Practitioners Continue to Rely on Judgmental Forecasting Methods Instead of Quantitative Methods,” Interfaces, vol. 24, no. 2, pp. 92-100. 12 12

Aplicaciones de Métodos Cuantitativos Empresas grandes y pequeñas Técnica Ventas Bajas < $100M Altas > $500M Promedio móvil 29.6% 29.2% Progresión Lineal 14.8% 14.6% Naive 18.5% Suavizamiento exponencial 20.8% Regresión 22.2% 27.1% Simulación 3.7% 10.4% Descomposición Clásica 8.3% Box - Jenkins 6.3% Número de firmas 27 48 Source: Nada Sanders and Karl Mandrodt (1994) “Practitioners Continue to Rely on Judgmental Forecasting Methods Instead of Quantitative Methods,” Interfaces, vol. 24, no. 2, pp. 92-100. 13 13

Análisis de Series de Tiempo Seleccionar un modelo sobre la base de: 1. El horizonte de tiempo para pronosticar 2. Disponibilidad de datos 3. Exactitud requerida 4. Tamaño del presupuesto para realizar el pronóstico 5. Disponibilidad de personal calificado 14 14

Promedio Móvil Simple Semana Demanda 1 650 2 678 Desarrollar pronósticos de promedio móvil con 3 y 6 semanas. Asumir que tiene sólo demandas reales de 3 y 6 semanas para cada pronóstico 3 720 4 785 5 859 6 920 7 850 8 758 9 892 10 920 11 789 12 844 15 15

Semana Demanda 3-Semanas 6-Semanas 1 650 2 678 3 720 4 785 682.67 5 859 727.67 6 920 788.00 7 850 854.67 768.67 8 758 876.33 802.00 9 892 842.67 815.33 10 920 833.33 844.00 11 789 856.67 866.50 12 844 867.00 854.83 16 Irwin/McGraw-Hill The McGraw-Hill Companies, Inc., 1998 16

1000 900 Demanda 800 Demanda 3-Semana 700 6-Semanas 600 500 1 2 3 4 5 11 12 Semana 17 The McGraw-Hill Companies, Inc., 1998 Irwin/McGraw-Hill 17

Ejercicio Desarrollar pronósticos de promedio móvil de 3 y 5 semanas. Asumir que sólo tiene demandas reales de 3 y 5 semanas para los respectivos pronósticos Semana Demanda 1 820 2 775 3 680 4 655 5 620 6 600 7 575 18 18

Solución Semana Demanda 1 820 2 775 3 680 4 655 758.33 5 620 703.33 6 3-Semanas 5-Semanas 1 820 2 775 3 680 4 655 758.33 5 620 703.33 6 600 651.67 710.00 7 575 625.00 666.00 19 19

Promedio Móvil Ponderado Determinar el promedio móvil ponderado de 3 periodos para pronosticar la demanda del periodo 4. Semana Demanda 1 650 2 678 3 720 Pesos: t-1 .5 t-2 .3 t-3 .2 4 20 20

Solución Semana Demanda Pronóstico 1 650 2 678 3 720 4 693.4 21 21

Ejercicio Determinar el promedio móvil ponderado de 3 periodos del periodo 5. Pesos: t-1 .7 t-2 .2 t-3 .1 Semana Demanda 1 820 2 775 3 680 4 655 22 22

Solución Semana Demanda Pronóstico 1 820 2 775 3 680 4 655 5 672 23 23

Suavizamiento Exponencial Ft = Ft-1 + (At-1 - Ft-1) Premisa--Las observaciones más recientes tienen un mayor valor predictivo. Por consiguiente, deberíamos otorgar mayor peso a los periodos más recientes cuando realicemos pronósticos. 24 24

Suavizamiento Exponencial Ejemplo: Determine un pronóstico de suavizamiento exponencial para los periodos de 2-10 usando =.10 y =.60. Hacer F1=D1 25 25

Semana Demanda 0.1 0.6 1 820 820.00 820.00 2 775 820.00 820.00 3 680 815.50 793.00 4 655 801.95 725.20 5 750 787.26 683.08 6 802 783.53 723.23 7 798 785.38 770.49 8 689 786.64 787.00 9 775 776.88 728.20 10 776.69 756.28 26 Irwin/McGraw-Hill The McGraw-Hill Companies, Inc., 1998 26

Efecto de  sobre el Pronóstico 900 800 Demanda Demanda 700 0.1 600 0.6 500 1 2 3 4 5 6 7 8 9 10 Semana 27 27

Ejercicio Determine pronósticos de suavizamiento exponencial para los periodos 2-5 usando =.50 Hacer F1=D1 28 28

Ejercicio (Solución) 29 29

Errores de Pronósticos 1 MAD » 0.8 desv. standar 1 desv. estandar » 1.25 MAD Estudiar la fórmula por un momento Ahora, qué significa MAD 30 30

Ejemplo--MAD Determine el MAD para los cuatro periodos pronosticados Mes Ventas Pronóstico 1 220 n/a 2 250 255 3 210 205 4 300 320 5 325 315 Determine el MAD para los cuatro periodos pronosticados 31 31

Solución Mes Ventas Pronóstico Error Abs 1 220 n/a 2 250 255 5 3 210 205 5 4 300 320 20 5 325 315 10 40 32 32

Señal de Rastreo RSFE Suma de los errores de pronóstico TS = = MAD Desviación Media absoluta ¿Está el pronóstico siguiendo adecuadamente los cambios en la demanda (incremento o disminución)? 33 33

¿Qué puede notar? 40 35 Ventas 30 25 20 1 2 3 4 5 6 7 8 9 10 Periodo 1 2 3 4 5 6 7 8 9 10 Periodo 34 34

Modelo de Regresión Lineal Simple Yt = a + bx Y 0 1 2 3 4 5 x (semanas) b es similar a la pendiente. Sin embargo, teniendo en cuenta que ésta ha sido calculada con la variabilidad de los datos en mente, su formulación no es una línea recta con la noción usual de pendiente. 35 35

Calculando a y b 36 36

Regresión Lineal Ejemplo: Desarrollar una ecuación de regresión para predecir las ventas sobre la base de los 5 puntos. 37 37

38 Irwin/McGraw-Hill The McGraw-Hill Companies, Inc., 1998 38

y = 143.5 + 6.3t 180 175 170 165 160 Ventas Ventas 155 Pronóstico 150 145 140 135 1 2 3 4 5 Periodo 39 Irwin/McGraw-Hill The McGraw-Hill Companies, Inc., 1998 39