Pronosticos

Introducción

En el siguiente informe de laboratorio están desarrollados algunos ejercicios de la practica 4 con el tema de pronósticos referente al curso de planeamiento y control de la producción.

Objetivos

Conocer los métodos para calcular valores futuros por métodos de proyección.

Marco Teórico

Promedio móvil simple

El método de promedios móviles usa un número de valores de datos históricos reales para generar un pronóstico. Los promedios móviles son útiles si podemos suponer que la demanda del mercado permanecerá relativamente estable en el tiempo. (Render, 2004)

Promedio móvil doble

El promedio móvil doble puede ser usado para suavizamientos adicionales de un promedio móvil simple, calcular el promedio móvil doble es simple primero calculamos el promedio móvil simple luego el segundo promedio móvil es calculado del el primer promedio móvil. (Yaffee, 2000)

Ajuste exponencial simple

El suavizaminto exponencial es un método de pronostico fácil de utilizar y que se maneja eficientemente mediante computadoras, aunque es una técnica del tipo de promedio móvil, implica un nivel bajo de registro de datos pasados. La fórmula básica del suavizamiento exponencial seria la igualdad del nuevo pronostico y el pronóstico del último periodo más un alfa por la demanda real del último periodo menos el pronóstico del último periodo donde alfa es un peso que tiene valor entre 0 y1. (Render, Metodos cuantitativos para los negocios, 2006)

Ajuste exponencial doble

Desde el modelo de suavizamiento exponencial simple no cuenta una tendencia in los datos, el valor del pronóstico calculado por este modelo puede retrasarse el actual valor particular donde existe una tendencia en los datos, el suavizamiento exponencial doble supera este problema ajustando el valor pronosticado por la tendencia. (Jain, 2005)

Mínimos cuadrados

Cuando las demanda son estacionales, los modelos tradicionales de pronósticos no permiten determinar con alguna precisión los valores deseados por lo tanto existe un método denominado winters, en el que se suavizan realmente algunos valores del histórico al extremo que requiera determinada estacionalidad. Este modelo se fundamenta en utilizar constantes que le proporcional una mayor significancia a los valores que producen una demanda mayor o menor de un bien o servicio en un momento determinado o periodo de tiempo. (Vega, 2000)

Practica

Ejercicio 1:

Victor Cueva, gerente de inventarios, desea desarrollar un sistema de pronóstico a corto plazo para estimar el volumen de inventario que fluye de su almacén todas las semanas. Ella cree que la demanda de inventario por lo general ha sido estable, con algunas ligeras fluctuaciones aleatorias de una semana a la siguiente. Un analista de las oficinas centrales de la empresa sugirió que utilizara un promedio móvil de 3, 5 o 7 semanas. Antes de tomar una decisión, Victor decidió comparar la precisión de cada una de ellas en relación con el periodo de diez semanas más reciente. N=3.

semana demanda pronostico D-P (D-P)^2

1 100

2 125

3 90

4 110 105 5 25

5 105 108,333333 -3,33333333 11,1111111

6 130 101,666667 28,3333333 802,777778

7 85 115 -30 900

8 102 106,666667 -4,66666667 21,7777778

9 110 105,666667 4,33333333 18,7777778

10 90 99 -9 81

11 105 100,666667 4,33333333 18,7777778

12 95 101,666667 -6,66666667 44,4444444

13 115 96,6666667 18,3333333 336,111111

14 120 105 15 225

15 80 110 -30 900

16 95 105 -10 100

17 100 98,3333333 1,66666667 2,77777778

18 91,6666667 249,111111

RESPUESTA: el valor pronosticado seria de 91,6666667.

Ejercicio 2:

La empresa Kerosene S.A fabricante de conexiones de plástico, desea estimar la demanda de uno de estos productos que se llama codo de 90°x 25mm. Esto es para el mes de marzo de 2006 p/ lo cual cuenta con la información histórica que se indica. Para efectuar los cálculos se debe considerar que n=2, 3, 4. A partir del mejor pronóstico indique si la producción de codos de 90°x 25mm crece o decrece y en consecuencia indique que acciones se deberían tomar.

N=2

periodos demanda pronostico D-P (D-P)^2

noviembre 10

diciembre 20

enero 20 15 5 25

febrero 30 20 10 100

marzo 32 25 7 49

abril 27 31 -4 16

mayo 18 29,5 -11,5 132,25

junio 30 22,5 7,5 56,25

julio 25 24 1 1

agosto 22 27,5 -5,5 30,25

septiembre 15 23,5 -8,5 72,25

octubre 17 18,5 -1,5 2,25

noviembre 16 16 0 0

diciembre 20 16,5 3,5 12,25

enero 18 18 0 0

febrero 20 19 1 1

marzo 19 35,53571429

N=3

periodos demanda pronostico D-P (D-P)^2

noviembre 10

diciembre 20

enero 20

febrero 30 16,6666667 13,3333333 177,7777778

marzo 32 23,3333333 8,66666667 75,11111111

abril 27 27,3333333 -0,33333333 0,111111111

mayo 18 29,6666667 -11,6666667 136,1111111

junio 30 25,6666667 4,33333333 18,77777778

julio 25 25 0 0

agosto 22 24,3333333 -2,33333333 5,444444444

septiembre 15 25,6666667 -10,6666667 113,7777778

octubre 17 20,6666667 -3,66666667 13,44444444

noviembre 16 18 -2 4

diciembre 20 16 4 16

enero 18 17,6666667 0,33333333 0,111111111

febrero 20 18 2 4

marzo 19,3333333 43,43589744

N=4

periodos demanda pronostico D-P (D-P)^2

noviembre 10

diciembre 20

enero 20

febrero 30

marzo 32 20 12 144

abril 27 25,5 1,5 2,25

mayo 18 27,25 -9,25 85,5625

junio 30 26,75 3,25 10,5625

julio 25 26,75 -1,75 3,0625

agosto 22 25 -3 9

septiembre 15 23,75 -8,75 76,5625

octubre 17 23 -6 36

noviembre 16 19,75 -3,75 14,0625

diciembre 20 17,5 2,5 6,25

enero 18 17 1 1

febrero 20 17,75 2,25 5,0625

marzo 18,5 32,78125

Respuesta: el mejor pronóstico sería el de 18, 5 ya que tiene el menor error medio cuadrático.

Ejercicio 3:

Con los datos obtenidos en el problema anterior, se desea calcular los pronósticos de ventas para los meses de noviembre, diciembre y enero. Estos cálculos se deberán obtener mediante PMD.

periodos demanda PMS PMD

...