Modelo De Pronosticos E Inventarios

UNIDAD 5 MODELOS DE PRONOSTICOS E INVENTARIOS

MODELOS DE PRONÓSTICOS

Los pronósticos son una de las herramientas fundamentales para la toma de decisiones dentro de las organizaciones tanto productivas como sin fines de lucro. Algunas de las aéreas en donde se utilizan pronósticos en la industria son la planeación y control de inventarios, producción, finanzas, ventas, comercialización entre muchas otras.

OBJETIVO DE UN PRONÓSTICO

Reducir la incertidumbre acerca de lo que puede acontecer en el futuro proporcionando información cercana a la realidad que permita tomar decisiones sobre los cursos de acción a tomar tanto en el presente como en el futuro.

Tipos de pronósticos

Por su plazo: •De corto plazo • De largo plazo

Según el entorno a pronosticar • Micro • Macro

Según el procedimiento empleado • Cualitativo • Cuantitativo

Los pronósticos se pueden clasificar en cuatro tipos básicos: cualitativos, análisis de series de tiempo o cuantitativos, relaciones causales y simulación.

Las técnicas cualitativas son de carácter subjetivo y se basan en estimaciones y opiniones.

5.1 Modelos de pronósticos para un nivel constante

Preguntas tales como ¿cuál va a ser la demanda de un producto durante la temporada? ¿Cuántas piezas de repuesto se van a necesitar? ¿Cuánto personal será necesario para atender a los clientes? son preguntas que pueden cambiar completamente la estructura y/o la economía de un negocio. Estos pronósticos pueden ser tomados a la ligera y ser hechos meramente en base a la opinión de los expedientes en el negocio, o pueden utilizarse algunas técnicas matemáticas para hacerlo.

Para fijar ideas, vamos a centrarnos en el problema de determinar la necesidad de un insumo específico en la producción, por ejemplo, tinta. Lo que pretendemos es basarnos para ello en los datos que sí tenemos, que son los valores de utilización pasada de dicho insumo. Es decir, en base al histórico de consumo, realizaremos un modelo que nos permita pronosticar que es lo que ocurrirá en el futuro.

SERIES DE TIEMPO

Una serie de tiempo es un conjunto de observaciones de una variable aleatoria. Por ejemplo, si nuestra variable aleatoria es y la misma fue observada en los tiempos entonces el conjunto de observaciones es la serie de tiempo. El pronóstico en el tiempo será el valor de la función

Métodos para modelos de nivel constante

Los métodos más simplistas para pronosticar la demanda son:

1. último valor

2. Promedio

3. Promedios móviles

4. Exponencial

1 - Este es el más simple de los métodos de pronóstico y considera el valor de la variable aleatoria. Muy simple, pero útil únicamente en acotados casos.

2 – Pronostica como valor de la variable aleatoria. Esta puede ser una buena estimación cuando se trata de un proceso muy estable o que cambia muy poco en el tiempo.

3 – Los promedios móviles solucionan, en parte, el hecho de que el proceso cambia en el tiempo y considera únicamente las últimas observaciones, por lo que . De esta forma, mejoramos el método anterior, aunque seguimos asignando el mismo peso relativo a las observaciones más viejas que a las más actuales.

4- El método exponencial o de suavizado exponencial, soluciona este problema introduciendo una constante de suavizado, y calcula el nuevo valor de la variable aleatoria como

Estos métodos muestran el hecho fundamental de que los procesos son cambiantes y están sujetos a factores externos que deben ser tenidos en cuenta a la hora de realizar el modelo. Una de estos factores, el que suscita nuestro interés en este momento, es el factor estacional.

5.1.2 Efectos estacionales en los modelos de pronósticos.

La Estacionalidad siempre ha jugado un papel primordial en el análisis de series de tiempo. La mayoría de las técnicas para realizar pronósticos requieren condiciones de estacionalidad. Por lo tanto necesitamos algunas condiciones, es decir, las series de tiempo necesitan tener un proceso estacionario de primer y segundo orden.

Estacionario de Primer Orden: Una serie de tiempo está en el estacionario de primer orden si el valor esperado de X(t) se mantiene constante para cualquier valor de t.

Por ejemplo, en series de tiempo económicas el proceso se encuentra en estacionario de primer orden cuando removemos cualquier tendencia por algún mecanismo como la diferenciación.

Estacionario de Segundo Orden: Una serie de tiempo se encuentra estacionaria de segundo orden solamente cuando la estacionaria de primer orden y la covarianza entre X(t) y X(s) es función de la anchura (t-s.)

De nuevo, en series de tiempo económicas, un proceso es estacionario de segundo orden cuando estabilizamos sus variables por cualquier tipo de transformación como la raíz cuadrada.

5.2 SUAVIZADO EXPONENCIAL EN MODELOS DE TENDENCIA LINEAL.

El método de suavizamiento exponencial puede dar una ponderación mayor a las observaciones más recientes. Las ponderaciones se asigna mediante la constante a, 0 < a < 1.

El modelo se expresa como:

Pronóstico = a (último valor) + (1 - a)(último pronóstico)

Tendencia lineal

n El método más empleado para describir una tendencia lineal es el de mínimos cuadrados, para encontrar una línea de mejor ajuste para un conjunto de puntos.

Y´ = a + bX

n Y´ = valor pronosticado en un periodo X

n a = valor de la tendencia cuando X = 0

n b = pendiente de la recta de tendencia

n X = periodo (codificado)

5.3 Errores en los pronósticos.

Medición del error en el pronóstico

Se compara la precisión de dos o más técnicas de pronóstico.

Se mide la confiabilidad de una técnica de pronóstico.

Se busca la técnica óptima.

5.4 PRONÓSTICOS CAUSALES CON REGRESIÓN LINEAL

PRONÓSTICOS CAUSALES CON REGRESIÓN

El objetivo es pronosticar una variable dependiente, por ejemplo las ventas, en función de una o más variables independientes, por ejemplo el precio. Este es un pronóstico causal, porque el valor de la variable dependiente está causado o al menos tiene una correlación alta con el valor de las(s) variable(s)independiente(s).Lo primero que debe hacerse es un

Análisis de correlación

Para medir la asociación entre las dos variables:

1.Elaborar un diagrama de dispersión para observar si existe una relación lineal entre las variables. En un sistema de coordenadas graficar la nube de puntos considerando X = variable independiente e Y = variable dependiente.

2. Calcular el coeficiente de correlación para

...