Modelos De Pronosticos

Modelos de pronósticos para un nivel constante

Los pronósticos son parte vital del negocio de muchísimas empresas y es algo que en Uruguay, muchas veces se hace a la vieja usanza, con la regla del ojo por ciento. 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 experientes 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 establecer es la necesidad futura de este insumo y como no hacemos futurología ni tenemos la bola de cristal, debemos 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. Por ejemplo, las necesidades de nuestro insumo tinta,

...