Pronosticos

2.901 visualizaciones

Publicado el

Calculo de los diferentes pronósticos como ser el MAD

Publicado en: Economía y finanzas
0 comentarios
3 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
2.901
En SlideShare
0
De insertados
0
Número de insertados
6
Acciones
Compartido
0
Descargas
116
Comentarios
0
Recomendaciones
3
Insertados 0
No insertados

No hay notas en la diapositiva.

Pronosticos

  1. 1. UNIVERSIDAD TECNOLOGICA DE HONDURAS Catedrático: Ing. Walther Francisco Santos Asignatura: Administración de la Producción I Responsable: Arely Castro López (201210010516) Titulo: Pronósticos (modulo 5) 17/07/2014
  2. 2. Mapa mental
  3. 3. Desde tiempos antiguos, como sociedad o de manera individual, hemos querido conocer que sucederá en el futuro, y así estar preparados para afrontarlo. Las organizaciones no son la excepción. Ellas también desean saber lo que sucederá en el futuro, cuáles serán los cambios en el mercado, cuáles serán los cambios en la demanda y en la economía, entre otros sucesos, para poder reaccionar de acuerdo a ellos y con esto reducir los efectos negativos, y si es posible aprovecharlos obteniendo una mayor rentabilidad económica. Por lo cual se utilizan distintos métodos de pronósticos para predecir la demanda y reducir en la mayor medida posible la incertidumbre. Sabemos que los pronósticos no son totalmente exactos. Ningún modelo de pronósticos es preciso. Para seleccionar el modelo de pronóstico más adecuado para predecir la demanda, debemos determinar el error de los modelos de pronóstico que queremos utilizar, en relación a los valores reales de demanda. El modelo de pronóstico con el menor margen de error será el más adecuado para predecir la demanda. Tipos de pronósticos Las organizaciones utilizan tres tipos principales de pronósticos en la planeación de operaciones futuras:
  4. 4. Los pronósticos económicos: abordan el ciclo del negocio al predecir tasas de inflación, suministros de dinero, construcción de viviendas, producto interno bruto, índice de precio del consumidor, devaluación de la moneda y otros indicadores de planeación. Los pronósticos tecnológicos se refieren a las tasas de progreso tecnológico, las cuales pueden resultar en el nacimiento de nuevos e interesantes productos, que requerirán nuevas plantas y equipo. Los pronósticos de la demanda son proyecciones de la demanda de productos o servicios de una compañía Para determinar el modelo de pronóstico más adecuado es necesario contar con datos muy precisos de la demanda. Se deben utilizar varios modelos de pronósticos considerando varias condiciones, para obtener el modelo más adecuado para predecir la demanda. No nos podemos basar en unos dos o tres escenarios se deben considerar todas las posibilidades que se pueden presentar.
  5. 5. El pronóstico es la única estimación de la demanda hasta que se conoce la demanda real Los pronósticos casi nunca son perfectos. Esto significa que factores externos no predecibles o controlables suelen afectar el pronóstico. Las compañías deben admitir esta realidad. Además de esto tenemos que comprender las variaciones estacionales pues es importante para planear la capacidad en las organizaciones que manejan picos en la carga de trabajo. Esto incluye a las compañías de energía eléctrica durante los periodos de frío o calor intensos, a los bancos los viernes por la tarde, y a trenes subterráneos y autobuses durante las horas de tráfico matutino o vespertino La mayoría de las técnicas de pronóstico suponen la existencia de cierta estabilidad subyacente en el sistema. En consecuencia, algunas empresas automatizan sus
  6. 6. predicciones a través de software para pronósticos computarizados y después sólo vigilan de cerca aquellos productos cuya demanda es errática. Tanto los pronósticos de familias de productos como los de productos agregados son más precisos que los pronósticos para productos individuales. Por ejemplo: Una empresa productora de leche le es más seguro pronosticar la demanda de leche en general, que calcular la demanda individual de cada presentación de leche que elabore. En definitiva es posible imaginar la dificultad que implica determinar los valores futuros de algunas variables independientes comunes (como índices de desempleo, producto nacional bruto, índices de precios, y otros).Gracias a las técnicas que disponemos hoy en día.
  7. 7. Ejercicios 1. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses. Aquí están la demanda pronosticada y la real: Calcule la desviación absoluta media para el pronóstico. MAD = Demanda real – pronostico Numero de periodos utilizados Mes Pronostico Real Error porcentual absoluto Abril 250 200 250 – 200 = 50 Mayo 325 250 325 – 250 = 75 Junio 400 325 400 – 325 = 75 Julio 350 300 350 – 300 = 50 Agosto 375 325 375 – 325 = 50 Septiembre 450 400 450 – 400 = 50 Sumatoria 350 MAD = 350/6 = 58.33 La desviación absoluta media para el pronóstico es de 58.33
  8. 8. 2. Se usó un modelo de pronóstico específico para adelantar la demanda de un producto. Los pronósticos y la demanda correspondiente que se presentaron a continuación se dan en la tabla. Use las técnicas MAD para el modelo de pronóstico. Año Real Pronostico Error porcentual absoluto Octubre 700 660 700 – 660 = 40 Noviembre 760 840 760 – 840 = - 80 Diciembre 780 750 780 – 750 = 30 Enero 790 835 790 – 835 = - 45 Febrero 850 910 850 – 910 = -60 Marzo 950 890 950 – 890 = 60 -25 MAD = -25/6 = -4.17 3. A continuación se presentan dos pronósticos semanales realizados mediante dos métodos diferentes para el número de galones de gasolina, en miles, demandado en una gasolinera local. También se muestran los niveles reales de demanda, en miles de galones:
  9. 9. Calcule el MAD para cada modelo de pronóstico y determine el más adecuado de los dos para predecir la demanda. Semana Método 1 Demanda real Error porcentual absoluto 1 0.90 0.70 0.90 – 0.70 = 0.20 2 1.05 1.00 1.05 – 1.00 = 0.05 3 0.95 1.00 0.95 – 1.00 = - 0.05 4 1.20 1.00 1.20 – 1.00 = 0.20 0.40 MAD = 0.40/4 = 0.10 Semana Método 2 Demanda real Error porcentual absoluto 1 0.80 0.70 0.80 – 0.70 = 0.10 2 1.20 1.00 1.20 – 1.00 = 0.20 3 0.90 1.00 0.90 – 1.00 = -0.10 4 1.11 1.00 1.11 – 1.00 = 0.11 0.31 MAD = 0.31/4 = 0.77 Analizando los resultados de MAD para estos métodos podemos observar que de los métodos el que tiene el menor MAD es el método 2 por lo tanto es el más adecuado. 4. La demanda de audífonos para estereofónicos y reproductores de discos compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El número de trotadores sigue en aumento, así que Nina espera que la demanda también se incremente, porque, hasta ahora, no se han promulgado leyes de seguridad que impidan que los trotadores usen audífonos. La demanda de estéreos del año pasado fue la siguiente:
  10. 10. Utilice proyección de tendencia para determinar una ecuación de tendencia y pronostique la demanda para el mes de Enero del próximo año. Mes Periodo (x) Demanda (y) X2 XY Enero 1 4,200 1 4,200 Febrero 2 4,300 4 8,600 Marzo 3 4,000 9 12,000 Abril 4 4,400 16 17,600 Mayo 5 5,000 25 25,000 Junio 6 4,700 36 28,200 Julio 7 5,300 49 37,100 Agosto 8 4,900 64 39,200 Septiembre 9 5,400 81 48,600 Octubre 10 5,700 100 57,000 Noviembre 11 6,300 121 69,300 Diciembre 12 6,000 144 72,000 X = 78 Y= 60,200 X2 = 650 XY = 418,800 Σx= 78/12 = 6.5 Σy= 60200/12 = 5016.67 b= xy - n x y / x2 – n x2 b= 418,800 – (12) (6.5) (5016.67) /650 – (12) (6.5)2 = 27,499.74 / 143 = 192.31 a= y - b(x) = 5016.67 – (192.31) (6.5) = 3766.65 y>= a + bx y>= 3766.65 + 192.31x
  11. 11. Demanda para Enero = 3766.65 + 192.31 (13) = 3766.65 + 2500.03 = 6267 Demanda para Enero del próximo año sería de 6267 5. A continuación se da la demanda tabulada actual de un artículo durante un periodo de nueve meses (de enero a septiembre). Utilice proyección de tendencias para determinar la demanda del mes de Octubre. Mes Periodo (x) Demanda (y) X2 XY Enero 1 110 1 110 Febrero 2 130 4 260 Marzo 3 150 9 450 Abril 4 170 16 680 Mayo 5 160 25 800 Junio 6 180 36 1080 Julio 7 140 49 980 Agosto 8 130 64 1040 Septiembre 9 140 81 1260 X = 45 Y = 1310 X2 = 285 XY = 6,660 X = 45/9 = 5 b= 1310/9 = 145.56 b= 6660 – (9) (5) (145.56) / 285 – (9) (5)2 = 1.83 a= 145.56 – (1.83) (5) = 136.41 y> = 136.41 + 1.83x
  12. 12. Demanda mes de octubre = 136.41 – 1.83 (10) = 155 La demanda para el mes de octubre sería de 155 6. La asistencia a un parque de diversiones ha sido la siguiente: a) Calcule los índices estacionales usando todos los datos. Estación 2005 2006 2007 Invierno 73 65 89 Primavera 104 82 146 Verano 168 124 205 Otoño 74 52 98 Demanda promedio invierno = 73+65+89/3 = 75.67 = 76 (promediado) Demanda promedio primavera = 104+82+146/3 = 110.67 = 111 (promediado) Demanda promedio verano = 168+124+205/3 = 165.67 = 166 (promediado) Demanda promedio otoño = 74+52+98/3 = 74.67 = 75 (promediado) Demanda promedia estacional = 428/4 = 107 Índice estacional para invierno = 76/107 = 0.71 Índice estacional para primavera = 111/107 = 1.04 Índice estacional para verano = 166/107 = 1.55 Índice estacional para otoño = 75/107 = 0.70
  13. 13. Demanda Demanda Demanda Demanda promedio para el periodo Demanda promedio estacional Índice estacional Estación 2005 2006 2007 Invierno 73 65 89 76 107 0.71 Primavera 104 82 146 111 107 1.04 Verano 168 124 205 166 107 1.55 Otoño 74 52 98 75 107 0.70 =428 b) Si espera que la demanda para el año 2008 sea de 6,000 personas, ¿Cuál será la demanda para cada trimestre? Demanda promedio para el año 2008 6000/4 = 1500 asistentes Invierno = 1500*0.71 = 1065 Primavera = 1500*1.04 = 1560 Verano = 1500*1.55 = 2325 Otoño = 1500*0.70 = 1050 Trimestre 2008 Asistentes Invierno 1065 Primavera 1560 Verano 2325 Otoño 1050 7. En el pasado, la distribuidora Arup Mukherjee vendió un promedio de 1,000 llantas radiales cada año. En los dos años anteriores vendió 200 y 250, respectivamente, durante el otoño, 350 y 300 en invierno, 150 y 165 en primavera, y 300 y 285 en verano. Con una ampliación importante en puerta, Mukherjee proyecta que las ventas se incrementarán el próximo año a 1,200 llantas radiales. ¿Cuál será la demanda en cada estación? Demanda promedio invierno = 200+250/2 = 225 Demanda promedio primavera = 350+300/2 = 325
  14. 14. Demanda promedio verano = 150+165/2 = 158 Demanda promedio otoño = 300+285/2 = 292 Demanda promedio estacional = 1000/4 = 250 Índice estacional para invierno = 225/250 = 0.90 Índice estacional para primavera = 325/250 = 1.30 Índice estacional para verano = 158/250 = 0.63 Índice estacional para otoño = 292/250 = 1.17 Demanda Demanda Demanda promedio para el periodo Demanda promedio estacional Índice estacional Estación Año 1 Año 2 Invierno 200 250 225 250 0.90 Primavera 350 300 325 250 1.30 Verano 150 165 158 250 0.63 Otoño 300 285 292 250 1.17 = 1000 Demanda promedio para el próximo año 1200/4 = 300 Demanda para cada estación Invierno = 300*0.90= 270 Primavera = 300*1.30 = 390 Verano= 300*0.63 = 189 Otoño = 300*1.17 = 351 Trimestre para el próximo año Demanda Invierno 270 Primavera 390 Verano 189 Otoño 351 8. El administrador de Coffee Palace, Joe Felan, sospecha que la demanda de cafés con leche sabor moca depende de su precio. Con base en observaciones históricas, Joe ha recopilado los siguientes datos que muestran el número de cafés de este tipo vendidos a seis precios diferentes:
  15. 15. Usando estos datos, ¿cuántos cafés con leche sabor moca pronosticaría usted para ser vendidos de acuerdo con una regresión lineal simple si el precio por taza fuera de $1.80? Precio (X) Demanda (Y) Cafés vendidos X2 XY $2.70 760 $7.29 2052 $3.50 510 $12.25 1785 $2.00 980 $4.00 1960 $4.20 250 $17.64 1050 $3.10 320 $9.61 992 $4.05 480 $16.40 1944 X= 19.55 Y= 3300 X2= 67.19 XY= 9783 _ X = 19.55/6 = 3.26 _ Y = 3300/6 = 550 _ _ _ b= xy – n x y / x2 – nx2 b= 9783 – (6) (3.26) (550) / 67.19 – (6) (3.26)2 = 975/3.42 = 285.08 _ _ a= y - bx a= 550 – (285.08) (3.26) = 379.36 y> = a+bx y> = 379.36 + 285.08x Demanda de venta si el precio fuera $1.80
  16. 16. y> = 379.36 + 285.08 (1.80) = 379.36 + 513.15 = 892.5 = 893 (promediado) Con un precio por taza fuera de $1.80 se vendería un promedio de 893 tazas 9. Los siguientes datos relacionan las cifras de ventas del pequeño bar de la casa de huéspedes Marty and Polly Starr, en Marathon, Florida, con el número de huéspedes registrados en la semana: a) Desarrolle una regresión lineal que relacione las ventas del bar con los huéspedes (no con el tiempo). Semana Huéspedes (x) Ventas del bar (Y) X2 XY 1 16 $330 256 $5280 2 12 $270 144 $3240 3 18 $380 324 $6840 4 14 $300 196 $4200 X= 60 Y= 1280 X2= 920 XY= 19560 _ x = 60/4 = 15 _ y = 1280/4 = 320 b= 19560 – (4) (15) (320) / 920 – (4) (15)2 = 360 / 20 = 18 a= 320 – 18(15) = 50 y> = 50 + 18x
  17. 17. b) Si el pronóstico para la semana siguiente es de 20 huéspedes, ¿de cuánto se espera que sean las ventas? Pronóstico para la semana siguiente y> = 50+18(20) = 50+360 = 410 Las ventas se espera que sean de $410.

×