PAGINA DE TAREAS
DE LA UEED

SISTEMAS DE PRODUCCION

PRONOSTICOS



INTRODUCCION

Son variados y similares los enfoques que con respecto al proceso de planificaci�n, programaci�n y control de la producci�n han sido tratados por diversos autores quienes establecen, en t�rminos generales, que este se inicia con las previsiones. Este enfoque, a juicio del autor presenta algunas falencias, ya que carece del concepto integrador que en el sentido vertical, debe comenzar en la estrategia empresarial y que en el sentido horizontal, debe relacionarse con los dem�s subsistemas de la organizaci�n.
Otros autores, ofrecen en sus obras modelos de gesti�n de la producci�n que, a pesar de establecer un concepto integrador en el sentido vertical, no expresan claramente la integraci�n en el sentido horizontal. Al respecto, el proceso de planificaci�n y control de la producci�n debe seguir un enfoque jer�rquico, en el que se logre una integraci�n vertical entre los objetivos estrat�gicos, t�cticos y operativos y adem�s se establezca su relaci�n horizontal con las otras �reas funcionales de la compa��a.

las cinco fases que componen el proceso de planificaci�n y control de la producci�n son:

1. Planificaci�n estrat�gica o a largo plazo.
2. Planificaci�n agregada o a medio plazo.
3. Programaci�n maestra.
4. Programaci�n de componentes.
5. Ejecuci�n y control.

Es importante anotar, estas fases se deber�n llevar a cabo en cualquier empresa manufacturera, independientemente de su tama�o y actividad. La figura 1, resume las principales fases mencionadas junto con los planes que de ellos se derivan, relacionando por un lado, los niveles de planificaci�n empresarial y por otro la planificaci�n y gesti�n de la capacidad.

Figura 1. Proceso de Planificaci�n, programaci�n y control de la producci�n



Historia de los pron�sticos

Muchas de las t�cnicas de pronostico que se utilizan se desarrollaron en el siglo XIX; un ejemplo son los an�lisis de regresi�n. junto con el advenimiento de las computadoras, los pron�sticos recibieron m�s atenci�n durante los a�os recientes. Ahora todos los administradores posen la capacidad de utilizar t�cnicas de an�lisis de datos muy complejas para fines de pron�stico.

Al crecer la preocupaci�n por el proceso de pron�stico, desarrollan nuevas t�cnicas de pron�stico. Esta atenci�n se enfoca de manera particular en los errores, que son parte inherente de cualquier procedimiento de pron�stico. Es raro que los pron�sticos coincidan al pie de la letra con el futuro, una vez llegado este, quienes pronostican solo pueden intentar que los inevitables errores sean tan peque�os como sea posible.

Objetivos

� Objetivo General
� Establecer un mecanismo de apoyo te�rico practico, para nosotros los administradores, para nos permitan eliminar cualquier posible error al tomar una decisi�n.
� Objetivos Espec�ficos
� diferenciar tanto a los pron�sticos de largo plazo de los pron�sticos a corto plazo.
� Conocer e identificar los pasos o etapas a realizar, en el momento en el que decidamos aplicar un pron�stico.
� Manejar ecuaciones estad�sticas, para poder eliminar los errores al momento de determinar un pron�stico, y que podr�an afectar el resultado final del mismo.

La Necesidad De Pronosticar

En vista de las imprecisiones inherentes al proceso, �Por qu� es necesario pronosticar? La respuesta es que todas las organizaciones operan en una atm�sfera de incertidumbre y que, a pesar de este hecho, se deben tomar decisiones que afecten el futuro de la organizaci�n.

Quienes toman la decisi�n lo har�n mejor si a partir de la comprensi�n de las t�cnicas de pron�stico, tanto cualitativa como cuantitativa, las utilizan de manera adecuada, en vez de que se vean forzados a planear el futuro sin el beneficio de esta valiosa informaci�n complementaria.

Tabla 1. Clasificaci�n de los m�todos de pron�stico

Nombre Horizonte de predicci�n
Delphi Mediano y largo plazo
METODOS CUALITATIVOS Juicio informado Corto plazo
Analog�a de ciclos de vida Mediano y largo plazo
Investigaci�n de mercados Corto y mediano plazo
TIPO NOMBRE HORIZONTE
No formales Corto
Promedio simple Corto
Promedio m�vil Corto
Suavizaci�n exponencial Corto
Suavizaci�n exponencial lineal Corto
Suavizaci�n exponencial cuadr�tica Corto
Suavizaci�n exponencial estacional Corto
SERIE DE TIEMPO Filtraci�n adaptativa Corto
Descomposici�n cl�sica Corto
METODOS CUANTITATIVOS Modelos de tendencia exponencial Mediano y largo
Ajuste de curva S Mediano y largo
Modelo de Gompertz Mediano y largo
Curvas de crecimiento Mediano y largo
Census II Corto
Box-Jenkins Corto
Regresi�n simple Mediano
Regresi�n M�ltiple Mediano
CAUSALES Indicadores principales Corto
Modelos econom�tricos Corto
Regresi�n m�ltiple de series de tiempo. Mediano y largo

Antes de la llegada de las t�cnicas modernas de pron�stico y del poder de las computadoras, el juicio del administrador era la �nica herramienta de pronostico disponible

El ser humano posee informaci�n interior que no est�n disponibles en los m�todos cuantitativos. estudios emp�ricos y experimentos de laboratorio han demostrado que sus pron�sticos no son m�s precisos como los de los m�todos cuantitativos.

Debido a que siempre ha sido cambiante el mundo en el que operan las organizaciones, siempre ha existido la necesidad de hacer pron�sticos.

Una nueva tecnolog�a y nuevas disciplinas aparecieron de la noche a la ma�ana; en casi todas las industrias se implanto el comercio internacional; crecieron y se crearon nuevas agencias de ayuda y servicios.

Las computadoras, junto con las t�cnicas cuantitativas que hacen posible, se han vuelto mas que recomendables en las organizaciones modernas: se han vuelto esenciales. Las herramientas modernas de pron�stico, junto con la capacidad de la computadora se han hecho indispensables para las organizaciones que operan en el mundo moderno.

�Qui�n requiere hacer pron�sticos? cualquier organizaci�n utiliza el pronostico debido a que casi todas las organizaciones deben planear como enfrentar las condiciones futuras de las cuales tiene un conocimiento imperfecto.

Adem�s, la necesidad de hacer pron�sticos cruza todas las l�neas funcionales lo mismo que todo tipo de organizaciones. Se requiere hacer pron�sticos en las �reas de finanzas, comercializaci�n, personal y de producci�n, tanto en organizaciones gubernamentales y de b�squeda de ganancias, como en peque�os clubes sociales y en los partidos pol�ticos nacionales.

Tipos de pron�sticos

�qu� tipos de pron�sticos tienen disponibles?

En primer t�rmino, se deben clasificar los procedimientos de pron�stico de largo o corto plazos. Los pron�sticos a largo plazo son necesarios para establecer el curso general de la organizaci�n para un largo periodo. Los pron�sticos a corto plazo se utilizan para dise�ar estrategias inmediatas y que usan los administradores para enfrentar las necesidades del futuro inmediato.

Tambi�n se clasifican en t�rminos de su posici�n en el entorno micro � macro, es decir, seg�n el grado en que intervienen peque�os detalles versus grandes valores resumidos.

Los procedimientos de pron�sticos pueden tambi�n clasificarse de acuerdo con su tendencia a ser m�s cuantitativos o cualitativos. el "juicio" del pronosticador es en realidad el resultado de la manipulaci�n mental de datos hist�ricos pasados.

las t�cnicas cuantitativas no requieren de elementos de juicio; Por supuesto, ciertos procesos requieren de una manipulaci�n de datos mucho mas compleja que otros. S�lo en esta forma se puede llevar a cabo un pron�stico inteligente.

Selecci�n Del M�todo De Pron�stico

La exposici�n anterior sugiere varios factores a considerar en la selecci�n de un m�todo de pron�stico. Se debe contemplar el nivel de detalle. �Se requiere de un pron�stico de detalles espec�ficos (un micro pron�stico)? �Se precisa el pron�stico de alg�n punto en el futuro cercano (un pron�stico a mediano plazo), o para un punto en el futuro distante (un pron�stico a largo plazo)? Y, �hasta que grado son apropiados los m�todos cualitativos (de juicio) y cuantitativos (de manipulaci�n de datos)?

La consideraci�n que se impone en la selecci�n de un m�todo de pron�stico es la de que los resultados deben facilitar el proceso de toma de decisiones de los administradores de la organizaci�n. el m�todo elegido deber� producir un pron�stico que sea preciso y comprensible para los administradores, de modo que pueda ayudar a producir mejores decisiones. Adem�s, la utilizaci�n del proceso de pron�stico debe producir un beneficio que exceda al costo asociado con su uso.

Pasos A Seguir En El Pron�stico

Todos los procedimientos formales de pron�stico comprenden la extensi�n de las experiencias del pasado al futuro incierto.

La aceptaci�n de que las t�cnicas de pron�sticos funcionan sobre datos generados en sucesos hist�ricos pasados conduce a la identificaci�n de cuatro pasos en el proceso de pron�stico:

1. Recopilaci�n de datos
2. Reducci�n o condensaci�n de datos
3. Construcci�n del modelo
4. Extrapolaci�n del modelo

� El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. este paso es el mayor reto de todo el proceso de pron�stico y el m�s dif�cil de controlar,
� El paso 2, la reducci�n de datos con frecuencia es necesaria ya que en proceso de pron�stico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reducir�an la precisi�n del pron�stico .
� El paso 3 , la construcci�n del modelo, implica ajustar los datos reunidos en un modelo de pron�stico que sea el adecuado para minimizar el error del pron�stico. Entre m�s sencillo sea el modelo, ser� mejor para lograr la aceptaci�n del proceso por parte de los administradores que toman las decisiones en la empresa.
� El paso 4 consiste en la extrapolaci�n en s� del modelo de pron�stico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccion� un modelo de pron�stico apropiado. Es entonces cuando se observan los errores de pron�stico y se resumen de alg�n modo.

Administraci�n del proceso de pron�stico

La explicaci�n de esta parte tiene como objeto subrayar nuestra creencia de que la capacidad administrativa y el sentido com�n deben formar parte del proceso de pron�stico. Se debe pensar en quien pronostica como en un asesor de la direcci�n, en vez del monitor de un dispositivo autom�tico de toma de decisiones. Por desgracia, este �ltimo es el caso en la pr�ctica, en especial en el entorno de la computadora. De nueva cuenta, las t�cnicas en el proceso de pron�stico deben ser vistas como lo que en realidad son, herramientas que utilizar�an los administradores para llegar a mejores decisiones.

Se puede mejorar la utilidad de los pron�sticos si los administradores adoptan una actitud m�s realista. No se debe ver al proceso como un sustito de la profec�a, sino como la mejor forma de identificar y extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, se deben considerar inevitablemente los errores de pron�stico e investigar las circunstancias que los generan.
Dicho la anterior, si el proceso de pron�stico se va a conducir de la manera adecuada, deben siempre surgir diversas preguntas clave.

� �Por qu� se requiere de los pron�sticos?
� �Qui�n utilizar� los pron�sticos y cuales son sus requerimientos espec�ficos?
� �Qu� nivel de detalle o agregaci�n se requiere y cual es el horizonte adecuado en el tiempo?
� �Qu� datos hay disponibles? �ser�n suficientes para generar el pron�stico que se requiere?
� �Cu�l ser� el costo del pron�stico?
� �Qu� tan preciso podemos esperar que sea el pron�stico?
� �Se har� a tiempo el pron�stico para ayudar al proceso de toma de decisiones?
� Quien pronostica, �tiene un claro entendimiento de c�mo se usar� el pron�stico en la organizaci�n?
� �Hay disponible un proceso de retroalimentaci�n para evaluar el pron�stico una vez hecho y ajustar el proceso de acuerdo con ello?

Paquetes De C�mputo Para Pron�stico

En la d�cada pasada el mayor impacto en el pron�stico es el de los paquetes de programas de c�mputo dise�ados para tratar diferentes m�todos de pron�stico. Hay dos tipos de paquetes de c�mputo:

1)paquetes estad�sticos que incluyen an�lisis de regresi�n y otras t�cnicas que se utilizan con frecuencia en los pron�sticos; y

2) paquetes de pron�stico dise�ados espec�ficamente para aplicaciones de este tipo.

Los administradores con PCs sobre sus escritorios y el conocimiento de t�cnicas de pron�stico, ya no dependen de un equipo de trabajo para realizar sus pron�sticos. Los administradores modernos est�n aprovechando la ventaja de la facilidad y disponibilidad de m�todos complejos de pron�stico que proporcionan las computadoras personales.

En esta secci�n, se mencionan algunos de los paquetes de c�mputo estad�sticos y de pron�stico m�s utilizados. Tres de los paquetes m�s populares son:

1. Minitab: presenta men�s y cuadros de di�logo, manteniendo el lenguaje de comandos para agregar velocidad y flexibilidad.
2. Statistical Package for the Social Sciences (SPSS): paquete estad�stico para las ciencias sociales.
3. Statistical An�lisis System (SAS): sistema de an�lisis estad�stico.

En a�os recientes, se desarrollo un nuevo tipo de paquetes de c�mputo para macrocomputadoras, dirigido a las necesidades de los administradores. Algunos paquetes que se comercializan en la actualidad son:

� Autobox 3.0 de Automatic Forecasting Systems, Inc.
� Business and economic forecasting: decision support system software de John Wiley.
� Easy forecaster plus 1 o 2 del Institute of Business Forecasting.
� 4 Cast de Scientific System, Inc.
� Micro � BJ de Stratix
� Forecasting de Hewlett Packard
� MICCROFIT3 de Oxford University Press
� Forecast Pro de Business Forecast Systems, Inc.

Selecci�n de una t�cnica de pron�stico

A continuaci�n se presentan algunas preguntas que se deben considerar antes de decidir sobre la t�cnica de pron�stico mas adecuada para un problema en particular.

� �Por qu� se requiere un pron�stico?
� �Qui�n utilizara el pron�stico?
� �Cu�les son las caracter�sticas de los datos disponibles?
� �Qu� espacio de tiempo se pronosticara?
� �Cu�les son los requerimientos m�nimos de datos?
� �Cu�l es la precisi�n deseada?
� �Cu�l ser� el costo del pron�stico?

Para una buena selecci�n de la tecnica de pron�stico adecuada, el pronosticados deber� poder hacer lo siguiente:

� Definir la naturaleza del problema de pron�stico.
� Explicar la naturaleza de los datos bajo investigaci�n.
� Describir las capacidades y limitaciones de las t�cnicas de pron�stico potencialmente �tiles.
� Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisi�n de la selecci�n.

Un factor principal que influye en la selecci�n de una tecnica de pron�stico consiste en la identificaci�n y comprensi�n de patrones hist�ricos en los datos.

Tecnicas de pron�stico para datos estacionarios

Una serie estacionaria es aquella cuyo valor promedio no varia a trav�s del tiempo.

El pron�stico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte despu�s en el pron�stico de valores futuros. Las t�cnicas de pron�stico estacionarias se emplean siempre que:

� Las fuerzas que generen una serie se han estabilizado y el medio en el que existe la serie permanece relativamente sin cambios. Ejemplos de ello son las fallas por semana en una l�nea de ensamble que tiene una fase de producci�n uniforme, las ventas unitarias de un producto o servicio en la etapa de maduraci�n de su ciclo de vida y el n�mero de ventas resultantes de un nivel constante de esfuerzo.
� Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su explicaci�n o implementaci�n. Un ejemplo seria cuando un negocio u organizaci�n es nuevo y hay disponible muy poca informaci�n hist�rica.
� Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la poblaci�n e inflaci�n. Ejemplos de esto son modificar el ingreso por el ingreso per capita, o las ventas en d�lares por montos en d�lares constantes.
� La serie se puede transformar en una serie estable. Como ejemplo, esta la transformaci�n de series mediante logaritmos, ra�ces cuadradas o diferencias.
� La serie es un conjunto de errores de pron�stico que se considera adecuada.

Tecnicas De Pron�stico Para Datos Con Una Tendencia

Una serie con tendencia como una serie de tiempo que contiene un componente de largo plazo que representa el crecimiento o declinaci�n de la serie a trav�s de un periodo amplio. Tiene una tendencia si su valor promedio var�a a trav�s del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea pron�stico. Es com�n que las series econ�micas contengan una tendencia.

Las t�cnicas de pron�stico para series con tendencia se utilizan siempre que:

� Una productividad creciente y la nueva tecnolog�a conducen a cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de componentes electr�nicos, que se incremento con el advenimiento de la computadora; y el uso del ferrocarril que se disminuyo con la aparici�n del avi�n.
� El incremento en la poblaci�n provoca un incremento en la demanda de bienes y servicios. Ejemplo de estos son las utilidades por venta de bienes de consumo, la demanda en el consumo de energ�a el�ctrica y el uso de materias primas.
� El poder de compra del d�lar afecta las variables econ�micas por causa de la inflaci�n. Los ejemplos son los salarios, costos de producci�n y precios.
� Aumenta la aceptaci�n en el mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de vida de un nuevo producto.

Tecnicas De Pron�stico Para Datos Con Estacionalidad

Una serie estacional como una serie de tiempo con un patr�n de cambio que se repite a si mismo a�o tras a�o. Por lo regular, el desarrollo de una t�cnica de pronostico estacional comprende la selecci�n de un m�todo multiplicativo o uno de adici�n y estimar despu�s �ndices estaci�nales a partir de la historia de la serie. Estos �ndices se usan posteriormente para incorporar la estacionalidad al pronostico para eliminar tales efectos de los valorares observados.

Las t�cnicas de pron�stico para datos estaci�nales se usan siempre que:

� El clima influyente en la variable de inter�s. Como ejemplos est�n el consumo de energ�a el�ctrica, las actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agr�cola.
� El a�o calendario influye en la variable de inter�s. Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de semana de tres d�as y los calendarios escolares.

Tecnicas De Pron�stico Para Series Ciclicas

Es la fluctuaci�n en forma de onda alrededor de la tendencia. Los patrones c�clicos tienden a repetirse en los datos cada dos, tres o mas a�os.
Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en intervalos fijos de tiempo y tambi�n var�a la magnitud de las fluctuaciones.

Las t�cnicas de pron�stico para datos c�clicos se utilizan siempre que:

� El ciclo del negocio influye sobre la variable de inter�s. Como ejemplos est�n los factores econ�micos de mercado y de la compendia.
� Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la m�sica y la alimentaci�n.
� Se presenta cambios en la poblaci�n. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres naturales.
� Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introducci�n, crecimiento, maduraci�n, saturaci�n y declinaci�n del mercado.

Medici�n Del Error En El Pron�stico

Ya que las t�cnicas cuantitativas de pron�sticos implican, por lo regular, series de tiempo de datos, se desarroll� una notaci�n matem�tica para hacer referencia a cada periodo espec�fico. Se emplear� la letra y para denotar una variable de serie de tiempo, a menos que exista m�s de una variable. El periodo asociado con una observaci�n se muestra como sub�ndice. As�, Yt se refiere al valor de la serie de tiempo en el periodo t.

Tambi�n se desarroll� una notaci�n matem�tica para distinguir el valor real de una serie de tiempo y el valor de pron�stico. Se emplear� el s�mbolo ^ (acento circunflejo) sobre un valor, para indicar que se trata de un pron�stico.

La notaci�n b�sica de pron�stico se resume como:

Notaci�n B�sica de Pron�stico
Yt = valor de una serie de tiempo en el periodo t
�t = valor del pron�stico para Yt
et = Yt � �t = residual o error del pron�stico

Se han ideado diversos m�todos para resumir los errores generados por una t�cnica particular de pron�stico. A menudo se denominan residuales a estas diferencias entre valores observados y los valores de pron�stico.

Un residual es la diferencia entre un valor real y su valor de pron�stico.
Para calcular el error o residual de cada periodo de pron�stico, se utilizar� la siguiente ecuaci�n:
et = Yt � �t = residual o error del pron�stico
En donde
et = error del pron�stico en el periodo t
Yt = valor real en el periodo t
�t = valor del pron�stico en el periodo t

Otra t�cnica para evaluar una t�cnica de pron�stico es el Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y se divide entre el n�mero de observaciones. Este enfoque penaliza los errores mayores de pron�sticos, ya que eleva cada uno al cuadrado. La ecuaci�n para el c�lculo del EMC, es la siguiente:


En ocasiones, resulta mas �til calcular los errores de pron�stico en t�rminos de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo, dividiendo �ste entre el valor real observado, para ese periodo y despu�s promediando estos errores absolutos de porcentaje. El PEMA proporciona una indicaci�n de que tan grandes son los errores de pron�stico comparados con los valores reales de la serie. La siguiente ecuaci�n muestra el c�lculo del PEMA:


A veces resulta necesario determinar si un m�todo de pron�stico est� sesgado (pron�stico consistentemente alto o bajo). En estos casos, se emplea el Porcentaje Medio de Error (PME), que se calcula encontrando el error en cada periodo, dividiendo esto entre el valor real de ese periodo y promediando despu�s estos porcentajes de error. Si un enfoque de pron�stico no est� sesgado, la ecuaci�n del PME producir� un porcentaje cercano a cero. Si el resultado es un porcentaje negativo grande, el m�todo de pron�stico est� sobrestimado de manera consistente. Si el resultado es un porcentaje positivo grande, el m�todo de pron�stico esta subestimado de forma consistente.


Las cuatro mediciones de precisi�n de un pron�stico que acabamos de describir se utilizan de la siguiente manera:

� La comparaci�n de la precisi�n de dos t�cnicas diferentes.
� La medici�n de la utilidad o confiabilidad de una t�cnica.
� La b�squeda de una t�cnica �ptima.

El sistema de pron�sticos

Etapas de la soluci�n de problemas relacionadas con los pron�sticos.
Identificaci�n Del Problema
Los pron�sticos proporcionan informaci�n para tomar mejores decisiones. El primer paso es identificar la decisi�n. Si la decisi�n no afecta se afecta por el pron�stico, el pron�stico es innecesario. La importancia de la decisi�n sugerir� el esfuerzo que debe dedicarse a producir un pron�stico. Una decisi�n de una sola vez requiere un pron�stico, mientras que una soluci�n recurrente necesita un pronostico cada vez que se toma la decisi�n.

Los pron�sticos de ventas, calidad de materiales ingresos, gastos, uso de energ�a o los tiempos de llegada de los clientes son una necesidad com�n en las empresas.

Quien toma las decisiones es el due�o del problema. El analista es quien pronostica. La identificaci�n del problema determina la misi�n o el prop�sito, que muestra como necesidad del pron�stico.

Comprensi�n Del Problema

La base para entender los problemas de pron�sticos es comprender el proceso; por ejemplo, el proceso que crea la demanda de un art�culo. Nunca se puede comprender por completo el proceso, por lo que solo se puede esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear los pron�sticos. Para hacer esto, se examina las caracter�sticas del problema y se analizan los datos , si existen. Tambi�n se establece una meta para el pron�stico.

Caracter�sticas Del Problema

Las principales caracter�sticas de un problema son los pron�sticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el n�mero de aspectos a pronosticar.

Las decisiones a largo plazo no requieren pron�sticos exactos; As� los pron�sticos muy precisos son innecesarios. Normalmente los pron�sticos a largo plazo se hacen para una sola vez. Es com�n que se usen m�todos causales y cuantitativos para obtenerlos.

Las decisiones a mediano plazo normalmente requieren pron�sticos para uno o dos art�culos. Con frecuencia se usan m�todos cuantitativos, incluyendo los causales y las series de tiempo, para los pron�sticos a mediano plazo.

La decisi�n a corto plazo es cu�ntos productos de deben fabricar. En este caso se necesita el numero real de unidades de producto. Los m�todos de series de tiempo son los que se usan con m�s frecuencia para los pron�sticos a corto plazo.

Meta de pron�stico:

La meta de cualquier sistema de pron�sticos es proporcionar eso pron�sticos con la exactitud necesaria, a tiempo y a un costo razonable. Un pron�stico oportuno est� determinado por su utilizaci�n. Un buen sistema de pron�sticos reaccionar� ante los cambios reales e ignorar� las variaciones al azar.

Desarrollo de un modelo

Una vez identificados los procesos, �stos determinan la forma del modelo. Los pron�sticos cualitativos no usan modelos sencillos de establecer. Los modelos causales dependen de la situaci�n particular pero en general tienen la forma.

D1 = f ( x t-k) + e

Donde d representa la variable dependiente, como la demanda, x, la varianza independiente ( o factor causal ) y e, la componente del ruido del tiempo t. La variable dependiente en el tiempo t es idealmente una funci�n de la variable independiente en el tiempo t � k, k> 1. el lapso del periodo k permite conocer el valor de la variable independiente antes de hacer el pron�stico de la variable dependiente; si no hay este lapso, deber� pronosticarse la variable independiente antes de obtener un pronostico para la variable dependiente. La relaci�n funcional entre d y x se representa por f y puede ser lineal, cuadr�tica o alguna otra relaci�n matem�tica. Puede haber mas de un factor causal.

Para los enfoques de las series de tiempo, los modelos comunes que se estudian son constantes, la tendencia lineal y estacional, o combinaciones de �stos. Matem�ticamente son:

Dt = a + e ( constante)
Dt = a + bt + e ( tendencia lineal )
Dt = act + e ( estacional )

Donde a representa la parte constante, b la tendencia, c, el factor estacional para el periodo t y e, la componente aleatoria o de ruido. �stos son los modelos m�s comunes, aunque existen otros.

Soluci�n Del Modelo

El primer paso para resolver el modelo es elegir un m�todo. Si se tiene un modelo causal, el m�todo ser� regresi�n. Para modelos de series de tiempo, existen varios m�todos disponibles, incluso para el mismo proceso. Por ejemplo existen muchos m�todos para pronosticar una series de tiempo constante.
Dado el modelo si se consideran los coeficientes, simplemente se podr�a introducir los n�meros correctos y obtener el pron�stico. Como los par�metros reales de la ecuaci�n del modelo no se conocen, deben estimarse.

Interpretaci�n e implantaci�n de la soluci�n

La interpretaci�n de la soluci�n es la tarea mas importante al operar un sistema de pron�sticos.
Conforme se obtienen los nuevos datos, se actualiza el pronostico. Adem�s, se compara el pronostico anterior con lo que realmente ocurri� para obtener retroalimentaci�n sobre la calidad del procedimiento de pron�sticos. Si la calidad es aceptable, se dice que el procedimiento esta bajo control. Si el procedimiento esta fuera de control, es necesario regresar a la etapa de dise�o; se requiere volver a estimar los par�metros del modelo actual, o bien, cambiar el modelo. Si el sistema de pron�sticos esta bajo control, se hace un pronostico para un periodo futuro.

Observaciones

Existen dos hechos muy importantes que recordar; los pron�sticos los pron�sticos casi nunca dan una respuesta exacta y entre mas lejos al futuro se vea, menos preciso ser� el pron�stico.

Pron�sticos Cualitativos

Los m�todos cualitativos de pron�sticos utilizan el juicio de los gerentes, su experiencia, los datos relevantes y un modelo matem�tico impl�cito. Como el modelo es impl�cito, si dos gerentes distintos utilizan los m�todos cualitativos, es frecuente que lleguen a pron�sticos con variaciones importantes.

Los pron�sticos cualitativos deben utilizarse cuando los datos del pasado no resulten confiables como indicadores de las condiciones del futuro. Cuando ocurre lo anterior, los datos del pasado deben compensarse mediante un juicio antes de poder desarrollar un pron�stico. Tambi�n debe utilizarse el pron�stico cualitativo para la introducci�n de nuevos productos cuando no se dispone de una base de los datos hist�ricos.

Los m�todos cualitativos casi siempre se utilizan para pron�sticos a mediano y largo plazo que involucren situaciones como dise�o del proceso o capacidad de las instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca est�n disponibles o, cuando as� es, pueden indicar un patr�n poco estable.

Investigaci�n de mercado

Una investigaci�n de mercado consiste en varios pasos. Primero es necesario desarrollar un cuestionario que deben contener preguntas cuyas respuestas proporcionen la informaci�n necesaria para determinar un pron�stico.
El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo, fax, correo electr�nico, tel�fono, una postal para recortar una entrevista o en una persona. La manera en que se lleve a cabo la investigaci�n puede afectar tanto el n�mero como la calidad de las respuestas. El n�mero, localizaci�n y los clientes individuales que responder�n deben planearse con cuidado junto con el prop�sito del estudio.
Una vez que se realiza la investigaci�n, deben tabularse y analizarse los resultados. Se debe tener cuidado al interpretar estos resultados. Las tasa de respuesta pueden ser bajas, las respuestas pueden ser incorrectas, o los factores no considerados en el cuestionario pueden afectar el resultado real de los eventos.



REGRESAR AL MENU PRINCIPAL

Hosted by www.Geocities.ws

1