Método Cuantitativo-Series de Tiempo

UNIVERSIDAD DE GUAYAQUIL FACULTAD DE CIENCIAS ADMINISTRATIVAS CARRERA: LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS MATERIA: ADMINISTRACIÓN DE OPERACIONES TEMA: MÉTODOS CUANTITATIVOS DE PRONÓSTICOS- MÉTODOS DE SERIES DE TIEMPO INTEGRANTES: BARZOLA BARAHONA THALÍA LOOR SILVA JOSUÉ RAMÍREZ TOMALÁ MICHELLE CURSO: ADE-S-VE-4-4 PROFESORA: ING. GRACE TELLO MIÉRCOLES, 7 DE JULIO DE 2021

PRONÓSTICO

Los pronósticos son vitales para toda organización de negocios, así como para cualquier decisión importante de la gerencia.

En un ambiente de negocios hay demasiados factores que no se pueden pronosticar con certeza. Por lo tanto, en lugar de buscar el pronóstico perfecto, es mucho más importante establecer la práctica de una revisión continua de los pronósticos y aprender a vivir con pronósticos imprecisos.

"Al pronosticar, una buena estrategia consiste en utilizar dos o tres métodos y verlos desde el punto de vista del sentido común" ¿Los cambios esperados en la economía en general van a afectar el pronóstico?, ¿Habrá una escasez de artículos complementarios esenciales? La revisión y la actualización continúas tomando en cuenta la información nueva son básicas para un pronóstico exitoso.

El pronóstico se puede clasificar en cuatro tipos básicos:

• Cualitativo
• Análisis de series de tiempo
• Relaciones Causales

• Simulación.

Las técnicas cualitativas son subjetivas y se basan en estimados y opiniones.

Análisis de series de tiempo Los modelos de pronósticos de series de tiempo tratan de predecir el futuro con base en la información pasada.

Enfoque intuitivo

Ejemplo:

Un método que se usa con frecuencia en la práctica es el pronóstico empírico, en el cual el pronóstico de la demanda para el siguiente periodo es igual a la demanda observada en el periodo actual. (Krajewski, L. J. P. Ritzman, L. y K. Malhotra, M., 2013)

Enfoque intuitivo

El método de pronóstico empírico se puede adaptar para tomar en cuenta una tendencia de la demanda.

Enfoque intuitivo

El método de pronóstico empírico también se puede aplicar a patrones estacionales.

Promedio móviles

Promedios móviles simples El método de promedio móvil simple se usa para estimar el promedio de una serie de tiempo de demanda y, por lo tanto, para suprimir los efectos de las fluctuaciones aleatorias. Este método resulta más útil cuando la demanda no tiene tendencias pronunciadas ni influencias estacionales. (Krajewski, L. J. P. Ritzman, L. y K. Malhotra, M., 2013)

En términos específicos, el pronóstico correspondiente al periodo t + 1 se calcula como sigue:

Calcule un pronóstico de promedio móvil de tres semanas para estimar la llegada de pacientes a la clínica médica durante la semana 4. Las cifras correspondientes a las llegadas de pacientes en las últimas tres semanas son las siguientes:

Promedio móviles simples

Calcule un pronóstico de promedio móvil de tres semanas para estimar la llegada de pacientes a la clínica médica durante la semana 4. Las cifras correspondientes a las llegadas de pacientes en las últimas tres semanas son las siguientes:

El pronóstico de promedio móvil al final de la semana 3 es:

Para elaborar el pronóstico correspondiente a la semana 5, es necesario conocer las llegadas reales durante las semanas 2 a 4; es decir, los datos de las tres semanas más recientes.

Promedio móviles

Promedio móvil ponderado Mientras que el promedio móvil simple da igual importancia a cada uno de los componentes de la base de datos del promedio móvil, un promedio móvil ponderado permite asignar cualquier importancia a cada elemento, siempre y cuando la suma de todas las ponderaciones sea igual a uno. (Chase, R. B. Jacobs, F. R. y Aquilano N. J., 2009)

La fórmula para un promedio móvil ponderado es:

Calcule un pronóstico de promedio móvil de tres semanas para estimar la llegada de pacientes a la clínica médica durante la semana 4. Las cifras correspondientes a las llegadas de pacientes en las últimas tres semanas son las siguientes:

Promedio móviles ponderado

Tal vez una tienda departamental se dé cuenta de que en un periodo de cuatro meses, el mejor pronóstico se deriva utilizando 40% de las ventas reales durante el mes más reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace cuatro meses. Si las ventas reales fueron:

El pronóstico para el mes 5 sería:

Suponga que las ventas para el mes 5 resultaron ser de 110. Entonces, el pronóstico para el mes 6 sería:

La ventaja del método de promedio móvil ponderado es que permite destacar la demanda reciente sobre la demanda anterior. El pronóstico de promedio móvil ponderado seguirá retrasándose con respecto a la demanda porque sólo calcula promedios de la demanda en el pasado.

El método de promedio móvil ponderado presenta los mismos inconvenientes que el método de promedio móvil simple: es necesario recopilar los datos de n periodos de demanda para poder calcular el promedio correspondiente a cada periodo. Recopilar esta cantidad de datos no es un gran problema en situaciones sencillas.

Suavizamiento exponencial

La ecuación para un solo pronóstico de uniformidad exponencial es simplemente:

Este método es considerado como una evolución del método de promedio móvil ponderado. El método de suavización exponencial utiliza los promedios históricos de una variable en un período para intentar predecir su comportamiento futuro. Por tanto, de lo que se trata es de predecir qué va a pasar y lo que hace es suavizar la serie temporal.

Nuevo Pronóstico = Pronóstico del Período Anterior + alfa (Demanda real del Período anterior – Pronóstico del Período Anterior) En donde: Ft = Nuevo Pronóstico Ft–1 = Pronóstico del Período Anterior Alfa = Constante de suavización At-1 = Demanda Real del Período Anterior

En el método de suavización exponencial, sólo se necesitan tres piezas de datos para pronosticar el futuro:1. el pronóstico más reciente, 2. la demanda real que ocurrió durante el periodo de pronóstico 3. Una constante de uniformidad alfa (α)

Calcule un pronóstico de promedio móvil de tres semanas para estimar la llegada de pacientes a la clínica médica durante la semana 4. Las cifras correspondientes a las llegadas de pacientes en las últimas tres semanas son las siguientes:

Ejercicio Resuelto de Suavizamiento Exponencial Simple

Una empresa de consumo masivo lleva registro de la demanda mensual de uno de sus productos emblemáticos para un período de un año. Dicha información se presenta en la columna etiquetada Demanda en la imagen a continuación. Se requiere utilizar el método de suavizamiento exponencial simple considerando tres valores para el parámetro de suavizamiento alfa: 0,1; 0,5 y 0,9. Obtener el pronóstico del período 13 (mes de Enero del año siguiente) y evaluar el ajuste del método para cada uno de los valores de alfa propuestos.

Calcule un pronóstico de promedio móvil de tres semanas para estimar la llegada de pacientes a la clínica médica durante la semana 4. Las cifras correspondientes a las llegadas de pacientes en las últimas tres semanas son las siguientes:

Ejercicio Resuelto de Suavizamiento Exponencial Simple

Recordar que el suavizado exponencial simple requiere de un primer pronóstico para su aplicación. En este caso hemos decidido generar un pronóstico a contar del segundo período (mes de Febrero) y asumir que dicho valor corresponde a la demanda real del mes anterior (mes de Enero o período 1). Este criterio por cierto es arbitrario y se podría seleccionar otro punto de partida, por ejemplo, un promedio para la demanda real de los 12 meses. Adicionalmente en las columnas E, F y G de la imagen anterior se observa los pronósticos para alfa 0,1, 0,5 y 0,9, respectivamente. En particular se puede corroborar la fórmula utilizada para obtener el pronóstico del mes de Febrero utilizando α=0,1 (celda E5), donde los resultados han sido aproximados al entero más cercano.

Proyección de tendencias

Para esto aplicaremos el método de mínimos cuadrados.

Esta técnica ajusta una receta de tendencia a una serie de datos puntuales históricos y después proyectada dicha recta al futuro para obtener pronósticos de mediano y largo plazo, tomaremos en cuenta las tendencias lineales (en línea recta).

La línea recta minimiza la suma de los cuadrados de las diferencias verticales o desviaciones de la recta a cada una de las observaciones reales.Una recta de mínimos cuadrados se describe en términos de su ordenada o intersección con el eje y (la altura en la cual cruza al eje y) y su pendiente (la inclinación de la recta).

Donde:b = Pendiente de la recta de regresión x =Valores conocidos de la variable independiente y = Valores conocidos de la variable dependiente x = Promedio del valor de las x y = Promedio del valor de las y n = Número de datos puntuales u observados Σ = Signo de suma.

Ejercicio pràctico de Proyección de tendencias

En el hotel Toronto Towers Plaza tienen los datos del registro de cuartos de los últimos nueve años. Para proyectar la ocupación futura, la administración desea determinar la tendencia matemática del registro de huéspedes. Esta estimación ayudará a determinar si es necesaria una ampliación futura del hotel. Dada la siguiente serie de tiempo, desarrolle una ecuación de regresión que relacione los registros con el tiempo (por ejemplo, una ecuación de tendencia). Después, pronostique los registros para el año 11. El registro de cuartos está en miles de unidades

Ejercicio pràctico de Proyección de tendencias

Ejercicio pràctico de Proyección de tendencias

Bibliografía

Chase, R. B. Jacobs, F. R. y Aquilano N. J. (2009). Administración de operaciones. Producción y cadena de suministros (12ma. Ed.). Mc Graw Hill Educación Corvo, P. H. (25 de Abril de 2019). Suavizamiento exponencial:. Obtenido de https://www.lifeder.com/suavizamiento-exponencial/ Jerez, L. (21 septiembre 2018). Ejemplo modelo proyección Tendencia. Obtenido de https://www.youtube.com/watch?v=g6Xd0JKwTns Krajewski, L. J. P. Ritzman, L. y K. Malhotra, M. (2013). Administración de operaciones: procesos y cadena de suministro (8va. ed.). Pearson Educación.

Equipo

Josue Loor Silva

Thalia Barzola

Michelle Ramírez

¡MUCHAS GRACIAS!