UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGIA CARRERA DE INGENIERIA INDUSTRIAL DEPARTAMENTO DE INDUST

1. UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGIA CARRERA DE INGENIERIA INDUSTRIAL DEPARTAMENTO DE INDUSTRIAS IND 210 PLANIFICACION Y CONTROL DE LA PRODUCCION I Carrera de Ingeniería Industrial

2. PRONOSTICO DE SERIES TEMPORALESPROCESOS CONSTANTES

3. Procesos Constantes • TECNICAS DE PROYECCION • Ultimo Dato • Promedio Global • Promedio Móvil • Promedio Móvil Ponderado • Suavizamiento Exponencial Simple Los primeros procesos de series temporales a estudiar son los procesos constantes, al ser registrados y graficados se observa que no presentan grandes variaciones, tampoco incrementos ni estacionalidades.

4. Procesos Constantes • TECNICAS DE PROYECCION • Ultimo Dato • Promedio Global • Promedio Móvil • Promedio Móvil Ponderado • Suavizamiento Exponencial Simple Existen al menos 5 técnicas para proyectar demandas con este proceso, desde los más ligeros hasta los más sofisticados, en este curso comenzaremos con los arriba mencionados.

5. Técnica: Ultimo Dato En la tabla se tiene el registro de los datos en los últimos 8 periodos

6. Técnica: Ultimo Dato En la práctica, se debe tener un gran número de datos para saber si es un proceso constante

7. Técnica: Ultimo Dato Se añade una columna de pronósticos, donde se toma en cuenta al último valor obtenido

8. Técnica: Ultimo Dato En la técnica del último dato suponemos que el valor de la última venta será la que se repetirá en el periodo siguiente

9. Técnica: Ultimo Dato Para poder calificar a la técnica añadimos una columna donde calcularemos los errores,

10. Técnica: Ultimo Dato +35 error = dato – pronóstico.

11. Técnica: Ultimo Dato Un valor positivo indica que el pronóstico ha subestimado al valor real de la demanda, si es negativo indica todo lo contrario.

12. Técnica: Ultimo Dato El promedio de estos errores se denomina Error Bias ó Sesgo

13. Técnica: Ultimo Dato En este caso, el promedio vale +0.71 u., indica una leve desviación (en promedio) de todo el pronóstico en el pasado.

14. Técnica: Ultimo Dato A veces es preferible observar las magnitudes de los errores que los signos de tales desviaciones, mediante un nuevo error en valor absoluto

15. Técnica: Ultimo Dato El promedio de estos valores es el error DAM (Desviación Absoluta Media)

16. Técnica: Ultimo Dato La DAM nos informa de una desviación promedio en magnitud de 45 u.

17. Técnica: Ultimo Dato Se puede medir la variabilidad del pronóstico mediante el error cuadrático, que discrimina errores pequeñosde los grandes (ej. error en t=6 y en t=8)

18. Técnica: Ultimo Dato El promedio de este error es llamado Error Cuadrático Medio ó DCM

19. Técnica: Ultimo Dato Nos otorga una idea de la variabilidad en promedio del pronóstico, sirve para comparar con otros DCM de otras técnicas.

20. Técnica: Ultimo Dato La desviación porcentual PAME es un error medido en relación al valor real, se expresa en porcentaje. Ej. PAME en t=3 es 24/103 = 0.23 ó 23%

21. Técnica: Ultimo Dato El promedio de esta desviación es el error PAME (Error Promedio Absoluto Medio), indica el error porcentual y relativo.

22. Técnica: Ultimo Dato Significa que con la técnica del Ultimo Dato tenemos un 35% de desviación porcentual promedio, facilita un mejor entendimiento

23. Técnica: Ultimo Dato Recuerde los resultados de esta técnica: Bias = +0.71 u., DAM = 45 u., DCM = 2439 u2 y PAME = 35%

24. Técnica: Promedio Global En la técnica del Promedio Global, suponemos que todo el registro de datos nos servirá para pronosticar el periodo siguiente.

25. Técnica: Promedio Global 125 El promedio de toda la serie será el pronóstico del periodo 9

26. Técnica: Promedio Global Los pronósticos anteriores, de haber aplicado la técnica del promedio global hubieran sido los promedios sucesivos para periodos siguientes.

27. Técnica: Promedio Global Los pronósticos anteriores, de haber aplicado la técnica del promedio global hubieran sido los promedios sucesivos para periodos siguientes.

28. Técnica: Promedio Global Tras haber calculado toda la columna de pronósticos, podremos hallar todas las mediciones de errores

29. Técnica: Promedio Global Según la técnica, tendremos un error Bias = 15u., DAM = 30 u., DCM = 1233 u2 y PAME = 22%

30. Técnica: Promedio Móvil En la técnica del Promedio Móvil, suponemos que sólo un grupo de datos es suficiente para pronosticar el periodo siguiente, en nuestro caso grupos de 3

31. Técnica: Promedio Móvil Parámetro N = 3 127 Este número de datos a agrupar es el parámetro N, sólo debemos promediar los últimos N datos para pronosticar, en este caso (111+174+97)/3 = 127.

32. Técnica: Promedio Móvil De haber aplicado la técnica del promedio móvil con N = 3 tendríamos que promediar cada 3 datos. Mediante esta técnica se pierde información, en un orden de N datos, en nuestro caso los primeros N = 3 datos.

33. Técnica: Promedio Móvil Se puede obtener toda la información de los errores cometidos.

34. Técnica: Promedio Móvil Como se ve, se ha perdido información inicial valiosa, esta es una de las desventajas de la técnica.

35. Técnica: Promedio Móvil Con el promedio de unos cuantos, tendremos un error Bias = +6 u., DAM = 32 u., DCM = 1406 u2, PAME = 24%

36. Técnica: Promedio Móvil Ponderado En la técnica del Promedio Móvil Ponderado debemos recoger el promedio de N datos pero con diferentes pesos, ó ponderaciones. En el Promedio Móvil con un N = 3 los pesos eran de 1/3,1/3 y 1/3; ahora podremos cambiar esos valores

37. Técnica: Promedio Móvil Ponderado Pesos anteriores: W3 = 1/3 W2 = 1/3 W1 = 1/3 Suma = 1 Pesos nuevos: W3 = 20% W2 = 30% W1 = 50% Suma = 1 Si cambiamos estos pesos iguales podremos establecer otros, suponiendo que los últimos registros tienen mayor importancia que los anteriores estableceremos como pesos los siguientes: 50%, 30% y 20% (suman 100%)

38. Técnica: Promedio Móvil Ponderado Pesos nuevos: W3 = 20% W2 = 30% W1 = 50% Suma = 1 Si cambiamos estos pesos iguales podremos establecer otros, suponiendo que los últimos registros tienen mayor importancia que los anteriores estableceremos como pesos los siguientes: 50%, 30% y 20% (suman 100%)

39. Técnica: Promedio Móvil Ponderado Pronóstico periodo 9 = 50%(97) + 30%(174) + 20%(111) = 127

40. Técnica: Promedio Móvil Ponderado = 50%(92)+30%(127)+20%(103) = 50%(127)+30%(103)+20%(165) = 50%(103)+30%(165)+20%(132) = 50%(165)+30%(132)+20%(111) = 50%(132)+30%(111)+20%(174) El pronóstico en periodos anteriores tiene la misma lógica.

41. Técnica: Promedio Móvil Ponderado Los demás errores se calculan de manera similar a los anteriores.

42. Técnica: Promedio Móvil Ponderado Con estos pesos obtenemos un error Bias = +8 u., DAM = 30 u., DCM = 1237 u2 y PAME = 22%, ojo! El valor de los pesos y el número de éstos cambian todo.

43. Técnica: Suavizamiento Exponencial Simple Fórmula: ŷt+1 = α yt + (1- α) ŷt α es la constante de suavizamiento exponencial. La técnica más popular de los procesos constantes consiste en un proceso iterativo donde se calcula el pronóstico de un periodo mediante la ponderación del dato anterior y el pronóstico anterior.

44. Técnica: Suavizamiento Exponencial Simple 125 Para comenzar las iteraciones es necesario establecer un dato inicial de primer pronóstico, que puede ser: a) igual al primer dato. b) igual al promedio de los datos ó c)otro. Elegiremos el promedio.

45. Técnica: Suavizamiento Exponencial Simple =0.1(92)+0.9(125) =0.1(127)+0.9(122) =0.1(97)+0.9(129) Luego, el proceso es simple. Siguiendo con la fórmula hasta terminar

46. Técnica: Suavizamiento Exponencial Simple Nuevamente calcularemos los errores de la técnica.

47. Técnica: Suavizamiento Exponencial Simple Con una constante de suavizamiento de 0.1 tenemos errores iguales a: Bias = +1 u., DAM = 26 u., DCM = 909 u2 y PAME = 21%

48. Matriz de Errores Para elegir una técnica de pronósticos y con el fin de implementarlo en la empresa debemos recurrir a un análisis de las anteriores técnicas. Este análisis se puede reunir en la Matriz de Errores.

49. Matriz de Errores ANALISIS VERTICAL: Elegir las técnicas que aprovechen mejor la información, en nuestro caso los promedios móviles no son de confianza al recoger poca información (ver el n)

50. Matriz de Errores ANALISIS HORIZONTAL: de las restantes, analizar en detalle error por error, el Bias debe ser cercano a cero, el DAM y el DCM los más pequeños posible y el PAME mínimo (menor al 10% con un número de datos grande)