Pronósticos en la Gestión de Operaciones

C+rhcsP8PFlFmt6zJVREAAAAASUVORK5CYII=

Pronosticar

El arte y la ciencia de predecir eventos futuros.

  • Los pronósticos económicos abordan el ciclo del negocio al predecir tasas de inflación, suministros de dinero.
  • Los pronósticos tecnológicos se refieren a los índices de progreso tecnológico.
  • Pronósticos de la demanda son proyecciones de las ventas de la compañía para cada periodo en el horizonte de planeación.

Enfoques de Pronósticos

Pronósticos Cuantitativos

Pronósticos que emplean uno o más modelos matemáticos que se apoyan en datos históricos o en variables causales para pronosticar la demanda.

Pronósticos Cualitativos

Pronósticos que incorporan factores como la intuición, las emociones, las experiencias personales y el sistema de valores de quienes toman las decisiones.

Técnicas de Pronósticos Cualitativos

  • Jurado de opinión de ejecutivos
  • Método Delpi
  • Composición de la fuerza de ventas
  • Encuesta en el mercado de consumo

Enfoque Intuitivo

Método de pronósticos que emplea un promedio de los n periodos más recientes de datos para pronosticar el siguiente periodo.

Son útiles si podemos suponer que la demanda del mercado permanecerá relativamente estable en el tiempo.

HzhRIasSvex9AAAAAElFTkSuQmCC

qAxnMTUIQAAAABJRU5ErkJggg==

Los promedios móviles presentan tres problemas:

  1. Aumentar el tamaño de n (el número de periodos promediados), si bien permite suavizar mejor las fluctuaciones, también resta sensibilidad al método ante los cambios reales en los datos.
  2. Los promedios móviles no reflejan muy bien las tendencias. Puesto que son promedios, siempre se quedarán en niveles pasados, no predicen los cambios hacia niveles más altos ni más bajos, es decir, retrasan los valores reales.
  3. Los promedios móviles requieren amplios registros de datos históricos. gfThcYqRJZHjAAAAAASUVORK5CYII=

FkMadQT6abAAAAABJRU5ErkJggg==

La constante de suavizado, α, se encuentra generalmente en un intervalo de .05 a .50 para aplicaciones comerciales. Puede cambiarse para dar más peso a los datos recientes (si α es alta) o más peso a los datos anteriores (si α es baja).

El error de pronóstico nos dice qué tan buen desempeño tiene el modelo comparado consigo mismo usando datos históricos.