MANCINAS VAZQUEZ VIANNEY AOI-I-42-E14 MIRAMONTES MARTINEZ JAVIER EDUARDO AOI-I-43-E14 MEDINA RODRIGUEZ DIEGO ERASMO AOI-I-44-E14 MIRANDA MIRAMONTES ZAMIRA AOI-I-45-E14 MARTINEZ MUOZ MARTIN AOI-I-46-E14
AOI-I-41-E14 Elaboracin de pronsticos y planeacin de la demanda INDICE AOI-I-41-E14 1. Elaboracin de pronsticos y planeacin de la demanda. 1.1 Las mejores practicas en administracin de operaciones: Planeacin colaborativa de la demanda en Colgate Palmolive. 2. Conceptos bsicos en la elaboracin de pronsticos. 2.1 Horizonte de planeacin de los pronostico. 2.2 Patrones de datos en series de tiempo. 2.3 Errores en los pronsticos. 3. Tipos de mtodos para la elaboracin de pronsticos. 3.1 Software para la elaboracin de pronsticos. 3.2 Las mejores practicas en administracin de operaciones. 4. Modelos para la elaboracin de pronsticos estadsticos. 4.1 Promedio mvil simple. 4.2 Promedio movil ponderado
AOI-I-41-E14 4.3 Suavizamiento exponencial. 4.4 Modelos avanzados para la elaboracin de pronsticos. 5. La regresin como mtodo para la elaboracin de pronsticos. 5.1 Modelos para la elaboracin de pronsticos causales con regresion mltiple. 5.2 Las mejores practicas en administracin de operaciones: Cierres en California Electric Power Point. 6. Elaboracin de pronsticos basados en juicios. 6.1 Elaboracin de pronsticos en la practica. 6.2 Las mejores practicas en administracin de operaciones: Holland Hitch Company.
ELABORACION DE PRONOSTICOS Y PLANEACION DE LA DEMANDA AOI-I-44-A14 AOI-I-42-E14 Objetivos: Entender la necesidad de contar con pronsticos e implicaciones de la tecnologa de la informacin para elaborar pronsticos en la cadena de valor. Entender los elementos bsicos de la elaboracin de pronsticos como la eleccin del horizonte de planeacin, los distintos tipos de patrones de datos y la forma de calcular los errores de pronsticos. Estar al tanto de los distintos enfoques y mtodos de elaboracin de pronsticos. Entender los mtodos bsicos de pronsticos basados en series de tiempo, estar al tanto de mtodos ms avanzados y utilizar modelos de hojas de clculo para hacer pronsticos. Aprender las ideas bsicas y los mtodos de anlisis de regresin. Entender la funcin del juicio humano en la elaboracin de pronsticos y en que momento es mas apropiado el uso de pronsticos basados en juicios. Saber que las metodologas de valoracin y cuantitativas se pueden complementar entre ellas y, por tanto, mejorar la precisin de un pronstico en general.
AOI-I-42-E14 La elaboracin de pronsticos es el proceso de proyeccin de los valores de una o mas variables en el futuro. Los buenos pronsticos se necesitan en todas las organizaciones para dirigir los anlisis y las decisiones relacionadas con las operaciones. La elaboracin de pronsticos es un componente clave en muchos tipos de sistemas operativos, tal como administracin de la cadena de suministro, administracin de relaciones con el cliente y sistemas de administracin del ingreso. La elaboracin de pronsticos tambin es vital para las operaciones diarias. Muchas empresas integran la elaboracin de pronsticos con la cadena de valor y los sistemas de administracin de la capacidad de tomar mejores decisiones operativas. Los buenos sistemas de elaboracin de pronsticos y de la demanda operan un mayor uso de la capacidad, reduccin de costos e inventarios, un desempeo de procesos mas eficiente, mayor flexibilidad, mejor servicio al cliente y un aumento en los mrgenes de utilidad.
Elaboracin de pronsticos y planeacin de la demanda AOI-I-42-E14 Las organizaciones elaboran muchos tipos de pronsticos distintos. Consideramos una empresa de productos de consumo, como Procter and Gamble, que fabrica numerosos productos y tamaos .Los directivos principales necesitan pronsticos a largo plazo expresados en total de ventas en dinero para uso en la planeacin financiera y para la planeacin del tamao y ubicacin de nuevas instalaciones. Sin embargo en los niveles organizacionales mas bajos, los gerentes de los distintos grupos de productos necesitan pronsticos agregados de volumen de ventas para productos en unidades que sean mas significativas para ellos.
Necesidad de los pronsticos en una cadena de valor AOI-I-42-E14 GANAR UN CLIENTE Servicios Previos a la Produccin -Demanda de productos y servicios. -Participacin de mercado, ventas y utilidades. -Demanda de marcas y categoras. -Necesidades de educacin y capacitacin. -Metas e incentivos de vendedores. -Diseos nuevos, cambios y tendencias de la tecnologa. -Necesidades financieras.
CREAR VALOR Proceso de Produccin -Pronsticos de produccin. -Productividad, calidad y tasas de desempeo y tendencias. -Tasas de fallas de equipos. -Tendencias de empleo y habilidades. -Tendencias econmicas. -Desempeo y tendencias de proveedores.
AOI-I-42-E14 RETENER AL CLIENTE Servicios Posteriores a las Produccin -Volumen del centro de atencin telefnica y oportunidad. -Demanda de instalacin, mantenimiento y reparacin de campo. -Demanda de transportacin. -Tendencias de garanta/reclamaciones. -Capacitacin de servicio en el campo y centro de llamadas.
Informacin sincronizada y retroalimentacin Anlisis de la administracin para la planeacin estratgica y el control de las operaciones diarias.
Planeacin de la demanda SAP AOI-I-42-E14 La planeacin de la demanda SAP (planeacin de la demanda o cadena de la demanda) ofrece las siguientes capacidades clave: Planeacin de niveles mltiples: la planeacin de la demanda SAP permite a una empresa ver, pronosticar y planear productos en cualquier nivel y dimensin. La planeacin se puede basar en el producto, la geografa o el tiempo y se puede iniciar en forma descendiente o en forma ascendiente. Anlisis de datos: los gerentes pueden analizar con facilidad los datos de planeacin en tablas y en forma de graficas y las caractersticas de navegacin intuitiva les permite moverse a travs de diversos niveles de datos. Elaboracin de pronsticos estadsticos: la planeacin de la demanda SAP respalda una gama completa de mtodos de elaboracin de pronsticos de amplio espectro, que utiliza las ventas pasadas para identificar el nivel, la tendencia o los patrones estacionales y las herramientas de regresin para pronosticar el comportamiento del consumidor al determinar el impacto de los factores casuales como el precio, numero de exhibiciones, numero de tiendas, clima e informacin demogrfica. Respaldo de promocin comercial: la planeacin de la demanda SAP genera pronsticos dirigidos a la promocin sobre un pronostico de lnea de base. Las empresas pueden modelar la demanda promocional con base en las metas de rentabilidad o patrones histricos. Mediante el uso de los estimados de ventas histricos, la planeacin de la demanda SAP puede detectar de forma automtica un patrn de promocin que ocurri en el pasado. Planeacion de la demanda conjunta: esta capacidad permite a los encargados de la planeacin compartir los planes de la demanda entre los protagonistas clave en la cadena de valor. Los usuarios pueden dirigir los procesos de planeacin conjunta y desarrollarlos con amplitud, ingresar a las graficas que les permiten visualizar grandes cantidades de informacin.
AOI-I-42-E14 Conceptos bsicos en la elaboracin de pronsticos.
Horizonte de planeacin de los pronosticos. AOI-I-41-E14 Es la longitud del tiempo en el que se basa un pronostico.
Los pronosticos de largo plazo son necesarios para planear la expansin de instalaciones y determinar las necesidades futuras de terreno, mano de obra y equipo. Los pronosticos a mediano plazo se usan para asignar presupuestos entre las divisiones, programar trabajos y recursos y establecer planes de compras. AOI-I-41-E14 Los pronsticos a corto plazo se utilizan para planear los programas de produccin y asignar trabajadores a distintos puestos.
Una divisin de tiempo es la unidad de medida para el periodo que se utiliza en un pronostico. Una divisin de tiempo puede ser un ao, un trimestre, un mes, una semana, un da, una hora o incluso un minuto. Patrones de datos en series de tiempo AOI-I-41-E14 Una serie de tiempo es un conjunto de observaciones registradas en puntos sucesivos en el tiempo a lo largo de periodos subsecuentes.
Brinda los datos para entender como ha cambiado en forma histrica la variable que se desea pronosticar por ejemplo el volumen mensual de ventas de un producto. Tendencias AOI-I-41-E14 Es el patrn subyacente de crecimiento o declinacin en una serie de tiempo.
La tendencia muestra los cambios o movimientos graduales a valores relativamente mas altos o mas bajos durante un periodo mas largo. Este cambio se debe a factores de largo plazo como cambios en el desempeo, tecnologa, productividad, poblacin y preferencias de los clientes AOI-I-41-E14 Por ejemplo, un fabricante de equipo fotogrfico industrial puede ver una variacin significativa cada mes en el numero de cmaras vendidas. Sin embargo, al revisar las ventas a lo largo de los ltimos 10 aos, este fabricante puede encontrar un aumento constante en el volumen de ventas anuales.
AOI-I-41-E14 volumen tiempo a)Tendencia descendente lineal tiempo b)Tendencia ascendente lineal volumen volumen volumen tiempo tiempo c)Tendencia ascendente no lineal d)Tendencia descendente no lineal Ejemplos de tendencias Patrones estacionales. AOI-I-41-E14 Se caracterizan por periodos repetibles de altas y bajas a lo largo de los periodos cortos. Pueden ocurrir a lo largo de un ao; por ejemplo la demanda de bebidas fras es baja durante el invierno, comienza a aumentar durante la primavera y tiene su mximo durante el verano. Sin embargo, los fabricantes de abrigos y chamarras esperan el patrn opuesto. Por lo general se piensa que los patrones estacionales ocurren dentro de un ao, pero pueden ocurrir patrones repetibles similares a lo largo de las semanas, durante un mes o a lo largo de das durante una semana. Por ejemplo, la entrega de pizzas tiene un mximo en los fines de semana.
Patrones cclicos. AOI-I-41-E14 Son patrones regulares en una serie de datos que suceden durante largos periodos. Un ejemplo comn de un patrn cclico es el movimiento del mercado de valores durante los ciclos de mercado conocidos como toro y oso. Variacin aleatoria. AOI-I-41-E14 (A veces es llamada ruido)es la desviacin inexplicable de una serie de tiempo de un patrn predecible, como una tendencia estacional o patrn cclico.
Una variacin aleatoria surge por factores de corto plazo, no anticipados y los pronsticos no son del todo exacto. Variacin irregular(una sola vez) AOI-I-41-E14 Es una variacin de una sola vez que tiene una explicacin. Por ejemplo, un huracn puede ocasionar un aumento en la demanda de material de construccin, alimentos y agua. De igual manera, una tormenta de nieve importante puede reducir las ventas al menudeo en forma significativa. Errores en los pronsticos y precisin. AOI-I-41-E14 Todos los pronsticos estn sujetos a error y entender la naturaleza y tamao de los errores es importante para la adecuada toma de decisiones. Por ejemplo, los principales directivos de la empresa de productos de cuidado de la salud en uno de los episodios iniciales que necesitan pronosticar el tamao del mercado de camas de hospital, para el ao siguiente querrn saber si su pronostico tiene 5 por ciento, 10 por ciento o 50 por ciento de error.
Un error de pronostico es la diferencia entre el valor observado de la serie de tiempo(At) y el(Ft). Error = At - Ft AOI-I-41-E14 Una forma de evitar este problema es elevar al cuadrado los errores de pronostico individuales y luego promediar los resultados a lo largo de todos los periodos T de datos en la serie de tiempo. Esta medicin se llama error cuadrtico medio (MSE) y se calcula de la siguiente forma: MSE =
Pronostico Pronosticar consiste en utilizar datos pasados para determinar acontecimientos futuros. Los pronsticos a menudo son utilizados para poder predecir la demanda del consumidor de productos o servicios, aunque se pueden predecir una amplia gama de sucesos futuros que pudieran de manera potencial influir en el xito.
AOI-I-43-E14 Clasificacin de los pronsticos: Pronstico a corto plazo. Este tiene un lapso de hasta un ao, pero es generalmente menor a tres meses. Se utiliza para planear las compras, programacin de planta, niveles de fuerza laboral, asignaciones de trabajo y niveles de produccin.
Pronstico a mediano plazo. Un pronstico de rango mediano, o intermedio, generalmente con un lapso de tres meses a tres aos. Es valioso en la planeacin de produccin y presupuestos, planeacin de ventas, presupuestos de efectivo, y el anlisis de varios planes de operacin.
Pronstico a largo plazo. Generalmente con lapsos de tres aos o mas, los pronsticos a largo plazo se utilizan para planear nuevos productos desembolsos de capital, localizacin e instalaciones o su expansin, y la investigacin y el desarrollo.
AOI-I-43-E14 Tipos de pronostico Pronsticos econmicos marcan el ciclo del negocio al predecir las tasas de inflacin, oferta de dinero, nuevas construcciones, y otros indicadores de planeacin.
Pronsticos tecnolgicos tienen que ver con las tasas de progreso tecnolgico, que pueden dar por resultado el nacimiento de productos novedosos, que requieren nuevas plantas y equipo.
Pronsticos de demanda son proyecciones de la demanda para los productos o servicios de una compaa. Estos pronsticos, tambin llamados pronsticos de ventas, conducen la produccin de una compaa, la capacidad, y los sistemas de programacin, y sirven como insumos a la planeacin financiera, de mercado y de personal.
AOI-I-43-E14 Enfoques para pronosticar Pronsticos cuantitativos manejan una variedad de modelos matemticos que utilizan datos histricos y/o variables causales para pronosticar la demanda.
Pronsticos cualitativos o subjetivos incorporan factores importantes tales como la intuicin, emociones, experiencias personales del que toma la decisin, y sistema de valores para alcanzar un pronstico. Algunas compaas utilizan la otra; pero en la prctica una combinacin o mezcla de los dos estilos es generalmente ms efectivo.
AOI-I-44-A14 Promedio simple Un promedio simple (PS) es un promedio de los datos del pasado en el cul las demandas de todos los perodos anteriores tienen el mismo peso relativo. Se calcula de la siguiente forma:
Donde: D1 = demanda del periodo ms reciente D2 = demanda que ocurri hace dos periodos Dk = demanda que ocurri hace k periodos
AOI-I-43-E14 Ejemplo En Welds Supplies la demanda total para un nuevo electrodo ha sido de 50,60, y 40 docenas en cada uno de los ltimos trimestres. La demanda promedio ha sido:
PS=50
AOI-I-43-E14 Modelos para la elaboracin de pronsticos estadsticos. AOI-I-44-E14 Pronosticar: Es el arte y la ciencia de predecir los eventos futuros. Para ello se pueden usar datos histricos y su proyeccin hacia el futuro mediante algn tipo de modelo matemtico. AOI-I-44-E14 Horizonte de tiempo del Pronstico Pronstico a largo plazo: 3 aos o ms Ej: planear nuevos productos, gastos de capital, ubicacin o ampliacin de las instalaciones Pronstico a corto Plazo: hasta 1 ao, pero casi siempre es menor que 3 meses. Ej. planear compras, programar el trabajo, determinar niveles de mano de obra, asignar el trabajo y decidir los niveles de produccin.
Pronstico a mediano plazo: de 3 meses a 3 aos. Ej: planear las ventas, la produccin, el presupuesto.
AOI-I-44-E14 Los 7 Pasos de un Pronstico 7.- Validar e implantar los resultados 1.- Determinar el uso del pronstico 2.- Seleccionar los aspectos que se deben pronosticar. 3.- Determinar el horizonte del pronstico 4.- Seleccionar los modelos de pronstico 5.- Reunir los datos necesarios para elaborar el pronstico 6.- Obtener el pronstico AOI-I-44-E14 Enfoques de Pronsticos Mtodos Cuantitativos Promedios Mviles (*) Suavizamiento exponencial (*) Proyeccin de tendencias (*) Enfoque intuitivo Regresin Lineal (*) Modelos de series de tiempo Modelo asociati vo AOI-I-44-E14 1.- Promedios Mviles. Promedio Mvil = Demanda en los n periodos anteriores n Promedio Mvil Ponderado = (ponderacin para periodo n) (demanda en periodo n) ponderaciones AOI-I-44-E14 Ejemplo: Las ventas de cobertizos de una empresa X, se muestran en la columna central de la siguiente tabla. A la derecha se da el promedio mvil de tres meses. Mes Ventas Reales de Cobertizos Promedio Mvil de 3 meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 10 12 13 16 19 23 26 30 28 18 16 14 (10+12+13)/3 = 112/3 (12+13+16)/3 = 13 2/3 (13+16+19)/3 = 16 (16+19+23)/3=19 1/3 (19+23+26)/3 = 22 2/3 (23+26+30)/3= 26 1/3 (26+30+28)/3= 28 (30+28+18)/3 = 25 1/3 (28+18+16)/3 = 20 2/3 Vemos que el pronstico para diciembre es de 20 2/3 . Para proyectar la demanda de cobertizos en enero prximo, sumamos las ventas de octubre, noviembre y diciembre entre 3: pronstico para enero = (18+16+14)/3 = 16 AOI-I-44-E14 Mes Ventas Reales de Cobertizos Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 10 12 13 16 19 23 26 30 28 18 16 14 Siguiendo con el ejemplo anterior. Esta empresa decidi pronosticar las ventas de cobertizos ponderando los ltimos tres meses como sigue: Ponderacin Aplicada Periodo 3 ltimo mes o ms reciente 2 Hace dos meses 1 Hace tres meses 6 Suma de ponderaciones Promedio Mvil Ponderado de 3 meses (3x13)+(2x12)+(10) /6 = 12 1/6 (3x16)+(2x13)+(12) /6 = 14 1/3 (3x19)+(2x16)+(13) /6 = 17 (3x23)+(2x19)+(16) /6 = 201/2 (3x26)+(2x23)+(19) /6 = 235/6 (3x30)+(2x26)+(23) /6 = 271/2 (3x28)+(2x30)+(26) /6 = 281/3 (3x18)+(2x28)+(30) /6 = 231/3 (3x16)+(2x18)+(28) /6 = 18 2/3 D e m a n d a
d e
V e n t a s
5 10 15 25 20 30 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Mes Ventas reales Promedio mvil Promedio mvil ponderado AOI-I-44-E14 2.- Suavizamiento Exponencial. Nuevo pronstico = pronstico del periodo anterior + (demanda real en mes anterior pronstico del periodo anterior) : es la ponderacin, o constante de suavizado, elegida por quien pronostica, que tiene un valor entre 0 y 1.(0 < < 1 ) matemticamente, se puede escribir as: Ft = nuevo pronstico F t-1 = pronstico anterior A t-1 = demanda real en el periodo anterior Ft = Ft-1 + (At-1 - Ft-1 ) AOI-I-44-E14 Ejemplo: En Enero, un distribuidor de automviles predijo que la demanda para Febrero sera de 142 camionetas Ford. La demanda real de febrero fue de 153 autos. Si empleamos la constante de suavizado que eligi la administracin , = 0,20, podemos pronosticar la demanda de marzo mediante el modelo de suavizamiento exponencial. Sustituyendo los datos del ejemplo en la frmula, obtenemos. (suavizamiento exponencial) Nuevo pronstico (para la demanda de marzo) = 142 + 0,20 (153 142) = 142 + 2,2 = 144,2 siempre ser dada. Se encuentra en un intervalo entre 0,05 y 0,50. Si es alta, o sea 0,5 el pronstico se basa en los datos ms recientes. Si es baja, o sea 0,1el pronstico da poca importancia a la demanda reciente y toma en cuenta los valores histricos de muchos perodos. AOI-I-44-E14 Error del pronstico Mide la precisin del modelo de pronstico que se ha usado, comparando los valores pronosticados con los valores reales u observados. Si Ft denota el pronstico en el periodo t, y At denota la demanda real del periodo t, el error de pronstico (o desviacin) se define como:
Error del Pronstico = demanda real valor pronosticado = At - Ft AOI-I-44-E14 Medidas para calcular el Error Global del pronstico Desviacin Absoluta Media (MAD): Su valor se calcula sumando los valores absolutos de los errores individuales del pronstico y dividiendo entre el nmero de periodos de datos (n) MAD = real - pronstico n Veamos un ejemplo AOI-I-44-E14 Durante los ltimos 8 trimestres, el Puerto de Valparaso ha descargado de los barcos grandes cantidades de grano. El Jefe de Operaciones del puerto quiere probar el uso de suavizamiento exponencial para ver que tan bien funciona la tcnica para predecir el tonelaje descargado. Supone que el pronstico de grano descargado durante el primer trimestre fue 175 toneladas. Se examinan dos valores de . = 0,10 y = 0,50. La siguiente tabla muestra los clculos detallados slo para = 0,10 Trimestre Toneladas reales descargadas Pronstico Redondeado con = 0,10 Pronstico Redondeado con = 0,50 1 2 3 4 5 6 7 8 9 180 168 159 175 190 205 180 182 ? 175 = 175 + 0,10 ( 180 175) Pronstico del periodo anterior Demanda real en periodo anterior Pronstico del periodo anterior 176 175 = 175,50+0,10 (168 175,50) 173 = 174,75+0,10 (159-174,75) 173 = 173,18+0,10 (175+173,18) 175 = 173,36+0,10(190-173,36) 178= 175,02+0,10(205-175,02) 178 = 178,02 + 0,10 (180-178,02) 179 = 178,22 + 0,10 (182-178,22) 175 178 173 166 170 180 193 186 184 AOI-I-44-A14 Para evaluar la precisin de ambas constantes de suavizado, calculamos los errores de pronstico en trminos de desviaciones absolutas y MAD Trimestre Toneladas reales Descargadas Pronstico Redondeado con =0,10 Desviacin Absoluta Para =0,10 Pronstico Redondeado con =0,50 Desviacin Absoluta Para =0,50 1 2 3 4 5 6 7 8 180 168 159 175 190 205 180 182 175 176 175 173 173 175 178 178 5 8 16 2 17 30 2 4 175 178 173 166 170 180 193 186 5 10 14 9 20 25 13 4 Suma de desviaciones absolutas 84 100 MAD = desviaciones n 10,50 12,50 Con base en este anlisis, una constante de suavizado de =0,10 es preferible a =0,50 por que su MAD es ms pequea. Se debe encontrar la constante de suavizado con el menor error de pronstico. AOI-I-44-E14 Error cuadrtico Medio (MSE): Es una segunda forma de medir el error global del pronstico. El MSE es el promedio de los cuadrados de las diferencias entre los valores pronosticados y observados. Su frmula es: MSE = (errores de pronstico) n Sigamos con el ejemplo del Puerto de Valparaso para determinar el MSE AOI-I-44-E14 Trimestre Toneladas reales Descargadas Pronstico Redondeado con =0,10 1 2 3 4 5 6 7 8 180 168 159 175 190 205 180 182 175 176 175 173 173 175 178 178 (Error) 2 5 2 = 25 (-8) 2 = 64 (-16) = 256 (2) = 4 17 = 289 30 = 900 2 = 4 4 = 16 2 2 2 2 2 2 Suma de los cuadrados de los errores 1.558 MSE = (errores de pronstico) n 2 = 1.558 / 8 = 194,75 Usando un = 0,50 se obtendra un MSE de 201,5. Por lo tanto el = 0,10 es una mejor eleccin por que se minimiza el MSE. AOI-I-44-E14 Error porcentual absoluto medio (MAPE): Este se calcula como el promedio de las diferencias absolutas entre los valores pronosticados y los reales y se expresa como porcentaje de los valores reales. Es decir, si hemos pronosticado n periodos y los valores reales corresponden a n periodos, MAPE, se calcula como: = real i - pronstico i / real i 100 n i = 1 MAPE n Sigamos con el ejemplo del Puerto de Valparaso para determinar el MAPE AOI-I-44-E14 Trimestre Toneladas reales Descargadas Pronstico Redondeado con =0,10 1 2 3 4 5 6 7 8 180 168 159 175 190 205 180 182 175 176 175 173 173 175 178 178 Suma de errores porcentuales = 45,62% Error porcentual Absoluto 100 ( error / real) 100(5/180) = 2,77% 100(8/168) = 4,76% 100(16/159) = 10,06% 100(2/175) = 1,14% 100(17/190) = 8,95% 100(30/205) = 14,63% 100(2/180) = 1,11% 100(4/182) = 2,20% MAPE = errores porcentuales absolutos = 45,62% n 8 = 5,70% AOI-I-44-E14 3.- Proyeccin de Tendencias Mtodo de pronstico de series de tiempo que ajusta una recta de tendencia a una serie de datos histricos y despus proyecta la recta al futuro para pronosticar. A travs del mtodo de Mnimos Cuadrados, encontramos la recta que mejor se ajuste a las observaciones reales. Una recta de mnimos cuadrados se describe en trminos de su ordenada o interseccin con el eje y y su pendiente. Si calculamos la pendiente y la ordenada, expresamos la recta con la siguiente ecuacin: y = a + b x y y gorro = valor calculado de la variable que debe predecirse (variable dependiente) a = ordenada b = pendiente de la recta de regresin (o la tasa de cambio en y para los cambios dados en x) X = variable independiente (Ej: tiempo) AOI-I-44-E14 AOI-I-45-E14 La regresin como mtodo para la elaboracin de un pronostico Anlisis de regresin AOI-I-45-E14
Es un mtodo para construir un modelo estadstico que define una relacin entre una sola variable dependiente y una o mas variables independientes, todas las cuales son numricas
Aplicacin simple en la elaboracin de pronsticos AOI-I-45-E14 Un gerente debe pronosticar los costos para el siguiente ao afn de preparar un presupuesto. El diagrama nos dice que se incrementa de forma lineal. costos de energia de fabrica Ao costos de energia 1 $15,355.38 2 $15,412.91 3 $15,926.64 4 $16,614.18 5 $16,918.69 6 $16,837.14 7 $16,812.51 8 $17,102.45 9 $17,461.89 10 $17,846.76 11 $18,187.93 12 $18,782.19 13 $18,863.18 14 $18,914.00 15 $19,319.15 0 5000 10000 15000 20000 25000 1 2 3 4 5 6 7 8 9 101112131415 Ao costos de energia Por la funcin lineal; Yt = a + bt AOI-I-45-E14 Donde Yt representa el estimado del costo por ao t.
Si podemos identificar los mejores valores para a y b mediante todos los mnimos cuadrados, se podr pronosticar el costo para el siguiente ao a calcular Y16 = a + b(16) Modelos para la elaboracin de pronsticos causales con una regresin mltiple Un modelo de regresin lineal con mas de una variable independiente se llama modelo de regresin lineal mltiple.
Se desea pronosticar ventas de gasolina, se presentan las ventas de 10 semanas, junto con el precio promedio por galn durante junio y agosto El diagrama nos indica que las ventas parecen aumentar con una tendencia lineal. Lnea de regresin ajustada es; Ventas = 6382 + 1084.7 x semana Si se utiliza el modelo, pronosticaremos las ventas para la semana 11 como; Ventas = 6382 + 1084.7 x 11 Por lo tanto para pronosticar las ventas de gasolina se propone un modelo que utilice dos variables. Ventas = 0 + 1 x semana + 2 x precio Por lo tanto; Ventas = 47747.81+640.71*11- 19550.6*$1.80=$19604.54
v. gasolina semana p. galon 10420 1 $1.95 7388 2 $2.20 7529 3 $2.12 11932 4 $1.98 10125 5 $2.01 15240 6 $1.92 12246 7 $2.03 11852 8 $1.98 16967 9 $1.82 19782 10 $1.90 11 $1.80 0 5000 10000 15000 20000 25000 1 2 3 4 5 6 7 8 9 10 11 v. gasolina semana p. galon Las mejores practicas de administracin de operaciones AOI-I-45-E14 El California indendent System Operators Board of Governor aprob en forma uniforme en el 2007 dos plantas generadoras de energa elctrica en san francisco. Ambas plantas de energa de combustible fsil estn bien documentadas por su contaminacin del ambiente. Los lideres de la comunidad piden una fecha garantizada para cerrar las dos plantas de energa, pero PG&E Corporation y el consejo de gobernadores no pueden especificar una fecha. Willie Brown, el alcalde interior, prometi cerrar estas dos plantas en 1998. un vocero de PG&E dijo, "si la carga elctrica crece de tal manera inesperadamente rpida, tendremos que retomar nuestro plan de accin. Que las plantas puedan cerrarse se basa en un pronostico de la demanda sujeto a mucha controversia.
Elaboracin de pronsticos basados en juicios. AOI-I-46-E14 AOI-I-46-E14 Se realiza cuando no hay informacin histrica disponible. La demanda de productos y servicios es afectada por: Los mercados Culturas globales Tasa de inters Ingreso disponible Inflacin Tecnologa Acciones de los competidores Regulaciones gubernamentales
Mtodo Delphi AOI-I-46-E14 *Un mtodo que se utiliza por lo general en los pronsticos basados en juicios es el mtodo de Delphi. Consiste en la elaboracin de pronsticos por opinin de expertos al recabar valoraciones y opiniones de personal clave con base a su experiencia y conocimiento de la situacin. * El mtodo de Delphi se puede utilizar para pronosticar resultados cualitativos y numricos. Por ejemplo, una empresa podra interesarse en pronosticar cundo podra ser aprobada una nueva ley o regulacin por legislatura. En un ejercicio Delphi , se pedira a los expertos que elijan una fecha y den su justificacin o que elijan respuestas sobre un continuo, como altamente cierto o altamente incierto o muy de acuerdo o muy desacuerdo.
AOI-I-46-E14 Los resultados Delphi basados en pocos individuos son ms riesgosos que los resultados en grupos grandes y pueden ser muy imprecisos. Sin embargo, una investigacin muy interesante ha detectado que aunque cualquier individuo podra no desarrollar predicciones precisas, el consenso del grupo es con frecuencia bastante bueno. Otro enfoque comn para la recoleccin de informacin en los pronsticos basados en juicios es una encuesta que emplea un cuestionario. Esta informacin se puede resumir y analizar mediante herramientas estadsticas bsicas para ayudar a desarrollar un pronstico confiable. *Razones para utilizar los mtodos basados en juicios son: Mayor precisin Capacidad de incorporar sucesos inusuales o de una sola vez La dificultad de obtener los datos necesarios para tcnicas cuantitativas
Elaboracin de pronsticos en la prctica AOI-I-46-E14 En la prctica, los administradores utilizan una diversidad de tcnicas de elaboracin de pronsticos basados en juicios y cuantitativos. Sin embargo los mtodos estadsticos no pueden representar todos los factores por si solos, es por eso que es imposible decir cual mtodo es el mejor. Entender el propsito del mismo Ejemplo. Pronosticar la cantidad de jabn que se va a producir en el siguiente periodo de planeacin en realidad es distinto de pronosticar la cantidad que se producir de cada producto. Factores a considerar para elegir un mtodo para la elaboracin de recursos Periodo de vigencia para el que se realiza el pronostico La necesidad de actualizacin del pronostico Requerimientos de datos El nivel de precisin deseado Habilidades cuantitativas necesarias
Hbito 4: Pensar Ganar/Ganar El Hbito del Liderazgo Interpersonal Ganar/Ganar es el hbito del liderazgo interpersonal. En las familias y negocios, la efectividad se logra en gran parte a travs de los esfuerzos cooperativos de 2 o ms personas.
Ganar/ganar es la actitud de buscar el beneficio mutuo. El pensamiento de ganar/ganar comienza con un compromiso para explorar todas las opciones hasta que se alcance una solucin mutuamente satisfactoria. De no ser as, no hay trato. AOI-I-44-A14 Condicionamiento Ganar/Perder Muy temprano en la vida aprendemos a basar nuestro valor personal en comparaciones y competencia. Pensamos acerca de triunfar y ganar en trminos de ver a otros fallar o perder. Inclusive cuando "cooperar" podra traer grandes resultados y relaciones ms sanas, pensamos ganar/perder y centramos esfuerzos en "competir" lo cual es, si yo gano tu pierdes.
Piense Ganar/Ganar El pensar ganar/ganar es un paradigma mental y del corazn a travs del cual constantemente buscamos el beneficio mutuo en nuestras interacciones con otras personas. Este paradigma hace que veamos las relaciones como un proceso dinmico.
Pensar ganar/ganar es tan opuesto a lo que estamos acostumbrados a pensar que an despus de ser educados en pensar ganar/ganar la gente encuentra gran dificultad en hacerlo y no sabe como pensar en ganar/ganar.
AOI-I-44-A14 Seis Paradigmas de Interaccin Humana Ganar/Ganar La gente que escoge ganar y se asegura que otros tambin ganen practican ganar/ganar. La gente que vive el paradigma ganar/ganar se toma el tiempo para buscar soluciones que los haga felices y a la ves satisfaga a los otros.
Caractersticas: Busca la tercera alternativa. Busca el beneficio mutuo. Es cooperativo y no competitivo. Escucha ms, se mantiene en comunicacin ms tiempo y se comunica con mayor valenta.
AOI-I-44-A14 Ganar/Perder La gente con una mentalidad ganar/perder estn preocupados por s mismos al principio y al final. Ellos obtienen su triunfo a expensas de otros. Ellos estn motivados por la comparacin, competencia, posicin, y poder.
Caractersticas: Es el guin ms comn de la gente. Es el enfoque autoritario. Usa las "posiciones", "poder", "credenciales", "posesiones", o la personalidad para obtener "el ganar".
AOI-I-44-A14 Perder/Ganar La gente que escoge perder y deja que otros ganen muestra gran "consideracin" por otros, pero les falta "valenta" para expresar y actuar de acuerdo a sus sentimientos y creencias. Ellos se intimidan fcilmente y prestan su fuerza de la aceptacin y popularidad.
Caractersticas: Es peor que la forma de pensar ganar/perder. No solicita ni estndar, ni demandas, ni expectativas de otras personas. Es rpido en agradar. Entierra muchos sentimientos negativos.
AOI-I-44-A14 Perder/Perder La gente que piensa perder/perder muestra bajos niveles de valenta y consideracin. Ellos envidian y critican a otros. Ellos se quitan valor a ellos mismos y a otros.
Caractersticas: Es la mentalidad de la persona altamente dependiente. Es lo mismo que "no ganar" para que nadie se beneficie. Es el resultado a largo plazo de los paradigmas ganar/perder, perder/ganar o ganar.
AOI-I-44-A14 Ganar La gente que sostiene el paradigma "ganar", solo piensa en obtener lo que quiere. Aunque no quiere que los otros pierdan, ellos personalmente se ubican en "ganar". Ellos piensan independientemente en situaciones interdependientes, sin ninguna sensibilidad o conciencia de otros.
Caractersticas: Est centrado en "s mismo". Piensa "yo primero". Deja que los otros se cuiden por s mismos. Tienen una mentalidad de escasez.
AOI-I-44-A14
Ganar/Ganar o No Hay Trato Esta es la forma ms alta de ganar/ganar. La gente que adopta este paradigma busca primero ganar/ganar. Si no encuentran una solucin aceptable, ellos acuerdan estar en desacuerdo.
Caractersticas: Permite que cada parte diga "no". Es el enfoque ms realista al comenzar una relacin o trato de negocio. Es la forma ms superior de "ganar".
AOI-I-44-A14 Reescribir el Guin Ganar/Ganar. La mayora de nosotros tenemos guiones. Sin embargo, podemos reescribirlos o aprender nuevas formas de conducta mejorando nuestro pensamiento ganar/ganar. El proceso de reescribir nuestros guiones requiere el desarrollo del autoconocimiento para encontrar guiones efectivos y usar la imaginacin y creatividad para escribir otros nuevos.
Las Cuatro Dimensiones de Ganar/Ganar Ganar/ganar es uno de los paradigmas de la interaccin humana. Proviene de un carcter ntegro, maduro y mentalidad de abundancia. Crece en relaciones con alto nivel de confianza. Esta contenido en acuerdos que clarifican claramente las expectativas y los logros. Podemos aplicar ganar/ganar en cuatro dimensiones: 1) Carcter ganar/ganar. 2) Relaciones ganar/ganar. 3) Acuerdos ganar/ganar. 4) Sistemas y procesos ganar/ganar.
AOI-I-44-A14 1) Carcter Ganar/Ganar Su carcter comunica. Una persona con enfoque ganar/ganar posee 3 caractersticas de carcter: integridad, madurez, y mentalidad de abundancia.
Integridad: Las personas ntegras son autnticas con sus sentimientos, valores y compromisos. Actan de acuerdo a sus principios y leyes naturales en forma "consistente".
Madurez: Las personas maduras expresan sus ideas y sentimientos con valenta y confianza, y a la vez muestran consideracin y respeto por las ideas y sentimientos de otros.
Mentalidad de abundancia: Es dar espacio a otras posibilidades, reconocer que hay otros paradigmas. "Hay suficiente para todos", Esto no implica negar la realidad. Este es el momento crtico de recordar las caractersticas de los paradigmas y preguntarnos porque no puede ser como el/ella dice. Es aceptar con humildad que no lo conocemos todo.
AOI-I-44-A14 2) Relaciones Ganar/Ganar La gente que se involucra en relaciones ganar/ganar establecen un alto nivel de confianza a travs de la cuenta del banco emocional, ellas:
Demuestran acciones consistentes que convencen a la gente de que ellas poseen una reputacin bien ganada por honestidad, integridad y lealtad. Sus acciones son consistentes con su comportamiento, decisiones y posicin. Creen lo mejor de otras personas. Comunican expectativas claras. Buscan las opiniones de otros y las escuchan empticamente. Se comunican con precisin, honesta y oportunamente. Tratan a otros con respeto y responden a las necesidades de otros. Se centran en lo positivo, pero proveen retroalimentacin constructiva en reas de mejora.
AOI-I-44-A14 3) Acuerdos Ganar/Ganar Un buen acuerdo ganar/ganar crea acuerdos claros y mutua comprensin en cinco reas:
Resultados deseados: Clarifica los resultados especficos, fechas topes y otras especificaciones. Guas: Especifica los lmites para lograr resultados. Recursos: Lista todos los recursos disponibles para lograr los resultados deseados. Responsabilidad: Identifica quienes son responsables y los criterios para medir los resultados. Consecuencias: Determina las consecuencias de haber logrado o no los recursos ganar/ganar.
AOI-I-44-A14 4) Sistemas y Procesos Ganar/Ganar Usted puede lograr mejores soluciones ganar/ganar con sistemas y procesos ganar/ganar. Cambiar sistemas puede resultarle muy complicado. Recuerde, sin embargo, trabajar de adentro para fuera. Desarrolle el carcter ganar/ganar, establezca acuerdos y relaciones ganar/ganar y poco a poco expandir su crculo de influencia de tal manera que le permitir actuar sobre los procesos. Este tpico se cubre con mayor profundidad en el taller de liderazgo centrado en principios.