ANÁLISIS DE DATOS HISTÓRICOS SOBRE LA DEMANDA

INTRODUCCION

Actualmente no existe la menor duda que dentro de la estructura organizacional de una empresa, la importancia de cada cargo se mide en función del impacto empresarial de las decisiones que enfrenta, de manera que, cada vez se presta una mayor atención a la forma en que se toman las decisiones, y a los insumos de información requeridos para tomarlas. En función de esto, se puede afirmar que la información es el pilar fundamental dentro de LA TOMA DE DECISIONES, adicionalmente a la informacion se considera que t los objetivos de la organización al igual que los pronósticos, constituyen los insumos necesarios para la toma de decisiones, las cuales generan acciones que se convierten en resultados.

Dentro de este contexto, los pronósticos son una aproximación robusta que permite la reducción de incertidumbre necesaria para tomar decisiones y por tal motivo juegan un rol fundamental en aspectos como el marketing, la planeación de la producción, la definición de niveles de inventario, la programación de compras, entre otras actividades. En vista de esta situación existe una presión creciente por tener cada vez pronósticos más precisos en respuesta a la competitividad del mercado, por lo que la capacidad para obtenerlos se ha vuelto más una tarea crítica y una ventaja competitiva. Esta presión ha impulsado el desarrollo de métodos (cuantitativos y cualitativos) cada vez más sofisticados especialmente en el campo de la estadística y la econometría.

El pronóstico deberá ser una combinación de los métodos cuantitativos y cualitativos ya que ambas poseen características complementarias que permiten aumentar la calidad de los pronósticos finales.

Sin duda que el cálculo de pronósticos desde el punto de vista gerencial y administrativo es una tarea no tan fácil de realizar, debido a que en el influyen múltiples factores que pueden afectar su calidad. Por tal motivo, el objetivo de esta investigación se centra en describir los diferentes modelos para el cálculo de pronósticos; asimismo, que se tenga una mayor comprensión sobre las ventajas y limitaciones de la opinión experta y el modelado matemático, así como de las formas más efectivas en que pueden ser integrados.

Pronosticos

En la administración de operaciones tratamos de predecir una amplia gama de sucesos futuros que pudiesen, potencialmente, influir en el éxito. A menudo el interés básico es poder predecir la demanda del consumidor para nuestros productos y servicios.

En los ámbitos empresariales, económico y político, la predicción y el pronóstico tienen diferentes significados.

Pronostico es un proceso de estimación de un acontecimiento futuro, proyectando hacia el futuro datos del pasado.

Predicción es un proceso de estimación de un suceso futuro basándose en consideraciones subjetivas diferentes a los simples datos provenientes del pasado.

Como bien establecen estas definiciones, los pronósticos solo pueden hacerse cuando se dispone de una historia con datos del pasado, puesto que requieren técnicas estadísticas y de la ciencia administrativa. Para predecir, las buenas estimaciones subjetivas pueden obtenerse a partir de la habilidad, la experiencia y buen juicio del gerente a cargo.

Tipos de pronósticos

Las organizaciones emplean tres tipos principales de pronósticos al planear sus operaciones futuras:

1. Los pronósticos económicos abordan el ciclo del negocio al predecir las tasas de inflación, suministros de dinero, construcción de viviendas y otros indicadores de planeación

2. Los pronósticos tecnológicos se refieren a los índices de progreso tecnológicos, que pueden dar a lugar a nuevos productos interesantes, que requerirán nuevas plantas y equipos.

3. Pronósticos de la demanda son proyecciones de la demanda de productos o servicios de la compañía. Estos pronósticos también se conocen como pronósticos de ventas y ayudan a orientar los sistemas de producción, capacidad y programación de la empresa, y sirven como factores en la planeación financiera, marketing y personal.

Horizonte de tiempo del pronóstico

Un pronóstico usualmente se clasifica en tres por el horizonte de tiempo futuro que abarca, :

1. Pronóstico a corto plazo. Este pronóstico tiene un periodo de hasta 1 año, pero casi siempre es menor que 3 meses. Se usa para planear las compras, programar el trabajo, determinar niveles de mano de obra, asignar el trabajo y decidir los niveles de producción.

2. Pronóstico a mediano plazo. Un pronóstico a mediano plazo, o intermedio, en general se extiende de 3 meses a 3 años. Es útil para planear las ventas, la producción, el presupuesto y el flujo de efectivo, así como para analizar los diversos planes de operaciones.

3. Pronóstico a lago plazo. En general comprende 3 años o más; los pronósticos a largo plazo se emplean para planear nuevos productos, gastos de capital, ubicación o ampliación de las instalaciones, la investigación y el desarrollo.

Componentes de la demanda

La demanda de los productos y servicios puede dividirse en varios componentes, entre los cuales se encuentran: la horizontalidad, tendencia, estacional, elementos cíclico y variación aleatoria.

La horizontalidad:

Las líneas de tendencia son el punto de partida usual en el desarrollo de una proyección. Estas líneas se ajustan luego de acuerdo a los efectos estaciónales, el ciclo y cualesquiera otros eventos esperados que puedan influenciar en la proyección final.

Una tendencia lineal es una relación recta y continua. Una curva en “S” es típica del crecimiento de un producto y su ciclo de madurez, el punto mas importante de la curva en “S” es el lugar donde la tendencia cambia de un crecimiento lento a un crecimiento rápido o viceversa.

La horizontalidad se refiere a un patron de demanda constante y se observa en una representacion grafica como una linea paralela al eje x

Tendencial

A diferencia de cualquier otra tendencia como la asintótica se inicia con el más alto crecimiento de la demanda al comienzo, pero luego disminuye.

Una curva exponencial es común en productos con un crecimiento explosivo, la tendencia exponencial sugiere que las ventas continuaran creciendo, suposición ésta que no es muy seguro hacerLos factores cíclicos son más difíciles de determinar por que el lapso de tiempo puede desconocerse o por que la causa del ciclo puede no considerarse.

La estacionalidad:

la estacionalidad se puede observar en una representacion grafica cuando el mismo comportamiento durante periodos de tiempo en un año se repiten año tras año.

La ciclicidad

es parecida a la observacion de de la estacionalidad pero el patron se observa que se repite en ciclos de tres, cuatro, cinco años, etc

Las variaciones aleatorias

se producen por hechos al azar. Estadísticamente, cuando todas las causas conocidas de la demanda se sustraen de la demanda total lo que queda es la porción inexplicada de la misma. Si no se puede identificar la causa de este remanente, se supone que es cuestión de azar.

.

Características de los Pronósticos

• Todas las situaciones en que se requiere un pronóstico, tratan con el futuro y el tiempo está directamente involucrado. Así, debe pronosticarse para un punto específico en el tiempo y el cambio de ese punto generalmente altera el pronóstico.

• Otro elemento siempre presente en situaciones de pronósticos es la incertidumbre. Si el administrador tuviera certeza sobre las circunstancias que existirán en un tiempo dado, la preparación de un pronóstico seria trivial.

• El tercer elemento, presente en grado variable en todas las situaciones descritas es la confianza de la persona que hace el pronóstico sobre la información contenida en datos históricos.

Exigencias en la elaboración de pronósticos

La preparación de un pronóstico (científicamente sólido) debe cumplir las siguientes exigencias (Birg 1982: 161):

• No trivialidad, por tanto no caer en obviedades, tautologías y similares (“mañana lloverá o no lloverá”)

• Objetividad comprendida como posibilidad de comprobar intersubjetivamente el método, su seguimiento y los resultados, a lo que debe añadirse el indicar, sin lagunas, el número, tipo y especificación de las condiciones de que pueda depender que se produzca o no el evento o situación pronosticada.

• Comprobabilidad del mismo pronóstico: Aunque potencialmente podemos emplear cualquier modelo de explicación para preparar un pronóstico, en general, se recurre a métodos estadísticos en la mayoría de los “modelos de pronóstico” (Birg 1982: 162).

• 
  

Combinación de modelos de pronóstico intuitivo

En los estudios de carácter comprensivo se ha encontrado que el promedio simple y el promedio ponderado daban mejores resultados que con el resto de los métodos de pronóstico, aún con los métodos individuales. De estos estudios se puede concluir que la precisión del diagnostico mejora, y que se reduce la variabilidad de la precisión entre las diferentes combinaciones, a medida que en promedio aumentan los métodos. La combinación de los métodos es muy promisoria en el caso de las operaciones.

La combinación de los pronósticos parece ser una buena alternativa práctica cuando, como sucede a menudo, un modelo verdadero del proceso generador de la información o un mejor método sencillo de pronóstico, por cualquier causa, no puede ser encontrado o identificado.

Pasos A Seguir En El Pronóstico

Todos los procedimientos formales de pronóstico comprenden la extensión de las experiencias del pasado al futuro incierto. De ahí la suposición de que las condiciones que generaron los datos anteriores son indistinguibles de las condiciones futuras, con excepción de aquellas variables reconocidas de manera explícita por el modelo de pronóstico. Por ejemplo, si se esta pronosticando el índice de desempeño de los empleados en el trabajo, usando sólo como pronóstico la calificación del examen de admisión, se asume que el índice de desempeño en el trabajo de cada persona se afecta sólo por dicho examen. Considerando que la suposición de pasado y futuro indistinguibles no se cumple, resultarán pronósticos imprecisos, a menos que se modifiquen a juicio de quien se pronostica.

La aceptación de que las técnicas de pronósticos funcionan sobre datos generados en sucesos históricos pasados conduce a la identificación de cuatro pasos en el proceso de pronóstico:

1. Recopilación de datos: Sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. Con frecuencia este paso es el mayor reto de todo el proceso de pronóstico y el más difícil de controlar, ya que los pasos siguientes se efectúan sobre los datos, sean o no relevantes para el problema en cuestión. Siempre que se hace necesario obtener datos pertinentes en una organización, abundan los problemas de recopilación y control de calidad.

2. Reducción o condensación de datos: La reducción de datos con frecuencia es necesaria ya que en proceso de pronóstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la precisión del pronóstico. Otros datos pueden ser los adecuados, pero sólo en ciertos periodos históricos. Por ejemplo, en el pronóstico de ventas de automóviles compactos podría desearse emplear sólo datos de ventas de automóviles a partir del embargo petrolero de la década de 1970, en vez de datos de los últimos 50 años.

Construcción de gráficas de datos.

Identificación de componente o elementos en las graficas.

3. Construcción del modelo: Implica ajustar los datos reunidos en un modelo de pronóstico que sea el adecuado para minimizar el error del pronóstico. Entre más sencillo sea el modelo, será mejor para lograr la aceptación del proceso por parte de los administradores que toman las decisiones en la empresa. Con frecuencia se debe establecer un balance entre un enfoque de pronóstico complejo que ofrezca ligeramente más precisión y un enfoque sencillo que sea fácil de entender y ganar el apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es obvio que los elementos de juicio forman parte de este proceso de selección.

Es conveniente, en este punto recalcar que un modelo no esta completo sino tiene un medio de validacion de los resultados del modelo.

4. Extrapolación del modelo: Este último paso consiste en la extrapolación en sí del modelo de pronóstico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado. Es común que quien realizó el pronóstico revise la precisión del proceso mediante el pronóstico de periodos recientes de los que se conocen los valores históricos reales. Es entonces cuando se observan los errores de pronóstico y se resumen de algún modo. Ciertos procedimientos de pronósticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el número de intentos de pronóstico para obtener el error de pronóstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de métodos de pronóstico alternativos. Algunos procedimientos también rastrean y reportan la magnitud de los términos de error sobre el periodo de pronóstico. El examen de los patrones de error conduce con frecuencia al analista a la modificación del procedimiento de pronóstico, el cual genera después pronósticos más precisos.

Utilidad de los métodos de proyección.

Un buen pronóstico es de importancia crucial para todos los aspectos del negocio. Por lo tanto, los pronósticos de la demanda impulsan las decisiones en muchas áreas , entre3 las cuales tenemos:

• Recursos humanos

La contratación, capacitación y despido de los trabajadores dependen de la demanda prevista. Si el departamento de recursos humanos tienen que contratar trabajadores adicionales sin previo aviso, declina el nivel de capacitación y se afecta la calidad de la fuerza de trabajo. Usos mas específicos de estos pronósticos son:

• Número de trabajadores

• Rotación de personal

• Tendencias de ausentismo

• Tendencia de llegadas tarde

• Capacidad

Cuando la capacidad es inadecuada, los faltantes que resultan pueden significar entregas poco confiables, pérdida de clientes y pérdida de la participación de mercado. Por otro lado si se construye una capacidad excesiva, los costos se dispararían. Así en producción los usos mas frecuentes son:

• Costo de materia prima

• Costo de mano de obra

• Disponibilidad de materia prima

• Disponibilidad de mano de obra

• Requerimientos de mantenimiento

• Capacidad disponible de la planta para la producción

• Administración de la cadena de suministros

Las buenas relaciones con el proveedor y las subsecuentes ventajas de precio en materiales y partes dependen de pronósticos adecuados en.

• Mercadotecnia

• Tamaño del mercado

• Participación en el mercado

• Tendencia de precios

• Desarrollo de nuevos productos

• Finanzas

• Tasas de interés

• Cuentas de pagos lentos

• Planeación Estratégica

• Factores económicos

• Cambios de precios

• Costos

• Crecimiento de líneas de productos

Las Políticas Empresariales que Pueden Mejorar los Resultados del Pronóstico.

La elaboración de pronósticos es una tarea que debe ser entendida como un proceso organizacional, de tal forma que resulta aún más importante el entendimiento de su rol, y la generación de políticas empresariales que garanticen su efectividad.

• Reconocimiento de la importancia del rol del Pronóstico

La elaboración de pronósticos y su constante mejoramiento debe ser una orden directa de la gerencia. Los administradores y gerentes deben entender la importancia del pronóstico en la toma de decisiones, así como las implicaciones económicas y financieras relacionadas con la magnitud de los errores de las predicciones en términos de su impacto sobre las políticas de la organización. Esto genera una concepción de los pronósticos como un proceso formal de la organización destinado a la solución de ciertos problemas determinados, más que de una de tantas tareas que realiza un individuo. Cabe recordar que la predicción sin un fin claro y específico resulta inútil.

• Los modelos de predicción deben ser desarrollados para fines específicos

Un error fundamental de las organizaciones, es pensar que se pueden desarrollar modelos complejos que representan todos los aspectos de un sistema, y que a través de su operación se pueden obtener las diferentes predicciones requeridas en los procesos de toma de decisiones. Esta práctica va en detrimento de la calidad de los pronósticos obtenidos, y dificulta también el cumplimiento de los plazos previstos, así como el desarrollo y mantenimiento de los modelos como tales. Armstrong (2005) ya ha indicado que el uso de conocimiento específico y una estructuración adecuada del problema de predicción puede mejorar ostensiblemente la calidad de los pronósticos.

• El desarrollo de modelos de predicción no es un proyecto aislado

Los gerentes y administradores de las organizaciones deben entender que la implementación de un modelo de predicción no es un proyecto que se inicia bajo la formulación del problema, y finaliza una vez se tenga la implementación del modelo y un protocolo para realizar las predicciones. Solamente un estudio profundo sobre su desempeño, realizado a partir de la validación de sus resultados versus la realidad permite que este sea afinado; igualmente, los cambios en el ambiente que soporta la organización deterioran la calidad de los modelos de predicción, de tal forma, que es necesaria su revisión y ajuste a las condiciones particulares del ambiente en cada momento determinado. Inclusive, los cambios pueden ser tan drásticos que hacen los modelos inapropiados, haciendo necesario el desarrollo de nuevas aproximaciones al problema.

• Los modelos de predicción no deben usarse aisladamente

Si bien, los modelos de pronóstico permiten obtener una visión cuantitativa de un futuro probable, su mayor valor organizacional es alcanzado cuando son usados en conjunto con otras herramientas que permitan un análisis del problema de decisión, con una perspectiva integral.

• Las técnicas de modelado deben usarse desde la concepción del problema

Antes de la definición del problema de predicción, debe analizarse detenidamente el problema decisorio. Diferentes herramientas para la modelación de sistemas podrían ser de utilidad; igualmente, ello permite una mejor comprensión de los requerimientos que se harán a los pronósticos para que ellos sean realmente útiles para la organización. Es ampliamente recomendable que se asuma una posición escéptica respecto a la utilidad de los pronósticos en la solución del problema abordado, estableciendo los beneficios de realizar la predicción, en términos de reducción de la incertidumbre en el corto plazo, o conocimiento adquirido.

• Generación de una infraestructura para realizar pronósticos

1. En muchas organizaciones, las tareas de predicción son desarrolladas como parte de las funciones de un determinado cargo, en el cual suelen realizarse diferentes actividades. Más aún, algunas organizaciones suelen contratar consultoría externa durante la fase de diseño y puesta en marcha del modelo de predicción, dejando en manos del personal interno la construcción de pronósticos, una vez ha finalizado el proyecto de desarrollo e implementación. Ello implica que las predicciones son preparadas por personal que es novicio en el modelado, aunque pueda tener un conocimiento profundo del mercado. En este sentido, la preparación de pronósticos no es vista como una carrera profesional dentro de las empresas, de tal forma que las destrezas y habilidades necesarias para la construcción de predicciones precisas sólo suelen ser desarrolladas marginalmente, lo que va en contra de la política organizacional, en especial, si se entiende la importancia de la predicción en la toma de decisiones. En consecuencia, el rol del pronosticador debe estar definido en términos de sus funciones y responsabilidades, así como de los resultados que la administración espera de él; ello implica que el pronosticador es un experto en el modelado, capaz de realizar una aproximación disciplinada al problema, y quien a su vez tiene un conocimiento profundo del entorno empresarial de la problemática particular que debe resolverse. Una ventaja adicional de reconocer la preparación de pronósticos como una profesión de carrera, es que los modelos desarrollados no se convierten en cajas negras, de las que sólo se sabe cómo realizar las entradas y cómo obtener los resultados.

2. Formación de un grupo especializado. Se requiere un grupo especializado en la tarea de predicción (Ross, 2005). Por una parte, la elaboración de pronósticos procura un entrenamiento especializado en sofisticadas técnicas de predicción, así como un entendimiento profundo de los supuestos subyacentes de cada metodología; el uso de métodos mecánicos, también presupone el conocimiento en profundidad de las herramientas informáticas que implementan las diferentes metodologías. La sinergia lograda a través del grupo permite un mejor entendimiento de los problemas de la predicción en situaciones particulares, mejorando el proceso de selección respecto a cada problema particular. Gracias a la habilidad que logra el equipo, se reducen los costos de la tarea de predicción y la capacidad de entregar sus resultados en un margen de tiempo adecuado, con el consecuente aumento de su credibilidad e impacto organizacional. Un beneficio adicional de este enfoque es la centralización de la información en un solo grupo, de tal forma que se facilita la labor de evaluación y revisión de los pronósticos al igual que la formulación de políticas y procedimiento en torno a la construcción de pronósticos, tanto por medio de métodos mecánicos, como por juicio informado, así como en lo referente a su combinación. Esta estrategia permite además la elaboración de un proceso continuo de mejoramiento, con los consiguientes beneficios organizacionales.

3. Centralización de los resultados. Los pronósticos deben estar disponibles para todos sus usuarios, así como también los supuestos con los cuales han sido realizados. Los números por sí mismos no son suficientes para que el pronóstico sea creíble; es importante que ellos vayan acompañados de una descripción detallada de los aspectos considerados, así como de las suposiciones efectuadas. Un factor fundamental es la asignación de incertidumbre a los pronósticos realizados a través de intervalos de confianza; ello permite una mejor comprensión de la incertidumbre envuelta en la predicción por parte de los usuarios.

4. Auditoría de los resultados. Uno de los puntos fundamentales en la política organizacional es definir las estrategias que serán usadas para establecer la credibilidad de los pronósticos. Particularmente, se deben realizar constantemente evaluaciones ex-post sobre su precisión, y sobre las causas de sus aciertos y errores. Esto permite que se gane al interior de la organización una ventaja competitiva respecto a la calidad de los métodos usados y sus ventajas y falencias al representar el problema real, así como una concepción más profunda e integral del mercado financiero o el sistema económico que se está modelando. La auditoría no debe limitarse únicamente a los resultados finales, sino que debe cubrir todas las fases del proceso de pronóstico, con el fin de identificar sesgos y limitaciones.(Deschamps, 2005).

5. Formalización de un protocolo para la construcción de predicciones basadas en juicios.Es esencial la elaboración de pronósticos basados en juicios, que el experto haga un ejercicio objetivo y planificado sobre la evolución de la variable de interés, de tal forma que posea una posición al momento de analizar los pronósticos emitidos por un sistema mecánico basado en métodos estadísticos. El éxito de la tarea depende de la existencia de un proceso estructurado para la emisión, documentación y validación de juicios, reduciendo las desviaciones y vicios que tiene el experto como ser humano.

6. Realización de esfuerzos para la construcción de sistemas mecánicos de predicción.Se requieren métodos funcionales para la elaboración de pronósticos. Los pronósticos estadísticos son objetivos, consistentes y no sesgados en su forma de realización (Sanders, 2005), son por ello fácilmente reproducibles, a partir del registro de la información histórica utilizada. A diferencia del pronóstico informado, pueden manejar una gran cantidad de información, así como relaciones complejas entre las variables estudiadas.

7. En términos generales, un modelo puede ser entendido como una teoría sobre la dinámica de la evolución de la variable estudiada, de tal forma que su proceso de construcción permite confrontar y validar el conocimiento del experto, así como considerar aspectos que no pueden ser manejados usualmente por el pronóstico basado en juicios informados.

8. El método estadístico de pronóstico debe ser dictaminado por el problema, ya que no existen métodos generales de predicción que puedan ser aplicados de forma universal a todos los problemas. En este sentido, el método de pronóstico utilizado debe seleccionarse a partir de las características de la dinámica de la variable analizada, las cuales son dictaminadas desde la experiencia del experto y la verificación que realiza el pronosticador. Se debe establecer cuáles métodos permiten representar de una forma más cercana a la realidad, las características de la serie real; usualmente, cada técnica estadística permite representar ciertos aspectos de la dinámica real de la variable analizada, por lo que la combinación de pronósticos es una alternativa viable para mejorar el desempeño de diferentes técnicas de pronóstico.

9. Desarrollo de protocolos para la documentación de los modelos y los pronósticos.El desarrollo de modelos de predicción que sean útiles y valiosos en el contexto organizacional, conlleva el desarrollo de estándares de documentación tanto para su elaboración misma, como para la preparación de los pronósticos que usan sus usuarios. La documentación debe incluir los resultados de las pruebas realizadas, y aun las críticas de terceros sobre sus resultados. La preparación de la documentación sobre el desarrollo del modelo le permite al pronosticador realizar un ejercicio de autoevaluación de su trabajo, así como descubrir errores sutiles que podrían pasar inadvertidos hasta las últimas etapas del diseño. En fases posteriores, permite que el modelo pueda ser entendido, revisado, replicado, criticado y extendido por otros pronosticadores; así como también que sea valorado por los administradores y gerentes, de tal forma que sus resultados resulten creíbles y útiles.

10. Fortalecimiento de los vínculos entre el pronosticador y la gerencia.Existe una necesidad fundamental de que los gerentes y administradores entiendan los detalles de las metodologías usadas en la predicción y las limitaciones inherentes a cada una de ellas; de igual importancia será lograr un entendimiento adecuado del impacto de la información utilizada para construir los pronósticos, permitiendo que la alta gerencia pueda usar efectivamente los pronósticos. Estos elementos permiten que los gerentes y administradores puedan visualizar nuevas aplicaciones y hacer sugerencias útiles para el mejoramiento de los pronósticos y su utilización en el entorno empresarial, de tal forma que pueda describir al equipo de predicción los problemas más importantes en situaciones complejas, y qué se espera de sus resultados; ello evita un sentimiento de distancia respecto a las predicciones realizadas. A su vez, los pronosticadores deben entender suficientemente bien el problema de predicción desde un punto de vista empresarial, de tal forma que puedan tomar las decisiones más acertadas respecto a la metodología que será usada para la construcción de los pronósticos; resulta igualmente relevante que el pronosticador entienda las dificultades del proceso de toma de decisiones, para que pueda asumir una posición complementaria respecto a los gerentes y administradores; una de las implicaciones más importantes, es que el pronosticador pueda explicar los resultados del proceso de predicción en un contexto empresarial, maximizando la cantidad de información útil que entrega a sus usuarios.

Métodos cualitativos y cuantitativos de proyección.

Existen varios tipos de pronósticos estandarizados, estos se dividen en dos grupos: cualitativos, y cuantitativos, los cuales a su vez se dividen en de serie de tiempo, y causales. Cada uno de estos difiere en términos de la precisión en el pronóstico a largo plazo y el corto plazo, en el nivel de sofisticación cuantitativa utilizada.

MÉTODOS CUALITATIVOS

Los métodos cualitativos de pronósticos utilizan el juicio de los gerentes, su experiencia, los datos relevantes y un modelo matemático implícito. Como el modelo es implícito, si dos gerentes distintos utilizan los métodos cualitativos, es frecuente que lleguen a pronósticos con variaciones importantes.

Los pronósticos 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 pronóstico. También debe utilizarse el pronóstico cualitativo para la introducción de nuevos productos cuando no se dispone de una base de los datos históricos.

Los métodos cualitativos casi siempre se utilizan para pronósticos a mediano y largo plazo que involucren situaciones como diseño del proceso o capacidad de las instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca están disponibles o, cuando así es, pueden indicar un patrón poco estable. Se basan en juicios respecto a los factores causales de la venta de productos y servicios y, en opiniones sobre la posibilidad de que dichos factores sigan presentes en el futuro. Involucran encuestas de opinión y estimaciones intuitivas respecto a eventos futuros.

Las técnicas cualitativas se usan cuando los datos son escasos, por ejemplo cuando se introduce un producto nuevo al mercado. Estas técnicas usan el criterio de la persona y ciertas relaciones para transformar información cualitativa en estimados cuantitativos. Entre los métodos cualitativos más usuales, se encuentran:

Investigación de mercado:

Una investigación de mercado consiste en varios pasos. Primero es necesario desarrollar un cuestionario que deben contener preguntas cuyas respuestas proporcionen la información necesaria para determinar un pronóstico. Son procedimientos útiles para productos y servicios nuevos.

El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo, fax, correo electrónico, teléfono, una postal para recortar una entrevista o en una persona. La manera en que se lleve a cabo la investigación puede afectar tanto el número como la calidad de las respuestas. El número, localización y los clientes individuales que responderán deben planearse con cuidado junto con el propósito del estudio.

Una vez que se realiza la investigación, 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.

Juicio Experto:

Una de las formas más eficaces de producir pronósticos es a través de los juicios informados. Han gozado de una amplia credibilidad empresarial, debido especialmente a que el experto incorpora en el juicio emitido sus creencias sobre la variable pronosticada, su experiencia (hechos pasados que no están presentes en la información histórica, y que son difíciles de incorporar dentro de los modelos matemáticos), así como la información contextual y cualitativa que posee sobre eventos futuros que pueden afectar su comportamiento, tal como es el caso de información privilegiada sobre cambios en políticas gubernamentales, o la presencia de situaciones o hechos atípicos en el mecanismo de formación de los precios en un mercado. El uso del juicio experto implica la conversión de juicios cualitativos en valores numéricos que corresponden a los pronósticos propiamente dichos.

La emisión de juicios es algo intuitivo para el ser humano, por lo que este tipo de pronóstico no requiere un entrenamiento previo en una metodología específica; en consecuencia, los pronósticos son realizados en menos tiempo y con mayor facilidad que aquellos construidos usando herramientas matemáticas. No requieren equipos de cómputo costosos, ni la adquisición de licencias de software.

No obstante, se hacen notoriamente difíciles en la medida que aumenta la cantidad de factores a considerar, y que las relaciones entre los factores se hacen más complejas; ello causa que la precisión del pronóstico se degrade rápidamente.

La generación del pronóstico implica que el experto ha realizado un proceso de aprendizaje basado en la observación y el descubrimiento de las características del sistema donde se desarrolla la variable de interés, y de las propiedades de esta, así como de otras que pueden explicar su comportamiento, generando como resultado un modelo mental que representa la dinámica del sistema.

Las limitaciones propias de la mente humana obligan a que el juicio sea basado en un modelo mental simplificado adquirido a través de la experiencia personal, y que representa el conocimiento subjetivo que el experto posee. En consecuencia, el pronóstico se ve afectado por las mismas limitaciones que afectan la mente humana y se hace necesario considerar los aspectos sicológicos que intervienen en los procesos de emisión de juicios y decisiones humanas (Hogarth, 1994; León, 1994)

.

Uno de los principales problemas que deterioran la calidad de los pronósticos usando juicio experto, es que estos no son el resultado de un proceso sistemático de razonamiento que garantice que los juicios emitidos sean defendibles, argumentables y soportados por evidencias, tal que permitan su documentación para realizar procesos futuros de realimentación y revisión, y así producir un aumento de su calidad.

El método Delphi:

Una variación formal de la opinión de expertos es el método Delphi, llamado así en honor del oráculo de Delfos (del griego Delphi) de la metodología griega, quien predijo eventos futuros. Una de las características de este método es que todas las estimaciones del grupo se consideran en forma anónima. Esto tiende a eliminar la influencia de un supuesto nivel de autoridad superior así como el efecto de seguir la corriente que es tan común cuando se utilizan grupos que se enfrentan cara a cara.

Un comité de “expertos” corresponde al oráculo en esta técnica, y el facilitador determina los participantes, escribe los cuestionarios y analiza los resultados. Los miembros del comité pueden ser expertos de diferentes campos. Por ejemplo uno puede tener orientación hacia las ventas y otro ser economista. Ellos ofrecen diversos puntos de vista y consideran muchos factores en el proceso.

Se pide a los miembros del comité que entreguen pronósticos anónimos de eventos específicos y, lo que es más importante, sus razones para hacer este pronóstico. Las preguntas deben ser ambiguas y simples. En lugar de pregunta si las ventas serán altas, debe preguntarse si estarán arriba de un valor dado. Las preguntas deben tener una sola respuesta, si se necesitan respuestas múltiples, debe hacerse una pregunta para cada una.

Las respuestas se resumen, se modifica el cuestionario y se regresa a los miembros del comité, a quienes se pide que repitan el proceso. El resultado de cada ronda debe reflejar los resultados de la anterior; con el cuestionario actualizado se mandan las estadísticas resumidas, es decir, la media, la mediana y el rango.

El procedimiento continúa hasta que los miembros del comité,bajo acuerdo razonable, por lo general, tres o cuatro rondas son suficientes para alcanzar con un consenso- y el resumen de resultados se informa a los participantes y se usa para tomar la decisión.

El método Delphi tiene varias ventajas, entre ellas esta el hecho de que se incluye la participación de personas muy diferentes, incluso de distintas localidades, y elimina el dominio de personalidades fuertes, dando a todos la misma oportunidad de participar; las respuestas anónimas permiten una expresión mas libre de las ideas.

La mayor desventaja es el tiempo necesario para llevar a cabo el estudio Delphi, muchas veces más de un mes; no obstante los métodos electrónicos (fax y correo electrónico) pueden acelerar el proceso.

La Encuesta a la fuerza de ventas y la Encuesta a clientes:

Describen métodos principalmente utilizados para productos y servicios existentes.

Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o técnicas comparativas para generar estimados cuantitativos del futuro. La información que afecta al pronóstico no es cuantitativa ni objetiva. La naturaleza no científica de los métodos los hacen difíciles de estandarizar y validar con precisión; sin embargo estos métodos pueden ser los únicos disponibles cuando se intenta predecir el éxito de nuevos productos, cambios en la política gubernamental o el impacto de una nueva tecnología. Son métodos que se desarrollan en base a la intuición y buen juicio de personas conocedoras del asunto que se quiere pronosticar. Otros metodos son:

• Proyección fundamental

La proyección fundamental, forma la proyección agregando niveles sucesivos desde abajo. Aquí se supone que la persona más cercana al cliente o la utilización final del producto, conoce mejor sus necesidades futuras. Aunque esto no es siempre cierto, en muchos casos es una suposición válida y es la base de este método.

• Consenso de grupo

Este método consiste en un que un grupo de personas de varias posiciones desarrollan una proyección confiables, mas que la de un grupo pequeño. Las proyecciones de grupo se desarrollan a través de reuniones abiertas con libre intercambio de ideas con todos los niveles de gerencia y otras personas.

• Analogía histórica

Al tratar de proyectar la demanda de un nuevo producto, la situación ideal sería que un producto existente o genérico pudiera ser utilizado como modelo. Existen muchas maneras de clasificar estas analogías, por ejemplo, productos complementarios, los productos sustituibles o competitivos.

Modelos Cuantitativos

Son modelos matemáticos que se basan en datos históricos, bajo el supuesto de que son relevantes para el futuro. Estos modelos se pueden utilizar con series de tiempo. Una serie de tiempo es un conjunto de valores observados, medidos durante períodos sucesivos.Una de las características más importantes que tienen los pronósticos es la precisión.

Precisión del pronóstico: indica cuan cerca están los pronósticos de los datos reales. Los pronósticos se realizan antes de conocer los datos reales, por lo tanto, su precisión sólo puede determinarse después que haya transcurrido el tiempo. Si los valores del pronóstico quedan muy cerca de los datos reales, decimos que tienen una elevada precisión o que el error de pronóstico es bajo. Para determinar la precisión de los modelos de pronósticos se suman las distancias entre los pronósticos y los datos reales a través del tiempo. Si la precisión del modelo es baja, o sea que la suma obtenida es alta, se modifica el método o se escoge uno nuevo.

Modelos Cuantitativos de Series de Tiempo:

Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar. Hoy en día diversas instituciones requieren conocer el comportamiento futuro de ciertos fenómenos con el fin de planificar, prever o prevenir.

La planificación racional exige prever los sucesos del futuro que probablemente vayan a ocurrir. La previsión, a su vez, se suele basar en lo que ha ocurrido en el pasado. Se tiene pues un nuevo tipo de inferencia estadística que se hace acerca del futuro de alguna variable o compuesto de variables basándose en sucesos pasados. El modelo más importante para hacer inferencias sobre el futuro con base en lo ocurrido en el pasado, son las series de tiempo.

Métodos de serie de tiempo

Esta basado en la idea de que, con el tiempo, la historia de los eventos ocurridos con el tiempo puede ser utilizada para predecir el futuro. La naturaleza cuantitativa de las series de tiempo estimula el uso de los modelos matemáticos y estadísticos como las principales herramientas de pronósticos.

La precisión que puede lograrse para periodos menores a seis meses por lo general es buena. Estos modelos trabajan en forma adecuada simplemente debido a la estabilidad inherente de las series de tiempo en el corto plazo.

Existen varios modelos y métodos de series de tiempo entre los cuales elegir y que incluyen los modelos constante, de tendencia y estacional, dependiendo de los datos históricos y de la comprensión del proceso fundamental.

Para cada modelo, se cuenta con varios métodos de pronóstico, que incluyen promedios, promedios móviles, suavizado exponencial, doble suavizado exponencial, etc.

Son innumerables las aplicaciones que se pueden citar, en distintas áreas del conocimiento, tales como, en economía, física, geofísica, química, electricidad, en demografía, en marketing, en telecomunicaciones, en transporte, etc.

Series De Tiempo

Ejemplos

1. Series económicas:

- Precios de un artículo

- Tasas de desempleo

- Tasa de inflación

- Índice de precios, etc.

2. Series Físicas:

- Meteorología

- Cantidad de agua caída

- Temperatura máxima diaria

- Velocidad del viento (energía eólica)

- Energía solar, etc.

3. Geofísica:

- Series sismologías

4. Series demográficas:

- Tasas de crecimiento de la población

- Tasa de natalidad, mortalidad

- Resultados de censos poblacionales.

5. Series de marketing:

- Series de demanda, gastos, ofertas

6. Series de telecomunicación:

- Análisis de señales

7. Series de transporte:

- Series de tráfico.

Uno de los problemas que intenta resolver las series de tiempo es el de pronosticar. Esto es dado una serie {x(t1),...,x(tn)} nuestros objetivos de interés son describir el comportamiento de la serie, investigar el mecanismo generador de la serie temporal, buscar posibles patrones temporales que permitan sobrepasar la incertidumbre del futuro.

En adelante se estudiará como construir un modelo para explicar la estructura y prever la evolución de una variable que observamos a lo largo del tiempo. La variables de interés puede ser macroeconómica (índice de precios al consumo, demanda de electricidad, series de exportaciones o importaciones, etc.), microeconómica (ventas de una empresa, existencias en un almacén, gastos en publicidad de un sector), física (velocidad del viento en una central eólica, temperatura en un proceso, caudal de un río, concentración en la atmósfera de un agente contaminante), o social (número de nacimientos, matrimonios, defunciones, o votos a un partido político).

En muchas áreas del conocimiento las observaciones de interés son obtenidas en instantes sucesivos del tiempo, por ejemplo, a cada hora, durante 24 horas, mensuales, trimestrales, semestrales o bien registradas por algún equipo en forma continua.

Llamamos Serie de Tiempo a un conjunto de mediciones de cierto fenómeno o experimento registradas secuencialmente en el tiempo. Estas observaciones serán denotadas por {x(t1), x(t2), ..., x(tn)} = {x(t) : t Î T Í R} con x(ti) el valor de la variable x en el instante ti.

Si T = Z se dice que la serie de tiempo es discreta y si T = R se dice que la serie de tiempo es continua. Cuando ti+1 - ti = k para todo i = 1,...,n-1, se dice que la serie es equiespaciada, en caso contrario será no equiespaciada.

En adelante se trabajará con series de tiempo discreta, equiespaciadas en cuyo caso asumiremos y sin perdida de generalidad que: {x(t1), x(t2), ..., x(tn)}= {x(1), x(2), ..., x(n)}.

1)Primer paso al analizar cualquier serie de tiempo

El primer paso en el análisis de series de tiempo, consiste en graficar la serie. Esto nos permite detectar las componentes esenciales de la serie. El gráfico de la serie permitirá:

1. Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un outliers es una observación de la serie que corresponde a un comportamiento anormal del fenómeno (sin incidencias futuras) o a un error de medición.

Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo es, se debe omitir o reemplazar por otro valor antes de analizar la serie.

Por ejemplo, en un estudio de la producción diaria en una fábrica se presentó la siguiente situación ver figura :

ilustracion 1.

Los dos puntos enmarcados en un círculo parecen corresponder a un comportamiento anormal de la serie. Al investigar estos dos puntos se vio que correspondían a dos días de paro, lo que naturalmente afectó la producción en esos días. El problema fue solucionado eliminando las observaciones e interpolando.

2. Detectar tendencia: la tendencia representa el comportamiento predominante de la serie. Esta puede ser definida vagamente como el cambio de la media a lo largo de un periodo (ver figura 2).

ilustracion 2

3.Variación estacional: la variación estacional representa un movimiento periódico de la serie de tiempo. La duración de la unidad del periodo es generalmente menor que un año. Puede ser un trimestre, un mes o un día, etc (ver figura 3). Matemáticamente, podemos decir que la serie representa variación estacional si existe un número s tal que x(t) = x(t + k×s).

Las principales fuerzas que causan una variación estacional son las condiciones del tiempo, como por ejemplo:

1) en invierno las ventas de helado

2) en verano la venta de lana

3) exportación de fruta en marzo.

Todos estos fenómenos presentan un comportamiento estacional (anual, semanal, etc.)

ilustracion 3

4. Variaciones irregulares (componente aleatoria): los movimientos irregulares (al azar) representan todos los tipos de movimientos de una serie de tiempo que no sea tendencia, variaciones estacionales y fluctuaciones cíclicas.

5. Horizontalidad. puede tener mucha suerte y observar que las variaciones de los datos a lo largo del tiempo son muy pequeñas y que la linea que los describe es una linea recta horizontal. En este caso los calculos se reducen considerablemente

2.- Seleccionar El Modelo De Pronóstico.

Para seleccionar el método de pronóstico se debe contemplar el nivel de detalle. ¿Se requiere de un pronóstico de detalles específicos (un micro pronóstico)? ¿Se precisa el pronóstico de algún punto en el futuro cercano (un pronóstico a mediano plazo), o para un punto en el futuro distante (un pronóstico a largo plazo)? Y, ¿hasta que grado son apropiados los métodos cualitativos (de juicio) y cuantitativos (de manipulación de datos)?

La consideración que se impone en la selección de un método de pronóstico es la de que los resultados deben facilitar el proceso de toma de decisiones de los administradores de la organización. Por lo tanto, el requerimiento esencial no es que el método de pronóstico comprenda un proceso matemático complicado o que sea lo último en complejidad, siempre y cuando responda al comportamiento de la serie de tiempo,. En vez de ello, el método elegido deberá producir un pronóstico que sea preciso y comprensible para los administradores, de modo que pueda ayudar a producir mejores decisiones. Además, la utilización del proceso de pronóstico debe producir un beneficio que exceda al costo asociado con su uso.

En resumen se deben considerar los siguientes factores a la hora de seleccionar un método de pronósticos:

• El contexto del pronóstico

• La relevancia y disponibilidad de datos históricos

• El grado de exactitud deseado

• El periodo de tiempo que se va a pronosticar

• El análisis de costo-beneficio del pronóstico

• El punto del ciclo de vida en que se encuentra el producto.

Los criterios cuantitativos que mas tienen influencia en la selección de los modelos de pronósticos son el costo y la precisión (error de pronóstico), tal como son medidos por MAD (Desviación Media Absoluta) y el sesgo medidos través de la señal de rastreo. Los costos asociados a pronosticary considerados en la selección de los modelos son:

• costo de implementación

• costos del sistema

• costos de los errores en el pronóstico

De los tres, los costos imputables a los errores en el pronóstico son probablemente los más difíciles y complejos de evaluarse. Estos son función del ruido en la serie de tiempo, forma de la curva de demanda, longitud del horizonte de tiempo de pronóstico y forma de medición del error de pronóstico. No existe ningún sustituto para un análisis cuidadosa de las demandas típicas de los elementos, incluyendo las gráficas, en el momento de hacer la selección de los modelos.

Diversos estudios han evaluado y comparado el desempeño de diferentes modelos. En general cualquiera de los distintos modelos puede ser el mejor, dependiendo del patrón de demanda, del nivel de ruido y de la longitud del periodo de pronóstico. Casi siempre al hacer el pronóstico se puede tener la opción de diferentes modelos, que pueden ser buenos para cualquier tipo de demanda, cuando la selección se basa solamente en el error de pronóstico. Si se trata de muchos estudios, el doble suavizado exponencial resulta ser el mejor modelo.

3.- Hacer El Pronóstico

Los Principales modelos usados de serie de tiempo, y a veces sin discriminacion del comportamiento de los datos son::

• Promedio simple.

• Promedio ponderado.

• Promedio movil.

• Suavización Exponencial.

Modelos básicos de promedios

Hay diversas formas de calcular un promedio para que sirva como pronóstico:

1. Promedio simple

Aquí, todas las demandas de los períodos anteriores tienen el mismo peso relativo. El promedio hace que las demandas elevadas tiendan a ser equilibradas por las demandas bajas de otros períodos, reduciendo las posibilidades de error que se podrían cometer al dejarse llevar por fluctuaciones aleatorias que pueden ocurrir en un período. Se calcula así:

(1)

En donde, di, i = 1 hasta k, es la demanda de todos los períodos anteriores

k = número de períodos

2. Media móvil simple

Combina los datos de demanda de la mayor parte de los períodos recientes, siendo su promedio el pronóstico para el período siguiente. El promedio se “mueve” en el tiempo, en el sentido de que, al transcurrir un período, la demanda del período más antiguo se descarta y se agrega, en su reemplazo, la demanda para el período más reciente, superando así la principal limitación del modelo del promedio simple. Se calcula así:

(2)

En donde: Dt es la demanda de cada uno de los n períodos anteriores

“t” va desde 1 hasta “n” períodos

3. Media móvil ponderada.

Se aplica cuando no se quiere que todos los “n” períodos tengan el mismo peso, es decir permite asignar un peso desigual a la demanda en función de la importancia que le concede el analista.

Donde: y

La experiencia, la prueba y el error, son las formas más sencillas de escoger las ponderaciones. Como norma general, el pasado mas reciente es el indicador más importante de lo que se espera en el futuro y, en consecuencia, debe tener una mayor ponderación. Los ingresos o la capacidad de la planta en el último mes, por ejemplo, serían mejor cálculo para el próximo mes que los ingresos o la capacidad de la planta de varios meses atrás.

Si embargo, si los datos son estacionales, las ponderaciones deben establecerse en consecuencia. Por ejemplo los vestidos de baño en julio del último año deben tener una mayor ponderación que las de diciembre. El promedio de movimiento ponderado tiene una ventaja definida sobre el promedio de movimiento simple en el hecho de ser capaz de variar los efectos de los datos anteriores.

4. Suavizado exponencial

En los métodos de proyección básicos por promedios se manejan gran cantidad de datos históricos. En estos métodos, en la medida en que se agrega una nueva porción de datos, la observación de datos, la observación anterior disminuye y se calcula la nueva proyección.

Las técnicas de suavizado exponencial son muy aceptadas ya que presentan las siguientes ventajas.

- Requieren muy pocos datos históricos.

- Este modelo es eficaz, sencillo y fácil de entender.

- Se puede computarizar para familias de productos, sus partes, o sus elementos

- Sirve en los sectores de manufactura y de servicios.

En el método de ajuste exponencial, sólo se necesitan tres datos para proyectar el futuro:

la proyección más reciente,

la demanda real registrada y la coeficiente de ajuste alfa (α).

La fórmula básica para el suavizamiento exponencial se expresa:

Nuevo pronóstico = pronóstico del periodo anterior +

α(demanda real en mes anterior – pronóstico del periodo anterior)

Donde la constante de suavizado (α), elegida por quien pronostica, que tiene un valor entre 0 y 1. La fórmula se escribe de la siguiente manera:

Donde:

Nuevo pronóstico

F t-1 Pronóstico anterior

α: constante de suavizado (o ponderación) (0≤ α≤1)

A t-1 Demanda real en el periodo anterior

El enfoque de suavizamiento exponencial es sencillo de usar y se a utilizado con éxito en prácticamente todo tipo de negocios. Sin embargo, el valor apropiado de la constante de suavizado, α, puede ser la diferencia entre un pronostico preciso y un pronostico impreciso. Se eligen valores altos de α cuando el promedio subyacente tiene probabilidades de cambiar. Se emplean valores bajos de α cuando el promedio en el que se basa es bastante estable. Al elegir los valores de las constates de suavizado, el objetivo es obtener el pronostico mas preciso.

5. Suavizado exponencial adaptativo

Si quien realiza el modelo o el administrador no están seguros de la estabilidad o de la forma del modelo subyacente de la demanda, el suavizado exponencial adaptativo proporciona una buena alternativa del pronóstico. En el suavizado exponencial adaptativo, el coeficiente de suavización, α, no siempre es el mismo; inicialmente se determina y luego se permiten variaciones de él en el tiempo, de acuerdo con los cambios del modelo subyacente.

6. Doble suavizado exponencial

El doble suavizado exponencial tiende a suavizar el ruido en series de demanda estables. El modelo es directo; suaviza el pronóstico obtenido con un modelo de suavizado exponencial y el pronóstico obtenido mediante un modelo de suavizado exponencial doble.

Donde 0≤ α≤1

Observe que Ft es el modelo de suavizado exponencial, que debe ser calculado antes de calcular FDt

2.-MÉTODOS DE PROYECCIÓN CAUSALES

Estos métodos se basan en que el nivel de la variable pronosticada se deriva del nivel de otras variables relacionadas. Por ejemplo, las ventas pueden verse afectadas por la publicidad, la calidad y la competencia.

Los modelos causales vienen en una variedad de forma: estadísticos, en el caso de los modelos de regresión y econométricos; y descriptivos, como en el caso de modelos de entrada-salida, ciclo de vida y simulación por computadora. Cada modelo deriva su validez a partir de patrones de información histórica que establecen la asociación con la variable que se pronosticará.

El problema principal con esta categoría es que con frecuencia resulta difícil encontrar verdaderas variables causales. En algunos casos, la variable que se va a pronosticar tiene una relación bastante directa con una o más variables cuyos valores se conocen en el momento del pronóstico. Si así es, tendría sentido basar el pronóstico en esta relación. Este tipo de enfoque se llama pronóstico causal.

Un pronóstico causal obtiene un pronóstico de la cantidad de interés (la variable dependiente) relacionándola en forma directa con una más cantidades (variables independientes) que impulsan a la cantidad de interés. El método de regresión lineal es un método de proyección causal

Regresión lineal

La regresión se puede definir como una relación funcional entre dos o más variables correlacionadas. Se utiliza para predecir una variable dada la otra. La relación se desarrolla normalmente con base en los datos observados. Éstos se deben representar primero gráficamente para ver si parecen lineales o si, al menos, parte de ellos lineales. La regresión lineal se refiere al tipo especial de regresión en la cual la relación entre las variables forma una línea recta. La línea de regresión lineal tiene la forma de

Y= a +bX

Donde:

Y: es el valor de la variable dependiente que se esta resolviendo

a: es la ordenada en el origen de Y

b: inclinación

X: variable independiente

La regresión lineal es útil en la proyección a largo plazo de las principales ocurrencia y de la planeación total.

La regresión lineal se utiliza tanto para la proyección de serie de tiempos como para la proyección de relación causal. Cuando la variable dependiente (normalmente el eje vertical de la gráfica) cambia como resultado del tiempo (representado como eje horizontal de la gráfica) se trata de análisis de la serie de tiempos. Si una variable cambia debido a la variación de otra variable, se trata de relación causal.

Bibliografía

1. Chase, Aquilano, Jacobs. Admistración de producción y operaciones. Octava edicion. Editorial Mc Graw Hill.

2. Everett E. Adam. Jr, Ronald J. Ebert. Administración de la producción y operaciones. Cuarta edicion. Editorial Prentice Hall.

3. Hillier, Lieberman. Investigación de operaciones. Septima edicion. Editorial Mc Graw Hill.

4. Remder, Heizer. Principios de administración de operaciones. Quinta edicion. Editorial Prentice Hall

5. Ronald H. Ballou. Logistica Administración de la cadena de suministro. Quinta edicion. Editorial Prentice Hal

6. http://rmorales.mayo.uson.mx/admon.pdf