¿Qué puede haber de improvisto para el que
no ha previsto nada?
Paul Valéry (1871-1945) Poeta francés.
Dirección de la
Producción:
Decisiones estratégicas
Capítulo 4:
Previsión
Contenido
 ¿Qué es la previsión?
Horizontes temporales de la previsión
 La influencia del ciclo de vida del producto

 Tipos de previsiones
 La importancia estratégica de la previsión
Recursos humanos
 Capacidad
 Gestión de la cadena de suministros

 Siete etapas en el sistema de previsión
Contenido
 Enfoques de la previsión


Visión global de los métodos cualitativos
Visión global de los métodos cuantitativos
 Previsión de series temporales








Descomposición de una serie temporal
Enfoque simple
Medias móviles
Alisado exponencial
Alisado exponencial con ajuste de tendencia
Proyecciones de la tendencia
Variaciones estacionales en los datos
Variaciones cíclicas en los datos
Contenido
Métodos de previsión causal: análisis de
regresión y correlación
Utilización del análisis de regresión para realizar
previsiones
 Error estándar de la estimación
 Coeficientes de correlación para las rectas de
regresión
 Análisis de regresión múltiple

Seguimiento y control de las previsiones
Alisado adaptable
 Previsión enfocada

Previsión en el sector servicios
Objetivos de aprendizaje
Cuando haya completado este capítulo, debe ser
capaz de:
Identificar o definir:
Previsión
 Tipos de previsión
 Horizontes temporales
 Enfoques de la previsión

Objetivos de aprendizaje
Cuando haya completado este capítulo, debe
ser capaz de:
Describir o explicar:
Medias móviles
 Alisado exponencial
 Proyecciones de tendencia
 Análisis de regresión y correlación
 Medidas de precisión de la previsión

¿Qué es la previsión?
 Arte y ciencia de
predecir
acontecimientos
futuros.
 Base de todas las
decisiones
empresariales:




Producción.
Inventario.
Personal.
Instalaciones.
Toma de datos históricos y
su proyección
hacia
¡Venderá
200el futuro
con algúnmillones
tipo de de
modelo
dólares!
matemático.
Predicción subjetiva o
intuitiva del futuro.
Combinación de las
anteriores.
Tipos de horizontes temporales
de la previsión
Previsión a corto plazo:
Cobertura de hasta un año, generalmente inferior a los
tres meses.
 Programación de trabajos, asignación de tareas.

Previsión a medio plazo:
Entre tres meses y tres años.
 Planificación de las ventas, de la producción y del
presupuesto.

Previsiones a largo plazo:
Periodos superiores a tres años.
 Planificación de nuevos productos, localización de las
instalaciones.

Previsiones a corto plazo frente a
previsiones a largo plazo
Las previsiones a medio y largo plazo tratan
de asuntos más extensos, y apoyan las
decisiones de gestión que conciernen a la
planificación y los productos, las plantas y
los procesos.
Las previsiones a corto plazo normalmente
emplean metodologías diferentes a las
utilizadas en las previsiones a largo plazo.
Las previsiones a corto plazo tienden a ser
más exactas que las realizadas a largo plazo.
La influencia del ciclo de vida del
producto
Las etapas de introducción y crecimiento
necesitan previsiones más largas que las de
madurez y declive.
Las previsiones son útiles para proyectar
niveles de personal
 niveles de inventarios
 niveles de capacidad de producción

(paso de la primera a la última etapa)
Tipos de previsiones
Previsiónes económicas:

Dirigidas al ciclo empresarial: las tasas de
inflación, la masa monetaria, construcción, etc.
Previsiónes tecnológicas:
Predicen el ritmo de progreso tecnológico.
 Nuevas Tecnologías » Nuevos productos.

Previsiones de demanda (ventas):
Ventas » Producción, capacidad, sistema de
planificación, gestión cadena suministro.
 Ventas » Planificación financiera, marketing y
personal.

Siete etapas en el sistema de
previsión
a) ¿Para qué?: Fin de la previsión.
b) ¿Qué?: Seleccionar los artículos a prever.
c) ¿Cuando?: Horizonte temporal de la
previsión.
d) ¿Cómo?: Seleccionar el(los) modelo(s) de
previsión.
e) Recogida de datos.
f) Realizar la previsión.
g) Validar e implementar los resultados.
Consideraciones
a) Las previsiones “nunca” son perfectas.
b) La mayoría de las técnicas de previsión
asumen una cierta estabilidad en el
sistema.
c) La calidad de la previsión aumenta si se
trabaja con familias de productos en vez de
con productos individuales.
Tipología
Cuantitativas. Emplean
diversos modelos matemáticos
que utilizan datos históricos y/o
variables causales.
Cualitativas. Incorporan la
intuición, emociones,
experiencias y sistemas de
valores de la persona que toma
decisiones.
Enfoques de la previsión
Métodos cualitativos
Métodos cuantitativos
 Se emplean cuando la
situación no es clara y
hay pocos datos:
 Se emplean cuando la
situación es “estable”
y existen datos
“históricos”:
Productos nuevos.
 Nueva tecnología.

 Requieren intuición y
experiencia:

Por ejemplo, la previsión
de las ventas a través de
Internet.
Productos existentes.
 Tecnología actual.

 Requieren ténicas
matemáticas:

Por ejemplo, la previsión
de las ventas de
televisiones en color.
4 métodos cualitativos
Jurado de opinión ejecutiva:

Opiniones de un grupo de expertos de alto nivel o
de directivos + modelos estadísticos.
Proposición de personal comercial:

Las estimación de las ventas esperadas por los
vendedores se revisan para ver si se pueden llevar
a cabo y luego se obtiene una previsión global.
Método Delphi:

Proceso de grupo que permite a los expertos
realizar las previsiones.
Estudio de mercado del consumidor:

Planes de compra. Útil para diseño de nuevos
productos.
Jurado de opinión ejecutiva
 Requiere un pequeño grupo de directivos:

El grupo establece una estimación conjunta de
la demanda.
 Combina la experiencia directiva con modelos
estadísticos.
 Es bastante rápido.
 Desventaja del
“pensamiento en
grupo”.
© 1995 Corel Corp.
Proposición de personal
comercial
 Cada vendedor estima las
ventas que hará.
 Se combinan con las
previsiones a niveles de
distritos y con las
nacionales.
 El representante de ventas
conoce las necesidades de
los consumidores.
 Tiende a ser bastante
optimista.
Ventas
© 1995 Corel Corp.
Método Delphi
Proceso de grupo
iterativo.
3 tipos de
Personal de
participantes:
plantilla
(¿Qué ventas
Los que toman
decisiones
(¿Ventas?)
(Habrá 50 ventas)
Los que toman
decisiones.
habrá?
 El personal de plantilla. cuestionarios)
 Los que responden.

Reduce el
“pensamiento en
grupo”.
Los que responden
(Habrá 45, 50, 55 ventas)
Estudio de mercado
 Preguntar a los
consumidores
sobre sus futuros
planes de compra.
 Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
 A veces es difícil
contestar a las
preguntas del
estudio.
¿Cuántas horas
utilizará Internet la
próxima semana?
© 1995 Corel
Corp.
Visión global de los métodos
cuantitativos
Enfoque simple
Medias móviles
Alisado exponencial
Proyección de tendencia
Modelos de
series
temporales
Regresión lineal
Modelos
asociativos
Métodos de previsión cuantitativos
(no simples)
Previsión
cuantitativa
Media
móvil
Modelos de series
temporales
Modelos
asociativos
Alisado
exponencial
Regresión
lineal
Proyección
de tendencia
¿Qué son las series temporales?
 Es una secuencia de datos uniformemente
espaciada:

Se obtiene observando las variables en periodos
de tiempo regulares.
 Se trata de una previsión basada en los datos
pasados:

Supone que los factores que han influido en el
pasado lo sigan haciendo en el futuro.
 Ejemplo:
Año:
Ventas:
1993
78,7
1994
63,5
1995
89,7
1996
93,2
1997
92,1
Descomposición de una serie
temporal
Tendencia
Ciclos
Estacionalidad
Variaciones
aleatorias
Tendencia
Es el movimiento gradual de ascenso o
descenso de los datos a lo largo del tiempo.
Los cambios en la población, ingresos, etc.
influyen en la tendencia.
Varios años de duración.
Respuesta
Mes, trimestre, año
© 1984-1994 T/Maker Co.
Estacionalidad
Muestra de datos de ascenso o descenso
que se repite.
Se puede ver afectada por la climatología,
las costumbres, etc.
Se produce dentro de un periodo anual.
Verano
Respuesta
© 1984-1994 T/Maker Co.
Mes, trimestre
Ciclos
Movimientos de ascenso o descenso que se
repiten.
Se pueden ver afectados por interacciones de
factores que influyen en la economía.
Suelen durar de 2 a 10 años.
Respuesta
Ciclo

Mes, trimestre, año
Variaciones aleatorias
Son “saltos” en los datos causados por el
azar y situaciones inusuales.
Son debidas a variaciones aleatorias o a
situaciones imprevistas:
© 1984-1994 T/Maker Co.
Huelga.
 Tornado.

Son de corta duración
y no se repiten.
Modelos de series temporales
Cualquier valor que aparezca en una serie
temporal es la multiplicación (o suma) de los
componentes de la serie temporal.
Modelo multiplicativo:
 Yi = Ti x Si x Ci x Ri
(si los datos son mensuales o
trimestrales).
Modelo aditivo:
 Yi = Ti + Si + Ci + Ri
trimestrales).
(si los datos son mensuales o
Demanda del producto o servicio
Demanda de un producto representada
en un periodo de 4 años con tendencia
de crecimiento y estacionalidad
Picos estacionales
Componente de tendencia
Línea de
demanda
actual
Variación
aleatoria
Primer
año
Segundo
año
Demanda media
en cuatro años
Tercer
año
Cuarto
año
Enfoque simple
 Suponer que la demanda en
el próximo periodo será
igual a la demanda del
periodo más reciente:

Por ejemplo, si en mayo hubo
48 ventas, en junio habrá 48
ventas.
 Es el modelo con la mejor
relación eficacia-coste y
eficiencia.
© 1995 Corel Corp.
Medias móviles
 Las medias móviles son una serie de operaciones
aritméticas.
 Se utilizan si no hay tendencia o si ésta es
escasa.
 Se suelen utilizar para el alisado:

Proporciona una impresión general de los datos a lo
largo del tiempo.
 Ecuación:
demanda de n periodos previos

MM 
n
Ejemplo de media móvil
Usted es el director de una tienda de un
museo que vende réplicas. Quiere predecir
las ventas (000) del año 1998 mediante una
media móvil de 3 meses.
1993
4
1994
6
1995
5
1996
3
1997
7
© 1995 Corel Corp.
Solución de la media móvil
A ño
R espuesta
Yi
1995
1996
4
6
1997
1998
1999
2000
5
3
7
ND
M edia
m óvil total
(n=3)
ND
ND
M edia m óvil
(n=3)
ND
4+6+5=15
ND
15/3 = 5
ND
ND
Solución de la media móvil
ponderada
A ño
R espuesta
Yi
1995
1996
4
6
M edia
m óvil total
(n=3)
ND
ND
1997
1998
1999
2000
5
3
7
ND
4+6+5=15
6+5+3=14
ND
M edia m óvil
(n=3)
ND
15/3 = 5
14/3=4 2/3
ND
ND
Solución de la media móvil
ponderada
A ño
R espuesta
Yi
1995
1996
4
6
1997
1998
1999
2000
5
3
7
ND
M edia
m óvil total
(n=3)
ND
ND
M edia m óvil
(n=3)
ND
4+6+5=15
6+5+3=14
5+3+7=15
ND
15/3=5,0
14/3=4,7
15/3=5,0
ND
ND
Gráfico de la media móvil
Ventas
8
Real
6
Previsión
4
2
95
96
97 98
Año
99
00
Método de la media móvil
ponderada
Se utiliza cuando se presenta una tendencia:

Los datos anteriores suelen carecer de
importancia.
Las ponderaciones se basan en la intuición:

Suelen estar entre 0 y 1, y a la suma de 1,0.
Ecuación:
Media móvil
ponderada =
Σ (ponderación para el periodo n) (demanda en el periodo n)
Σ ponderaciones
Demanda real frente a los métodos de
media móvil y media móvil ponderada
Demanda de ventas
35
30
25
Media móvil ponderada
Ventas reales
20
15
10
5
Media móvil
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
Mes
Inconvenientes de los métodos de
media móvil
Al aumentar n veces, las previsiones
son menos sensibles a los cambios.
No es posible predecir bien la
tendencia.
Se necesitan muchos datos
históricos.
© 1984-1994 T/Maker Co.
Alisado exponencial
Es una técnica de previsión de media móvil
ponderada:
Las ponderaciones disminuyen exponencialmente.
 Se ponderan más los datos más recientes.

Se necesita una constante de alisado ():
Toma valores entre 0 y 1.
 Se escoge de forma subjetiva.

Necesita una cantidad reducida de datos
históricos.
Ecuaciones del alisado
exponencial
 Ft = At - 1 + (1-)At - 2 + (1- )2·At - 3
+ (1- )3At - 4 + ... + (1- )t-1·A0
Ft = Valor de la previsión
 At = Valor real
  = Constante de alisado

 Ft = Ft-1 + (At-1 - Ft-1)

Se utiliza para calcular la previsión.
Ejemplo de alisado exponencial
Usted está organizando una reunión Kwanza.
Desea predecir el número de personas que
asistirán en el año 2000 mediante el alisado
exponencial ( = 0,10). La previsión para
1995 fue de 175.
1995
180
1996
168
1997
159
1996
175
1999
190
© 1995 Corel Corp.
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Previsión, F t
(α = 0,10)
Año Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
175,00 (Dado)
175,00 +
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
Previsión, F t
(α = 0,10)
175,00 (Dado)
175,00 + 0,10(
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
Previsión, Ft
(α = 0,10)
175,00 (Dado)
175,00 + 0,10(180 -
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
Previsión,Ft
(α = 0,10)
175,00 (Dado)
175,00 + 0,10(180 - 175,00)
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año Real
1995
180
1996
168
1997
159
1998
175
1999
190
2000
ND
Previsión,Ft
(α = 0,10)
175,00 (Dado)
175,00 + 0,10(180 - 175,00) = 175,50
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año
Real
Previsión, F t
(α = 0,10)
1995
180
175,00 (Dado)
1994
168
175,00 + 0,10(180 - 175,00) = 175,50
1995
159
175,50 + 0,10(168 - 175,50) = 174,75
1996
175
1997
190
1998
ND
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año
Real
Previsión, F t
(α = 0,10)
1995
180
175,00 (Dado)
1996
168
175,00 + 0,10(180 - 175,00) = 175,50
1997
159
175,50 + 0,10(168 - 175,50) = 174,75
1998
175
174,75 + 0,10(159 - 174,75)= 173,18
1999
190
2000
ND
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año
Real
Previsión, F t
(α = 0,10)
1995
180
175,00 (Dado)
1996
168
175,00 + 0,10(180 - 175,00) = 175,50
1997
1998
159
175,50 + 0,10(168 - 175,50) = 174,75
175
174,75 + 0,10(159 - 174,75) = 173,18
1999
190
173,18 + 0,10(175 - 173,18) = 173,36
2000
ND
Solución del alisado exponencial
Ft = Ft-1 + · (At-1 - Ft-1)
Año
Real
Previsión, F t
(α = 0,10)
1995
180
175,00 (Dado)
1996
168
175,00 + 0,10(180 - 175,00) = 175,50
1997
159
175,50 + 0,10(168 - 175,50) = 174,75
1998
175
174,75 + 0,10(159 - 174,75) = 173,18
1999
190
173,18 + 0,10(175 - 173,18) = 173,36
2000
ND
173,36 + 0,10(190 - 173,36) = 175,02
Gráfico del alisado exponencial
Ventas
190
180
170
160
150
140
93
Real
Previsión
94
95 96
Año
97
98
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
Periodo anterior Hace 2 periodos Hace 3 periodos

= 0,10
= 0,90
10%
(1 - )
(1 - )2
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
= 0,90
Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - )
10%
9%
(1 - )2
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
= 0,10
= 0,90
Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - )
(1 - )2
10%
9%
8,1%
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - )
(1 - )2
= 0,10
10%
9%
8,1%
= 0,90
90%
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - )
(1 - )2
= 0,10
10%
9%
8,1%
= 0,90
90%
9%
Efectos de la previsión de la
constante de alisado 
Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
=
Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - )
(1 - )2
= 0,10
10%
9%
8,1%
= 0,90
90%
9%
0,9%
Si se selecciona 
Trate de minimizar la desviación absoluta media (DAM)
Si:
Entonces:
Error de previsión = demanda - previsión
DAM 
 errores de previsión
n
Si se selecciona 
Trate de minimizar el error cuadrático medio (ECM)
Si:
Entonces:
Error de previsión = demanda - previsión
ECM 
 errores de previsión 2
n
Alisado exponencial con ajuste de
tendencia
Previsión incluyendo la tendencia (PITt)
= previsión alisada exponencialmente (Ft)
+ tendencia alisada exponencialmente (Tt)
Requiere 2 constantes de alisado: (α, β)
Alisado exponencial con ajuste de
tendencia
Ft =  (demanda real de este periodo)
+ (1- )(previsión del último periodo + tendencia estimada del
último periodo)
o
Ft = (At) + (1- )Ft-1 + Tt-1
Tt = (previsión de este periodo - previsión del último periodo)
+ (1-)(tendencia estimada del último periodo)
o
Tt = (Ft - Ft-1) + (1- )Tt-1
Alisado exponencial con ajuste de
tendencia
Ft = previsión alisada exponencialmente de
la serie de datos en el periodo t.
Tt = tendencia alisada exponencialmente en
el periodo t.
At = demanda real en el periodo t.
 = constante de alisado para la media.
 = constante de alisado para la tendencia.
Demanda del producto
Comparación de previsiones
40
35
30
25
20
15
10
5
0
Ene.
Alisado exponencial +
Tendencia
Demanda real
Alisado exponencial
Feb.
Mar.
Abr.
May.
Mes
Jun.
Jul.
Ago.
Sep.
Valores de la variable dependiente
Método de mínimos cuadrados
Observación
real
Desviación
Desviación
Desviación
Desviación
Desviación
Desviación
Desviación
Yˆ  a  bx
Periodo de tiempo
Punto en la
línea de
tendencia
Demanda
Demanda real y línea de tendencia
180
160
140
120
100
Y = 56,70+ 10,54X
80
60
40
20
0
Demanda real
0
2
4
6
Periodo de tiempo
8
10
Descargar

Chapter 1, Heizer/Render, 5th edition