19 Capítulo 3 Pronósticos Un tipo de información necesaria para
Anuncio
Capítulo3. Pronósticos Capítulo 3 Pronósticos Un tipo de información necesaria para efectuar este proyecto es la demanda de los productos. Una forma de conocer la demanda en el futuro es usando un método de pronósticos. 3.1 Definición de pronósticos Los pronósticos pueden medir o cuantificar la variabilidad de la demanda durante un tiempo esperado, a su vez, puede ser de utilidad para la planeación de niveles de existencia de seguridad en el almacén. 1 Pronosticar es el arte de especificar información significativa acerca del futuro. Se menciona que los pronósticos jamás son perfectos debido a que, básicamente, se utilizan métodos que generan pronósticos sobre la base de información previa. Los pronósticos serán menos confiables mientras mayor sea el horizonte a pronosticar. A continuación se hace referencia a algunos métodos de pronósticos: 1 • Promedio móvil • Suavización exponencial simple • Suavización exponencial doble • Winters • Regresión Narasinhan Sim, Planeación de la Información y Control de inventarios, p 91, 1999, Ed. Allyn and Bacon 19 Capítulo3. Pronósticos 3.2 Errores en los pronósticos Una de las formas que existen para saber si un pronóstico dará buenos resultados es mediante la medición de sus errores. Algunos de los tipos de errores, se presentan a continuación: • Error promedio (AE) • Desviación Absoluta Media (MAD) • Error Cuadrado Medio (MSE) • Desviación Típica de los Errores (SDE) • Error Porcentual (PE) • Error Porcentual Medio (MPE) • Error Porcentual Absoluto Medio (MAPE) La medida que se va utilizar para saber que pronóstico es el adecuado, se basara en un conocimiento que no tiene fundamentos pero que en la vida diaria a traído grandes resultados, el cual es que el error MAPE sea menor al 20% esto nos indicara que nuestros pronósticos son los adecuados y que tendrán una gran posibilidad de ser unos pronósticos acertados. 3.3 Pronósticos Mediante la Descomposición de Series de Tiempo Se pone especial atención en este método de pronósticos debido a que, nuestro proyecto este método es el más adecuado, como se demostrará más adelante. 20 Capítulo3. Pronósticos El análisis de una serie de tiempo consiste en la descripción y medición de varios cambios y movimientos, tal como aparecen en la serie durante un periodo de tiempo. Estos cambios o movimientos pueden clasificarse como siguen:2 • Tendencia Secular. Es el crecimiento ó disminución de los datos a lo largo de un periodo dilatado. • Variaciones Residuales, Accidentales o Aleatorias. Son perturbaciones poco usuales como guerras, desastres, huelgas u otros accidentes no recurrentes. • Movimiento Cíclico. Es la oscilación de la prosperidad a la recesión, depresión recuperación y vuelta de nuevo al periodo de prosperidad. Este movimiento varía en tiempo, longitud e intensidad. • Variación Estacional. Es el movimiento, más o menos regular, que se presenta con un periodo de 12 meses. Este movimiento se observa un año tras otro, y es debido al cambio de estaciones. Este modelo se selecciona en base ha:3 • Horizonte del pronóstico • Disponibilidad de datos • Precisión requerida 3.4 Comportamiento de la demanda de Grupo Mexicano de Agua Antes de poder pronosticar se tiene que estudiar la demanda de los productos, se demostrara la demanda del año 2001 y 2002 como el primer trimestre del 2003, ya que antes no llevaban un control sobre las ventas, por consiguiente, la empresa no cuenta con 2 3 Richard J. Tersine, Principles of inventory and materials management. P 44-46, 1999, Ed. North-Holland Planeación y Control de la Producción. (Apuntes clase) 21 Capítulo3. Pronósticos los datos necesarios para ver como se comportaban las ventas en años atrás. Las ventas de los refrescos que comportaron de la siguiente manera: AÑO MES AGUA MIN. MZANA. TJA. PCO. MAND. PIÑA MNITA. 2001 ENE 773 2696 7112 5439 8483 6405 19824 FEB 1114 2648 5765 4895 7344 6111 18113 MAR 1773 3549 9140 5724 8368 6153 19158 ABR 1521 4186 8940 6745 10365 6921 25039 MAY 1567 3785 8685 7250 9082 7645 22458 JUN 1434 4186 8740 6898 9874 7285 22822 JUL 1281 5850 12621 9347 14913 10540 36007 AGO 1823 3950 11012 7306 12039 9587 28999 SEP 1466 4035 8616 6501 9989 6670 24133 OCT 1058 3649 9570 7635 10827 7799 25639 NOV 1583 3824 8774 7324 9175 7723 22688 DIC 5240 6819 19199 12853 17844 13530 36210 2002 ENE 801 3485 9659 8725 12016 8647 24977 FEB 1106 3630 8306 7000 9174 6684 23078 MAR 1387 3833 8576 6953 9453 7039 23320 ABR 1449 3987 8514 6424 9871 6591 23847 MAY 1607 3882 8908 7436 9315 7841 23034 JUN 1485 4336 9052 7145 10227 7545 23638 JUL 1245 5713 12325 9128 14563 10293 35163 AGO 1860 4031 11237 7455 12285 9783 29591 SEP 1449 3987 8514 6424 9871 6591 23847 OCT 1030 3573 9408 7513 10639 7674 25186 NOV 1607 3882 8908 7436 9315 7841 23034 DIC 5224 6780 19110 12779 17751 13452 35980 2003 ENE 1546 4230 11004 7970 12961 9927 31322 FEB 2228 4086 8762 7456 11630 9994 28534 MAR 3545 5821 15421 9130 13584 9959 30543 3.5 Estacionalidad y tendencia. Si se observan la gráfica, se pueden notar dos puntos altos ubicados a la mitad y al final de cada año. Esto nos muestra que hay un tipo de estacionalidad. Se puede hablar de que existe un factor de tendencia debido que en esas fechas la gente celebra mucho, a mitad de año por las graduaciones y festejos, y a final de año por las fiestas de navideñas y de fin de año. En la siguiente figura se puede observar claramente la estacionalidad: 22 Capítulo3. Pronósticos Demanda de los Productos 40000 35000 30000 AGUA MIN. 25000 TJA. 20000 15000 PCO. 10000 5000 PIÑA MZANA. MAND. MNITA. ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ENE FEB MAR 0 2001 2002 2003 Como los datos que se tienen de la demanda de grupo mexicano de agua son una serie de tiempo, es decir, se relacionan a la variable con el tiempo, solo se tomaron en cuenta los modelos de series de tiempo. Para escoger que modelo de serie de tiempos es el más adecuado, se tomarán en cuenta el que menor error absoluto tenga, tomando encuentra que tiene que ser menor a 20. En la siguiente tabla se muestra una serie métodos para pronosticar series de tiempo, se tomara como se dijo antes el que tenga el menor error posible. Mape Descomposición Doble Exponencial Winters Winters AGUA MIN. 19 MZANA. TJA. PCO. MAND. PIÑA MNITA. 7 9 8 7 8 7 38 22 19 8 22 10 16 8 17 8 17 9 14 7 24 9 12 10 9 10 8 Level 0.25 Trend 0.25 Season 0.2 Level 0.2 Trend 0.2 Season 0.2 23 Capítulo3. Pronósticos El método que se escogió por ser el más apto con la realidad según la experiencia de la C.P. Rosario Flores, que es la encargada de ventas de Grupo Mexicano de Agua, y aparte por arrojar el MAPE más pequeño de los métodos que se presentaron anteriormente fue el método de descomposición. En el anexo 1 se encuentran los resultados que nos arrojo el programa Minitab al introducir los datos y desarrollar el método de descomposición. A continuación observaremos los pronósticos que nos arrojo el método escogido: Pronostico Pronostico Pronostico Pronostico Pronostico Pronostico Pronostico Pronostico Pronostico AGUA MES MIN. MZANA. TJA. PCO. MAND. PIÑA MNITA. ABR 1986 4904 12721 8902 14276 10758 33128 MAY 2741 4596 11676 8454 12542 10778 30211 JUN 4207 5907 15710 9928 15044 11547 33099 JUL 2255 5145 13790 9434 15304 11716 35089 AGO 3096 4818 12630 8949 13425 11710 31964 SEP 4729 6188 16959 10498 16078 12517 34984 OCT 2524 5386 14859 9965 16333 12674 37051 NOV 3452 5040 13584 9444 14308 12642 33718 DIC 5251 6469 18209 11069 17112 13488 36869 En el próximo capítulo se llevara acabo un MPS (Master Production Schedule) para ayuda a la empresa. Lo cual se explicará en el siguiente capítulo. Los pronósticos nos van ayudar a decidir el curso de la acción que se tomara para la realización del MPS, ya realizado ver cual es el MPS que nos conviene para el mes deseado. . 24
