Un pronóstico es una predicción de acontecimiento futuro que se utiliza con fines de planificación. Los métodos de pronósticos se pueden basar en mode los matemáticos que utilizan los datos históricos disponibles o en medio cuali- tativos que aprovechan la experiencia de los administradores así como de los clientes, o una combinación de ambos.
Para pronosticar es necesario descubrir los patrones a partir de la informa- ción disponible. La serie de tiempo es un conjunto de observaciones repeti- das de la demanda de un producto en el orden en que se realizan cuyos pa- trones básicos son los siguientes:
1. Horizontal. La fluctuación de los datos en torno a una media constante. 2. Tendencia. El incremento o decremento sistemático de la media de la se-
rie a través del tiempo
3. Estacional. Patrón repetible de incrementos o decrementos de la de- manda dependiendo de la hora del día, semana o temporada.
4. Cíclico. Una pauta de incrementos o decrementos graduales y menos previsibles de la demanda, los cuales se presentan en el transcurso de periodos más largos.
5. Aleatorio. La variación imprevisible de la demanda.
2.2.8.1 Métodos de juicio
Son importantes debido a que pueden llegar a ser la única manera de pro- nosticar si no existen datos históricos o si es un nuevo producto que entra al mercado. Además también se utilizan para modificar los pronósticos gene- rados por métodos cuantitativos para prever sucesos especiales próximos. Por último, pueden usarse para ajustar el archivo historial que permite des- contar el impacto de acontecimientos especiales únicos. Algunos métodos que se encuentran en este grupo son las estimaciones del personal de ven- tas, la opinión ejecutiva, investigación de mercados y el método Delphi.
2.2.8.2 Métodos causales
Estos métodos se emplean cuando se dispone de datos históricos y se pue- de identificar la relación que existen entre el factor que se pronostica otro factores ya sean internos o externos. Proporcionan las herramientas de pro- nóstico más avanzada y son excelentes para prever los puntos de cambio en la demanda y preparar pronósticos de largo plazo.
Entre una de ellas tenemos a la regresión lineal, donde una variable depen- diente (la cual se desea pronosticar) está relacionada con una o más varia- bles independientes (causas de la variable dependiente) por medio de una ecuación lineal. Un modelo de regresión línea simple es cuando solamente existe la variable dependiente es función de una sola variable independiente así como:
Dónde: 𝒀 = 𝒂 + 𝒃𝑿
X: variable independiente Y: variable dependiente
a: intersección de la recta con el eje Y b: Pendiente de la recta
Cuando influyen más variables independientes en la variable dependiente, la regresión múltiple ayuda a plantear una ecuación de pronóstico para la va- riable dependiente como función de múltiples variables independientes.
2.2.8.3 Método de series de tiempo
Métodos por el cual utilizan información histórica de la variable dependiente basándose en la suposición que el patrón de esta continuará en el futuro. El análisis es identificar los patrones fundamentales de la demanda que se combinan para producir el patrón histórico observado, para después elabo- rar un modelo capaz de producir dicho patrón. Las técnicas estadísticas pa- ra el pronóstico de las series de tiempo son:
Promedios móviles. Se usa para estimar el promedio de una serie de tiempo y suprimir los efectos de las fluctuaciones aleatorias. Este méto- do resulta más útil cuando la demanda no tiene tendencias pronunciadas ni estacionales. En términos específicos el pronóstico correspondiente al periodo t+1 se calcula como sigue:
𝑭
𝒕+𝟏=𝑫𝒕+𝑫𝒕−𝟏+𝑫𝒏𝒕−𝟐+…+𝑫𝒕−𝒏
Dónde: Dt=Demanda real en el periodo t
N=número total de periodos incluidos en el promedio Ft+1=pronóstico para el periodo t+1
Con el promedio móvil, el pronóstico de la demanda en el periodo si- guiente será igual al promedio calculado al final de este periodo. En cualquier método de pronóstico es importante medir la precisión de los pronósticos mediante el error de pronóstico, que simplemente es la dife- rencia que se obtiene al restar el pronóstico de la demanda real en cual- quier periodo determinado. (Et=Dt-Ft)
Promedios móviles ponderados. Cada una de las demandas que in- tervienen tiene un peso o ponderación, donde la suma de las pondera- ciones resulta el valor de 1. Su ventaja es que permite destacar la de-
manda reciente con sobre otra demanda anterior y suele responder me- jor a los cambios registrados en el promedio fundamental de la serie de demandas.
Suavizamiento exponencial. Es un método de promedio móvil ponde- rado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor ponderación. Es el método que se utiliza más debido a su sencillez a y a su reducida canti- dad de datos que requiere ya que necesita solamente el pronóstico del último periodo, la demanda del periodo actual y un parámetro de suavi- zamiento (α) cuyo valor fluctúa entre 0 y 1. Esto se puede representar así:
𝑭𝒕+𝟏= 𝑭𝒕+ 𝜶(𝑫𝒕− 𝑭𝒕)
También podemos encontrar el método de suavizamiento exponencial ajustado a la tendencia donde se suavizan las estimaciones del prome- dio y la tendencia (incremento o decremento sistemático en el promedio de la serie de tiempo) para lo cual se requieren dos constantes de suavi- zamiento.