Series de tiempo para pronósticos
Para determinar pronósticos a corto plazo, se pueden emplear los diferentes métodos de series de tiempo.
Una serie de tiempo es una recopilación cronológica e histórica de datos, a partir de estos se puede hacer una predicción del futuro de forma razonable. Este método se puede clasificar en modelos estacionales, constantes y de tendencia.[1]
Las técnicas más empleadas para la determinación de los pronósticos, son aquellas que se basan en información histórica o series de tiempo.[2]
Las series de tiempo se utilizan para hacer estudio del comportamiento de la demanda con datos pasados y así hacer proyecciones de la demanda a futuro. Las series de tiempo consisten en una serie en componentes como lo son: el nivel promedio, estacionalidad, tendencia, efecto aleatorio y ciclicidad.[3]
Promedios móviles
editarUno de los métodos más usados es el de promedio móvil, este es el promedio aritmético de N observaciones más recientes.[4]
Este pronóstico se obtiene haciendo la sumatoria de los datos de un x número de periodos pasados, este periodo móvil, avanza en el tiempo para incluir información más reciente, esta situación genera dinamismo en los resultados.[5]
Formulación
T= periodo para el cual se está deduciendo el promedio M
t= periodo de la demanda observada Dj
N= número de observaciones para el promedio
El promedio Mt también se puede calcular mediante la siguiente ecuación
El primer T debe ser igual a N
Posteriormente se calculan los índices para cada periodo T:
Para calcular los pronósticos de cada mes del siguiente año, se organizan los resultados de IT, de tal forma que exista correspondencia entre los índices por mes y por año. Una vez organizados los índices, se procede a determinar los índices de temporada ITt
para todos los t meses del año
Finalmente, el pronóstico será el promedio móvil por mes teniendo en cuenta que sea ara el último año, es decir Mtm multiplicado por el T
ITt
para todo t=1,...,n
Suavización exponencial simple
editarEste método no requiere de gran cantidad de datos, ya que el índice de suavización α le da peso a la información histórica, dándole mayor importancia a los datos más recientes, de acuerdo al nivel de conveniencia.[6]
Este promedio ahora es ponderado, mas no móvil. El factor 1/N es sustituido por el valor α (0<=α<=1) y el estimador MT.1 por ST-1[3]
Que corresponde al promedio
Suavización exponencial doble
editarEste método puede ser utilizado pare determinar el pronóstico cuando existe tendencia de datos
Donde at y bt son parámetros y ɛt es el error por variaion aleatoria con valor esperado igual a 0 y varianza σt^2
Para reducir el efecto de aleatoriedad se puede usar la diferencia de los promedios calculados en dos periodos sucesivos, por ende la pendiente en el tiempo T es:
Para calcular la ordenada, pendiente y pronóstico se tienen las siguientes fórmulas:
Ordenada
Pendiente
Pronostico
Donde k es el periodo
Referencias
editar- ↑ Sipper, D. y Bulfin, R. Planeacion y control de la producción, McGraw Hill, 1988
- ↑ Torres Acosta, J.H., Elementos de producción Vol. 1, Sistema de investigaciones UCC, 1994
- ↑ a b Torres Acosta, J.H, Pronósticos, Grupo de investigación MMAI, 2007
- ↑ Nahmias, S. Analisis de la produccion y las operaciones. CECSA; 1999
- ↑ Torres Acosta, J.H., Elementos de la produccion Vol. 1, Sistema de investigaciones UCC, 1994
- ↑ Torres Acosta, J.H., Elementos de produccion Vol.1 Sistemas de investigaciones UCC, 1994
Bibliografía
editar- Torres Acosta, J.H, Pronósticos, Grupo de investigación MMAI, 2007
- Sipper, D. y Bulfin, R. Planeación y control de la producción, McGraw Hill, 1988