Consideremos la demanda de cajas de fijador de cabello. El nuevo gerente de producción debe decidir cuántas cajas de fijador se deben producir para el siguiente mes. Para cumplir con sus responsabilidades, solicita el registro de ventas. Minutos después, tiene la información en su escritorio, la cual se muestra en la siguiente tabla:
Lo siguiente es graficar los datos y observar que las ventas son constantes y que, mes tras mes, se presentan variaciones aleatorias, pero no se identifica ninguno de los otros tres componentes de la demanda —tendencia, estacionalidad y ciclicidad—. El gerente asume que se trata de un proceso constante y decide utilizar el último dato como pronóstico. Esto significa que el pronóstico para el mes 37 es igual a la demanda del mes 36, es decir, 3,702 cajas. La siguiente gráfica muestra las cajas de fijador demandadas cada mes.
Sea Ft el pronóstico de la demanda para el periodo t y xt la demanda histórica para el periodo t. El pronóstico del periodo t+1 es igual a la demanda observada en el periodo t. La fórmula para determinar la demanda por medio del último dato es la siguiente:
Tal y como se ha establecido, el pronóstico de la demanda del mes 37 es igual a la demanda observada en el mes 36:
En la siguiente tabla, se muestran la demanda histórica y el pronóstico de la demanda mensual de cajas de fijador para cabello. El pronóstico para el mes 1 no se obtiene porque no se posee un registro de ventas para el mes previo.
La siguiente gráfica permite comparar visualmente la serie de tiempo y el pronóstico.
El método del último dato es una técnica simple y directa para pronosticar la demanda. Este método utiliza el valor más reciente de los datos históricos como pronóstico. Es útil cuando los datos de demanda no presentan tendencia, ni estacionalidad, ni ciclicidad. Se asume que no habrá cambios significativos y que el valor más reciente es el mejor estimador de la demanda futura. Este método ignora todos los datos salvo el último.
No obstante, el método tiene desventajas. Si la demanda es alta en el periodo t, el pronóstico será bueno si la demanda se mantiene alta en el periodo t+1. Sin embargo, es igualmente probable que la demanda disminuya en el siguiente periodo, en este caso, el pronóstico será malo. El último dato es muy sensible a las variaciones aleatorias, y se le conoce como modelo ingenuo por su excesiva simplicidad.
- ¿Qué es un pronóstico?
- Importancia de los pronósticos
- Pronóstico de la demanda y su relación con los inventarios
- ¿Qué es un buen pronóstico?
- Obtención de datos para el pronóstico
- Métodos de pronóstico
- Diagrama de dispersión
- Componentes de la demanda
- Ciclo de vida del producto
- Series de tiempo
- Promedio
- Promedios móviles
- Promedios ponderados
- Suavizado exponencial simple
- Desarrollo de la fórmula de suavizado exponencial simple
- Valores equivalentes de n y α
- Suavizado exponencial doble
- Pronosticar más de un periodo con suavizado exponencial doble
- Factores estacionales
- Suavizado exponencial triple
- Pronosticar más de un periodo con suavizado exponencial triple
- Métodos causales
- Regresión lineal simple
- Medición de la variabilidad del modelo de regresión
- Coeficiente de determinación
- Coeficiente de correlación
- Análisis de varianza de la regresión lineal simple
- Regresión lineal simple y análisis de varianza con Microsoft Excel
- Cuarteto de Anscombe
- Regresión múltiple con enfoque matricial
- Regresión múltiple y análisis de varianza con Microsoft Excel
- Regresión y estacionalidad
- Medidas de desempeño del pronóstico
- Métodos cualitativos