3.5.- CRITERIOS PARA LA
SELECCIÓN DE MÉTODOS CON SERIES DE TIEMPOS
Una serie con tendencia como una serie de tiempo que contiene un componente
de largo plazo que representa el crecimiento o declinación de la serie a través
de un periodo amplio.
Una productividad creciente y la
nueva tecnología conducen a cambios en el estilo de vida. Como ejemplos se
pueden citar la demanda de componentes electrónicos, que se incrementó con el
advenimiento de la computadora; y el uso del ferrocarril que se disminuyó con
la aparición del avión. El incremento en la población provoca un incremento en
la demanda de bienes y servicios. Ejemplo de estos son las utilidades por venta
de bienes de consumo, la demanda en el consumo de energía eléctrica y el uso de
materias primas.
Técnicas De Pronóstico Para Datos Con Estacionalidad
Una serie estacional como una serie de tiempo con un patrón de cambio
que se repite a si mismo año tras año. Por lo regular, el desarrollo de una
técnica de pronostico estacional comprende la selección de un método
multiplicativo o uno de adición y estimar después índices estaciónales a partir
de la historia de la serie. Estos índices se usan posteriormente para
incorporar la estacionalidad al pronostico para eliminar tales efectos de los
valorares observados.
Las técnicas de pronóstico para datos estaciónales se usan siempre que:
El clima influyente en la variable de interés. Como ejemplos están el consumo
de energía eléctrica, las actividades de verano e invierno, el guardarropa y
las estaciones de desarrollo agrícola. El año calendario influye en la variable
de interés. Ejemplos de ello son las ventas al menudeo influidas por dais
festivos, fines de semana de tres días y los calendarios escolares.
Técnicas De Pronóstico Para Series
Cíclicas
Es la fluctuación en forma de onda
alrededor de la tendencia. Los patrones cíclicos tienden a repetirse en los
datos cada dos, tres o mas años. Las fluctuaciones en forma de onda hacia
arriba y hacia abajo alrededor de la tendencia rara vez se repiten en
intervalos fijos de tiempo y también varía la magnitud de las fluctuaciones.
Las técnicas de pronóstico para
datos cíclicos se utilizan siempre que:
El ciclo del negocio influye sobre la variable de interés. Como ejemplos están
los factores económicos de mercado y de la compendia.
Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la
música y la alimentación. Se presenta cambios en la población. Podemos citar
como ejemplos las guerras, escasez, epidemias y desastres naturales. Se
presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la
introducción, crecimiento, maduración, saturación y declinación del mercado.
Medición Del Error En El Pronóstico
Ya que las técnicas cuantitativas
de pronósticos implican, por lo regular, series de tiempo de datos, se
desarrolló una notación matemática para hacer referencia a cada periodo
específico. Se empleará la letra y para denotar una variable de serie de
tiempo, a menos que exista más de una variable. El periodo asociado con una
observación se muestra como subíndice. Así, Yt se refiere al valor de la serie
de tiempo en el periodo t.
También se desarrolló una notación matemática para distinguir el valor real de
una serie de tiempo y el valor de pronóstico. Se empleará el símbolo ^ (acento
circunflejo) sobre un valor, para indicar que se trata de un pronóstico.
Se han ideado diversos métodos para resumir los errores generados por una
técnica particular de pronóstico. La mayoría de estas mediciones implican
promediar alguna función de la diferencia entre el valor real y su valor de
pronóstico. A menudo se denominan residuales a estas diferencias entre valores
observados y los valores de pronóstico.
Un método para evaluar una técnica de pronóstico consiste en obtener la suma de
los errores absolutos. La Desviación Absoluta de la Media (DAM) mide la
precisión de un pronóstico mediante el promedio de la magnitud de los errores
de pronóstico (valores absolutos de cada error). La DAM resulta de gran
utilidad cuando el analista desea medir el error de pronóstico en las mismas
unidades de la serie original.
Otra técnica para evaluar una técnica de pronóstico es el Error Medio Cuadrado
(EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman
y se divide entre el número de observaciones. Este enfoque penaliza los errores
mayores de pronósticos, ya que eleva cada uno al cuadrado. Esto es importante
pues en ocasiones pudiera ser preferible una técnica que produzca errores
moderados a otra que por lo regular tenga errores pequeños , pero que
ocasionalmente arroje algunos en extremo grandes.
En ocasiones, resulta mas útil calcular los errores de pronóstico en términos
de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA)
se calcula encontrando el error absoluto en cada periodo, dividiendo éste entre
el valor real observado, para ese periodo y después promediando estos errores
absolutos de porcentaje. Este enfoque es útil cuando el tamaño o magnitud de la
variable de pronóstico es importante en la evaluación de la precisión del
pronóstico. El PEMA proporciona una indicación de que tan grandes son los
errores de pronóstico comparados con los valores reales de la serie. También se
puede utilizar el PEMA para comparar la precisión de la misma u otra técnica
sobre dos series completamente diferentes
A veces resulta necesario determinar si un método de pronóstico está sesgado
(pronóstico consistentemente alto o bajo). En estos casos, de las cuatro
mediciones de precisión de un pronóstico se considera lo siguiente:
· La comparación de la precisión de dos técnicas diferentes.
· La medición de la utilidad o confiabilidad de una técnica.
· La búsqueda de una técnica óptima.
Las etapas de resolución de un
problema, mediante este enfoque es la siguiente:
Identificación Del Problema Los pronósticos
proporcionan información para tomar mejores decisiones. El primer paso es
identificar la decisión. Si la decisión no afecta se afecta por el pronóstico,
el pronóstico es innecesario. La importancia de la decisión sugerirá el
esfuerzo que debe dedicarse a producir un pronóstico. Una decisión de una sola
vez requiere un pronóstico, mientras que una solución recurrente necesita un
pronostico cada vez que se toma la decisión. En cualquier caso la decisión
determina qué pronosticar, el nivel de detalle necesario y que con frecuencia
se hará el pronóstico.
Los pronósticos de ventas, calidad de materiales ingresos, gastos, uso de
energía o los tiempos de llegada de los clientes son una necesidad común en las
empresas.
Quien toma las decisiones es el dueño del problema. El analista es quien
pronostica. La mayor parte de los pronósticos son separados por equipos que
incluyen la administración, la mercadotecnia, el analista y tal vez el
procesamiento de datos. La identificación del problema determina la misión o el
propósito, que muestra como necesidad del pronóstico.
Comprensión Del Problema
La base para entender los problemas
de pronósticos es comprender el proceso; por ejemplo, el proceso que crea la
demanda de un artículo. Nunca se puede comprender por completo el proceso, por
lo que solo se puede esperar conocerlo cada vez mejor y hacer las suposiciones
necesarias para crear los pronósticos. Para hacer esto, se examina las
características del problema y se analizan los datos , si existen. También se
establece una meta para el pronóstico.
Características Del Problema
Las principales características de
un problema son los pronósticos son el marco de tiempo, el nivel de detalle, la
exactitud necesaria y el número de aspectos a pronosticar.
Las decisiones a largo plazo no requieren pronósticos exactos; la decisión de
construir una nueva planta se basa en la tendencia de los pronósticos para
varios años sucesivos u no en una sola estimación de la demanda. Así los
pronósticos muy precisos son innecesarios. Normalmente los pronósticos a largo
plazo se hacen para una sola vez. Es común que se usen métodos causales y
cuantitativos para obtenerlos.
Una decisión a mediano plazo puede ser asignar cierta capacidad de la planta a
grupos de productos. De nuevo puede no ser necesario conocer la demanda para
cada artículo individual, sino para grupos de artículos que comparten instalaciones
de producción. Las decisiones a mediano plazo normalmente requieren pronósticos
para uno o dos artículos. Con frecuencia se usan métodos cuantitativos,
incluyendo los causales y las series de tiempo, para los pronósticos a mediano
plazo.
La decisión a corto plazo es cuántos productos de deben fabricar. En este caso
se necesita el numero real de unidades de producto. Debido a que las decisiones
de corto plazo están basadas en estos pronósticos, necesitan ser razonablemente
exactos. Los métodos de series de tiempo son los que se usan con más frecuencia
para los pronósticos a corto plazo, pero en algunas situaciones, también son
útiles los métodos causales y los cuantitativos.
Datos:
Examinar los datos cuando se tienen
pueden proporcionar una gran visión. Los datos pueden venir de los registros de
la empresa o fuentes comerciales o gubernamentales, los registros de la
compañía incluyen información sobre compras y ventas.
Si no existen datos, se deben
recolectar o se puede usar un enfoque de pronósticos que no los requiera. Si no
se dispone de datos o recolectarlos es demasiado costoso, se elige un enfoque
cualitativo.
Hay factores externos o internos que afectan a los datos. Los factores externos
están fuera de nuestro control pero se puede influir en los factores internos.
Entre los factores internos están la calidad y el precio del producto el tiempo
de entrega publicidad y descuentos.
Si se disponen de datos, se grafican para observar si existe un patrón. La
grafica muestra una demanda semanal de dentífrico durante los dos últimos años.
Estos datos se usan para explicar el análisis de datos de una serie de tiempo.
El análisis de datos causales de una serie de tiempos es similar pero en lugar
de graficar, digamos, la demanda contra tiempo, se puede graficar la demanda
contra variable causal. Cuando se examina la gráfica parece estar nivelada, en
términos burdos, con una pequeña variación que es caracterizada de un proceso
constante.
Cuando se grafican los datos, la elección de la escala es muy importante si se
selecciona una escala equivocada, los datos de un proceso constante pueden
parecer estaciónales fluctuaciones aleatorias. Cuando las tendencia y la
estacionalidad están presentes, los datos deben descomponerse para ver los
efectos de cada una. Los datos disparados deben eliminarse antes de
analizarlos.
El resultado del análisis de datos es entender el proceso que causa la demanda.
siempre habrá una parte inexplicable – la componente aleatoria -.
Meta de pronóstico:
La meta de cualquier sistema de
pronósticos es proporcionar eso pronósticos con la exactitud necesaria, a
tiempo y a un costo razonable. Un pronóstico oportuno está determinado por su
utilización. El trueque básico de los pronósticos se hace entre la respuesta al
cambio y a la estabilidad, es decir, si se experimenta una demanda anormalmente
alta una semana debe decidirse si se requiere más producto la siguiente semana.
Si la demanda alta refleja un cambio en el patrón de demanda, debe aumentarse
la producción, pero si fue sólo una fluctuación aleatoria, no se aumenta. Un
buen sistema de pronósticos reaccionará ante los cambios reales e ignorará las
variaciones al azar.
Desarrollo de un modelo
Una vez identificados los procesos,
éstos determinan la forma del modelo. Los pronósticos cualitativos no usan
modelos sencillos de establecer. Los modelos causales dependen de la situación
particular pero en general tienen la forma.
D1 = f ( x t-k) + e
Donde d representa la variable
dependiente, como la demanda, x, la varianza independiente ( o factor causal )
y e, la componente del ruido del tiempo t. La variable dependiente en el tiempo
t es idealmente una función de la variable independiente en el tiempo t – k,
k> 1. el lapso del periodo k permite conocer el valor de la variable
independiente antes de hacer el pronóstico de la variable dependiente; si no
hay este lapso, deberá pronosticarse la variable independiente antes de obtener
un pronostico para la variable dependiente. La relación funcional entre d y x
se representa por f y puede ser lineal, cuadrática o alguna otra relación
matemática. Puede haber mas de un factor causal.
Para los enfoques de las series de tiempo, los modelos comunes que se estudian
son constantes, la tendencia lineal y estacional, o combinaciones de éstos.
Matemáticamente son:
|
Dt = a + e ( constante)
|
|
Dt = a + bt + e ( tendencia lineal )
|
|
Dt = act + e ( estacional )
|
Donde a representa la parte
constante, b la tendencia, c, el factor estacional para el periodo t y e, la
componente aleatoria o de ruido. Éstos son los modelos más comunes,
aunque existen otros.
Solución Del Modelo
El primer paso para resolver el modelo es elegir un método. Si se tiene un
modelo causal, el método será regresión. Para modelos de series de tiempo,
existen varios métodos disponibles, incluso para el mismo proceso. Por ejemplo
existen muchos métodos para pronosticar una series de tiempo constante.
Dado el modelo si se consideran los coeficientes, simplemente se podría
introducir los números correctos y obtener el pronóstico. Como los parámetros
reales de la ecuación del modelo no se conocen, deben estimarse. Interpretación
e implantación de la solución
La interpretación de la solución es la tarea mas importante al operar un
sistema de pronósticos.
Conforme se obtienen los nuevos datos, se actualiza el pronostico. Además, se
compara el pronostico anterior con lo que realmente ocurrió para obtener
retroalimentación sobre la calidad del procedimiento de pronósticos. Si la
calidad es aceptable, se dice que el procedimiento esta bajo control. Si el
procedimiento esta fuera de control, es necesario regresar a la etapa de
diseño; se requiere volver a estimar los parámetros del modelo actual, o bien,
cambiar el modelo. Si el sistema de pronósticos esta bajo control, se hace un
pronóstico para un periodo futuro. Observaciones
Existen dos hechos muy importantes que recordar; los pronósticos los
pronósticos casi nunca dan una respuesta exacta y entre mas lejos al futuro se
vea, menos preciso será el pronóstico.
Pronósticos Cualitativos
Los métodos cualitativos de pronósticos utilizan el juicio de los gerentes,
su experiencia, los datos relevantes y un modelo matemático implícito. Como el
modelo es implícito, si dos gerentes distintos utilizan los métodos
cualitativos, es frecuente que lleguen a pronósticos con variaciones
importantes.
Los pronósticos cualitativos deben utilizarse cuando los datos del pasado no
resulten confiables como indicadores de las condiciones del futuro. Cuando
ocurre lo anterior, los datos del pasado deben compensarse mediante un juicio
antes de poder desarrollar un pronóstico. También debe utilizarse el pronóstico
cualitativo para la introducción de nuevos productos cuando no se dispone de
una base de los datos históricos.
Los métodos cualitativos casi siempre se utilizan para pronósticos a mediano y
largo plazo que involucren situaciones como diseño del proceso o capacidad de
las instalaciones. En el caso de estas decisiones, los datos del pasado casi
nunca están disponibles o, cuando así es, pueden indicar un patrón poco
estable.
Investigación de marcado:
Una investigación de mercado consiste en varios pasos. Primero es necesario
desarrollar un cuestionario que deben contener preguntas cuyas respuestas
proporcionen la información necesaria para determinar un pronóstico.
El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por
correo, fax, correo electrónico, teléfono, una postal para recortar una
entrevista o en una persona. La manera en que se lleve a cabo la investigación
puede afectar tanto el número como la calidad de las respuestas. El número,
localización y los clientes individuales que responderán deben planearse con
cuidado junto con el propósito del estudio.
Una vez que se realiza la investigación, deben tabularse y analizarse los
resultados. Se debe tener cuidado al interpretar estos resultados. Las tasa de
respuesta pueden ser bajas, las respuestas pueden ser incorrectas, o los factores no
considerados en el cuestionario pueden afectar el resultado real de los
eventos. Método Delphi:
Una variación formal de la opinión de expertos es el método Delphi, Un comité
de "expertos" corresponde al oráculo en esta técnica, y el
facilitador determina los participantes, escribe los cuestionarios y analiza
los resultados. Los miembros del comité pueden ser expertos de diferentes
campos. Por ejemplo uno puede tener orientación hacia las ventas y otro ser
economista. Ellos ofrecen diversos puntos de vista y consideran muchos factores
en el proceso.
Se pide a los miembros del comité que entreguen pronósticos anónimos de eventos
específicos y, lo que es mas importante, sus razones para hacer este
pronóstico. Las preguntas deben ser ambiguas y simples. En lugar de pregunta si
las ventas serán altas, debe preguntarse si estarán arriba de un valor dado.
Las preguntas deben tener una sola respuesta, si se necesitan respuestas
múltiples, debe hacerse una pregunta para cada una.
Las respuestas se resumen, se modifica el cuestionario y se regresa a los
miembros del comité, a quienes se pide que repitan el proceso. El resultado de
cada ronda debe reflejar los resultados de la anterior; con el cuestionario
actualizado se mandan las estadísticas resumidas, es decir, la media , la
mediana y el rango.
El procedimiento continua hasta que los miembros del comité acuerdo razonable
por lo general tres o cuatro rondas son suficientes para alcanzar con un consenso-
y el resumen de resultados se informa a los participantes y se usa para tomar
la decisión.
El método Delphi tiene varias ventajas, entre ellas esta el hecho de que se
incluye la participación de personas muy diferentes, incluso de distintas
localidades, y elimina el dominio de personalidades fuertes, dando a todos la
misma oportunidad de participar; las respuestas anónimas permiten una expresión
mas libre de las ideas.
La mayor desventaja es el tiempo necesario para llevar a cabo el estudio
Delphi, muchas veces más de un mes.
