3.5.- CRITERIOS PARA LA SELECCIÓN DE MÉTODOS CON SERIES DE TIEMPOS

 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.