Pronóstico con análisis de series temporales ¿Qué es pronóstico? La predicción es un método que se utiliza ampliamente en el análisis de series de tiempo para predecir una variable de respuesta, como las ganancias mensuales, el desempeño del stock o las cifras de desempleo, durante un período de tiempo específico. Los pronósticos se basan en los patrones de los datos existentes. Por ejemplo, un gestor de almacén puede modelar la cantidad de producto a pedido durante los próximos 3 meses en función de los 12 meses anteriores de pedidos. Puede utilizar una variedad de métodos de series de tiempo, como análisis de tendencias, descomposición o suavizado exponencial simple, para modelar patrones en los datos y extrapolar esos patrones al futuro. Elija un método de análisis para determinar si los patrones son estáticos (constantes a lo largo del tiempo) o dinámicos (cambio con el tiempo), la naturaleza de la tendencia y los componentes estacionales, y cuánto antes se desea pronosticar. Antes de producir los pronósticos, se ajustan varios modelos de candidatos a los datos para determinar qué modelo es el más estable y preciso. Previsiones para un análisis de media móvil El valor ajustado en el tiempo t es la media móvil no centrada en el tiempo t -1. Los pronósticos son los valores ajustados al origen previsto. Si prevé 10 unidades de tiempo por delante, el valor previsto para cada momento será el valor ajustado en el origen. Los datos hasta el origen se utilizan para calcular las medias móviles. Puede utilizar el método de medias móviles lineales calculando promedios móviles consecutivos. El método de promedios móviles lineales se utiliza a menudo cuando existe una tendencia en los datos. Primero, calcule y almacene el promedio móvil de la serie original. A continuación, calcule y almacene el promedio móvil de la columna previamente almacenada para obtener una segunda media móvil. En predicciones ingenuas, la previsión para el tiempo t es el valor de los datos en el tiempo t -1. El uso del procedimiento de media móvil con un promedio móvil de longitud uno da un pronóstico ingenuo. Previsiones para un único análisis de suavizado exponencial El valor ajustado en el tiempo t es el valor suavizado en el tiempo t-1. Los pronósticos son el valor ajustado al origen previsto. Si prevé 10 unidades de tiempo por delante, el valor previsto para cada momento será el valor ajustado en el origen. Los datos hasta el origen se utilizan para el suavizado. En pronósticos ingenuos, la previsión para el tiempo t es el valor de los datos en el tiempo t-1. Realizar un solo suavizado exponencial con un peso de uno para hacer predicciones ingenuas. Previsiones para un doble análisis de suavizado exponencial El doble suavizado exponencial utiliza los componentes de nivel y tendencia para generar pronósticos. El pronóstico para m períodos por delante de un punto en el tiempo t es L t mT t. Donde L t es el nivel y T t es la tendencia en el tiempo t. Se utilizarán datos hasta el tiempo de origen previsto para el suavizado. Pronósticos del método Winters El método Winters utiliza el nivel, la tendencia y los componentes estacionales para generar pronósticos. La previsión para m períodos por delante de un punto en el tiempo t es: donde L t es el nivel y T t es la tendencia en el tiempo t, multiplicada por (o agregada para un modelo aditivo) la componente estacional para el mismo período desde el momento Año anterior. El método Winters utiliza datos hasta el tiempo de origen del pronóstico para generar los pronósticos. Capítulo 11 - Previsión del amperio de la gestión de la demanda 1. El pronóstico perfecto es virtualmente imposible 2. En lugar de buscar el pronóstico perfecto, es mucho más importante establecer la práctica del continuo Revisión de pronóstico y aprender a vivir con pronóstico impreciso 3. Cuando se pronostica, una buena estrategia es usar 2 o 3 métodos y buscarlos en la visión de sentido común. 2. Fuentes básicas de demanda 1. Demanda dependiente - demanda de productos o servicios causada por la demanda de otros productos o servicios. No mucho lo que la empresa puede hacer, debe ser cumplido. 2. Demanda independiente: demanda que no puede derivarse directamente de la demanda de otros productos. La empresa puede: a) Tener un papel activo para influir en la demanda - aplicar presión sobre su fuerza de ventas b) Adoptar un papel pasivo para influir en la demanda - si una empresa está funcionando a plena capacidad, puede no querer hacer nada sobre la demanda. Otras razones son competitivas, legales, ambientales, éticas y morales. Trate de predecir el futuro sobre la base de datos pasados. 1. Corto plazo - menos de 3 meses - decisiones tácticas como reponer el inventario o programar EEs a corto plazo 2. Mediano plazo - 3 M-2Y - capturar efectos estacionales como los clientes responden a un nuevo producto 3. Largo plazo - más de 2 años. Identificar los principales puntos de inflexión y detectar tendencias generales. La regresión lineal es un tipo especial de regresión donde las relaciones entre variables forman una recta Y abX. Variable dependiente de Y a - Intercepción en Y b - Pendiente X - Variable independiente Se utiliza para la predicción a largo plazo de las ocurrencias mayores y la planificación agregada. Se utiliza tanto para previsiones de series temporales como para predicciones de relaciones ocasionales. Es la técnica de pronóstico más utilizada. Los sucesos más recientes son más indicativos del futuro (valor más predecible) que los de un pasado más lejano. Debemos dar más peso a los periodos recientes de minerales en la predicción. Cada incremento en el pasado se reduce por (1-alfa). Cuanto más alto es el alfa, más se aproxima el pronóstico al real. Más reciente ponderación alfa (1-alfa) na 0 Datos un período de tiempo más antiguo alfa (1-alfa) na 1 Datos dos período de tiempo más antiguo alfa (1-alfa) na 2 ¿Cuál de los siguientes métodos de predicción es muy dependiente de la selección de la Los individuos correctos que se utilizarán de manera juiciosa para generar realmente el valor previsto deben estar entre 0 y 1 1. 2 o más valores predeterminados de Alfa - dependiendo del grado de error, se utilizan diferentes valores de Alfa. Si el error es grande, Alpha es 0.8, si el error es pequeño, Alpha es 0.2 2. Valores calculados de Alpha - error realzado suavemente exponencialmente dividido por el error absoluto cubierto exponencialmente. Técnicas cualitativas en la predicción Conocimiento de expertos y requieren mucho juicio (nuevos productos o regiones) 1. Investigación de mercado - buscando nuevos productos e ideas, gustos y disgustos sobre los productos existentes. Principalmente SURVEYS amp ENTREVISTAS 2. Panel Consensus - la idea de que 2 cabezas son mejores que uno. Un grupo de personas de una variedad de posiciones puede desarrollar un pronóstico más confiable que un grupo más estrecho. El problema es que los niveles más bajos de EA son intimidados por niveles más altos de manejo. El juicio ejecutivo se utiliza (mayor nivel de gestión está involucrado). 3. Analogía histórica - una empresa que ya produce tostadoras y quiere producir cafeteras podría utilizar la historia de la tostadora como un modelo de crecimiento probable. 4. Método Delphi - muy dependiente de la selección de las personas adecuadas que se utilizarán para hacer realidad el pronóstico. Todos tienen el mismo peso (más justo). Los resultados satisfactorios generalmente se consiguen en 3 rondas. OBJETIVO - Planificación, planificación y reabastecimiento colaborativos (CPFR) Intercambiar información interna seleccionada en un servidor Web compartido con el fin de proporcionar vistas fiables ya más largo plazo de la demanda en la cadena de suministro. Una serie cronológica es una secuencia de observaciones de Una variable aleatoria periódica. Ejemplos de ello son la demanda mensual de un producto, la matrícula anual de primer año en un departamento de la universidad y los flujos diarios en un río. Las series temporales son importantes para la investigación operativa porque son a menudo los impulsores de los modelos de decisión. Un modelo de inventario requiere estimaciones de las demandas futuras, un modelo de programación y dotación de personal para un departamento universitario requiere estimaciones del flujo futuro de estudiantes y un modelo para proporcionar advertencias a la población en una cuenca requiere estimaciones de flujos fluviales para el futuro inmediato. El análisis de series temporales proporciona herramientas para seleccionar un modelo que describe las series temporales y utilizar el modelo para predecir eventos futuros. Modelar la serie temporal es un problema estadístico porque los datos observados se utilizan en procedimientos computacionales para estimar los coeficientes de un supuesto modelo. Los modelos suponen que las observaciones varían aleatoriamente sobre un valor medio subyacente que es una función del tiempo. En estas páginas restringimos la atención a la utilización de datos históricos de series de tiempo para estimar un modelo dependiente del tiempo. Los métodos son apropiados para el pronóstico automático a corto plazo de la información de uso frecuente donde las causas subyacentes de la variación del tiempo no están cambiando marcadamente en el tiempo. En la práctica, los pronósticos derivados de estos métodos son posteriormente modificados por analistas humanos que incorporan información no disponible a partir de los datos históricos. Nuestro objetivo principal en esta sección es presentar las ecuaciones para los cuatro métodos de pronóstico utilizados en el complemento de predicción: promedio móvil, suavizado exponencial, regresión y suavizado exponencial doble. Estos son llamados métodos de suavizado. Los métodos no considerados incluyen la predicción cualitativa, regresión múltiple, y métodos autorregresivos (ARIMA). Los interesados en una cobertura más amplia deben visitar el sitio de principios de pronóstico o leer uno de los varios libros excelentes sobre el tema. Utilizamos el libro Previsión. Por Makridakis, Wheelwright y McGee, John Wiley amp Sons, 1983. Para utilizar el libro de Ejemplos de Excel, debe tener instalado el complemento de Pronóstico. Elija el comando Relink para establecer los vínculos al complemento. Esta página describe los modelos utilizados para la predicción simple y la notación utilizada para el análisis. Este método de pronóstico más simple es el pronóstico del promedio móvil. El método simplemente promedios de las últimas m observaciones. Es útil para series de tiempo con una media que cambia lentamente. Este método considera todo el pasado en su pronóstico, pero pesa la experiencia reciente más fuertemente que menos reciente. Los cálculos son simples porque sólo la estimación del período anterior y los datos actuales determinan la nueva estimación. El método es útil para series de tiempo con una media que cambia lentamente. El método del promedio móvil no responde bien a una serie cronológica que aumenta o disminuye con el tiempo. Aquí incluimos un término de tendencia lineal en el modelo. El método de regresión se aproxima al modelo construyendo una ecuación lineal que proporciona el ajuste de mínimos cuadrados a las últimas m observaciones.
No comments:
Post a Comment