Métodos de Pronóstico: Series de Tiempo y Modelos Cualitativos y Cuantitativos

Series de Tiempo (Cuantitativos)

Promedio Simple

Se usa una regla simple que pronostica igual al último valor o igual más o menos algún porcentaje.

Promedios Móviles

El pronóstico es simplemente un promedio de los n más recientes.

Proyección de la Tendencia

El pronóstico es una proyección lineal, exponencial u otra de la tendencia pasada.

Asociativos (Cuantitativos o Causales)

Regresión y Correlación

Se usan una o más variables asociadas para pronosticar por medio de la ecuación de mínimos cuadrados (regresión) o de una asociación (correlación) con una variable explicativa.

Econométricos

Se usa una solución por ecuaciones simultáneas de regresión múltiple para una actividad económica.

Modelos Cualitativos

Como se puede ver en el cuadro anterior, en la literatura se puede encontrar la descripción de varios métodos, que se distinguen por no tener un registro histórico de datos que los respalden, sino que se desarrollan en base a la intuición y buen juicio de personas conocedoras del asunto que se quiere pronosticar.

El método Delphi o Delfos es uno de los más conocidos.

Método Delphi

En el inicio de la década de 1950 la fuerza aérea de los EEUU auspició un estudio de la Rand Corporation, llamado proyecto Delphi, que tenía que ver con el uso de las opiniones de expertos en asuntos de la defensa del país y, posteriormente, con temas de investigación y desarrollo, para obtener mejores perspectivas de situaciones o circunstancias futuras de interés estratégico de largo alcance.

El procedimiento funciona de la manera siguiente:

1. Se pide a un grupo de expertos, cuyos miembros están físicamente separados para evitar relaciones directas e interpersonales que puedan generar conflictos o influencias dominantes de parte de los miembros del grupo que tienen carácter más fuerte, que respondan por escrito a un cuestionario respecto a una cuestión específica, como por ejemplo la estimación de ventas de producto de algún año futuro.
2. Recibidas las respuestas, el coordinador o moderador, que proporcionó la pregunta original, reúne todas las opiniones, las pone en términos claros y las edita.
3. Se informa a cada miembro del panel acerca del valor medio detectado en las respuestas además de otra información derivada de las respuestas y, si el pronóstico del experto es muy diferente de ese valor, se le pide que justifique por escrito sus razones para esa diferencia.
4. Se repite el paso dos hasta que el valor medio y los valores percentiles vigésimo quinto y septuagésimo quinto se estabilicen de manera que en las siguientes rondas los resultados no cambien demasiado.

El resultado es un juicio compartido, en el cual pueden apreciarse tanto el rango de la opinión como las razones para las diferencias de opinión.

Método de Grupo Nominal

La suposición básica de este método es que, un grupo estructurado de gente conocedora del asunto será capaz de llegar a un pronóstico por consenso. El proceso funciona de la manera siguiente:

1. De siete a diez personas son invitadas a pasar a una sala y se sientan alrededor de una mesa, pero se les pide no cruzar palabra entre sí.
2. El coordinador del grupo proporciona preguntas por escrito o escribe en un pizarrón el asunto que requiere de un pronóstico.
3. Cada uno de los miembros del grupo debe escribir sus ideas sobre el problema planteado.
4. A continuación el coordinador del grupo pide a cada uno de los participantes, por turno, que exponga una de las ideas que está en su lista; un ayudante anota cada una de las ideas en un rotafolio, de manera que todos puedan verla.
5. Durante la siguiente fase de la reunión los miembros del grupo discuten las ideas presentadas. El coordinador se asegura de que se discutan todas las ideas; los miembros pueden solicitar que se les aclaren las ideas que han sido expuestas.
6. Cuando han concluido todas las discusiones se pide a los miembros que voten de una manera independiente, por escrito, anotando las ideas por orden de prioridad. La decisión del grupo es el resultado matemático obtenido a partir de los votos individuales.

La técnica de grupo nominal llega a dar un pronóstico, que es la alternativa que recibe mayoría de votos de grupo. Algunas veces cuando el grupo se ha desintegrado, pueden combinarse ciertos pronósticos de mayor prioridad para dar uno basado en un consenso mayoritario. Las claves para el proceso del grupo nominal son la identificación de la pregunta que debe ser dirigida al grupo; se permite la creatividad; se fomenta la discusión limitada y dirigida y en la última instancia el voto.

Modelos Cuantitativos:

Métodos de Series de Tiempo

Estos modelos usan los métodos de series de tiempo. "Una serie de tiempo es simplemente una lista cronológica de datos históricos, para la que la suposición esencial es que la historia predice el futuro de manera razonable." Existen varios modelos y métodos de series de tiempo

entre los cuales elegir y que incluyen los modelos constante, de tendencia y estacional, dependiendo de los datos históricos y de la comprensión del proceso fundamental.

Para cada modelo, se cuenta con varios métodos de pronóstico, que incluyen promedios,

promedios móviles, suavizamiento exponencial, regresión y tal vez combinaciones de todos éstos.

Modelos Básicos de Promedios

Hay diversas formas de calcular un promedio para que sirva como pronóstico:

Promedio Simple

Aquí, todas las demandas de los períodos anteriores tienen el mismo peso relativo. El promedio hace que las demandas elevadas tiendan a ser equilibradas por las demandas bajas de otros períodos, reduciendo las posibilidades de error que se podrían cometer al dejarse llevar por fluctuaciones aleatorias que pueden ocurrir en un período.

Media Móvil Simple

Combina los datos de demanda de la mayor parte de los períodos recientes, siendo su promedio el pronóstico para el período siguiente. El promedio se “mueve” en el tiempo, en el sentido de que, al transcurrir un período, la demanda del período más antiguo se descarta y se agrega, en su reemplazo, la demanda para el período más reciente, superando así la principal limitación del modelo del promedio simple.

Media Móvil Ponderada

Se aplica cuando no se quiere que todos los “n” períodos tengan el mismo peso, es decir permite asignar un peso desigual a la demanda en función de la importancia que le concede el analista.

Suavizado Exponencial

La APICS ha recomendado el uso de esta técnica para sus asociados. Se distingue porque da

pesos de manera exponencial a cada una de las demandas anteriores a efectos de calcular el promedio. La demanda de los períodos más recientes recibe un peso mayor; los pesos de los períodos sucesivamente anteriores decaen de una manera no lineal (exponencial).

Suavizado Exponencial de Primer Orden

El cálculo correspondiente requiere de 2 datos: el primero es la demanda real del período más reciente y el segundo es el pronóstico más reciente obtenido por cualquier otro método. A medida que termina cada período se realiza un nuevo pronóstico.

Selección del Coeficiente de Suavización

Así como sucede con otros modelos de pronóstico estadístico, en el suavizado exponencial se tiene el problema de selección de los valores de los parámetros, lo que significa que es necesario ajustar el modelo a los datos. Para empezar con el pronóstico es necesario tener un buen cálculo derivado de algún otro método, lo que se denomina pronóstico inicial o de arranque. De la misma manera, es necesario seleccionar un coeficiente de suavización.

Ventajas:

• Requieren muy pocos datos históricos. Para actualizar el pronóstico de un período al siguiente sólo se necesita α, la demanda del último periodo y el pronóstico del último periodo. Es necesario recordar que este modelo incorpora en el nuevo pronóstico todas las demandas anteriores.
• Este modelo es eficaz, sencillo y fácil de entender.
• Se puede computarizar para familias de productos, sus partes, o sus elementos.
• Sirve en los sectores de manufactura y de servicios.

Selección de Parámetros de Pronósticos y Comparación de los Modelos

El procedimiento para seleccionar parámetros para los pronósticos incluye los siguientes cinco pasos; el quinto paso se emplea en la comparación y en la selección de los modelos.

1. Distribuir los datos disponibles en dos subconjuntos, uno para ajustar los parámetros (conjunto "prueba") y el otro para realizar el pronóstico.
2. Seleccionar una medida del error que permita evaluar la precisión del pronóstico de los parámetros que se desean probar. Tanto la DMA (Desviación Media Absoluta) como el sesgo son útiles para medir el error.
3. Elegir ciertos valores de α para que sean evaluados. Emplear uno de los valores de α, aplicado al modelo de pronóstico en el conjunto de los datos de prueba y registrar los errores resultantes del pronóstico. Posteriormente, seleccionar un nuevo valor de α y repetir el

proceso. Este proceso se continúa hasta que hayan sido probados valores representativos de α dentro de la gama de valores existentes.

4. Elegir el valor de α que dio como resultado el error de pronóstico más pequeño al aplicarlo en el conjunto de datos de prueba. El modelo está listo para ajustar los valores de la demanda.
5. Realizar el pronóstico con el modelo exponencial (o de media móvil) que se empleó en los datos de prueba, con el resto de los datos. Estos datos también se pueden usar para comparar modelos alternativos que se hayan implementado previamente con los datos representativos de la demanda.

Suavizado Exponencial Adaptativo

Si, quien realiza el modelo o el administrador, no está seguro de la estabilidad o de la forma del modelo subyacente de la demanda, el suavizado exponencial adaptativo proporciona una

buena alternativa del pronóstico. En el suavizado exponencial adaptativo, el coeficiente de suavización, α, no siempre es el mismo; inicialmente se determina y luego se permiten variaciones de él en el tiempo, de acuerdo con los cambios del modelo subyacente de la demanda.

Incorporación de los Componentes de Tendencias y los Estacionales

Los modelos de suavizado exponencial así como los modelos basados en medias móviles, pueden ser modificados para que se puedan incorporar componentes de tendencias y estacionales.

Doble Suavizado Exponencial

El doble suavizado exponencial tiende a suavizar el ruido en series de demanda estables. El modelo es directo; suaviza el pronóstico obtenido con un modelo de suavizado exponencial de primer orden y el pronóstico obtenido mediante un modelo de suavizado exponencial doble.