1. Medición del error
1.1. El error de medición se define como la diferencia entre el valor medido y el "valor verdadero
1.1.1. ,se utilizan diferentes medidas para calcular el error total
1.1.1.1. la desviación absoluta media (DAM)
1.1.1.1.1. DAM=SUMATORIA (REAL -PREVISTO)/N
1.1.1.2. el error cuadrado medio (ECM)
1.1.1.2.1. ECM = (ERRORES DE PREVICION)^2/N
1.1.1.3. el error porcentual absoluto medio (EPAM)
1.1.1.3.1. EPAM=SUMATORIA(errores porcentuales absolutos)/N
2. Alisado exponencia
2.1. Una técnica de previsión de media móvil ponderada en la que los datos se ponderan mediante una función exponencial
3. características de los horizontes
3.1. corto plazo.
3.1.1. tiene periodo de cobertura de hasta un año
3.2. medio plazo
3.2.1. abarca generalmente entre tres meses y tres años
3.3. largo plazo
3.3.1. Generalmente abarcan periodos de tres años o más
3.3.2. se utilizan en la planificación de nuevos productos,
4. TIPOS
4.1. Previsiones económicas.
4.1.1. predice todo lo económico
4.2. Previsiones sobre la tecnología
4.2.1. ritmo del progreso tecnológico; nacimiento de nuevos producto
4.3. Previsiones de la demanda
4.3.1. Son estimaciones de la demanda de los productos o servicios de una empresa
5. las previsiones de la demanda determinan las decisiones en muchas áreas. para lograr esto se debe tener tres factores
5.1. Recursos humanos
5.1.1. la contratación depende de la demanda y se debe tener en cuenta el control de calidad ya depende de la capacitación del personal mantener los clientes
5.2. Capacidad
5.2.1. el déficit resultante puede traducirse en incumplimientos en las entregas, pérdida de clientes y pérdida de cuota de mercado
5.3. Gestión de la cadena de suministros
5.3.1. con lleva la coordinación y la integración de estos flujos, tanto dentro de una misma empresa como entre empresas distintas.
6. ENFOQUES
6.1. cuantitativos
6.1.1. emplean uno o más modelos matemáticos que se basan en datos
6.1.1.1. Modelos de series temporales
6.1.1.1.1. 1. Enfoque simple 2. Medias móviles 3. Alisado exponencial
6.1.1.2. Modelos causales
6.1.1.2.1. 4. Proyección de tendencia 5. Regresión lineal
6.2. cualitativos
6.2.1. se guía por factores intuición como emociones
6.2.1.1. Jurado de opinión ejecutiva
6.2.1.1.1. agrupan las opiniones de altos directivos combinado con la estadística
6.2.1.2. Método Delphi
6.2.1.2.1. toman las decisiones, el personal de soporte
6.2.1.2.2. suelen ser un grupo de 5 o 10 expertos
6.2.1.3. Propuesta del personal de ventas
6.2.1.3.1. En este método cada vendedor estima las ventas que habrá en su zona
6.2.1.4. Estudio de mercado
6.2.1.4.1. estudio de referencias al consumidor se usa para mejorar los diseño de los productos
7. La previsión es el arte y la ciencia de predecir acontecimientos futuros. Supone la recopilación de datos históricos y su proyección hacia el futuro con algún tipo de modelo matemático.
8. La influencia del ciclo de vida: puede definirse como una serie de etapas consecutivas o relacionadas entre sí en un sistema de producto desde la adquisición o generación de la materia prima, de los recursos naturales hasta la disposición final.
8.1. etapa:
8.2. 1 introducción
8.3. 2 crecimiento
8.4. 3 madurez
8.5. 4 declive
9. SIETE ETAPAS EN EL SISTEMA
9.1. 1. Determinar el uso de la previsión
9.1.1. defin los niveles de producción
9.2. 2. Seleccionar los artículos para los que se va a realizar la previsión
9.2.1. todos lo productos tienen su propio código stock
9.3. 3. Definir el horizonte temporal
9.3.1. realiza previsiones mensualmente, trimestralmente y anualmente para sus proyecciones de ventas
9.4. 4.Seleccionar el modelo o los modelos
9.4.1. utiliza diferentes métodos estadísticos para hallar el resultado
9.5. 5.Recopilación de los datos necesarios
9.5.1. bases de datos para controlar la venta de cada producto.
9.6. 6. Realizar la previsión
9.6.1. desarrollo del proceso de previsión
9.7. 7. Validar e implementar los resultados
9.7.1. se revisan en los departamentos de ventas, marketing, finanzas y producción
10. SERIES TEMPORALES
10.1. está basada en una secuencia de datos uniformemente
10.2. Descomposición
10.2.1. Tendencia Es el movimiento gradual de subida o bajada de los valores
10.2.2. Estacionalidad. Es un patrón de variabilidad de los datos que se repite cada cierto número de días,
10.2.3. Ciclos. Son patrones en los datos que ocurren cada cierto número de años.
10.2.4. Variaciones irregulares o aleatorias. Son “irregularidades” en los datos causados por el azar y situaciones inusuales.
10.3. Enfoque simple
10.3.1. El sistema de previsión más sencillo es suponer que la demanda en el próximo periodo será igual a la demanda del periodo anterior.
10.4. Medias móviles
10.4.1. La previsión con medias móviles utiliza un grupo de valores recientes de los datos para realizar
10.4.1.1. MEDIA MOVIL=(sumatoria) demanda de n periodos anteriores/n
10.4.2. Cuando existe una tendencia o patrón detectable se pueden utilizar ponderaciones o pesos para resaltar más los valores
10.4.2.1. MEDIA MOVIL PONDERADA=SUMATORIA(ponderación del periodo n) (demanda en el periodo n)/ SUMATORIA ponderaciones
11. Tanto la media móvil simple como la ponderada son eficaces
11.1. Si se aumenta el tamaño de n se tiene un mejor de las fluctuaciones, pero hace que el método sea menos sensible a cambios reales en los datos.
11.2. Las medias móviles no son muy buenas a la hora de captar tendencias.
11.3. Las medias móviles requieren un gran número de datos históricos
12. Constante de alisado
12.1. Es el factor de ponderación que se utiliza en un pronóstico de alisado exponencial; es un número entre 0 y 1.
13. Proyecciones de tendencia
13.1. ANÁLISIS DE REGRESIÓN Y CORRELACIÓN
13.1.1. Si se decide elaborar una línea recta de tendencia utilizando un método estadístico preciso, se puede aplicar el método de los mínimos cuadrados.
13.1.1.1. SE APLICA
13.1.1.1.1. yˆ = a + bx
13.2. serie temporal que ajusta una línea de tendencia a una serie de datos históricos y proyecta
13.2.1. ULTILIZAR MINIMOS CUADRADOS IMPLICA
13.2.1.1. Siempre tenemos que representar gráficamente los datos, porque los mínimos cuadrados suponen una disposición de los datos aproximadamente en línea recta
13.2.1.2. No se hacen pronósticos para periodos de tiempo mucho más allá de los correspondientes a nuestros datos.
13.2.1.3. Se supone que las desviaciones alrededor de la recta de mínimos cuadrados son aleatorias, y están normalmente distribuidas.
13.3. Error estándar de la estimación
13.3.1. Es una medida de la variabilidad alrededor de la línea de regresión (su desviación estándar)