Enfoques para diagnosticar

1.   Cuantitativos: Modelos matemáticos y variables causales para pronosticar la demanda se encuentra:

⦁    La serie de tiempo.
⦁    Media.
⦁    Suavizaciones exponenciales.
⦁    Análisis de regreso.
 

2.    Cualitativos: Técnicas grupales nominales.
⦁    DELPHI

PROMEDIO SIMPLE: Es un promedio de los datos del pasada en el cual las demandas de todos los periodos anteriores tienen el mismo peso relativo.

PS      =      Suma de las demandas de todos los periodos

                         Numero de periodos de la demanda 

MEDIA MOVIL SIMPLE: Combina los datos de la demanda de la mayor parte de los periodos recientes siendo su promedio pronosticado  para el periodo siguiente. Una vez calculado el número de periodos anteriores al ser empleados en la operación se debe mantener constante. Después de seleccionar el número de periodos ser usados se da pesos iguales a las demandas para determinar el promedio. El promedio se mueve en el tiempo en sentido de que al transcurrir un periodo la demanda del periodo más antiguo se descarta y se agrega la demanda para el periodo más reciente en la siguiente operación.

MEDIA MOVIL PONDERADA: desarrolla y mejora las aplicaciones de la media móvil simple.

Se debe tener en cuenta las siguientes cosas:

1. Mayor peso demandas recibidas
2. Los pesos van de 0-1
3. La sumatoria de los pesos debe ser igual a 1

SUAVIZACIÓN EXPONENCIAL:
⦁  La sumatoria de los pesos o coeficientes deben ser igual a 1

⦁  Entre más peso las demandas son más grandes.
⦁  Pronósticos y demanda reciente:

ERROR DE PRONÓSTICO: es la diferencia numérica entre la demanda pronosticada y la demanda real. Es la medida que nos indica la efectividad al utilizar cualquier modelo de pronósticos.

1.  MAD: Desviación media absoluta
                Estadística
                Acumulación de errores
                                                 Σ
 MAD      =      i=1|demanda pronosticada - demanda real|
                                                 n

2.    SESGO: Indica la tendencia direccional de los errores de predicción. Si el procedimiento de predicción sobreestima constantemente la demanda actual será POSITIVA, si la subestimación es constante seria NEGATIVA