Pronósticos por series de tiempo
Los métodos por series de tiempo se utilizan para hacer análisis detallados de los patrones de demanda en el pasado, a lo largo del tiempo y para proyectar estos patrones hacia el futuro.
Una de las suposiciones básicas de todos los métodos por series de tiempo, es que la demanda se puede dividir en componentes como nivel promedio, tendencia, estacionalidad, ciclos y error.
Una muestra de estos componentes para una serie de tiempo representativa se muestra en la figura 3.1. Cuando se suman los componentes (o en algunos casos se multiplican), serán iguales a la serie de tiempo original.
La estrategia básica que se utiliza en los pronósticos por series de tiempo, es identificar la magnitud y la forma de cada uno de los componentes basándose en los datos disponibles del pasado. Estos componentes (con excepción del componente aleatorio), se proyectan entonces hacia el futuro.
Si sólo queda un componente aleatorio pequeño y el patrón persiste en el futuro, se obtendrá un pronóstico confiable. Un ejemplo de la descomposición de una serie de tiempo es el siguiente:
en donde y(t) = demanda durante el periodo t
a = nivel
b = tendencia
f (t) = factor de estacionalidad (multiplicativo)
e = error aleatorio
Como puede observarse, este modelo por series de tiempo tiene nivel, tendencia, factor de estacionalidad y error aleatorio. Cada uno de estos términos se estima a partir de los datos del pasado para desarrollar una ecuación que se utiliza entonces para pronosticar la demanda del futuro. En el suplemento de este capítulo se encuentra un ejemplo de este método.
En el estudio de los pronósticos por series de tiempo, se utilizan los siguientes símbolos y terminología:
El panorama general es que la empresa se encuentra al final del periodo t, se acaba de observar el valor de Dt y se realizan pronósticos para los periodos t+1, t+2, t+3, etc.
Fuente: Apuntes de Introducción a la Planeación y Control de la Producción de la UNIDEG
