3 Error de Pronosticos

MEDICION DE ERROR DE PRONOSTICO
ING. VITELIO ASENCIOS TARAZONA

Definición:
• ERROR: Diferencia entre un
valor que se mide y un Error de pronóstico= DEMANDA
valor verdadero. REAL – VALOR PRONOSTICADO
• La exactitud general de
cualquier modelo de
pronóstico del ámbito
productivo – puede
determinarse al comparar
los valores pronosticados
con los valores reales u
observados.
Para qué calcular el error Cuál es la causa del error de
pronóstico pronóstico
• ¿Qué utilidad tiene calcular el • Hay dos fuentes de error en los
error de pronóstico de demanda? pronósticos: Sesgados y aleatorios.
Nos permite tomar decisiones • SESGADO: también llamado sistemático es
frente a qué método de ocasionado por un error constante,
pronóstico es el mejor y ejemplo: Mala interpretación de la demanda, uso
logran detectar cuando algo de variables incorrectas o con relaciones
equivocadas. Se minimiza según a la experticia del
en nuestra previsión de la jefe de operaciones.
demanda no está marchando • ALEATORIO : es aquel que no tiene
bien, con lo que conseguimos explicación, es el error originado por
cambiar el rumbo de nuestras factores imprevisibles y por ende no se
decisiones y tomar las conoce la causa.
mejores elecciones.
Siempre va a haber ERROR en el cálculo de un pronóstico de demanda.
En la práctica, se minimiza ambos tipos de errores eligiendo el mejor
método de pronóstico. Técnicas de Medición de Errores.
TECNICAS DE MEDICION DE ERRORES
Existe una gran cantidad de indicadores que miden errores

de pronóstico.
Para nuestro caso tomaremos las más utilizadas:
• CSE (Cumulative sum of error)- CFE
• MAE (Mean Absolute Error) - MAD
• RMSE (Root Mean Square Error)- MSE
• MAPE (Mean Absolute Percentage Error) – MAPE
• TS – (Tracking Signal)
Suma acumulada de errores de pronóstico (CFE)
• Es la medida más básica de todas y es la que da origen a las demás.
• Es la suma acumulada de los errores de pronóstico.
• Nos permite evaluar el sesgo del pronóstico.
• Por ejemplo, si a través de los periodos el VALOR REAL de la demanda
siempre resulta superior al VALOR DE PRONÓSTICO, la CFE será más
grande, indicando la existencia de un error sistemático en el cálculo de
la demanda.
• Suma acumulada de errores de pronóstico
Desviación media absoluta (MAD) Error cuadrático medio (MSE)
• Mide la dispersión del error de • Es una medida de dispersión del
pronóstico o sea, la medición del error de pronóstico, sin embargo
esta medida maximizar el error al
tamaño del error en unidades. elevar al cuadrado, castigando
aquellos periodos donde la
• Es el valor absoluto de la diferencia fue más alta a
diferencia entre la demanda real comparación de otros.
y el pronóstico, dividido sobre el • Por tanto, se recomienda el uso del
número de periodos. MSE para periodos con desviaciones
pequeñas.
Error porcentual medio absoluto Señal de Rastreo (TS)
(MAPE) • Es una medida de
Nos entrega la desviación en desempeño que permite
términos porcentuales y no en medir la desviación del
unidades como las anteriores pronóstico respecto a
medidas. Es el promedio del error variaciones en la demanda.
absoluto o diferencia entre la
demanda real y el pronóstico,
expresado como un porcentaje de
los valores reales.
Cuando TS es positivo la demanda real excede el
pronóstico, por el contrario cuando TS es negativo
la demanda real es menor que el pronóstico.
Cómo calcular las medidas de error de pronóstico
Tenemos la empresa IngE que

vende equipos de bombeo y
demanda a través del año fue la
siguiente:
VER EXCEL
Metodología:
En cada columna, se determina cada una de las MEDIDAS DE ERROR,
mediante:
• Por periodo calculamos el error de pronóstico restando la
DEMANDA REAL Y EL PRONÓSTICO. ( D - P)
• Restamos en valor absoluto la demanda real con el pronóstico ,
(Valor absoluto del error de pronóstico) , para calcular el MAD.
• Elevamos al cuadrado el error de pronóstico de cada periodo, para
calcular el MSE.
• Dividimos la DEMANDA REAL / MAD.
• Hacemos la suma de los resultados que obtuvimos para cada periodo.
Lo anterior queda así:
en Valor Absoluto
Teniendo en cuenta que el número de
periodos que pronosticamos es de 9:
• La suma acumulada de errores de
pronóstico es 26.00
• La desviación absoluta media (MAD)
la calculamos dividiendo 97,33
entre 9, igual a 10.81.
• El error cuadrático medio (MSE) lo
calculamos dividiendo 1079,56
entre 9, que es 119.95
• Dividimos 183% entre 9 para
calcular el error porcentual absoluto
medio (MAPE), que es 20.35%
Interpretación de las medidas de error de pronóstico
• Las medidas de error de pronóstico calculadas para un sólo método en un solo
período de tiempo carecen de significado.
• Su utilidad radica cuando comparamos las medidas de error con las medidas de
otros métodos de pronóstico o con otros períodos de tiempo.
¿Cómo sería esto en nuestro ejemplo?
• Para nuestra comparación vamos a considerar : Promedio móvil simple,
ponderado y suavización exponencial simple y doble.
• La demanda se calculan a partir del periodo 4 hasta el 15.
• El n a usar en el promedio simple es de 3.
• En el promedio ponderado los pesos de 40%, 30% y 30% para el periodo más
reciente, intermedio y más lejano respectivamente. La constante de suavización
alfa en el alisado exponencial será de 0,4. La constante de suavización alfa y delta
en el alisado exponencial doble ambas serán de 0,3.
Ejm. Los pronósticos calculados con cada método serían:
• Con estos datos ya tenemos para determinar por medio de las
medidas de error, cuál es el mejor método durante los 12
periodos de medición:
Conclusión.
• Inicialmente analicemos la demanda. La demanda presenta picos y fondos
mostrando tanto tendencias crecientes como decrecientes. Esto se ve reflejado en
los métodos de suavización que responden mejor a las medidas de MAD, MSE y
MAPE comparados a los promedios.
• En este sentido, si le hubiera asignado al promedio ponderado un mayor peso para
los datos más recientes, se lograría obtener mejores medidas de MAPE, MSE y MAD.
• Y por supuesto los suavizamientos son métodos susceptibles de ser mejorados. La
definición de las constantes de suavización por ensayo y error seguro nos habría
entregado mejores métricas. Al observar el CFE inferimos que hay un grado de error
de sistematización en las suavizaciones y es necesario cambiar las constantes de
suavizamiento. Debido a esto los promedios se ven mejor en esta medida.
• Hecho esto y considerando la naturaleza de los datos a tener tendencias crecientes y
decrecientes, preferimos al método de suavización exponencial.
Ejm.

3 Error de Pronosticos

Cargado por

Copyright:

Formatos disponibles

3 Error de Pronosticos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

3 Error de Pronosticos

Cargado por

Copyright:

Formatos disponibles

MEDICION DE ERROR DE PRONOSTICO

ING. VITELIO ASENCIOS TARAZONA

Existe una gran cantidad de indicadores que miden errores

Tenemos la empresa IngE que

También podría gustarte