El Método de Descomposición corresponde a una metodología para la Proyección de la Demanda que como el nombre lo sugiere «descompone» el comportamiento de una Serie de Tiempo en tendencia, estacionalidad y ciclo, relacionando dichos componentes a través de la siguiente fórmula (multiplicativa):
Donde:
- S= Valor pronosticado
- T= Factor de tendencia
- C= Componente cíclico
- Y= Componente estacional
- μ= Variación no sistemática
A continuación aplicaremos el Método de Descomposición para el pronóstico de la demanda de un producto sobre el cual tenemos información histórica para un período de 4 años (48 meses).
Paso 1: Se debe calcular el factor de estacionalidad, realizando un cuociente entre el valor pronosticado según el Promedio o Media Móvil Simple con n=12 y el valor real de la demanda. En la imagen a continuación se observa que el promedio móvil para Enero de 2010 corresponde al promedio simple de la demanda real desde Enero de 2009 a Diciembre de 2009. (Los resultados han sido aproximados a un decimal)
Paso 2: Se calcula el factor de estacionalidad promedio para cada período. Este procedimiento se facilita al trabajar con Tablas Dinámicas (Selecciona las columnas de los datos de la planilla según muestra la imagen a continuación, luego en el Menú de Excel ir a «Insertar» y en la esquina superior izquierda seleccionar Tabla Dinámica).
Al desplegarse el menú «Lista de campos de tabla dinámica» arrastramos el campo de Mes a Etiquetas de columnas y el campo Año a Etiquetas de fila. Por último arrastrar el campo (a/b)*100 a Valores seleccionando en la configuración de dicho campo «Promedio«.
La Tabla Dinámica tiene la siguiente forma donde se obtiene el factor de estacionalidad promedio:
Paso 3: Se ajusta cada factor promedio, multiplicándolo por el factor de estacionalidad K, calculado de:
En el ejemplo: K=(12*100)/(1.235,8)=0,971 (aproximado). Notar que los valores de la fila Indice Estacionalidad corresponde a la ponderación del Factor de Estacionalidad Promedio por el parámetro K.
Paso 4: Calcular la tendencia de la serie de tiempo ajustando los datos a una regresión lineal, donde la variable dependiente corresponde a la demanda (Y) y la variable independiente a los períodos (X).
Para este propósito se puede aplicar el procedimiento de forma muy sencilla en Excel a través de las siguientes alternativas:
1. Hacer un Gráfico de Línea con los valores de la demanda real como se muestra en la imagen a continuación:
Luego sobre el gráfico de línea con el mouse o teclado seleccionar con el botón derecho la opción «Agregar línea de tendencia». Por defecto se ofrece la alternativa de tendencia lineal (no modificar) y debemos seleccionar las siguientes opciones:
Una vez realizado lo anterior obtendremos el gráfico que muestra el ajuste de la regresión y su ecuación. En nuestro ejemplo la regresión es: Y=98,038*X+15.157.
2. En la pestaña de «Datos» de Excel en la esquina superior derecha observaremos la opción «Análisis de datos» la cual debemos seleccionar, ingresando en el «Rango Y de entrada» los valores en la columna de la demanda real y en «Rango X de entrada» los valores de los períodos.
Luego presionar «Aceptar«, luego de lo cual se generará una nueva hoja en la planilla de cálculo con los resultados de la Regresión Lineal: (hemos marcado con color amarillo los resultados más relevantes en la aplicación del método de descomposición que son por supuesto coherentes con los que se obtienen al desarrollar el procedimiento del gráfico de línea).
Paso 5: Se calcula el factor cíclico de la serie histórica a partir de la siguiente expresión:
Por ejemplo para Enero de 2010 (dato 13) el Factor Cíclico es 0,973 (se obtiene dividiendo 15.994,4 en 98,038*13+15.157). En la imagen a continuación se muestra la fórmula en Excel que hemos utilizado considerando una aproximación de los resultados a 3 decimales.
Paso 6: Determinar el factor cíclico promedio para cada período. En este paso al igual que en el Paso 2 una Tabla Dinámica resulta de bastante ayuda:
Una vez completado el Paso 6 estamos en condiciones de realizar un pronóstico de demanda utilizando la fórmula presentada al inicio del artículo. Por ejemplo si queremos pronosticar la demanda de Enero de 2013 (período 49) el resultado sería el siguiente:
- T(49) = 98,038*49+15157 = 19.960,862
- C(Ene) = 0,966
- Y(Ene) = 90,8/100
- S(49) = 19.960,862 * (90,8/100) * 0,966 = 17.508,231
¿Te pareció interesante este artículo? ¿Desearías tener la planilla de cálculo Excel con los resultados y detalle de los procedimientos?
[sociallocker]https://www.dropbox.com/s/0wch166wbgki6pq/Plantilla%20M%C3%A9todo%20Descomposici%C3%B3n.xlsx?dl=0[/sociallocker]
Muy importante la información alcanzada. De suma utilidad,, además es bastante didáctico. Felicitaciones, y muchas gracias.
Hola, muy bueno el articulo, pero como se aplicaria cuando el numero de articulos a pronosticar son demasiados?
Saludos.
@Juan Manuel Gtz. Esta metodología se aplica a un sólo producto por tanto si existen varios productos a pronosticar se debería aplicar el método en varias oportunidades o definitivamente considerar otra herramienta de pronóstico.
Saludos, muy buen trabajo, muy didáctica la explicación.
Descargué el XLS, y ahora sólo tengo una duda: ¿Este método lo puedo utilizar para hacer un pronóstico del año 2014 si tomamos en cuenta que estoy partiendo desde el 2011?
Es decir, tengo datos de todo el 2011, 2012, y 2013 hasta noviembre. ¿La media móvil seguiría siendo de 12 elementos?
@Gian Piero. Te recomendamos esperar hasta tener los datos completos del año 2013 (es decir, incluido Diciembre) para que puedas aplicar el Método de Descomposición. El procedimiento es exactamente el descrito anteriormente.
Muchas gracias por el tiempo dedicado en responder. Como no tenía oportunidad de esperar a mediados de este mes de enero de 2014 para obtener los resultados del mes de diciembre, decidí hacer una estimación aproximada en base a una regresión.
Ahora, viendo que en este pronóstico de series de tiempo estamos usando este el modelo mixto
S(t) = T(t)*Y*C+µ
¿Cómo determino «µ» para sumarlo a los otros factores? ¿Este valor puede despreciarse para el pronóstico?
Nuevamente, muchas gracias por publicar un tema tan útil y por la colaboración en el esclarecimiento de dudas.
@Gian Piero. El parametro «µ» es el componente o variación no sistemática. Si bien no es necesario su cálculo para desarrollar un pronóstico, interesa que dicha variación no sugiera la presencia de error sistemático.
¿Este es un método aditivo o multiplicativo?
@ Mauricio. La forma funcional del Método de Descomposición que abordamos en el articulo es multiplicativo.
En el paso 2 del paso 4, ¿cuáles son los valores del rango X de entrada?.
@Susana. Los valores del rango X son los períodos, que en este caso sería la variable independiente. Por ejemplo, el Período 1 es Enero de 2009, el Período 2 es Febrero de 2009 y así sucesivamente.
El factor de estacionalidad, ¿es de calcularse sólo con los datos reales?, y si tengo información de 3 años de Ene-2014 a Jul-2016, ¿sólo utilizo la información del 2014 y 2015 para el cálculo del factor de estacionalidad? y los datos reales de Enero a Julio del 2016, ¿los puedo utilizar hasta que se completen los 12 meses del 2016?. Saludos.
@Bidhaull. El factor de estacionalidad efectivamente lo calculas con datos reales. Si tienes información del período Enero-2014 a Julio-2016 recomendaría considerar sólo Enero-2014 a Diciembre-2015 para que cada mes del año tenga el mismo número de observaciones (por cierto sería ideal disponer de más datos, al menos un tercer año, para que de esta forma se pueda tener 36 meses).
¿de dónde sale 1.235,8?
@Ruben. 1.235,8 corresponde a la sumatoria de los índices promedios especificado en el Paso 3. Específicamente es: 93,5+97,9+113,5+…+94,8=1.235,8
Buenas tardes, muchas gracias por la información. Tengo una inquietud, si yo quiero pronosticar, por ejemplo, el año 2013 de enero a diciembre, al momento de calcular el Mape, ¿cuál sería el error asociado a éste? es decir, para calcular el error se resta el valor real menos el pronóstico, pero para estos periodos no se tiene información real. ¿Cómo se calcularía el error?. Mil gracias!
@Ana María. Para responder tu pregunta asumiré que tu último dato histórico para la demanda real es el mes de Diciembre del año 2012. Si ese es el caso NO se puede calcular el MAPE para el año 2013, simplemente porque para eso se requiere conocer la diferencia entre la demanda real (At) y la demanda pronosticada (Ft). Como no sabemos de antemano cuál será el valor que adoptará la demanda (si lo supiéramos no existiría el problema de pronósticos de demanda) no estamos en condiciones de calcular un error a futuro y por ende el MAPE.
De por casualidad ¿sabes cómo hacer un análisis de regresión según el precio del dólar, café y petróleo?. La profesora no explicó nada y el trabajo está difícil, no entendemos nada.
@Gloria. Dada tu pregunta todo indica que se les solicita aplicar un método de regresión múltiple. Les recomiendo revisar https://www.gestiondeoperaciones.net/proyeccion-de-demanda/ejemplo-de-una-regresion-lineal-multiple-para-un-pronostico-con-excel-y-minitab/
Muy buen ejercicio, muy claro y fácil de entender. gracias.
Hola, para el caso del índice de estacionalidad «k», ¿cuál es el número de observaciones del periodo?, en este caso, ¿de dónde sale que es 12?, ¿equivale a los n = periodos de la media móvil?, Si con esos mismo datos, decidiera tomar n=3 (periodos de la media móvil), ¿cómo calcularía k?, De antemano muchas gracias.
@Oswaldo. El valor n=12 corresponde a los 12 períodos (meses) que tiene un año. Notar que este factor de ajuste K no sería necesario si la suma de los Índices de Estacionalidad Promedio sumara 1.200 en el Paso 2 pero debido a diferencias por concepto de aproximación en el Paso 1 y Paso 2 es esperable que dicha suma (Índices de Estacionalidad Promedio) sea algo menor o mayor a 1.200.
Excelente explicacion