La figura es un ejemplo de la grafica escalonada utilizada en Intel Corporation. Para interpretarla, considere el renglón correspondiente a marzo. El número 10 en la columna de febrero representa las ventas reales del mes, mismas que no se conocían hasta el 1 de marzo. El número 15 en la columna de marzo representa el pronóstico de marzo elaborado a principio de ese mes, y el numero 16 en la columna de junio representa el pronóstico de junio elaborado al principio de marzo. Observe que examinando los números de las columnas, podemos comparar las ventas con pronósticos de antigüedades diferentes que se prepararon cada mes. Por ejemplo, en la columna de junio, podemos ver que los pronósticos de ese mes que se hicieron en marzo a través del período del 1 de junio eran demasiados optimistas. Este tipo de comparaciones permite juicios subjetivos sobre los patrones y magnitudes de los errores de pronóstico, de forma que pueda mejorarse la precisión de los futuros pronósticos.
Un sistema más preciso de vigilar y controlar los pronósticos es establecer limites superior e inferior sobre cuánto pueden deteriorarse las características de desempeño de un modelo, antes de que cambiemos los parámetros del mismo. Una manera común en la que podemos llevar control del desempeño de los modelos de pronósticos es utilizando lo que se conoce como señal de seguimiento: Señal de seguimiento= Suma algebraica de errores a lo largo de n periodos /Desviación media absoluta a lo largo de n periodos n Señal de seguimiento =∑ (Demanda real - Demanda pronosticada) i / MAD i-1
n n Señal de seguimiento =∑ (Demanda real - Demanda pronosticada) i / ∑ (Demanda real - Demanda pronosticada) i / n i-1 i-1 La señal se seguimiento mide el error de pronostico acumulado a lo largo de n periodos en función de MAD. Por ejemplo, si la suma algebraica de los errores durante 12 periodos ha sido 1000 unidades positivas y el MAD de esos mismos 12 periodos es de 250 unidades, entonces la señal de seguimiento es de +4, lo que es muy elevado. Esto indica que los datos reales han sido superiores a los pronosticados en un total de +4 MAD durante 12 periodos, lo que es aproximadamente igual a 5syx dada la relación syx=1.25 MAD. Si la suma algebraica de los errores durante ese periodo ha sido -1250 unidades y el MAD de esos mismos 12 periodos es de 250 unidades, entonces la señal de seguimiento es -5, que es muy baja, lo que indica que a lo largo de 12 periodos los datos reales han sido inferiores respecto a los pronósticos en un total de -5 MAD, lo que también puede considerarse igual a 6.25syx. Si el modelo de pronóstico esta desempeñándose bien, la señal de seguimiento debería ser prácticamente igual a cero, indicando que ha habido aproximadamente tantos puntos reales por encima del pronóstico como por debajo. La capacidad de la señal de seguimiento para indicar la dirección del error de pronóstico es muy útil porque indica si los pronósticos deben ser motivo de reducción o incremento. Si la señal de seguimiento es positiva, incremente los pronósticos; de ser negativa, redúzcalos. El valor de la señal de seguimiento puede utilizarse para disparar automáticamente nuevos valores de parámetros de los modelos, corrigiendo de esta manera su desempeño. Por ejemplo, podrían utilizarse reglas como las que se encuentran en la tabla para modificar los parámetros del modelo de pronóstico.
Pero no debemos suponer que ά se incrementa siempre para reducir el error, ya que ello dependerá de los datos. No existen reglas universales; más bien, las reglas deben diseñarse a la medida por cada empresa para ajustar sus datos a través de la experimentación. Si se establecen límites para la señal de seguimiento muy bajo, entonces los parámetros del modelo de pronóstico necesitarán revisión demasiado a menudo, pero si se establecen límites de la señal de seguimiento muy amplio, entonces los parámetros del modelo de pronóstico no se modificará con la frecuencia suficiente y la precisión de los pronósticos sufrirá.
