ADMINISTRACION DE OPERACIONES u2

GESTION DE LA PRODUCCION I
UNIDAD No. 2
PRONOSTICO DE LA DEMANDA
PRONOSTICO
“ Es una predicción de eventos futuros que se utiliza con propósitos de planificación.”
Patrones de demanda
Las observaciones repetidas de la demanda de un producto o servicio, tomando como base el
orden en que se realizan, forman un patrón que se conoce como SERIE DE TIEMPO. Los patrones
básicos de la mayoría de las series de tiempo aplicables a la demanda son:
1.- Horizontal: La fluctuación de los datos en torno a una media constante
2.- Tendencia: Es el incremento o decremento sistemático de la media de la serie a través del
tiempo.
3.- Estacional: Es un patrón repetible de incrementos o decrementos de la demanda dependiendo
del día, la semana, el mes o la temporada.
4.- Cíclico: Es una pauta de incrementos o decrementos graduales y menos previsibles de la
demanda los cuales se presentan por tiempos más largos (años, decenios, etc).
5.- Aleatorios: son una serie de variaciones imprevisibles de la demanda.
Factores que afectan la demanda


Externos: aquellos que están más allá del control de la gerencia.
Internos: aquellos como el diseño, los servicios, precios y promociones, decisiones que
son tomadas por la gerencia y que pueden influir en la demanda.
Administración de la demanda
“Este termino se aplica a los procesos mediante los cuales la empresa influye en los tiempos y
volumen de la demanda o se adapta a los factores indeseables de la demanda que no es posible
cambiar”. Ejemplo (Juguetes, Ofertas de cias. Telefónicas, El buen fin)
PRONOSTICOS
3 Grandes preguntas?



Que va a pronosticar?
Qué tipo de técnica va a utilizar?
Qué tipo de software o hardware utilizar?
El nivel de exactitud en el pronóstico es mayor en la medida en que se agrupan por familias o
grupos de productos cuyos requisitos son similares. A esta clasificación se le llama nivel de
acumulación.
Es recomendable evitar utilizar como unidad de medición la unidad monetaria ya que los precios
fluctúan fácilmente mientras que la base de unidades físicas nos da una mejor idea del
comportamiento de la demanda del producto.
De no resultar posible pronosticar por número de unidades es recomendable utilizar el concepto
de horas de mano de obra estándar, esto es útil para compañías que producen sobre pedido del
cliente o lotes especiales.
Métodos Cualitativos ….. Métodos de Juicio
Técnicas de Pronóstico
Modelos Causales
Métodos Cuantitativos
Series de Tiempo.
Métodos de Juicio:
Cuando se carece de datos históricos adecuados o estadísticas las empresas confían en la
experiencia y el buen juicio de sus administradores parara la generación de pronósticos dentro de
los que podemos mencionar las estimaciones de la fuerza de ventas, la opinión de ejecutivos y la
investigación de mercado y el método Delphi.
Estimación de la fuerza de ventas: la fuerza de ventas es el personal más cercano al
cliente, al tener territorios divididos podemos realizar estimaciones de puntos de distribución e
inventarios. Teniendo como principal desventaja los prejuicios individuales del vendedor, puede
no haberse percatado de la principal intención del cliente y por ultimo muchas veces los
vendedores realizan pronósticos conservadores para no esforzarse con un pronóstico muy
exigente.
Opinión Ejecutiva: Es el resumen de las opiniones, la experiencia y los conocimientos
técnico de uno o varios gerentes, para llegar a un solo pronostico, desventaja estriba en el costo
del tiempo utilizado por los gerentes para la realización del pronóstico. La clave en este método es
que el pronóstico no sea una serie de revisiones independientes sino el consenso del grupo.
Investigación de Mercado: Es un procedimiento sistemático para determinar el grado de
interés del consumidor por un producto o servicio mediante el planteamiento de hipótesis a través
de encuestas para recopilar datos. Esta investigación incluye:
 Diseño de un cuestionario
 Forma de aplicar la encuesta (telefónica, entrevista personal, correo, etc.)
 Selección de la muestra representativa
 Análisis de la información obtenida utilizando el buen juicio y los criterios
estadísticos.
La investigación de mercado funciona mejor en pronósticos a corto plazo, dentro
de sus limitantes son las numerosas salvedades y limitaciones que traen consigo
los hallazgos obtenidos, además de que su taza de respuesta muchas veces no
llega al 30%.
Método Delphi: Es el proceso para obtener el concepto dentro de un grupo de expertos, al tiempo
en que se conserva el anonimato. Esta forma es útil cuando no existen datos históricos sobre los
que pudieran construirse modelos estadísticos.
Un coordinador envía preguntas a cada uno de los miembros quienes ignoran quien más está
participando, el anonimato es importante cuando alguien con su opinión puede influir en los
demás, el coordinador prepara un resumen estadístico con los comentarios vertidos, pueden
realizarse nuevas rondas con estos resúmenes.
Este método es más usado para resolver problemas tecnológicos. Sus limitaciones: Destacan el
hecho de que las opiniones son vertidas aun sin tener la responsabilidad de las acciones, el
proceso puede durar hasta un año y cuestionarios mal planeados conducen a conclusiones
ambiguas.
Métodos Causales: utilizan datos históricos de variables independientes, como campañas de
promoción, condiciones económicas y actividades de competidores.
Aunque existen muchos métodos causales, nos ocuparemos aquí de la Regresión Lineal, uno de
los métodos más conocidos y de los que se utilizan más comúnmente.
En la Regresión Lineal una variable conocida como dependiente está relacionada con una o más
variables independientes por medio de la ecuación lineal:
Y = a + bX
Y= Variable dependiente
X= variable independiente
A= intersección con el eje Y
B= pendiente de la curva
El objeto del análisis de la anterior ecuación consiste en encontrar los valores de a Y b que
minimicen la suma de las desviaciones al cuadrado de los puntos de la línea representada en la
grafica corresponden a los datos reales. Para lo anterior se utilizan programas de computadora,
para cualquier pareja de observaciones ( x, y) el programa calcula valores de a y b y ofrece
medidas para evaluar la precisión del pronóstico, las dos mediciones más comunes para ese efecto
son: el coeficiente de correlación y el coeficiente de determinación de la misma.
El Coeficiente de Correlación de la muestra r, mide la dirección y la fuerza de de la relación entre
la variable independiente y la variable dependiente los valores pueden fluctuar entre:
( - 1.00 y + 1.00 ). Un coeficiente de correlación de + 1.00 implica que los cambios registrados de
un periodo a otro en la dirección de la variable independiente siempre están acompañados de
cambios en la variable dependiente en la misma dirección. Un r de – 1.00 significa que los
decrementos de la variable independiente siempre van acompañados por incrementos en la
variable dependiente y viceversa. Cuando r tiene un valor de cero significa que no existe relación
alguna entre las variables, tanto más se ajuste r al valor de +/- 1.00 tanto más adecuado es el
ajuste de la línea. Es igual al cuadrado del coeficiente de correlación
El coeficiente de determinación de una muestra mide la cantidad de variación que presenta la
variable dependiente con respecto a su valor medio, que se explica por medio de la línea de
regresión. El coeficiente de determinación oscila entre 0 y 1 cuando se aproxima el valor de r
cuadrado a 1.00 significa que las variaciones de la variable dependiente y el pronóstico generado
por la ecuación de regresión se encuentran estrechamente relacionadas.
Análisis de Series de Tiempo: Método estadístico que depende en alto grado de datos históricos
de la demanda, con los que se proyecta la magnitud futura y se reconocen las tendencias y
patrones estacionales.
En lugar de emplear variables independientes para el pronóstico como en los métodos de
regresión los métodos de serien de tiempo usan información histórica que solo se refiere a la
variable dependiente. Se basan en la suposición de el patrón de la variable dependiente en el
pasado habrá de continuar con esa tendencia en el futuro. En el análisis de serien de tiempo se
identifican patrones fundamentales de la demanda que se combinan entre si para generar un
patrón histórico observado de la variable dependiente, después de lo cual se elabora un mnodelo
capaz de reproducir dicho patrón. Nos enfocaremos a los patrones de demanda horizontal, a los
de tendencia y a los estacionales.
Pronostico Empírico
Un método que se usa con frecuencia es el Pronóstico Empírico cuyo pronóstico de demanda para
el siguiente periodo es igual a la demanda observada en el periodo actual. Si hubo una demanda
de 35 el miércoles el pronóstico para el jueves es 35. En el método empírico se puede tomar en
cuenta una tendencia. Supongamos que la demanda fue de 120 la semana pasada y 108 la
semana anterior por lo tanto el incremento fue de 12 unidades por lo tanto la demanda para la
próxima semana seria 120 + 12 = 132, si la demanda real de la siguiente semana fuera de 127
entonces la semana posterior se pronostica con 120+ 7 = 127 unidades. Si utilizáramos patrones
estacionales podríamos decir que si en julio del año pasado la demanda fue de 50,000 unidades el
pronóstico para julio de este año seria 50,000 unidades.
La ventaja del método empírico es su simplicidad y bajo costo, este método funciona mejor
cuando los patrones horizontales, de tendencia o estacionales son estables y la variación al azar es
pequeña, porque si no el pronóstico obtenido es sumamente variable.
Promedios móviles simples:
Se usa para estimar el promedio de una serie de tiempo de demanda, para suprimir los efectos de
las fluctuaciones al azar. Implica calcular la demanda promedio de n periodos recientes con el fin
de usarlo como pronostico para el siguiente periodo. Para el periodo siguiente una vez que se
conoce la demanda, la demanda más antigua incluida en el promedio anterior se sustituye por la
demanda mas reciente y se vuelve a calcular el promedio. De esta manera se usan las n demandas
más recientes, por lo cual el promedio se mueve de uno a otro periodo.
El pronóstico correspondiente al periodo t+1 se puede calcular de la siguiente forma:
F(t+1) = suma de las n ultimas demandas/n = Dt+Dt-1+Dt-2+…..Dt-n+1
Ejemplo:
Promedios Móviles Ponderados
En el método simple todas las demandas tienen la misma ponderación aquí cada demanda que
interviene en el proceso tiene su propia ponderación. El resultado de las sumas de ponderaciones
deberá de ser 1 ejemplo en un pronostico con promedio móvil de 3 periodos al periodo mas
reciente se le puede aplicar una ponderación de 0.5 al anterior a este de 0.3 y al mas antiguo de
0.2.
Ft+1 = 0.5 Dt + 0.3 Dt-1 + 0.2 Dt-2
La ventaja del promedio móvil ponderado es que nos permite hacer énfasis en la demanda mas
reciente por encima de la demanda anterior.
EJEMPLO:
Suavización Exponencial:
Es un método de promedios móviles ponderados refinado. Que permite asignar mayor
ponderación a las demandas anteriores. Es el método de pronóstico más usado por su simplicidad
y su reducida cantidad de datos. Solo requiere 3 tipos de datos: el pronóstico del ultimo periodo,
la demanda de ese periodo y un parámetro suavizador (alfa) cuyo valor fluctúa entre 0 y 1.0 .
Para calcular un pronóstico con suavización exponencial será suficiente calcula el promedio
ponderado de la demanda mas reciente y el pronóstico calculado para el último periodo.
Ft+1 = (alfa)(demanda de este periodo + ( 1-alfa)Pronostico del último periodo
O su ecuación equivalente
Ft+1 = Ft + alfa(Dt – Ft)
Hay dos formas de realizar el pronóstico inicial, uno es usar la demanda del último periodo o si
dispone de datos históricos realizar el promedio de varios periodos recientes.
Ejemplo :
Considere los datos de los ejemplos anteriores, estamos al final de la semana 3 a partir de una
constante alfa= 0.10 calcule el pronóstico de suavización de la semana 4:
El método requiere un pronóstico inicial tomemos el promedio de los datos de las últimas dos
semanas (400+ 380)/2 = 390 a fin de calcular el pronóstico para la semana 4, utilizando una
suavización exponencial con alfa = 0.1 calculamos el promedio al final de la semana 3.
F4 = 0.1 ( 411) + 0.90(390) = 392.1
Si la demanda real de la semana 4 fuera 415 entonces el pronóstico para la semana 5 seria:
F5 = 0.1(415) + 0.90(392.1) = 394.4
Inclusión de una tendencia
En una serie una tendencia consiste en aumentos o decrementos sistemáticos de los promedios se
la seria a través del tiempo, cuando existe una tendencia los enfoques de suavización exponencial
deben modificarse, porque si no se modifican los pronósticos nunca serán exactos.
Supongamos que la demanda real aumenta a razón de 10 piezas por periodo y los pronósticos de
suavización exponencial son alfa= 0.3
Demanda
real en el
periodo “ t”
Pronostico para el periodo t
1
10
F1 = 10
2
20
F2 = 0.3(10) + 0.7(10) = 10
3
30
F3 = 0.3(20) + 0.7(10) = 13
4
40
F4 = 0.3(30) + 0.7(13) = 18.1
Para mejorar el pronóstico debemos calcular una estimación de la tendencia. Comenzaremos
calculando la estimación actual de dicha tendencia que no es más que la diferencia entre el
promedio de serie calculado en el periodo actual y el promedio calculado en el último periodo.
El procedimiento por el cual se incorpora una tendencia a un pronóstico suavizado se conoce
como Método de Suavización Exponencial ajustado a la Tendencia para lo cual se requieren solo
dos constantes de suavización ya que el promedio y la tendencia son suavizadas.
At = alfa(dem. De este periodo) + (1- alfa)(promedio + estimación de la tendencia en el ultimo periodo)
Tt = beta(prom.
este periodo – prom. Del ultimo periodo) + (1- beta)(est. De tendencia ultimo periodo)
Ft+1 = At + Tt
At = promedio exponencialmente suavizado de la serien en el periodo t
Tt = promedio exponencialmente suavizado de la tendencia del periodo t
Alfa = parámetro de suavización de la tendencia para el promedio ( 0 – 1.0)
Beta = parámetro de suavización para la tendencia ( 0 – 1-0)
Ejemplo: