Escuela de Ingeniera Industrial

Pronsticos de Demanda
(Demand Forecasting)
Prof. Juan Jos Bravo B., PhD

Santiago de Cali, Septiembre de 2016

1

Rol del pronstico en una

cadena de abastecimiento
Pronstico de
demanda

Q1

Pronstico de
demanda

Q2
Planta

Q3
Centros de
Distribucin

Pronstico de
demanda
2

Qu reas de una cadena de abastecimiento

requiere de pronsticos
Decisiones que utilizan los pronsticos y que pueden ser mejorados a
travs de intercambios colaborativos de pronsticos entre socios de
cadenas de abastecimiento:

Produccin: Control de Inventarios, Scheduling, Planeacin

Agregada, compras.
Mercadeo: Promociones, Introduccin de nuevos productos,
Asignacin de fuerza de ventas.

Finanzas: Planeacin de presupuesto, Inversiones en plantas y

equipos.
Personal: Planeacin de la fuerza de trabajo, contratacin y
despidos.
3

El rea de contabilidad depende de los pronsticos de costos e

ingresos para planear los impuestos.
Los jefes de produccin y logstica dependen de los pronsticos
para determinar las necesidades de materias primas y el
inventario deseado de producto terminado.

Para qu ms se necesitan los pronsticos?

Verdades frecuentes acerca de los

Pronsticos
1. Siempre los pronsticos son incorrectos y dan una idea de lo que la
demanda podra llegar a ser. Es por eso que el pronstico debe incluir
tanto la media o valor esperado como el error del pronstico.
Mes 1

Mes 2

Mes 3

Mes 4

Mes 5

Mes 6

Promedio

Desviacin Estndar

280

230

300

212

305

293

270

39,3

780

20

40

500

80

200

270

306,4

2. La magnitud del error del pronstico es menor entre mas corta sea
la ventana de tiempo.
La pregunta Cunto vender en el mes? es propensa a errores de
pronstico mayores que la pregunta Cunto vender al da siguiente?.

Verdades frecuentes acerca de los

Pronsticos
3. El error del pronstico es menor en datos agregados. Por
ejemplo, si se desea pronosticar el volumen total anual de ventas
(en unidades equivalentes o en $) de una gran compaa,
considerando todos sus productos, se producira probablemente un
error de pronstico menor que si se buscara pronosticar el volumen
anual de ventas de un producto especfico (en unidades
equivalentes o en $). Esto es verdad a medida que se agrega ms y
ms informacin, y puede no percibirse con la agregacin de pocos
datos.
4. Entre ms una empresa se encuentre aguas arriba en una cadena
de suministro, ms grande es la distorsin de la informacin que ella
recibe acerca de la demanda de los consumidores finales, siendo el
error del pronstico mayor. La colaboracin en cuanto a intercambio
de informacin de pronsticos permite reducir el error del pronstico.

Tenga en cuenta
El Pronstico de Ventas y el
Pronstico de Demanda son
conceptos distintos.

Factores tradicionales que estn relacionados

con los Pronsticos de demanda
Demanda Histrica
Lead Time del producto
Planes de publicidad o esfuerzos de mercadeo
Estado de la economa
Planeacin de descuentos en precios

Acciones que los competidores hayan tomado

Las compaas deben balacear los factores objetivos y subjetivos
cuando pronostiquen demanda. Mas all de un anlisis cuantitativo
de pronsticos, siempre son de gran relevancia los juicios
humanos a la hora de hacer el pronstico final.

Mtodos de Pronstico de Demanda

1. Cualitativos: Se basan enteramente en juicios subjetivos, y son
mas apropiados cuando hay poca informacin histrica disponible
cuando los expertos tienen una inteligencia de mercados que
es crtica para hacer los pronsticos. Ejm: Mtodo Delphi,
Estudio de Mercado, etc.
2. Series de Tiempo: Usa informacin histrica de demanda y su
utilizacin se basa en el supuesto de que la demanda pasada es un
buen indicador de la demanda futura. Estos son los modelos mas
simples de implementar y pueden ser un buen punto de arranque para
la determinacin de un pronstico. Ej: Promedio mvil, Suavizacin
exponencial y sus variantes.
3.Causales: Estos mtodos asumen que la demanda futura esta
fuertemente correlacionada con ciertos factores del entorno (Por ej,
precios, estado de la economa, demanda de productos
complementarios, la temperatura, etc.) e implementa tcnicas para
encontrar dicha correlacin. Ej: Regresin Mltiple, dinmica de
sistemas.
9

Mtodos cualitativos

EN QU CONSISTE...

OPINIONES OE LOS GERENTES /

EJECUTIVOS

Se basa en la opinin general de un grupo de directivos gerentes

de la empresa, llamado tambin consenso de panel. No existe
secretos y se estimula la comunicacin. Su desventaja es que una
parte del grupo sea dominante segn sus intereses.

Tcnica DELPHI

Un grupo de expertos responde, de manera annima, a una serie

de cuestionarios que preguntan sobre las proyecciones de ventas
de la empresa. Un moderador lee en voz alta las respuestas y,
entre todos, buscan consenso. Se fundamenta en que un grupo
piensa mejor que una sola persona

INFORMACIN DE LOS VENDEDORES

Consiste en recopilar las estimaciones realizadas por los

vendedores (o distribuidores) acerca de las ventas esperadas en
sus territorios, esto con el fin de suponer la tendencia y cambios
futuros.

ANALISIS DEL CILO DE VIDA DEL

PRODUCTO

Se basa en la evaluacin de las etapas de un producto o servicio

para predecir su demanda en el mercado. Esto es, desde la
introduccin, inicio y crecimiento, hasta las etapas de madurez y
declinacin.

INVESTIGACIN DE MERCADO

Es un mtodo mas sistemtico y objetivo. Se propone recolectar

datos de diversas maneras (entrevistas, cuestionarios) para probar
hiptesis acerca del mercado. La principal caractersticas del
mtodo es su flexibilidad, requiriendo una investigacin
exploratoria, descriptiva o explicativa.
10

Mtodos causales
Parten del supuesto que el grado de influencia de las variables permanecen
estables, para posteriormente elaborar un modelo que relacione el
comportamiento de las variables que son las causantes del cambio del mercado.
Este cambio se da en un tiempo especifico.

Se caracteriza por:
Relacionar las variables internas o externas con los niveles de demanda,
lo que brinda una visin amplia del sector.

Horizonte:
Son mas tiles para elaborar pronsticos a mediano plazo de
productos o servicios existentes y para el diseo de estrategias de
marketing, produccin y contratacin de personal.

El mtodo de Regresin Mltiple es un ejemplo de Mtodo causal

11

Los pronsticos en la prctica*

Levi Strauss inici su Departamento de pronsticos en 1995 y en
4 aos tena un equipo de 30 personas que trabajaban en ello
tiempo completo.

En Bell Atlantic el proceso de pronosticar comienza con la

recoleccin de datos histricos mensuales, informacin que se
comparte en toda la organizacin. En la preparacin del pronstico
se usan mtodos subjetivos junto con mtodos de series de tiempo y
modelos de regresin basados en variables econmicas,
demogrficas y otras de tipo exgeno.
En una encuesta realizada a empresas farmacuticas en Singapur
(Glaxo, Bayer, Pfizer, Bristol Myers Squibb, entre otras), se encontr
que el uso principal de los pronsticos era para planeacin de
recursos humanos, promociones, planeacin estratgica y definicin
de cuotas de ventas. Se encontr que los mtodos cuantitativos y
los juicios personales eran muy importantes para el pronstico. 12
*Fuente: Wilson, J.H., Keating, B. Pronsticos en los negocios. McGraw Hill, 5ta edicin, 2007.

Los pronsticos en la prctica

13

Cmo el pronstico de demanda ayuda

a elaborar el presupuesto de ventas?

Comit S&OP

Sales & Operations Planning

Sincronizacin entre Operaciones y Demanda

Plan Estratgico
Objetivos/metas de
la compaa
Plan de demanda
No restringido

Pronstico Base
Nuevos productos
Clientes nuevos
Iniciativas
Entorno econmico
Competencia
Mrgenes

Comit S&OP
Sales & Operations Planning

Plan de Operaciones
Plan de recursos
Capacidad de
produccin
actual y futura
Capacidad de
almacenamiento
Disponibilidad de
materiales
Capacidad de
proveedores
15

Comit S&OP
Sales & Operations Planning

Observe que el pronstico es uno de los insumos del

comit S&OP para realizar el plan de ventas y operaciones

Comit S&OP
Sales & Operations Planning

Los resultados esperados del comit S&OP son:

Definir presupuesto de ventas con hechos y datos en
consenso y con la participacin de diversas areas de
la compaa.
Aumentar el nivel de servicio
Clientes satisfechos
Disminuir inventarios
Aumentar la retencin de clientes
Aumento en el conocimiento del negocio por parte de
los miembros
Mejoramiento en el trabajo en equipo

Comit S&OP
Sales & Operations Planning

Se requiere un buen manejo

de la informacin de
demanda y de ventas
histricas (proceso de
recoleccin robusto, con
adecuada tecnologa)
Se requiere actitud
colaborativa entre los
miembros del equipo S&OP

Idealmente debe hacerse de

frecuencia mensual
Deben revisarse las
desviaciones respecto al plan
anterior (Ventas reales &
Demanda real versus demanda
que haba pronosticado)
Deben revisarse/ajustarse las
herramientas estadsticas
empleadas para los clculos.
Elegir bien a los participantes
del comit
No debe haber parcialidad en
las decisiones (imparcialidad)

Software de Pronsticos

Los ERP (Enterprise Resources Planning Software) como SAP,

ORACLE, JD EDWARDS, entre otros, tienen mdulos de pronsticos

Demanda del producto o servicio

Mtodos de Series de Tiempo

Componente
de tendencia

Picos
estacionales

Demanda
Actual

Demanda
promedio

Tiempo

21

Mtodos de Series de Tiempo

22

Mantenimiento
de los datos

Calidad de los
datos

Uso de Informacin histrica

Datos de prueba y
verificacin de la calidad
del mtodo de pronstico

23

24

Ejemplo
Periodo

Ventas de Llantas

Dt

76.900

81.200

95.500

91.800

102.100

106.000

99.800

98.300

86.000

10

76.900

11

106.800

12

98.500

13

85.000

Sean:
Dt = demanda en el periodo t
Ft = pronstico en el periodo t
(Dt Ft) = Error del pronstico

25

Promedio Mvil
Usa el promedio de los ltimos k aos como estimacin de la demanda en
el futuro inmediato. Si consideramos por ejemplo a k = 6, entonces:
Periodo

Ventas de Llantas

Dt

76.900

81.200

95.500

91.800

102.100

106.000

99.800

98.300

86.000

10

76.900

11

106.800

12

98.500

13

85.000

F14 = (D8+D9+D10+D11+D12+D13)/6
F14 = 91.917 llantas

Y cual es el error de este

pronstico?

26

Promedio Mvil
Periodo t

Ventas de Llantas

Pronstico

Error

Dt

Ft

Dt - Ft

Error Cuadrtico

Error
Absoluto

(Dt - Ft)2

ABS(Dt - Ft)

76.900

81.200

95.500

91.800

102.100

106.000

99.800

92.250

7.550

57.002.500

7.550

98.300

96.067

2.233

4.987.778

2.233

86.000

98.917

(12.917)

166.840.278

12.917

10

76.900

97.333

(20.433)

417.521.111

20.433

11

106.800

94.850

11.950

142.802.500

11.950

12

98.500

95.633

2.867

8.217.778

2.867

13

85.000

94.383

(9.383)

88.046.944

9.383

14

91.917

La desviacin estndar de los

errores del pronstico es igual a:

ECM 1,25MAD

Promedio =>

126.488.413

Raiz Cuadrada =>

ECM (error
cuadrtico medio)

9.619

11.247
27

MAD (desviacin
absoluta promedio)

Cmo saber si el pronostico est sobre-estimando o subestimando la demanda?

Con las seales de rastreo (tracking signal - TS)

(
D

F
)
i
i
i 1

TSt
MADt
TS debe estar entre -6 y 6. Si es menor de -6 se entiende que el
pronostico sub-estima la demanda, y si es mayor de 6 se
entiende que el pronostico esta sobre-estimando la demanda,
razn por la cual en ambos casos se debe optar por otro mtodo
de pronsticos.

28

Promedio Mvil
Periodo t

Ventas de Llantas

Pronostico

Error

Error Cuadratico

Error Absoluto

Seal de Rastreo

Dt

Ft

Dt - Ft

(Dt - Ft)2

ABS(Dt - Ft)

TSt

76.900

81.200

95.500

91.800

102.100

106.000

99.800

92.250

7.550

57.002.500

7.550

98.300

96.067

2.233

4.987.778

2.233

86.000

98.917

(12.917)

166.840.278

12.917

(0)

10

76.900

97.333

(20.433)

417.521.111

20.433

(2)

11

106.800

94.850

11.950

142.802.500

11.950

(1)

12

98.500

95.633

2.867

8.217.778

2.867

(1)

13

85.000

94.383

(9.383)

88.046.944

9.383

(2)

14

91.917

La eficacia de un mtodo de pronstico se mide con

la seal de rastreo.
Todos los mtodos de pronstico de series de tiempo
(Promedio Mvil Suavizacin Exponencial y sus
variantes) se comparan entre s a travs del ECM y/o el
MAD.
Normalmente se selecciona aquel mtodo que
tenga el mnimo ECM y/o MAD.

30

Reconocimiento de patrones errticos

10

11

12

Item 1

54

78

120

15

33

68

102

80

45

17

60

125

66,4

36,61

0,55

tem 2

10

95

17

130

21,8

43,29

1,98

Semana

CV

Patrn
Errtico

Grafico 2

Grafico 1
140
140

120

120

100

Juan Jos Bravo - Univalle - 2009

100
80

80
Item 1

60

tem 2

60
40

40

20

20

1
1

10

11

12

10 31
11

12

Demanda Perpetua
o Uniforme

Juan Jos Bravo - Univalle - 2009

Demanda con
tendencia creciente

32

Demanda con
tendencia decreciente

Juan Jos Bravo - Univalle - 2009

Demanda creciente
y luego uniforme

33

Suavizacin Exponencial
Simple de Primer Orden
Periodo

Ventas de Llantas

Dt

76.900

81.200

95.500

91.800

102.100

106.000

99.800

98.300

86.000

10

76.900

11

106.800

12

98.500

13

85.000

Este mtodo es
apropiado cuando no se
observa tendencia o
estacionalidad en la
demanda

Ft 1 Dt (1 ) Ft

Ft 1 Ft ( Dt Ft )

Donde es llamada constante de

suavizacin exponencial y puede
estar entre cero y uno.

34

Debe siempre optimizarse el valor de alfa

por medio del Solver de Excel de tal
manera que se minimice el ECM o MAD.
En este caso alfa=0,3 es solo un ejemplo y
no se refiere al optimo.
Periodo t
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Ventas de Llantas
Dt
76.900
81.200 alfa =
95.500
91.800
102.100
106.000 Pronostico (Ft)
99.800
93.329
98.300
95.270
86.000
96.179
76.900
93.125
106.800
88.258
98.500
93.820
85.000
95.224
92.157

Ft 1 Dt (1 ) Ft
Promedio de los
datos anteriores

0,3

Error
6.471
3.030
(10.179)
(16.225)
18.542
4.680
(10.224)

Error Cuadratico
Error Absoluto
41.879.388
6.471
9.180.900
3.030
103.612.041
10.179
263.260.360
16.225
343.816.518
18.542
21.898.684
4.680
104.535.859
10.224
ECM
MAD

126.883.393
9.907
35

36

Suavizacin Exponencial Doble de

Segundo Orden

Esta suavizacin involucra el ajuste

del pronstico por tendencia creciente
o decreciente

37

Suavizacion Exponencial Doble (Segundo Orden)

Para iniciar el mtodo es necesario calcular valores de arranque

Estimacin del valor constante alcanzado por la demanda (corte con el eje y),
determinado con base en la regresin lineal de datos histricos

m es el numero de
datos histricos

Estimacin de la pendiente de la tendencia de la demanda (creciente o decreciente),

38
obtenida por regresin lineal, determinada con base en los datos histricos

Suavizacin Exponencial Doble (Segundo Orden)

EJEMPLO: La Figura muestra el grfico de demanda (unidades) contra
tiempo (semanas) de un tem para las ltimas 51 semanas de 2015 y 38
semanas del ao 2000, o sea un total de 89 semanas. La tendencia
creciente de la demanda de este tem es una clara conclusin de este
grfico.

39

Datos de demanda (ao

2015) para el Ejemplo

La Tabla muestra las demandas en

las ltimas 51 semanas del tem
para el ao 2015, las cuales se
utilizarn para la estimacin inicial
de los parmetros del sistema de
pronsticos.
=PENDIENTE(J5:J55;I5:I55)

= 0.59104

=INTERSECCION.EJE(J5:J55;I5:I55)

= 19.45647

0.59104

19.45647 + (51)(0.59104)
49.5995
40

Asumiendo un

41

Pronstico semana 2 = 49.5435

42

Mtodo Multiplicativo de WINTERS

Este mtodo se emplea para pronosticar
productos servicios con demanda
estacional o peridica

Qu productos tienen demanda estacional o peridica?

Donde ,
y
representan una constante, la tendencia y la
variacin aleatoria, respectivamente, y es un factor estacional
multiplicativo.
La longitud del perodo estacional es de L perodos y los factores
estacionales estn definidos de tal forma que:

Componente Permanente
Estimadores:

donde 0 < < 1 es una

primera constante de
suavizacin.
donde 0 < < 1 es una segunda
constante de suavizacin,
independiente de

donde 0 < < 1 es una tercera constante

de suavizacin independiente de y .
Finalmente, para pronosticar la demanda en cualquier perodo futuro
se utiliza la ecuacin del pronstico:

Al igual que en los sistemas de pronsticos anteriores, este mtodo requiere de

valores de arranque del pronstico para
,
y
, para t = 1, 2, 3, ...,
L. Estas estimaciones pueden hacerse utilizando datos histricos de demanda.

Mtodo de
WINTERS

Consumo
total de gas
natural en los
Estados
Unidos entre
1987 y 1992
(En Trillones
de BTU)

Mtodo Multiplicativo de WINTERS

EJEMPLO: Los datos anteriores muestran

los consumos de gas

natural en los Estados Unidos entre 1987 y 1992, y la Figura de abajo
presenta el grfico correspondiente, reconocindose fcilmente el carcter
estacional de la demanda de gas, debido al aumento progresivo de uso
hacia los meses de invierno. Dado que se presenta tendencia, el modelo
estacional multiplicativo de Winters puede ser adecuado.

Demanda de gas
natural en EEUU
entre 1987 y
1992

Para efectos de la simulacin del pronstico, se van a tomar los primeros

cuatro aos (19871990) para estimar los parmetros de arranque del
pronstico y se van a pronosticar los dos aos siguientes (19911992). Se
identifican, por lo tanto los siguientes parmetros del modelo, y los
promedios de demanda en los aos 14:

Calculo de los factores estacionales para cada uno de los meses en

consideracin, es decir, para los primeros 48 meses( .
En la siguiente formula, el subindice i se refiere al numero de la
estacin (que va de 1 hasta m) al que pertenece el periodo t, y j se
refiere al numero del periodo dentro de la estacion.

Luego se obtiemen los promedios de los factores estacionales

para cada perodo j dentro de la estacin

NORMALIZACION

Estimacin de los factores

estacionales de inicio

Se muestran aqu las estimaciones:

que estn referidas al
comienzo del perodo 1. Se necesita llevar estas
estimaciones al origen de tiempo desde donde se van a
simular los pronsticos, o sea al final del perodo 48.
Esto se logra aplicando las formulas anteriores para:

las cuales se pueden implementar fcilmente en una

hoja electrnica. Cuando se llegue al perodo 48
mediante este proceso se tendrn entonces los valores
de inicio del pronstico.

Juan Jos Bravo - Univalle - 2009

Demanda y Pronsticos 1991-1992

1600
1400
1200
1000
Demanda

800

Pronostico
600
400
200
0
1

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24