2.

3 Mtodos cualitativos para estimar la demanda

Produce datos descriptivos de las propias palabras de las personas y la conducta
observada.
Tipos de mtodos:
*Consulta de fuerza de ventas.
Es un sistema de informacin que se usa marketing y administracin que automatizan
algunas funciones de ventas. Estimacin de las reas de ventas como un todo. Costo de
bajo a medio. Pronsticos de ventas, administracin de rdenes y conocimiento del
producto. (Lleva un historial el cual es muy importante).

*Opinin ejecutiva.
Los expertos de alto nivel se agrupan con modelos estadsticos. Costo de bajo a medio.
Las posiciones esconden intereses personales, o no se mencionan por contrariar a la
mayora. Gerentes de mercadotecnia, finanzas y produccin preparan pronsticos a corto
y mediano plazo.

*Mtodo Delphi.
Su objetivo es la adquisicin de un consenso basado en la discusin entre expertos. Es
un proceso repetitivo. Consta de estos pasos:
Elaboracin de cuestionario
Revisar informacin
Realizar otro cuestionario
Conclusiones a partir de la explotacin estadstica de los datos obtenidos.
Es a largo plazo.
Su costo va de medio a alto.

*Investigacin del mercado:

Proceso de recopilacin, procesamiento y anlisis de informacin.
Plan estratgico, preparar el lanzamiento del producto o soportar el desarrollo de los
productos lanzados.
-Averiguar en el consumidor;
-Hbitos
-Necesidades
-Motivaciones
-Gustos
-Deseos
*Analoga Histrica:
utiliza un ciclo de vida de un producto utilizado para lanzamientos de productos nuevos.
Informacin basada en productos similares.

2.4 Mtodos cuantitativos para estimar la demanda

Anlisis de series de tiempo
Con base en la idea de que el historial de los eventos a travs del tiempo se puede utilizar
para proyectar el futuro.
Promedio Mvil Simple
Se calcula el promedio de un periodo que contiene varios puntos de datos dividiendo la
suma de los valores de los puntos entre el nmero de stos. Por lo tanto, cada uno tiene
misma influencia.
Promedio Mvil Ponderado
Puede ser de algunos puntos especficos se ponderen ms o menos que los otros, segn
la experiencia.
Suavizacin Exponencial
Los puntos de datos recientes se ponderan ms y la ponderacin sufre una reduccin
exponencial conforme los datos se vuelven ms antiguos.
Anlisis de Regresin Lineal
Ajusta una recta a los datos pasados casi siempre en relacin con el valor de los datos.
La tcnica de ajuste ms comn es la de los mnimos cuadrados.
Tcnica Box Jenkins
Muy complicada, pero al parecer la tcnica estadstica ms exacta que existe. Relaciona
una clase de modelos estadsticos con los datos y ajusta el modelo con las series de
tiempo utilizando distribuciones bayesianas posteriores
Series de Tiempo Shiskin
(Se conoce tambin como X-11). Desarrollada por Julius Shiskin de la Oficina del Censo.
Un mtodo efectivo para dividir una serie temporal en temporadas, tendencias e irregular.
Necesita un historial por lo menos de 3 aos. Muy eficiente para identificar los cambios,
por ejemplo, en las ventas de una compaa.
Proyecciones de Tendencias
Ajusta una recta matemtica de tendencias a los puntos de datos y la proyecta en el
futuro.
Causal
Trata de entender el sistema subyacente y que rodea al elemento que la va a pronosticar.
Por ejemplo, las ventas se pueden ver afectadas por la publicidad, la calidad y los
competidores.
Anlisis de Regresin Mltiple
Similar al mtodo de los mnimos cuadrados en las series de tiempo, pero puede contener
diversas variables. La base es que el pronstico se desarrolla por la ocurrencia de otros
eventos.
Modelos economtricos
Intentos por describir algn sector de la economa mediante una serie de ecuaciones
interdependientes.
Modelos de entrada/salida
Se enfoca en las ventas de cada industria a otros gobiernos y empresas. Indica los
cambios en las ventas que una industria productora puede esperar debido a los cambios
en las compras por parte de otra industria.
Principales indicadores
Estadsticas que se mueven en la misma direccin que la serie a pronosticar, pero antes
que esta, como un incremento en el precio de la gasolina que indica una baja futura en la
venta de autos grandes.
Modelos de simulacin
modelos dinmicos, casi siempre por computadora, que permiten al encargado de las
proyecciones hacer suposiciones acerca de las variables internas y el ambiente externo
en el modelo. Dependiendo de las variables en el modelo, el encargado de los pronsticos
puede hacer preguntas como: Qu sucedera con mi pronstico si el precio aumentara
10%? Qu efecto tendra una recesin nacional leve sobre mi pronstico?

2.5 Monitoreo y control de los pronsticos

Los especialistas siempre estn tratando de hacer mejores estimaciones acerca de lo que
ocurrir en el futuro al afrontar la incertidumbre. El propsito fundamental de los
pronsticos es hacer buenas estimaciones en las cuales basar los modelos para la toma
de decisiones. Los pronsticos constituyen la problemtica fundamental dentro de la
gestin de la actividad de una empresa debido a la complejidad de los problemas
encontrados cuando se pronostica y a su impacto sobre todas las decisiones de la
empresa.
Una situacin muy particular presenta la previsin de la demanda de piezas de repuesto,
dada la gran cantidad de surtidos que se deben proporcionar, el elevado grado de
variabilidad en la demanda de estas producciones y la importancia que posee la
disponibilidad de estas piezas para el equipamiento que las utiliza, ya que la
disponibilidad en tiempo de las mismas garantiza la continuidad del proceso productivo en
el cual est inmiscuido el equipamiento que la utiliza dentro de una determinada empresa.
Es por ello, que se debe asegurar un elevado nivel de precisin en la previsin de la
demanda de este tipo de productos.
En este artculo se presenta un procedimiento general para la previsin de la demanda de
las piezas de repuesto basado en su fiabilidad operacional a partir de la filosofa que
caracteriza al sistema y considerando la influencia del mismo en el mejoramiento de la
Gestin del Mantenimiento del equipamiento.
Seguimiento de la implantacin del procedimiento.
En consecuencia, el contenido de cada uno de ellos, plantea los pasos a desarrollar para
prever la demanda de piezas de repuesto basado en su fiabilidad, llegndose, en
ocasiones, a definir las tcnicas especficas a utilizar.

Panorama general de los mtodos de pronstico

Fiabilidad: es la probabilidad de que un tem (sistema o elemento) realice
satisfactoriamente la misin especificada, durante un perodo determinado y bajo un
conjunto dado de condiciones operativas.
Patrones de Fallos:
Durante dcadas, la sabidura convencional sugera que la mejor forma de optimizar el
desempeo de activos fsicos era restaurarlos o reponerlos a intervalos fijos. Esto se
basaba en la premisa de que hay una correlacin directa entre la cantidad de tiempo
(nmero de ciclos) que el equipo est en servicio, y la probabilidad de que falle, como
muestra la Figura 2. Esto sugiere que la expectativa es que la mayora de los tems
operarn confiablemente por un perodo X, y luego se desgastan.
Proceso de mejora de la previsin de la demanda
El procedimiento comienza con la definicin de la filosofa, la cual debe ser el punto de
mira del sistema ya que constituye la poltica que regir permanentemente su desempeo.
Luego se realiza la determinacin de la situacin actual con el fin de definir, basndose en
el anlisis de una serie de indicadores, las caractersticas que presenta el sistema de
previsin de la demanda en ese momento, para posteriormente, en funcin de dicha
situacin, proponer algunas mejoras que permitan hacer ms eficiente el proceso de
previsin. Una vez planteadas las mejoras, se debe comprobar si con ellas se alcanzan
los niveles de precisin deseados y necesarios y proponer nuevas mejoras si las
anteriores no son suficientes o pasar a la aplicacin de las mismas en caso contrario. La
aplicacin debe estar unida a un seguimiento constante que retroalimente al sistema, para
tomar las medidas necesarias en caso de presentarse alguna perturbacin.
2.6 Elaboracin de pronstico
En muchas aplicaciones de los pronsticos a corto plazo, las computadoras son
indispensables. Con frecuencia, las empresas tienen que preparar pronsticos para
cientos o incluso miles de productos o servicios en forma reiterada. Por ejemplo, una
amplia red de instalaciones de servicio mdico necesita calcular pronsticos de la
demanda de cada uno de sus servicios en cada departamento. Esta operacin implica
grandes volmenes de datos que deben ser manipulados con frecuencia. Los analistas
tienen que examinar las series de tiempo que corresponden a cada producto o servicio a
fin de elaborar un pronstico.
Existen muchos paquetes de software para pronstico que pueden usarse en
computadoras de cualquier tamao y ofrecen una amplia variedad de capacidades de
pronstico y de formatos para mostrar los resultados. La tarea ms laboriosa en el
desarrollo de un buen modelo consiste en ajustarlo a los datos. Para esta operacin es
necesario determinar los valores de ciertos parmetros del modelo, a fin de que los
pronsticos tengan la mayor precisin posible. Los paquetes de software proporcionan
diversos grados de ayuda a este respecto. Las tres categoras de paquetes de software
que resultan apropiadas para esto son:
1. Sistemas manuales, en los cuales el usuario selecciona la tcnica de pronstico y
especifica los parmetros necesarios para un determinado modelo de pronstico;
2. Sistemas semiautomticos, en los cuales el usuario especifica la tcnica de pronstico,
pero el software determina los parmetros para el modelo, de modo que puedan
obtenerse los pronsticos ms precisos; y
3. Sistemas automticos, en los cuales el software examina los datos y sugiere no slo la
tcnica apropiada, sino tambin los mejores parmetros para el modelo.

Caractersticas de las series de tiempo

Series de Tiempo Por serie de tiempo nos referimos a datos estadsticos que se recopilan,
observan o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual,
entre otros). El trmino serie de tiempo se aplica por ejemplo a datos registrados en forma
peridica que muestran, por ejemplo, las ventas anuales totales de almacenes, el valor
trimestral total de contratos de construccin otorgados, el valor trimestral del PIB.
a. Componentes de la serie de tiempo
Supondremos que en una serie existen cuatro tipos bsicos de variacin, los cuales
sobrepuestos o actuando en concierto, contribuyen a los cambios observados en un
perodo de tiempo y dan a la serie su aspecto errtico. Estas cuatro componentes son:
Tendencia secular, variacin estacional, variacin cclica y variacin irregular.
Supondremos, adems, que existe una relacin multiplicativa entre estas cuatro
componentes; es decir, cualquier valor de una serie es el producto de factores que se
pueden atribuir a las cuatro componentes.
1. Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie
es por lo comn el resultado de factores a largo plazo. En trminos intuitivos, la tendencia
de una serie de tiempo caracteriza el patrn gradual y consistente de las variaciones de la
propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el
crecimiento o la reduccin de la misma, tales como: cambios en la poblacin, en las
caractersticas demogrficas de la misma, cambios en los ingresos, en la salud, en el nivel
de educacin y tecnologa. Las tendencias a largo plazo se ajustan a diversos esquemas.
Algunas se mueven continuamente haca arriba, otras declinan, y otras ms permanecen
igual en un cierto perodo o intervalo de tiempo.
2. Variacin estacional: El componente de la serie de tiempo que representa la
variabilidad en los datos debida a influencias de las estaciones, se llama componente
estacional. Esta variacin corresponde a los movimientos de la serie que recurren ao
tras ao en los mismos meses (o en los mismos trimestres) del ao poco ms o menos
con la misma intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca
actividad de ventas durante los meses de otoo e invierno y tiene ventas mximas en los
de primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa de
abrigo esperan un comportamiento anual opuesto al del fabricante de albercas.
3. Variacin cclica: Con frecuencia las series de tiempo presentan secuencias
alternas de puntos abajo y arriba de la lnea de tendencia que duran ms de un ao, esta
variacin se mantiene despus de que se han eliminado las variaciones o tendencias
estacional e irregular. Un ejemplo de este tipo de variacin son los ciclos comerciales
cuyos perodos recurrentes dependen de la prosperidad, recesin, depresin y
recuperacin, las cuales no dependen de factores como el clima o las costumbres
sociales.
4. Variacin Irregular: Esta se debe a factores a corto plazo, imprevisibles y no
recurrentes que afectan a la serie de tiempo. Como este componente explica la
variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar predecir
su impacto sobre la serie de tiempo. Existen dos tipos de variacin irregular: a) Las
variaciones que son provocadas por acontecimientos especiales, fcilmente identificables,
como las elecciones, inundaciones, huelgas, terremotos. b) Variaciones aleatorias o por
casualidad, cuyas causas no se pueden sealar en forma exacta, pero que tienden a
equilibrarse a la larga.

b. Tendencia de una serie

 1. Tendencia lineal Como se dijo antes, la tendencia de una serie viene dada por el
movimiento general a largo plazo de la serie. La tendencia a largo plazo de muchas series
de negocios (industriales y comerciales), como ventas, exportaciones y produccin, con
frecuencia se aproxima a una lnea recta. Esta lnea de tendencia muestra que algo
aumenta o disminuye a un ritmo constante. El mtodo que se utiliza para obtener la lnea
recta de mejor ajuste es el Mtodo de Mnimos Cuadrados.
2. Tendencia no lineal Cuando la serie de tiempo presenta un comportamiento
curvilneo se dice que este comportamiento es no lineal. Dentro de las tendencias no
lineales que pueden presentarse en una serie se encuentran, la polinomial, logartmica,
exponencial y potencial, entre otras.
c. Mtodos de Suavizamiento de la Serie
1. Promedio mvil: se construye sustituyendo cada valor de una serie por la media
obtenida con esa observacin y algunos de los valores inmediatamente anteriores y
posteriores.
2. Promedios mviles ponderados: Para mostrar el uso de ste mtodo, se utilizar
la primera parte del ejemplo anterior de la venta de gasolina. El mtodo consiste en
asignar un factor de ponderacin distinto para cada dato. Generalmente, a la observacin
o dato ms reciente a partir del que se quiere hacer el pronstico, se le asigna el mayor
peso, y este peso disminuye en los valores de datos ms antiguos.
3. Suavizamiento exponencial: emplea un promedio ponderado de la serie de
tiempo pasada como pronstico; es un caso especial del mtodo de promedios mviles
ponderados en el cual slo se selecciona un peso o factor de ponderacin: el de la
observacin ms reciente.