MATERIA:

GESTIÓN DE LA PRODUCCIÓN I

TRABAJO DE LA UNIDAD I

“PRONÓSTICO DE LA DEMANDA”

ALUMNOS:
CAL OCHOA CHRISTIAN ADRIAN

MAESTRO:

ING. WILBERT EMANUEL TORAYA PENSADO

AULA: GRUPO:
X-8 R6A

CARRARA:
IGE

CHETUMAL QUINTANA ROO MARTES, 30 DE ENERO DEL 2018

1
 Contenido
INTRODUCCIÓN ................................................................................................................................... 3
2.1 IMPORTANCIA ESTRATÉGICA DEL PRONÓSTICO. .......................................................................... 4
2.2 CARACTERISTICAS DE LA DEMANDA. ............................................................................................ 4
2.3 - 2.4 METODOS CUALITATIVOS Y CUANTITATIVOS DE LA DEMANDA........................................... 6
2.5 Monitoreo y control del pronóstico ............................................................................................ 18
2.6 ELABORACIÓN DE PRONÓSTICO CON SOFTWARE DE ESPECÍFICO. ............................................ 19
CONCLU9ION ..................................................................................................................................... 20

2
INTRODUCCIÓN

Un pronóstico de la demanda es una predicción de lo que sucederá con las

ventas existentes de los productos de su empresa. Lo ideal es determinar el
pronóstico de la demanda con un enfoque multifuncional. Se debe considerar las
entradas de ventas y mercadeo, finanzas y producción. Pronóstico final de la
demanda es el consenso de todos los gerentes participantes. En esta investigación
veremos su significado, importancia, características y métodos, así como algunos
casos prácticos que nos ayudaran a comprenderlo mejor y utilizarlo para la toma de
decisiones acertadas en nuestra empresa.

3
2.1 IMPORTANCIA ESTRATÉGICA DEL PRONÓSTICO.
¿Qué es un pronóstico?

Un pronóstico es una predicción de eventos futuros que se utiliza con propósitos

de planificación.

Las cambiantes condiciones de los negocios como resultado de la competencia

mundial, el rápido cambio tecnológico y las crecientes preocupaciones por el medio
ambiente han ejercido presiones sobre la capacidad de una empresa para generar
pronósticos precisos. Tales pronósticos son necesarios como un elemento auxiliar
para determinar que recursos se necesitan, programar los recursos ya existentes y
adquirir recursos adicionales. Los pronósticos precisos permiten que los
programadores utilicen de forma eficiente la capacidad de las maquinas, reduzcan
los tiempos de producción y recorten los inventarios.

Los métodos de pronóstico suelen basarse en modelos matemáticos que utilizan

los datos históricos disponibles, en métodos cuantitativos extraídos de la
experiencia administrativa o en una combinación de ambos.

2.2 CARACTERISTICAS DE LA DEMANDA.

El reto de pronosticar la demanda del cliente es una tarea difícil porque la

demanda de bienes y servicios suele variar considerablemente.

Por ejemplo, es previsible que la demanda de fertilizante para el césped aumente

en los meses de primavera y verano; sin embargo, en los fines de semana
específicos en los que la demanda es más intensa, esta depende de factores
incontrolables, como el clima. Otros patrones son más previsibles. Así pues la
demanda semanal de cortes de cabello en una barbería de la localidad, puede ser
bastante estable de una a otra semana, aun cuando la demanda diaria sea mas
intensa los sábados por la mañana y más floja los lunes y martes. Para pronosticar

4
la demanda en este tipo de situaciones es necesario descubrir los patrones
básicos a partir de la información disponible.

Patrones de demanda.

 Horizontal, o sea, la fluctuación de los datos en torno de una media

constante
 de tendencia, es decir, el incremento o decremento sistemático de la
media de la serie a través del tiempo.
 estacional, o sea, un patrón repetible de incrementos o decrementos
de la demanda, dependiendo de la hora del día, la semana, el mes o la
temporada;
 cíclico, o sea, una pauta de incrementos o decrementos graduales y
menos previsibles de la demanda, los cuales se presentan en el curso de
periodos de tiempo más largos (años o decenios);
 aleatorio, es decir, una serie de variaciones imprevisibles de la demanda.

5
Factores que afectan la demanda.

Factores externos. Son los factores que están fuera del alcance de la gerencia.
Por ejemplo reglamentaciones de gobierno que afectan las actividades económicas,
leyes que limiten la utilización de ciertas materias primas Indicadores tempranos,
causaran especulación y aumento de precio en materias primas (Ej. Se anuncia
escasez de acero y aumento en construcción) Indicadores coincidentes. Como
cifras de desempleo, etc.

Factores internos. Las decisiones internas sobre el diseño de los productos o

servicios, los precios y las promociones publicitarias, el diseño de envases, las
cuotas o incentivos para el personal de ventas, etc.

2.3 - 2.4 METODOS CUALITATIVOS Y CUANTITATIVOS DE LA

DEMANDA

Cuando se carece de datos históricos adecuados, como en los casos que se

presenta un nuevo producto o se espera un cambio en la tecnología, las empresas
confían en la experiencia y buen juicio administrativo para generar pronósticos.

Son Utilizados para el desarrollo de pronósticos de ventas. Estos modelos

generalmente se basan en juicios respecto a los factores causales subyacentes a
la venta de productos y servicios en particular y en opiniones sobre la posibilidad
relativa que otros factores causales sigan presentes en el futuro y puedan
involucrar diversos niveles de complejidad, desde encuestas de opinión
científicamente conducidas a estimaciones intuitivas respecto a eventos futuros.

Métodos Cualitativos ….. Métodos de Juicio

Técnicas de Pronóstico
Modelos Causales
Métodos Cuantitativos

6
 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 pronóstico,
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

7
• 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 tasa 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

8
 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 gráfica 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

9
 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 del 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 sí para generar un patrón histórico observado
de la variable dependiente, después de lo cual se elabora un modelo 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

10
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
más 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

11
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

12
las sumas de ponderaciones deberá de ser 1 ejemplo en un pronóstico con
promedio móvil de 3 periodos al periodo más reciente se le puede aplicar una
ponderación de 0.5 al anterior a este de 0.3 y al más 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 más 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 último 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 más reciente y el pronóstico calculado para
el último periodo.

13
 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 debe modificarse, porque si no se modifican
los pronósticos nunca serán exactos.

14
 Supongamos que la demanda real aumenta a razón de 10 piezas por periodo y
los pronósticos de suavización exponencial son alfa= 0.3

Demanda Pronostico para el periodo t

real en 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

15
Alfa = parámetro de suavización de la tendencia para el promedio ( 0 – 1.0)

Beta = parámetro de suavización para la tendencia ( 0 – 1-0)

Ejemplo:

16
17
2.5 Monitoreo y control del pronóstico
 Tracking Signal (TS)
 El TS mide el error acumulado del pronóstico en n periodos en términos del MAD
 Si el pronóstico es adecuado TS debe ser cercano a cero
 Si TS es positivo debemos incrementar el pronóstico
 Si TS en negativo debemos disminuir el pronóstico

18
Métodos de pronóstico a corto plazo

 Promedio móvil simple

 Promedio móvil ponderado
 Suaviza miento exponencial simple
 Suaviza miento exponencial con tendencia
 Suaviza miento exponencial con tendencia y estacionalidad.

Criterios para seleccionar un método de pronósticos

 Costo
 Exactitud
 Datos disponibles
 Horizonte de planeación
 Naturaleza de los productos y servicios
 Velocidad de respuesta y reducción de ruido.

Costo y exactitud

 Generalmente mayor exactitud implica mayor costo.

 Los métodos con mayor exactitud tienen algunas desventajas:
 Usan más datos
 Los datos son difíciles de obtener
 Los modelos son más caros de desarrollar, implementar y operar.
 Toman mayor tiempo para usarse

2.6 ELABORACIÓN DE PRONÓSTICO CON SOFTWARE DE

ESPECÍFICO.
 Algunos ejemplos son:
 Forecast Pro
 Autobox
 SmartForecasts for Windows
 SAS
 SPSS
 SAP
 POM Software Libary

19
CONCLU9ION

En conclusión el pronóstico de la demanda es de suma importancia ya que

gracias a él y su adecuado empleo lograremos tomar buenas decisiones para que
nuestra empresa alcance una mayor producción y aceptación del público.

BIBLIOGRAFÍA

Ebert, A. y. (1992). Administración de la producción y de las operaciones. México: Prentice Hall

internacional.

Heizer, J. R. (2007). Dirección de la produccIón y de operaciones. Madrid: Pearson Educaci—n.

Sarin, E. y. (1992). Administración de la Producción y de las Operaciones. México: Limusa.

20