Sie sind auf Seite 1von 54

Pronsticos de la

demanda
Gestin de la produccin II
Ing. Rafael Merlano Porto
Esp. En gerencia de proyectos
MSc en Ingeniera, nfasis en Produccin y Optimizacin.
.

Preguntas..?
1. Que es pronostico?
2. Cuales son los tipos de demanda?
3. Tipos de Pronosticos..?
4. Clasificacin de los tipos de demanda
5. Cuales son los pronsticos de tipo
cualitativo.
6. Cual es el objetivo del mtodo Delphi

Administracin de la demanda

Tipos de
demanda

El propsito del manejo de la demanda es


coordinar y controlar todas las fuentes de la
demanda, con el fin de poder usar con eficiencia el
sistema productivo y entregar el producto a
tiempo

Dependien
te
Independi
ente

Administracin de la demanda
Los pronsticos son
clculos de actividades
futuras. Pueden referirse
a la aceptacin de Un
nuevo producto, a los
cambios en la demanda
u otro factor que influya
directamente en la
planeacin de la
produccin. La
importancia de los
pronsticos "exactos" es
fcil de apreciar si
examinamos las
decisiones que de ellos

Por ejemplo la
expansin de la
planta. los
volmenes de
produccin, el
nivel de
inventario, etc.
estarn basados,
en alguna
medida, en los
pronsticos de
ventas.

Administracin de la demanda
Adoptar un papel activo para influir en la
demanda. La empresa puede presionar a su fuerza de ventas,
ofrecer incentivos tanto a los clientes como a su personal, crear
campaas para vender sus productos y bajar precios. Estas acciones
pueden incrementar la demanda. Por el contrario, es posible
disminuir la demanda mediante aumentos de precios o la reduccin
de los esfuerzos de ventas.

Adoptar un papel pasivo y simplemente


responder a la demanda. Existen varias razones por las
que una empresa no trata de cambiar la demanda sino que la acepta
tal como llega. Si una compaa funciona a toda su capacidad, tal vez
no quiera hacer nada en cuanto a la demanda. Otras razones pueden
ser que la compaa no tenga el poder de cambiar la demanda
debido al gasto en publicidad

Tipos de pronsticos
Cualitativos

Experiencia

Series de tiempos

Datos
histricos

Modelos causales

Simulaciones

Correlacin

Dist.

Tipo de Demanda
Demanda promedio
Tendencia
Estacionalidad
Ciclicidad
Aleatoriedad
Auto correlacin

Tcnicas cualitativas de
pronstico
Tcnicas acumulativas
Investigacin de mercados
Grupos de consenso
Analoga histrica
Mtodo de Delfos

Tcnicas acumulativas
Deriva un pronstico a travs de la
compilacin de las entradas de
aquellos que se encuentran al final
de la jerarqua y que tratan con lo
que se pronostica. Por ejemplo, un
pronstico general de las ventas
se puede derivar combinando las
entradas de cada uno de los
vendedores que estn ms cerca
de su territorio.

Investigacin de mercados
Se establece para recopilar datos de varias
formas (encuestas, entrevistas, etc.) con el fin de
comprobar hiptesis acerca del mercado. Por lo
general, se usa para pronosticar ventas a largo
plazo y de nuevos productos.

http://www.youtube.com/watch?v=VZ
t2YJNTYEE

Grupos de consenso
Intercambio libre en las juntas. La idea es que la
discusin en grupo produzca mejores pronsticos
que cualquier individuo.
Los
participantes
pueden
ser
ejecutivos,
vendedores o clientes.

Analoga histrica
Relaciona lo pronosticado con un artculo similar.
Es importante al planear nuevos productos en
los que las proyecciones se pueden derivar
mediante el uso del historial de un producto
similar.

Mtodo de Delfos
Un grupo de expertos responde un cuestionario.
Un moderador recopila los resultados y formula un
cuestionario nuevo que se presenta al grupo. Por
lo tanto, existe un proceso de aprendizaje para el
grupo mientras recibe informacin nueva y no
existe ninguna influencia por la presin del grupo
o individuos dominantes.

http://www.youtube.com/watch?v=xlCgGmoN0F4

Mtodo de Delfos
1. Elegir los expertos a participar. Debe haber gran variedad de
personas con conocimientos en distintas reas.
2. Por medio de un cuestionario (o correo electrnico) obtener las
proyecciones (y cualquier premisa o calificacin para el pronstico)
de todos los participantes.
3. Resumir los resultados y redistribuirlos entre los participantes
con las preguntas nuevas apropiadas.
4. Volver a resumir, refinar las proyecciones y condiciones, y una
vez ms plantear preguntas nuevas.
5. Repetir el paso 4, si es necesario. Distribuir los resultados finales
entre todos los participantes.

Actividad evaluativa
1. Desarrollar un cuadro comparativo
donde se muestren las ventajas y
desventajas de cada una de estas
tcnicas.
2. Mostrar un ejemplo en el cual
particularmente se aplique una de
las tcnicas y muestre la posible
metodologa
y
los
resultados
esperados.

Series de tiempos
Los modelos de pronsticos de series de tiempo
tratan de predecir el futuro con base en la
informacin pasada. Por ejemplo, las cifras de
ventas recopiladas durante las ltimas seis
semanas se pueden usar para pronosticar las
ventas durante la sptima semana.

Series de tiempos

Series de tiempos
El modelo de pronstico que una empresa
debe utilizar depende de:
1. El horizonte de tiempo que se va a
pronosticar.
2. La disponibilidad de los datos.
3. La precisin requerida.
4. El tamao del presupuesto de
pronstico.
5. La disponibilidad de personal
calificado.

Promedio
mvil
simple
Cuando la demanda de
un producto no crece ni
baja con rapidez, y si no
tiene
caractersticas
estacionales,
un
promedio mvil puede
ser til para eliminar las
fluctuaciones aleatorias
del pronstico. Aunque
los
promedios
de
movimientos
casi
siempre son centrados,
es
ms
conveniente
utilizar datos pasados
para predecir el periodo
siguiente
de
manera

TALLER-1
La empresa Metalsur ha estado produciendo
durante 6 meses un tipo de Herramienta manual,
se desean efectuar pronsticos para programar la
produccin, para los prximos periodos.

TALLER-2

Promedio mvil simple


La frmula de un promedio mvil
simple es:

Promedio Mvil Ponderado


Mientras que el promedio
mvil simple da igual
importancia a cada uno de
los componentes de la
base
de
datos
del
promedio
mvil,
un
promedio mvil ponderado
permite asignar cualquier
importancia
a
cada
elemento,
siempre
y
cuando la suma de todas
las
ponderaciones
sea
igual a uno.

Promedio Mvil Ponderado


La frmula para un promedio mvil ponderado es:

Promedio Mvil Ponderado


De acuerdo a los datos del ejercicio #02,

determine el pronostico para el mes de Agosto


=0,5
=0,2
=0,2
=0,1

Suavizacin Exponencial
En estos mtodos, al agregar
cada nueva pieza de datos, se
elimina la observacin anterior y
se calcula el nuevo pronstico.
En muchas aplicaciones (quizs
en
la
mayor
parte),
las
ocurrencias ms recientes son
ms indicativas del futuro que
aquellas en el pasado ms
distante. Si esta premisa es
vlida (que la importancia de los
datos disminuye
conforme el
pasado se vuelve ms distante),
es probable que el mtodo ms
lgico y fcil sea la suavizacin

Suavizacin Exponencial
1. Los modelos exponenciales son sorprendentemente precisos.
2. Formular un modelo exponencial es relativamente fcil.
3. El usuario puede entender cmo funciona el modelo.
4. Se requieren muy pocos clculos para utilizar el modelo.
5. Los requerimientos de almacenamiento en la computadora son
bajos debido al uso limitado de datos histricos.
6. Es fcil calcular las pruebas de precisin relacionadas con el
desempeo del modelo.

Suavizacin Exponencial
La ecuacin para un solo pronstico de
uniformidad exponencial es simplemente

Anlisis de regresin
lineal
Puede definirse la regresin como una relacin
funcional entre dos o ms variables correlacionadas.
Se utiliza para pronosticar una variable con base en la
otra. Por lo general, la relacin se desarrolla a partir de
datos observados.

Anlisis de regresin
lineal
La principal restriccin al utilizar el pronstico de
regresin lineal es, como su nombre lo implica,
que se supone que los datos pasados y los
pronsticos futuros caen sobre una recta.

La regresin lineal se
utiliza
tanto
para
pronsticos
de
series
de
tiempo
como para pronsticos
de
relaciones
causales.

Anlisis de regresin
lineal
Ecuacin de la recta

Secante de la recta

Pendiente de la recta

Error estndar

Anlisis de regresin
lineal
Ecuacin de la recta

Pendiente de la recta

Corte con la ordenada

Anlisis de regresin
lineal

Ejercicio

Ejercicio

Variacin estacional
Las variaciones estacionales son aquellas que
tienen lugar dentro de una tendencia general de
las ventas, que corresponden a fluctuaciones en
las ventas durante un ao .

las ventas cubren un


nmero significativo
de aos. en los
cuales adems de la
tendencia anual de
las
ventas
se
pronostican
las
ventas
para
cada
periodo del ao

Variacin estacional
Con el fin de tener un pronstico para cada uno de
estos perodos en los que dividimos un ao (la
temporada), se utilizan las tcnicas de los
promedios simples y los promedios mviles.

Variacin estacional
Promedios Simples

Variacin estacional

Variacin estacional
Esta estimacin, por periodo, puede ajustarse
mediante un ndice de temporada que se obtiene
dividiendo el promedio del perodo respectivo
entre el promedio anual por periodo.

Variacin estacional
Mediante uno de los mtodos de
mnimos cuadrados se obtiene el
valor pronosticado anual; ste se
divide por el nmero de periodos y
se multiplican por el ndice de cada
perodo. El resultado final
corresponde al pronstico para cada
uno de los perodos.

Variacin estacional

Variacin estacional

Variacin estacional

Control de Pronostico
Mediante el control de Pronostico se
determinar si el pronstico se desva
resultados debido a la aleatoriedad o
cambio esencial en el proceso.

intenta
de los
de un

El error de pronostico
es la diferencia entre
la demanda real y el
pronostico.
matemticamente, .

Control de Pronostico
Al observar el error en
un periodo aislado no
se obtiene informacin
til, los errores se
observan en toda la
historia del sistema de
pronostico.

El error de pronostico
es la diferencia entre
la demanda real y el
pronostico.
matemticamente, .

Error del pronostico


Los errores se pueden clasificar en ;
1. Sesgados.
Fuentes: No incluir las variables correctas
Relaciones equivocadas entre las variables
El uso de la recta de tendencia errnea
Cambio en la demanda estacional.
La existencia de alguna tendencia no
detectada
2. Aleatorios.
Aquellos que el
puede explicar

modelo de pronostico no

Medicin del error

1. Error Estandar
2. Desviacin Media Absoluta

Medicin del error


Desviacin Media Absoluta

t = Nmero del periodo


A = Demanda real para el periodo
F = Demanda pronosticada para el
periodo
n = Nmero total de perodo
Cuando los errores que ocurren en el pronstico tienen una
distribucin normal (el caso ms comn), la desviacin absoluta
media se relaciona con la desviacin estndar como
1 desviacin estndar =

MAD, o
aproximadamente 1.25 MAD

Medicin del error


1 MAD = 0.8
desviaciones
estndar

Medicin del error


Seal de Seguimiento
Es una medida que indica si el promedio
pronosticado sigue el paso de cualquier cambio
hacia arriba o hacia abajo en la demanda.
Como se utiliza en el pronstico, la seal de
seguimiento
es el nmero de desviaciones absolutas medias que
el valor pronosticado se encuentra por encima o por
debajo de la ocurrencia
real

TS

RSFE = La suma corriente de los errores pronosticados, considerando


la naturaleza del error (por ejemplo, los errores negativos cancelan
los errores positivos, y viceversa).

Medicin del error


Seal de Seguimiento
RSFE = La suma corriente de los errores pronosticados, considerando
la naturaleza del error (por ejemplo, los errores negativos cancelan
los errores positivos, y viceversa).
MAD = El promedio de todos los errores pronosticados (sin
importar si las desviaciones son positivas o negativas). Es el
promedio de las desviaciones absolutas.

Control de Pronostico
.

Suma de los errores de


pronostico

Se supone que el proceso tiene una componente aleatoria


entonces debe ser cercano a cero, entonces el pronostico se
comporta adecuadamente

Control de Pronostico

Ejemplo: