UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERIAS

PROGRAMA DE INGENIERIA
INDUSTRIAL

CURSO DE DISEÑO OPERACIONES

CREDITOS : 3
Tipos de demanda de productos

 Demanda dependiente: cantidad de un

P/S que se requerirá en función de otros
P/s. Este tipo de demanda no necesita
pronósticos, se puede calcular con base
en la demanda de los otros P/S
 Demanda independiente: la que no se
puede derivar directamente de la
correspondencia con otros productos
Demand Management

Demanda independiente:
Productos terminados

A Demand Dependiente :
Materias primas,
partes y componentes,
B(4) C(2) Sub-ensamblesa, etc.

D(2) E(1) D(3) F(2)

PATRONES DE LA DEMANDA

 Las observaciones repetidas de la demanda de un

P/S, en un horizonte de tiempo, forman un patrón
conocido como SERIE DE TIEMPO. Existen 5
patrones básicos de series de tiempo aplicables a
demanda.
 Horizontal
 De tendencia
 Estacional
 Cíclico
 Aleatorio
¿What is a forecast?

 En el lenguaje común, un “pronóstico” formula un

conocimiento probable sobre un evento futuro. En el
lenguaje empresarial, se suele entender como
pronóstico la estimación anticipada del valor de una
variable, por ejemplo: la demanda de un producto.

 .
 USO DE PRONOSTICOS SEGÚN AREA FUNCIONAL

 Apoyo cuantitativo a la toma de decisiones en distintas áreas de la dirección

de empresas:

 El pronóstico de ventas (sales forecast) ayudará a diseñar el plan de producción,

 El pronóstico de evolución de precios de materias primas, suministros etc.

servirá al planificador de abastecimiento al proporcionar información estimada de
las necesidades futuras de recursos

 El pronóstico financiero: ayuda a planificar el crecimiento de la empresa teniendo

en cuenta datos de ventas, costos, tasas de interés, variables económicas etc.

 El pronóstico de mercadeo: -datos históricos del comportamiento de ventas o

evaluaciones preparadas por los representantes de ventas-pronóstico evolvente-
permite orientar las estrategias de marketing y orientación del esfuerzo de
ventas.
FINALIDAD DE LOS
PRONÓSTICOS
 La finalidad de los pronósticos es predecir el
desarrollo futuro (de un sistema, de sus entornos etc.)
para apoyar a la toma de decisiones (de planificación)
sobre acciones que influyan, sobre la tendencia del
objeto planificado.
 Componentes de la Demanda

Variación
estacional

x Línea
x x
x x
x de
ventas

x x
x
x x x
x
x Tendencia
xx
x xx x x
x
x
x x x x x x
x x x x x x
x x x
x xxxxx
x
x x

1 2 3 4
Año
Patrón de de demanda
horizontal
46,5
46
45,5
45
demanda
44,5
media
44
43,5
43
42,5
4t im.

4t im.

4t im.

.
3e im.

3e im.

3e im.
1e m.

1e im.
2d rim

2d rim

rim
i
tr

r
tr

tr

tr
tr

tr
rt

rt

rt

rt

rt
r
o

o
o

o
1e

Una serie de datos se agrupa alrededor de una línea

horizontal
Patrón de de demanda con
tendencia
120
100
80
60 demanda
40
20
0
rt .
rt .
rt .
rt .
rt .
rt .
rt .
.
1e rim
1e rim
1e rim
1e rim
1e rim
1e rim
1e rim
rim
rt
1e

Los datos aumentan o disminuyen de forma

consistente
Patrón de de demanda
estacional
50

40

30

20

10

0
E F M A M J J A S O N D

AÑO1 AÑO2 AÑO3

meses
Los datos muestran crestas y valles de manera
consistente
Patrón de de demanda cíclica
40
35
30
25
20 ventas
15
10
5
0

11

13
1

Los datos revelan incrementos y decrementos

graduales en el transcurso de largos periodos de
tiempo
Factores que originan demanda
cíclica
Los patrones cíclicos se ven afectados por dos
influencias:

Ciclo de los negocios: diversos factores en los

que la economía pasa de una expansión a una
recesión en cierto periodo.

Ciclo de vida del P/S: en el cual se reflejan las

etapas de demanda, desde el desarrollo hasta la
declinación.
.
Factores que influyen en la
demanda
(Fuera de control de la
gerencia): El estado de la
economía, la política,
desastres naturales,
reglamentaciones y
limitaciones
gubernamentales, gustos,
moda, cambios culturales.
(Sobre los cuales actúa la
gerencia) Diseño de P/S,
precios, promociones
publicitarias, diseño de
envases/empaques,
incentivos a las ventas,
comisiones, estrategias de
mercadeo, inteligencia de
Diseño del Sistema de
pronóstico
Antes de utilizar técnicas de pronósticos hay que
tomar tres decisiones clave.
 Qué variable se va a pronosticar (en función
del tipo de proceso que se planea)
 Qué tipo de técnica de pronóstico se va a
utilizar (en función del horizonte de tiempo).
 Qué tipo de hardware/software se utilizará
Posicionamiento del inventario en la Cadena de
Suministro (Customer Order Decoupling Point) Tomado de Kelkar (2016)

Productos
P terminados
Make to Stock
R Semi- C
elaborados
O L
Assemble to Order
V I
Componentes
E E
Make to Order
E N
Materias Primas
D T
Engineer to Order
O
R Pronóstico Pedido
Diseño del Sistema de
pronóstico
 Que variable se intenta pronosticar?
 Volumen de ventas totales
 Demanda de productos por acumulación
(agrupación de varios P/S similares)
 Demanda de líneas de producto
 Demanda de unidades de productos
 Demanda de horas de mano de obra
Aplicaciones de los pronósticos de demanda de acuerdo con el
horizonte de tiempo
APLICACIONES CORTO PLAZO MEDIANO PLAZO LARGO PLAZO
(0 a 3 meses) (3 meses a 2 años) (+ 2 años)
Cantidad Productos o servicios Total de ventas Total de ventas
Pronosticada individuales Grupos o
familias de P/S

Areas de Administración de Planificación de Localización de

Decisión inventario personal instalaciones
Programación de Planificación de la Planificación de la
ensamble final producción capacidad
Programación de la Programación de Administración de
fuerza de trabajo producción maestra procesos
Programación de Compras
producción maestra Distribución

Técnica de Series de tiempo Causal Causal

Pronóstico Causal De juicio De juicio
De juicio
Tipos de Pronósticos
 Cualitativos (De Juicio)

 Cuantitativos
 Análisisde Series de Tiempo
 Relaciones Causales
 Simulación
 Métodos Cualitativos de Pronósticos

Juicio ejecutivo “Grass Roots”

Métodos Investigación de
Analogía histórica
Cualitativos Mercado

Método Delphi Panel de consenso

Análisis de Series de Tiempo

 Los modelos de pronósticos de series

tiempo tratan de predecir el futuro
basándose en datos del pasado
 Se puede elegir modelos basados en:
1. Horizonte de tiempo a pronosticar
2. Disponibilidad de los datos
3. Precisión requerida
4. Disponibilidad de presupuesto
5. Disponibilidad de personal calificado
 The MAD Statistic to Determine
Forecasting Error
n
1 MAD  0.8 standard deviation
A
t=1
t - Ft
1 standard deviation  1.25 MAD
MAD =
n
 The ideal MAD is zero which would
mean there is no forecasting error

 The larger the MAD, the less the

accurate the resulting model
 Tracking Signal Formula
 The Tracking Signal or TS is a measure that
indicates whether the forecast average is
keeping pace with any genuine upward or
downward changes in demand.
 Depending on the number of MAD’s selected,
the TS can be used like a quality control
chart indicating when the model is
generating too much error in its forecasts.
 The TS formula is:

RSFE Running sum of forecast errors

TS = =
MAD Mean absolute deviation
Causal Relationships: Simple Linear
Regression Model Y
The simple linear regression
model seeks to fit a line a
through various data over
time 0 1 2 3 4 5 x (Time)

Yt = a + bx Is the linear regression model

Yt is the regressed forecast value or dependent

variable in the model, a is the intercept value of the
the regression line, and b is similar to the slope of
the regression line. However, since it is calculated
with the variability of the data in mind, its formulation
is not as straight forward as our usual notion of
slope.
Métodos causales de pronósticos: Regresión
Lineal.

En el modelo de Regresión Lineal una

VARIABLE DEPENDIENTE está relacionada con
una o más VARIABLES INDEPENDIENTES por
medio de función que se aproxima a una
ECUACION LINEAL. La variable independiente
puede ser el tiempo, u otra variable con la que se
presuma correlación. La variable dependiente es
la que se desea pronosticar.
Regresión Lineal.

PREMISA BASICA:

La variable dependiente es la que se

desea pronosticar y SE PRESUME que la
variables independiente influye sobre ella y
es la causa de su comportamiento en el
pasado. (Se presume que hay correlación
entre las variables)
Simple Linear Regression Formulas
for Calculating “a” and “b”

a = y - bx

 xy - n(y)(x)
b= 2 2
 x - n(x )
Medición de la relación entre las variables

 Coeficiente de correlación (r ) : mide la

dirección y fuerza entre la variable
dependiente y al independiente. Fluctúa entre
–1,00 y +1.00.
 Un valor de r =1,00 indica que la relación entre
las variables es directamente proporcional
 Un valor de r = -1,00 indica que la relación es
inversamente proporcional
 Si r =0, no existe relación alguna entre las
variables, es decir, son independientes
Coeficiente de determinación

 El coeficiente de determinación =
(coef correlación)² , r², mide la variación que
presenta la variable dependiente con respecto a su
valor medio.
 El valor de r², oscila entre 0,00 y 1,00. Un modelo de
regresión cuyo r² se aproxime a 1,00 indica que las
variables están estrechamente relacionadas y el
pronóstico generado es mas confiable. (Si r² es 0,99,
quiere decir que el 99% de los datos confirma la
correlación entre las variables)