GESTIÓN Y SUMINISTROS

DE BIENES Y SERVICIOS
Ing. Ronald Edgard Paredes Cruz
GESTIÓN Y SUMINISTROS DE BIENES Y
SERVICIOS
SEGUNDA UNIDAD:

GESTIÓN DE LA DEMANDA E INVENTARIOS

Contenido Semana 6

✓ Pronóstico de la demanda

Datos/Observaciones
 LOGRO DE APRENDIZAJE

Al finalizar la unidad, el estudiante elabora un análisis de

las necesidades de una cadena de suministro, a partir de la

planeación de la demanda y la oferta del negocio, y el

manejo de los inventarios.

Datos/Observaciones
 LOGRO DE LA SESIÓN

Al término de la sesión, el estudiante adquiere

conocimientos sobre pronóstico de la demanda.

Datos/Observaciones
 IMPORTANCIA DE LA SESIÓN

La sesión es de suma importancia debido que el

estudiante adquiere conocimientos sobre pronósticos

de la demanda y su importancia en las

organizaciones.

Datos/Observaciones
 PRONÓSTICO SUAVIZACIÓN EXPONENCIAL
SIMPLE
El suavizado o alisamiento exponencial funciona
con muy pocos registros de periodos anteriores,
𝐹𝑡 = 𝐹𝑡 − 1 +∝∗ (𝐴𝑡 − 1 − 𝐹𝑡 − 1)
destacando los hechos más recientes sobre los más
antiguos.
Donde:
A diferencia de los métodos de promedio Ft= Nuevo pronóstico
móvil simple y ponderado, este método no necesita Ft-1= Pronóstico del periodo anterior
de gran volumen de datos históricos de la α = constante de suavización
demanda. Por ende cada vez que se calcula el At-1= demanda real del periodo anterior
pronóstico, se remueve la observación anterior y
es reemplazada por la demanda más reciente, y
aquí es donde radica la ventaja.

El método de suavización exponencial simple

trabaja a través de una constante de suavización
alfa (α) que tiene un valor comprendido entre 0 y 1,
aunque en la aplicación real su valor suele variar
entre 0,05 y 0,50.
Datos/Observaciones
 EJEMPLO PRONÓSTICO SUAVIZACIÓN EXPONENCIAL
SIMPLE

Luz Verde es una empresa de seguros que ha decidido

expandir su mercado a la ciudad capital de un país. Por ser la
ciudad que congrega más habitantes, han decidido comenzar
ofreciendo servicio de seguro para coches.

Como ejercicio inicial, la empresa desea pronosticar cuántos

seguros de vehículo serán contratados por las personas de la
ciudad capital, para lo cual usarán como dato inicial los
seguros de vehículos contratados en otra ciudad con menos
habitantes pero con mayor posicionamiento en el mercado.

El pronóstico de demanda del período 1 es 2869 seguros de

carro adquiridos por personas, pero la demanda para ese
periodo fue de 3200. La compañía según su criterio asigna
α=0,35. ¿Cuál fue el pronóstico hasta el periodo 12
considerando las demandas de la siguiente tabla.
Datos/Observaciones
 SOLUCIÓN

Datos/Observaciones
 PRONÓSTICO SUAVIZACIÓN EXPONENCIAL
DOBLE
Con este método se agrega una constante de suavización delta (δ), cuya función es reducir el error que
ocurre entre la demanda real y el pronóstico. Otros autores usan como constante la letra griega beta (β),
es lo mismo.

El método de suavización exponencial con ajuste a la tendencia requiere de dos constantes de

suavización: alfa (α) y delta (δ). Su valor puede estar entre 0 y 1, pero a nivel práctico varía entre 0,05 y
0,50.

Para alfa dependerá de la importancia que otorgamos a datos recientes (alfa α más elevada) o a datos
más antiguos (alfa α más bajo).

El delta funciona similar. Un δ elevado responde con más velocidad a los cambios en la tendencia,
mientras que un δ inferior tiende a suavizar la tendencia actual, dando menos peso a los datos recientes.

Datos/Observaciones
 PRONÓSTICO SUAVIZACIÓN EXPONENCIAL
DOBLE
Este método requiere algunos parámetros adicionales con respecto a su hermano suavización
simple. Una constante delta y un valor para la tendencia.

Las fórmulas para calcular cada componente son las siguientes:

𝐹𝑡 = ∝ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 +

(1 −∝)(𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 + 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

𝑇𝑡 = 𝛿 ∗ 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 − 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜

+(1 − 𝛿)(𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

𝐹𝐼𝑇𝑡 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 ∗ 𝐹𝑡 +

𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑎 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 ∗ (𝑇𝑡)
Donde:
Ft = Pronóstico suavizado exponencialmente con la serie de datos del periodo t
Tt = Tendencia suavizada para el período t
FITt = Pronóstico de demanda con tendencia
Datos/Observaciones
 EJEMPLO PRONÓSTICO SUAVIZACIÓN
EXPONENCIAL DOBLE

ABC es una empresa productora de alimento para peces y

requiere calcular el pronóstico de demanda con el método
de suavizado exponencial con corrección por
tendencia para los próximos meses.

El pronóstico de demanda del período 1 fue de 1500, pero las

ventas reales fueron de 1132 y la tendencia en ese momento
fue de 150.

La compañía asigna un α=0,10. Prevén una tendencia alcista

en próximos meses, por lo que definen δ=0,30.

Datos/Observaciones
 SOLUCIÓN

El primer paso es determinar el pronóstico suavizado para el período 2:

Con el pronóstico suavizado, calculamos la tendencia para el período 2:

Por último determinamos nuestro pronóstico con ajuste a la tendencia, que es simplemente una
suma:

Para el período 2, ABC pronostica una demanda de 1733 unidades de alimento para peces.
Con el mismo procedimiento, logramos calcular el pronóstico de demanda para los próximos meses:

Datos/Observaciones
 SOLUCIÓN

Datos/Observaciones
 PRONÓSTICO REGRESIÓN LINEAL

El objetivo del análisis de regresión como método causal es pronosticar la demanda a partir de una o
más causas (variables independientes), las cuales pueden ser por ejemplo el tiempo, precios del producto
o servicio, precios de la competencia, economía del país, acciones del gobierno o fomentos publicitarios.

Lineal significa que los datos del periodo anterior y la proyección para el periodo futuro que vas a obtener
caen sobre una recta.

¿Cómo es la relación entre la demanda y el tiempo? Para responder esta pregunta, haremos uso
del coeficiente de correlación (r).

Este coeficiente, te permitirá entender qué tanta correlación existe entre la demanda y el tiempo.

❑ Correlación perfecta: Cuando el resultado de coeficiente es igual a 1 o -1. En este caso existe una
relación directamente proporcional entre la demanda y el tiempo.
❑ Correlación fuerte: Cuando el resultado es mayor a 0.5 y menor que 1 (correlación positiva) o menor a
-0.5 y mayor que -1(correlación negativa).
❑ Correlación débil: Valores que están entre -0.5 y 0.5.

Datos/Observaciones
 PRONÓSTICO REGRESIÓN LINEAL

Entre más cercano se encuentre el coeficiente de correlación a +1 o -1 más fuerte será la

tendencia y más apropiado será aplicar un modelo de regresión lineal. Por ejemplo si la
correlación es igual a 1, observaremos que la relación entre las variables es directamente
proporcional, en el sentido que si uno aumenta, la otra también lo hará.

Esta es la ecuación de la recta. En ella:

✓ La b es la inclinación de la recta.
✓ La a es la secante o la altura en la que
la recta corta al eje y.
✓ La X es nuestra variable independiente.
✓ La Y es nuestra variable dependiente,
nuestro pronóstico calculado para un
periodo.

Datos/Observaciones
 EJEMPLO PRONÓSTICO DE REGRESIÓN LINEAL

Un ejemplo de regresión lineal para pronosticar la

demanda.

Las ventas de la empresa XYZ durante los últimos 10

trimestres son las siguientes:

¿Cómo pronosticar la demanda de los trimestres 13, 14 y 15

a través de un análisis de regresión lineal?

Datos/Observaciones
 SOLUCIÓN
Lo primero es estimar los parámetros. Lo podemos lograr con el método de mínimos
cuadrados, que nos permite encontrar la recta que mejor se ajusta a un conjunto de datos
dados. En nuestro caso, este conjunto está dado por las ventas trimestrales (variable
dependiente). La variable independiente es el tiempo. Vamos entonces a la siguiente fórmula
para determinar a y b:

✓ La y “minúscula” es el valor y de Conocidas las ecuaciones y el papel de las

cada punto de datos. variables, vamos a calcular el pronóstico
✓ La n es el número de punto de con regresión lineal:
datos.
Datos/Observaciones
 SOLUCIÓN

Datos/Observaciones
 SOLUCIÓN

Datos/Observaciones
 Taller 1: Pronóstico Suavización Exponencial Simple

Una empresa de consumo masivo lleva registro de la

demanda mensual de uno de sus productos
emblemáticos para un período de un año.

Dicha información se presenta en la columna

etiquetada Demanda en la imagen a continuación. Se
requiere utilizar el método de suavizamiento
exponencial simple considerando tres valores para el
parámetro de suavizamiento alfa: 0,1; 0,5 y 0,9.

Obtener el pronóstico del período 13 (mes de Enero del

año siguiente) y evaluar el ajuste del método para cada
uno de los valores de alfa propuestos, sabiendo que el
pronóstico de demanda para Febrero fue de 2000 para
las 3 constante de suavización.

Datos/Observaciones
 Taller 2: Pronóstico Suavización Exponencial Doble

La firma de control ambiental “Mauricio Galindez” usa suavización exponencial doble para
pronosticar la demanda de un equipo para el control de contaminación, demanda que
aparentemente presenta una tendencia creciente:

Mes Demanda
1 12
2 17
3

Según la experiencia de sus ingenieros de planeación se sugiere unos coeficientes de alfa =

0.2 y beta = 0.4. Suponer que el pronóstico para el 1er mes fue de 11 unidades y la
tendencia durante el mismo periodo fue de 2 unidades. Con base en lo anterior, determinar el
pronóstico para el 3er mes.

Datos/Observaciones
 Taller 3: Pronóstico de Regresión Lineal

Las ventas del producto de una empresa durante

los últimos 12 trimestres son las siguientes:

¿Cómo pronosticar la demanda de los trimestres

13, 14 y 15 a través de un análisis de regresión
lineal?

Datos/Observaciones