CLASE 34
Pronóstico de los requerimientos de la cadena de suministros.
La planeación y el control de las actividades de logística y de la cadena
de suministros requieren estimados precisos de los volúmenes de
producto y de servicio que serán manejados por la cadena de
suministros.
Estos estimados de ordinario se presentan en la forma de pronósticos y
predicciones. Sin embargo, por lo regular no es responsabilidad única
de quien está al frente de la logística el generar los pronósticos
generales para la empresa.
Es más probable que esta tarea se asigne a marketing, planeación
económica o a un grupo especialmente conformado.
Bajo ciertas circunstancias, en particular en la planeación de corto
plazo, como el control de inventarios, la magnitud de los pedidos o la
programación del transporte, el responsable de la logística con
frecuencia enfrenta la necesidad de asumir la labor de generar este tipo
de información.
Por ello, este capítulo es una visión general de las técnicas de
pronóstico que se utilizarán más probablemente para la planeación y
control de la logística.
1
El análisis está dirigido principalmente al pronóstico de la demanda. La
necesidad de proyecciones de la demanda es un requerimiento general
a lo largo del proceso de planeación y control.
Sin embargo, también podrían necesitarse ciertos tipos de problemas
de planeación, como control de inventarios, compras económicas y
control de costos, pronósticos de los tiempos de espera, precios y
costos.
Las técnicas de pronósticos analizadas en este capítulo son igualmente
aplicables. Cuando la incertidumbre de la variable de predicción es tan
alta que las técnicas estándar de pronósticos y su aplicación en la
planeación de la cadena de suministros llevan a resultados
insatisfactorios, se necesitarán otros métodos de planeación.
El pronóstico de colaboración es un método contemporáneo para la
predicción de la demanda. También se analizan estas alternativas para
los pronósticos tradicionales.
NATURALEZA DE LOS PRONÓSTICOS.
El pronóstico de los niveles de demanda es vital para la firma como un
todo, ya que proporciona los datos de entrada para la planeación y
control de todas las áreas funcionales, incluyendo logística, marketing,
producción y finanzas.
Los niveles de demanda y su programación afectan en gran medida los
niveles de capacidad, las necesidades financieras y la estructura
general del negocio.
Cada área funcional tiene sus propios problemas especiales de
pronóstico. Los pronósticos en logística se relacionan con la naturaleza
espacial así como temporal de la demanda, el grado de variabilidad y
su aleatoriedad.
Demanda espacial versus demanda temporal.
Tiempo o temporal se refiere a los niveles de demanda comunes en los
pronósticos. La variación de la demanda en el tiempo es resultado del
crecimiento o declinación de los índices de ventas, variación estacional
del patrón de demanda, así como de las fluctuaciones generales
ocasionadas por múltiples factores.
2
La mayor parte de los métodos de pronóstico a corto plazo se relacionan
con este tipo de variación temporal, a menudo denominada como series
de tiempo.
La logística tiene tanto dimensiones de espacio como de tiempo. Es
decir, el responsable de la logística deberá saber dónde tendrá lugar el
volumen de demanda y cuándo lo hará.
Se necesita localización espacial de la demanda para planear la
ubicación del almacén, equilibrar los niveles de inventario a través de la
red de logística y asignar geográficamente recursos de transportación.
Las técnicas de pronóstico deberán seleccionarse para reflejar las
diferencias geográficas que puedan afectar los patrones de demanda.
Las técnicas también pueden diferir, dependiendo de que toda la
demanda sea pronosticada y luego desagrupada por ubicación
geográfica (pronóstico de arriba hacia abajo), o si cada ubicación
geográfica es pronosticada en forma individual y luego agrupada, si es
necesario (pronóstico de abajo hacia arriba).
Demanda irregular versus demanda regular.
Los responsables de la logística acomodan los productos en grupos
para diferenciar niveles de servicio entre ellos o simplemente para
manejarlos de forma distinta.
Estos grupos y los artículos individuales dentro de ellos forman distintos
patrones de demanda en el tiempo. Cuando la demanda es "regular",
típicamente podrá representarse por alguno de los patrones generales
que se muestran en la figura 8-1.
Es decir, los patrones de demanda por lo regular podrán
descomponerse en componentes de tendencia, estacionales y
aleatorios. En tanto las variaciones aleatorias sean una pequeña
proporción de la variación restante en la serie de tiempo, se obtendrá
en general un adecuado pronóstico a partir de los procedimientos de
pronóstico tradicionales.
3
Cuando la demanda para los artículos es intermitente, debido a un bajo
volumen general y a un alto grado de incertidumbre en cuanto al
momento y la cantidad en que se presentará el nivel de demanda, se
4
dice que la serie de tiempo es desproporcionada o irregular, como en la
figura 8-2.
Este patrón a menudo se encuentra en los productos que se están
introduciendo o retirándose de la línea de productos, demandados por
relativamente pocos clientes, divididos entre muchas ubicaciones de
inventario y de manera que la demanda en cada ubicación es baja o es
derivada de la demanda por otros artículos.
Tales patrones de demanda son particularmente difíciles de pronosticar
utilizando las técnicas más populares. Sin embargo, debido a que tales
artículos representan hasta 50% de los productos que las empresas
manejan, representan un problema especial de pronóstico de la
demanda para el responsable de la logística.
Demanda derivada versus demanda independiente.
La naturaleza de la demanda puede diferir en gran medida,
dependiendo de la operación de la empresa para la cual el responsable
de la logística debe planear.
Por un lado, la demanda es generada por parte de muchos clientes, la
mayoría de los cuales adquieren en forma individual solo una fracción
del volumen total distribuido por la empresa.
Se dice que esta demanda es independiente. Por otro lado, la demanda
es derivada a partir de los requerimientos especificados en un programa
de producción, y se dice que esta demanda es dependiente.
5
Por ejemplo, el número de llantas nuevas que se ordenaran a un
proveedor será un múltiplo del número de automóviles nuevos que el
fabricante construirá.
Esta diferencia fundamental ocasiona formas alternativas en las que los
requerimientos se pronostican. Cuando la demanda es independiente,
los procedimientos de pronósticos estadísticos funcionan bien.
La mayoría de los modelos de pronósticos de corto plazo están
basados en condiciones de independencia o aleatoriedad en la
demanda. En contraste, los patrones de demanda derivada son
altamente sesgados y no aleatorios.
El entendimiento de estos sesgos reemplaza la necesidad de
pronosticar, ya que la demanda se conoce con certeza.
El pronóstico de los requerimientos mediante el procedimiento de
demanda derivada da por resultado pronósticos perfectos en la medida
en que la demanda del producto final se conozca con certeza.
Este tipo de procedimiento es un buen ejemplo de la forma como el
pronóstico se mejora mediante el reconocimiento de sesgos,
regularidades y patrones sistemáticos que se presentan en la demanda
en el tiempo.
Cuando las causas para la variación de la demanda se desconocen y
son resultado de muchos factores, se presenta la aleatoriedad. Los
procedimientos de pronóstico estadístico tratan de manera efectiva con
este último caso.
Ejemplo
La división de equipos de potencia de un gran fabricante produce una
línea de motores eléctricos de potencia fraccional para clientes
industriales, quienes a su vez los utilizan en productos finales, como
limpiadores de pisos y pulidoras.
Aunque no son productos particularmente complejos, cada motor puede
contener 50 a 100 partes individuales.
6
Los programas de producción se desarrollaron a partir de pedidos en
firme que recibió la compañía, pero que serán enviados en una fecha
futura, y por el pronóstico de ser los motores más estándar "listos para
uso".
Según estos requerimientos, se desarrolló un programa compilado para
una producción anticipada de tres meses, el cual mostraba el momento
en el que un modelo particular de motor sería producido y en qué
cantidad.
Luego era labor del gerente de materiales asegurar que todos los
subcomponentes y materiales estuvieran disponibles para producción
cuando fuera necesario.
Se utilizaron dos métodos generales para determinar los
requerimientos para la planeación de suministro.
Para aquellos materiales utilizados en la mayoría de los motores
producidos (alambre de cobre, hoja de acero y pintura) se realizó un
pronóstico de la tasa de utilización general.
Luego se efectuaron las compras para respaldar un inventario. Los
componentes de alto valor y hechos a la medida, como el eje y el
cojinete del rotor, se adquirieron de acuerdo con los requerimientos del
programa de producción.
Los requerimientos para adquirir estos componentes se derivaron del
programa compilado, "explotando" la lista de materiales.
Por ejemplo, suponga que se van a fabricar tres modelos de motor en
un mes particular. Se producirán 200, 300 Y400 motores para cada
modelo. Cada modelo requiere el mismo eje del rotor, pero los modelos
1 y 2 requieren dos cojinetes cada uno y el modelo 3 requiere solo un
cojinete.
Por ello, los requerimientos para 900 ejes de rotor y 1,400 cojinetes
simplemente se derivan de la lista de materiales para cada modelo de
motor y luego se combinan por tipo de componente para formar los
requerimientos totales para cada parte.
7
Obsérvese que la compañía está utilizando una combinación de
procedimientos de pronóstico estadístico y de demanda derivada para
planear el flujo del suministro de materiales.
El pronóstico estadístico se utilizó efectivamente en 20% de las materias
primas. La planeación para requerimientos se reservó para el restante
10% de alto valor, crítico o ajustado al producto final.
MÉTODOS DE PRONÓSTICO.
Se dispone de varios métodos de pronóstico estandarizados. se han
dispuesto en tres grupos: cualitativos, de proyección histórica, y
causales.
Cada grupo difiere en términos de la precisión relativa en el pronóstico
sobre el largo plazo y el corto plazo, en el nivel de sofisticación
cuantitativa utilizada y en la base lógica (información histórica, opinión
experta o encuestas) de la que se deriva el pronóstico.
En la tabla 8-1 se proporciona un resumen y una breve descripción de
algunas técnicas populares de pronóstico, incluyendo estos métodos
populares.
8
9
Métodos cualitativos.
Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o
técnicas comparativas para generar estimados cuantitativos acerca del
futuro.
La información relacionada con los factores que afectan el pronóstico
por lo general es no cuantitativa, intangible y subjetiva. La información
histórica tal vez esté disponible o quizá no sea muy relevante para el
pronóstico.
La naturaleza no científica de los métodos los hace difíciles de
estandarizar y de validar su precisión.
Sin embargo, estos métodos pueden ser los únicos disponibles cuando
se intenta predecir el éxito de nuevos productos, cambios en la política
gubernamental o el impacto de una nueva tecnología.
Son métodos más bien adecuados para pronósticos de mediano a largo
plazo.
10
Métodos de proyección histórica.
Cuando se dispone de una cantidad razonable de información histórica
y las variaciones de tendencia y estacionales en las series de tiempo
son estables y bien definidas, la proyección de esta información al futuro
puede ser una forma efectiva de pronóstico para el corto plazo.
La premisa básica es que el patrón del tiempo futuro será una réplica
del pasado, al menos en gran parte. La naturaleza cuantitativa de las
series de tiempo estimula el uso de modelos matemáticos y estadísticos
como las principales herramientas de pronóstico.
La precisión que puede lograrse para periodos de pronóstico menores
a seis meses por lo general es buena. Estos modelos trabajan en forma
adecuada simplemente debido a la estabilidad inherente de las series
de tiempo en el corto plazo.
Los modelos de las series de tiempo de los tipos observados en la tabla
8-1 son de naturaleza reactiva. Estos modelos rastrean los cambios al
ser actualizados a medida que se dispone de nueva información,
característica que les permite adaptarse a los cambios en los patrones
de tendencia y estacionales.
Sin embargo, si el cambio es rápido, los modelos no emiten una señal
del cambio, sino hasta que éste ha ocurrido. Debido a esto, se dice que
las proyecciones de estos modelos demoran los cambios
fundamentales en las series de tiempo, y que son débiles para señalar
los puntos críticos antes de que se presenten.
Esta no es necesariamente una limitación notable cuando los
pronósticos se realizan sobre horizontes de tiempo cortos, a menos que
los cambios sean particularmente espectaculares.
Métodos causales.
La premisa básica sobre la que se construyen los métodos causales
para pronósticos es que el nivel de la variable pronosticada se deriva
del nivel de otras variables relacionadas.
Por ejemplo, si se sabe que el servicio al cliente tiene un efecto positivo
sobre las ventas, entonces al conocer el nivel proporcionado del servicio
al cliente podrá proyectarse el nivel de las ventas.
11
Podríamos decir que el servicio "causa" las ventas. En la medida que
puedan describirse adecuadas relaciones de causa y efecto, los
modelos causales pueden ser bastante buenos para anticipar cambios
mayores en las series de tiempo y para pronosticar de manera precisa
sobre un periodo de mediano a largo.
Los modelos causales vienen en una variedad de formas: estadísticos,
en el caso de los modelos de regresión y econométricos; y descriptivos,
como en el caso de los modelos de entrada-salida, ciclo de vida y
simulación por computadora.
Cada modelo deriva su validez a partir de los patrones de información
histórica que establecen la asociación entre las variables para
predicción y la variable que se pronosticará.
Un problema principal con esta categoría de modelos de pronóstico es
que con frecuencia resulta difícil encontrar verdaderas variables
causales.
Cuando se encuentran, su asociación con la variable que se
pronosticará con frecuencia es preocupantemente baja. Las variables
causales que guían a la variable de pronóstico en el tiempo son incluso
más difíciles de encontrar.
Con demasiada frecuencia, el tiempo para adquirir la información para
las variables conducentes consume todo el tiempo o la mayor parte del
periodo de uno a seis meses, en el que se encuentra que tales variables
dirigen al pronóstico.
Los modelos basados en técnicas de regresión y económicas pueden
experimentar un error de pronóstico importante debido a estos
problemas.
12
