Administración y Pronóstico de
la Demanda
Administración de la Demanda
Controlar / coordinar
Maquinaria Producto físico
Materia prima
Cliente satisfecho
Cliente Infraestructura
Producto terminado Montacargas Entrega rápida
ENTRADAS RECURSOS SALIDA
Fuentes de demanda
El propósito de manejar 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.
Fuentes Básicas de la
Demanda
DEMANDA
DEMANDA DEPENDIENTE INDEPENDIENTE
2000 traseras
1000 triciclos
1000 delanteras
Empresa Vs Demanda
Independiente
Papel activo Papel pasivo
Aumentar Disminuir Capacidad Poder
Demanda
Demanda
Pronósticos
Es la proyección de los Valores
De una o más variables en el
futuro
Demanda Independiente Predicción de eventos
futuros
Estimación de la demanda de
Los productos
¿Por qué Pronosticar?
PLANEACIÓN CORPORATIVA
FINANZAS
MARKETING
CONTABILIDAD
PRONÓSTICO
PRODUCCIÓN
OPERACIONES
Horizonte de Planeación
Día, semana, meses Meses - 2 años Más de 2 años
CORTO PLAZO MEDIANO PLAZO LARGO PLAZO
Asignación de Planeación de un
trabajo Planeación / control
producción Nuevo producto
Características de los
Pronósticos
Usualmente incorrectos
Pronósticos de unidades agregadas
tienden hacer más exactos.
Pronósticos a largo plazo podrían ser
menos exactos que corto plazo.
Más que un número (medida de error)
Tipo de Pronósticos
Cualitativos Análisis de Serie de
Tiempos
Pronósticos
Técnicas Causales Simulación
Métodos Cualitativos
Analogía Histórica
Método Delphi
Grupos de Consenso
Investigación de Mercados
Análisis de Serie de Tiempo
Serie de Tiempo: Conjunto de Valores de Alguna
Variable en puntos
secuenciales en el tiempo.
Métodos: Promedio Móviles Simples (PMS)
Promedio Móvil Ponderado (PMP)
Suavización Exponencial (SE)
Ejemplo de una Serie de
Tiempo
Si se registra el número de computadores vendidos
cada mes del año anterior en la compañía XYZ y se
mantienen esos datos en el orden en que fueron
registrados, los 12 números constituyen una serie
de tiempo de 12 periodos
Patrones de Datos de Series
de Tiempo
Tendencias
volumen volumen
tiempo tiempo
volumen
volumen
tiempo tiempo
Patrones Estacionales
Es le período de datos que se repite así
Mismo después de un período de días, meses,
Trimestres…etc estaciones dentro del año.
ESTACIONAL (S)
Periodo de longitud de la Número de estaciones
Tiempo estación en el patrón
Año Trimestre 4
Año Mes 12
Año Semana 52
Mes Semana 4
Mes Día 28-31
Semana Día 7
CICLOS ©
Son patrones que ocurren en los
Datos cada varios años.
-Las alzas y bajas de la economía o
De una industria
- Ciclos económicos que se repiten cada 5 – 10 años
VARIACIÓN AL AZAR
En la planeación de operaciones y
producción se considera que por lo
menos (hasta cierto punto) la historia
se repetirá a sí misma y las tendencias
pasadas continuaran.
Promedio Móvil Simple (PMS)
Genera el pronóstico para el Ft (D t D t 2 ... ...... D t -n )/n
próximo periodo
promediando la demanda
real de tan solo los últimos Ft pronóstico para el siguiente periodo
N periodos de tiempo. n número de periodos para ser promediados
D t demanda real periodo pasado
Promedio aritmético de N D t -2, Dt 3 demanda real de dos periodos pasados
observaciones recientes
Determinar pronósticos para los periodos 4 hasta
El 12 usando promedio móviles de orden tres y seis
Semana Demanda 3 semanas PM 6 semanas PM
1 650
2 678
3 720
4 785 682.67
5 859 727.67
6 920 788.00
7 850 854.67 768.67
8 758 802.00
9 892
10 920
11 789
12 844
Promedio Móvil Ponderado
Consiste en ponderar los datos
más antiguos, los datos más
recientes, dándoles un mayor
peso, en lugar de darles el Ft (WtD t Wt 1D t 1 Wt 2D t 2 ..... Wt nD t 1 )
mismo peso, como en el
promedio móvil Ft pronóstico para el siguente periodo
Wt peso para ser dado a la demanda más reciente
Se asume que el dato más D t demanda real periodo previo
reciente es el mejor indicador n total de periodos en el pronóstico
de la dirección que toman los
datos. Así, por ejemplo, en
lugar de usar ponderaciones de
0.25 en un promedio móvil
cuatro periodos, se puede usar
0.10, 0.20, 0.30, 0.40
Escogiendo W:
la demanda pasada mas reciente es el más
importante indicador de lo que se espera del
futuro, por esta razón, se le debería dar más
peso.
Ejemplo
Un almacén podría encontrar que en un periodo de cuatro meses, el mejor
pronóstico será, usando 40 % de las ventas del mes más reciente, 30 % de
las ventas hace dos meses, 20 % de las ventas hace tres meses, y 10 % de
las ventas hace cuatro meses.
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5
100 90 105 95 ?
Pronóstico 5 mes.
F5 = O.40(95)+O.30(105)+0.20(90)+0.10(100)
= 38+31.5+18+10
= 97.5
Suavización Exponencial
Técnica de pronosticar más común.
Generalmente, se utiliza los datos
más actualizados, usando al mismo
tiempo suficientes observaciones de
Ft 1 Dt (1 ) Ft
la serie de tiempo para suavizar las Ft 1 pronóstico exponencial para el siguiente periodo
fluctuaciones aleatorias.
D t observació n más reciente
Este método solo necesita tres Ft pronóstico del periodo previo
datos para pronosticar el futuro.
costante
- el más reciente pronóstico
- la demanda del periodo
reciente.
- constante alpha
Suavizamiento Exponencial Ejemplo
semana Demanda alpha = 0.1 alpha = 0.6
1 820 820 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802
7 793
8 689
9 775
10
F3 = 820 + 0.1(775-820)
F3 = 815.5
Ejemplo:
La Siguiente información trimestral representa una serie de
tiempo de la demanda para un producto
Trimestre
1 2 3 4
Año pasado 1200 700 900 1100
Este año 1400 1000 F3=?
- Pronosticar la demanda para el tercer trimestre de este año
- Alpha = 0.2
- El pronóstico previo se construye a partir del promedio de los
cuatro trimestres del ultimo año.
Análisis de Regersión Lineal
Linear Regression equation : Y = a + bx
Y = is what we are predicting
x = the x variable is our dependent variable in the
time series analysis is the time period
b = is the slope
a = is the coefficient for the time period (intercept)
Error de Pronósticos y
Precisión
Es la diferencia entre el Valor observado de la serie de
tiempo y el pronóstico.
Una Medida de precisión de pronóstico es la
desviación absoluta media
MAD 1/n| D F | t t t
La Desviación estándar es una medida de
dispersión que informa de las distancias que tienen
los datos respecto a la media aritmética.
La desviación estándar se define como la raiz
cuadrada de la varianza.
La Varianza representa la media aritmética de la
desviación con respecto a la media.
Error de pronóstico = demanda real – demanda pronósticada
periodo 1 2 3 4 5 6 total promedio
demanda 100 87 89 87 95 85
Pronóstico 90 92 91 91 90 91
Desviación 10 -5 -2 -4 5 -6
(D-F)
Desviación 10 5 2 4 5 6 32 5.33 DAM
Absoluta
MAD 1/n| D F | t t t
Bibliografía
Richard B. Chase, Robert Jacobs, Nicholas. Aquilano (2006)
Administración de Operaciones Producciòn y Cadena de
Suministros, Duodécima Edición, McGrawHill.
