Está en la página 1de 38

Gestin de Operaciones

Captulo 2: Pronsticos de Demanda

Introduccin
Permiten estudiar la demanda futura, accin importante en el diseo de un producto. Relaciones relevantes:
Pronstico - Planeacin. Demanda - Ventas.

Captulo 2: Pronsticos de Demanda

# 2

Introduccin
Es importante ver el horizonte y nivel de agregacin que se requiere para el pronstico de demanda:
Nivel Estratgico:
Largo plazo. Muy agregado.

Nivel Tctico:
Mediano plazo. Menos agregado.

Captulo 2: Pronsticos de Demanda

# 3

Introduccin
Nivel Operativo:
Corto plazo. Detallado.

Ejemplo: Fbrica de Zapatos.


Nivel Estratgico: Nivel Tctico: Nivel Operativo: Demandas globales a 5 aos. Demanda por lnea para la prxima temporada. Demanda por modelo y nmero para la prxima semana.

Captulo 2: Pronsticos de Demanda

# 4

Mtodos de Pronstico
Existen dos tipos:
Mtodos Cualitativos: son aquellos que dependen de juicios. Mtodos Cuantitativos: son aquellos que poseen un modelo subyacente.
Los datos y patrones de datos se utilizan como indicadores confiables para predecir el futuro. Incluyen Series de Tiempo y Modelos Causales.

Captulo 2: Pronsticos de Demanda

# 5

Mtodos de Pronstico
Usos:
Uso Diseo del proceso Planeacin de la capacidad de las instalaciones Planeacin Agregada Programacin Horizonte Exactitud Nmero de Nivel Mtodo de de tiempo necesaria productos gerencial pronstico largo media uno o pocos alto cualitativos y causales largo media uno o pocos alto cualitativos y causales mediano alta pocos mediano causales y series de tiempo corto la ms alta muchos ms bajo series de tiempo la ms alta muchos ms bajo series de tiempo

Administracin de Inventarios corto

Captulo 2: Pronsticos de Demanda

# 6

Mtodos Cualitativos
Caractersticas Generales:
Se posee poca informacin. Existe alta incertidumbre. Se tiene escasa capacidad de proceso. Horizonte de mediano o largo plazo.

Uso tpico:
Productos nuevos.

Captulo 2: Pronsticos de Demanda

# 7

Mtodos Cualitativos
1.- Mtodo Delphi:
Grupo de expertos que se rene durante varias sesiones de reconsideraciones en busca de consensos respecto a un grupo de preguntas adecuado a la situacin que se enfrenta. Caractersticas:
Se usa en la introduccin de nuevos productos y cambios tecnolgicos. Es regular en exactitud y puntos de cambio. Posee un costo mediano o alto.

Captulo 2: Pronsticos de Demanda

# 8

Mtodos Cualitativos
Ejemplo: Empresa que requiere pronstico de ventas a 5 aos y que posee una baja capacidad, lo que hace difcil usar ventas como informacin de demanda.
Participacin de 23 administradores. Datos: PGB, ventas del sector y ventas de la empresa por 5 aos. Varias preguntas para obligar a pensar en relaciones. Resultado: Mucha dispersin al comienzo, pero se convergi a un buen pronstico.

Captulo 2: Pronsticos de Demanda

# 9

Mtodos Cualitativos
2.- Encuestas de Mercado:
Corresponden bsicamente a paneles, cuestionarios y pruebas de mercado. Caractersticas:
Tpicamente se usan para probar nuevos productos (yoghurt) o en test polticos (encuestas). Son buenos a corto plazo. Poseen un alto costo. Permiten identificar puntos de cambio

Captulo 2: Pronsticos de Demanda

#10

Mtodos Cualitativos
3.- Analoga a los Ciclos de Vida:
Consiste en identificar en que fase de su vida se encuentra un producto, para esto se analizan las curvas de crecimiento de productos similares. Fases:
Introduccin. Crecimiento. Maduracin. Saturacin.

Captulo 2: Pronsticos de Demanda

#11

Mtodos Cualitativos
Caractersticas:
Son de largo plazo. Poseen una exactitud regular. No capta puntos de cambio. Costo bajo a medio.

Ejemplos:
Juguetes. VHS.

Captulo 2: Pronsticos de Demanda

#12

Mtodos Cualitativos
4.- Juicio Bien Informado:
Se basa slo en la experiencia y en la intuicin. Caractersticas:
Tienen un gran uso. Posee una exactitud baja. Costo bajo. Regular en la identificacin de puntos de cambio.

Ejemplo:
Edificios de departamentos.

Captulo 2: Pronsticos de Demanda

#13

Series de Tiempo
Caractersticas:
Estos mtodos utilizan datos histricos y los proyectan a futuro. Son de corto plazo. Es necesario contar con datos internos. No captan patrones de cambio.

Captulo 2: Pronsticos de Demanda

#14

Series de Tiempo

Demanda

Serie de tiempo original

Tiempo

Serie de Tiempo Original


Captulo 2: Pronsticos de Demanda #15

Series de Tiempo
Ciclo

Demanda

Patrn de estacionalidad Tendencia Nivel Aleatorio

Tiempo

Serie de Tiempo Descompuesta


Captulo 2: Pronsticos de Demanda #16

Series de Tiempo
Componentes:
Ruido: parte aleatoria (si es muy alto es difcil hacer pronsticos). Estacionalidad. Tendencia. Nivel (base).

Ejemplos:
Zapatos. Helados. Entradas al estadio.
Captulo 2: Pronsticos de Demanda #17

Series de Tiempo
Notacin:
Dt: Ft+1: At: et = Dt demanda observada en el perodo t. pronstico para el perodo t+1. promedio calculado para el perodo t. - Ft : error de pronstico.

Tpicamente se conocen Dt-k,....., Dt y se busca Ft+1, Ft+2,....

Captulo 2: Pronsticos de Demanda

#18

Series de Tiempo
1.- Promedios Mviles:
Se sugiere que la serie de tiempo tiene componentes de valor promedio.

Dt + Dt +1 + ... + Dt N +1 At = N
Se toma Ft+1=At. Si hay variabilidad en la demanda se pueden usar promedios mviles ponderados, asignando mayor ponderacin a los ltimos perodos.
Captulo 2: Pronsticos de Demanda #19

Series de Tiempo
2.- Promedios Mviles Ponderados:

Ft +1 = At = Wt Dt + ...... + Wt N +1 Dt N +1
i = t N 1

Wi = 1

1 (caso anterior, Wi = N )

No es recomendable por:
Complejidad. Se deben llevar los registros de demanda histricos. Clculo de las ponderaciones.

Captulo 2: Pronsticos de Demanda

#20

Series de Tiempo
3.- Alisamiento Exponencial Simple:

At = Dt + (1 ) At 1 Ft +1 = At
At-1 refleja la historia.
Si se cree en la ltima demanda Si se cree en la historia

0 < <1

1. 0.
#21

Captulo 2: Pronsticos de Demanda

Series de Tiempo
El efecto de los primeros perodos se va atenuando en forma exponencial:

Ft +1 = Dt + (1 ) At 1

= Dt + (1 ) [ Dt 1 + (1 ) At 2 ] ... + (1 ) t D1

= Dt + (1 ) Dt 1 + (1 ) 2 Dt 2 + ...

Captulo 2: Pronsticos de Demanda

#22

Series de Tiempo
Forma de Uso:
Se requiere de las demandas histricas (Dt) y de un promedio inicial (A0).

A1 = D1 + (1 ) A0 F2 A2 = D2 + (1 ) A1 F3
Se va calibrando

Ejemplos:
Fbrica de Zapatos. Chilectra.

Captulo 2: Pronsticos de Demanda

#23

Series de Tiempo
4.- Alisamiento Exponencial con Tendencia:

At = Dt + (1 ) ( At 1 + Tt 1 ) Tt = ( At At 1 ) + (1 ) Tt 1 Ft + k = At + k Tt
Donde Tt es la tendencia.

0 < <1 0 < <1

Captulo 2: Pronsticos de Demanda

#24

Series de Tiempo
4.- Alisamiento Exponencial con Estacionalidad de Largo L:

Dt + (1 ) At 1 At = R tL Dt Rt = + (1 ) R t L A t Ft + k = ( At + k Tt ) Rt L + k

0 < <1 0 < <1

Donde Rt es el factor de estacionalidad.


Captulo 2: Pronsticos de Demanda #25

Series de Tiempo
Errores de Pronstico:
Los indicadores de error sirven para ver en qu momento el pronstico falla o los datos no sirven.

Indicadores:
Desviacin media absoluta:
Dt Ft
t

MAD =

Captulo 2: Pronsticos de Demanda

#26

Series de Tiempo
MADt = Ft Dt + (1 ) MADt 1
Se ajusta . Si |Ft - Dt| > 3,75xMADt (tres desviaciones standard), entonces existen sospechas de valor extremo. En un enfoque aproximado corresponde a 1,25xMAD, para una funcin normal.

Captulo 2: Pronsticos de Demanda

#27

Series de Tiempo
Seal de Rastreo:
suma acumulada de la desviacin del pronstico T= MAD
Donde el numerador corresponde al sesgo y el denominador al ltimo MAD observado. Si T [ 6,+6] (confiabilidad menor al 97%), entonces debe revisarse el modelo ya que esta sesgado.

Captulo 2: Pronsticos de Demanda

#28

Mtodos Causales
1.- Regresin: y = a +b x
x:
variable independiente. variable dependiente.

y:

La idea es ajustar una curva a los puntos con que se cuenta.

Min ( yi yi ) 2 = Min (ai + b xi yi ) 2


i i

Captulo 2: Pronsticos de Demanda

#29

Mtodos Causales
Como resultado se obtiene:

a=

y
i

b=

n n xi yi xi yi i i i n xi xi i i
2 2

x
i

Captulo 2: Pronsticos de Demanda

#30

Mtodos Causales
n xi yi xi yi i i i R2 = 2 2 2 2 n xi xi n yi yi i i i i
Donde R2 mide la proporcin de la variacin de y explicada por x. Valores sobre 0,95 se consideran buenos.
2

Captulo 2: Pronsticos de Demanda

#31

Mtodos Causales
Ejemplo:
y: x1: x2: x3: Venta de peridicos. Nmero de habitantes. Ingreso per capita. Competencia.

Se puede extender a formulaciones complejas.

( y = f x, z , w)

Captulo 2: Pronsticos de Demanda

#32

Mtodos Causales
Principales caractersticas:
Es til cuando existen fuertes relaciones causales. Uso tpico para horizontes de corto y mediano plazo. Permite identificar bien puntos de cambio. Es un mtodo caro. Requiere sofisticacin. Es fcil cometer errores.

Captulo 2: Pronsticos de Demanda

#33

Mtodos Causales
2.- Modelos Economtricos:
Sistema de ecuaciones de regresin interdependientes para describir un proceso complejo. Caractersticas:
Complejidad alta. Costo alto. Son de largo plazo. Buenos para identificar puntos de cambio.

Captulo 2: Pronsticos de Demanda

#34

Mtodos Causales
Ejemplos:
Precio cobre. Sectores de la economa.

Captulo 2: Pronsticos de Demanda

#35

Mtodos Causales
3.- Modelos de Insumo (Leontieff):
Describen el flujo de un sector de la economa a otro para predecir los insumos que se necesitan para producir los productos que requiere otro sector. Caractersticas:
Poseen un costo muy alto. Buena exactitud. Son de corto plazo. Dbiles para identificar puntos de cambio.

Ejemplo:
Ventas de la construccin afectan las de cemento.
Captulo 2: Pronsticos de Demanda #36

Mtodos Causales
4.- Simulacin:
Caractersticas:
La simulacin de sistemas es complejo. Cara de implementar. Horizonte de corto a mediano plazo. Puede identificar puntos de cambio.

Ejemplo:
Distribucin en cadena, para ver demanda de distintos elementos. Planos de produccin, para conocer la demanda por insumos. Transporte urbano, para ver equilibrio vehicular.
Captulo 2: Pronsticos de Demanda #37

Criterios de Eleccin
1.- Sofisticacin del usuario y del sistema.
No se deben dar saltos bruscos.

2.- Tiempo y recursos disponibles. 3.- Tipo de decisin.


Trade-off entre costo y calidad del pronstico. Ejemplo: Falabella vs Negocio chico.

4.- Disponibilidad de datos.


Box-Jenkins es una serie de tiempo autocorrelacionada que exige 60 datos (60 meses).

5.- Patrn de datos.


Si es causal no se pueden usar series de tiempo.
Captulo 2: Pronsticos de Demanda #38