Universidad Laica Eloy Alfaro de Manab

Facultad de Ingeniera Industrial

Control de la Produccin
Catedrtico: Ing. Marcos vera Nombres: Perez delgado Maria Auxiliadora Curso: 5 to A 2013 - 2014

ndice
1. Que es el pronstico de la demanda 2. Como se determina el pronostico 3. Mtodos cualitativos de pronostico 4. Mtodos de pronostico cuantitativo

Qu es el pronstico de la demanda?
Un pronstico de la demanda es una prediccin de lo que suceder con las ventas existentes de los productos de su empresa. Lo ideal es determinar el pronstico de la demanda con un enfoque multifuncional. Se debe considerar las entradas de ventas y mercadeo, finanzas y produccin. El pronstico final de la demanda es el consenso de todos los gerentes participantes. Tambin es aconsejable conformar un grupo de Planeacin de Ventas y Operaciones compuesto de representantes de los distintos departamentos a los que se les encargar preparar el pronstico de la demanda. La determinacin de los pronsticos de la demanda se realiza con los siguientes pasos: Determinacin del uso del pronstico Seleccin de los tems del pronstico Determinacin del marco de tiempo del pronstico Seleccin de los modelos de pronstico Recopilacin de datos Realizacin del pronstico Validacin e implementacin de los resultados El marco de tiempo del pronstico se clasifica como sigue:

Descripcin Corto plazo Duracin Mediano plazo Generalmente menos de 3 meses, mximo de 1 ao

Horizonte del pronstico Largo plazo De 3 meses a 3 aos Ms de 3 aos

Aplicabilidad

Planificacin de Planificacin de Desarrollo de nuevos tareas, asignacin de ventas y produccin, productos, trabajadores presupuestos planificacin de instalaciones

Cmo se determina el pronstico de la demanda? Hay dos enfoques para determinar el pronstico de la demanda - (1) el enfoque cualitativo, (2) el enfoque cuantitativo. A continuacin hacemos la comparacin de los dos enfoques:

Descripcin Aplicabilidad

Enfoque cualitativo Se utiliza cuando la situacin es

Enfoque cuantitativo Se utiliza cuando la situacin es

imprecisa & existen pocos datos (e.g., nuevos productos y tecnologas)

estable & existen datos histricos (e.g. productos existentes, tecnologa actual) Involucra tcnicas matemticas

Consideraciones Involucra la intuicin y la experiencia Tcnicas Jurado de opinin ejecutiva Compuesto del departamento de ventas Mtodo Delphi Encuesta del mercado de consumidores

Modelos de series de tiempo Modelos causales

Mtodos cualitativos de pronstico Su empresa puede desear probar alguno de los mtodos cualitativos de pronstico a continuacin si no cuenta con datos histricos de las ventas de sus productos.

Mtodo cualitativo Jurado de opinin ejecutiva

Descripcin Se renen las opiniones de un grupo pequeo de gerentes de alto nivel que juntas estiman la demanda. El grupo utiliza su experiencia directiva y en algunos casos la suma a los resultados de modelos estadsticos.

Se pide a cada vendedor (por ejemplo por cubrimiento Compuesto del departamento de ventas territorial) proyectar sus ventas. Como el vendedor es el ms cercano al mercado tiene la capacidad de conocer la demanda de los clientes. Las proyecciones se combinan despus a nivel municipal, provincial y regional. Mtodo Delphi Se identifica un panel de expertos en el que los expertos pueden ser gerentes, empleados comunes, o expertos del sector. A cada uno de ellos se les solicita individualmente su estimacin de la demanda. Se realiza un proceso iterativo hasta que los expertos alcancen un consenso. Se pregunta a los clientes sobre sus planes de compras y su comportamiento de compras proyectado. Se necesita a una gran cantidad de encuestados para poder generalizar ciertos resultados.

Encuesta del mercado de consumidores

Mtodos de pronstico cuantitativo Hay dos modelos de pronstico en este caso - (1) el modelo de series de tiempo y (2) el modelo causal. Una serie de tiempo es un conjunto de datos numricos uniformemente separados que se obtiene observando respuestas a intervalos regulares de tiempo. En el modelo de series de tiempo el pronstico se basa solamente en datos anteriores y asume que los factores que influencian las ventas pasadas, presentes y futuras de sus productos continuarn. Por otro lado, el modelo causal utiliza una tcnica matemtica conocida como el anlisis de regresin que relaciona una variable dependiente (por ejemplo, la demanda) con una variable independiente (por ejemplo, el precio, publicidad, etc.) en la forma de ecuacin lineal. Los mtodos de pronstico de series de tiempo estn descritos a continuacin:

Descripcin Mtodo de pronstico de series de tiempo Enfoque simplista Asume que la demanda en el siguiente perodo es igual que la demanda en el ms reciente perodo; el patrn de la demanda puede no siempre ser completamente estable Por ejemplo:
Si las ventas de julio fueron 50, las ventas de agosto tambin sern 50

Descripcin Mtodo de pronstico de series de tiempo Promedio mvil (PM) El PM es una serie de promedios aritmticos y se utiliza si existe poca o ninguna tendencia en los datos; ofrece una impresin general de los datos en el tiempo Un promedio mvil simple utiliza la demanda promedio durante una secuencia fija de perodos y es bueno para una demanda estable sin patrones pronunciados de comportamiento. Ecuacin:
P 4 = [D 1 + D2 + D3] / 4

P Pronstico, D Demanda, No. Periodo

(ver ejemplo ilustrativo - promedio mvil simple) Un promedio mvil ponderado ajusta el mtodo de promedio mvil para reflejar fluctuaciones con mayor exactitud asignando mayor peso a los datos ms recientes, lo que significa que los datos ms viejos son por lo general menos importantes. Los pesos se basan en la intuicin y estn entre 0 y 1 y deben sumar un total de 1.0 Ecuacin: PMP 4 = (P) (D3) + (P) (D2) + (P) (D1) PMP Promedio mvil ponderado, P Peso, D Demanda, No. Periodo (ver ejemplo ilustrativo - promedio mvil ponderado) Alisado exponencial El alisado exponencial es un mtodo de ponderacin que responde ms fuertemente a cambios recientes en la demanda asignando una constante de alisamiento que es ms fuerte para los datos ms recientes; es til si los cambios recientes en los datos son el resultado del cambio real (e.g., patrn de temporada) y no solo fluctuaciones aleatorias
P t + 1 = a D t + (1 - a ) P t

Donde P t + 1 = pronstico del siguiente periodo D t = demanda real en el actual periodo P t = el pronstico determinado anteriormente para el actual perodo = un factor de ponderacin llamado la constante de alisamiento (ver ejemplo ilustrativo - alisado exponencial) Descomposicin de series de tiempo La descomposicin de series de tiempo ajusta la estacionalidad multiplicando el pronstico normal por un factor de temporada (ver ejemplo ilustrativo - descomposicin de series de tiempo)

Bibliografa
http://mexico.smetoolkit.org