PRONOSTICO DE LA DEMANDA PARA

DETERMINAR EL NMERO DE
CONTENEDORES A USAR EN UN PERIODO
DE 6 MESES
Sal Daniel Cesario Sols, Universidad Popular Autnoma del Estado de Puebla
Felipe Guerrero Bello, Universidad Popular Autnoma del Estado de Puebla
Resumen
En el presente artculo se realiza una propuesta para resolver el problema de
falta de contenedores en la cadena de suministros que realiza la empresa
Federal Mogul en el rea de Cojinetes Alto Volumen para un Modelo y cliente en
especifico. En este problema se usaron mtodos de pronsticos de la demanda,
usando software para la ayuda de dicho pronostico como Lingo, Excel, RStudio.
Se analiz la demanda histrica de 50 semanas, las ltimas dos la empresa no
produce, posteriormente los datos fueron ingresados a los modelos de
pronsticos, al tener el pronstico a 6 meses (26 semanas) se puede estimar
cuantos contenedores se necesitan para todo el proceso (almacenamiento en
planta PT, rea de lavado, transito, y cuantos estarn en la etapa de lavado) sin
correr el riesgo de comprar contenedores de menos o por el contrario sobre
inventariar.

PALABRAS CLAVE: Abastecimiento, Pronsticos, Transporte, Demanda.

INTRODUCCIN Y REVISIN A LA LITERATURA

El pronstico de la demanda consiste en hacer una estimacin de nuestras
futuras ventas (ya sea en unidades fsicas o monetarias) de uno o varios
productos (generalmente todos), para un periodo de tiempo determinado
(generalmente un mes).
El realizar el pronstico de la demanda nos permitir elaborar nuestra
proyeccin o presupuesto de ventas (demanda en unidades fsicas multiplicado
por el precio del producto) y, a partir de sta, poder elaborar las dems
proyecciones o presupuestos.
Por ejemplo, al pronosticar o calcular a cunto ascendern nuestras futuras
ventas, podemos calcular cunto ser nuestra produccin (cuntos productos
necesitaremos producir), a cunto ascendern nuestros costos, qu cantidad de
personal necesitaremos contratar, a cunto ascender nuestra rentabilidad, etc.
Y, de ese modo, lograr un mejor control, una mayor coordinacin, minimizar
riesgos, y todas las otras ventajas que conlleva una buena planificacin.

Mtodos para pronosticar la demanda

Anlisis de registros histricos
Consiste en analizar nuestras ventas pasadas y hacer una proyeccin de las
mismas, por ejemplo, si hemos notado que nuestras ventas en los ltimos
meses han aumentado en un 10%, entonces, lo lgico sera que para este mes
que se aproxima tambin aumenten en un 10%, pero si adems notamos que
este prximo mes es de temporada alta para el tipo de producto que
comercializamos, y que adems hemos decidido invertir ms en publicidad,
entonces podramos pronosticar que para este prximo mes nuestras ventas
aumentarn en un 20%.
Este mtodo requiere que el negocio ya tenga un tiempo de operaciones, para
hallar el pronstico de la demanda para un nuevo negocio o para el lanzamiento
de un nuevo producto, sigamos viendo los dems mtodos.

Mtodo de la demanda potencial

Consiste en hallar primero la demanda potencial (mxima demanda posible que
se podra dar en un mercado) de todos los productos similares al nuestro que
existan en el mercado al cual nos dirigimos, y luego, en base a dicha demanda
potencial, determinar la demanda de nuestros productos, teniendo en cuenta
aspectos limitativos tales como el tamao de nuestra inversin, nuestro capital
de trabajo, nuestra capacidad de fbrica (capacidad mxima de produccin),
nuestra capacidad de abastecimiento (disponibilidad de materia prima y mano
de obra), nuestro esfuerzo de marketing, etc.; pero tambin, teniendo en
cuenta otros aspectos tales como la demanda de nuestra competencia, nuestra
experiencia en el negocios, opiniones de personas con experiencia en el mismo
tipo de negocio, etc.
Por ejemplo, si quisiramos pronosticar la demanda para nuestro negocio de
restaurante, primero hallaramos la demanda potencial que existe para todos
los restaurantes que conforman nuestro mercado objetivo (por ejemplo, un
distrito, una avenida, un centro comercial), y luego, en base a dicha demanda
potencial y a otros aspectos como el tamao de nuestro negocio, nuestra
inversin en publicidad, la informacin que hemos recopilado de la
competencia, etc., determinamos o pronosticamos nuestra demanda.

Por ejemplo, una vez que hemos hallado la demanda potencial, determinamos
que trabajaremos para captar el 20% de dicha demanda potencial, es decir,
dicho 20% ser nuestro pronstico de demanda.

Mtodo de la investigacin de mercados

Consiste en pronosticar nuestras ventas a travs de una investigacin o estudio
de mercado, podemos, por ejemplo, hacer uso de encuestas, en donde algunas
de las preguntas podran ser:

tiene usted inters en adquirir este producto?

estara dispuesto a probar este nuevo producto o servicio?

cunto estara dispuesto a pagar por este producto?

cada cunto tiempo consume o adquiere productos similares?

cunto gasta en promedio al acudir a negocios similares?

con qu frecuencia acude a negocios similares?

O tambin podemos hacer uso de otras tcnicas de mercado, por ejemplo,

podemos visitar negocios similares al nuestro y calcular el promedio de clientes
que tienen y el promedio de consumo de cada uno, o podemos hacer pequeas
entrevistas a clientes de nuestros principales competidores o a personas que
hayan estado antes en el mismo tipo de negocio que el nuestro, etc.
Como apunte final, debemos decir que para hallar el pronstico de la demanda
no existe un mtodo o frmula especfica, sino que debemos ser creativos,
pudiendo, por ejemplo, hacer uso de varios mtodos; al final no importa cul
mtodo hayamos usado, lo importante es lograr el mayor aproximado posible.
El marco de tiempo del pronstico se clasifica como sigue:
Descripcin

Horizonte del pronstico

Corto plazo

Mediano plazo

Largo plazo

Duracin

Generalmente
menos de 3
meses, mximo
de 1 ao
Planificacin de
tareas,
asignacin de
trabajadores

De 3 meses a 3
aos

Ms de 3 aos

Planificacin de
ventas y
produccin,
presupuestos

Desarrollo de
nuevos productos,
planificacin de
instalaciones

Aplicabilidad

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

Enfoque cualitativo

Enfoque cuantitativo

Aplicabilidad

Se utiliza cuando la
situacin es imprecisa &
existen pocos datos (e.g.,
nuevos productos y
tecnologas)

Se utiliza cuando la
situacin es estable &
existen datos histricos

Consideracion Involucra la intuicin y la

es
experiencia
Tcnicas

(e.g. productos existentes,

tecnologa actual)
Involucra tcnicas
matemticas

Jurado de opinin ejecutiva Modelos de series de

tiempo Modelos causales
Compuesto del
departamento de ventas
Mtodo Delphi
Encuesta del mercado de
consumidores

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

Descripcin

Jurado de opinin
ejecutiva

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.

Compuesto del
departamento de
ventas

Se pide a cada vendedor (por ejemplo por

cubrimiento 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

Encuesta del
mercado de
consumidores

compras y su comportamiento de compras

proyectado. Se necesita a una gran cantidad de
encuestados para poder generalizar ciertos
resultados.

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)

Descomposici La descomposicin de series de tiempo ajusta la

n de series de estacionalidad multiplicando el pronstico normal por
tiempo
un factor de temporada
(ver ejemplo ilustrativo - descomposicin de series de
tiempo)

La demanda se define como la cantidad y calidad de bienes y servicios que

pueden ser adquiridos en los diferentes precios del mercado por un consumidor
(demanda individual) o por el conjunto de consumidores (demanda total o de
mercado), en un momento determinado. La demanda es una funcin
matemtica. Donde:

Qdp = es la cantidad demandada del bien o servicio.

P = precio del bien o servicio.

I = ingreso del consumidor.

G = gustos y preferencias.

N = nmeros de consumidores.

Ps = precios de bienes sustit.

Pc = precio de bienes complementarios.

Adems, existe una demanda que siempre es exgena en los modelos ya que
no est determinada por ninguna circunstancia estudiada (endgena) en el
modelo, tal es el caso de productos que son consumidos indiferentemente a
ciertos factores econmicos como lo son las vacunas que necesariamente
tienen que comprar los Estados por determinadas leyes o condiciones sociales.
La demanda puede ser expresada grficamente por medio de la curva de la
demanda. La pendiente de la curva determina cmo aumenta o disminuye la
demanda ante una disminucin o un aumento del precio. Este concepto se
denomina la elasticidad de la curva de demanda.
En relacin con la elasticidad, la demanda se divide en tres tipos:

Elstica, cuando la elasticidad de la demanda es mayor que 1, la

variacin de la cantidad demandada es porcentualmente superior a la del
precio.

Inelstica, cuando la elasticidad de la demanda es menor que 1, la

variacin de la cantidad demandada es porcentualmente inferior a la del
precio.

Elasticidad unitaria, cuando la elasticidad de la demanda es 1, la

variacin de la cantidad demandada es porcentualmente igual a la del
precio.

Tipos de Demanda
Demanda independiente
Se entiende por demanda independiente aquella que se genera a partir de
decisiones ajenas a la empresa, por ejemplo, la demanda de productos
terminados acostumbra a ser externa a la empresa en el sentido en que las
decisiones de los clientes no son controlables por la empresa (aunque s pueden
ser influidas). Tambin se clasificara como demanda independiente la
correspondiente a piezas de recambio.

Demanda dependiente
Es la que se genera a partir de decisiones tomadas por la propia empresa,
("Master Production Schedule"), por ejemplo, an si se pronostica una demanda
de 100 coches para el mes prximo (demanda independiente) la Direccin
puede determinar fabricar 120 este mes, para lo que se precisaran 120
carburadores, 120 volantes, 480 ruedas, etc. La demanda de carburadores,
volantes, ruedas es una demanda dependiente de la decisin tomada por la
propia empresa de fabricar 120 coches.

METODOLOGA
Federal-Mogul Motorparts vende y distribuye una amplia cartera de productos a
travs de 16 de las marcas ms reconocidas del mercado global de posventa, a
la vez que atiende a los fabricantes de vehculos (Equipo Original) con
productos que incluyen componentes de sistemas de freno, de chasis,
limpiaparabrisas y otros componentes de vehculos.
El principal problema que enfrenta la empresa es que con el aumento de la
demanda de producto, los contenedores actuales que son retornables, no son
suficientes para ser usados por lo que se tuvo que empacar en contenedor
desechable al llegar a un acuerdo con el cliente. Este empaque alterno debe
retirarse y se deben usar solamente contenedores retornables. La demanda de
cojinetes est dada por semanas, al salir de produccin se almacenan en
contenedores, despus se transporta y llegan a cliente final. El cliente final los
regresa en cierto periodo de tiempo, al regresar los pallets a planta, estos pasan
a una etapa de lavado.
En base a esta problemtica la propuesta es tener un pronstico de 6 meses (26
semanas), en base a un histrico de un ao para estimar la demanda y con
esto, cuantos contenedores se deben tener en almacn, cuantos, en
produccin, cuantos estarn con el cliente final y cuantos estarn en proceso de
lavado. El objetivo del clculo de la demanda es comprar los contenedores
necesarios, es decir evitar la falta de contenedores en un futuro o comprar
contenedores de mas y que se desperdicien.
Para abordar la problemtica de la empresa se determin a partir de los datos
histricos el comportamiento de la demanda:
Se determin que la demanda es regular
Irregular si Desvest > Promedio
Desvest = 30,556
Promedio= 99,742
La demanda es regular, ya que el promedio es mayor que la desviacin.
Se determina el tipo de demanda, para esto se grafican los datos:

Comportamiento de la demanda en semanas

200000
150000
100000
50000
0

Grafica 1: Muestra el comportamiento de la demanda por semana.

Demanda por mes

600,000.00
500,000.00
400,000.00
300,000.00
200,000.00
100,000.00
-

10

11

12

Grafica 2: Muestra el comportamiento de la demanda por mes.

Suavizamiento exponencial simple (Mtodo de Brown):

De corto plazo. Nuevo pronstico = (demanda actual) + (1-) (pronstico
anterior)
= [0,1] (constante de suavizado)
Solo nivel: Ft+1 = At + (1-) Ft
El pronstico para el siguiente perodo es una suma ponderada de la ltima
observacin y su pronstico. 24-ago-16 2.6 Mtodo de suavizacin exponencial
con nivel

 El suavizado exponencial da el mayor peso a la ltima observacin y peso

decreciente a anteriores.

Demanda por mes

377,280.00
446,400.00
362,880.00
461,808.00
404,208.00
383,040.00
394,560.00
321,840.00
449,376.00
414,720.00
543,264.00
535,357.76

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre

Tabla 1: Demanda del ao en meses

RESULTADOS

Con la informacin anterior se obtuvieron los siguientes resultados:

Demanda real VS Pronostico

Axis Title

160000
140000
120000
100000
80000
60000
40000
20000
0

Grafica 3 : En esta grafica se presenta el pronstico obtenido mediante

el mtodo Brown y la demanda real, dada en semanas de 1-47

Demanda real
Pronostico

Tabla de errores:
MSE
489,599,023.5
06

MAD

MAPE

15,189.28

25.97%

Tabla 2: Se presentan los errores del pronstico con un MAPE de

25.97%

Valor de Alpha encontrado con el programa Lingo

Variable
0.000000

Value

Reduced Cost

ALPHA

0.6481074

CONCLUSIONES
Para el clculo de los contenedores tomaremos los valores ms altos que arroj
el pronstico con la finalidad de no quedar cortos en un futuro ya que la
demanda muestra una tendencia a la alza.
Condiciones para el clculo:
1. Se debe considerar un stock en planta de cliente equivalente a dos
semanas de produccin.
2. En planta se debe tener al menos 10 pallets en el proceso de lavado. Un
pallet equivale a 70 contenedores.
3. Considerar en trnsito una semana de ida y una de regreso (pallets
vacios)

Tomando la semana con mayor demanda, tendramos la semana 4 con 120 000
piezas. Esto equivale a 500 contenedores.
Tomando en cuenta la primera condicin (dos semanas en planta de cliente).
Tendramos 500 x 2 = 1000 contenedores

Para la segunda condicin:

10 pallets = 700 contenedores

Para la tercera condicin (Transito equivalente a dos semanas)

Tendramos 500 x 2 = 1000 contenedores
Por lo que, en conclusin, la cantidad necesaria para poder almacenar los
cojinetes en contenedores retornables, tomando en cuenta la semana de
produccin ms alta es de 3200 contenedores.

RECONOCIMIENTO
Los autores agradecen el apoyo de esta investigacin que fue desarrollada en la
empresa Federal Mogul por brindar la oportunidad de realizar un proyecto,
adems a la Dra. Patricia Cano Olivos por la asesora en el proyecto.

1.

Referencias
Nahmias, S. (2007). Anlisis de la Produccin y las Operaciones. Mxico:
McGrawHill/Interamericana Editores.
Collier, D. A., Evans, J.R. (2009). Administracin de Operaciones: Bienes,
Servicios y Cadenas de Valor. Mxico: Cengage Learning Editores
Cimorelli, S. C., Chandler, G. (2006). Control of Production and Materials. En
Crowson, R. (Ed.). Factory Operations, Planning and Instructional Methods
(Handbook of Manufacturing Engineering, Second Edition, Vol. 2). Boca Raton:
Taylor and Francis Group.