Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronosticos Texto
Pronosticos Texto
Pronsticos
Ing. Roger Cohen
Dependencia de la demanda
Se suele decir que la demanda es dependiente cuando la necesidad de un determinado producto
depende de la de otro producto que lo utiliza. Esto entonces se da en los semielaborados,
ingredientes, materiales de empaque, servicios especficos para un determinado tipo de bien o
servicio. Tambin se debe analizar la dependencia respecto a productos complementarios.
Por el otro lado, los bienes y servicios cuya dependencia respecto a otro producto es desestimable,
se los suele denominar de demanda independiente. Es importante notar que en realidad nunca es
del todo independiente, ya que ningn producto est desligado del nivel de ingreso o el crecimiento
poblacional, los precios relativos, los cambios en el comportamiento de la sociedad, etc..
Como ingenieros qumicos, muchas veces nos vamos a encontrar trabajando sobre un producto que
es utilizado como materia prima en diferentes productos terminados, o algunos que inclusive se
venden tambin al pblico comn. En estos casos, se debe realizar lo que se denomina un anlisis
de usos finales: realizar un pronstico de la demanda para cada uno de los productos que utilizan
nuestro producto, e inferir su pronstico de demanda teniendo en cuenta la proporcin en la cual
participa en la composicin de cada uno de los productos terminados. Por ejemplo, el azcar se
vende a la poblacin en bolsas de 1kg, a fraccionadores para producir sobres para confiteras, en
bolsas de 25 o 50kg hasta en big bags para fbricas de diferentes productos alimenticios.
Deber analizar la proyeccin de la demanda de cada uno de estos usos finales, y en el caso de los
productos alimenticios estimar la proporcin de azcar que llevan en sus frmulas y hasta la posible
sustitucin por productos dietticos.
Horizonte temporal
Si bien no hay lmites precisos, podemos definir tres horizontes temporales sobre los cuales se
pronostica: corto plazo, mediano plazo y largo plazo. Para una empresa, proyecto o incluso
momento en particular, se podra considerar al mediano plazo como entre 2 y 4 aos, mientras que
para otro caso se entiende por mediano plazo al horizonte entre 6 meses y 1 ao...
Las decisiones que se toman en cada uno de los horizontes es diferente, pero acarrean
consecuencias para los otros. Por ejemplo, si hace 1 ao establecimos, a partir del pronstico de la
Localizacin Tercerizacin
Largo Trabajo 24x7 sin tiempo
Mquinas Maquinaria Capacidad en exceso
Plazo para descansos ni
Productos mantenimiento...
Ventas
Mediano
Produccin Materiales Compras urgentes Stocks de seguridad
Plazo
Presupuesto
Seleccin rpida e
Corto Carga de incorporacin sin Sobredotacin y luego
Gente capacitacin
Plazo trabajo suspensin / despido
Horas Extra
Al pasar el tiempo, se vuelven a realizar pronsticos corriendo el horizonte temporal. La fecha que
antes se pronosticaba como un largo plazo, pasa a ser un plazo mediano y posteriormente un corto
plazo; en general, al acercarse el momento, se cuenta con informacin ms certera.
Los pronsticos agrupados en familias de productos son ms precisos que las previsiones de
productos individuales (denominados por sus siglas en ingls SKU = Stock Keeping Units
unidades de almacenamiento en stock). Por ejemplo, tendr menos error el pronstico de venta de
automviles Fiat Uno que el de Fiat-Uno blanco 3 puertas 1.3. Por tal motivo, se suele
postergar la apertura de los pronsticos en los productos individuales y dejarlo para los horizontes
temporales ms cercanos.
Mtodos
Bsicamente podemos clasificar los mtodos de pronstico en dos grandes grupos: cualitativos y
cuantitativos. Se emplean varias metodologas en diferentes empresas o an en una misma empresa
en funcin del horizonte temporal, la urgencia en la toma de decisiones y la informacin disponible.
Cuando la situacin no es clara y hay pocos datos, como por ejemplo al estudiar el lanzamiento de
un producto innovador o una nueva tecnologa, se recurre a mtodos cualitativos, donde prevalece
la intuicin. Por el contrario, cuando la situacin es ms estable y existen datos histricos, se suelen
utilizar los mtodos cualitativos.
Muchas veces se termina utilizando en la prctica una mezcla de varios mtodos, tanto cuanti como
cualitativos.
Mtodos Cualitativos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de alto nivel o de directivos, a menudo en
combinacin con modelos estadsticos. Hay que tener en mente las desventajas de la interaccin
grupal en este sentido: que haya mucha gente no garantiza que haya opiniones conocedoras
realmente del tema; las posiciones muy probablemente escondan intereses personales o
simplemente no sean enunciadas por miedo a contrariar a la mayora; hay gran vulnerabilidad a la
posicin y personalidad de algunos de los individuos, sea por sus aptitudes de manejo de grupos o
simplemente por la jerarqua organizacional... Es clave entonces la correcta eleccin de los
participantes.
Mtodo Delphi:
Es un proceso iterativo grupal, con ciertas reglas y metodologa, mediante el cual se pretende
maximizar las ventajas que presentan los mtodos basados en grupos de expertos y minimizar sus
inconvenientes. Ello se logra mediante el anonimato (ningn experto conoce la identidad de los
otros que componen el grupo de debate, evitando la influencia y permitiendo que uno se anime a
modificar su postura inicial), una iteracin con retroalimentacin controlada, y la expresin de los
resultados mediante una distribucin estadstica.
Estudio de mercado:
Requiere informacin de los clientes sobre sus intenciones futuras de compra. Esto incluye tanto sus
preferencias, experiencia con el producto, y necesidades, como una definicin del precio mximo
que estaran dispuestos a pagar la cantidad que demandaran a un determinado precio. Hay que
tener en mente que no siempre coincide lo que el cliente dice con lo que realmente hace. Es slo
una herramienta ms, pero no debe tomarse como la verdad.
Enfoque Simple
Supone que la demanda en el prximo periodo ser igual a la demanda del periodo ms reciente. Es
la mejor prediccin para los precios de insumos, acciones, etc.. que cotizan. Porque si el mercado
realmente creyera que en un tiempo valdr ms, comprara tanto hoy que hara llevar el precio a ese
valor esperado. Por ejemplo, si hoy la accin de Microsoft cotiza a U$S 20, cunto predice que va
a valer maana?: U$S 20. Y si en realidad maana vale U$S 25, cunto dira que vale pasado
maana?: U$S 25
Series de Tiempo
Es una secuencia de datos uniformemente espaciada. Se obtiene observando las variables en
periodos de tiempo regulares. Se trata de una pronstico basado en los datos pasados; es decir que
supone que los factores que han influido en el pasado lo seguirn haciendo en el futuro.
Se pueden descomponer en tendencia, estacionalidad y variacin aleatoria.
Componente de
Tendencia
Demanda del producto
Picos estacionales
Demanda real
Demanda media
en cuatro aos
Variacin
aleatoria
Primer Segundo Tercer Cuarto
ao ao ao ao
La Tendencia es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo.
Los cambios en la poblacin, ingresos, etc. influyen en la tendencia.
La Estacionalidad es la existencia de un patrn peridico de comportamiento de los datos. Se puede
deber a la climatologa, las costumbres, etc. y producirse dentro de un periodo diario, semanal,
mensual, anual... Por ejemplo, los Subterrneos tienen dos claros picos de demanda durante las
horas de flujo de pasajeros hacia y desde los trabajos; a su vez, durante los meses de verano tienen
menor demanda que durante el resto del ao, debido a la reduccin de poblacin en poca de
vacaciones.
Las Variaciones Aleatorias, que son saltos en los datos causados por el azar y situaciones
inusuales. Son de corta duracin y no se repiten, o al menos no lo hacen con una frecuencia
determinada. Al ser aleatorias, no se pueden predecir.
Media Simple
Luego del mtodo de enfoque simple, le sigue en simpleza la media simple. En este mtodo
pronosticamos un valor futuro similar al promedio de todos los valores pasados.
Dentro de las ventajas del mtodo tenemos que es muy amortiguado, por lo cual no encontramos
grandes saltos, y es muy simple de comprender por cualquier persona. El problema es que al tener
Media Mvil
Consiste simplemente en tomar el promedio aritmtico de los ltimos n perodos. El valor de n se
elige en funcin a la influencia que queramos que tenga la historia ms antigua en la prediccin de
los valores futuros. Un valor de n muy chico, har que los pronsticos sigan ms de cerca a los
ltimos valores reales, mientras que un valor de n ms grande, se traduce en una curva ms
amortiguada aunque, por el mismo motivo, tambin de una menor velocidad de cambio.
Se utiliza si no hay tendencia o si sta es escasa. Se suele utilizar para alisar la curva, facilitando
una lectura general de los datos.
MM=
demanda de n periodos previos
n
Casos particulares: Si slo considerramos 1 perodo previo para el clculo de la media mvil,
estaramos utilizando la Estimacin Simple.
Casos particulares:: Si le asignramos el mismo peso (factor de ponderacin) a cada uno de los n
perodos elegidos, estaramos utilizando la Media Mvil.
Suavizacin Exponencial
Es un caso especial de pronstico de media mvil ponderada, donde ahora los factores de
ponderacin disminuyen exponencialmente, dndole ms peso a los perodos ms recientes.
Se necesita una constante de alisado ( ), que toma valores entre 0 y 1, eligindola de forma
subjetiva. Ventaja: necesita una cantidad reducida de datos histricos.
En esta expresin se puede ver entonces que en realidad lo que se est haciendo es ponderando los
valores reales anteriores, en forma suavizada. O sea que en Ft-1 est contenida toda la informacin
real histrica.
Casos particulares:
Si =1, tenemos que Ft = At - 1, o sea que llegamos al Enfoque Simple.
Si =0, tenemos que Ft = cte, o sea que llegamos al Enfoque Terco (esta denominacin no existe;
lo decimos simplemente para visualizar que estara pronosticando siempre un mismo valor,
constante, sin mirar siquiera qu viene sucediendo).
Presentamos a continuacin dos maneras cuantitativas de evaluar un mtodo en funcin al error (es
decir, la diferencia entre el valor real y el que se haba pronosticado), partiendo de la base que
buscamos obtener los menores errores posibles. Simplemente calculamos el valor para los dos
mtodos que comparemos, y elegimos el de menor valor. Los dos se independizan del signo del
error, ya que de lo contrario estaran cancelndose los valores muy negativos con los muy positivos,
cuando esto no debera dejar de indicar un mtodo poco certero:
Tiempo
Si en cambio, el mtodo se va alejando cada vez ms de los valores reales, obtendramos una curva
como la siguiente:
Error
Tiempo
errores
Seal de rastreo =
( |errores | / n )
Si en cualquier perodo se obtiene un valor absoluto superior a 3,75, esto indica que el mtodo de
pronstico debe ser descartado, ya que estadsticamente la probabilidad de que esto ocurra
aleatoriamente es de slo el 0,3% (equivale al concepto de 3 desvos standard para cada lado de la
media). Notar que el denominador es el DAM, mientras que el numerador es la suma de los errores
con sus correspondientes signos.
Seal de rastreo
Lmite de control superior
+
DAM
0 Intervalo aceptable
-
Lmite de control inferior
Tiempo