Materia:

ADMINISTRACIN DE OPERACIONES 1

Carrera:

INGENIERA INDUSTRIAL

Fecha de entrega: 09 - Mayo - 2016

ndice

2
Introduccin
Los pronsticos de la demanda son de gran utilidad para poder saber
que tan bueno es nuestro proceso, para estar aprevenidos y as tomar
en cuenta cuanto producto es necesario producir y en que lapsos de
tiempo la demanda aumenta o en que otros la demanda baja.
Demand Planning es aquella sucesin de procesos de Supply Chain
Management que permiten crear, partiendo de histricos de consumo,
previsiones fiables susceptibles de ser consensuadas, aceptadas y
asumidas por la organizacin como input de sus procesos de
planificacin de produccin (MRP) y de distribucin de materiales (DRP).
Un buen pronstico de la demanda ayudar en los siguientes puntos:
Fabricacin ms eficiente. Los horarios de produccin se pueden
optimizar a travs de una mejor comprensin de la demanda y la
prevencin de cambios de ltima hora.
Menos desperdicio y deterioro. Con menos inventario, las empresas
tienen ms probabilidades de vender stock antes de que alcancen su
fecha de vencimiento y deben descartarse.
Esfuerzo reducido. La automatizacin de la funcin de pronstico le da al
sector de ventas ms tiempo para centrarse en su principal cometido y
reduce la inversin de tiempo que debe dedicar a supervisar el proceso
de previsin.

3
Objetivo
El objetivo principal por el cual se lleva a cabo este proyecto, es para
identificar el mejor pronstico de la demanda durante los prximos
meses y as se pueda hacer una gran reduccin en el stock que al final
es algo que nos produce prdidas o simplemente no produce ganancias.
Poder llevar un buen manejo en la produccin har que los clientes
estn satisfechos recibiendo su mercanca requerida en tiempo y forma,
as como mantener los almacenes en un nivel de stock adecuados.

4
Alcance

5
Marco terico
Pronstico de la Demanda
Las empresas han organizado cadenas de suministro centradas en
la optimizacin de costes, utilizando el inventario como un amortiguador
para cumplir con los objetivos de servicio al cliente. A pesar de que
la previsin de la demanda siempre es un reto, las empresas
suelen agregar inventario para protegerse de las variaciones o
imprecisiones en los clculos de la demanda.
Desde una perspectiva de ganancias y prdidas, se piensa que
este inventario no tiene costo. Esto sin lugar a dudas, no incentiva la
eficiencia. Si llevar un inventario adicional en forma de productos
terminados evita una llamada de un cliente enojado por un envo
perdido, la mayora de los ejecutivos de ventas con gusto aprobaran
este inventario extra. Hoy en da, se hace cada vez ms difcil encontrar
los caminos de crecimiento en cualquier empresa. Las tendencias
muestran que se est intentando impulsar aumentos en las ventas a
travs de la innovacin, llegando con mayor rapidez al mercado y la
mediante la personalizacin, lo cual es muy vlido y est bien. En
este mundo, una cadena de suministro eficiente y de alto rendimiento es
fundamental para el xito.
Sin embargo, a menudo las empresas se ven en problemas por su
incapacidad para satisfacer las expectativas de servicio al cliente, a
pesar de tener altos niveles de movimiento de inventario en un ao.
Dichos problemas son el resultado de una cadena de suministro de bajo
rendimiento, que a menudo es consecuencia de un pobre e impreciso
pronstico de la demanda, procesos de planificacin ineficaces
y capacidades de produccin que son lentas para responder a la
demanda cambiante del mercado.
Estas ineficiencias se convierten en una barrera para el crecimiento, lo
que lleva a tener clientes insatisfechos y perder oportunidades de
ventas, excesivo inventario, productos obsoletos y redes de distribucin
atascadas o lentas.
En ltima instancia, consumen recursos y capital que podran utilizarse
mejor para impulsar el crecimiento a travs del desarrollo de productos
y actividades de marketing.
Mtodos cualitativos para pronosticar la demanda
Un pronstico cualitativo se encuentra basado en la experiencia,
intuicin o subjetividad de quien predice los eventos futuros. Un mtodo
de enfoque cualitativo suele ser usado cuando no hay datos histricos o
hay cambios tecnolgicos, cuando se va a lanzar un nuevo producto o
cuando los datos que hay no son confiables.

6
--Mtodo Delphi: Es un proceso basado en la consulta sistemtica del
juicio de personas consideradas expertos. Es estructurado e iterativo al
ejecutarse mediante etapas para alcanzar un consenso frente a una
temtica en comn.
--Encuesta de mercado de consumo: Consiste en obtener la opinin o
percepcin de un grupo de personas acerca de su proyeccin de
consumo o inters por un producto o servicio.
--Consulta a la fuerza de ventas: Para empresas que tienen fuerza de
ventas, esta tcnica hace uso de la experiencia del personal ms
cercano al cliente para obtener un pronstico de demanda: El vendedor,
quien entrega su estimacin de la demanda, estimacin que es
combinada con la de otros vendedores para generar el pronstico de
una regin.
--Jurado de opinin ejecutiva: Se basa en la experiencia y los
conocimientos tcnicos de los altos mandos de la empresa para llegar a
un consenso. Es una de las ms utilizadas cuando se requiere actuar con
rapidez ante eventos no previstos o lanzamiento de nuevos productos.
--Grupos de consenso: Esta tcnica se podra considerar una integracin
entre consulta a la fuerza de ventas y jurado de opinin ejecutiva, y algo
ms. Consiste en el sondeo de la opinin de cargos bajos, medios y altos
para generar un pronstico que alinee desde la operacin hasta la
estrategia.
Por ejemplo cuando que solicites la estimacin de la demanda del
vendedor, del analista de mercado y del gerente de mercadeo para
prever las ventas del periodo.
--Analoga de productos similares: Su prediccin de la demanda se basa
en el comportamiento de las ventas de un producto similar o modelo. La
comparacin puede ser realizada con un producto sustituto o
complementario. Es un mtodo generalmente usado para estimar la
demanda inicial en el lanzamiento de un nuevo producto o servicio.

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,

7
el precio, publicidad, etc.) en la forma de ecuacin lineal. Los mtodos
de pronstico de series de tiempo estn descritos a continuacin:
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

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
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
Aislado 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 (ej., patrn de temporada) y no solo fluctuaciones
aleatorias

8
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
Suavizacin exponencial
Es el mtodo de pronstico ms usado por su simpleza, tanto por
pequeas y grandes empresas, sea en un sencillo archivo de Excel o un
software como forecast pro. Sus ventajas son:
Formulacin es sencilla, pues solo requiere el pronstico anterior, la
demanda real del periodo de pronstico y la constante de suavizacin,
como ya lo veremos ms adelante.
No requiere de gran volumen de datos histricos.
Al ser un modelo exponencial, es ms preciso.
Es flexible al conseguir darle ms importancia a la demanda ms
reciente o a la antigua.
Su desventaja, al igual que los mtodos de promedio mvil, es la
respuesta a la tendencia. Aun cuando un valor de alfa () logra
responder frente a cambios en el promedio, cambios sistemticos de
este harn ms grande el error de pronstico. Es tan as, que cuando se
est aplicando un alfa mayor a 0.5 con buenos resultados, optar por
el alisado exponencial doble suele ser mejor idea.
Error de Pronstico
Error porcentual absoluto medio (MAPE, Mean absolute percentage error)
Expresa la exactitud como un porcentaje del error. Como este nmero es
un porcentaje, puede ser ms fcil de entender que los otros
estadsticos. Por ejemplo, si el MAPE es 5, en promedio, el pronstico
est errado en un 5%. La ecuacin es:

Dnde yt es igual al valor real, es igual al valor ajustado y n es igual al

nmero de observaciones.
Desviacin absoluta media (MAD, Mean absolute deviation)

9
Expresa exactitud en las mismas unidades que los datos, lo cual ayuda a
conceptualizar la cantidad de error. Los valores atpicos tienen menos
efecto en MAD que en MSD. La ecuacin es:

Dnde yt es igual al valor real, es igual al valor ajustado y n es igual al

nmero de observaciones.
Desviacin cuadrtica media (MSD, Mean squared deviation)
Una medida utilizada comnmente de la exactitud de los valores
ajustados de las series de tiempo. Los valores atpicos tienen mayor
efecto en MSD que en MAD. La ecuacin es:

Dnde: yt es igual al valor real, es igual al valor del pronstico y n es

igual al nmero de pronsticos.

10
Pronstico

11
Conclusin
Muchas soluciones estn disponibles para abordar estas cuestiones. En
mi opinin, una de las ms efectivas es una comprensin ms precisa de
la demanda futura. Es importante, para grandes empresas de productos
de consumo o cualquiera en general, contar con una metodologa de
pronstico de la demanda que sea lo ms precisa posible y que pueda
ayudar a las empresas a reducir el inventario, mejorar la disponibilidad
de productos para la venta y minimizar los desperdicios.

12
Bibliografa APA
Giordano, M. (2017). Pronstico de la demanda. Mayo 08, 2017, de
MeetLogistics Sitio web: https://meetlogistics.com/demand-
planning/pronostico-de-la-demanda/
Ingenio Empresa. (2016). 6 mtodos cualitativos para pronosticar la
demanda. Mayo 08, 2017, de Ingenio Empresa Sitio web:
https://ingenioempresa.com/metodos-cualitativos-pronostico-demanda/
Ingenio Empresa. (2016). Cmo usar la suavizacin exponencial simple
para pronosticar la demanda. Mayo 08, 2017, de Ingenio Empresa Sitio
web: https://ingenioempresa.com/suavizacion-exponencial-simple/
Minitab. (2017) Qu es MAPE, MAD y MSD? Mayo 08, 2017, de Minitab
Inc. Sitio web: http://support.minitab.com/es-mx/minitab/17/topic-
library/modeling-statistics/time-series/time-series-models/what-are-
mape-mad-and-msd/

13