Curso: Basics of Supply Chain Management

Módulo 2
Pronósticos
Profesor : Ing. Oscar Chevillard
ochevillard@fibertel.com.ar
Parte del contenido de esta presentación proviene en parte del manual de certificación APICS-CPIM (Agosto 2001). El resto fue
desarrollado por profesores del IEEC. Queda prohibido su uso, distribución, reproducción, o cita sin previo permiso escrito.

Descripción del Curso

Módulo 1: Introducción al Supply Chain Management
Módulo 2: Pronósticos
Módulo 3: Planificación Maestra
Módulo 4: Planificación de los Requerimientos de
Materiales (MRP)
Módulo 5: Administración de Capacidad y Control de las
Actividades de Producción (PAC)
Módulo 6: Fundamentos de Inventarios
Módulo 7: Administración de Inventarios
Módulo 8: Distribución Física
Módulo 9: Management de la Calidad y Compras
Módulo 10: Manufactura Just-in-Time (JIT)
2

1
 Módulo 2 : Objetivos
Entender los Factores que influyen sobre la Demanda
Reconocer Patrones de Demanda básicos
Describir los Principios básicos de Pronósticos
Comprender los Principios de la Recolección de la
Información
Comparar distintas Técnicas de Pronósticos
Entender el Concepto de Estacionalidad
Conocer las Fuentes y Tipos de Errores

Sistema de Planificación y Control

A cada nivel debemos contestar
Business Plan
las siguientes preguntas:
PP-Sales and Master ∼ ¿Cuáles son las prioridades
Operations Plan de la demanda - Cuanto de
Master que se produce y cuando ?
Production
Schedule ∼ ¿Qué capacidad disponible
hay – Que recursos tenemos ?
∼ ¿Cómo resolvemos las
diferencias entre ambas?

2
 Basics 2
Demand management

El proceso de demand managment

Marketing
mgmt

Demand
planning CRM

Marketing Management y Mix

Estrategia de Marketing
management management

Posicionamiento Order Order

producto/defini qualyifying qualifying
ción Order Winners Order winning
products
Segmentación Marketing mix
decisiones p/p/p/p

3
 Marketing Mix
Producto: Diseño, calidad, costo, características, variedad,
tamaño, marcas, service y políticas de garantias

Precio: Commodity/ Premium, precio de penetración de

mercado, loss leader, descuentos, créditos, concesiones

Promoción: Ventas promocionales, promociones, publicidad,

relaciones públicas

Plaza: Ventas canales, modo

delivery/velocidad/compatibilidad/políticas de inventarios

Customer Relationship
Managment

Definición: es la recolección y análisis de información

diseñada para apoyar las decisiones en marketing y
ventas, tanto de los clientes existentes como
potenciales.
Incluye: management de cuentas y de catálogos,
ingreso de pedidos, procesamiento de pagos, créditos,
ajustes, etc.

4
 Áreas de Acción
con Clientes
•Mesas de ayuda: mejoras de productos o diseño de
nuevos
•Necesidades de los clientes
•Información y comunicación: sugerencias tipo
amazon.com
•Gestión de órdenes: Rápida y exacta
•Cumplimientos de fechas y cantidades
•Historia de las ventas

Demand Planning
Es el reconocimiento de la demanda:
a)Pronósticos
b)Órdenes reales

10

5
Factores que Influyen en la Demanda
Condiciones generales de la economía y el
negocio
Factores Competitivos
Tendencias del mercado
Planes propios de la compañía
∼ Características del producto (4Ps) precio,
producto, plaza , promoción.
Disponibilidad de producto
∼ Ciclo de vida del producto
11

Orígenes de Demanda
Comunmente son cinco:
•Pronósticos: Cuantitativos y/o cualitativos
•Ordenes de los clientes
•Pedidos de reposición de CDs
•Transferencias interplantas
•Otros: Requerimientos para marketing y
promociones

12

6
 Orígenes de Demanda
Principios Comentarios
1. Rara Vez son 100% Exactos No se espera que así ocurra. Se basan en
estadísticas por tanto los errores son
inevitables. Se deben medir

2. Cada Pronóstico debe incluir una

estimación del error para determinar el
Stock de Seguridad
Se basa en la variabilidad de la demanda
alrededor de la media aritmética de la
demanda promedio. Se puede estimar
como % del pronóstico o como rango
entre un máximo y un mínimo

3. Son más exactos por familias de Es más fácil pronosticar el consumo de

productos o grupos de items gaseosas que el pronóstico de cada una
separadamente

En el largo plazo son más susceptibles de

4. Son más exactos en el corto plazo imprevistos.

13

Patrones de la Demanda
Tendencia: indica hacia donde va la
demanda, geométrica o exponencial.
Estacionalidad: Varia dependiendo en un
tiempo del año.
Variación Aleatoria: Muchos factores la
afectan y en forma aleatoria
Cíclica: Ocurre por años a lo largo de
décadas, caídas y crecimientos de la
economía.
14

7
Características de la Demanda

Tendencia

Estacionalidad

15

Patrones de Demanda
Estable vs. Dinámica
∼ La demanda estable mantiene siempre el mismo
comportamiento a través del tiempo
∼ La demanda dinámica tiende a ser errática

Estable

Dinámica

16

8
Demanda Dependiente e Independiente

Solamente se hace el pronóstico para los

ítems que tienen demanda independiente
∼ Estos son los productos terminados, repuestos y
los productos terminados ínter plantas.
Los ítems de demanda dependiente no
deberán ser pronosticados

17

¿Qué debe ser Pronosticado?

Pronóstico Plazo

Plan de Negocios Tendencias 2 a 10 años

de Mercado

Plan de Ventas y Familia de 1 a 3 años

Operaciones Productos

Plan Maestro de Items Meses

Producción

18

9
 Principios del Pronóstico
Siempre tiene error, es inevitable.
Incluir estimación del error: rango o variaciones
alrededor del promedio, hay que estimarlo
estadísticamente.

Son más exactos por familias o grupos

Son más exactos para períodos más cercanos
19

Recolección y Preparación de la
Información
El pronóstico es tan bueno como la
información en que se apoya
Principios de recolección
Usar mismos intervalos que se usarán en el
pronóstico
∼ basarse en la demanda, no en expedición
muchas veces no es lo que el cliente quiere.
∼ las observaciones deberán ser en los mismos
intervalos en que se pronostican
∼ pronosticar los mismos ítems que se controlan
por manufactura 20

10
Recolección y Preparación de la
Información (cont.)
Registrar circunstancias que acompañan a la
información ( particulares eventos,
promociones, cambios climáticos ,etc )
Registrar demanda por grupos de productos
y por canal
Registrar demanda por tipos de productos de
la familia, teniendo un total , cuantos de cada
tipo de producto.
21

Técnicas Cualitativas
Están basadas en la intuición y en la opinión
informada
Tienden a ser subjetivas
Son usadas para el plan de negocios y los
pronósticos de nuevos productos
Son usadas para pronósticos de mediano y
largo plazo
Paneles de expertos
22

11
 Técnicas Extrínsecas
Basado en indicadores externos (causa – efecto de
distintos indicadores económicos) indice de
nacimientos, construcciones , crecimiento económico
Útil en el pronóstico de la demanda sobre toda la
compañía o de la demanda por familias de
productos
Ve la correlación entre distintos campos, de
distintas familias de productos. ( autos / consumo de
naftas).
Esta basado en pronósticos sobre pronósticos. No es
fácil encontrar indicadores para relacionar
demandas de distintos productos.
23

Técnicas Intrínsecas
Basadas en datos históricos usualmente
disponibles en la Empresa
Asumen que en el futuro se repetirá el pasado
Son importantes y vamos a ver algunas , son
muy usadas en el plan de producción .

24

12
Algunas Técnicas Intrínsecas Importantes

Enero 92 Julio 84
Febrero 83 Agosto 81
Marzo 66 Septiembre 75
Abril 74 Octubre 63
Mayo 75 Noviembre 91
Junio 84 Diciembre 84
Qué pasa si para el cuadro anterior queremos
proyectar enero?
... Será la misma que en diciembre?
... Será la misma que el mismo mes, un año atrás?25

Promedios móviles
Enero 92 Julio 84
Febrero 83 Agosto 81
Marzo 66 Septiembre 75
Abril 74 Octubre 63
Mayo 75 Noviembre 91
Junio 84 Diciembre 84
Cálculo sobre la base de 3 meses: enero ƒ (dic.,nov. y oct):
63 + 91 + 84
= 79
3
Si enero resultó 90 y no 79, para febrero será:
91 + 84 + 90
= 88 26
3

13
 Promedios Móviles
Pueden ser usados para filtrar la variación
aleatoria
Períodos más largos suavizan la variación
aleatoria
Si existe tendencia, ésta será difícil de
detectar
El cálculo puede complicarse cuando se usan
más períodos

27

Peso de los datos incluidos

Mes Demanda
1 1000
2 2000
3 3000
4 4000
5 5000

¿Cómo calcular Junio?

Promedio móvil cinco períodos :
1000 + 2000+ 3000+ 4000+ 5000 = 3000 3000 vs. 5000?
5
Promedio móvil tres períodos :
3000 + 4000+ 5000 4000 vs. 5000?
= 4000 28
3

14
 Promedios Móviles
Cuántos más datos se incluyan, más peso
tendrán los datos anteriores y menos peso
tendrán los datos actuales.

Es aconsejable para demandas estables

con poca tendencia o estacionalidad

29

Alisado Exponencial
Técnica mas útil para pronostico de corto plazo,
requiere cantidad mínima de datos.
Es la mas precisa entre los modelos.
Es auto adaptable a los cambios de la información
pronosticada.
Es como el promedio móvil pero las observaciones
pasadas no reciben la misma ponderación.
Solo requiere el pronostico del periodo mas
reciente y a la demanda real para el periodo actual
,para tener el pronostico de demanda del periodo
siguiente.
30

15
 Alisado Exponencial
Da los mismos resultados que los promedios móviles, sin tener que
guardar tantos datos, no se necesitan tantos datos de la historia.

Permite realizar el cálculo basándose en el pronóstico ya

realizado y en los nuevos datos
Si en el ejemplo anterior calculamos Enero como
promedio de los seis meses anteriores obtendremos 80 y si
la demanda real es 90, con esto febrero nos dará 85.
= (0,50) x 80 + (0,50) x 90 = 85
Con esto damos menor peso a enero y 90% al resto ∴
Febrero = (0,10) x 90 + (0,90) x 80 = 81
Nuevo Pronóstico = (α) x demanda real + (1- α) x
x pronóstico anterior 31

Alisado Exponencial
Provee un método rutinario para actualizar
el pronóstico de los items
Es útil para actualizaciones regulares
Trabaja bien con ítems estables y pronósticos
de corto plazo
Detecta tendencias pero las retrasa
Para calcular α usar simulaciones por
computadora ( no mas de 0,4 )
Es satisfactorio para pronósticos de corto
plazo 32

16
 Alisado Exponencial
La elección de α requiere un grado de
discernimiento.
Cuanto mas alto α mayor sera la
ponderación que se otorgue sobre los valores
mas recientes de la demanda.
Pero cuanto mas alto sea puede traer valores
que tomen valores aleatorios en la serie de
tiempo.
Los mas usados son entre 0,1 y 0,3
33

34

17
 Estacionalidad
Mide la variación por las estaciones del año
en la demanda de un producto
Relaciona la demanda promedio en un
período particular con la demanda promedio
para todos los períodos

Promedio de Ventas para el Período

Indice de Estacionalidad =
Ventas Promedio para Todos los Períodos

35

Estacionalidad
⌦ Característicos de ciertos productos: pieles,
cortadora de pasto, trajes de baño, adornos para
árboles de navidad....

⌦Hay variaciones estaciónales diarias o semanales:

demanda eléctrica, compras en supermercados...

⌦El índice estacionalidad mide la cantidad de

variación estacional de un producto. Estima cuanto
la demanda durante un periodo, estará arriba o por
debajo de la demanda promedio. 36

18
 Estacionalidad
Indice Estacional
Demanda Promedio Período históricos
Demanda Promedio todos Períodos

Demanda Promedio todos Períodos =

Demanda Desestacionalizada

Demanda Promedio Periodo

Demanda Desestacionalizada =
Indice Estacional

37

Pronósticos Estacionales
Demanda Estacional (Demanda Promedio del Periodo) =
= Índice estacional x Demanda desestacionalizada
Ejemplo:
La compañía pronostica 420 para el año próximo.
Calcular la demanda por trimestre para el año próximo la
demanda promedio del trimestre es 100
Año Trimestre
1 2 3 4 Total
1 122 108 81 90 401
2 130 100 73 96 399
3 132 98 71 99 400
Promedio 128 102 75 95 400 38

19
Cálculos: Demanda Pronosticada por Trimestre

Indice Estacional 1T = 128/100 =1,28 Suma de

Indice Estacional 2T = 102/100 =1,02
Indice estacional 3T = 75/100 =0,75
los índices
Indice estacional 4T = 95/100 =0,95 = 4.00
Demanda desestacionalizada para el trimestre = 420/4 = 105

Demanda Esperada por Trimestre

1 T = 105 x 1,28 = 134, 4
2 T = 105 x 1,02 = 107, 1
3 T = 105 x 0,75 = 78,75
4 T = 105 x 0,95 = 99,75
Total = 420 unidades 39

Ejercicio :
Si una compañía que vende camperas de ski
tiene una demanda en enero de 5200
unidades y en julio de 24000 unidades y el
índice estacional de enero es 0,5 y el de julio
2,5...

¿Cómo se comparan las dos demandas

desestacionalizadas?

40

20
 Demanda desestacionalizada =
Respuesta: = 5200 ÷ 0,5 = 10400 u (Enero)
= 24000 ÷ 2,5 = 9600 u (Julio)

• Se debe usar información

desestacionalizada

• Pronosticar demanda desestacionalizada

y no estacionalizada

•Aplicar el índice de estacionalidad

41

Ejemplo: Alisado Exponencial

Una compañía usa alisado exponencial para la demanda de
sus productos. En abril, la demanda desestacionalizada fue
de 1000 y la demanda real fue de 1250. El índice estacional
de abril es de 1,2 y de mayo es de 0,7. Si α = 0,1 calcular:

a) la demanda desestacionalizada real para abril

b) la demanda desestacionalizada para mayo
c) la demanda estacionalizada en mayo

42

21
Respuesta: Alisado Exponencial
a) Demanda desestacionalizada real para abril
= Demanda real / índice estacional =1250 = 1042
1,2

b) Demanda desestacionalizada para mayo

= α (ultima demanda real) + (1-α) pronóstico anterior

= 0,1 x 1042+ 0,9 x 1000 = 1004

c) pronóstico estacionalizado mayo

= 0,7 x 1004 = 703
43

Problema

44

22
 Problema
Calcular el Índice de Estacionalidad para cada Mes
Demanda Indice de
Mes Promedio Estacionalidad
Enero 20 0,20
Febrero 40 0,40
Marzo 75 0,75
Abril 100 1,00
Mayo 115 1,15
Junio 235 2,35
Julio 245 2,45
Agosto 125 1,25
Septiembre 100 1,00
Octubre 80 0,80
Noviembre 50 0,50
Diciembre 15 0,15
Total 1.200

45

Seguimiento
del Pronóstico

46

23
 Seguimiento del Pronóstico
El pronóstico está casi siempre mal:
Algunas razones atribuidas al actuar humano y
otras al comportamiento de la economía.
¿Por qué monitorear el pronóstico?
∼ Para medir la demanda real vs. el pronóstico

∼ Para mejorar el método de pronóstico

∼ Para planificar el futuro teniendo en cuenta el

error
“Es el proceso de comparar la demanda real
con la demanda pronosticada”
47

Seguimiento del Pronóstico

Error de pronóstico:
La diferencia entre la demanda real y la pronosticada
Sesgo (BIAS):
Es un error sistemático por el cual la demanda real está
consistentemente por encima o por debajo de la demanda
pronosticada
El sesgo existe cuando la demanda real acumulada se separa del
pronosticado acumulado. Esto quiere decir que la demanda
promedio pronosticada estará mal
Cuando es detectado hay que determinar la causa para eliminarlo

Variación Aleatoria:
La variabilidad dependerá del patrón de demanda
del producto.
48

24
 Error de Pronóstico: Sesgo

Mes Pronóstico Real

Mes Acum Mes Acum
1 100 100 110 110
2 100 200 125 235
3 100 300 120 355
4 100 400 125 480
5 100 500 130 610
6 100 600 110 720
Total 600 600 720 720

49

Error Sistemático / Sesgo (BIAS)

800-
700- Real
Pronosticada
600-
Demanda

500-
400-
300-
200-
100-
0 mes
0 1 2 3 4 5 6
50

25
 Errores
del Pronóstico

51

Desviación Media Absoluta (MAD)

Es una manera de medir el error del
pronóstico. Se calcula con la suma de
todos los errores absolutos y se divide por
la cantidad de datos.
“Mide la diferencia (error) entre la
Demanda Actual y el Pronóstico”
Media : implica un Promedio
Absoluta : significa sin tomar negativos o positivos
Desviación : se refiere al Error
52

26
 Ejemplo : Desviación Media Absoluta (MAD)
Mes Pronóstico Real Variación Variación
(Error) Absoluta
1 100 105 5 5
2 100 94 -6 6
3 100 98 -2 2
4 100 104 4 4
5 100 103 3 3
6 100 96 -4 4
MAD= 24 = 4
Total 600 600 0 24
6

53

Problema
¿Cuándo debería ser revisado el Pronóstico?
MAD = 15
Disparador =
Demanda Desvío Señal de
Período Pronóstico Real Desvío Acumulado Seguimiento
1 100 110
2 105 90
3 110 85
4 115 110
5 120 105
6 125 95

54

27
 Cálculo

55

Problema
¿Cuándo debería ser revisado el Pronóstico?
MAD = 15
Disparador =
Demanda Desvío Señal de
Período Pronóstico Real Desvío Acumulado Seguimiento
1 100 110 10 10 0,67
2 105 90 -15 -5 -0,33
3 110 85 -25 -30 -2,00
4 115 110 -5 -35 -2,33
5 120 105 -15 -50 -3,33
6 125 95 -30 -80 -5,33

56

28
 Desvío Estándar
Cálculo del desvío estandar
MAD = 15
Disparador =
Pronóstico de Cuadrado del
Período Demanda Demanda Real Desvío Desvío
1 1.000 1.200 200 40.000
2 1.000 1.000 0 0
3 1.000 800 -200 40.000
4 1.000 900 -100 10.000
5 1.000 1.400 400 160.000
6 1.000 1.100 100 10.000
7 1.000 1.100 100 10.000
8 1.000 700 -300 90.000
9 1.000 1.000 0 0
10 1.000 800 -200 40.000
Total 10.000 10.000 400.000

Promedio de los Cuadrados del Desvío: 40.000

Desvío Estándar (Sigma): 200

Distribución Normal x + 1 Sigma = 68,26%

x + 2 Sigma = 95,44% 57
x + 3 Sigma = 99,74%

Usos del MAD

1) Señal de seguimiento =
Suma algebraica de los errores de Pronóstico
MAD

2) Stock Seguridad
La información puede usarse como base para establecer el stock de
seguridad
3) En distribución normal donde va estar nuestro error:
+/- 1 MAD estamos en promedio el 60 % del tiempo
+/- 2 MAD estamos en promedio el 90 % del tiempo
+/- 3 MAD estamos en promedio el 98 % del tiempo
58

29
 Usos del MAD (cont.)
Ejemplo: Una compañía usa un valor gatillo de + 4
para decidir revisar un pronóstico. Determinar dónde
debe revisarse. MAD = 2
Periodo Pronóstico Real Desviación Desviación Señal
Acumulada Seguimiento
Desviaciación acumulada anterior: 5 DA/MAD = 2,5
1 100 96 - 4 1 0,5
2 100 98 - 2 - 1 - 0,5
3 100 104 +4 +3 1,5
4 100 110 +10 +13 6,5

El Período 4 se debe revisar dado que : 6,5 > + 4

59

Claves de Pronostico
El pronostico debe ser seguido controlado.
Es razonablemente medible su error
Cuando tenemos un error razonable en los
pronósticos de demanda por medio de la
investigación debemos descubrir la causa de
ese error.
Si no hay una aparente causa para el error,
el método de pronostico debería rever si no
hay una mejor forma de pronosticar
60

30
 10 Falacias del Pronóstico (1)

•En muchas empresas se culpa a los pronósticos de tener muchas

deficiencias. Raramente se justifican

•Pronosticar no es hacer planificación de inventarios. Son dos

actividades separadas

•Tener el método adecuado de calcular inventarios es mucho más

importante que un método correcto de pronosticar. Mucho más
importante

•No existen los pronósticos perfectos. Pronosticar 5 caras en 10 tiros

de moneda es un buen ejemplo
61
•Los pronósticos “perfectos” están mal la mayoría de las veces

10 Falacias del Pronóstico (2)

•Con un método “óptimo” de pronóstico se pueden hacer solamente

pequeñas mejoras

•Aunque se pueda pronosticar la demanda futura, no se la puede

conocer. Cuando se la conoce ya no es un pronóstico sino una orden
de pedido

•El aspecto más importante de cualquier inventario es el servicio que

brinda y el capital que requiere. Nada es más importante

•La mayoría de los inventarios requieren de una gran cantidad de

capital y dan a cambio muy poco servicio
62
•Es mejor estar “aproximadamente bien” que correctamente mal

31
 Clínica
de
Forecasting
y
Sesión de Autodiagnóstico

63

Para Mejorar la Integración

Funcional, las Compañías Deberían:
Reconocer a Forecasting como una función
Separada.
Fortalecer:
∼ Objetivo único en Forecasting
∼ Comunicaciones
∼ Acceso a Información Cross-Funcional
Recompensar Performance.
66

32
 Para Mejorar el Enfoque, las
Compañías Deberían:
Conciliar Pronósticos
Conciliar Plan de Negocios & Forecast.
Segmentar Clientes Clave (Pronósticos
Separados o VMI inventario manejado por el
vendedor).
Segmentar Productos.
Entender las Reglas de Juego.
Respaldo del Top Management.
Entrenamiento & Capacitación. 67

Para Mejorar Sistemas, las

Compañías Deberían:
Eliminar “Islas de Análisis”.
Un dueño de la Base de Datos y de los
Sistemas de Información.
Personalizar Pantallas & Informes Impresos.
EDI en clientes clave.

68

33
Para Mejorar la Performance de las
Mediciones, las Compañías Deberían:
Medir exactitud en los niveles relevantes a
las funciones.
Indicadores Gráficos y Estadísticos.
Indicadores Multi Dimensionales.
∼ Exactitud.
∼ Costos de la Supply Chain.
∼ Servicio al Cliente.
69

Medición de Performance:
Algo más que Exactitud
Lo que se mide, se puede recompensar y lo
que se recompensa, se hace.

70

34
La Clave para el Uso de Técnicas de
Forecasting

Exactitud

Series Cronológicas Regresión Cualitativa

71

En Resumen:
Claves para el Management
Efectivo del Forecasting
Forecasting no es Planning.
Pronosticar la Demanda, no el Supply.
Comunicar, Coordinar, Colaborar.
Eliminar “Islas de Análisis”.
Utilizar las herramientas con Conocimiento.
Darle Importancia.
Medir, Medir, Medir.
72

35
 Principios para un Sistema de
Forecast de Ventas.
Los sistemas deben ser un vehículo de comunicación
entre los usuarios y los que desarrollan el pronóstico.
La herramienta se debe amoldar al problema y no a la
inversa.
Los sistemas complejos de pronósticos, deben aparecer
como simples al usuario.
Piense en un conjunto de técnicas y no en una técnica
aislada.
Incluir técnicas cualitativas, series cronológicas y
análisis de regresión.
Interactuar con el sistema para decidir la importancia
de la técnica. 73

12 Principios
de los Pronósticos

74

36
 1. Los pronósticos de ventas se hacen en
casi todas las empresas que producen
o venden productos. El desafío es
hacerlos bien, mejor que la
competencia

75

2. Mejores pronósticos permiten mejorar el

servicio al cliente, disminuir inventarios,
programar mejor las operaciones, trabajar
más en colaboración con los proveedores y
consecuentemente, vender más

76

37
 3. El pronóstico se origina en Marketing y
Ventas. Son los dueños y también los
responsables de su desarrollo, autorización
y ejecución.

77

4. El pronóstico se debe desarrollar a partir de

información amplia o macro como:

perspectivas económicas,
tendencias de la industria,
participación de mercado (market share),
etc

78

38
 5. Los resultados se mejoran con
mejores procesos y mejores procesos
de pronóstico producen mejores
pronósticos

79

6. La mejor forma de aumentar la

exactitud del pronóstico es
concentrarse en reducir el error del
pronóstico

80

39
 7. El sesgo es uno de los peores errores
en la generación del pronóstico. Hay
que trabajar para lograr sesgo cero.

81

8. Se debe pronosticar el volumen y gerenciar

el mix. Siempre que sea posible,
pronosticar al nivel más alto y más
agregado. Solamente hacer pronóstico de
detalle cuando sea imprescindible

82

40
 9. Un solo pronóstico y varias
perspectivas. Es mejor generar un
único pronóstico con la capacidad de
mostrarlo de diferentes maneras
según el uso que se necesite.

83

10. Tan pronto como sea posible, reemplazar

lo desconocido con datos conocidos.
Las “cuotas” son más ciertas que los
pronósticos,
los compromisos mejores que las cuotas y
las órdenes de compra, mejores que los
compromisos

84

41
 11. Se trabaja mucho mejor cuando la
gente colabora y se comunica, que con
todas las fórmulas y algoritmos que se
puedan desarrollar.

85

12. Mejores procesos producen mejores

resultados. Mejores procesos de
producción, de compras y de
programación ayudan a mejorar los
resultados pues reducen lead times,
permiten un horizonte más corto de
pronóstico y disminuyen las condiciones
de error.

86

42
 Técnicas para
lograr mejores pronósticos

87

1. Las Series de Tiempo se desarrollan

extrapolando tendencias,
estacionalidades y variaciones cíclicas
pues se asume que su comportamiento
es predecible y tendrán efectos
similares cada vez.

88

43
 2. Los modelos de Regresión y los
Econométricos trabajan aislando los
componentes individuales que
originan la demanda para generar el
modelo de demanda.

89

Estos modelos tienen una limitación

importante: es imposible incluir toda la
información clave y esa información
puede cambiar imprevistamente

90

44
 Se debe cambiar la forma en que se
usa el pronóstico, no la forma en
que se hace. Se necesitan mejores
procesos, resistentes a los
pronósticos inexactos

91

Algunas formas de comenzar….

92

45
 1. Reconocer el cambio.

Reconocer la variabilidad de las

situaciones.
Tales cambios no siempre se
pueden pronosticar

93

2. Diseñar pensando en la Flexibilidad.

Infraestructura
Proveedores
Diseño de Productos/Servicios
Cambio de escala

94

46
 3. Estandarizar Productos

No es perder flexibilidad
Significa cambios incrementales
Capacidad de cambiar volúmenes
según demanda

95

4. Segmentar Productos

Productos más estables que otros

Programa estándar por producto

96

47
 5. Posponer (Postponement)
Más posible y más importante que antes
Tecnología para FAS Final Assembly
Schedule o Cronograma de ensamble final
más cercano al punto de demanda
Mover el Pronóstico aguas arriba (hacia los
componentes más estándar)

97

6. Trabajar con lotes pequeños

Cuanto más corto el período, mejor

el pronóstico.
Vehículos más pequeños, envíos más
frecuentes
Lotes más pequeños, más velocidad
para llegar al mercado
98

48
 7. Más velocidad de transferencia de
información
Rapidez y confiabilidad
Información disponible de clientes
Ingreso único de datos, donde se
producen
Rapidez y mejor información para
elaborar pronósticos
99

8. Redefinir reglas del negocio

Diferencia entre “fast movers” y

“slow movers”
Ubicarlos según demanda: más
pedidos, más cerca. Menos frecuentes,
más centralizados

100

49
 9. Seguimiento Política Internacional

Aspectos que aumentan riesgo

Política
Inestabilidad social
Nunca serán pronosticados por los
modelos

101

10. Reconocer el Objetivo

El pronóstico es siempre una
herramienta, útil para ayudar
Los softwares ofrecen ayuda, pero
nunca serán 100% exactos
Operaciones debe focalizarse en recrear
procesos con output estándar aún con
información inexacta
102

50
 Ejercicios para el hogar:
1 Calcule la demanda desetacionalizada

Demanda
Trimestre Demanda Actual índice estacional desestacionalizada
1 130 0,62
2 170 1,04
3 375 1,82
4 90 0,52
Total

103

Ejercicios para el hogar:

El viejo pronostico desestacionalizado es 100 unidades
α = 0,2
La demanda actual para el último mes fue 130 unidades
Si el índice estacional para el último mes es de 1,2 y el del próximo
mes es 0,9
Calcular:
a – La demanda actual desetacionalizada para el último mes
b – El pronostico desestacionalizado para el próximo mes usando
alisado exporencial.
c – El pronostico de la demanda actual para el próximo mes

Respuesta:
A 108
B 101.6
C 91.4
104

51
 Ejercicios para el hogar:
Usando alisado exponencial calcular los
pronósticos para los meses 2,3,4,5 y 6 con una
constante exponencial de 0,2 y el último
pronostico para el mes 1 es de 245
Mes Demanda Actual Pronostico de Demanda
1 250
2 230
3 225
4 245
5 250
6
105

52