Pronósticos de demanda

Universidad del Cauca

Facultad de Ciencias Agrarias
Programa Ingeniería Agroindustrial
M.Sc. Silvio Andrés Mosquera Sánchez
 Concepto y
aplicaciones

Método Estadístico que analiza los datos históricos de la demanda,

para suministrar un valor estimado de esta misma en un futuro.
Planeación de la producción

Planeación financiera

Control de procesos

Planeación de inversiones

Planeación de servicios

Administración de inventarios

Los pronósticos de demanda siempre estarán errados; la clave radica en conocer a fondo los errores
del pronóstico y responder a ellos en forma adecuada mediante la utilización de inventarios de
seguridad
 Objetivos

Inferir mediante herramientas matemáticas y

cualitativas, cual será el comportamiento de la(s)
variable(s) de interés de un proceso en el futuro.

Conocer la variabilidad del proceso.

Determinar el tipo de patrón que sigue el

proceso (uniforme, con tendencia, estacional,
errático, etc.)
Establecer herramientas de control, que
mantengan el proceso dentro de ciertos límites
especificados.

Reducir costos por inventarios excesivos.

Reducir las pérdidas por no tener inventario

disponible.
 Elementos para
implementación

Sistema efectivo
Un sistema de pronósticos puede tener diversos objetivos y
01 puede involucrar varias etapas de la cadena de suministro.
Comprender
Planeación de capacidad, planeación de producción, mercadeo objetivo
02 y las promociones y las actividades de compras (Integración a
nivel del sistema de información y del personal).
Demanda vs
Factores como demanda (no ventas), suministro (Lead Time) y Pronóstico
03 fenómenos relativos a los productos (interrelaciones entre
productos y pronóstico conjunto).
Factores
Agrupar clientes por similitudes en niveles de servicio, incidentes
04 frecuencia de órdenes, volatilidad de la demanda y
estacionalidad. Utilizar diferentes métodos por segmento Segmentación
Comprender los aspectos relevantes para el sistema de clientes
05 pronósticos, tales como el área geográfica, los grupos de
productos y la segmentación de clientes. Técnica
apropiada
Put Text
Medir los errores del pronóstico Here
provee de una poderosa
06 herramienta de control de inventarios.
Medir error
 Elementos de
tiempo

Unidad básica de tiempo para la cual será

realizado el pronóstico. Por ejemplo, para
una semana.

Período Número de períodos en el futuro que

serán cubiertos por el pronóstico. Por
ejemplo, para las próximas diez semanas.

Horizonte Es la frecuencia con que el nuevo

pronóstico será preparado. A menudo,
coincide con el período del pronóstico.
Intervalo
 Demanda No
Servida
n

x t
Semana Demanda
Semana Ventas Demanda promedio d  t 1
n 1 10
1 10
Demanda promedio  3,08 unidades 2 9
2 9
n
3 3  (x t  xt ) 2
3 3

4 5 Desviación estándar  d  t 1 4 5
n 1 5 3
5 3 Desviación estándar  3,40 unidades
6 3
6 3 n
7 0 x t
7 4

8 0 Demanda promedio d  t 1 8 7
n 9 3
9 0
Demanda promedio  4,67 unidades 10 5
10 0
n

 t t
11 2
11 2 ( x  x ) 2

12 2
12 2 Desviación estándar  d  t 1
n 1
Desviación estándar  2,67 unidades
 Causas de
imprecisión
Utilización de Utilización de
datos poco datos de ventas y Sesgos en los
confiables no de demanda pronósticos

Selección del
período

Velocidad de Comportamiento Casos especiales

respuesta al de los de demanda
cambio proveedores
 Efectos
imprecisión
Reducir variabilidad e incertidumbre

Mejorar pronóstico

Coordinar reabasto y entregas

Capacidad de reserva

Minimizar efecto bullwhip

Estrategias especiales:
postponement, VMI, CPFR
 Indicadores
eficiencia

• Comparar • Recursos
2 o más necesarios
técnicas • Velocidad
• Confiabilidad

Precisión Costo

Estabilidad
Utilidad
y
resultados • Conveniencia
respuesta
• Confiabilidad modelo
• Variabilidad • Intervención
demanda humana
 Clasificación ABC
vs Pronósticos
Características Ítems Políticas de control Métodos de control
clase A
 Relativamente pocos  Control estricto con supervisión personal  Monitoreo frecuente y continuo
ítems (muy importantes)  Comunicación directa con la  Registros precisos
 El mayor porcentaje del administración y los proveedores  Suavización exponencial doble
volumen de ventas ($)  Aproximación a JIT  Políticas basadas en el nivel
 Cubrimiento de existencias entre 1 y 4 de servicio al cliente
semanas
Características Ítems Políticas de control Métodos de control
clase B
 Ítems importantes  Control clásico de inventarios  Sistema de control
 Volumen de ventas ($)  Administración por excepción computarizado clásico
considerable  Cubrimiento de existencias entre 2 y 8  Suavización exponencial

semanas simple
 Reporte por excepciones
Características Ítems Políticas de control Métodos de control
clase C
 Muchos ítems  Supervisión mínima  Sistema de control simple
 Bajo volumen de ventas  Pedidos bajo orden  Promedio móvil (aceptar el
(en $)  Tamaños de orden grandes pronóstico)
 Pocos movimientos o  Políticas de cero o de alto inventario de  Evitar agotados y exceso de
ítems de muy bajo valor seguridad inventarios
unitario  Cubrimiento de existencias entre 3 y 20  Larga frecuencia de ordenes

semanas  Sistema automático

 Patrones de
demanda

120

100
Unidades

80
Item 1
60 Lineal (Item 1)

40 Lineal (Item 1)

20

0
1 3 5 7 9 11 13 15 17 19 21 23
y = 0,207x + 66,413
SEMANAS
R2 = 0,0051

Demanda perpetua o uniforme

 Patrones de
demanda

250

200
UNIDADES

150
Item 2

100 Lineal (Item 2)

50

0
1 3 5 7 9 11 13 15 17 19 21 23 y = 6,2343x + 34,029
2
SEMANAS R = 0,8215

Demanda perpetua creciente

 Patrones de
demanda

30

25
20
Demanda

15
10

5
0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89
y = -0,0782x + 14,026
Semana
R2 = 0,1205

Demanda decreciente
 Patrones de
demanda

Demanda estacional
 Patrones de
demanda

60
50

40
Demanda

Serie2
30
Lineal (Serie2)
20

10
0
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 y = 0,3273x + 10,012
2
Semana R = 0,5277

Demanda creciente y luego uniforme


Patrón de demanda Concepto
Perpetua o uniforme
Con tendencia creciente Es el componente de largo
o decreciente plazo que representa el
crecimiento o disminución en la
serie sobre un periodo amplio.
Estacional o periódica Es un patrón de cambio que se
repite a sí mismo periodo tras
periodo
Demandas altamente
correlacionadas
Errática (ítems de clase A No muestra un patrón definido
de bajo movimiento) de comportamiento en el
tiempo de la evaluación
Selección
modelo
Sistema de pronóstico
recomendado
Promedio móvil o suavización
exponencial simple
Suavización exponencial doble
Modelos periódicos de Winters
Métodos integrados de promedios
móviles auto-regresivos (ARIMA)
Pronóstico combinado de tiempo entre
la ocurrencia de demandas
consecutivas y la magnitud de las
transacciones individuales (Método de
Croston y variaciones)
 Presición
(error): cálculo

Error del pronóstico et = xt - x̂t

Error absoluto et = xt - x̂t

Error cuadrático e = ( xt - x̂t )
2 2
t

Donde;
et = error del pronóstico de demanda para el periodo t,
xt = valor real de la demanda en el periodo t,
x̂t = pronóstico de demanda para el periodo t, realizado
a lgún tiempo antes
 Presición
(error): cálculo
Desviación Absoluta Media
n

x t  xˆt
MAD  t 1
n
Error Cuadrático Medio ( ECM )
n

 t t
( x  ˆ
x ) 2

ECM  t 1
n
MAD: es el promedio de los errores absolutos sobre un número determinado de
periodos.
ECM: es el promedio de los errores cuadráticos sobre un número determinado
de periodos
 Presición
(error): cálculo

Estimación de la desviación estándar de la demanda sobre el

periodo básico del pronóstico

 e  1,25 * MAD, asume normalidad

 e  ECM , válido para cualquier distribuci ón
Estimación de la desviación estándar de la demanda sobre el
periodo básico del pronóstico

 
 L   e L para sistema de revisión continua
 
 R  L   e R  L para sistema de revisión periódica
 Inventario
seguridad:
cálculo
 
IS  k  L  k  e L, para sistema de revisión continua
 
IS  k  R  L  k  e R  L, para sistema de revisión periódica
k  1,65 para Nivel de servicio del 95%
1,96 para Nivel de servicio del 97,5%
2,33 para Nivel de servicio del 99%
 Comportamiento
demanda
 demanda
Coeficiente de Coeficiente de Variación de la Demanda 
X demanda
Variación de la
Demanda Si CVD es  1, el comportamiento es errático
Si CVD es  1, el comportamiento es estacionario o perpetua

Ecuación de Regresión lineal

x, y: variables
a, b: constantes
37,65= Pendiente de la recta (variación en
Y por cada unidad de variación en X)
-33,67 (b)= ordenada en el origen, donde
la recta se intercepta con el eje Y.
Coeficiente de regresión
0,024= R2= indica la relación entre las
variables alcohol y calorías (en este caso
hay poca relación entre ellas)