Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Planeación demanda
[1] Achiving Forecasting Excellence, A “ Sales forecasting way “ proposal, Guidelines for SABMiller.
Planeación de Demanda
Descripción del proceso
[1] HOPP, Wallace. Spearman, Mark, Factory Physics, Foundations of Manufacturing Management, Mc Graw Hill, Segunda edición, 2000 Capitulo 5, Pag . 169.
[2] CRUM, Sunil y Meindl Peter. Demand Management Best Practices, Process, Principles and Collaboration, Boca Ratón Florida, Ed 1, 2003.
Planeación de Demanda
Integración con otros procesos
¿Qué se logra con la integración?...
Desempeño
Desempeñodel Pronóstico
del Pronóstico Planel
vs elvs dePlan de Demanda
Demanda
450
400
El plan de demanda se
aproxima mucho más a la
venta real que el solo 350
modelo estadístico
300
250
Actividad
promocional 200
150
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Tiempo
Pronóstico estadístico Plan de Demanda Ventas
Planeación de Demanda
Contexto
[1] Achiving Forecasting Excellence, A “ Sales forecasting way “ proposal, Guidelines for SABMiller.
Planeación de Demanda
Entradas del proceso de planeación de demanda
Condiciones de Mercado
– Acciones de la Competencia
– Preferencias del consumidor
– Ciclos de vida del producto
– Estación
– Plan de la compañía
Capacidad física
Pronósticos a Plan de Ventas
de la Planta
Largo Plazo
Planeación de Planeación de
materiales Capacidad Programación de
equipo y de mano
de obra
Ciclo de Control de
materiales Capacidad
CHOPRA, Sunil y Meindl Peter. Supply Chain Management. Strategy, Planning and
Operation. New Jersey: Upper Saddle River. Segunda edición, 2004.
Planeación de Demanda
Rol de planeación de demanda
Pronósticos estadísticos trabajan bien; las causas de variación de demanda son desconocidas (independencia y
aleatoriedad).
Planeación de Demanda
Los datos
Tipos de Demanda
Demanda Dependiente (Componentes)
Altamente sesgados por condiciones de “no aleatoriedad”, estos pronósticos son consecuencia de un proceso previo. Ej:
Planificación de materiales.
Cerveza
Producto terminado
Club Colombia
Etiqueta
Botella
Planeación de Demanda
Los datos
• De producto:
• De lugar geográfico:
• De tiempo:
Planeación de Demanda
1-) Cargar datos
históricos
Ciclo de
Línea base
Planeación de Demanda* 2-) Limpieza de estadística
Datos
3-) Estrategia de
pronósticos
Retroalimentación al
8-) Publicación/Presentación sistema de acuerdo
de pronósticos y
cierre de periodo. al desempeño
7-) Reconciliar (+/-)
pronóstico
9-) Evaluación de desempeño
de pronóstico (error – sesgo)
Modificación obtenida de BALLOU, Ronald. Business Logistics Management. Planning, Organizing, and Controlling the Supply Chain, New Jersey: Prentice Hall,
Cuarta edición, 1999. propuesto, Planeación de demanda Bavaria.
Ciclo de Planeación de Demanda
5.) Generación del Plan de Demanda
Información de Análisis
Mercadeo Estadístico
Información
Comercial
Información del
consumidor Plan de Demanda:
Horizonte 1-18 meses
**CRUM, Sunil y Meindl Peter. Demand Management Best Practices, Process, Principles and Collaboration, Boca raton Florida, Ed 1 , 2003 .
Ciclo de Planeación de Demanda
6.) Pronóstico de Juicio
?
¿Qué hay de nuevo en el entorno?
¿Tecnología?
¿Qué es similar hoy al pasado?
¿Prácticas de negocio?
¿Reglas?
¿Competencia?
Control de Pronóstico
Entender el causal de la
sobreventa
Informar a la
Reportar demanda anormal a la administración la
cadena de suministros demanda anormal
Componentes
Tiempo
Tiempo
Irregularidad: Cambio repentino en el nivel de ventas debido a una causa atribuible. Ej: huelga
Planeación de Demanda
Componentes
Componentes de las series de tiempo. Tendencia
Cantidad
Tiempo
Tendencia: Valores de la serie incrementales o decrementales a lo largo del tiempo.
Planeación de Demanda
Componentes
Componentes de las series de tiempo. Estacionalidad
Cantidad
1 Año
| | | | | | | | | | | |
J F M A M J J A S O N D
Mes
Estacionalidad: Valores de la serie que consistentemente muestran picos
y valles al interior de un año.
Planeación de Demanda
Componentes
Componentes de las series de tiempo. Ciclicidad
Cantidad
| | | | | |
1 2 3 4 5 6
Años
Ciclicidad: Valores de la serie que revelan un incremento o decremento
gradual sobre grandes periodos de tiempo (más de un año)
Planeación de Demanda
Componentes
Comportamiento estacional Aditivo
Comportamiento Aditivo
Demanda
| | | | | | | | | | | | | | | |
0 2 4 5 8 10 12 14 16
Período
Planeación de Demanda
Componentes
Comportamiento estacional Multiplicativo
Modelo Multiplicativo
Demanda
| | | | | | | | | | | | | | | |
0 2 4 5 8 10 12 14 16
Período
Planeación de Demanda
Estudio de los métodos de pronósticos
Componentes
Enfoque Cualitativo
– No hay datos del pasado disponibles
– Apropiado para pronósticos de tecnología, nuevos productos,
cambios en las preferencias del consumidor, etc.
Enfoque Cuantitativo
– Historia de ventas es disponibles
– Diseño del producto es estable.
Planeación de Demanda
Métodos de series de tiempo
De corto plazo
Por su plazo
De largo plazo
Micro
Según el entorno a pronosticar
Macro
Cualitativo
Según el procedimiento empleado
Cuantitativo
Planeación de Demanda
Métodos de series de tiempo
Media Móvil
Sem Ventas
450 —
1 400
2
430 — 380
3 411
Ventas
4
410 — 415
F4=(400+380+411)/3
390 — = 397
F5=(380+411+415)/3 = 402
370 —
Ventas
| | | | | |
0 5 10 15 20 25 30
Semana
Planeación de Demanda
Métodos de series de tiempo
Sem Demanda
1 400
2 380
3 411
4 415
5 ?
Planeación de Demanda
Métodos de series de tiempo
Media
Media Móvil Móvil ponderada. Ejercicio
Ponderada
Periodo de Tiempo
3 semanas
Peso
450 — Media Móvil 6-Sem Pronóstico de
t Pronóstico .70 Media Movil Ponderada
t-1 .20
t-2 430 — .10
F4 = 0.70(411) + 0.20(380) + 0.10(400) = 403.70
F5 =410 —
0.70(415) + 0.20(411) + 0.10(380) = 410.70
Ventas
390 —
370 — Ventas
| | | | | |
0 5 10 15 20 25 30
Semanas
Planeación de Demanda
Métodos de series de tiempo
Suavizado Exponencial, = 0.10
Suavizado Exponencial
F t +1450 t + (At – Ft )
= F—
Shipment arrivals
F1 = 400.00
430 —
F2 = 400+0.10(400-400) = 400.00
F3 = 400+0.10(380-400) = 398.00
F4 =410 —
398+0.10(415-398) = 399.30
F5 = 399.30+.10(415-399.3) = 400.87
390 —
370 —
| | | | | |
0 5 10 15 20 25 30
Semanas
Planeación de Demanda
Métodos de series de tiempo
Métodos causales. Regresión lineal simple
Y de la
regresión
{ Actual
Valor de Y
Valor de X usado
para estimar Y
X
Variable independiente
Planeación de Demanda
Métodos de series de tiempo
Algoritmo de descomposición
Estos algoritmos son empleados para encontrar los principales parámetros de las series son aplicables cuando la serie presenta un conjunto
de patrones o componentes entremezclados. El método o técnica supone que la serie contiene 4 componentes: Tendencia (T), Estacional (E),
Car_Sales
Car_Sales
Car_Sales
Car_Sales
Cíclico (C), e Irregular (I). Además se supone que dichos componentes afectan la serie en forma multiplicativa:
Car_Sales
Yt =Car_Sales
Tt * Ct * Et * It
5000
5000
5000
5000
5000
5000
4000
4000
4000
4000
4000
4000
3000
3000
3000
3000
3000
3000
Units
Units
Units
Units
Units
Units
2000
2000
2000
2000
2000
2000
1000
1000
1000
1000
1000
1000
0000
00
1411
4744
777
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
8282
85
8888
1
1
4
4
7
7
10
10
10
13
13
13
16
16
16
19
19
19
22
22
22
25
25
25
28
28
28
31
31
31
34
34
34
37
37
37
40
40
40
43
43
43
46
46
46
49
49
49
52
52
52
55
55
55
58
58
58
61
61
61
64
64
64
67
67
67
70
70
70
73
73
73
76
76
76
79
79
79
82
82
82
85
85
85
88
88
88
1
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
82
85
88
10
13
16
19
22
25
28
31
34
37
40
43
46
49
52
55
58
61
64
67
70
73
76
79
85
Month
Month
Month
Month
Month
Month
ST Pronóstico
3-) Suavizamiento Exponencial
xT Venta _ periodo_ anterior
Componentes
Ventas
Pronóstico
Pronóstico
Balancear Ventas
Planeación de Demanda
Seguimiento y monitoreo a la operación
Fuera de control
+2.0 — Señal de rastreo = CFE / MAD
Control limite
+1.5 —
+1.0 —
Señal de rastreo
+0.5 —
0—
–0.5 —
–1.0 —
Control limite
–1.5 —
| | | | |
0 5 10 15 20 25
Observación Número