Planeación y Control de

Operaciones
Sesión 6-Gestión de demanda
Diana Andrea Peña Calderón Msc.
Correo : dapena@icesi.edu.co
Departamento de Ing. Industrial
Unidad 1: Gestión de Demanda

OBJETIVOS:
 Reconocer el impacto de las decisiones de operaciones en el logro de las estrategias
organizacionales.
 Describir el ciclo de vida del producto/servicio.
 Discutir la importancia de los pronósticos en el proceso de toma de decisiones.
 Reconocer los métodos de pronósticos cualitativos.
 Emplear los métodos de pronósticos cuantitativos.
 Identificar la relación entre la etapa del ciclo de vida del producto, el patrón de
comportamiento de la demanda y los métodos de pronósticos a aplicar.
 Elegir el mejor método de pronóstico, usando el desempeño del mismo ante un
contexto dado.
Métodos de Series de Tiempo
Suavización exponencial doble o con ajuste de tendencia

PROBLEMAS:
• ¿Cómo especifico los coeficientes de suavización α y β? Con base en la experiencia u optimizando el
MAD o MSE con solver. Su valor debe estar entre 0 y 1

Una β alta responde más rápido a cambios recientes de la tendencia y una β baja da menos
peso a las tendencias recientes y suaviza la tendencia.
Error

• Error: Diferencia entre la demanda real y lo pronosticado.

• El error es “relativo” mientras se encuentre dentro de los
límites de seguridad.
• En un modelo de pronósticos perfecto, la suma de los errores
de proyección reales sería igual a cero.
Error- MAD

MAD (Mean Absolute Deviation)- Desviación Absoluta Media

MAD= σ ȁ𝑹𝒆𝒂𝒍 − 𝑷𝒓𝒐𝒏ó𝒔𝒕𝒊𝒄𝒐ȁ / n

 Error promedio de los pronósticos, obtenido por medio del MAD = σ𝒏𝒕=𝟏ȁ𝑫𝒕 − 𝑭𝒕ȁ/ n
uso de valores absolutos.
 Mide la dispersión de algún valor observado con base en algún
valor previsto o pronosticado.
t = número de períodos
• Es sencilla de calcular.
D = demanda real durante el período
• Se calcula utilizando las diferencias entre la demanda real y la F = demanda proyectada para el período
proyectada. n = número de períodos
• Es la suma de las desviaciones absolutas divididas por el
número de datos.
Error- ECM

MSE (Mean Squared Error)- ECM (Error Cuadrático Medio)

Se define como el promedio de cuadrados de las diferencias encontradas entre los valores
pronosticados y los observados.

ECM=σ(𝑬𝒓𝒓𝒐𝒓𝒆𝒔 𝒅𝒆 𝒑𝒓𝒐𝒏ó𝒔𝒕𝒊𝒄𝒐)𝟐 /𝒏

𝟐
ECM= σ𝒏𝒕=𝟏ȁ𝑫𝒕 − 𝑭𝒕ȁ / n

t = número de períodos
D = demanda real durante el período
F = demanda proyectada para el período
n = número de períodos
Error- MAPE

MAPE (Error porcentual Absoluto Medio):

 Los valores del MAD y del MSE pueden ser muy grandes, dado la magnitud del elemento que se
pronostica. Para evitar este problema, el MAPE se calcula como el promedio de las diferencias
absolutas encontradas entre los valores pronosticados y los reales. Es un porcentaje de los valores
reales.

ȁ 𝑹𝒆𝒂𝒍𝒊 − 𝑷𝒓𝒐𝒏ó𝒔𝒕𝒊𝒄𝒐𝒊 ȁ/𝑹𝒆𝒂𝒍𝒊

MAPE=σ𝒏𝒊−𝟏
𝒏

𝑬𝒓𝒓𝒐𝒓𝒆𝒔 𝒑𝒐𝒓𝒄𝒆𝒏𝒕𝒖𝒂𝒍𝒆𝒔 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐𝒔

MAPE=σ
𝒏
Ejemplos error

Durante los últimos 8 trimestres, en el puerto de Baltimore se han

descargado de los barcos grandes cantidades de grano. El administrador
de operaciones del puerto quiere probar el uso de la suavización
exponencial para ver qué tan bien funciona la técnica para predecir el
tonelaje descargado.

Supone que el pronóstico de grano descargado durante el primer

trimestre fue de 175 toneladas. Se examinan dos valores de alfa=0,1 y
alfa=0,50.
Trimestre Demanda Real
1 180
2 168
3 159
4 175
5 190
6 205
7 180
8 182
9

Calcule el MAD, ECM, y MAPE.

Proyecciones de tendencia

 Esta técnica ajusta una recta de tendencias a una serie de datos puntuales históricos, y después
proyecta dicha recta al futuro para obtener los pronósticos de mediano y largo plazo.

y^ = a + bx

Donde y^ = valor calculado de la variable que debe predecirse

(llamada variable dependiente)
a = intercepción con el eje y
b = pendiente de la recta de regresión (o la tasa de cambio
en y para los cambios dados en x)
x = variable independiente (que en este caso es el tiempo)
Proyecciones de tendencia
Valores de la variable dependiente (valores de y)

Observación Desviación7
Real (valor de y)

Desviación5 Desviación6

Desviación3
Minimiza la suma de los cuadrados de las
diferencias verticales o desviaciones.
Desviación4

Desviación1
(error) Desviación2
Recta de tendencia, y^= a + bx

| | | | | | |
1 2 3 4 5 6 7
Período de tiempo
Proyecciones de tendencia- Ejemplo
DEMANDA DE ENERGIA
 Método mínimos cuadrados: AÑO ELÉCTRICA x2 xy

 ( xy )  nx * y
1 74
2 79
b
 ( x )  nx
3 80
2 2 4 90
5 105
6 142
7 122

a = y - bx Σx = 28 Σy = 692 Σx2 =
140
Σxy =
3,063

Línea de tendencia
y = a + bx x
 x
y
 y
n n
Proyecciones de tendencia- Ejemplo

DEMANDA
AÑO(x) ENERGÍA x2 xy
ELCTRICA (y)
1 74 1 74
2 79 4 158
3 80 9 240
4 90 16 360
5 105 25 525
6 142 36 852
7 122 49 854
Σx = 28 Σy = 692 Σx2 = 140 Σxy = 3,063

x=
å x 28
= =4 y=
å y 692
= = 98.86
n 7 n 7
Proyecciones de tendencia- Ejemplo

å xy - nxy 3,063 - ( 7) ( 4) (98.86) 295

b= = = = 10.54
å x - nx 140 - (7) ( 4 )
2 2 2
28

()
a = y - bx = 98.86 -10.54 4 = 56.70
yˆ  56.70  10.54 x

Demanda en año 8= 56.70 + 10.54(8)

= 141.02, o 141 megawatts
Proyecciones de tendencia- Ejemplo

Línea de tendencia
160 – y^ = 56.70 + 10.54x
150 –
140 –
Demanda (megawatts)

130 –
120 –
110 –
100 –
90 –
80 –
70 –
60 –
50 –
| | | | | | | | |
1 2 3 4 5 6 7 8 9
Año
Fechas importantes…

Taller No.2: Lunes 20 Agosto 11:55 pm

Quiz No. 1: 24 de Agosto
Parcial No.1 (Gestión de Demanda): 5 de Septiembre