LOGÍSTICA DE

APROVISIONAMIENTO

Pronóstico de los requerimientos de la cadena de

suministros. Capítulo 8
¿QUÉ ES UN PRONÓSTICO?
 Son todas las decisiones relacionadas con la cadena de
suministros tomadas antes de que la demanda se haya
materializado.

 En el enfoque push/pull, todos los procesos de tirón(pull) se

realizan en respuesta a la demanda del cliente (ya la
conocemos) y por tanto, el encargado de logística debe
preparar su capacidad y sus inventarios. Por otro lado, en
los procesos de empuje (push), se deben realizar las
actividades sin conocer la demanda del cliente, por tanto, el
encargado de logística debe planear los niveles de
inventario, transporte, producción.
CARACTERÍSTICAS DE LOS PRONÓSTICOS

1. Los pronósticos siempre son imprecisos. Se debe

calcular siempre el valor esperado y el error del
pronóstico.
 Ejemplo:

Pronóstico 1: Entre 100 y 1900 unidades

Pronóstico 2: Entre 900 y 1,100 unidades
Promedio: ?
2. En general, los pronósticos en el largo plazo son
menos precisos que los de corto plazo.

Es más fácil pronosticar para 1 mes que para 1 año.

¿Cómo lo hace Mercadona?
3. En general, cuanto más arriba este una
compañía en la cadena de suministros (o más lejos
del consumidor), mayor será la distorsión de la
información recibida y por tanto más grande será el
error del pronóstico.

Efecto látigo: Las fluctuaciones de los pedidos se

incrementan conforme se desplazan hacia arriba de
la cadena de suministros, desde el minorista hasta
el proveedor.
MÉTODOS DE PRONÓSTICOS

Métodos
•Utilizan el juicio, la intuición y las técnicas comparativas.
•Es difícil de estandarizar y de medir su precisión.
•Son adecuados para pronósticos de mediano a largo plazo.

cualitativos •Ejemplos: Lanzamiento de un nuevo producto, implementación de

una nueva tecnología.

Métodos de •Cuando se dispone de una cantidad razonable de datos históricos y

las variaciones de tendencia y estacionales son estables.
proyección •El patrón de tiempo futuro será en gran parte una réplica del tiempo
pasado.

histórica •Se puede tomar como pronóstico a corto plazo.

•Aplica cuando el nivel de la variable que queremos pronosticar se

deriva del nivel de otra variable relacionada.
Métodos •Por ejemplo: al conocer el nivel de servicio al cliente que brindaremos,
podemos pronosticar el nivel de ventas que tendremos.

causales
•Es difícil encontrar verdaderas variables causales que tengan una
fuerte relación con las variables a pronosticar. Si se encuentran
buenas relaciones entre ambas variables, estos métodos pueden ser
adecuados para pronosticar grandes cambios a mediano y largo plazo.
PROMEDIO MÓVIL SIMPLE
 Este método se emplea cuando la demanda no
tiene tendencia o estacionalidad.
 En este método, el nivel en el período t se estima
como la demanda promedio durante los N
períodos más recientes:

Ft+1 = (At + At-1 + … + At-N+1) / N

t = período de tiempo presente

At = demanda en el período t
Ft+1 = pronóstico para el período siguiente a t, o el siguiente período
N = número de períodos

Et = Ft - At
Et = error del pronóstico en el período t
EJEMPLOS
1. Wal-Mart ha experimentado una demanda
semanal de leche como se expresa en la siguiente
tabla:
Semana Demanda (galones)
1 120
2 127
3 114
4 122

Pronostique la demanda para la semana 5

utilizando un promedio móvil de 4 períodos. ¿ Cual
es el error del pronóstico si la demanda del período
5 resulta ser de 125 galones?.
2. Tommy Hilfiger presenta su reporte de ventas
correspondiente al año 2014:

Mes Ventas reales

(unidades)
Enero 51,752
Febrero 65,458
Marzo 78,478
Abril 45,369
Mayo 48,378
Junio 51,785
Julio 65,965
Agosto 74,874
Septiembre 69,951
Octubre 71,753
Noviembre 67,852
Diciembre 79,842
 Teniendo en cuenta estos datos, calcule el
pronóstico para el mes de enero de 2015
mediante la técnica de Promedio Móvil utilizando
los siguientes períodos:

- 3 meses
- 6 meses

¿Cuál de los dos pronósticos es más acertado si la

demanda en enero fue de 70,582 unidades?
 Con los mismos datos, calcule el pronóstico para
los meses de febrero y marzo del 2015 utilizando
3 y 6 períodos de tiempo.
PROMEDIO MÓVIL PONDERADO
 El promedio móvil simple le asigna igual
importancia a cada uno de los datos que lo
componen (períodos).
 En el promedio móvil ponderado podemos asignar
cualquier importancia (peso) a cualquier período
que utilizaremos para calcular. La suma de estos
pesos siempre debe ser igual a 1.
 Esta técnica se utiliza cuando queremos
maximizar o minimizar el comportamiento de la
demanda. Generalmente se le asigna mayor peso
a los datos más recientes.
 Ft = ∑Ci * At-1

t = período de tiempo presente

Ft+1 = pronóstico para el período siguiente a t, o el siguiente período
Ci = Ponderación (peso asignado al período)
At-1 = demanda de períodos anteriores
EJEMPLOS
1. Toner Store ha determinado que el nivel de
ventas obtenido en los últimos 4 períodos se
mantendrá o se elevará para los siguientes meses
del año. Para calcular su pronóstico, consideran los
siguientes datos:
Mes Ventas Ponderación
Febrero 2015 10,000 40%
Enero 2015 9,700 30%
Diciembre 2014 10,540 20%
Noviembre 2014 9,890 10%

Determine el pronóstico para marzo

del 2015
1. La empresa Parrillas One contrató un experto para
revisar los últimos pronósticos elaborados para el
abastecimiento de sus inventarios. La empresa
cuenta con los siguientes datos:
Semana Compras
reales
1 514
2 745
3 560
4 690

Se conoce que las ponderaciones se distribuyeron

45%, 30% y 25%, asignando la más alta al período
más reciente. Calcule el error de pronóstico para la
semana 4 utilizando un promedio móvil ponderado.
NIVELACIÓN O AJUSTE EXPONENCIAL
 Es una técnica muy útil para los pronósticos a
corto plazo.
 Es simple y requiere una cantidad mínima de
información.

Donde: (lambda): Constante de ajuste exponencial. Toma valores entre 0

y1
Fórmula:

t = período de tiempo presente

α = constante de ajuste exponencial
At = demanda en el período t
Ft = pronóstico para el período t
Ft+1 = pronóstico para el período siguiente a t, o el siguiente período
EJEMPLOS

1. Suponga que se pronóstico un nivel de demanda

de 1000 unidades para el mes de febrero de 2015.
La demanda real en ese mes fue de 950 unidades.
El valor de la constante de ajuste es α=0.3.
Encuentre el pronóstico de la demanda del
siguiente mes.
2. La siguiente información trimestral representa
una serie de tiempo de la demanda para un
producto:

Trimestre
Año
1 2 3 4
2014 1200 700 900 1100
2015 1400 1000 F₃ = ?
3. La compañía Cargo Express debe determinar el número de conductores y camiones
que tiene disponibles sobre una base semanal. El programa estándar es enviar a los
conductores sobre la ruta de recolección y entrega el lunes y regresarlos al punto
original el viernes. Los requerimientos de camiones pueden determinarse a partir del
volumen total que se desplazará para la semana; sin embargo es necesario conocerlos
antes para planificar.
El volumen para las últimas diez semanas se da a continuación:

Semana Volumen
10 2,056,000
9 2,349,000
8 1,895,000
7 1,514,000
6 1,194,000
5 2,268,000
4 2,653,000
3 2,039,000
2 2,399,000
1 (semana 2,508,000
actual)
 Utilizando el modelo de nivelación exponencial
simple, haga una predicción sobre el volumen
esperado para la siguiente semana.

Nota: Necesitará estimar un α que minimice el error del pronóstico,

intente en incrementos de 0.1.
Utilice las 4 semanas más antiguas para pronosticar la semana
nueva.
4. La empresa FrioPartes tiene dificultades para
predecir las ventas trimestrales para su línea de
aires acondicionados para habitaciones, debido a
que la demanda del producto es
considerablemente estacional.
La información de las ventas trimestrales de los
últimos 2 años es la siguientes:
2013 2014
Trimestre Unidades Trimestre Unidades
1 30,000 1 27,000
2 73,000 2 70,000
3 48,000 3 41,000
4 15,000 4 13,000
 Utilizando el modelo de ajuste exponencial, encuentre
el pronóstico para cada trimestre del año 2015. Utilice
α = 0.2.

 Calcule cual fue el pronóstico del año 2014 y determine

de cuanto fue el error (en unidades) para cada
trimestre de ese mismo año.
unidades para Octubre 5.
FORO
 Métodos de pronósticos