Escuela de Ingeniería Industrial

Programa de Posgrado
Sistemas de Pronósticos e
Inventarios:
Sistemas de Pronósticos (1)
Presentado por: Carlos Julio Vidal Holguín
Santiago de Cali, abril – junio de 2021
 Contenido
Introducción a los pronósticos
– Definición de pronóstico
– Tipos de sistemas de pronósticos
– Pasos fundamentales para implementar un sistema efectivo de
pronósticos
– Ambiente general de un sistema de pronósticos
– Objetivos de los pronósticos
– Conflicto de costos en un sistema de pronósticos
Elementos de tiempo en un sistema de pronósticos
Causas de imprecisión en un sistema de pronósticos
El sistema de pronósticos y la clasificación ABC
Selección de sistemas de pronósticos
Medición de errores de pronósticos
Pronósticos de promedio móvil
 Definición de Pronóstico
Método Estadístico que analiza los datos históricos de la
demanda, para suministrar un valor estimado de esta misma
en un futuro.
Los sistemas de pronósticos se utilizan usualmente en la
predicción de eventos futuros como:
✓ Planeación de Producción
✓ Planeación Financiera
✓ Control de Procesos
✓ Planeación de Inversiones
✓ Planeación de actividades de servicio
✓ Administración de Inventarios
 Tipos de sistemas de pronósticos
Métodos cualitativos: Fundamentalmente subjetivos y
cuando hay carencia de datos históricos.
Métodos de series de tiempo: Métodos cuantitativos
estadísticos que utilizan datos históricos.
Métodos causales: Asumen alta correlación entre los
pronósticos de demanda y ciertos factores externos,
como por ejemplo, la economía del país, la población,
etc.
Métodos de simulación: Generalmente combinan
series de tiempo con métodos causales.
Combinaciones de los métodos anteriores: Son
usualmente los métodos más efectivos.
Reuniones de consenso S&OP: Reunión de diversas
áreas para acordar la planeación de operaciones.
 Pasos fundamentales para implementar un
sistema efectivo de pronósticos (1)
1. Comprender el objetivo de los pronósticos: Un sistema de
pronósticos puede tener diversos objetivos y puede
involucrar varias etapas de la cadena de suministro.
2. Integrar la planeación de la demanda con los
pronósticos: Deben considerarse la planeación de
capacidad, la planeación de producción, el mercadeo y las
promociones y las actividades de compras (Integración a
nivel del sistema de información y del personal).
3. Identificar los factores básicos que influencian el
pronóstico: Factores como demanda (patrón de demanda y
nó de ventas), suministro (especialmente con relación a su
Lead Time) y fenómenos relativos a los productos
(interrelaciones entre productos y pronóstico conjunto).
Pasos fundamentales para implementar un
sistema efectivo de pronósticos (2)
4. Identificar y comprender la segmentación de clientes:
Agrupar clientes por sus similitudes en niveles de servicio,
volúmenes de demanda, frecuencia de órdenes, volatilidad
de la demanda y estacionalidad. Utilizar diferentes métodos
de pronósticos para cada segmento puede ser muy útil.
5. Determinar la técnica apropiada de pronósticos:
Comprender los aspectos relevantes para el sistema de
pronósticos, tales como el área geográfica, los grupos de
productos y la segmentación de clientes mencionada
anteriormente.
6. Establecer mediciones del error del pronóstico: Medir
los errores del pronóstico provee de una poderosa
herramienta de control de inventarios.
 Ambiente general de un
sistema de pronósticos
DATOS
HISTÓRICOS Posible modificación del
modelo o sus parámetros
Selección e inicialización
del modelo

MODELO
MATEMÁTICO
Demanda real
observada
INTERVENCIÓN Pronóstico
HUMANA estadístico
CÁLCULO DE
PRONÓSTICO DE ERRORES DE
DEMANDA PRONÓSTICO

Fuente: Adaptada de Silver, Pyke y Peterson (1998), p. 75

 Pronóstico estadístico y
pronóstico de demanda
➢ Pronóstico Estadístico: Refleja la tendencia de la
demanda y se puede asociar al promedio de la
demanda a lo largo del tiempo.

➢ Pronóstico de Demanda: Es igual al pronóstico

estadístico + el inventario de seguridad definido con
base en los errores de pronóstico. No se puede
tomar como un valor exacto, sino como un valor
límite que la demanda podría tener.
 Elementos de tiempo de un sistema
de pronósticos
Período del pronóstico:
Unidad básica de tiempo para la cual será realizado
el pronóstico. Por ejemplo, requerimos un pronóstico
para una semana.
Horizonte del pronóstico :
Número de períodos en el futuro que será cubierto
por el pronóstico. Por ejemplo requerimos pronósticos
para las próximas diez semanas.
Intervalo del pronóstico :
Es la frecuencia con que el nuevo pronóstico será
preparado. A menudo coincide con el período del
pronóstico.
 Características fundamentales
de los pronósticos 1

Los pronósticos siempre están errados

Entre mayor sea el horizonte del

pronóstico, peor el pronóstico

Los pronósticos agregados son más

precisos
1 Simchi-Levi,D., P. Kaminsky y E. Simchi-Levi. Designing and managing the supply chain: Concepts,
Strategies, and Case Studies. McGraw-Hill Irwin, Boston, p. 70.
 Causas de imprecisión en los
sistemas de pronósticos
Utilización de datos poco confiables
Utilización de datos de ventas y nó de demanda
(Demanda = Ventas + Demanda no servida o insatisfecha)
Sesgos en los pronósticos
Velocidad de respuesta al cambio
Casos especiales de demanda en los pronósticos
(datos atípicos o outliers)
Selección del período de los pronósticos
Otros: Negación, ignorancia, efecto látigo (bullwhip)
Demanda no servida o demanda insatisfecha
SEMANA VENTAS SEMANA DEMANDA
1 10 1 10
2 9 2 9
3 3 3 3
4 5 4 5
5 3 5 3
6 3 6 3
7 0 7 4
8 0 8 7
9 0 9 3
10 0 10 5
11 2 11 2
12 2 12 2
n n

x t x t
Demanda Promedio x = t =1
Demanda Promedio x = t =1

n n
Demanda Promedio = 3.08 unidades Demanda Promedio = 4.67 unidades
n 2 n 2

(x − x )
t (x − x )
t
Desviación Estándar ˆ = t =1
Desviación Estándar ˆ = t =1

n −1 n −1
ˆ = 3.40 unidades C.V . = 110% ˆ = 2.67 unidades C.V . = 57%
 Sesgo en los pronósticos
Suavización simple con alpha = 0,1
Demanda Pronóstico
900
800
700
Unidades

600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Tiempo (Meses)
Selección del período del pronóstico
DEMANDA DIARIA
120

100

80

60

40

20

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77

DEMANDA DIARIA
Desv. Est. Diaria = 21.12
DEMANDA SEMANAL Desv. Est. Semanal = 14.97
250

200

150

100

50

0
Ver hoja de Excel
1 2 3 4 5 6 7 8 9 10 11
 Sistema de pronósticos y la
clasificación ABC (1)
CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE
CONTROL CONTROL
• Ítems clase A (los más • Control estricto con • Monitoreo frecuente o
importantes) supervisión personal continuo
• Relativamente pocos • Comunicación directa • Registros precisos
ítems con la administración • Suavización
• El mayor porcentaje y los proveedores exponencial doble
del volumen de ventas • Aproximación a Justo • Políticas basadas en el
(en $) a Tiempo y stock nivel de servicio al
balanceado cliente
• Cubrimiento de
existencias entre 1 y 4
semanas

Fuente: Diseñada parcialmente con base en Wild (1997), pp. 33, 41 y 161
 Sistema de pronósticos y la
clasificación ABC (2)

CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE

CONTROL CONTROL
• Ítems clase B • Control clásico de • Sistema de control
• Ítems importantes inventarios computarizado clásico
• Volumen de ventas (en • Administración por • Suavización
$) considerable excepción exponencial simple
• Cubrimiento de • Reporte por
existencias entre 2 y 8 excepciones
semanas

Fuente: Diseñada parcialmente con base en Wild (1997), pp. 33, 41 y 161
 Sistema de pronósticos y la
clasificación ABC (2)
CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE
CONTROL CONTROL
• Ítems clase C • Supervisión mínima • Sistema de control
• Muchos ítems • Pedidos bajo orden simple
• Bajo volumen de • Tamaños de orden • Promedio móvil
ventas (en $), pocos grandes (aceptar el pronóstico)
movimientos o ítems • Políticas de cero o de • Evitar agotados y
de muy bajo valor alto inventario de exceso de inventario
unitario seguridad • Larga frecuencia de
• Cubrimiento de órdenes
existencias entre 3 y 20 • Sistema automático
semanas

Fuente: Diseñada parcialmente con base en Wild (1997), pp. 33, 41 y 161
 Selección del sistema de
pronósticos
PATRÓN DE DEMANDA SISTEMA DE PRONÓSTICO
RECOMENDADO
Perpetua o uniforme Promedio móvil o suavización exponencial
simple

Con tendencia creciente o Suavización exponencial doble

decreciente

Estacional o periódica Modelos periódicos de Winters

Demandas altamente Métodos integrados de promedios móviles

correlacionadas auto-regresivos (ARIMA)

Errática (Ítems clase A de bajo Pronóstico combinado de tiempo entre la

movimiento) ocurrencia de demandas consecutivas y la
magnitud de las transacciones individuales
(Método de Croston y variaciones)
Medición del error del pronóstico (1)
x t = Demanda real observada (período t )
x̂ t = Pronóstico de demanda del período t ,
calculado un período antes
Error del pronóstico et = x t − xˆ t

Error absoluto et = xt − xˆ t

Error cuadrático e = ( x t − x t )
2
t
ˆ 2
Medición del error del pronóstico (2)
Desviación Absoluta Media :
n

x t − x̂ t
MAD = t =1
n
Error Cuadrático Medio :
n 2

 (x t − xˆ t )
ECM = t =1
n
Medición del error del pronóstico (3)
Mean Absolute Percentage Error :
n
x t − x̂ t
100  
t =1 xt
MAPE =
n
Mean Absolute Percentage Error (2) :
n
x t − x̂ t
100  
t =1 x̂ t
MAP E  =
n
Las etapas de un sistema de pronósticos
Inicialización del pronóstico: Se selecciona parte de los
datos históricos para inicializar el sistema de pronósticos
(Recomendado = 40% − 60% de los datos históricos).
Simulación y optimización del pronóstico: Con base
en el porcentaje restante de la historia, se simula el
pronóstico y se calculan los indicadores del error MAD,
ECM y MAPE, para analizar su comportamiento.
Pronóstico en tiempo real: Una vez calibrado el sistema
de pronósticos, se puede utilizar para la predicción en
tiempo real. Se puede considerar la adición de nueva
información disponible y la actualización periódica de los
parámetros de cada modelo.
Seguimiento y administración del sistema de
pronósticos: El sistema de pronósticos debe
administrarse y controlarse a lo largo del tiempo (Por
ejemplo a través de señales de rastreo).
 Casos complejos de inicialización
1200 250

1000
200

Demanda (unidades)
Demanda (unidades)

800
150

600

100
400

50
200

0 0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81

Semanas Semanas

250 250

200 200
Demanda (unidades)

Demanda (unidades)
150 150

100 100

50 50

0 0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81
Semanas Semanas
Pronósticos de promedio móvil
Adecuado para un modelo de demanda constante
más una variación aleatoria:
xt = b +  t
b es una constante
 t es el error aleatorio  N ( 0 ,  ) 2

Sugerido para los ítems clase C y posiblemente

para algunos B.
Se le da el mismo peso a los últimos N datos de
demanda.
 Pronósticos de Promedio Móvil
Suma de demandas últimas N semanas
Pronóstico semanal =
N

xT + xT −1 + xT − 2 + ... + xT − N +1
MT =
N

𝐋𝐚 𝐝𝐞𝐦𝐚𝐧𝐝𝐚 𝒙𝑻 es la más reciente conocida,

correspondiente al período más reciente T

𝑴𝑻 es el pronóstico del período T + 1

 Semana Per. T Demanda Pronóstico eT │e T │ eT2 APE APE′
40 80
41 79

INICIALIZACIÓN
42 88
43 58
44 71
45 85 Promedio de estas 12 semanas = 74.42
46 79
47 63
48 57
49 50
50 71
51 0 112
52 1 53 74.42 21.42 21.42 458.67 40.41% 28.78%

O
53 2 85 72.17 -12.83 12.83 164.69 15.10% 17.78%

C
54 3 43 72.67 29.67 29.67 880.11 68.99% 40.83%
55 4 47 68.92 21.92 21.92 480.34 46.63% 31.80%

I
56 5 48 68.00 20.00 20.00 400.00 41.67% 29.41%

T
57 6 73 66.08 -6.92 6.92 47.84 9.47% 10.47%

S
58 7 23 65.08 42.08 42.08 1,771.01 182.97% 64.66%
Ó 59 8 116 60.42 -55.58 55.58 3,089.51 47.92% 92.00%
60 9 67 64.83 -2.17 2.17 4.69 3.23% 3.34%
N

61 10 39 65.67 26.67 26.67 711.11 68.38% 40.61%

62 11 81 64.75 -16.25 16.25 264.06 20.06% 25.10%
O

63 12 67 65.58 -1.42 1.42 2.01 2.11% 2.16%

R

64 13 58 61.83 3.83 3.83 14.69 6.61% 6.20%

65 14 51 62.25 11.25 11.25 126.56 22.06% 18.07%
P

66 15 52 59.42 7.42 7.42 55.01 14.26% 12.48%

67 16 51 60.17 9.17 9.17 84.03 17.97% 15.24%
68 17 65 60.50 -4.50 4.50 20.25 6.92% 7.44%
69 18 56 61.92 5.92 5.92 35.01 10.57% 9.56%
L

70 19 46 60.50 14.50 14.50 210.25 31.52% 23.97%

E

71 20 75 62.42 -12.58 12.58 158.34 16.78% 20.16%

72 21 47 59.00 12.00 12.00 144.00 25.53% 20.34%
D

73 22 69 57.33 -11.67 11.67 136.11 16.91% 20.35%

74 23 59 59.83 0.83 0.83 0.69 1.41% 1.39%
75 24 54 58.00 4.00 4.00 16.00 7.41% 6.90%
N

76 25 46 56.92 10.92 10.92 119.17 23.73% 19.18%

77 26 44 55.92 11.92 11.92 142.01 27.08% 21.31%
Ó

78 27 51 55.33 4.33 4.33 18.78 8.50% 7.83%

I

79 28 41 55.25 14.25 14.25 203.06 34.76% 25.79%

80 29 77 54.42 -22.58 22.58 510.01 29.33% 41.50%
C

81 30 69 55.42 -13.58 13.58 184.51 19.69% 24.51%

A

82 31 54 56.50 2.50 2.50 6.25 4.63% 4.42%

L

83 32 76 57.17 -18.83 18.83 354.69 24.78% 32.94%

84 33 88 57.25 -30.75 30.75 945.56 34.94% 53.71%
U

85 34 55 60.67 5.67 5.67 32.11 10.30% 9.34%

M

86 35 74 59.50 -14.50 14.50 210.25 19.59% 24.37%

87 36 46 60.75 14.75 14.75 217.56 32.07% 24.28%
I

88 37 49 60.08 11.08 11.08 122.84 22.62% 18.45%

S

89 38 80 60.33 -19.67 19.67 386.78 24.58% 32.60%

90 39 ? 63.33 ← Pronóstico en tiempo real
Sumas 62.25
M AD, ECM , M APE y M APE ′ →
549.92 12,728.58 1041.50%
14.47 334.96 27.41%
889.27%
23.40%
Ejemplo 3.2,
Desviación estándar estimada → 18.14 18.30
pp. 89-92.
Pronósticos de promedio móvil
Ilustración en hoja de cálculo
Pronósticos de promedio móvil (N = 12)

Demanda Pronóstico
140

120
Demanda (Unidades)

100

80

60

40

20

0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89

Semanas
Simulación para escoger el mejor
valor de N
N MAD ECM MAPE MAPE′
6 15.27 368.93 28.05% 25.37%
7 15.69 380.52 29.11% 25.95%
8 15.64 364.81 29.34% 25.50%
9 14.77 336.67 27.76% 24.06%
10 15.14 351.27 28.39% 24.62%
11 14.83 342.20 27.93% 24.04%
12 14.47 334.96 27.41% 23.40%
13 14.70 338.47 27.96% 23.67%
14 14.88 342.52 28.33% 23.85%
15 14.95 341.33 28.45% 23.95%
Estimación de la desviación estándar
de los errores del pronóstico, 1


1 =  MAD = 1.2533  MAD
2

Asume normalidad de
los errores del pronóstico

Válido para cualquier

 1 = ECM distribución de los
errores del pronóstico
Ver pp. 92-94 del texto de inventarios
Objetivo principal del sistema
de pronósticos
Especificación del valor
mínimo de k aceptable
Regla de decisión para
determinar el factor de
seguridad k
Características principales
relativas al ítem:
(Q, A, v, r, etc.)
SISTEMA DE
PRONÓSTICOS:
ˆ1 = ECM , ó
ˆ1 = 1.2533 * MAD
dˆ = Pr onóstico

Desviación estándar, ˆ L = ˆ1 L

s = xˆ L + kˆ L Pronóstico de demanda, xˆ L = dˆL

Ajuste manual del Sistema de información y de

punto de reorden s administración de la organización

Figura 5.3. Metodología general para determinar el punto de reorden s

[Fuente: Complementada de Silver et al. (1998), p. 256]