Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronóstico de la
demanda
Dirección Táctica de Operaciones
2.
Pronóstico de
la demanda
2a.
Predicciones
de la
empresa
Predicciones
tecnológicas
Las predicciones económicas
Producto Bruto Niveles o tasas de
Interno empleo
Predicciones
económicas
Ingresos Inflación y
personales devaluación
Las predicciones tecnológicas
Innovación de Cambios en la
productos demanda
Predicciones
tecnológicas
Innovación de Cambios en la
procesos competencia
Información para pronosticar la demanda
Predicciones Diagnóstico de la
económicas empresa
Predicción de la
demanda
Predicciones La demanda
tecnológicas histórica
Predicciones de los recursos
Demanda de Demanda de
instalaciones fuerza laboral
Predicción de
recursos
Demanda de Demanda de
equipos materiales
Predicciones de demanda a largo plazo
Plan de nuevos Planeación de la
productos capacidad
Predicciones de
demanda a
largo plazo
2b.
Técnicas
cualitativas de
predicción
Concepto
•Dependen de conjeturas
adquiridas con base a la
intuición y la experiencia
de la empresa y su
ambiente externo.
•Se usan si los datos
históricos de demanda se
contradicen, insuficientes,
costosos e irrelevantes. Y
cuando hay desequilibrio
en la economía o sector.
Clases de técnicas cualitativas de predicción
Consenso de Estructura de
comité ejecutivo fuerza ventas
Predicciones de
demanda
Concepto
•Fusión de opiniones de
un pequeño grupo de
ejecutivos especialistas
hasta llegar a un
consenso de la demanda
futura de productos.
•Técnica económica y es
la más utilizada en
predicciones de la
demanda a mediano y
largo plazo.
Técnica cualitativa 2: Método Delphi
Concepto
•Grupo de expertos en
diferentes lugares y en el
anonimato comparten la
información y llegan a un
consenso de ventas de
un nuevo producto.
•Cada miembro llena un
cuestionario y devuelve al
coordinador que resume
los resultados y prepara
un nuevo cuestionario.
T. Cualitativa 3: Pronóstico de la fuerza de ventas
Concepto
•La fuerza de ventas está
en contacto directo con
los clientes e informan
sobre sus intenciones en
el corto y mediano plazo.
•Cada vendedor estima las
ventas de su territorio en
la siguiente temporada. El
Jefe de ventas ajusta las
ventas individuales y hace
la predicción de demanda
T. Cualitativa 4: Encuestas a los clientes
Concepto
•Se pronostica la demanda
según los planes de
compra de los clientes
actuales y potenciales, a
través de encuestas.
•Obtenida la información
de encuestas se aplica un
factor de ajuste de
experiencia que considera
la relación histórica entre
el plan y compras reales.
Dirección Táctica de Operaciones
2c.
Técnicas
cuantitativas
de predicción
Concepto
•Modelos matemáticos y
datos históricos para
predecir la demanda. Se
usa el pasado para el
pronóstico del futuro.
•Muchos gestores ajustan
las predicciones con un
sistema de monitoreo
para asegurar la mejora
de exactitud en lugar de
entorpecer el pronóstico.
Técnicas cuantitativas de predicción
Modelos
•Modelo de línea recta
•Media móvil y línea recta
•Tasa de crecimiento
•Tendencia estacional o de
temporada
•Regresión múltiple
•Media móvil simple
•Media móvil ponderada
•Suavización exponencial
•Suavización exponencial
con una tendencia
Tipos de modelos cuantitativos
Series de Modelos Modelos de
tiempo causales suavización
Modelos
cuantitativos:
Series de
tiempo
Tendencia creciente o
decreciente en línea
200 recta o en una línea
curva suave.
150
100
50
x
0
1 2 3 4 5 6 7 8 9 10
Tiempo en años
Tendencia estacional o de temporada
y
1,400
1,200
Demanda (en miles de litros)
1,000
800
Su duración se repite
600
en intervalos fijos que
pueden durar un año o
400 periodo de días.
200
Demanda de gaseosas
0
E F M A M J J A S O N D E F M A M J J A x
Tiempo en meses
Tendencias o variaciones cíclicas
y
1,600
Su duración es menor o
1,400 igual a un año y las
variaciones se repiten
Demanda en toneladas
800
600
400
200
Demanda de Cobre
0
1 2 3 4 5 6 7 8 9 10 11 12 x
Tiempo en trimestres
y Variaciones aleatorias
1,400
1,200
Demanda en toneladas
1,000
800
600
Son inexplicables por
400 una tendencia son
causados por sucesos
200 imprevistos
0 x
1 2 3 4 5 6 7 8 9 10 11 12
Tiempo en trimestres
Caso: Método de línea recta y’ = a + b x
Tabla de datos históricos
Datos Datos Producto Cuadrado Valor en Varianza
variable variable de datos variable la línea s 2 = No Explicada
Indep. Depend. Indep. Total explicada
x y xy x2 y’ (y - ŷ)2 (y - y’)2 (y’ - ŷ)2
90
y’ = 79.8 + 1.07 x
88
86
84
82
Pronóstico con
80 tendencia creciente en
línea recta a razón de
78 a = 79.8 1.07 veces la demanda
76 del año anterior
x
74
Año 1 Año 2 Año 3 Año 4 Año 5 Año 6 Año 7 Año 8 Año 9 Año 10
Cálculos de método en línea recta
Modelo: y’ = a + b x y’ = a + b x = 79.79 + 1.07 x
8.06
11.24
58%
Varianza no explicada Varianza explicada
Método de las medias móviles
Se recomienda usarlo cuando la serie es muy irregular y
amortigua la variación aleatoria de los datos. Aplica medias
parciales de tres datos contiguos.
Media móvil - Año 1 = (81.2 + 81.2 + 83.1) / 3 = 81.8
Media móvil - Año 2 = (81.2 + 83.1 + 80.8) / 3 = 81.7
Media móvil - Año 3 = (83.1 + 80.8 + 83.6) / 3 = 82.5
Media móvil - Año 4 = (80.8 + 83.6 + 86.3) / 3 = 83.6
Media móvil - Año 5 = (83.6 + 86.3 + 86.3) / 3 = 85.4
Si el valor original es primero o último se duplica el primer o
último valor respectivamente, para obtener el promedio.
Concepto Año 1 Año 2 Año 3 Año 4 Año 5
Valor Original 81.2 83.1 80.8 83.6 86.3
Media Móvil 81.8 81.7 82.5 83.6 85.4
Caso: Medias móviles y línea recta y’ = a + b x
Tabla de datos históricos
Datos Datos Datos Producto Cuadrado Valor de Varianza
variable variable medias de datos variable la línea
Indep. Depend. móviles Indep. Total s 2 = No Explicada
explicada
x y y mm xy mm x2 y’ (y - ŷ)2 (y - y’)2
n x y mm - x y mm 5 (1,254) – 15 (415)
b= = = 0.90
n x2- x x 5 ( 55 ) – (15) (15)
88
y’ = 80.3 + 0.90 x
86
84
Pronóstico con
82 tendencia creciente en
línea recta a razón de
a = 80.3 0.90 miles de clientes
80
por cada año.
x
78
76
Año 1 Año 2 Año 3 Año 4 Año 5 Año 6 Año 7 Año 8 Año 9 Año 10
Caso: Método de tasa de crecimiento
Tabla de datos históricos
Varianza
Datos Datos Cálculo de variable Valor con
variable variable dependiente con el el modelo s 2 = No
Indep. Depend. modelo Total explicada Explicada
x y y n = y1 (1 + i) x-1 y’ (y - ŷ)2 (y - y’)2
1 81.2 y’ = 81.2 (1.0153)1 - 1 81.2 3.24 0.00
2 83.1 y’ = 81.2 (1.0153)2 - 1 82.4 0.01 0.49
3 80.8 y’ = 81.2 (1.0153)3 - 1 83.7 4.84 8.43
4 83.6 y’ = 81.2 (1.0153)4 - 1 85.0 0.36 1.96
5 86.3 y’ = 81.2 (1.0153)5 - 1 86.3 10.89 0.00
15 415 86.3 = 81.2 (1 + i) 4 19.34 10.88 8.46
3.0 83.0 i = 0.0153 3.87 2.18 1.69
y’ = 81.2 (1 + 0.0153) x - 1 r = (8.46 / 19.34) 0.5 = 66.1 %
Docente: Emilio Flores Ballesteros
Gráfico del método de tasa de crecimiento
y
100
Datos Históricos Pronóstico Límite inferior Límite superior
95
y’ = 81.2 (1.01535) x - 1
90
85
80 Pronóstico con
tendencia creciente
81.2 como una línea curva
75 suave, con una tasa de
1.535% al año.
70 x
Año 1 Año 2 Año 3 Año 4 Año 5 Año 6 Año 7 Año 8 Año 9 Año 10
Caso: Método de tendencia estacional
Cálculo de la demanda destemporalizada
Concepto Año Trim 1 Trim 2 Trim 3 Trim 4 Promedio
1 1,900 3,500 4,770 2,530 3,175
Demanda 2 2,320 4,250 5,790 3,090 3,862.5
3 2,810 5,160 7,050 3,780 4,700
1 0.598 1.102 1.502 0.797 Demanda
trimestral /
Índice de 2 0.601 1.100 1.499 0.800 demanda
temporada promedio
3 0.598 1.098 1.500 0.804
Prom 0.599 1.100 1.500 0.800
1 3,172 3,182 3,180 3,163 Demanda
Demanda trimestral /
sin 2 3,873 3,864 3,860 3,863 índice
temporada
3 4,691 4,691 4,700 4,725 promedio
Tabulación de datos históricos
Año Trimestre Demanda real Índice de Demanda sin
(X) temporada temporada (Y)
T1– 1 1,900 0.599 3,172
T2 – 2 3,500 1.100 3,182
1
T3 – 3 4,770 1.500 3,180
T4 – 4 2,530 0.800 3,163
T1 – 5 2,320 0.599 3,873
T2 – 6 4,250 1.100 3,864
2
T3 – 7 5,790 1.500 3,860
T4 – 8 3,090 0.800 3,863
T1 – 9 2,810 0.599 4,691
T2 – 10 5,160 1.100 4,691
3
T3 – 11 7,050 1.500 4,700
T4 – 12 3,780 0.800 4,725
Cálculo de línea de tendencia Y = 2,799 + 171.2 X
Pronóstico de la demanda temporal
Año Trimestre Demanda sin Índice de Demanda
(X) temporada (Y) temporada temporalizada
T1– 13 5,025 0.599 3,010
T2 – 14 5,196 1.100 5,716
4
T3 – 15 5,367 1.500 8,051
T4 – 16 5,538 0.800 4,430
T1 – 17 5,709 0.599 3,420
T2 – 18 5,881 1.100 6,469
5
T3 – 19 6,052 1.500 9,078
T4 – 20 6,223 0.800 4,978
T1 – 21 6,394 0.599 3,830
T2 – 22 6,565 1.100 7,222
6
T3 – 23 6,737 1.500 10,106
T4 – 24 6,908 0.800 5,526
Demanda temporalizada = Demanda destemporalizada x Índice de temporada
Gráfico de tendencia estacional
y
10,000
Datos reales Datos ajustados Pronóstico
9,000
Su duración se repite
8,000 en intervalos fijos que
7,000 duran un año en
periodos trimestrales
6,000
5,000
4,000
3,000
2,000
1,000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 x
Tiempo en trimestres
Docente: Emilio Flores Ballesteros
Dirección Táctica de Operaciones
Modelos
cuantitativos:
Métodos
causales
Demanda (D)
Variable
dependiente
Σ y = n a + b1 Σ x1 + b2 Σ x2
Σ x1 y = a Σ x1 + b1 Σ (x1)2 + b2 Σ x1 x2
Σ x2 y = a Σ x2 + b1 Σ x1 x2 + b2 Σ (x2)2
• Luego de resolver las tres ecuaciones simultáneas
precedentes, se obtienen los valores de los parámetros
“a” , “b1” y “b2” y se obtiene el modelo.
• La varianza, desviación y coeficiente de correlación se
obtienen aplicando la tabla de varianza explicada y no
explicada. El modelo se acepta cuando la correlación de
variables es alta.
Gráfico de la Regresión múltiple con 3 variables
y = a + b1 x1 + b2 x2
y
0 x1
Cada punto de la
línea recta expresa
los valores de las
tres variables del
x2 modelo
Modelos
cuantitativos:
Métodos de
suavización