UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE QUÍMICA

S U G E R E N C I A S PA R A L A M E J O R A D E L O S P R O C E S O S D E P L A N E A C I Ó N D E L A
D E M A N DA E N U N A E M P R E S A D E L S E C T O R FA R M A C É U T I C O

Sustentante: David Mauricio Velázquez Rueda

Asesor: M. Federico Carlos Hernández Chavarría
Contenido
Introducción
Cadena de valor comercial
Planteamiento del problema
Objetivos
Propuesta de respuesta al problema
Conclusiones
Referencias
Introducción
La planeación de la demanda es un proceso de la cadena de suministro que estima la venta de un
producto para cierto periodo de tiempo. Esta actividad detona los demás procesos de producción,
abasto, operación y presupuesto de ventas.

Está relacionada en gran medida a la gestión de recursos e influye en la competitividad de los

productos en el mercado en cuanto a disponibilidad y precio.

El producto objeto del estudio es un medicamento compuesto por Pargeverina y Clonixinato de

Lisina (10 / 125 mg).
Cadena de valor comercial

Cadenas de farmacias
de venta indirecta,
Distribuidores autoservicios y
farmacias
independientes

Laboratorio

Cadenas de farmacias
Consumidores
de venta directa
Planteamiento del problema
En un mercado competitivo como el sector farmacéutico, es de suma importancia planear la demanda
de forma precisa y flexible para dar respuesta a los cambios que experimente el mercado.

Usualmente las compañías cuentan con un área especializada de planeación de la demanda. Sin
embargo, el proceso presenta áreas de oportunidad cuando no se efectúa analizando información
histórica, no se emplean modelos adecuados o sofisticados e inclusive es desempeñada por otras
áreas de la compañía.
Objetivos

Garantizar el
Ampliar la
abasto a
disponibilidad
distribuidores
del producto a
y puntos de
nivel nacional.
venta.

Asegurar
niveles
Mejorar el
óptimos de
nivel de
inventario en
servicio con
la cadena de
clientes.
valor
comercial.
Propuesta de respuesta al problema
Venta en unidades de Pargeverina y Clonixinato de Lisina

Venta a distribuidores Venta a cadenas Venta PDV

30,000
▪Analizar la venta histórica del medicamento en
los tres niveles de la cadena de valor comercial.
25,000
▪Evaluar modelos de previsión y determinar para
20,000
cada nivel de la cadena de valor el que mejor
describa y pronostique la demanda futura.
15,000
▪Implementar la evaluación de modelos para el
desarrollo del proceso de planeación de la
demanda.
10,000

5,000
▪Analizar las previsiones de forma conjunta para
detectar comportamientos inesperados en las
0
previsiones.
Pronóstico a Distribuidores y Directos
Método Jerarquía RMSE MAD MAPE

SARIMA (0,1,1) (2,0,0) 1 3,417 2,545 30.29%

▪El modelo SARIMA (media móvil autorregresiva
Multiplicativo de Holt – Winters 2 3,960 3,160 38.40% integrada estacional) es aquel cuyas medidas de
error son menores.
Aditivo estacional 3 4,075 3,269 39.16%

▪Los modelos de previsión en general denotan la

Multiplicativo estacional 4 4,085 3,277 38.69%
dificultad de pronosticar con exactitud la venta a
Aditivo de Holt – Winters 5 4,287 3,494 45.66% distribuidores
Promedio móvil simple 6 4,647 3,536 47.97% ▪Lo anterior deriva de negociaciones especiales
Suavizado exponencial doble 7 4,690 3,620 50.55%
efectuados entre laboratorio y clientes directos,
lo cual sesga la información histórica.
Suavizado exponencial simple 8 4,695 3,660 50.43%

Promedio móvil doble 9 4,811 3,811 44.24%

Pronóstico a Distribuidores y Directos
▪Los datos no muestran tendencia pero sí
estacionalidad. La previsión suaviza las ventas
futuras y funge como base para estimar el
inventario necesario para satisfacer la demanda
pronosticada.
▪La premisa de fabricación del laboratorio es de 6
meses de venta para facilitar así la gestión de la
cadena de suministro adecuadamente.
Pronóstico a Cadenas e Independientes
Método Jerarquía RMSE MAD MAPE

Multiplicativo de Holt – Winters 1 2,559 1,981 19.80%

▪En segundo lugar se ubica el modelo SARIMA
SARIMA (0,1,1) (1,0,0) 2 2,608 1,771 16.70% debido a que el error cuadrático medio es mayor,
1,923
sin embargo, se sigue empleando dado que la
Aditivo de Holt – Winters 3 2,630 18.92%
desviación media absoluta y el error porcentual
Multiplicativo estacional 4 2,768 2,075 20.13% absoluto medio son menores.
Aditivo estacional 5 2,821 1,989 19.22% ▪Las medidas de error en términos generales
disminuyen con respecto a la previsión para
Promedio móvil doble 6 3,548 2,577 21.71%
distribuidores, lo cual indica que se requerirá de
Suavizado exponencial doble 7 3,556 2,527 25.60% una menor intervención de bloques externos
para tener un pronóstico adecuado.
Suavizado exponencial simple 8 3,559 2,523 25.44%

Promedio móvil simple 9 3,604 2,593 25.23%

Pronóstico a Cadenas e Independientes
▪Los datos muestran tanto tendencia como
estacionalidad. El modelo prevé ventas similares
al año inmediato anterior aunado a un factor de
tendencia positivo.

▪Dando lugar a la previsión de venta a cadenas de

farmacias y autoservicios, así como el inventario
con el que deberán contar los distribuidores para
dar cabal suministro a la demanda pronosticada.
Pronóstico a Consumidores
Método Jerarquía RMSE MAD MAPE

SARIMA (0,1,0) (2,0,2) 1 1,169 770 6.58%

▪En general las medidas de error para los modelos
Multiplicativo de Holt-Winters 2 1,351 1,001 8.52% de previsión han reducido significativamente, de
tal forma que la demanda será adecuadamente
Multiplicativo estacional 3 1,373 998 8.17%
previsible.
Aditivo Holt – Winters 4 1,379 961 7.98%
▪Nuevamente el modelo de media móvil
Aditivo estacional 5 1,383 969 8.01% autorregresiva integrada estacional pronostica
con un menor nivel de error, siendo el más
Suavizado exponencial doble 6 1,513 1,014 8.74%
adecuado para prever la demanda.
Suavizado exponencial simple 7 1,513 1,014 8.73%

Promedio móvil simple 8 1,547 1,038 9.05%

Promedio móvil doble 9 1,889 1,320 11,23%

Pronóstico a Consumidores
▪La información presenta tendencia positiva pero
no denota una estacionalidad marcada en la
demanda del producto.

▪Lo anterior se debe a que la naturaleza del

producto no responde a afecciones relacionadas
específicamente al clima o costumbres de alguna
temporada en particular.

▪Dando lugar a prever la demanda y el inventario

adecuado acorde a la rotación de producto en el
punto de venta.
Monitoreo Integrado
▪Comparar las previsiones de demanda de los tres
niveles de la cadena de valor comercial a la vez,
permite denotar visualmente comportamientos
importantes.
▪Se observa que en 2021 la demanda del
consumidor rebasará las previsiones de venta a
distribuidores y cadenas.
▪Por lo tanto, se muestra la utilidad de la
implementación de las mejoras al proceso, dado
que se facilita la flexibilidad y capacidad de
respuesta del proceso.
Propuesta de compra para cadenas
ESQUEMA DE COMPRA PROPUESTA DE COMPRA
Número de Inventario sin Semana del mes Número de Compra cliente Venta cliente Inventario sin
Semana del mes Compra cliente Venta cliente
compra movimiento compra movimiento
$1,000,000 + $3,000,000 + stock 1 1 $1,000,000 $1,000,000 + $0.00 + stock de
1 1 $4,000,000
utilidad de seguridad utilidad seguridad
$1,000,000 + $2,000,000 + stock 2 2 $1,000,000 $1,000,000 + $0.00 + stock de
2 $0.00
utilidad de seguridad utilidad seguridad
$1,000,000 + $1,000,000 + stock 3 3 $1,000,000 $1,000,000 + $0.00 + stock de
3 $0.00
utilidad de seguridad utilidad seguridad
$1,000,000 + $0.00 + stock de 4 4 $1,000,000 $1,000,000 + $0.00 + stock de
4 $0.00
utilidad seguridad utilidad seguridad
$3,000,000 en Total 4 $4,000,000 $4,000,000 + $0.00 + stock de
semana 1, utilidad seguridad
$2,000,000 en
$4,000,000 +
Total 1 $4,000,000 semana 2 y
utilidad
$1,000,000 en
semana 3 + stock
de seguridad
Conclusiones
▪El proceso de planeación de la demanda es capaz de simultáneamente monitorear y prever el
movimiento de productos en una misma cadena de valor.
▪La evaluación de modelos de previsión y su posterior implementación permite mejorar la precisión
del proceso de planeación de la demanda.
▪Las recomendaciones propuestas para mejorar el proceso de planeación de la demanda facilitan la
flexibilidad y capacidad de respuesta frente a cambios en el mercado o cadena de suministro.
▪La flexibilidad en el proceso facilita la gestión adecuada de recursos y la planeación de otros
procesos como suministro, producción, operaciones y ventas.
▪Los beneficios más relevantes se observan en garantizar la disponibilidad del producto,
abastecimiento óptimo de inventarios, reducción de capital ocioso, disminución de devoluciones,
incremento en la rotación del producto y mitigación de producto enviado a destrucción.
 Referencias
▪ Heizer Jay y Render Barry (2008). Forecasting Demand. En Operations Management

▪ Chopra y Meindl (2015). Administración de la Cadena de Suministro.

▪ Estrada Mendoza y Ávila Cedillo (2015). Metodología de Planeación de la Demanda para la Reducción del Error del Pronóstico. U.N.A.M.

▪ Peregrina Hernández y Gutiérrez Matus (2011). Propuesta de Mejora en el Proceso de Planeación de la Demanda en una Empresa de Artículos de
Cuidado Personal. Instituto Politécnico Nacional.

▪ Ramos Almanza y Bacca. Importancia de la Planeación de la Demanda en una Empresa del Sector Industrial. (2014). Universidad Militar de Nueva
Granada.

▪ La Planeación de la Demanda como Requisito para la gestión de las Cadenas de Suministro en las Empresas en Colombia. Zuluaga Mazo, Molina Parra
y Guisao Giraldo.Revista Politécnica. ISSN 1900-2351; Año 7. Número 12. Enero- junio de 2011.

▪ Diagnóstico Sectorial Farmacéutico (2013). ProMéxico. Unidad de Inteligencia de Negocios.

▪ Cámara Nacional de la Industria Farmacéutica. Consultada el 31 de agosto de 2020.

▪ Ley General de Salud. Cámara de Diputados del H. Congreso de la Unión. Última versión 4 de diciembre de 2020.

▪ Vademecum consultado por última vez el 14 de noviembre de 2020.

▪ Sector Industria Farmacéutica. Secretaría de Economía 2015.