GESTIÓN DE LA DEMANDA Y

PLANIFICACIÓN DE LA PRODUCCIÓN

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial
 PROCESO PRODUCTIVO

PROCESO
RECURSOS MERCADO
LINEA O TALLER PRODUCTO
CLIENTES
DE PRODUCCIÓN

DEMANDA

2
 LA GESTIÓN DE LA DEMANDA

“El propósito del manejo o la gestión de la

demanda es coordinar y controlar todas
las fuentes de la demanda, con el fin de
poder usar con eficiencia el sistema
productivo y entregar el producto a
tiempo”

R. Chase, F. Roberts y N. Aquilano

3
FUENTES DE LA DEMANDA

DEMANDA DEPENDIENTE DEMANDA INDEPENDIENTE

Es la demanda de un producto o servicio que se

genera directamente por la demanda de otro(s)
producto(s) o servicio(s).

Éste tipo de demanda se presenta principalmente

en partes o componentes de un producto.

4
FUENTES DE LA DEMANDA

DEMANDA DEPENDIENTE DEMANDA INDEPENDIENTE

5
FUENTES DE LA DEMANDA

DEMANDA DEPENDIENTE DEMANDA INDEPENDIENTE

Este tipo de demanda se presenta en productos

finales. No depende de la producción de otros
productos, sino que es resultado directo del
mercado y sus clientes.
Se puede administrar de forma activa o pasiva,
según los objetivos y capacidades de la empresa.

6
FUENTES DE LA DEMANDA

DEMANDA DEPENDIENTE DEMANDA INDEPENDIENTE

jueves, 4 de agosto de 2022 7

FUENTES DE LA DEMANDA

DEMANDA DEPENDIENTE DEMANDA INDEPENDIENTE

Factores Externos: Economía (indicadores

económicos), competencia, productos
complementarios, elección del consumidor, etc.

Factores Internos: Publicidad, precio, descuentos,

calidad, tiempos de entrega, etc.

8
 COMPORTAMIENTO DE LA DEMANDA

DEMANDA CONSTANTE DEMANDA CON TENDENCIA DEMANDA ESTACIONAL

50

45

40

35

30
Demanda

25

20

15

10

0
0 5 10 15 20 25 30 35 40
Periodo

9
 COMPORTAMIENTO DE LA DEMANDA

DEMANDA CONSTANTE DEMANDA CON TENDENCIA DEMANDA ESTACIONAL

120 60

100 50

80 40

Demanda
Demanda

60 30

40 20

20 10

0 0
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40
Periodo Periodo

10
 COMPORTAMIENTO DE LA DEMANDA

DEMANDA CONSTANTE DEMANDA CON TENDENCIA DEMANDA ESTACIONAL

350

300

250

200
Demanda

150

100

50

0
0 2 4 6 8 10 12
Trimestre

11
 COMPONENTES DE LA DEMANDA

TENDENCIAL CICLICO ESTACIONAL AUTOCORRELACIÓN ALEATORIO

400

350

300

250
Demanda

200

150

100

50

0
0 4 8 12 16 20 24
Trimestre

12
 COMPONENTES DE LA DEMANDA

TENDENCIAL CICLICO ESTACIONAL AUTOCORRELACIÓN ALEATORIO

400

350

300

250
Demanda

200

150

100

50

0
0 4 8 12 16 20 24
Trimestre

13
 COMPONENTES DE LA DEMANDA

TENDENCIAL CICLICO ESTACIONAL AUTOCORRELACIÓN ALEATORIO

400

350

300

T1 = ENERO – MARZO 250 T2

Demanda

T2= ABRIL – JUNIO

T3= JULIO- SEPTIEMBRE
200
T3
T4= OCTUBRE – DICIEMBRE 150

100
T1 T4
50

0
0 4 8 12 16 20 24
Trimestre

14
 COMPONENTES DE LA DEMANDA

TENDENCIAL CICLICO ESTACIONAL AUTOCORRELACIÓN ALEATORIO

60

50

40
Demanda

30

20

10

0
0 5 10 15 20 25 30 35 40
Periodo

15
 COMPONENTES DE LA DEMANDA

TENDENCIAL CICLICO ESTACIONAL AUTOCORRELACIÓN ALEATORIO

50

45

40

35

30
Demanda

25

20

15

10

0
0 5 10 15 20 25 30 35 40
Periodo

16
 UNIDAD N°1
INTRODUCCIÓN A
PRONÓSTICOS

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial
 PRONÓSTICOS

Es la previsión de la demanda futura

con propósitos de planificación.

18
 IMPLICACIONES DEL PRONÓSTICO

La precisión de los pronósticos de demanda juega un papel

crucial en el desempeño de una cadena de suministro ya que
afecta directamente en la planificación de la misma.
Los errores en los pronósticos de demanda de los minoristas se
propagan a lo largo de la cadena de suministro hasta llegar a
distorsionar las órdenes de los proveedores.
La selección de un modelo de pronóstico tiene
influencias significativas en el desempeño del sistema
de producción e inventarios.
19
EL EFECTO LÁTIGO – BULLWHIP EFFECT

20
 SUPUESTOS DE LOS PRONÓSTICOS

Los pronósticos se basan en unos supuestos básicos de los cuales hay que tener
muy claros (Chopra,2008) (Namihas,2008):
1. Los pronósticos siempre están equivocados, y por lo tanto siempre deben
incluir el valor esperado de la predicción y el error de dicha predicción.
2. Los pronósticos a largo plazo son menos precisos que los de corto plazo.

3. Los pronósticos agregados son en general más precisos que los desagregados.

4. Mientras más arriba se esté en la cadena de suministro, mayor será la distorsión

de la información de demanda que se recibe.

21
ELEMENTOS DEL PRONÓSTICO

• Variable a pronosticar

• Horizonte de planificación

• Información Histórica

• Período de división temporal: días, meses, años

• Frecuencia de revisión

22
 MÉTODOS DE PRONÓSTICOS
CUANTITATIVOS
Series de tiempo
• Promedios simples
• Promedios móviles
• Suavización exponencial
• Método de Winters-Holt
• Modelos de simulación
• ARIMA
PRONÓSTICOS
Enfoque Causal
• Regresión lineal simple
• Regresión lineal múltiple
• Modelos econométricos
• Modelos de simulación
CUALITATIVOS
• Técnicas Acumulativas
• Método Delphi/Opinión de Expertos
• Investigación de mercados
• Grupos de concenso
• Analogía histórica
 PR0NÓSTICOS CUALITATIVOS

TECNICAS INVESTIGACIÓN DE GRUPOS DE MÉTODO DELPHI

ACUMULATIVAS MERCADOS CONCENSO
La estimación de la demanda es resultado de la compilación de información
proveniente de los diversos segmentos o zonas geográficas de la organización.

Pronóstico
de Ventas

Pedidos Pedidos
Almacén 1 Almacén 2

Pedidos Pedidos Pedidos

Zona 1 Zona 2 Zona N

24
PR0NÓSTICOS CUALITATIVOS

TECNICAS INVESTIGACIÓN DE GRUPOS DE MÉTODO DELPHI

ACUMULATIVAS MERCADOS CONCENSO

El pronóstico de ventas resulta de la aplicación de encuestas,

cuestionarios que buscan indagar acerca de gustos y percepciones
del cliente o segmento de mercado con respecto al producto o servicio

25
PR0NÓSTICOS CUALITATIVOS

TECNICAS INVESTIGACIÓN DE GRUPOS DE MÉTODO DELPHI

ACUMULATIVAS MERCADOS CONCENSO

Un grupo de ejecutivos, vendedores o clientes discute acerca del

posible comportamiento de la demanda del producto.

26
 PR0NÓSTICOS CUALITATIVOS

TECNICAS INVESTIGACIÓN DE GRUPOS DE MÉTODO DELPHI

ACUMULATIVAS MERCADOS CONCENSO

Un grupo de expertos responde un cuestionario relacionado con hipótesis

sobre el comportamiento de la demanda en el futuro.

Un moderador recopila y tabula los resultados, obteniendo proyecciones de

demanda. Se formula un cuestionario nuevo que sirva para ajustar, resolver
y discutir las diversas opiniones que se presentan en el grupo.

Después de varias rondas de cuestionarios, se hacen las proyecciones

finales y se presentan los resultados.

27
 PRONÓSTICOS
CUANTITATIVOS

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial
PRONÓSTICOS DE SERIES DE TIEMPO

PROMEDIO MOVIL

El pronóstico de la demanda futura se obtiene promediando los últimos

n datos históricos.

29
 COMPORTAMIENTO DE LA DEMANDA

DEMANDA CONSTANTE DEMANDA CON TENDENCIA DEMANDA ESTACIONAL

50

45

40

35

30
Demanda

25

20

15

10

0
0 5 10 15 20 25 30 35 40
Periodo

30
PRONÓSTICOS DE SERIES DE TIEMPO

PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

31
PRONÓSTICOS DE SERIES DE TIEMPO
n=3
PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

32
PRONÓSTICOS DE SERIES DE TIEMPO
n=3
PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

33
PRONÓSTICOS DE SERIES DE TIEMPO
n=3
PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

34
PRONÓSTICOS DE SERIES DE TIEMPO
n=3
PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

1567

35
PRONÓSTICOS DE SERIES DE TIEMPO
n=9
PROMEDIO MOVIL

¿Cuál sería el pronóstico

para el periodo número
12?

36
PRONÓSTICOS DE SERIES DE TIEMPO
n=9
PROMEDIO MOVIL

37
PRONÓSTICOS DE SERIES DE TIEMPO
n=9
PROMEDIO MOVIL

1500

38
PRONÓSTICOS DE SERIES DE TIEMPO

PROMEDIO MOVIL PONDERADO

El pronóstico de la demanda futura se obtiene promediando los

últimos n datos históricos. A cada periodo se le asigna un peso o
ponderación W.

39
EJERCICIO EN CLASE

40
EJERCICIO EN CLASE

Haga un pronóstico para la siguiente semana:

a) Diario, con un promedio móvil de 3 semanas.

b) Diario, con un promedio móvil ponderado de 0.6, 0.20, 0. 15 y

0.05 para las últimas cuatro semanas.

41
EJERCICIO EN CLASE

a) Diario, con un promedio móvil de 3 semanas.

42
EJERCICIO EN CLASE

b) Diario, con un promedio móvil ponderado de 0.6, 0.20, 0. 15 y 0.05 para las últimas
cuatro semanas.
w4= 0,05 w3= 0,15 w2= 0,20 w1= 0,6

F(Lunes)= 0,05*2200 + 0,15*2400 + 0,20*2300 + 0,6*2400

43
ERROR DE PRONÓSTICO

La demanda de un producto se genera

mediante la interacción de varios factores
demasiado complejos para describirlos con
precisión en un modelo.

El término error se refiere a la diferencia

entre el valor del pronóstico y lo que ocurrió
en realidad. En estadística, estos errores se
conocen como residuales.
44
MEDICION DEL ERROR
Desviación Media Absoluta (MAD)
La MAD se calcula utilizando las
diferencias entre la demanda
real y la demanda pronosticada
sin importar el signo.
Es igual a la suma de las
desviaciones absolutas dividida
entre el número de puntos de
datos.
∑$!"# 𝐴% − 𝐹%
𝑀𝐴𝐷 =
𝑛
Donde:
t = Número del periodo.
A = Demanda real para el periodo.
F = Demanda pronosticada para el periodo.
n = Número total de períodos.
| | = Símbolo utilizado para indicar el valor absoluto sin
tomar en cuenta los signos positivos y negativos.
45
 EJEMPLO

MES PRONOSTICO DEMANDA REAL RESIDUAL VALOR ABSOLUTO

1400

1 1200 1100 -100 100 1300

1200
2 1000 1050 50 50
1100

3 1200 1350 150 150 1000

900
4 1000 1250 250 250 PRONOSTICO
800 DEMANDA REAL
5 900 1115 215 215 700

600
∑ 765
500

400
∑$!"# 𝐴% − 𝐹% 765 1 2 3 4 5
𝑴𝑨𝑫 = = Periodo
𝑛 5
𝑴𝑨𝑫 = 153

46
 SEÑAL DE SEGUIMIENTO (TRACKING SIGNAL)

Es una medida que indica si el promedio

pronosticado sigue el paso de cualquier
cambio hacia arriba o hacia abajo en la
demanda.
Es el número de desviaciones absolutas
medias que el valor pronosticado se
encuentra por encima o por debajo de la
ocurrencia real.

47
 SEÑAL DE SEGUIMIENTO (TRACKING SIGNAL)

DEMANDA VALOR
MES PRONOSTICO REAL RESIDUAL ABSOLUTO MAD RSFE TS
1 1200 1100 -100 100 100,00 -100,00 -1,00
𝑅𝑆𝐹𝐸 2 1000 1050 50 50 75,00 -50,00 -0,67
𝑇𝑆 = 3 1200 1350 150 150 100,00 100,00 1,00
𝑀𝐴𝐷 4 1000 1250 250 250 137,50 350,00 2,55
5 900 1115 215 215 153,00 565,00 3,69

RSFE (Running Sum of Forecast Error)

La suma corriente de los errores
pronosticados, considerando la
naturaleza del error (por ejemplo, los
errores negativos cancelan los errores
positivos, y viceversa).
.

48
SEÑAL DE SEGUIMIENTO (TRACKING SIGNAL)

4,00

3,00
La realidad es mayor
DEMANDA 2,00 que el pronóstico.
MES PRONOSTICO REAL TS
1 1200 1100 -1,00 1,00
2 1000 1050 -0,67
3 1200 1350 1,00 0,00 Pronóstico ideal
4 1000 1250 2,55
-1,00
5 900 1115 3,69
-2,00
La realidad es menor
-3,00
que el pronóstico

-4,00
1 2 3 4 5
TS -1,00 -0,67 1,00 2,55 3,69

49
 SEÑAL DE SEGUIMIENTO (TRACKING SIGNAL)

DEMANDA
MES PRONOSTICO REAL TS
1 1200 1100 -1,00
2 1000 1050 -0,67
3 1200 1350 1,00
4 1000 1250 2,55
5 900 1115 3,69

1 MAD = 0.8 desviaciones estándar

% PUNTOS DENTRO
DESVIACIONES DE LOS LIMITES DE
MAD ESTANDAR CONTROL
1 0.798 57.048
2 1.596 88.946
3 2.394 98.334
4 3.192 99.856

50
EJERCICIO EN CLASE
CASO ALTAVOX

Altavox es fabricante y distribuidor de instrumentos y aparatos electrónicos, como

multímetros digitales analógicos, generadores de función, osciloscopios, contadores de
frecuencia y otras máquinas para pruebas y mediciones.

Altavox vende una línea de medidores de prueba que son populares entre los electricistas
profesionales. El modelo VC202 se vende, a través de seis distribuidoras, a las tiendas
minoristas de Estados Unidos. Las distribuidoras están en Atlanta, Boston, Chicago, Dallas y
Los Ángeles y fueron escogidas para atender regiones diferentes.

El modelo VC202 se ha vendido bien durante años por su confiabilidad y sólida

construcción. Altavox no lo considera un producto estacional, pero hay cierta variabilidad
en la demanda. En la siguiente tabla se muestra la demanda del producto en las últimas 13
semanas.
51
 EJERCICIO EN CLASE
CASO ALTAVOX

Semana/Sede Atlanta Boston Chicago Dallas Los Ángeles

Distribuidora
En la siguiente tabla 1 40 50 49 40 38
se muestran los 2 45 35 35 42 43
datos históricos de 3 37 45 33 60 54
4 38 36 55 40 40
ventas del modelo 5 53 46 50 51 46
VC202 de los últimos 6 30 47 48 35 60
13 periodos, para 7 28 38 64 70 45
cada una de las 8 45 18 50 40 35
sedes. 9 47 62 30 58 45
10 37 44 65 34 38
11 23 30 46 45 48
12 55 45 45 47 56
13 40 50 47 42 36

52
EJERCICIO EN CLASE
CASO ALTAVOX

a. Utilice un gráfico de dispersión de Excel y compruebe el tipo de comportamiento que

presenta la demanda del modelo VC202 en cada sede distribuidora. Utilice promedios
móviles de n=2, n=4 y n=6 para calcular el pronóstico de la semana 14 para cada una
de las sedes distribuidoras. Calcule las medidas de error (MAD y TS) y determine cuál
tamaño de n arroja pronósticos con mayor exactitud para cada sede.

a. Utilice la misma estrategia de promedios móviles del punto “a” para pronosticar, en
este caso, la demanda total semanal de Altavox. Sume las ventas de todas las sedes y
realice un pronóstico por semana. Calcule las medidas de error. Responda: ¿Agregar
(sumar) la demanda de todas las sedes mejora la exactitud del pronóstico? Analice los
resultados y exponga sus conclusiones basándose en las medidas de error (MAD / TS).

53
TRABAJO INDEPENDIENTE

CONSULTAR
¿Qué es MAPE? (Mean Absolute Percentage Error)
¿Para qué se utiliza?
¿En qué se diferencia del MAD y TS?

LECTURA DE LA SEMANA – QUIZ VIRTUAL

Capítulo: “Pronósticos” Pág 475 (página digital).

Jacobs, F. R. (2022). Administración de operaciones. McGraw-Hill Interamericana.
http://www.ebooks7-24.com.ezproxy.cuc.edu.co/?il=16843

54