Documentos de Académico
Documentos de Profesional
Documentos de Cultura
T-Mba 21 001127 01
T-Mba 21 001127 01
Autor:
Juan Pablo Villalva
Introducción
La cadena de suministros permite que los productos generados desde los
proveedores de materia prima lleguen a los clientes. Para que esto funcione de
manera eficiente es necesario gestionar esta cadena usando conceptos y
herramientas clave. En este primer tema, abordaremos la importancia del
cálculo del pronóstico de la demanda y revisaremos conceptos claves de
funcionamiento de una cadena de suministros. Un pronóstico de la demanda
acertado nos permitirá gestionar las operaciones de manera eficiente.
Palabras clave
Push, pull, demanda, pronóstico, series del tiempo, MAD
Reto
Si una empresa no sabe cuántos productos solicitarán los clientes en el siguiente
mes, ¿cómo puede planificar sus operaciones? El reto entonces es ser capaz de
calcular un pronóstico y conocer cómo podemos validar el mismo usando el
cálculo del MAD.
Desarrollo
1. La cadena de suministros
La cadena de suministros −en inglés, supply chain− son todos aquellos procesos
y operaciones que permiten llevar la materia prima desde los proveedores hasta
las plantas de manufactura, y los productos terminados al cliente final.
En este contexto acabamos de mencionar los productos, los cuales viajan desde
los proveedores de materia prima hasta los clientes. Por el contrario, en el caso
del dinero, este viaja desde los clientes hasta los productores de materia prima.
Fuente: https://www.sigmacol.com/single-post/2017/02/10/optimizando-la-
cadena-de-suministro
1. Estrategia push.
2. Estrategia pull.
+34 691 225 633
Rev. Febrero 2021
2. Estrategia push
Una estrategia tipo push se basa en producir grandes lotes del producto y
empujar este inventario al cliente. Imaginemos un restaurante de
hamburguesas. Si este restaurante emplea una estrategia push, hará todas las
hamburguesas que pueda, esperando que los clientes las compren. O quizá
produzca todas las hamburguesas que sabe que normalmente se venden en un
día normal. Pero ¿qué ocurre si el ejemplo es una fábrica de mesas que fabrica
todas las mesas que puede esperando que los clientes las compren? En este
caso, ¿no sería buena idea porque no sabemos si los clientes las van a comprar o
no? A pesar de este razonamiento, muchas fábricas producen todas las mesas
posibles esperando venderlas.
3. Estrategia pull
Una estrategia tipo pull consiste en producir únicamente cuando el cliente solicita
el producto. Es decir, se produce en base a la demanda real y no en base a un
pronóstico de demanda o a la capacidad de producción. Imaginemos el mismo
restaurante de hamburguesas. Si este restaurante emplea una estrategia pull,
cocinará las hamburguesas solamente cuando el cliente realice un pedido. ¿Pero
qué ocurre si el ejemplo es una fábrica de mesas y crea las mesas únicamente
cuando el cliente hace un pedido? Tal vez las hamburguesas sí se puedan
producir en un breve intervalo de tiempo, pero no sucede igual con las mesas.
Fuente: https://es.scribd.com/document/365650284/Pull-vs-Push-148
A) En una fábrica de mesas, empleando una estrategia push: crear todas las
mesas posibles usando toda la capacidad de producción o en base a un
pronóstico de venta.
B) En una fábrica de mesas, empleando una estrategia pull: crear las mesas
únicamente cuando los clientes pongan una orden.
Existe una gran diferencia que podría ayudarnos a decidir cuál de los dos
ejemplos es más propicio para usar una estrategia push y esto se une con el
concepto de efecto látigo.
+34 691 225 633
Rev. Febrero 2021
En definitiva, resulta más fácil implementar una estrategia tipo pull cuando
estamos más cerca del cliente en la cadena de suministros. Cuanto más lejos nos
encontremos del cliente en la cadena de suministros, más difícil será
implementar una estrategia push, ya que el número de pedidos se incrementa.
5. El pronóstico de la demanda
La predicción de la demanda es fundamental para un manejo óptimo de las
operaciones en una cadena de abastecimiento. Si no sabemos cuánto producto
vamos a vender, no podemos dimensionar el recurso humano, la materia prima
necesaria, la capacidad de producción, etc.
6. Moving average
Si queremos calcular el pronóstico para el mes 7 (julio), podríamos usar los
datos de las demandas del cliente en los meses anteriores y, en base a eso,
realizar este pronóstico.
Donde:
Ejemplo:
Calcular el promedio móvil para el t=4, usando N=3, con los siguientes datos:
D1=10
D2=18
D3=29
P4=(D3+D2+D1)/3
P4=(29+18+10)/3
P4=19
Cuanto más largo es el período del promedio N, más lenta será la respuesta
a los cambios de la demanda. Un Período N más largo proporciona
estabilidad en el pronóstico, pero responde con lentitud a los cambios reales
en el nivel de la demanda.
Si le damos más peso a las demandas más recientes, estaríamos diciendo que
para calcular el pronóstico del mes 7, la demanda del cliente en el mes 6, tiene
más peso que la demanda del cliente en el mes 5. Esta demanda del mes 5 a su
vez tiene más peso que la demanda del mes 4.
+34 691 225 633
Rev. Febrero 2021
Donde:
Pt = Pronóstico de la Demanda para el tiempo t
Ejemplo:
Calcular el weighted moving average para el t=4, usando N=3, y con W3=0.5,
W2=0.3, W1=0.2, con los siguientes datos:
D1=10
D2=18
D3=29
P4=D3*0.5+D2*0.3+D1*0.2
P4=29*0.5+18*0.3+10*0.2
P4=21.9
+34 691 225 633
Rev. Febrero 2021
8. Exponential smoothing
Chase (2009) afirma que la suavización exponencial o exponential smoothing se
llama así porque cada incremento en el pasado se reduce de manera
exponencial (1- α).
En este pronóstico los datos más recientes tienen más importancia que los datos
pasados con un factor (1-α).
Si alfa es 0.1, estamos considerando el 10% del error del mes anterior.
Alfa 0.6 permite que el pronóstico siga más rápidamente los cambios de la
demanda que alfa 0.2
+34 691 225 633
Rev. Febrero 2021
Ejemplo:
P1 = 15
Α = 0.1
P2 = P1+α (D1-P1)
P2=15+0.1(10-15)
P2=14.5
P3=14.5+0.1(18-14.5)
P3=14.85
P4=14.85+0.1(29-14.85)
P4=16.27
9. Errores en pronósticos
Después de calcular el pronóstico, es importante calcular el error del mismo por
las siguientes razones:
10. CFE
El error CFE (cumulative sum of forecast errors) se calcula sumando todos los
errores, tomando en cuenta el signo de los mismos. Este error permite saber si el
pronóstico está presentando algún sesgo positivo o negativo.
Ejemplo:
+34 691 225 633
Rev. Febrero 2021
11. MAD
El error MAD (mean absolute deviation) es una medida de la dispersión del error
absoluto. Se calcula como el promedio de los errores absolutos.
Ejemplo:
+34 691 225 633
Rev. Febrero 2021
Ejemplo:
+34 691 225 633
Rev. Febrero 2021
Conclusión
En una cadena de suministros, la demanda y su pronóstico son piezas
fundamentales. Como hemos visto, el pronóstico permite que las operaciones
puedan ser eficientes solamente si es cercano al comportamiento de la
demanda. En el caso de una estrategia push, el pronóstico es el input para la
producción y funcionamiento de toda la empresa.
BIBLIOGRAFÍA
• Chase, 2009, Administración de Operaciones Producción y Cadena de
Suministros, ed. Mc Graw Hill.