Planificación y Gestión de la demanda

CESDE
2022
1.1. Demand Planning en el seno del Supply Chain Management

• Principio básico

Un aprovisionamiento y una fabricación correctos requieren

una previsión de la demanda fiable.

La previsión de la demanda y su calidad forman la base de

una verdadera gestión del stock, de las compras y
aprovisionamientos y, por supuesto, de la producción.
En esta definición la palabra “fiable” adquiere máxima
importancia

2
El origen de la cadena de suministros

¿Creéis que es correcto?

Productos y servicios

MATERIAS FABRICANTES DISTRIBUIDORES

DEMANDA DE BIENES Y
PRIMAS

SERVICIOS
Información en función de la demanda prevista

3
El origen de la cadena de suministros

¿O quizá éste es el planteamiento adecuado?

Información en función de la demanda prevista

DISTRIBUIDORES FABRICANTES MATERIAS

DEMANDA DE BIENES Y

PRIMAS
SERVICIOS

Productos y servicios

4
El origen de la cadena de suministros

La diferencia entre ambas slides es lo que se conoce como Demand Planning.

Definición:
Demand Planning es aquella sucesión de procesos de Supply
Chain Management que permiten crear, partiendo de históricos
de consumo, previsiones fiables susceptibles de ser
consensuadas , aceptadas y asumidas por la organización como
input de sus procesos de planificación de producción (MRP) y
de distribución de materiales (DRP).
El objetivo del Demand Planning es la optimización de los
stocks en cada nudo de la cadena de suministros garantizando
un nivel de servicio al cliente (tanto interno como externo)
prefijado por la organización.

5
¿DONDE EMPIEZA A TODO?
Tal y como ya habéis visto, todo el proceso del Supply Chain Management (S.C.M) se
inicia con una buena gestión a corto, medio y largo plazo de la previsión de demanda.

Operations Strategy
Management de la
Planificación Estrategia de
Contratos de
Demanda a Largo Industrial & Supply
estratégica Materiales
Plazo Chain
(incl. Portfolio mgt)

Sales & Operations Planning

Planificación Management de
Táctica la demanda a Planificación red Planificación de Planificaión de
medio plazo de Distribución la producción Materiales
(incl. Portfolio mgt)

Planificación Planificación red Planif.

Plan producción
demanda a de Distribución Requerimiento
Planificación a corto plazo
corto plazo a corto plazo de materiales
Operativa
Envio ordenes
Scheduling
Deployment de prod. o
detallado
aprov.

Fuente : David de Haro

6
6
MANAGEMENT DE LA DEMANDA

ESTRATÉGICO: A LARGO PLAZO

• Gestión de surtido ¿Qué tipología de artículos voy a ofrecer a mis clientes en mi

portafolio de producto?
• Definición de Stock (contra stock) No Stock (bajo pedido)
• Definición de la política de niveles de servicio de la compañía, por áreas, familias,
mercado, etc.

TÁCTICO: A MEDIO PLAZO

• DRP (Distribution Resource Planning)

• MRP (Material Requirements Planning)
• Introducción de nuevos productos
• Promociones y sustituciones, etc.
OPERATIVO: A CORTO PLAZO

• Cálculo necesidades por SKU/ Location

• Gestión del aprovisionamiento diario
• Gestión del espacio, etc.

7
7
1.2. Definición y tipos de demanda

Hay muchas definiciones más o menos extensas y/o complejas pero nos vamos a
quedar con:

“Aquellos bienes y servicios solicitados por el mercado”

Es decir nuestros clientes esperan productos de calidad con prestaciones
elevadas y a un precio competitivo, en la cantidad , el lugar y el momento
adecuados.
La gestión de todo ello configura un entorno complejo de SCM en el cual aportan
valor todas las áreas de la empresa involucradas : compras, aprovisionamiento y
logística, así como los partners proveedores que hemos escogido para el camino.
Todo ello determinara nuestra: COMPETITIVIDAD

8
8
Tipos de demanda

 Elástica: Los cambios de precios en estos bienes y servicios inciden en su

consumo , p.e : automóviles, ropa de lujo, relojes, etc..
 Inelástica: Los cambios de precios no inciden en su consumo ya que son
bienes de primera necesidad, p.e: alimentos básicos
 Servida: Consumos que pueden ser atendidos dentro de un plazo de
tiempo aceptado por el cliente.
 Perdida: Consumos que no se producen por no tener disponibilidad en el
momento adecuado del bien o servicio.
 Real: Demanda servida más demanda perdida
 Inducida: Demanda de un art. sustitutivo que se produce como alternativa
a un art. original homólogo en cuanto a prestaciones y de precio
parecido. P.e: cable eléctrico, medicamentos genéricos, etc..

9
Tipos de demanda

 Distorsionada: Es difícil obtener los patrones reales de demanda ya

que los consumos reales se ocultan tras promociones, pedidos
reiterados sobre el mismo ítem, kits de productos. P.e: Pedidos
farmacias a cooperativas farmacéuticas.
 Dependiente: Corresponde a programaciones a largo plazo en las
cuales podemos comprar la materia prima , fabricar y entregar en el
plazo pactado con el cliente. Son artículos bajo pedido. (Dessing, Make
and Assembly to order). También se considera demanda dependiente
a los componentes de un Kit o producto acabado explosionados
mediante el Bill Of Materials (B.O.M)
 Independiente: El cliente no está dispuesto a esperar (mostrador) o
bien acepta un plazo de entrega muy breve lo cual nos obliga a tener
los artículos en estado de semi elaboración y por lo tanto stock en
curso (Make to stock)
10
1.3. ¿Qué influye en la demanda?

Variables Exógenas:
Renta Disponible,
perspectivas
económicas.
Existencia de Marketing,
mucha o poca promociones y
Competencia publicidad

Existencia de
productos Prestaciones del
sustitutivos o producto
marcas blancas
Relación calidad
precio

2 min
¿Piensa qué otros factores pueden influir en la demanda?

11
¿Qué influye en la demanda?

Cantidad que nos

obligan a comprar (por
ejemplo 1Kg , una caja, 5
litros)
Tiempo de entrega Garantía de fábrica
del producto (si o posibilidad de
excede unos límites cambio o
no compraremos) devolución.

Complejidad de
Inminente salida de
uso, productos muy
un producto mejor
ténicos generan
o más innovador Requerimientos poca aceptación
legales para su uso
(licencias de
utilización o
impuestos a pagar)

12
Reflexión
Podrían haber n slides con aspectos que pueden influir en la demanda de los
cientos de miles o quizás millones de artículos que hay en el mercado.
Cada sector tiene sus condicionantes y sus aspectos vinculantes: el sector
médico, alimentación y bebidas, derivados del petróleo, sector químico, etc.,
teniendo en cuenta también que cada uno de ellos suele tener una distribución
y una prescripción diferente, lo cual también influye.
Lo más importante , es que estemos en el sector que estemos, seamos capaces
de dilucidar aquellos aspectos “determinantes” en el cálculo de la demanda que
debemos planificar ya que si no la previsión de la misma está condenada a ser
pobre e insuficiente.
Vale la pena, antes de utilizar cualquier método de previsión, pararnos un
momento a pensar en no dejarnos fuera del mismo ninguna de las variables
relevante para el cálculo. Si nuestro “forecast” debe ser la base de la previsión
colaborativa, es decir sobre el cual otros departamentos van a trabajar, esta
previsión no debe nacer “viciada”, al contrario, debe ser lo más exacta posible
desde el principio.

13
 1.4 Efecto látigo: La complejidad e impacto del cálculo de la demanda

Inventory Optimization

Cálculo Previsiones Planificación Nivel Servicio Reaprovisionamiento

y Nivel Stocks sincronizado

Demand Inventory
Model Model
Curvas Nivel de Servicio

Niveles de inventario optimizados Propuestas de Reaprovisionamiento

Datos Restricciones
Demanda y políticas de
aprovisionamiento

Producción y
Mercado Almacenes almacenes
primer nivel
de segundo nivel
Fuente : Toolsgroup

14
Reflexión
Como podemos observar en el esquema anterior la cadena de
aprovisionamientos puede llegar a ser muy compleja y los flujos entre los
almacenes internos de la organización ( fabrica-regulador-primer nivel-segundo
nivel-puntos de venta) y los flujos con los proveedores externos a la
organización en los cuales los proveedores pueden suministrar de forma muy
diferente (directamente a todos los niveles de la cadena , sólo a reguladores o
sólo a puntos de venta o bien a ambos) puede complicarse muchísimo.

Cuánto más niveles jerárquicos tiene la cadena de aprovisionamiento más

complejo será analizar la demanda a la cual debe hacer frente cada almacén y/o
punto de venta. En función de dicha demanda deberá aprovisionarse cada
almacén.

También, cuanto más compleja sea la red de distribución/fabricación más sku’s

(códigos almacén/artículo) manejaremos y más sentido tendrá el agregar las
previsiones de demanda para ciertas familias, grupos y/o productos con el
objeto de tomar ciertas decisiones de marketing y compras.

15
La distorsión o ruido en la cadena de suministro

El efecto BULLWHIP o efecto látigo

•Definición: Desajuste entre la demanda real del producto y la información érronea que se
transmite através de la interpretación de los pedidos dentro de la cadena de suministro. Cada
nivel de la cadena de suministro realiza sus pedidos en función de lo que le ha pedido el inferior,
pero con el ánimo de anticiparse a pedidos futuros, garantizar la venta y evitar la escasez rige la
norma “Más vale que sobre que no que falte” lo cual lleva a excesos de stock en la mayoría de los
niveles .

•La distorsión de las cantidades se transmite “aguas arriba” , por lo tanto a más niveles mayor
distorsión

16
Ejemplos de Efecto Bullwhip

• Una empresa compra grandes cantidades de un producto determinado ya que

considera que su precio va a subir, o dispone de capacidad financiera sobrante
o considera que va a realizar en breve una operación de venta importante ,
etc.. El fabricante, en ausencia de información, puede pensar en que ese
incremento de la demanda puede mantenerse en el tiempo y forzar
innecesariamente su capacidad productiva incrementando el volumen y
frecuencia de las órdenes.
• Una empresa siempre pide por encima de sus necesidades ya que el
fabricante no tiene suficiente capacidad para poder suministrar toda la
demanda (ejemplo productos farmacéuticos). Si todos piden por encima ya
que reciben menos ¿Cómo calcular realmente la demanda?
5 min
¿Piensa como compensar el efecto látigo en estos dos
ejemplos?

17
Algunas causas y soluciones al efecto látigo
¿Porqué se produce?
• No compartir información internamente
• Falta de información entre compradores
y proveeedores
• Falta de servicio por parte del proveedor
• Compras de volumen en búsqueda de un
descuento adicional (rappel)
• Compras estrátegicas
• Mala gestión de los pedidos
• Estacionalidad (epocas con mucho
consumo y otras sin)
• Promociones que alteran la demanda
• Existencia de lotes y cantidades mínimas
pedidas períodicamente
• Motivos logísticos como lead times
elevados o no fiables
¿Cómo se combate?
• Suministrando en función de los
consumos reales del nivel inferior y no
de los pedidos recibidos
• Eliminando la idea de si no lo tengo no
lo vendo
• Transmisión de la información tanto
dentro como fuera de la organización
• Integración de la cadena de suministro
tanto técnica como operativamente
• Profesionalizando la labor de compras
y aprovisionamientos
• Eliminando ofertas puntuales
• Eliminando si es posible las cantidades
mínimas y lotes de compras
perjudiciales
18
1.5. Configuración de la demanda

 Demanda debería ser siempre los consumos reales que se han producido
más la venta perdida de ese artículo (la cual, evidentemente, debería
registrarse). La venta perdida variará en función del mercado y de la
actividad de la empresa.
 Deben contemplarse siempre unidades físicas nunca monetarias.
 Debe ser a nivel de SKU/location ya el comportamiento de un artículo
puede ser muy distinto en función de donde se encuentre geográficamente
el punto de venta.
 Cuando hablamos de ítems equivalentes conviene analizar la demanda de
forma conjunta (agregada).
 En entornos de almacenes reguladores dicho almacén debe dotarse del
stock necesario para suministrar las demandas que dependan de él.

19
Configuración de la demanda

Siempre debemos analizar las salidas /consumos netos que se han producido
directamente a consumidor final /cliente desde los puntos de venta. No
olvidéis hay que incluir también la venta perdida.

Nunca aceptaremos en el calculo traspasos entre almacenes ni peticiones de

artículos de almacenes de un nivel inferior al superior(recordar el efecto
látigo ya comentado con anterioridad)

En entornos de fabricación , no deben solaparse los diferentes estadios ( no

mezclar MP, SE y PA), ya que incurriríamos en “doble contabilidad” o nos
centramos en las previsiones del Producto Acabado PA, o lo analizamos en
cada nivel en función de la demanda que ha tenido el Semi Elaborado SE y/o
la Materia Prima MP

20
¿Qué deberíamos contemplar por demanda?

REGULADOR
1 NIVEL REGULADOR 2
NIVEL

DEPOSITO

PUNTO DE
VENTA

REGULADOR 2
REGULADOR NIVEL PUNTO DE
2 NIVEL VENTA

PUNTO DE PUNTO DE PUNTO DE PUNTO DE

PUNTO DE VENTA VENTA VENTA
VENTA VENTA

30 segundos ¿Cual sería la demanda del regulador 1?

21
¿Qué deberíamos contemplar por demanda?

REGULADOR
1 NIVEL REGULADOR 2
NIVEL

DEPOSITO
PUNTO DE
VENTA

REGULADOR 2
REGULADOR
NIVEL PUNTO DE
2 NIVEL VENTA

PUNTO DE PUNTO DE PUNTO DE PUNTO DE

PUNTO DE VENTA VENTA VENTA
VENTA VENTA

El sumatorio de todos los consumos o salidas producidas en los puntos de venta,

independientemente de todos los flujos internos que hayan habido.

22
Ejercicio de Configuración de la demanda-DISMUSA

La empresa DISMUSA (Distribuimos Mucho SA) dispone de un almacén

regulador de material y dos delegaciones comerciales. Hay puntos de venta
en todos los almacenes.
El 40 % de las unidades físicas que se venden en cada punto de venta es
encargado previamente por los clientes y entregado directamente en sus
instalaciones.
La venta pérdida se registra concienzudamente en cada mostrador. Se estima
la venta perdida en un 5% de las unidades físicas vendidas.
En el año pasado las ventas fueron:
Regulador 15.000 uds.
Delegación 1: 4.500 uds.
Delegación 2: 20.000 uds.

23
Ejercicio configuración de demanda- DISMUSA

UNIDADES VENDIDAS 15.000 REGULADOR

ESTRUCTURA DISMUSA
DEMANDA TOTAL
DEMANDA INDEPENDIENTE
DEMANDA DEPENDIENTE
Regulador
VENTA PERDIDA
15.000
UNIDADES VENDIDAS 4.500 DELEG1

DEMANDA TOTAL
Deleg. 1 Deleg.2
DEMANDA INDEPENDIENTE
4.500 uds 20.000 uds DEMANDA DEPENDIENTE

1 VENTA PERDIDA

Cliente Cliente Cliente UNIDADES VENDIDAS 20.000 DELEG 2

DEMANDA TOTAL
VENTA PERDIDA : 5%
5 min DEMANDA INDEPENDIENTE
BAJO PEDIDO : 40%
DEMANDA DEPENDIENTE
VENTA PERDIDA
Paso 1 Paso 2 Paso 3

24
Ejercicio configuración de demanda- DISMUSA

UNIDADES VENDIDAS 15.000 REGULADOR

ESTRUCTURA DISMUSA
DEMANDA TOTAL
DEMANDA INDEPENDIENTE
DEMANDA DEPENDIENTE
Regulador
VENTA PERDIDA
15.000 750 uds

UNIDADES VENDIDAS 4.500 DELEG1

DEMANDA TOTAL
Deleg. 1 Deleg.2
DEMANDA INDEPENDIENTE
4.500 uds 20.000 uds DEMANDA DEPENDIENTE
VENTA PERDIDA
1 225 uds

Cliente Cliente Cliente UNIDADES VENDIDAS 20.000 DELEG 2

DEMANDA TOTAL
VENTA PERDIDA : 5%
5 min DEMANDA INDEPENDIENTE
BAJO PEDIDO : 40%
DEMANDA DEPENDIENTE
VENTA PERDIDA
1.000 uds
Paso 1 Paso 2 Paso 3

25
Ejercicio configuración de demanda- DISMUSA

UNIDADES VENDIDAS 15.000 REGULADOR

ESTRUCTURA DISMUSA
DEMANDA TOTAL
DEMANDA INDEPENDIENTE
9.000 uds
DEMANDA DEPENDIENTE
Regulador 6.000 uds
VENTA PERDIDA
15.000 750 uds

UNIDADES VENDIDAS 4.500 DELEG1

DEMANDA TOTAL
Deleg. 1 Deleg.2
DEMANDA INDEPENDIENTE
2.700 uds
4.500 uds 20.000 uds DEMANDA DEPENDIENTE
1.800 uds
VENTA PERDIDA
1 225 uds

Cliente Cliente Cliente UNIDADES VENDIDAS 20.000 DELEG 2

DEMANDA TOTAL
VENTA PERDIDA : 5%
5 min DEMANDA INDEPENDIENTE
12.000 uds
BAJO PEDIDO : 40%
DEMANDA DEPENDIENTE
8.000 uds
VENTA PERDIDA
1.000 uds
Paso 1 Paso 2 Paso 3

26
Ejercicio configuración de demanda- DISMUSA

UNIDADES VENDIDAS 15.000 REGULADOR

ESTRUCTURA DISMUSA
DEMANDA TOTAL 41.475 uds
DEMANDA INDEPENDIENTE
9.000 uds
DEMANDA DEPENDIENTE
Regulador 6.000 uds
VENTA PERDIDA
15.000 750 uds

UNIDADES VENDIDAS 4.500 DELEG1

DEMANDA TOTAL 4.725 uds

Deleg. 1 Deleg.2
DEMANDA INDEPENDIENTE
2.700 uds
4.500 uds 20.000 uds DEMANDA DEPENDIENTE
1.800 uds
VENTA PERDIDA
1 225 uds

Cliente Cliente Cliente UNIDADES VENDIDAS 20.000 DELEG 2

DEMANDA TOTAL 21.000 uds

VENTA PERDIDA : 5%
5 min DEMANDA INDEPENDIENTE
12.000 uds
BAJO PEDIDO : 40%
DEMANDA DEPENDIENTE
8.000 uds
VENTA PERDIDA
1.000 uds
Paso 1 Paso 2 Paso 3

27
2. Demand Modelling

 2.1. Definición y variables a incluir

 2.2. Criterios de clasificación de la demanda

 2.3. Previsión de la demanda: Concepto, horizonte y

métodos éxistentes
 2.3.1. Técnicas subjetivas de previsión
 2.3.2. Técnicas objetivas de previsión

 2.4. Contraste de la calidad de las previsiones:

Forecast accuracy.

28
Demand Modelling

• Los mercados han cambiado mucho en los últimos 25 años debido sobre todo
a 5 aspectos fundamentales:

 Internalización y globalización de la economía mundial

 Acceso masivo a la información por parte del consumidor sobre
todo desde la aparición de internet
 Mejora de las comunicaciones terrestres, marítimas y aéreas
 Mercados productores emergentes donde el “primer mundo”
diseña y compra y el “segundo mundo” fabrica.
 Concentración de la Distribución en el mundo desarrollado,
integración de los canales, desaparición de muchos minoristas
y aparición del e-commerce.

29
Demand Modelling

• Todo ello ha llevado a:

 Incremento de competencia que ha llevado a reducción de

precios y márgenes
 Racionalización del proceso de compra y crecimiento con
fuerza del e-commerce
 Concentración de las cadenas de suministro buscando
ventajas competitivas
 Esfuerzos importantes en I+D+i
en el fondo a ….. ESPECIALIZARSE

30
Demand Modelling
La especialización ha llevado a incrementar la oferta de las
empresas mediante nuevas gamas de productos, catálogos más
extensos , marcas blancas, etc. Es decir muchísimas más referencias
que manejar.
Por otro lado el intento de acercar el producto al consumidor final
ha hecho que se incrementara el número de puntos de venta en
muchos sectores como las franquicias, los mayoristas técnicos,
cadenas de bricolaje, la mecánica rápida, etc., mientras que en
otros desaparecían como en alimentación, electrodomésticos, etc..
Todo ello ha hecho que el número de Stock Keeping Units (SKU’S) o
combinación código almacén artículo se haya disparado, y que no
siempre la información deba analizarse de la misma manera.

31
2.1. Definición y variables a incluir en la demanda

Principio Básico:
Para intentar modelizar un fenómeno correctamente y poder realizar
previsiones a futuro hay que entender previamente como se comporta, las
variables que le afectan y como reacciona ante ellas.
Hablando de la demanda si queremos llegar a algoritmos que la modelen
correctamente , primero debemos entender y analizar para cada combinación
código almacén artículo (SKU/location):

 Su variabilidad
 Volumen de unidades físicas consumidas
 Frecuencia de las mismas
 Líneas de pedido en las que se han producido, dichos consumos

32
¿Por qué es importante tener en cuenta las líneas de pedido?

Partiendo de la base de que no es lo mismo vender 1.000 unidades en un

pedido, que 1.000 unidades en 1.000 pedidos y más alla de lo evidente en
cuanto a “salud” de la cartera de clientes y riesgo empresarial, hemos de tener
en cuenta que para el correcto análisis de la demanda en el primer caso
estamos hablando de una irregularidad importante y si fallamos en esa línea
de pedido perdemos toda la venta, por lo tanto el nivel de servicio será 0%

Sin embargo si fallamos en el segundo caso en una línea de pedido tan sólo
perdemos una unidad vendida sirviendo un 99’9% de líneas.

Se entiende por nivel de servicio el número de líneas de pedido servidas en el

período pactado con el cliente. En caso de que no haya período pactado se
entiende que es inmediato. Es el caso de los puntos de venta, mostradores y
autoservicio en los cuales si no hay el stock en ese momento se pierde la
venta.

33
¿Porqué a nivel de SKU/location?

El mismo artículo XXX puede consumirse totalmente diferente en un punto de venta

que en otro y por lo tanto ese aspecto debe tenerse en cuenta a la hora de su
correcta modelización y previsión:

Ejemplo : Equipos de aire acondicionado en la geografía española. A parte de la

clarísima estacionalidad del artículo , esta claro que su consumo no será el mismo
en el norte de España con veranos mucho más suaves que en el sur de España con
temperaturas que llegan a alcanzar muchas veces los 45 grados.
En el gráfico de abajo vemos el articulo XXX con presencia en 4 puntos de venta con
comportamientos totalmente distintos que serán los SKUs 1_XXX, 2_XXX, 3_XXX,
4_XXX.
250 600
200 500
150 400
300
100 200
50 100
0 1 2 3 4 5 6 7 8 9 10 11 12 0 1 2 3 4 5 6 7 8 9 10 11 12
400 350
350 300
300 250
250 200
200 150
150 100
100
50 50
0 0

34
Agregaciones por área, producto....

MacroArea

Sales Area Sales Area ...

MicroArea MicroArea ...

Nos conviene poder tratar los datos por mercados , p.ejemplo mercado
nacional, exportación, venta con un margen determinado, prescripción, etc..

MacroFamily

Product Family Product Family ...

Item Item ...

Nos conviene poder tratar los datos por grupos de productos o familias, por
ejemplo ferretería, aire acondicionado, riego, medicamentos genéricos , OTC,
etc.

35
Gestión 3D: Producto,Mercado, Horizonte temporal

Product El tener la información en

Global
el sistema que utilicemos
All items in the
product division sobre estos tres ejes:
Global producto , mercado, y
All areas
Macrofamily
Subset of the
relative product
and/or sales
channels
horizonte temporal, así
Macroarea
division
Set of areas
and/or
como sus subconjuntos,
Family Area
Sales channels Market nos va a permitir realizar
Subset of the Geographica l area
relative
macrofamily
and/or customer
and/or sales channel
análisis cruzados de la
Microarea
Basic demand
aggregate
información y gestionar a
Item
Individual Stock un nivel de detalle
Keeping Unit
impensable hace unos
Day
años.
Week
Month
Year
Time slot

Fuente : Toolsgroup

36
2.2. Criterios de clasificación de la demanda: categorizar según ventas

No todos los artículos se comportan igual respecto a ventas, incluso el mismo

artículo tiene comportamientos diferentes en función de la zona de venta
A cada clase se le debe aplicar, de manera automática, el modelo que mejor
previsión de demanda realiza
“Así pues, cada clase de demanda debe tener sus algoritmos propios”
Recordad lo comentado sobre los SKU’s /location

600
500
400
300
200
100
0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
350
300
250
200
150
100
50
0 0

37
Clase Normal
 Aquellos artículos que tienen movimiento/consumo en más de un 75% de los
meses aunque sea sólo una unidad
 Suelen ser los artículos mejor controlados por los actuales ERP, sobretodo los
artículos con demanda estable dentro del mes. Si dicha demanda es de un cierto
importe constituyen los denominados “fast movers”.
 Se les conoce como artículos de alta rotación y suelen modelizarse mediante:
 Medias móviles es decir todos los registros pesan por igual
 Medias ponderadas o bien método del alisado exponencial donde se valoran
más las series más recientes
 Si la serie temporal de datos contiene mucha irregularidad la incertidumbre suele
compensarse con un fácil cálculo del stock de seguridad.
 Si la serie temporal es estacionaria , es decir con poca dispersión u homocedástica
todavía es más fácil el cálculo.

Piensa en 2 ejemplos La leche en un supermercado o los

de estos artículos
clavos en una ferretería serían “fast
movers” , el queso camembert y el
30 segundos
salmon ahumado serían alta
rotación o normales.

38
Clase Irregular

 Aquellos artículos que tienen cómo máximo 6 meses de venta al año.

 Suelen ser los artículos más complicados de controlar junto con los lentos
, ya que su venta suele producirse bajo patrones muy erráticos.
 Suelen ser artículos difíciles de aprovisionar y suelen tener stocks de
seguridad asociados bastante elevados.
 Suelen ser artículos B y C por ventas y pocas herramientas en el mercado
se atreven a trabajar la estacionalidad con este tipo de artículos.
 Es muy difícil establecer tendencias en esta tipología.
 Si se prevé un hit en un mes determinado suele estocarse el primer día
hábil de cara a garantizar la disponibilidad.
 Representan el porcentaje más numeroso de referencias de un almacén
junto a los artículos lentos.

39
Clase Lento

 Aquellos artículos que independientemente , de su frecuencia de venta,

prima la cantidad vendida suelen ser artículos con medias y varianzas
pequeñas.
 Suelen tener stocks de seguridad considerables.
 Suelen generar gran parte de la obsolescencia de una empresa si no se
controlan adecuadamente.
 Suelen ser artículos C por movimiento y muchas veces se gestionan por
reposición o bajo pedido. Suelen llevar asociados márgenes elevados.
 Son los artículos más numerosos junto a los irregulares en cualquier
almacén (a excepción de los almacenes reguladores de redes con muchos
puntos de venta: retail, centrales de compra, etc).

Piensa en 2 ejemplos La distribución de recambios y

30 segundos tratamientos médicos encajan en
esta tipología.

40
Clase Nuevo

 Aquellos artículos que tienen pocos meses de vida.

 Son muy complicados de gestionar por la ausencia de profundidad en los
datos.
 Suelen generar el 15 % de la obsolescencia de las compañías por los
erróneos pronósticos de consumos futuros que generan.
 Desde el lanzamiento deben aprovisionarse pero las herramientas
actuales de previsión de la demanda no suelen emitir pronósticos hasta
pasados cuatro o cinco meses.
 Suele ser muy utilizado el Product Life Cycle Management (PLC) con
datos de artículos predecesores que se intuye serán una buena base para
el forecast de los nuevos ya que ofrecen prestaciones homólogas y
valoradas de forma parecida por el mercado.
 Suelen representar un porcentaje pequeño de nuestro surtido, a
excepción de mercados muy dinámicos o mercados basados en efecto
modal, colecciones.

41
Clase Todas las demandas cero

 Aquellos artículos que no han tenido ventas en el último año.

 Suele ser un porcentaje mucho mayor de lo que la gente se imagina.
 Evidentemente es un claro signo de obsolescencia que debe analizarse
muy a fondo.
 Una vez se ha generado el obsoleto es muy problemático encontrar una
solución al mismo, por lo que debemos evitar que se produzca.
 Las actuales herramientas de previsión de la demanda NO suelen emitir
previsiones ni propuestas sobre estos artículos.
 Suelen venir generados por:
 Compras estratégicas mal gestionadas
 Cantidades Mínimas de Compra muy elevados
 Mala gestión del PLC
 Stocks de seguridad demasiado elevados o mantenidos por motivos
políticos como defensa, obligación legal del repuesto, etc.

42
Categorizar según ventas: Resumen

Normal 9 meses o más de venta en los últimos doce

meses.
Semi irregular 7 u 8 meses o más de venta en los últimos doce
meses.
Irregular Máximo 6 meses de venta en los últimos doce
meses.
Lento La media mensual del último año en unidades
vendidas es inferior a 2, con una desviación típica
pequeña, independientemente de la frecuencia de
meses con venta.
Todas las Sin ventas en los últimos 12 meses
demandas cero
Nuevo Artículos con menos de 4 meses de histórico, a
partir de 4 meses ya formarán parte de alguna de
las clases anteriormente mencionadas.

43
Tipo de previsiones

 Las previsiones pueden ser:

 Diarias, semanales, mensuales o anuales. La mayoría de los

sistemas existentes ofrecen horizontes anuales de previsión,
aunque también disponen de la información a nivel semanal o
diario
 A corto, medio o largo plazo
 Agregadas, por familia, proveedor, cliente o artículo
(diferentes SKU’s)
 Por niveles: materia prima, producto semi elaborado,
producto acabado
Previsiones a …..

Legend
Forecast (red line)
Current year (yellow line)
Consolidated demand (green line)
Forecasting (pale blue line)
Variability (various shades of blue)
Demand history (dark green)
Demand history - corresponding month in prev. years (light green)
Current month (yellow)

El horizonte temporal suele ser el año, aunque la

información disponible es semanal e incluso diaria.
Fuente : Toolsgroup

45
¿Por qué es importante una buena previsión?

Para:

 Planificar bien nuestras compras

 Calcular correctamente nuestro pedido óptimo

 Planificar nuestra producción

 Racionalizar el espacio del almacén

 Evitar costes logísticos innecesarios

 Racionalizar nuestra previsión de tesorería

 Negociar mejor con proveedores

 Input del departamento de marketing

 Información vital de gestión para gerencia

46
2.3.1. Técnicas subjetivas de previsión
 Las técnicas subjetivas se basan en opiniones y registros realizados sobre
muestras poblacionales que si reúnen los requisitos técnicos suficientes sus
resultados pueden ser extrapolados a la totalidad de la población. Por
ejemplo: Los sondeos electorales a pié de urna, suelen tener el suficiente
rigor metodológico para ser unas aproximaciones muy válidas a los
resultados finales.
 También se les llama técnicas cualitativas.
 Distinguiremos en el campo de la previsión de la demanda dos metodologías
diferenciadas:

 La encuesta:
 Pueden ser a compradores para tratar de averiguar intenciones de compra,
atributos deseados en los productos y factores determinantes en la decisión
de compra.
 También pueden ser a vendedores , en ellas los responsables comerciales
intentan obtener una cifra de ventas aproximada que sus vendedores van a
realizar. Por desgracia en muchas empresas todavía se utiliza este método
como única manera de preveer una cifra de ventas.

47
2.3.1. Técnicas subjetivas de previsión

 El método Delphi: Se basa en la opinión de expertos, trata de solventar la

dificultad de interpretar un fenómeno o realidad compleja y difícilmente
comprensible por medio de una sola persona. Se pretende obtener el
consenso.
 Características:
 Selección subjetiva de los participantes: Sólo conocedores del tema en
cuestión, usualmente entre 10 y 30 participantes.
 Anonimato de las respuestas: Nadie conoce las respuestas de los demás
 Las preguntas suelen buscar una respuesta cerrada o cuantitativa.
 Se calcula la media y la dispersión respecto a la misma de cada
respuesta.Se utiliza usualmente la mediana (la respuesta que deja a igual
número de expertos por encima que por debajo de la misma) y el recorrido
intercuartílico ( que es la diferencia entre la respuesta que deja un cuarto
de expertos por encima y la que deja un cuarto de expertos por debajo)
 Retroacción controlada: Suelen haber más de una ronda, usualmente dos.
En la segunda, la respuesta inicial de los expertos puede ser corregida.

48
2.3.2. Técnicas objetivas de previsión

 Series temporales: Se utilizan para hacer análisis detallados de los

comportamientos de la demanda en el pasado y proyectarlos al futuro. La
demanda consta de promedio, tendencia, estacionalidad y error.

 Estacionarias: Presentan ligeras variaciones respecto a un valor constante.

 Tendencia lineal: Crecimiento o decrecimiento constante.

 Estacionalidad: comportamientos que se repiten con una frecuencia

determinada. Usualmente se asocia a las estaciones del año, pero no tiene
porqué.

49
Series temporales: Media Móvil

 La serie temporal no presenta ni estacionalidad ni tendencia. Todos los

datos son ponderados por igual .

 Cada vez que se añade un nuevo período se elimina la observación más

antigua.

 T es el número de períodos registrados, cuanto mayor sea más estable es

el modelo y menos cambios bruscos, mientras que si T es pequeño el
modelo cambiará bruscamente.

 Si T igual a 12 se denomina TAM.

50
Series temporales: Suavizado exponencial

 Es posible calcular un promedio nuevo a partir de un promedio anterior y de la

última demanda observada, la cual es ponderada en mayor o menor medida
por el factor .

 El valor de  estará siempre entre 0 y 1.

 Si =1, la previsión de la demanda para el período t será la demanda real del

período anterior, es decir Pt =Vt-1,

 Si =0, la previsión de la demanda para el período t será la previsión realizada

para el período anterior, es decir Pt =Pt-1.

 En este modelo la antigüedad media de los datos es:

  suele tener valores entre 0,1 y 0,3 lo que equivaldría a hacer una previsión
con una media móvil entre 19 y 6 períodos.

51
2.4. Contraste de la calidad de las previsiones: forecast accuracy

 Si basamos todo lo anteriormente expuesto en la previsión ésta debe ser

buena y por lo tanto fiable.
 La mejor manera, por no decir , la única que tenemos para saber si una
previsión es buena es compararla con lo que realmente ha pasado, este
contraste es conocido como “forecast adherance o accuracy”
 En el proceso de verificación de la previsión surgen desviaciones respecto
al óptimo. En este momento deberían establecerse los intervalos de
aceptación y a partir de que momento deberían mostrarse las diferencias
mediante unas alarmas.

52
Diferentes métodos de medición del error de previsión

 Desviación media absoluta: Es la media aritmética de los valores absolutos

de los errores cometidos.
 Desviación cuadrática media: Es la media aritmética del cuadrado de los
errores cometidos.
 Sesgo: Es la media aritmética de los errores. Sirve para saber si hemos
cometido los errores por defecto o por exceso.
 Desviación estándar mínima: Indica que los errores se agrupan en torno a
su media.
 Suma de los errores al cuadrado: La más utilizada, no importa el signo de
los mismos si no el valor absoluto.

53
Gestión por excepción: Alarmas existentes.

Excepción Definición HISTORICO/PREVISION

Las previsiones muestran una clara y sostenida

Tendencia elevada tendencia al alza y a corto plazo pueden llegar
a duplicar consumos: solo comprensible en
art.nuevos 50
0

La venta neta es negativa, es decir ha habido más

Ultima demanda
devoluciones que ventas. Puede deberse a un
negativa
tema de calidad o sencillamente a devoluciones
tras una venta de volumen.
7

Realmente algo falla , el modelo había previsto

Ultima demanda
consumo y este no se ha producido. Sólo es
cero
justificable si el proveedor no ha servido.

La última demanda supera con creces lo

Ultima demanda
habitual ( en varias veces la desviación típica).
elevada
Puede ser incidental o estructural.

Igual que el caso anterior pero al revés.

Ultima demanda
inferior

54
Otros componentes del Inventario

Excepción Definición HISTORICO/PREVISIÓN

Las previsiones muestran un claro cambio de

Tracking Aviso tendencia . El factor alfa ha cambiado entre un
30 y un 50%. Se va a producir un exceso o una
falta de stock. 50
0

Las previsiones muestran un brusco cambio

Tracking Crítico de tendencia . El factor alfa ha cambiado
más de un 50%. Hay que actuar.
0