Forecasting demand

Pronosticando la demanda: En esta parte del curso hacemos la introduccin al tema de la administracin de la demanda mediante la consideracin de la elaboracin de un pronostico para los productos o servicios que la empresa distribuye. El pronostico se enfoca en la necesidad y uso de proyectar la demanda futura de los productos o servicios que vende la empresa en una variedad de situaciones econmicas y de negocios. El pronostico nos permite hacer proyecciones utilizando diferentes mtodos y definir los usos especficos que le daremos a las proyecciones.

Veremos la mecnica de mtodos y tcnicas especficos para pronosticar.

Los objetivos de esta parte del curso son los siguientes:
Explicar la importancia de la elaboracin de los pronsticos. Identificar y describir los mtodos generalmente utilizados para elaborar pronsticos. Identificar los factores que influyen en la demanda de los productos y servicios. Describir lo que debemos considerar cuando utilicemos la informacin obtenida del pronostico. Resumir el proceso para analizar los datos.

Qu es el pronostico?. Es una estimacin de la demanda que esperamos tener en el futuro, que puede hacerse utilizando mtodos cuantitativos, mtodos cualitativos, o la combinacin de ambos mtodos, y puede basarse en factores externos o internos. Algunas de las tcnicas para elaborar los pronsticos intentan predecir uno de los cuatro componentes de la demanda:
Cclica. Aleatoria. Temporada. Tendencia.
3

El pronostico es un preludio para la planeacin. Antes de poder hacer algn plan, es necesario estimar las condiciones que existirn en el futuro para un horizonte de planeacin dado. La forma en que se harn las estimaciones y la exactitud que tendrn es irrelevante ya que poco podemos hacer sin una estimacin.

Porqu hacer un pronostico?.

Existen muchas razones y circunstancias que hacen imposible el poder trabajar sin un pronostico cuando estamos haciendo planes para la demanda futura. Muchas empresas no pueden esperar a que arriben las ordenes de los clientes y tienen que comenzar a hacer planes de produccin con anticipacin. Normalmente los clientes esperan un tiempo de entrega razonable y los fabricantes deben de anticipar la demanda futura que sus productos o servicios pueden tener y asegurarse de tener los recursos y la capacidad para poder cubrir esa demanda. Las empresas que fabrican productos estandarizados necesitan tener inventario de producto disponible de inmediato o al menos subensambles que les permitan reducir el tiempo de entrega.

Las empresas que utilizan el sistema de Make To Order no pueden comenzar a fabricar sus productos antes de que los clientes los ordenen pero si deben de tener los recursos en materiales, equipo y mano de obra que se requieren para poder cubrir con la demanda. Hay muchos factores que influyen en la demanda de los productos y servicios de las empresas, y a pesar de que no es posible identificarlos todos, o el efecto que pueden tener, es saludable que los tomemos en cuenta.

Factores como:
Condiciones generales econmicas y de negocios. Factores competitivos. Tendencias de mercado y los cambios en la demanda. Los planes de la misma empresa con respecto a publicidad, promociones, precio y cambios de producto.

Qu es el error del pronostico?. Es la diferencia entre la demanda real y la demanda pronosticada que podemos expresar en valor absoluto o en porcentaje. Qu es la administracin de los pronsticos?. Es el proceso de crear, revisar, corregir y utilizar los pronsticos incluyendo la determinacin del horizonte de planeacin del pronostico.
6

Porqu hacer un pronostico?.

Para planear el futuro y reducir la incertidumbre. Para anticipar y administrar los cambios. Para incrementar la comunicacin e integracin con el equipo encargado de elaborar los pronsticos. Para anticipar las demandas de la capacidad e inventarios y administrar los tiempos de entrega. Para proyectar los costos en los procesos de elaboracin de los presupuestos. Para mejorar la competitividad y productividad de la empresa mediante la reduccin de costos, mejora de los tiempos de entrega y el nivel de respuesta que se le brinda a los clientes.

 Para fabricar una motoconformadora el tiempo de entrega de 3 semanas. Estos productos no pueden ser fabricados en tan solo 3 semanas. Entonces se ensamblan sobre pedido, ya que ofrecen demasiadas opciones y se conocen hasta que el cliente las haya elegido. El acero utilizado en la produccin de este vehiculo tiene un tiempo de entrega de 6 meses. Por lo tanto, no hay opcin mas que comprar el acero siguiendo un pronostico. Los errores en el pronostico se podrn apreciar en los niveles de inventario.
8

Pronosticar no es una ciencia exacta, y pueden ser algo tan simple como hacer una proyeccin matemtica basndose en la historia del consumo del producto. Los pronsticos tienen elementos que pueden ser establecidos ya que existen eventos recurrentes. Algunos eventos tienen factores causales, otros factores son aleatorios por lo que algunos productos son ms fciles de pronosticar que otros. Es esencial que como parte del proceso de proyectar la demanda futura se monitoree la exactitud de nuestro pronostico, y que se establezcan objetivos para el porcentaje de exactitud y que los gerentes tengan la responsabilidad de lograrlos. El diseo de nuestro sistema de pronosticar debe de comenzar con la definicin de las polticas de que es lo que se va a pronosticar, porque y quien lo va a hacer. Los pronsticos solo tienen un significado en relacin a la toma de decisiones en algunos asuntos de la empresa como la planeacin. Parte importante de un sistema para elaborar pronsticos es el de tener conocimiento del uso que se le dar a la proyeccin de la demanda, como el plan de negocios, elaboracin del presupuesto y los aspectos operativos de la planeacin maestra de la produccin y de los inventarios.

A qu reas afectan los pronsticos?. A las decisiones de inversin en recursos para producir. A las decisiones de compra de activos fijos.

A la planeacin de los inventarios.

A la planeacin de la capacidad. A los presupuestos de las operaciones. A la administracin de los tiempos de entrega.
10

Qu debemos de considerar para disear nuestro sistema para pronosticar?.

Determinar la informacin que vamos a pronosticar y las fuentes de los datos. Asignar un responsable de elaborar el inventario y medir su desempeo mediante la exactitud de los pronsticos.

Definir los parmetros del pronostico.

Horizonte de planeacin del pronostico. Nivel de detalle del pronostico (SBU, SKU, familia de productos, etc.). Periodos en que se elaborara el pronostico (Anual, semestral, mensual). Frecuencia en que el pronostico ser revisado. Revisin del pronostico para determinar los ajustes y registrar la exactitud.

Elegir los mtodos y tcnicas para pronosticar dependiendo de la volatilidad de la demanda. Recolectar los datos que se utilizaran para crear el pronostico. Probar la exactitud de los modelos. Registrar la demanda real y compararla contra el pronostico. Reportar la exactitud del pronostico. Determinar las causas que originaron las variaciones entre el pronostico y la demanda real. Peridicamente revisar el sistema para mejorarlo.

11

Tcnicas para pronosticar. Cualitativas. Se basan en la experiencia y opinin de los expertos para proyectar la demanda futura. En la mayora de los casos, la informacin es intuitiva y se basa en el juicio de los expertos. La informacin se recaba con grupos enfocados a analizar la demanda, grupos de expertos o grupos de investigacin. Cuantitativas. Se basan en la premisa de que la demanda pasada es un buen indicador de la demanda futura. Se utilizan formulas matemticas para analizar las tendencias de la demanda histrica y predecir la demanda futura. Existen muchas tcnicas cuantitativas y las mas populares son los promedios mviles, los ndices de temporalidad y la suavizacin exponencial.
12

Fuentes de informacin para pronosticar. Internas. Las fuentes de informacin se basan en tendencias histricas que la empresa obtiene en sus bases de datos y para sus artculos. Externos. Las tendencias se obtienen de fuentes externas a la empresa
13

Cada una de estas tcnicas y fuentes de datos tiene sus ventajas y desventajas, por lo tanto debemos de conocer las formulas y entenderlas para poder decidir cual es la mas adecuada para cada situacin que se nos presente. En muchas empresas se utiliza una mezcla mediante el anlisis de la informacin histrica con una tcnica cuantitativa, con la combinacin cuantitativa de un grupo de expertos, por lo que es recomendable formar un equipo de expertos. Tambin es recomendable que se obtenga la informacin directamente de los escner de las tiendas ya que es informacin valiosa que dar una perspectiva diferente a la de un simple pronostico utilizando datos histricos. Los pronsticos cualitativos y cuantitativos pueden ser generados basndose en informacin interna o externa.
14

Administracin de la demanda. El objetivo principal de una empresa debe de ser el de servir a sus clientes. La mercadotecnia se enfoca en que las necesidades de los clientes sean cubiertas, y la cadena de suministro es la encargada de administrar los recursos.

La administracin de la demanda es la funcin que reconoce y administra la demanda de todos los productos.
Esta ocurre en el corto, mediano y largo plazo. A largo plazo las proyecciones de la demanda sirven para hacer los planes estratgicos de la empresa. A mediano plazo para proyectar la demanda agregada que tendr la produccin. A corto plazo para proyectar el plan maestro de produccin. Si queremos planear de una forma efectiva nuestros recursos entonces debemos de identificar todos los tipos de demanda que tienen nuestros productos.

Si los clientes son domsticos o globales, si la empresa produce en una o varias plantas, la forma en que se distribuyen, las refacciones, promociones, inventario, todo afecta a la demanda.

15

Qu es la demanda?. Es la necesidad que se tiene ya sea de un producto o servicio. La demanda puede provenir de varias fuentes. La demanda requiere un producto o servicio a un sistema de operaciones. Puede ser demanda por un componente, una refaccin, una reparacin, partes reparadas o reconstruidas, productos nuevos o servicios.

Los pedidos de los clientes se convierten en requerimientos de materiales, capacidad de produccin y mano de obra.
16

Cules son las fuentes de la demanda?.

Consumidores: Usuarios finales de un producto o servicio. Clientes: Gente que recibir una factura y pagara por el producto. Recomendadores: Gente que prescribe o recomienda productos o servicios a otros. Distribuidores: Intermediarios que actan en representacin de los proveedores. Intercompaa: Compras a o de empresas filiales. Partes para dar servicio: Artculos sujetos a demanda independiente por razones de reparaciones o servicios.

Cada categora tiene sus expectativas y necesidades particulares, y es importante que los proveedores conozcan cuales son los factores que influyen en las tendencias.
17

Demanda dependiente e independiente.

La demanda independiente es la demanda que tiene un producto que no esta relacionada con la demanda de otros productos. Normalmente estos artculos son ejemplos tpicos de un plan maestro de produccin. La demanda dependiente es la demanda que tiene un producto que puede ser calculada por la demanda de otros productos. La demanda dependiente es demanda que esta directamente relacionada con una estructura de un producto y su demanda no necesariamente debe de ser pronosticada.

Un articulo puede tener demanda dependiente o independiente al mismo tiempo.

18

Qu factores son los que afectan a la demanda?. La demanda varia por muchas razones y algunas estn bajo el control de la empresa y otras no. La demanda puede variar debido a factores internos:
Promociones. Cuando mercadotecnia promueve los productos para estimular las ventas. (Ofertas, empaques especiales, etc.) Sustitucin de productos. Cuando un producto reemplaza a otro. Puede ser que no haya la suficiente presencia en el mercado y los clientes compren otro equivalente que si este disponible.
19

La demanda tambin puede variar por factores externos: Aleatoria. Fluctuaciones aleatorias debidas a factores desconocidos. Temporalidad. Es una tendencia repetitiva que se presenta ao con ao, y que en algunos periodos la demanda es mucho mayor que en otros. Tendencia. Es el movimiento de la demanda a travs del tiempo con tendencia a la alza o a la baja. La tendencia es la tendencia de una serie de datos que exhibe un comportamiento repetitivo. El anlisis de tendencia puede utilizarse para determinar si un producto o servicio esta incrementando o disminuyendo su popularidad. La tendencia puede ser positiva o negativa. Una tendencia positiva muestra que una serie de datos tiene crecimiento. Una tendencia negativa muestra una disminucin de las ventas. Las tendencias tambin muestran los impactos que tienen las preferencias de los consumidores.

20

 Ciclos econmicos. (Cclica) Es un patrn de demanda repetitivo que se basa en los movimientos de la economa. Inflacin, recensin, depresin y crecimiento. Cambios en las preferencias de los consumidores. Puede ser que los consumidores no quieran esperar a que el producto llegue al mercado y soliciten la reduccin del tiempo de entrega o se cambian al producto que ofrece la competencia. Los cambios en las exigencias de los consumidores puede traducirse en el incremento o disminucin del volumen de pedidos que reciba la empresa. Estos cambios normalmente estn fuera del control de las empresas. Todos estos factores deben de ser considerados cuando estemos preparando nuestras estimaciones de la demanda futura.

21

Tendencia

Demanda de temporada

Cuatrimestres

Aos

La demanda a travs del tiempo

22

Las tendencias de algunos productos o servicios cambian conforme va pasando el tiempo y en algunos otros productos no hay cambios.
Demanda estable. Los productos cuya grafica mantiene en lo general la misma curva tienen una demanda estable. Demanda dinmica. Los productos cuya grafica en lo general muestra una curva cambiante tienen una demanda dinmica. Los cambios dinmicos pueden afectar las tendencias, temporalidad y aleatoriedad de la demanda real. Entre mas estable sea la demanda es mas sencillo de pronosticar.

23

Demanda dinmica

Demanda estable

Demanda de temporada

Demanda promedio Cuatrimestres

Demanda estable y demanda dinmica

24

Demanda

Movimientos aleatorios no predecibles

Tiempo (a) Tendencia a la alza con movimientos aleatorios

Demanda

Tiempo (b) Ciclos: movimientos ondulatorios

Demanda

Tiempo Ing. Hector (c) Temporalidad: movimiento oscilatorio Mendoza

Demanda

Tiempo (d) Tendencia con temporalidad

25

26

Cules son las principales caractersticas de un pronostico?. 1. 2. Normalmente los pronsticos no son exactos. Debemos de estar consientes de que hay un grado de error que es inevitable. Todo pronostico debe incluir una estimacin del error. La pregunta Qu tan exacto ser el pronostico?, Nos hace incluir una estimacin del porcentaje de error que esperamos. Los pronsticos son ms exactos cuando se hacen por familias de productos. Las familias se forman con grupos de productos que tienen procesos similares y que se utiliza el mismo equipo para la produccin. Los pronsticos son mas exactos cuando se utilizan horizontes de planeacin cortos. El futuro ms cercano tiene menos incertidumbre que el futuro ms lejano.
27

3.

4.

Cmo debe recolectarse la informacin?.

1. Recolectar los datos en la forma en que los requiere el pronostico.
Si el pronostico es para producir y no para embarcar, el pronostico debe de basarse en datos histricos de la demanda y no de los embarques. Los periodos de tiempo que utilicemos en la historia deben de ser iguales a los del pronostico, semanas, meses, cuatrimestres, semestres, anual. Los artculos que se pronostican deben de ser controlados por manufactura.

2. Registrar las circunstancias que estn relacionadas con el pronostico. La demanda es afectada por diferentes eventos en particular, y dichos eventos deben de ser registrados junto con los datos de la demanda. (Promociones, cambios de precio, etc.) 3. Registrar la demanda de grupos de consumidores por separado. Cada canal de distribucin tiene sus caractersticas particulares que afectan a la demanda. (Distribuidores al mayoreo, distribuidores al menudeo)

28

Temporalidad.
Ventas de nieve (Cajas/mes)
800 700 600 500 400 300 200 100 0
En er o M ay o Ju lio br il io go st o re M ar zo Fe br er o Ju n br e ct ub A br e ov ie m ic ie m ie m br e

Ao 1 Ao 2

Se pt

29

Cmo se calcula la temporalidad?. La temporalidad nos muestra las ventas histricas de un producto que esta sujeto a una demanda de temporada. Mide la variacin de la demanda relacionando el promedio de un periodo en particular, con el promedio de la demanda de todos los periodos que se estn analizando. La formula es la siguiente: Indice de temporalidad = Demanda promedio en el periodo Demanda promedio en todos los periodos

30

Ventas de nieve
Mes Ao 1 Ao 2 Promedio Indice Enero 10 12 11.0 0.054 Febrero 10 12 11.0 0.054 Marzo 10 12 11.0 0.054 Abril 50 55 52.5 0.257 Mayo 150 160 155.0 0.758 Junio 400 420 410.0 2.004 Julio 600 620 610.0 2.982 Agosto 700 730 715.0 3.495 Septiembre 350 360 355.0 1.735 Octubre 100 105 102.5 0.501 Noviembre 10 12 11.0 0.054 Diciembre 10 12 11.0 0.054 Totales 2,400 2,510 204.6 12.000
31

Cclica.
Ventas por cuatrimestre
40 35 30 25 20 15 10 5 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

32

La grafica anterior nos permite apreciar la naturaleza repetitiva de los ciclos econmicos. Los ciclos econmicos no siguen la misma tendencia anual que tienen las ventas de temporada. Los ciclos econmicos dependen del medio ambiente y las condiciones econmicas globales. Las condiciones econmicas determinaran la naturaleza de los ciclos econmicos. Si los precios tienden a la alza entonces son periodos inflacionarios y a la baja deflacionarios. Los periodos consecutivos que presentan un crecimiento en el producto nacional bruto (PNB) de cero o negativo son periodos de recesin extrema y se les conoce como periodos de depresin. Los ciclos econmicos determinaran la disponibilidad que tienen los consumidores para comprar los productos o servicios de las empresas, y afectaran directamente a las compras de bienes y servicios de alto costo como las casas o los automviles. En tiempos buenos, los consumidores estn ms dispuestos a hacer compras, mientras en los malos tiempos los consumidores estn ms renuentes a gastar. A pesar de que los ciclos econmicos tiene un impacto directo en los proveedores de bienes y servicios, es muy difcil poder predecir el periodo, la frecuencia y amplitud con las que se presentaran. Es muy importante que tomemos en cuenta la informacin econmica cuando hagamos nuestros pronsticos.

33

Pirmide de los pronsticos. Las graficas que hemos visto nos han permitido discutir en qu porqu debemos de hacer un pronostico. Ahora nos vamos a enfocar en como hacerlo, la pirmide nos muestra la jerarqua que tienen los productos o servicios. Es importante notar que entre mas alto este un producto en la jerarqua entonces su pronostico ser mas exacto. Los pronsticos al nivel ms alto de la pirmide no proveen la informacin suficiente para poder elaborar un plan. Los pronsticos al nivel mas bajo de la pirmide y por cliente y por ubicacin, nos proveen con el detalle, pero en este nivel es en donde se tiene el nivel mas elevado de error. Esto se debe a que los pronsticos son mas exactos en grupos mas grandes de productos. La informacin histrica de ventas puede ser capturada a cualquier nivel de esta jerarqua y posteriormente se sube (rola) a niveles mas elevados. En la pirmide apreciamos que el nivel mas alto es el volumen total de la empresa y en este nivel los reportes y anlisis se hacen normalmente en moneda corriente. El apoyo que este nivel tiene proviene del nivel que sigue de las familias de productos en donde se analiza en moneda corriente y unidades. El apoyo de las familias proviene del nivel de los productos en donde se hacen los anlisis y reportes en unidades.

Volumen de ventas totales ($)

Volumen de ventas por familias de productos (Unidades/$)

Volumen de ventas por producto (Unidades)

34

Rolar hacia arriba:

Nivel: Producto (Pronostico cualitativo) Unidades X1: 8,200 @ $20.61 Unidades X2: 4,845 @ $10.00 Nivel: Familia Total de unidades: 13,045 @ $16.67 promedio familia Para la familia se estima un crecimiento del 15% 15,000 unidades (Pronostico cuantitativo)

X1 X2 Total

Unidades Precio Totales 8,200 $ 20.61 $ 169,002 4,845 $ 13,045 $ 10.00 $ 16.67 $ 48,450 217,452 250,000 1.15

Estimacion para el proximo ao $ Indice:

Forzar hacia abajo:

15,000 = 1.15 13,045 1.15 x 8,200 = 9,430 unidades

X1 X2 Total

Unidades Precio Totales 9,427 $ 20.61 $ 194,298 5,570 $ 14,998 $ 10.00 $ 16.67 $ 55,702 250,000

1.15 x 4,585 = 5,572 unidades

Total = 15,002 unidades

35

Ejercicio: Demanda histrica: Producto A 150 300 $4.50 Producto B 300 450 $8.50

Regin 1 Regin 2 Precio de venta

La gerencia ha determinado que las ventas para el prximo ao sern de un total de $10,000. Calcular la demanda proyectada en unidades para los productos A y B en cada una de las regiones.

36

Paso 1: Calculamos las ventas actuales:

Unidades Region 1 Region 2 150 300 300 450 450 750

Xa Xb Total

Total 450 750 1,200

Precio $ 4.50 $ 10.00 $ 7.94

Totales $ 2,025 $ $ 7,500 9,525

37

Paso 2: Calculamos el ndice de crecimiento:

10,000 = 1.05 9,525

38

Paso 3: Forzamos el ndice y calculamos las unidades por regin:

Unidades Xa Region 1 Region 2 Xb Total 157 315 472 315 472 787 Total 472 787 1,260 Precio $ 4.50 $ 10.00 $ 7.94 Totales $ 2,126 $ 7,874 $ 10,000

39

Modelo completo:
Unidades Region 1 Region 2 150 300 300 450 450 750

Xa Xb Total

Total 450 750 1,200

Precio $ 4.50 $ 10.00 $ 7.94

Totales $ 2,025 $ $ 7,500 9,525

Rolar hacia arriba: Estimacion para el proximo ao Indice: Forzar hacia abajo: Unidades Xa Region 1 Region 2 Xb Total 157 315 472 315 472 787 Total 472 787 1,260 Precio $ 4.50 $ 10.00 $ 7.94

$ 10,000 1.05

Totales $ 2,126 $ 7,874 $ 10,000

40

Mtodos cualitativos: Podemos pronosticar utilizando tcnicas cualitativas las cuales se basan en informacin subjetiva. Estos mtodos son necesarios para los nuevos productos que no tienen un historial de ventas. Los mtodos cualitativos utilizan la experiencia y opinin de los gerentes, grupos de trabajo enfocados en analizar el mercado, expertos y grupos de investigacin para hacer un pronostico y son los que mas se utilizan para elaborar pronsticos a mediano y a largo plazo para hacer la planeacin estratgica por parte de la alta gerencia. Normalmente las empresas tienen un grupo de expertos conocidos como el jurado de opinin ejecutiva, ya que en las empresas hay personas o grupos que tienen juicios y opiniones muy validas acerca del futuro, y estos son mas valiosos que las de expertos ajenos a la empresa o mtodos muy estructurados. Esto debido a que estas personas estn familiarizadas con la empresa y sus recursos, capacidades, limitaciones y mercados.
41

La fuerza de ventas que esta directamente en contacto con los clientes y deben de aportar las expectativas para dar un mejor servicio y/o producto en el futuro y as satisfacer esas expectativas. Ingeniera debe aportar su conocimiento tcnico nato para lograrlo. La empresa debe hacer estudios del mercado de una manera organizada para poder determinar los productos y servicios que los clientes estn dispuestos a comprar y tambin para identificar nuevos mercados y clientes. Los estudios de mercado pueden proveernos con pronsticos muy tiles y exactos si son hechos por expertos, lo cual puede ser muy costoso.
42

Cuales son las tcnicas cualitativas?.

Estas tcnicas son las siguientes: Opinin de expertos. Investigacin de mercados. Grupos de enfoque. Analoga histrica. Mtodo Delphi. Panel de consenso.

43

Opinin de expertos.
Se debe de buscar a los expertos en una rea en particular y que es de inters para la empresa para solicitarles su opinin.
Los expertos dan su opinin acerca de las tendencias actuales y lo que ellos piensan que pasara en el futuro y que puede tener un impacto en la empresa o en sus mercados.
44

Investigacin de mercados.
Esta tcnica normalmente se lleva a cabo haciendo encuestas a los consumidores y la informacin se utiliza para desarrollar nuevos productos o hacer promociones. La investigacin puede proporcionarnos informacin sobre la posibilidad de ventas que tiene un producto, y debe de utilizarse en conjunto con otras tcnicas. Las encuestas que se aplican a los clientes deben de ser preparadas con sumo cuidado para asegurarse de que las preguntas obtendrn respuestas tiles para la empresa. Tambin es muy importante establecer los clientes objetivo y tamaos de muestra para que la informacin sea relevante.
45

Grupos de enfoque. Los grupos de enfoque consisten en la formacin de un grupos de consumidores a los que se les solicita emitir su opinin acerca de un producto o servicio. Los grupos de enfoque pueden ser grupos de servicio a clientes, comits asesores de negocios, juntas de consejo de administracin externas, asesores econmicos, grupos de consumidores, grupos en el internet y otros.
46

Analoga histrica.
La analoga histrica es un mtodo que compara las ventas de un producto nuevo o servicio con vas ventas que tiene un producto o servicio similar. Se asume que las tendencias de venta para un producto o servicio previo pueden presentarse en el producto nuevo.
47

Mtodo Delphi: Es un procedimiento para aplicar cuestionarios para obtener la informacin con respecto al conocimiento, juicio y opinin de individuos con gran conocimiento en un tema de inters de la empresa, con el objeto de elaborar un pronostico consensado. Este mtodo fue creado poco despus de la segunda guerra mundial, cuando fue utilizado para hacer un pronostico acerca de un ataque nuclear en EUA. Este mtodo se puede utilizar para una gran variedad de aplicaciones, sin embargo se utiliza ampliamente para hacer pronsticos, especialmente en cambios y avances tecnolgicos. Los pronsticos tecnolgicos se han vuelto cada da mas importantes en nuestro mundo global. Nuevas tecnologas de computacin, nuevos mtodos de produccin, maquinaria y equipo mas avanzados, cada vez son mas accesibles para las empresas.
48

Estos avances posibilitan a las empresas a introducir sus productos nuevos al mercado mucho mas rpido que en el pasado. Las empresas exitosas que estn a la vanguardia tecnolgica logran estar adelante de sus competidores haciendo pronsticos muy acertados sobre el futuro y sobre sus propias capacidades.

Qu productos y servicios sern tecnolgicamente posibles?, Cundo podrn introducirse al mercado? Cunta demanda tendrn? Las respuestas a estas preguntas no pueden pronosticarse con datos histricos, sino que se hacen necesarios la opinin de gente informada y el juicio de expertos para poder elaborar pronsticos sencillos y a largo plazo.
49

Panel de consenso. En este caso se forma un grupo de personas para que provean de su opinin y mediante un facilitador lleguen a un consenso. La idea es de que el grupo tomara mejores decisiones en conjunto que si cada miembro tomara su decisin de manera individual.
50

Tcnicas cuantitativas. Las tcnicas cuantitativas se basan en la premisa de que los datos histricos de la demanda son un buen indicador de la demanda futura. Estas tcnicas se basan en formulas matemticas para analizar las tendencias de la demanda histrica y predecir la demanda futura de un producto o servicio. Estas tcnicas son conocidas como las series de tiempo y son las siguientes:

Promedios mviles. Suavizacin exponencial. Anlisis de regresin. (Lnea de tendencia lineal) Suavizacin adaptada. Mtodos grficos. Modelos economtricos. Modelos del ciclo de vida.
51

Promedios mviles: Los promedios mviles son una tcnica para pronosticar muy sencilla y que finalmente nos puede llevar a hacer clculos manuales. Una serie de tiempo puede ser tan simple como utilizar la demanda en el periodo actual para pronosticar la demanda del prximo periodo. Por ejemplo, si la demanda de esta semana es de 100 unidades, el pronostico para la prxima semana ser de 100 unidades. Si la demanda real es de 90 unidades, entonces el pronostico para la prxima semana ser de 90 unidades, y as sucesivamente. Sin embargo, en el ejemplo no tomamos en cuenta ningn tipo de comportamiento mostrado por la demanda histrica, solo dependemos de la demanda en el periodo actual. Una limitacin de esta tcnica es que no detecta o reacciona muy bien con los productos de temporada o a los cambios dinmicos de la demanda. Por lo tanto, solamente reaccionamos directamente a las alzas y bajas aleatorias de la demanda real del mercado.
52

El mtodo de los promedios mviles utiliza varios valores de periodos pasados recientes para crear un pronostico, lo cual tiende a suavizar o amortiguar los incrementos o decrementos aleatorios de los datos, en lugar de utilizar solamente un periodo anterior. Este mtodo sencillo es muy til para pronosticar artculos que tienen una demanda relativamente estable y no tienen cambios muy pronunciados, como temporalidad o tendencia. Los promedios mviles se calculan con base a periodos especficos, como 3 meses o 5 meses, dependiendo de cuanto se desee suavizar el pronostico. A mayor periodo especifico, mayor suavizacin se obtendr.

53

La formula para calcular promedios mviles simples es:

MAn

D
i 1

En donde n = Cantidad de periodos en el promedio mvil Di = Datos en el periodo i

54

Ejemplo: La empresa Instant Paper Clip vende y entrega artculos para oficina a varias empresas, escuelas y agencias ubicadas en un radio de 30 millas de su almacn. Este negocio es muy competido y la habilidad para entregar rpido las ordenes de los clientes es un factor muy importante para poder obtener nuevos clientes y mantener a los actuales, esto debido a que normalmente la gente ordena cuando ya no tiene y no por inventario. El gerente se quiere asegurarse de que la empresa tenga suficientes chferes y vehculos de entrega para poder hacer las entregas rpido. El gerente quiere pronosticar la cantidad de ordenes que ocurrirn el prximo mes. Para lo cual se basara en los ltimos 10 meses.
55

Mes January February March April May June July August September October

Pedidos entregados 120 90 100 75 110 50 75 130 110 90

MAn

D
i 1

n
3 i

MA3

D
i 1

90 110 130 110 3 90 110 130 75 50 91 5

MA5

D
i 1

56

Promedios moviles Mes Ordenes entregadas 3- Meses 5 - Meses Enero 120 Febrero 90 Marzo 100 Abril 75 103.3 Mayo 110 88.3 Junio 50 95.0 99.0 Julio 75 78.3 85.0 Agosto 130 78.3 82.0 Septiembre 110 85.0 88.0 Octubre 90 105.0 95.0 Noviembre 110.0 91.0
57

Grafica de ordenes entregadas y promedios mviles de 3 y 5 meses:

140 120 100 80 60 40 20 0

J anuar y

Febr uar y

M ar c h

A pr i l

M ay

J une

J ul y

A ugus t

Sept ember

Oc t ober

N ov ember

58

Ejemplo:

Promedios moviles de las ventas de automoviles GM Ao Ventas * 3-Aos 5-Aos 7-Aos 1975 6.6 1976 8.6 1977 9.1 8.1 1978 9.5 9.1 1979 9.0 9.2 8.6 1980 7.1 8.5 8.7 1981 6.8 7.6 8.3 8.1 1982 6.2 6.7 7.7 8.0 1983 7.8 6.9 7.4 7.9 1984 8.3 7.4 7.2 7.8 1985 9.3 8.5 7.7 7.8 1986 8.6 8.7 8.0 7.7 1987 7.8 8.6 8.4 7.8 1988 8.1 8.2 8.4 8.0 1989 7.9 7.9 8.3 8.3 1990 7.5 7.8 8.0 8.2 1991 7.4 7.6 7.7 8.1 1992 7.7 7.5 7.7 7.9 1993 7.8 7.6 7.7 7.7 1994 8.4 8.0 7.8 7.8 1995 8.3 8.2 7.9 7.9 1996 8.4 8.4 8.1 7.9 * Millones de unidades

59

Promedios moviles de las ventas de GM

10.0 9.0 8.0 7.0
Ventas

6.0 5.0 4.0 3.0 2.0 1.0 0.0

1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996

Ventas * 3-Aos 5-Aos 7-Aos

Aos

60

Promedios mviles ponderados: El mtodo de los promedios mviles puede ajustarse para reflejar mas de cerca las fluctuaciones en los datos debido a los efectos de la estacionalidad. A este mtodo ajustado se le conoce como los promedios mviles ponderados. Un peso ponderado se le asigna a cada dato siguiendo la siguiente n formula: Wi Di WMAn i 1 n
En donde Wi = Peso ponderado para el periodo i (entre 0% y 100%) Wi = 1
61

Ejemplo: Si la empresa Instant Paper Clip desea calcular un promedio mvil de 3 meses con un peso ponderado del 50% para Octubre, 33% para Septiembre y 17% para Agosto, el calculo se hace como sigue:
WMA3 Wi Di (0.5)( 90 ) (0.33)(110 ) (. 17 )(130 ) 103 .4
i 1 3

Para poder determinar los pesos ponderados para cada periodo frecuentemente es necesario hacer experimentos de prueba y error. Y as como tambin para determinar la cantidad de periodos a tomar en cuenta en el calculo del promedio mvil. Si los meses mas recientes reciben un peso muy alto, el pronostico puede sobre reaccionar hacia una fluctuacin aleatoria, pero si se ponderan muy ligeras, entonces la reaccin no ser suficiente.
62

Suavizacin exponencial: El mtodo de la suavizacin exponencial es un mtodo que utiliza promedios, dando ms ponderacin a los cambios en la demanda que se presentan en los periodos mas recientes que a los cambios que se presentaron en los periodos mas antiguos. Esto es ventajoso principalmente si los cambios mas recientes son causados por una temporalidad, en lugar de cambios aleatorios para los que un simple mtodo de promedios mviles es lo adecuado. Estudiaremos dos formas de suavizacin exponencial:

Suavizacin exponencial simple Suavizacin exponencial ajustada

63

De acuerdo al diccionario de APICS la definicin de la suavizacin exponencial es la siguiente: Es una tcnica para pronosticar en base a promedios mviles ponderados en las que las observaciones del pasado se reducen geomtricamente de acuerdo a su antigedad. Los pesos ponderados ms elevados se le asignan a los datos ms recientes. La suavizacin es conocida como exponencial porque los datos son ponderados de acuerdo a una funcin exponencial basada en la antigedad de los datos. Esta tcnica hace uso de una constante de suavizacin que se aplica a la diferencia que existe entre el pronostico ms reciente y los datos crticos acerca de las ventas. Esta tcnica puede ser utilizada con productos o servicios cuyos datos que no muestran una tendencia o temporalidad. Existen tcnicas de suavizacin exponencial mas elevadas que deben de ser utilizadas en el caso de que los productos o servicios tengan datos que muestren una tendencia o temporalidad. La suavizacin exponencial utiliza un factor alfa que se expresa en fracciones decimales. Este factor alfa tambin se conoce como la constante de suavizacin, es utilizado para ponderar la demanda ms reciente, con la diferencia que se tiene con el factor de ponderacin que se uso para elaborar el pronostico anterior. La suavizacin exponencial funciona muy bien para artculos que tienen una demanda relativamente estable y para horizontes cortos, pero no muestra las tendencias reales. 64

Suavizacin exponencial simple:

La formula que se utiliza es la siguiente:

Ft 1 Dt (1 ) Ft En donde : Ft 1 Pronosticopara el prximo periodo D t Demanda del periodo presente Ft Pronosticodeterminado anteriormente para el periodo presente

Factor de ponderacin conocidocomo la constantede suavizacin

65

La constante para suavizar puede valer entre cero y uno, y refleja el peso que se le da a los datos de la demanda mas reciente. Por ejemplo, para una = 0.20
Ft 1 Dt (1 ) Ft Ft 1 0.20Dt (1 0.20) Ft Ft 1 0.20Dt 0.80Ft

Esto significa que nuestro pronostico para el siguiente periodo se basa en un 20% en los datos de la demanda reciente (Dt) y un 80% en la demanda pasada (en forma del pronostico F, ya que F se deriva de demandas previas y pronsticos).
66

Si nos vamos al extremo de hacer = 0, entonces: Ft 1 0 Dt 1Ft

Ft 1 Ft El pronostico para el prximo periodo es igual al pronostico para el periodo actual. En otras palabras, el pronostico no se afecta para nada por la demanda reciente.
Por otra parte si hacemos = 1, entonces: Ft 1 1Dt 0 Ft

Ft 1 Dt Solamente consideramos la demanda actual del periodo presente.

67

Podemos concluir que entre mas elevado sea el valor de , el pronostico ser mas sensitivo a los cambios en la demanda actual. Entre mas cercano a cero sea el valor de , mayor ser el efecto de la suavizacin. Lo que significa que el pronostico reaccionara ajustndose mas suavemente a los cambios que hay entre la demanda real y la demanda pronosticada. Los valores mas comunes para oscilan entre 0.01 y 0.50. De cualquier forma la determinacin del valor correcto es subjetivo aplicando el juicio y experimentando mediante la prueba y el error.
68

Para demostrar el calculo de un pronostico usando la suavizacin exponencial haremos el siguiente ejemplo:

La empresa PM Computer Services ensambla computadoras personales hechas a la medida del cliente usando componentes comunes.
La empresa fue fundada y es operada por estudiantes y ha tenido un crecimiento estable. Las estudiantes compran componentes comunes de una gran variedad de proveedores solamente cuando las encuentran a buen precio, por lo tanto es imperativo que tengan un buen pronostico para comprar las partes que deben de tener en inventario.
69

La empresa ha tenido la demanda acumulada de la venta de las computadoras mostrada en la siguiente tabla y quiere calcular su pronostico usando la suavizacin exponencial con una constante de suavizacin de 0.30 y 0.50.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12 Mes Demanda Enero 37 Febrero 40 Marzo 41 Abril 37 Mayo 45 Junio 50 Julio 43 Agosto 47 Septiembre 56 Octubre 52 Noviembre 55 Diciembre 54

70

Ventas de computadoras de la empresa PM Computer Services y su pronostico:

Pronostico, F t+1 Periodo 1 2 3 4 5 6 7 8 9 10 11 12 13 Mes Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Demanda = 0.30 37 40 41 37 45 50 43 47 56 52 55 54 37.0 37.9 38.8 38.3 40.3 43.2 43.1 44.3 47.8 49.1 50.8 51.8 = 0.50 37.0 38.5 39.8 38.4 41.7 45.8 44.4 45.7 50.9 51.4 53.2 53.6
71

Grafica de ventas de computadoras de la empresa PM Computer Services y su pronostico:

60
Actual

= 0.50

50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13
= 0.30

72

Ejemplo:

Suavizacin exponencial de las ventas de automoviles GM

Pronostico, F t+1

Ao Ventas * = 0.30 1975 6.6 1976 8.6 6.60 1977 9.1 7.20 1978 9.5 7.77 1979 9.0 8.29 1980 7.1 8.50 1981 6.8 8.08 1982 6.2 7.70 1983 7.8 7.25 1984 8.3 7.41 1985 9.3 7.68 1986 8.6 8.17 1987 7.8 8.30 1988 8.1 8.15 1989 7.9 8.13 1990 7.5 8.06 1991 7.4 7.89 1992 7.7 7.75 1993 7.8 7.73 1994 8.4 7.75 1995 8.3 7.95 1996 8.4 8.05 1997 8.16 * Millones de unidades

= 0.50 6.60 7.60 8.35 8.93 8.96 8.03 7.42 6.81 7.30 7.80 8.55 8.58 8.19 8.14 8.02 7.76 7.58 7.64 7.72 8.06 8.18 8.29

73

Suavizacin exponencial ventas de autos GM

10.0 9.0 8.0 7.0 6.0

Ventas

Ventas *

5.0 4.0 3.0 2.0 1.0 0.0

1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997

= 0.30 = 0.50

Tiempo

74

Recta de tendencia linear: La regresin lineal normalmente es considerada como un mtodo causal (causa efecto) para pronosticar con una relacin matemtica que se desarrolla entre la demanda y otros factores que afectan su comportamiento. De cualquier forma con el tiempo la demanda nos despliega una tendencia obvia, al menos una lnea de regresin de mnimos cuadrados o una recta de tendencia linear, y esto puede utilizarse para pronosticar. Una recta de tendencia linear relaciona a una variable dependiente, que para nuestro caso es la demanda, con otra variable independiente, que es el tiempo, en la forma de una ecuacin lineal como sigue: y = a + bx En donde: y = Pronostico para la demanda del periodo x a = Intercepto (en el periodo 0) b = Pendiente de la recta x = Periodo
75

Estos parmetros de la recta de tendencia linear pueden calcularse utilizando las formulas de los mnimos cuadrados para la regresin lineal que son las siguientes:
b

xy n x y x nx
2 2

a y bx En donde : b Pendiente de la recta x Periodo de tiempo y Pronosticopara la demanda del periodo x n Cantidad de periodos a Intercepto(en el periodo 0) x y

x y
n
76

Ventas de computadoras de PM Computer Services y su pronostico para el periodo 13:

x y Periodo Demanda xy 1 37 37 2 40 80 3 41 123 4 37 148 5 45 225 6 50 300 7 43 301 8 47 376 9 56 504 10 52 520 11 55 605 12 54 648 78 557 3,867

x 78 6.5 x
y b 12 xy n x y

1 4 9 16 25 36 49 64 81 100 121 144 649

y 557 46.42
n
2

12

x2 nx

3,867 (12)(6.5)(46.42) 1.74 2 650 (12)(6.5)

a y b x 46.42 (1.74)(6.5) 35.1 Por lo tanto la recta de la tendencia linear es : y a bx 35.1 1.74 x Para calcular el pronosticodel periodo 13, x 13 y a bx 35.1 (1.74)(13) 57.70

77

Ejemplo de una lnea de regresin:

78

Recta de la suavizacin exponencial de las Ventas de computadoras de PM Computer Services:

70 60 50 40 30 20 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13

79

Ajustes por temporalidad: Una tendencia es un patrn repetitivo con movimiento de la demanda hacia arriba y hacia abajo. Muchos artculos muestran una demanda con un patrn de temporalidad. La venta de la ropa sigue patrones temporales anuales, la demanda para la ropa abrigadora comienza a incrementarse en el otoo e invierno y baja en la primavera y el verano, por el contrario, la ropa ligera baja su demanda en el otoo e invierno y se incrementa en la primavera y en el verano. La demanda de muchos productos que se venden a travs de los canales de distribuidores se incrementa en la temporada navidea, incluyendo juguetes, equipo deportivo, ropa, aparatos electrnicos, jamones, pavos, vinos y frutas. Los patrones temporales tambin pueden presentarse mensualmente, semanalmente y hasta diariamente. Algunos restaurantes tienen mayor demanda para la cena que para la comida, o para el fin de semana que entre semana. El trafico y las ventas se incrementan en las plazas comerciales durante los fines de semana.
80

Existen varios mtodos para reflejar los patrones temporales en los pronsticos de series de tiempo. Estudiaremos uno de los mtodos mas sencillos, utilizando un factor de temporalidad, que es un valor numrico que se multiplica por el pronostico normal para obtener un pronostico ajustado para la temporalidad. Un mtodo para desarrollar una demanda para los factores temporales se obtiene mediante la divisin de cada periodo temporal entre la demanda anual, de acuerdo a la siguiente formula:
Si Di D

En donde : Si Temporalidad en el periodo i Di Demanda en el periodo i

El resultado nos dar un factor de temporalidad con un valor de entre cero y uno, que en efecto, significa la porcin del total anual de la demanda que se asigna a cada periodo. El factor se multiplica por la demanda anual pronosticada para producir un pronostico ajustado por la temporalidad para cada periodo.

81

Ejemplo: La empresa Wishbone Farms cra pavos que vende a una productora de carnes durante todo el ao, y obviamente la temporada alta se presenta en el cuarto cuatrimestre, o sea de Octubre a Diciembre. La empresa ha experimentado la siguiente demanda durante los ltimos 3 aos:
Demanda ('000) Ao 200X 200Y 200Z Total Q1 12.6 14.1 15.3 42.0 Q2 8.6 10.3 10.6 29.5 Q3 6.3 7.5 8.1 21.9 Q4 17.5 18.2 19.6 55.3 Total 45.0 50.1 53.6 148.7

Dado que tenemos 3 aos de demanda histrica, podemos calcular la temporalidad mediante la divisin de la demanda de cada cuatrimestre entre la demanda total como sigue:
S1 S2 S3 S4 D1 42.0 0.28 D 148.7 D2 29.5 0.20 D 148.7 D3 21.9 0.15 D 148.7 D4 55.3 0.37 D 148.7

82

Ahora debemos de multiplicar este factor al pronostico del prximo ao, por lo que primero tenemos que calcularlo como sigue:
x y ('000) xy x2 45 1 100 4 161 9 306 14

x 6 2.0 x y 148.7 49.6 y

b 3 xy n x y n n 3

Periodo Demanda 1 45.0 2 50.1 3 53.6 6 148.7

x2 nx

306 (3)(2)(49.6) 4.30 14 (3)(2) 2

a y b x 49.6 (4.3)(2) 40.97 Por lo tanto la recta de la tendencia linear es : y a bx 40.97 (4.3)(4) 58.17

Por lo tanto, el pronostico para el prximo ao es de 58,170 pavos.

83

Ahora debemos de multiplicar este factor al pronostico del prximo ao, por lo que primero tenemos que calcularlo como sigue:

SF1 ( S1 )(F5 ) (0.28)(58.17) 16.43 SF2 ( S 2 )(F5 ) (0.20)(58.17) 11.54 SF3 ( S3 )(F5 ) (0.15)(58.17) 8.57 SF4 ( S 4 )(F5 ) (0.37)(58.17) 21.63 58.17

Si comparamos estos estimados con la demanda real, se ve una buena estimacin del pronostico que refleja tanto la tendencia a la alza como la temporalidad.
Pronostico para el proximo ao Demanda ('000) Ao Q1 Q2 Q3 Q4 200X 12.60 8.60 6.30 17.50 200Y 14.10 10.30 7.50 18.20 200Z 15.30 10.60 8.10 19.60 P 16.43 11.54 8.57 21.63 Total 58.43 41.04 30.47 76.93

Total 45.00 50.10 53.60 58.17 206.87

84

Acertividad de los pronsticos: Es muy probable que nuestros pronsticos no sean completamente exactos ya que siempre estarn un poco desviados de la demanda real. A la diferencia entre el pronostico y la demanda real se le conoce como la acertividad del pronostico o el error del pronostico. Puesto que es inevitable tener cierta cantidad de error en un pronostico, el objetivo de la acertividad del pronostico es que el error sea lo menor posible.

Si el error es muy grande, esto indica que la tcnica para pronosticar que estamos utilizando no es la correcta, o que necesitamos ajustar los parmetros que estamos utilizando, como por ejemplo el cuando hacemos el pronostico con la suavizacin exponencial.
85

Existen diferentes tcnicas para medir la acertividad de los pronsticos y ahora estudiaremos las siguientes:
Desviacin absoluta promedio
MAD (Mean Absolute Deviation)

Porcentaje de la desviacin absoluta promedio

MAPD (Mean Absolute Percent Deviation)

Error acumulado
E (Cumulative Error or Bias) (Sesgo)

Error acumulado promedio

(Mean Cumulative Error)

Error al cuadrado promedio

MSE (Mean Square Error)

86

Desviacin absoluta promedio:

MAD (Mean Absolute Deviation)

Es el mtodo mas popular y simple para medir la acertividad de los pronsticos.

El MAD es un promedio entre las diferencias que hay entre el promedio y la demanda real que se calculan con la siguiente formula:

D F MAD
t

En donde : t Numero del periodo t Dt Demanda en el periodo t Ft Pronosticoen el periodo t n Cantidad total de periodos Valor absoluto
87

Exponential smoothing Demand Forecast Ft Period 1 2 3 4 5 6 7 8 9 10 11 12 * Dt 37 40 41 37 45 50 43 47 56 52 55 54 520 = 0.30 37.00 37.90 38.83 38.28 40.30 43.21 43.15 44.30 47.81 49.07 50.85 Error (Dt - Ft) 3.00 3.10 -1.83 6.72 9.70 -0.21 3.85 11.70 4.19 5.93 3.15 49.31 |Dt - Ft| 3.00 3.10 1.83 6.72 9.70 0.21 3.85 11.70 4.19 5.93 3.15 53.39 Error2 (Dt - Ft)2 9.00 9.61 3.35 45.14 94.15 0.04 14.86 136.85 17.55 35.19 9.94 375.7

* MAD computation w ill be done for 11 periods. 2 - 12, then period 1 is excluded

D F MAD
t

53 .39 4.85 11
88

Entre mas pequeo el valor del MAD, mas asertivo ser el pronostico. Este factor permite hacer comparaciones entre las diferentes tcnicas para pronosticar.
Exponential smoothing Demand Forecast Ft Period Dt = 0.50 1 37 2 40 37.00 3 41 38.50 4 37 39.75 5 45 38.38 6 50 41.69 7 43 45.84 8 47 44.42 9 56 45.71 10 52 50.86 11 55 51.43 12 54 53.21 * 520 Error (Dt - Ft) 3.00 2.50 -2.75 6.63 8.31 -2.84 2.58 10.29 1.14 3.57 0.79 33.21 Error2 (Dt - Ft)2 9.00 6.25 7.56 43.89 69.10 8.09 6.65 105.86 1.31 12.76 0.62 271.1

|Dt - Ft| 3.00 2.50 2.75 6.63 8.31 2.84 2.58 10.29 1.14 3.57 0.79 44.40

* MAD computation w ill be done for 11 periods. 2 - 12, then period 1 is excluded

MAD

D F
t

44 .40 4.04 11
89

Exponential smoothing adjusted Period 1 2 3 4 5 6 7 8 9 10 11 12 Month January February March April May June July August September October November December Demand 37 40 41 37 45 50 43 47 56 52 55 54 520 Forecast (F t+1 ) = 0.50 37.00 38.50 39.75 38.38 41.69 45.84 44.42 45.71 50.86 51.43 53.21 Trend (T t+1 ) 0.00 0.45 0.69 0.07 1.04 1.98 0.96 1.06 2.28 1.77 1.77

= 0.50 Adjusted Forecast Error (AF t+1 ) (Dt - Ft) 37.00 38.95 40.44 38.45 42.73 47.82 45.38 46.77 53.14 53.20 54.99 3.00 2.05 -3.44 6.55 7.27 -4.82 1.62 9.23 -1.14 1.80 -0.99 21.1

= 0.30 |Dt - Ft| 3.00 2.05 3.44 6.55 7.27 4.82 1.62 9.23 1.14 1.80 0.99 41.92 Error2 (Dt - Ft)2 9.00 4.20 11.83 42.96 52.84 23.24 2.63 85.23 1.30 3.25 0.98 237.5

D F MAD
t

41 .92 3.81 11

90

Linear trend line x Period 1 2 3 4 5 6 7 8 9 10 11 12 y Demand 37 40 41 37 45 50 43 47 56 52 55 54 520 xy 37 80 123 148 225 300 301 376 504 520 605 648 x2 1 4 9 16 25 36 49 64 81 100 121 144 Forecast 38.61 40.34 42.08 43.81 45.55 47.28 49.02 50.76 52.49 54.23 55.96 Error (Dt - Ft) 1.39 0.66 -5.08 1.19 4.45 -4.28 -2.02 5.24 -0.49 0.77 -1.96 -0.1 |Dt - Ft| 1.39 0.66 5.08 1.19 4.45 4.28 2.02 5.24 0.49 0.77 1.96 27.55 Error2 (Dt - Ft)2 1.95 0.43 25.77 1.41 19.81 18.36 4.08 27.49 0.24 0.60 3.86 104.0

MAD

D F
t

27 .55 2.50 11

91

Porcentaje de la desviacin absoluta promedio:

MAPD (Mean Absolute Percent Deviation) Este mtodo es una variacin del MAD y mide el error absoluto como un porcentaje de la demanda total, en lugar de un periodo.

Este mtodo elimina el problema de interpretar la medicin de acertividad relativo a la magnitud de la demanda individual y los valores del pronostico como lo hace el MAD y se calcula con la siguiente formula:

D F MAPD D
t t

92

Exponential Smoothing = 0.30

D F MAPD D
t t

53.41 0.103 10.3% 520

Exponential Smoothing = 0.50

Exponential Smoothing adjusted

D F MAPD D
t t

44.40 0.085 8.5% 520

D F MAPD D
t t

41.92 0.081 8.1% 520

Linear trend line

D F MAPD D
t t

27.55 0.053 5.3% 520

93

Error acumulado:
E (Cumulative Error or Bias) (Sesgo)

Este se calcula simplemente mediante la suma de los errores del pronostico con la siguiente formula:

E et

Un valor positivo elevado indica que el pronostico esta consistentemente por debajo de la demanda actual o un sesgo bajo. Un valor negativo elevado implica que el pronostico esta consistentemente mas elevado que la demanda actual o un sesgo alto.
94

Exponential Smoothing = 0.30

E et 49.31 E et 33.21

Exponential Smoothing = 0.50

Exponential Smoothing adjusted

E et 21.14

Linear trend line Este procedimiento no aplica porque la suma de E es cero.

95

Error acumulado promedio:

(Mean Cumulative Error)

Esta es una medida muy cercana a la suma de los errores y se calcula con la siguiente formula:

e E
n

Se interpreta de igual forma que el E: Un valor positivo elevado indica que el pronostico esta consistentemente por debajo de la demanda actual o un sesgo bajo. Un valor negativo elevado implica que el pronostico esta consistentemente mas elevado que la demanda actual o un sesgo alto.
96

Exponential Smoothing = 0.30

e E
n

49 .31 4.48 11 33 .21 3.02 11 21 .14 1.92 11

Exponential Smoothing = 0.50

e E
n n

Exponential Smoothing adjusted

e E

Linear trend line Este procedimiento no aplica porque la suma de E es cero.

97

Error al cuadrado promedio:

MSE (Mean Square Error)

Esta es otra medida para medir la acertividad del pronostico que se calcula con la siguiente formula:

(D F ) MSE
t t

Cada uno de los errores se eleva al cuadrado y se totalizan sumndolos, y este total es dividido entre la cantidad de periodos. Al igual que con las otras medidas, a menor valor mayor asertivo es el pronostico.

98

Exponential Smoothing = 0.30

MSE

( Dt Ft ) 2 n ( Dt Ft ) 2 n

375 .7 34 .15 11 271 .1 24 .64 11 237 .5 21 .59 11 104 .0 9.46 11

99

Exponential Smoothing = 0.50

MSE

Exponential Smoothing adjusted

MSE

( Dt Ft ) 2 n

Linear trend line

MSE

( Dt Ft ) 2 n

Resumen comparativo de la acertividad de los diferentes pronsticos que calculamos para la empresa PM Computer Services.

Forecast Exponential smoothing ( = 0.30) Exponential smoothing ( = 0.50) Adjusted exponential smoothing ( = 0.50 = 0.30) Linear trend line

MAD MAPD (%) E MSE 4.85 10.3% 49.31 4.48 34.15 4.04 8.5% 33.21 3.02 24.64 3.81 2.50 8.1% 5.3% 21.14 1.92 21.59 9.46

10

Regresin lineal: La regresin lineal simple relaciona a una variable dependiente con una variable independiente en forma de ecuacin lineal como sigue:

y a bx
Pendiente Intercepto

Variable dependiente

Variable independiente

Para desarrollar la ecuacin lineal, la pendiente (b) y el intercepto (a) con las formulas mostradas a continuacin.

10

 xy n x y b x nx
2 2

a y bx En donde : b Pendiente de la recta x Periodo de tiempo y Pronostico para la demanda del periodo x n Cantidad de periodos a Intercepto(en el periodo 0) x

x
n n

y y
10

Explicaremos la regresin siguiendo el contexto de un ejemplo. El departamento de atletismo de una universidad quiere elaborar su presupuesto para el prximo ao utilizando un pronostico para la asistencia a los partidos de ftbol americano. La asistencia a los partidos de ftbol americano significa el ingreso mas alto que tienen, y el director de atletismo piensa que la asistencia esta directamente relacionada con la cantidad de victorias de su equipo. El gerente administrativo ha acumulado el historial de asistencia durante los ltimos 8 aos que es como sigue:
Wins x 4 6 6 8 6 7 5 7 Attendance y 36,300 40,100 41,200 53,000 44,000 45,600 39,000 47,500
10

Dado que muchos de los jugadores son buenos y regresaran el prximo ao y al calendario de juegos, el director cree que el equipo tendr al menos 7 victorias durante la prxima temporada.

El director quiere desarrollar una ecuacin de regresin simple utilizando los datos de asistencia histrica y aplicarlo a las 7 victorias. Hacemos los clculos para a y b:
Attendance Wins (1,000s) x 4 6 6 8 6 7 5 7 49 y 36.3 40.1 41.2 53.0 44.0 45.6 39.0 47.5 346.7 xy 145.2 240.6 247.2 424.0 264.0 319.2 195.0 332.5 2,167.7 x2 16 36 36 64 36 49 25 49 311

x 49 6.125 x y 346.7 43.34 y

b 8 xy n x y n n 8

nx

2,167.7 (8)(6.125)(43.34) 4.061 2 311 (8)(6.125)

a y b x 43.34 (4.06)(6.125) 18.46 El pronosticopara 7 victorias es ( x 7) y a bx 18.46 (4.06)(7) 46.89 46,890

10

Correlacin: La correlacin en la ecuacin de la regresin lineal simple es una medicin de la fortaleza de la relacin que existe entre la variable dependiente y la variable independiente y se calcula con la siguiente formula:

n x ( x) n y ( y)
2 2 2 2

n xy x y

El valor de r varia entre -1.00 y +1.00 Con valor r = 1, significa que un incremento en la variable independiente resultara en un incremento lineal correspondiente en la variable dependiente. Con valor r = -1, significa que un incremento en la variable independiente resultara en un decremento lineal correspondiente en la variable dependiente. Un valor cercano a cero, significa que no existe una relacin lineal entre las variables.
10

Obtenemos el valor de y2 que nos hace falta y calculamos la correlacin como sigue:
Wins x 4 6 6 8 6 7 5 7 49 Attendance (1,000s) y 36.3 40.1 41.2 53.0 44.0 45.6 39.0 47.5 346.7 xy 145.2 240.6 247.2 424.0 264.0 319.2 195.0 332.5 2,167.7 x 16 36 36 64 36 49 25 49 311
2

y 1,317.7 1,608.0 1,697.4 2,809.0 1,936.0 2,079.4 1,521.0 2,256.3 15,224.8

r r

n x ( x) n y ( y)
2 2 2 2

n xy x y

(8)(311) (49) (8)(15,224.8) (346.7)

2 2

(8)(2,167.7) (49)(346.7)

r 0.948

El valor que obtenemos es muy cercano a 1, lo que significa que existe una fuerte relacin entre el numero de victorias y la afluencia a los juegos.

10

Coeficiente de determinacin: Esta es otra medicin para determinar la fortaleza de la relacin entre las variables dependiente e independiente. Se calcula simplemente elevando al cuadrado el coeficiente de correlacin r como sigue:

r 2 (r ) 2 (0.948 ) 2 0.898
Este valor para el coeficiente de determinacin nos indica que un 89.8% de la cantidad en que varia la audiencia puede ser atribuido a los triunfos del equipo.
El 10.2% puede ser atribuido a otros factores como el clima. Un valor de 1 equivale al 100% indicara que la audiencia seria totalmente dependiente de las victorias, en nuestro caso, el 10.2% nos indica que podemos esperar algo de variacin.
10

Seguimiento a la censura de los datos:

Ventas Pronostico, F t+1 = 0.30 = 0.50 7.00 6.40 7.48 8.24 8.17 6.62 6.43 7.50 8.25 8.48 7.43 5.20 6.64 7.65 6.55 7.00 6.00 8.00 9.00 8.50 5.75 5.88 7.94 8.97 8.98 6.99 3.50 6.75 8.37 6.19 Promedio Desviacin

Datos sin censura

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total Promedio Desviacin

7 5 10 10 8 3 6 10 10 9 5 0 10 10 4 107 7.1 3.2

7.1 7.1 12 7.1 7.1 7.1 10 7.1 7.1 8 7.1 7.1 7.1 6 7.1 7.1 7.1 4 7.1 7.1 2 7.1 0 1

3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2

Unidades vendidas

Ventas = 0.30 = 0.50 Promedio Desviacin

10

11

12

13

14

15

16

Periodos

Datos con censura

Pronostico, F t+1 Ventas = 0.30 7.00 6.40 7.48 8.24 8.17 6.62 6.43 7.50 8.25 8.48 7.43 8.20 8.74 7.32 = 0.50 7.00 6.00 8.00 9.00 8.50 5.75 5.88 7.94 8.97 8.98 6.99 8.50 9.25 6.62

Promedio Desviacin

12

1 2 3 4 5 6 7 8 9 10 11 13 14 15 16 Total Promedio Desviacin

7 5 10 10 8 3 6 10 10 9 5 10 10 4 107 7.6 2.6

7.6 7.6 10 7.6 7.6 8 7.6 7.6 7.6 6 7.6 7.6 7.6 4 7.6 7.6 2 7.6 7.6 7.6 0 1

2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2 3

Unidades vendidas

Ventas = 0.30 = 0.50 Promedio Desviacin

Ing. Hector 4 5 6 Mendoza

8 Periodos

10

11

12

13

14

15

10

Fijando limites:
Pronostico, F t+1 Ventas = 0.30 7.00 6.40 7.48 8.24 8.17 6.62 6.43 7.50 8.25 8.48 7.43 5.20 6.64 7.65 6.55 = 0.50 7.00 6.00 8.00 9.00 8.50 5.75 5.88 7.94 8.97 8.98 6.99 3.50 6.75 8.37 6.19 Promedio Desviacin Min Max

Datos sin censura

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total Promedio Desviacin

7 5 10 10 8 3 6 10 10 9 5 0 10 10 4 107 7.1 3.2

7.1 7.1 12 7.1 7.1 7.1 10 7.1 7.1 8 7.1 7.1 7.1 6 7.1 7.1 7.1 4 7.1 7.1 2 7.1 0 1

3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2 3.2

4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0 4.0

10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3 10.3

Unidades vendidas

Ventas = 0.30 = 0.50 Promedio Min Max

10

11

12

13

14

15

16

Periodos

Datos con censura

Pronostico, F t+1 Ventas = 0.30 7.00 6.40 7.48 8.24 8.17 6.62 6.43 7.50 8.25 8.48 7.43 8.20 8.74 7.32 = 0.50 7.00 6.00 8.00 9.00 8.50 5.75 5.88 7.94 8.97 8.98 6.99 8.50 9.25 6.62 Promedio Desviacin Min Max

12

1 2 3 4 5 6 7 8 9 10 11 13 14 15 16 Total Promedio Desviacin

7 5 10 10 8 3 6 10 10 9 5 10 10 4 107 7.6 2.6

Unidades vendidas

7.6 7.6 10 7.6 7.6 8 7.6 7.6 7.6 6 7.6 7.6 7.6 4 7.6 7.6 2 7.6 7.6 7.6 0 1

2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2

5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1 5.1

10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 10.2 3 4 5 6 Ing. Hector 7 Mendoza 8 Periodos 9 10 11 12 13 14 15

Ventas = 0.30 = 0.50 Promedio Min Max

10

Distribucin normal

68.26% 95.44% 99.74%

11

Fuentes de informacin: Los datos que utilizamos para elaborar un pronostico provienen de muchas fuentes y por lo tanto es muy importante que utilicemos fuentes confiables. Existen dos principales fuentes de informacin y que siempre debemos de tener muy presentes:
Fuentes internas Fuentes externas
11

Fuentes internas: Los factores internos son aquellos que pueden influir en las ventas y estn bajo el control de la empresa y son los siguientes:

La administracin del ciclo de vida de los productos. Tema ya discutido previamente (ver pagina siguiente). Los cambios de precios planeados y no planeados. Los precios a la alza tienden a reducir la demanda y a la baja a incrementarla. Cambios en la fuerza de ventas. Existe una correlacin entre el tamao de la fuerza de ventas y los niveles de ventas. Restricciones en los recursos. Debemos de tomar en cuenta si la historia de la demanda esta afectada por restricciones. La labor de mercadotecnia y sus promociones. Normalmente las promociones incrementan los volmenes de ventas. Publicidad. La publicidad genera un incremento en los volumenes de ventas.

11

Seasonal Variations In Data

The multiplicative seasonal model can adjust trend data for seasonal variations in demand

11

Introduccin

Crecimiento

Madurez

Declive

MTS ETO ETO

MTO

MTO

Gestacin

Retiro

Ciclo de vida de un producto

Investigacin y desarrollo Es muy caro No hay ingresos por venta Periodo de prdidas netas Ingeniera robusta Ing. Manufactura Costo muy alto Expansin de Ventas bajas lneas de producto Balance de prdidas Economas de netas escala Reducen los costos Volmenes de ventas aumentan Se perciben beneficios Normas, Calidad y estandarizacin Costos muy bajos Niveles mximos de ventas Precios bajan por la proliferacin de la competencia La mayor rentabilidad Reciclaje del producto Las ventas caen Los precios bajan Los beneficios se reducen Garanta Cuntos aos de garanta y servicio tengo que dar?

11

Product Life Cycle

Introduction Company Strategy/Issues
Best period to increase market share
R&D engineering is critical

Growth
Practical to change price or quality image
Strengthen niche

Maturity
Poor time to change image, price, or quality
Competitive costs become critical Defend market position

Decline
Cost control critical

Internet search engines LCD & plasma TVs Sales iPods Drive-through restaurants

CD-ROMs Analog TVs

Xbox 360

3 1/2 Floppy disks

11

Product Life Cycle

Introduction
Product design and development critical Frequent product and process design changes Short production runs High production costs Limited models Attention to quality

Growth
Forecasting critical Product and process reliability Competitive product improvements and options

Maturity
Standardization Less rapid product changes more minor changes Optimum capacity

Decline
Little product differentiation Cost minimization

OM Strategy/Issues

Overcapacity in the industry

Prune line to eliminate items not returning good margin Reduce capacity

Increasing stability of Increase capacity process

Shift toward product focus

Enhance distribution

Long production runs

Product improvement and cost cutting

Figure 2.5 11

Ciclo de vida de los productos

Volumen Introduccin

Crecimiento

Madurez

Declive

Etapas del ciclo de vida de los productos

Tiempo

11

Fuentes externas: Los factores externos son aquellos que pueden influir en las ventas y la empresa no tiene control sobre ellos y son los siguientes:
La competencia. Es uno de los factores mas importantes a considerar. Clientes nuevos. Existe una correlacin entre los clientes nuevos y el volumen de ventas. Los planes de los clientes principales. Por ejemplo, si Wal-Mart abre una tienda nueva, se incrementa la demanda. Polticas gubernamentales. Las polticas gubernamentales pueden afectar seriamente a una empresa. (Monopolio) Asuntos legales y reglamentaciones. Ciertos productos estn sujetos a leyes o reglamentos que pueden afectar. Condiciones econmicas. La situacin econmica tiene un gran impacto en los ingresos de las empresas. Asuntos relativos a la proteccin del medio ambiente. Por ejemplo, si la empresa adopta el ISO14000. (reciclaje y no contaminacin) Condiciones climticas. Los huracanes, tornados, sequas, inundaciones, etc. tambin afectan enormemente. Tendencias globales. Las tendencias del mundo tambin afectan. (econmicas, polticas, tecnolgicas o sociales)

11

Indicadores: Hay indicadores que afectan a nuestros productos por lo tanto, hay que identificar los pueden incrementar nuestra demanda, y mediante el anlisis de correlacin incluirlos en nuestros modelos para pronosticar. Estos indicadores pueden ser:
Casas nuevas Nacimientos Salud Materiales para construccin Mobiliario Productos para bebe Medicinas Productos nutricionales Productos para hacer ejercicio
11

Introduccin de nuevos productos: Todo producto nuevo que introducimos al mercado lleva implcito un riesgo calculado para ser exitoso o fracasar. Los departamentos de ventas y mercadotecnia son muy importantes en esta rea. El reto es tener un buen pronostico para los nuevos productos. El grupo consultor de Boston (BCG) creo esta matriz para clasificar los productos de acuerdo con su participacin de mercado: Vaca lechera: Tiene una participacin grande en un mercado maduro y una industria con lento crecimiento. Estrella: Tiene una participacin grande en un mercado de rpido crecimiento. Interrogante: Tiene una participacin pequea en un mercado de alto crecimiento. Perro: Tiene poca participacin en un mercado maduro.

12