Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Orlando
Orlando
FACULTAD DE ADMINISTRACIN
DIRECCIN DE LA PRODUCCIN
PRONSTICO DE LA DEMANDA
2017
1. DEFINICIN
El pronstico es la base de la planeacin corporativa a largo plazo.
EJEMPLO:
B) METODO DELFOS
EJEMPLO:
C) ENCUESTA A LA FUERZA DE VENTAS
EJEMPLO
E) ANALOGA HISTRICA
EJEMPLO
F) INVESTIGACIN DE MERCADOS
EJEMPLO
3. MTODOS CUANTITATIVOS
A) PROMEDIO MOVILES
Los promedios mviles son tiles si podemos suponer que las demandas del
mercado permanecern bastante estables en el tiempo.
La experiencia y las pruebas son las formas ms sencillas de elegir las ponderaciones.
Por regla general, el pasado ms reciente es el indicador ms importante de lo que se
espera en el futuro y, por lo tanto, debe tener una ponderacin ms alta. Los ingresos o
la capacidad de la planta del mes pasado, por ejemplo, seran un mejor estimado para
el mes prximo que los ingresos o la capacidad de la planta de hace varios meses.
No obstante, si los datos son estacionales, por ejemplo, las ponderaciones se deben
establecer en forma correspondiente. Las ventas de trajes de bao en julio del ao
pasado deben tener una ponderacin ms alta que las ventas de trajes de bao en
diciembre (en el hemisferio norte).
La eleccin de los pesos evidentemente tiene una influencia importante sobre los
pronsticos.
Una manera de elegir los pesos es intentar varias combinaciones, calcular la DAM para
cada una y elegir el conjunto de pesos que d como resultado el menor valor de la DAM.
C) SUAVIZACIN EXPONENCIAL
Las tcnicas de suavizacin exponencial se han aceptado en forma
generalizada por seis razones principales:
Los modelos exponenciales son sorprendentemente precisos.
Formular un modelo exponencial es relativamente fcil.
El usuario puede entender cmo funciona el modelo.
Se requieren muy pocos clculos para utilizar el modelo.
Los requerimientos de almacenamiento en la computadora son
bajos debido al uso limitado de datos histricos.
Es fcil calcular las pruebas de precisin relacionadas con el
desempeo del modelo.
C) SUAVIZACIN EXPONENCIAL
En el mtodo de suavizacin exponencial, slo se necesitan tres piezas de datos para pronosticar el
futuro: el pronstico ms reciente, la demanda real que ocurri durante el periodo de pronstico y
una constante de uniformidad alfa ().
C) SUAVIZACIN EXPONENCIAL
Por ejemplo, en enero, un distribuidor predijo una demanda de 142 automviles de cierto modelo para febrero.
La demanda real en febrero fue de 153 autos. Utilizando una constante de suavizamiento 0.20, podemos
pronosticar la demanda de marzo usando el modelo de suavizamiento exponencial. Al sustituir en la frmula:
C) SUAVIZACIN EXPONENCIAL
EJEMPLO DEL PUERTO DE BALTIMORE
Apliquemos a un ejemplo este concepto con una tcnica de ensayo y error de dos valores. El puerto de
Baltimore ha descargado grandes cantidades de grano de los barcos durante los ltimos ocho trimestres. El
gerente de operaciones del puerto quiere probar el uso del suavizamiento exponencial para saber qu tan bien
funciona la tcnica para predecir las toneladas descargadas. Supone que el pronstico de grano descargado en
el primer trimestre fue de 175 toneladas. Se examinan dos valores de: 0.10 y 0.50
C) SUAVIZACIN EXPONENCIAL
C) SUAVIZACIN EXPONENCIAL
CONCLUSIN
Para evaluar la exactitud de cada constante de suavizamiento, calculamos DAM. Con
base en este anlisis, se prefiere una constante de suavizamiento de 0.10 y no de 0.50
porque su DAM es menor.
SELECCIN DE LA CONSTANTE DE SUAVIZAMIENTO
La suavizacin exponencial requiere de dar a la constante de suavizacin alfa ( ) un valor
entre 0 y 1. Si la demanda real es estable (como la demanda de electricidad o alimentos) sera
deseable una alfa pequea para reducir los efectos de los cambios corto plazo o aleatorios.
Si la demanda real aumenta o disminuye con rapidez (como en los artculos de moda o los
aparatos electrodomsticos menores), se quisiera una alfa alta para tratar de seguirle el paso
al cambio.
MEDICIN DE ERRORES
Varios trminos comunes empleados para describir el grado de error son error estndar, error
cuadrado medio (o varianza) y desviacin absoluta media. Adems, es posible usar seales de
rastreo para indicar cualquier sesgo positivo o negativo en el pronstico.
La DAM se calcula utilizando las diferencias entre la demanda real y la demanda pronosticada
sin importar el signo. Es igual a la suma de las desviaciones absolutas dividida entre el
nmero de puntos de datos o, en forma de ecuacin.
CONCLUSIN