PRONÓSTICOS

APLICACIONES EN LAS ÁREAS DE PRODUCCIÓN Y VENTAS

INTRODUCCIÓN
Actualmente, la gran preocupación de las organizaciones radica en tener inventarios
exactos en sus almacenes. Esta intranquilidad hace que muchos profesionales se
enfoquen únicamente en lo que tienen almacenado y dejen de lado el control sobre el
flujo de entrada de mercadería.
Ante esta problemática existen diversas técnicas que una empresa puede emplear para
adquirir la cantidad de inventario necesario que a su vez le permita alcanzar y/o
superar el target de ventas trazado. Aquí, resulta importante señalar que estas técnicas
se pueden realizar independientemente del giro de negocio, el tamaño de facturación,
la naturaleza de la empresa o su localización (si es local o internacional).
Dentro de las opciones que tiene una empresa para controlar su inventario, la
reposición en base a mínimos y máximos se constituye como una buena alternativa. La
razón de su éxito se debe a que este método es efectivo cuando nos referimos a
productos como repuestos, materiales, partes y componentes del sector industrial,
donde los parámetros de consumo están claramente establecidos, y normalmente el
pedido máximo responde al consumo promedio semanal o mensual de determinado
producto.
OBJETIVOS

■ Definir el uso y las aplicaciones de los pronósticos en las

empresas.

■ Reconocer la importancia de la elaboración de pronósticos

en el área de producción y ventas de una empresa.

■ Elegir el modelo de pronóstico a utilizar de acuerdo a la

información recopilada y al criterio del encargado de
planificación.
MARCO TEÓRICO
PRONÓSTICO – CONCEPTO
■ Un pronóstico es una estimación cuantitativa o cualitativa
de uno o varios factores (variables) que conforman un
evento futuro, con base en información actual o del pasado.
■ Sabemos que nunca ocurrirá exactamente lo pronosticado;
entonces, ¿por qué pronosticar?; porque necesitamos una
cierta base, aunque sea mínima, un criterio, una
justificación para el curso de acción que decidimos tomar; y
es que a partir del pronóstico que se genere, estaremos
decidiendo dónde colocar nuestros recursos financieros,
tecnológicos y humanos.
CLASIFICACIÓN DE LOS MODELOS DE PRONÓSTICO

■ Según el marco de tiempo al que atienden

■ Según su atención al detalle

■ Según la intensidad del uso de datos

Según el marco de tiempo al que atienden
■ De corto plazo: se usan para diseñar estrategias inmediatas, son
empleados entre mandos medios y gerencias de primera línea.

■ De mediano plazo: conjunta al corto y al largo plazo, útil para

decisiones de todos los niveles

■ Pronósticos de largo plazo: requeridos para establecer el rumbo

general de la organización, generalmente se hacen para que la alta
dirección los use en los procesos de planeación estratégica.
Según su atención al detalle
■ Micropronósticos: Involucran pequeños detalles e interesan
a los niveles medios y de primera línea; por ejemplo, dentro
de una organización involucra las siguientes áreas:
mercadotecnia, producción, finanzas, recursos humanos,
planeación estratégica.

■ Macropronósticos: Se realizan a gran escala y son del

interés de la alta dirección.
Según la intensidad del uso de datos
■ Pronósticos cualitativos: se basan en el juicio de individuos
o grupos de individuos, se pueden presentar en forma
numérica pero generalmente no están basados en series de
datos históricos.

■ Pronósticos cuantitativos: emplean cantidades significativas

de datos previos como base de predicción.
 MÉTODOS DE PRONÓSTICO

■ MÉTODOS CUALITATIVOS
• Jurado de Opinión Ejecutiva
• Método Delphi
• Proposición de personal comercial
• Estudio de mercado
MÉTODOS DE PRONÓSTICO

■ MÉTODOS CUANTITATIVOS
• Enfoque Simple
• Series de Tiempo
• Media Simple
• Media Móvil
• Media Móvil Ponderada
• Suavización Exponencial
• Suavización Exponencial con Ajuste de Tendencia
• Análisis de Regresión Lineal
 Suavización Exponencial
■ Es un caso especial de pronóstico de media móvil ponderada,
donde ahora los factores de ponderación disminuyen
exponencialmente, dándole más peso a los períodos más
recientes. Se necesita una constante de alisado (α), que toma
valores entre 0 y 1, eligiéndola de forma subjetiva. Ventaja:
necesita una cantidad reducida de datos históricos.
F t = Ft-1 + α (A t-1 - F t-1)
■ Donde:
F t = Pronóstico
A t = Valor real
α = Constante de alisado
 Suavización Exponencial con Ajuste de Tendencia
■ Es un refinamiento del método anterior, donde se le
suma al pronóstico suavizado exponencialmente
(Ft), una tendencia también suavizada
exponencialmente (Tt).
FIT t = F t + T
■ Estos términos se calculan de la siguiente manera:
F t = α(A t-1)+ (1- α)(F t-1 + T t-1)
Tt = β(F t - F t-1) + (1- β)Tt-1
ELECCIÓN DEL MÉTODO DE PRONÓSTICO

■ ERROR CUADRÁTICO MEDIO(ECM):

෡ 2 σ 𝑒𝑟𝑟𝑜𝑟𝑒𝑠 2
σ𝑛𝑖=1 𝑦𝑖 − 𝑦𝑖
𝐸𝐶𝑀 = =
𝑛 𝑛
Donde: “n” es la cantidad de datos disponibles desde el inicio del cálculo del
pronóstico.

■ DESVIACIÓN ABSOLUTA MEDIA(DAM):

σ𝑛𝑖=1 𝑦𝑖 − 𝑦𝑖
෡ σ 𝑒𝑟𝑟𝑜𝑟𝑒𝑠
𝐷𝐴𝑀 = =
𝑛 𝑛
Donde: “n” es la cantidad de datos disponibles desde el inicio del cálculo del pronóstico
PROCESO DE PRONÓSTICO

■ Formulación del problema y recolección de datos

■ Manipulación y limpieza de datos
■ Construcción y evaluación del modelo
■ Aplicación del modelo
■ Evaluación del pronóstico
APLICACIONES

■ En el área de marketing
■ En el área de producción
■ En el área financiera
■ En recursos humanos
■ En el plano estratégico
EJERCICIOS

■ 1. Una empresa gasolinera desea pronosticar las

ventas de galones para los 13 meses siguientes;
teniéndose en cuenta que como promedio se venden
3300 galones cada mes; según la información dada
por el encargado de planeación, la tendencia del mes
es de 200 galones; considérese un valor α=0,4 y β
=0,6.
A0 = 3300 T0 = 200
At = α(At) + (1 – α) (At-1 + Tt-1)
A1 = 0.4(3245) + (1 – 0.4) (3300 + 200)
A1 = 3398

Tt = (β)(At – At-1) + (1- β)(Tt-1)

T1 = (0.6) (3398 – 3300) + (1 – 0.6) (200)
T1 = 138.8

Ft+1 = At + Tt
F2 = 3398 + 138.8
F2 = 3536.8 galones.
 Pronóstico Tendencia Pronóstico con
Periodo Demanda Error
Suavizado Suavizada tendencia

1 3300 3300.00 200.00 3500.00 0.0606

2 3245 3398.00 138.80 3536.80 0.0899
3 3408 3485.28 107.89 3593.17 0.0543
4 3610 3599.90 111.93 3711.83 0.0282
5 3715 3713.10 112.69 3825.79 0.0298
6 4025 3905.47 160.50 4065.97 0.0102
7 4134 4093.18 176.83 4270.01 0.0329
8 4270 4270.01 176.82 4446.83 0.0414
9 4486 4462.50 186.23 4648.72 0.0363
10 4885 4743.23 242.93 4986.17 0.0207
11 5490 5187.70 363.85 5551.55 0.0112
12 5970 5718.93 464.28 6183.21 0.0357
13 6310 6233.93 494.71 6728.64 0.0663
14 7150 6897.18 595.84 7493.02 0.0480
 Demanda Pronosticada
8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Demanda Pronóstico con tendencia
2. IngE es una empresa productora de alimento para peces y
requiere calcular el pronóstico de la demanda con el método
de suavizado exponencial para los próximos meses.
El pronóstico de la demanda del período 1 fue de 1500, pero
las ventas reales fueron de 1132 y la tendencia en ese
momento fue de 150. La compañía asigna un α=0,1. Prevén
una tendencia alcista en los próximos meses, por lo que
definen β =0,3.
■ Determinar pronóstico suavizado para el período 2:
F2 = (α)(A1) + (1 – α) (F1 + T1)
F2 = (0.10) (1132) + (1 – 0.90) (1500 + 150)
F2 = 1598.20
■ Con el pronóstico suavizado, calculamos la tendencia para el período 2:
T2 = (β) (F2 – F1) + (1 – β) (T1)
T2 = (0.30) (1598.20 – 1500) + (1 – 0.30) (150)
T2 = 134.46
■ Determinamos el pronóstico con ajuste a la tendencia, que es simplemente
una suma:
FIT2 = F2 + T2
FIT2 = 1598.20 + 134.46
FIT2 = 1732.66
■ Entonces para el período 2, IngE pronostica una demanda de 1732.66
unidades de alimento para peces.
 Pronóstico Tendencia Pronóstico con
Periodo Demanda Error
Suavizado Suavizada tendencia

1 1132 1500.00 150.00 1650.00 0.4576

2 1600 1598.20 134.46 1732.66 0.0829

3 1690 1719.39 130.48 1849.87 0.0946

4 1640 1833.89 125.68 1959.57 0.1949

5 1765 1927.61 116.10 2043.71 0.1579

6 1879 2015.84 107.74 2123.58 0.1302

7 1990 2099.12 100.40 2199.52 0.1053

8 2100 2178.56 94.11 2272.68 0.0822

9 2210 2255.41 88.93 2344.34 0.0608

10 2356 2330.91 84.90 2415.81 0.0254

11 2201 2409.83 83.11 2492.94 0.1326

12 2027 2463.74 74.35 2538.09 0.2521

 Producción pronosticada con método de suavización exponencial doble
800

700

600

500

400

300

200

100

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Demanda Pronóstico con tendencia
3. Una pequeña empresa de electrónica produce
calculadoras de bolsillo y controla la demanda de los
artículos semanalmente. En promedio la empresa
elaboró 280 calculadoras cada semana durante las
últimas cuatro semanas. Adicionalmente la tendencia
en ese periodo fue de 30 calculadoras adicionales por
semana. La demanda de esta semana fue de 270
calculadoras. Si α=0,2 y β =0,2 se requiere calcular el
pronóstico correspondiente a la siguiente semana.
A0 = 280 T0 = 30
At = α(At) + (1 – α) (At-1 + Tt-1)
A1 = 0.2(270) + (1 – 0.2) (280 + 30)
A1 = 302
Tt = (β)(At – At-1) + (1- β)(Tt-1)
T1 = (0.2) (302 – 280) + (1 – 0.2) (30)
T1 = 28.4
Ft+1 = At + Tt
F2 = 302 + 28.4
F2 = 330.4 calculadoras
 Pronóstico Tendencia Pronóstico con
Periodo Demanda Error
Suavizado Suavizada tendencia

0 280 280.00 30.00 310.00 0.1071

1 270 302.00 28.40 330.40 0.2237
2 440 352.32 32.78 385.10 0.1248
3 370 382.08 32.18 414.26 0.1196
4 350 401.41 29.61 431.02 0.2315
5 530 450.82 33.57 484.38 0.0861
6 380 463.51 29.39 492.90 0.2971
7 570 508.32 32.48 540.80 0.0512
8 610 554.64 35.25 589.88 0.0330
9 390 549.91 27.25 577.16 0.4799
10 550 571.73 26.16 597.89 0.0871
11 540 586.31 23.85 610.16 0.1299
12 520 592.13 20.24 612.37 0.1776
13 600 609.90 19.75 629.64 0.0494
14 600 623.71 18.56 642.28 0.0705
15 750 663.82 22.87 686.69 0.0844
 Demanda pronosticada con método de suavización exponencial doble
3000

2500

2000

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12

Demanda Pronóstico con tendencia

4. La firma de control ambiental "ECOS" usa suavización exponencial doble
para pronosticar la demanda de un equipo para el control de contaminación,
demanda que aparentemente presenta una tendencia creciente.
Según la experiencia de sus ingenieros de planeación se sugiere unos
coeficientes de alfa = 0,2 y beta 0,4. Suponer que el pronóstico para el mes 1
fue de 11 unidades y la tendencia durante el mismo período fue de 2 unidades.
Con base en lo anterior, determinar el pronóstico de los 12.

MES DEMANDA

1 12

2 17

3 ?
Determinar pronóstico suavizado para el período 2:
F2 = (α)(A1) + (1 – α) (F1 + T1)
F2 = (0.20) (12) + (1 – 0.20) (11 + 2)
F2 = 12.8
Con el pronóstico suavizado, calculamos la tendencia para el período 2:
T2 = (β) (F2 – F1) + (1 – β) (T1)
T2 = (0.40) (12.8 – 11) + (1 – 0.40) (2)
T2 = 1.92
Determinamos el pronóstico con ajuste a la tendencia, que es
simplemente una suma:
FIT2 = F2 + T2
FIT2 = 12.8 + 1.92
FIT2 = 14.72
Ahora haremos el análisis para el periodo 3:
Determinar pronóstico suavizado para el período 3:
F3 = (α)(A2) + (1 – α) (F2 + T2)
F3 = (0.20) (17) + (1 – 0.20) (12.8 + 1.92)
F3 = 15.176
Con el pronóstico suavizado, calculamos la tendencia para el período 3:
T3 = (β) (F3 – F2) + (1 – β) (T2)
T3 = (0.40) (15.176 – 12.8) + (1 – 0.40) (1.92)
T3 = 2.102
Determinamos el pronóstico con ajuste a la tendencia, que es simplemente una suma:
FIT3 = F3 + T3
FIT3 = 15.176 + 2.102
FIT3 = 17.278
Entonces para el período 3, el pronóstico de ventas es de 17.278 unidades; es necesario
redondear ya que se deben dar unidades enteras
CONCLUSIONES
■ Mediante una investigación monográfica se logró recopilar
información clara, precisa y verídica respecto al uso y las
aplicaciones de los pronósticos.
■ Después de haber realizado el trabajo, podemos afirmar que los
pronósticos son de vital importancia en la planeación de las futuras
producciones y ventas de una empresa de cualquier rubro; de esta
manera se pueden obtener mejores resultados.
■ Se escogió el modelo de Suavización Exponencial Doble porque es
óptimo para patrones de demanda que presentan una tendencia y
un patrón estacional constante; con este método se pretende
eliminar el impacto de elementos irregulares históricos mediante un
enfoque en periodos de demanda reciente.