Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronósticos de Demanda
Agenda
Introducción: ¿Qué es la demanda?
Pronóstico de Demanda: Usos y
Características
Tipos de Pronóstico de Demanda
Cualitativos
Cuantitativos
Errores de Pronóstico
Estimación Bajo Incertidumbre
Pronósticos de Demanda
2
Intro: ¿Qué es la Demanda?
“Cantidad de bienes o servicios que el consumidor está
dispuesto a adquirir a un precio dado y en un lugar
establecido”
Saber cual será la demanda permite usar con eficiencia el
sistema productivo y entregar el producto a tiempo
Dos fuentes básicas de demanda:
Demanda Dependiente
Demanda Independiente
Pronósticos de Demanda
4
Pronóstico de Demanda
El pronóstico es la base de la planeación corporativa
a largo plazo y tiene impacto directo en el mediano
y corto plazo
Es importante ver el horizonte y el nivel de
agregación que se requiere para el pronóstico de
demanda
Nivel Estratégico: Largo Plazo
Pronósticos de Demanda
5
Pronóstico de Demanda
Pronósticos de Demanda
6
Pronóstico de Demanda
Un pronóstico perfecto es imposible
Hay demasiados factores que no se pueden
pronosticar con certeza
Revisión continua de los pronósticos
Aprender a vivir con pronósticos imprecisos
Flexibilidad de reacción
Pronósticos de Demanda
7
Componentes de la Demanda
Seis componentes:
Demanda Promedio para el periodo
Tendencia
Elementos Estacionales
Elementos Cíclicos
•
Eventos como elecciones políticas, guerras, condiciones económicas
Variación Aleatoria
•
Eventos fortuitos. Parte de la demanda que no se puede identificar la
causa
Autocorrelación
Persistencia de la ocurrencia.
Pronósticos de Demanda
•
8
Componentes de la Demanda
Ciclo
Patrón
de estacionalidad
Demanda
Tendencia
Promedio
Aleatorio
Tiempo
Demanda
Tiempo
Pronósticos de Demanda
9
Tipos de Pronósticos
Dos tipos básicos de pronósticos:
Cualitativos
Cuantitativos:
•
Análisis de Series de Tiempo
•
Relaciones Causales
•
Simulación
Pronósticos de Demanda
10
Métodos Cualitativos
Existen varios tipos de métodos cualitativos:
Técnicas Acumulativas
Investigación de Mercados
Grupos de Consenso
Analogía Histórica
Método de Delphi
Pronósticos de Demanda
11
Métodos Cualitativos:
Técnicas Acumulativas
Deriva pronóstico a través de la compilación de
entradas de aquellos que se encuentran al final de
la jerarquía.
Supuesto: La persona que está más cerca del cliente
conoce mejor sus necesidades futuras.
Pronósticos se suman y se llevan a nivel más alto.
Pronósticos de Demanda
12
Métodos Cualitativos:
Investigación de Mercados
Se utiliza sobre todo para la investigación de nuevos
productos
Métodos de recopilación: Encuestas, Entrevistas,
Focus Group, etc.
Pronósticos de Demanda
13
Métodos Cualitativos:
Grupos de Consenso
“Dos cabezas piensan más que una”
Grupo de personas con diversas posiciones en la empresa
Reuniones abiertas con intercambio libre de ideas
Algunas personas pueden sentirse intimidadas y no hablar
libremente
Pronósticos de Demanda
14
Métodos Cualitativos:
Analogía Histórica
Producto General o Existente como modelo.
Productos complementarios, sustituibles o
competitivos
Pronósticos de Demanda
15
Métodos Cualitativos:
Método de Delphi
Similar a grupos de consenso pero en forma de
cuestionario
Se elige a los expertos a participar
Por medio de un cuestionario se obtienen proyecciones
Se resumen los resultados, se modifica el cuestionario y se
vuelve a repartir
Nuevamente se resumen los resultados, se refinan
proyecciones y se plantean preguntas nuevas
Si es necesario se vuelve a repetir el paso anterior
Pronósticos de Demanda
17
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
18
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
19
Métodos Cuantitativos: Análisis de Series de Tiempo
3.000
2.500
2.000
1.500
1.000
Demanda Real
500
Pronóstico Móvil Simple con 3 semanas
Pronóstico Mövil Simple con 9 semanas
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Pronósticos de Demanda
20
Métodos Cuantitativos: Análisis de Series de Tiempo
Ft wt 1 Dt 1 wt 2 Dt 2 ... wt n Dt n
w
i 1
i 1
Pronósticos de Demanda
21
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
22
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Cada incremento en el pasado se reduce 1 – a
Ft Ft 1 ( Dt 1 Ft 1 )
Pronósticos de Demanda
23
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Se acepta en forma generalizada por seis razones:
Sorprendentemente preciso
Relativamente fácil de formular
Modelo fácil de entender
Se requieren pocos cálculos
Bajo requerimiento de almacenamiento de datos
Fácil de calcular pruebas de precisión de desempeño
Pronósticos de Demanda
24
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
La razón por la que se llama suavización exponencial
es que cada incremento en el pasado se reduce (1 –
a)
Ft Ft 1 ( Dt 1 Ft 1 )
Ft Ft 1 (1 ) Dt 1
Ft ( Ft 2 (1 ) Dt 2 ) (1 ) Dt 1
Ft Ft 2 (1 ) 2 Dt 2 (1 ) Dt 1
Pronósticos de Demanda
25
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Cada incremento en el pasado se reduce 1 – a
Ft ( Ft 3 (1 ) Dt 3 )) (1 ) 2 Dt 2 (1 ) Dt 1
Ft Ft 3 (1 ) 3 Dt 3 (1 ) 2 Dt 2 (1 ) Dt 1
Pronósticos de Demanda
26
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Solo se requieren 3 piezas de datos para pronosticar
el futuro
El pronóstico más reciente
La demanda real que ocurrió durante el periodo de
pronóstico
Una constante de suavización
Pronósticos de Demanda
27
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Ciclo
Patrón
de estacionalidad
Demanda
Tendencia
Promedio
Aleatorio
Tiempo
Demanda
Suavización Exponencial
Suavización Exponencial con Tendencia:
At Dt (1 ) ( At 1 Tt 1 ) 0 1
Tt ( At At 1 ) (1 ) Tt 1 0 1
Ft 1 At Tt
Donde Tt es la tendencia.
Pronósticos de Demanda
29
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Suavización Exponencial con Estacionalidad de
Largo L:
Dt
At (1 ) At 1 0 1
Rt L
Dt
Rt (1 ) R t L 0 1
At
Ft 1 ( At ).Rt L1
Pronósticos
Donde Rt es el factor de estacionalidad.
de Demanda 30
Métodos Cuantitativos: Análisis de Series de Tiempo
Suavización Exponencial
Suavización Exponencial con Estacionalidad de
Largo L y tendencia:
Dt
At (1 ) ( At 1 Tt 1 ) 0 1
Rt L
Dt
Rt (1 ) R t L 0 1
At
Tt ( At At 1 ) (1 ) Tt 1 0 1
Ft 1 ( At Tt ) Rt L 1
Pronósticos de Demanda
31
Métodos Cuantitativos: Análisis de Series de Tiempo
Y a bX
Y = Variable Dependiente
a = Secante
b = Pendiente
X = Variable Independiente (En este caso el tiempo)
Pronósticos de Demanda
32
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
Métodos Cuantitativos: Análisis de Series de Tiempo
188
Sales
168
148
128
Sales
108
Sales
Regression
88
1 3 5 7 9 11 13 15 17
17 19
19 21
21 23
23 25
25 27
27 29
29
Week
Pronósticos de Demanda
34
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
35
Métodos Cuantitativos: Análisis de Series de Tiempo
Pronósticos de Demanda
36
Métodos Cuantitativos: Análisis de Series de Tiempo
Proyecciones de Tendencia
Ajusta una recta matemática de tendencias a los
puntos de datos y las proyecta en el futuro
Tendencia Líneal Tendencia de curva S
2 2
1,9 1,9
1,8 1,8
1,7 1,7
1,6 1,6
1,5 1,5
1,4 1,4
1,3 1,3
1,2 1,2
1,1 1,1
1 1
0,9 0,9
0,8 0,8
0,7 0,7
0,6 0,6
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Pronósticos de Demanda
37
Métodos Cuantitativos:
Relaciones Causales
Tratar de entender el sistema subyacente y que
rodea al elemento que se va a pronosticar
La gracia es que una variable independiente sea un
indicador guía
Ej.: La lluvia para la venta de paraguas
Relación causal -> Una ocurrencia causa la otra
Es de gran importancia encontrar las ocurrencias
que realmente son la causa
Pronósticos de Demanda
38
Métodos Cuantitativos:
Relaciones Causales
Varios modelos:
Análisis de Regresión Múltiple
Modelos Econométricos
Modelos de Entrada/Salida
Principales Indicadores
Pronósticos de Demanda
39
Métodos Cuantitativos: Relaciones Causales
Pronósticos de Demanda
40
Métodos Cuantitativos: Relaciones Causales
Pronósticos de Demanda
41
Análisis de Regresión
Múltiple
Estacionalidad
Subclase
Elasticidad
Demanda Efecto Precio Estilo i
Estilo i Promoción
P I
Di (t , P, I ) K i K (t ) K prom exp( i )(1 ) max(0,1 )
PInicial Ic
Magnitud Ventas
Estilo i Elasticidad Elasticidad
Precio Subclase Inventario Subclase
Modelos Econométricos
Intentos por describir algún sector de la economía
mediante ecuaciones interdependientes
Pronósticos de Demanda
43
Métodos Cuantitativos: Relaciones Causales
Modelos de Entrada/Salida
Se enfoca en ventas de otras industrias
Indica los cambios en las ventas que una industria
productora puede esperar debido a los cambios en
las compras por parte de la otra
Pronósticos de Demanda
44
Métodos Cuantitativos: Relaciones Causales
Principales Indicadores
Estadísticas que se mueven en la misma dirección
que la serie a pronosticar, pero antes que ésta
Ej: Un incremento en el precio de la gasolina indica un
abaja futura en la venta de autos grandes
Pronósticos de Demanda
45
Métodos Cuantitativos:
Modelos de Simulación
Modelos dinámicos
Permiten hacer suposiciones acerca de las variables
internas y el ambiente externo del modelo
¿Qué pasaría si subiera los precios?
Análisis de Sensibilidad
Pronósticos de Demanda
46
Modelos de Simulación:
Pronóstico Enfocado
Creación de Bernie Smith, quien lo usa para manejo
de inventarios de bienes terminados.
Smith dice que los enfoques estadísticos no dan los
mejores resultados
Afirma que son mejores las técnicas simples
El pronóstico enfocado prueba varias reglas y las
simula sobre datos del pasado
Pronósticos de Demanda
47
Modelos de Simulación:
Pronóstico Enfocado
Ejemplos de reglas:
Lo que se haya vendido en los últimos tres meses, probablemente
es lo que se venderá en los meses siguientes
Lo que se vendió en el mismo trimestre del año pasado, se
venderá también en este periodo
El cambio porcentual de los últimos tres meses de este año será el
mismo que se obtendrá en los tres meses siguientes
Las reglas de pronóstico no son rígidas
Si una regla funciona, se agrega, sino, se suprime
Luego se simula por computadora con datos históricos
Lo que mejor pronostique el pasado, se usa para el futuro
Pronósticos de Demanda
48
Errores de Pronóstico
Se refiere a la diferencia entre el valor de
pronóstico y lo que ocurrió en realidad.
Nos sirven para ver en qué momento el pronóstico
falla o los datos no sirven
1
MAD Dt Ft
n t
1 MAD 0.8 desv. estandard
1 des. estandard 1.25 MAD
Se utiliza por su simplicidad.
Pronósticos de Demanda
49
Errores de Pronóstico
El valor ideal de MAD es cero (ie, no existe error de
pronósticos).
Mientras mas grande MAD, menor la precisión del
modelo.
MAD se usa para:
Comparar distintos modelos de pronósticos.
Elegir el “mejor” modelo dentro de una familia de modelos
Pronósticos de Demanda
50
Errores de Pronóstico
Señal de Rastreo:
Pronósticos de Demanda
51
Errores de Pronóstico
MAD pronosticada:
MADt Ft Dt (1 ) MADt 1
Pronósticos de Demanda
52
Pronósticos Bajo Incertidumbre
Pronósticos de Demanda
54
Pronósticos Bajo Incertidumbre
Pronósticos de Demanda
56
Conclusiones
Para los pronósticos de largo plazo son
provechosos los métodos causales
Para los de corto y mediano plazo, los
modelos simples, como la suavización
exponencial, pueden ser satisfactorios
La filosofía ideal es crear el mejor pronóstico que
sea posible y protegerse manteniendo la flexibilidad
del sistema para tener en cuenta inevitables errores
de pronóstico
Pronósticos de Demanda
57