‘Planeamiento y Control de

Producción’

Tema : Pronósticos
Flujo general de las actividades de
planificación y control.

CRP: Planeación de
la capacidad
requerida
 Pronósticos
 Todo inicio de la planificación de la producción se da a partir de la
demanda real o esperada.
 Demanda esperada es sinónimo de “pronóstico”
 ¿ qué es pronóstico? es el arte y la ciencia de predecir los
eventos futuros.
“La formulación de pronósticos (o proyección) es una técnica para
utilizar experiencias pasadas con la finalidad de predecir expectativas
del futuro”.
Horizontes de Tiempo
 Pronósticos a Corto Plazo :
Generalmente es menor a 3 meses, pero puede ampliarse
hasta un año. Ejemplo : en la planeación de compras,
programación de producción, etc.
 Pronósticos a Mediano Plazo :
Generalmente abarca de 3 meses a 3 años. Ejemplo :
Planeación de la producción, presupuestos, etc.
 Pronósticos a Largo Plazo :
Generalmente con lapso de 3 años a más. Ejemplo : Planear
nuevos productos, etc.
 Influencia del Ciclo de Vida del Producto

• factor a considerar para desarrollar

Volumen de ventas Pronósticos de Ventas a plazos largos.
• Durante estos estados, los
pronósticos son útiles para proyectar:
- Niveles de inventario
Crecimiento - Capacidad de planta

Madurez

Declinación

Introducción Tiempo
Tipos de Pronósticos

Existen dos tipos fundamentales de pronósticos: cualitativos y cuantitativos.

 Pronósticos cualitativos:
O subjetivos, incorporan factores importantes como la intuición, emociones,
experiencias personales del que toma la decisión, y sistema de valores para
alcanzar un pronóstico.
 Pronósticos cuantitativos:
Manejan variedad de modelos matemáticos que utilizan datos históricos y/o
variables causales para pronosticar la demanda.
Pronósticos cualitativos

 Encuestas de mercado
 Método Delphi o consenso de panel
 Analogía por ciclo de vida
 Valoración o juicio informado
Pronósticos cualitativos
 Encuestas de mercado
son, casi siempre, cuestionarios estructurados que se envían a los
clientes potenciales del mercado.
En ellos se solicita su opinión acerca de productos o productos
potenciales, y muchas veces intentan también averiguar la probabilidad
de que los consumidores demanden ciertos productos o servicios.
Un importante defecto de las encuestas de mercado es que son bastante
caras, y su aplicación es lenta si se realizan correctamente.
 Pronósticos cualitativos
 Método Delphi o consenso de panel
utilizan paneles de expertos específicos en el mercado o área para la cual se desarrolla
la encuesta.
Permite que cada experto realice una serie de pronósticos individuales: uno a uno
desarrollan su pronóstico particular con sus propios motivos definidos; después, el
conjunto de pronósticos generados por la colectividad es distribuido entre todos los
expertos, lo cual permite que cada uno modifique sus proyecciones con base en la
información de los demás. La idea es obtener, mediante la repetición de esta serie de
pasos, un consenso acerca del pronóstico.
Es un método caro, porque los especialistas suelen cobrar tarifas muy altas por su
tiempo y observaciones. La ventaja es que tienden a ser bastante precisos cuando se
realizan correctamente.
Pronósticos cualitativos
 Analogía por ciclo de vida
Se utiliza cuando el producto o servicio es nuevo.
se basa en el hecho de que casi todos los productos y servicios tienen un ciclo de vida bien definido.
 Las principales preguntas que surgen al considerar este ciclo de vida incluyen:
 ¿Cuál es el marco de tiempo? ¿Cuánto durará el crecimiento y la madurez?
 ¿Qué tan rápido será el crecimiento? ¿Qué tan rápido será la decadencia?
 ¿Qué tan grande será la demanda global, especialmente durante la fase de maduración?
Esto será efectivo sobre todo si el nuevo producto o servicio está reemplazando a otro en el
mercado, y va dirigido a la misma población.
Tal vez este método no sea particularmente preciso, pero puede ser un buen punto de partida cuando
no se cuenta con una historia de la demanda del producto.
Pronósticos cualitativos
 Valoración o juicio informado
Se encuentra entre los métodos de pronóstico más comúnmente utilizados, pero por desgracia
también está entre los menos confiables.
Una de las formas en que suele ponerse en práctica consiste en que un ejecutivo de ventas
solicite a cada vendedor que desarrolle una proyección de ventas para su área, tomando como
marco temporal cierto periodo futuro. A partir de esto se genera el pronóstico de ventas
global.
Análisis de caso:
Pronósticos Cuantitativos
Son modelos matemáticos, que se basan en datos históricos
Estos modelos suponen que estos datos son relevantes para el
futuro

 Modelos de Series de Tiempo :

Simplista
Promedios Móviles
Suavización Exponencial

 Modelos Causales :
Regresión Lineal
Pronósticos cuantitativos: series de tiempo

 Los pronósticos de series de tiempo se encuentran entre los

más utilizados por los paquetes de pronóstico vinculados
con la proyección de demanda de productos.

 Supuesto común: que la demanda pasada sigue cierto

patrón, y que si este patrón puede ser analizado podrá
utilizarse para desarrollar proyecciones para la demanda
futura,
Pronósticos cuantitativos: series de tiempo

 Una Serie de Tiempo se basa en la secuencia de puntos de

datos separados de manera uniforme (semanal, mensual,
trimestral, etc.)

 Por último, esto implica el supuesto de que la única

variable real independiente en el pronóstico de series de
tiempo es, precisamente, el tiempo.
Pronósticos cuantitativos: series de tiempo

Patrones de una Serie de Tiempo

 Patrón aleatorio: El cliente que demanda bienes y servicios de
una compañía, no lo hace de forma completamente uniforme y
predecible
 Patrón de tendencia: Las tendencias pueden ser crecientes o
decrecientes, y tener naturaleza lineal o no lineales.
 Patrón estacional: estos patrones en realidad son patrones
cíclicos, ya que pueden estar ligados o no a la estaciones del año
Pronósticos cuantitativos: series de tiempo

Ejemplo de tendencia

Patrón aleatorio de demanda

Pronósticos cuantitativos: series de tiempo
Patrón estacional de demanda

Demanda compuesta con patrones de estacionalidad, tendencia y aleatoriedad

Enfoque Simplista

 Es la manera más fácil de pronosticar, asumiendo que la

demanda del siguiente período es justamente igual a la
demanda en el período más reciente.

 Es el modelo de pronóstico más eficiente en costo y más

objetivo.

 Ofrece un punto de partida sobre el que se pueden

comparar otros modelos.
Promedios móviles
 Son útiles si se asume que las demandas del mercado serán más o
menos constantes durante un determinado período de tiempo.

 Son efectivos para suavizar las variaciones abruptas en el patrón

de demanda, con el fin de ofrecer estimados estables.

 Sirven como estimación de la demanda del período siguiente.

Promedios móviles

 Promedio móvil simple:

 Son, como su nombre lo indica, nada más que el promedio matemático de
los últimos periodos recientes de la demanda real.
 Pronostica las ventas o series de tiempo a corto plazo, para el siguiente
periodo.
 Se utiliza si no hay tendencia o si ésta es escasa. Se suele utilizar para
alisar la curva, facilitando una lectura general de los datos.
 Demanda en n períodos previos
PMS = ------------------------------------------------------
n
¿Qué pasa si
n=1?
Promedios móviles
Promedio móvil simple:
Ventas promedio móvil
 Promedios móviles
 Promedio móvil ponderado
 Se utiliza cuando se presenta una tendencia.
 Las ponderaciones se basan en la intuición y análisis de datos
previos.
Las ponderaciones suelen estar entre 0 y 1, y la suma dar 1.
Los períodos más recientes suelen ponderarse con mayor peso.
 (Peso en período n) (Demanda en período n)
PMP = ---------------------------------------------------------------------
 Pesos
 Promedios móviles
 Como elegir los pesos, para un promedio móvil ponderado.

• La experiencia, prueba y error.

1.

• Por lo general el pasado más reciente es el indicador más importante de lo

que podemos esperar para el futuro, y por tanto este debe tener mayor peso.
2.
• Cuando los datos son variables se debe determinar los pesos en
consecuencia; es decir, se le asignara mayor peso a las mayores demandas y
3. menor peso a las menores demandas.
Promedios móviles
Promedio móvil ponderado

Aplicaremos un promedio móvil ponderado,

con pesos de 0.5, 0.3 y 0.2 (con el peso 0.5
aplicado a la información de demanda más
reciente)

0,5*22+0,3*26+0,2*24
PMP = --------------------------------------- = 23,6
0,5+0,3+0,2
Suavización Exponencial
 Es una técnica de pronostico de media móvil ponderada:
 Las ponderaciones disminuyen exponencialmente
 Se ponderan más los datos más recientes.
 Se necesita una constante de suavizamiento ( )
 Toma valores entre 0 Y 1.
 Se escoge de forma subjetiva
 Mayor  : pondera más la demanda reciente; el período reciente.
 Menor  : Pondera poco la demanda reciente, le da peso a demandas anteriores.
 Necesita una cantidad reducida de datos históricos.
Suavización Exponencial

Pronóstico Nuevo = Pronóstico del último período +

 ( Demanda Real del último período –
Pronóstico del último período )

Pn = Pu +  ( Du – Pu )

Pn = Pronóstico nuevo
Pu = Pronóstico del último período
 = Constante de suavización
habitualmente ( 0,05 ≤  ≤ 0,50)
Du = Demanda real del último período
 Por motivo de la feria de la ciudad de Jaén, usted cuenta con un stand de venta de
productos y desea predecir el número de personas que le compraran en el año
2016 mediante el método de suavizamiento Exponencial ( =0,10). El pronóstico
para el 2011 fue de 175 personas

Año Real Pronóstico  = 0,10

2011 180 175 (dato)

2012 168
175 +0,10(180 – 175) =175,5
2013 159

2014 175

2015 190

2016
¿Cómo se determina el valor de ∝?

 Si las ventas cambian lentamente, los valores bajos para ∝ funcionan

muy bien, sin embargo cuando las ventas experimentan cambios
rápidos y fluctuaciones hay que adjudicar valores altos para ∝.

 Para determinar el valor de ∝ en forma más específica, se pueden

probar diferentes valores en los registros de las ventas pasadas y
averiguar qué valor de ∝ habría conducido al más pequeño error en
la predicción.
 Errores de pronóstico

 La exactitud global de un modelo de pronóstico puede determinarse

al comparar los valores pronosticados contra los valores observados
o reales.
Error del Pronóstico = Demanda – Pronóstico
 Una medida del error global del pronóstico para un modelo es la
desviación media absoluta (DMA). Se calcula al sumar los valores
absolutos de los errores individuales del pronóstico y dividiéndolos
entre el número de períodos de información (n):
DMA = ∑ I errores del pronóstico I / n
 Promedios Móviles - Ejercicio
Las ventas de minicomponentes Mod. XYZ, efectuadas por
SAGA FALABELLA en el 2010 fueron:
Mes Ventas (decenas)
a) Estime las ventas del primer semestre, con la técnica de Enero 15
promedio móvil de 3 meses.
b) Estime las ventas del mes de agosto con la técnica de Febrero 12
promedio móvil de 4 mese. Marzo 16
c) Estime las ventas del primer semestre con la técnica de
promedio móvil de 3 meses, con el último mes con peso Abril 14
0,5, el penúltimo mes con peso 0,2 y el antepenúltimo con Mayo 10
peso 0,3.
d) Estime las ventas del mes de agosto con los pesos Junio 13
indicados en el párrafo anterior. Julio 18
e) Grafique el comportamiento de las ventas y de las
estimaciones efectuadas. Agosto 17
Setiembre 19
Determinar las DMA para el promedio móvil de 3 meses, promedio
Octubre 21
móvil de 4 meses, promedio móvil ponderado de 3 meses y
promedio móvil ponderado de 4 meses Noviembre 14
Diciembre
 Suavización Exponencial - Ejercicio
Mes Despachos (miles)

Ejercicio:
1 190
Una agencia exportadora de espárragos en
conservas efectúa despachos mensuales en 2 178
el aeropuerto de Huanchaco, según el 3 145
cuadro que se indica; y, el Jefe de
Operaciones de dicha Agencia asume que el 4 197
pronóstico del primer despacho fue de 180
5 220
mil latas de conserva.
Aplicar la técnica de suavización exponencial 6 189
considerando α = 0.15 y α = 0.55. 7 195
Evaluar la exactitud de cada α. 8 210
9
 Modelos Causales : Regresión lineal
 Modela, en la forma de una ecuación matemática, la relación entre dos
variables “X” (independiente) y “ “Y”(dependiente).

Donde:
m y b son parámetros de la recta.
m es la pendiente de la recta.
b es la ordenada al origen.
Regresión lineal
• Esta técnica ajusta una línea de tendencia a una serie de puntos
de datos históricos, y después proyecta la línea hacia el futuro
para pronósticos con un rango de mediano a largo plazo.
 Se pueden desarrollar varias ecuaciones matemáticas con
tendencia : lineales, exponenciales y cuadráticas.

 Para una línea de tendencia recta se puede aplicar el método

de mínimos cuadrados. Este intento da por resultado una línea
recta que minimiza la suma de los cuadrados de las
diferencias verticales entre la línea y cada una de las
observaciones reales.
Método de mínimos cuadrados

• Los valores de las variables a y b se obtienen de :

xy - nxy
m = -------------------- b = y - mx
x2 – nx2

• Donde :
ŷ = valor calculado de la variable a predecir
(variable dependiente)
a = intersección con eje y
b = pendiente de la línea de regresión
x = variable independiente (tiempo)
n = número de eventos u observaciones
 Demanda Agua (cientos de miles m3)
Regresión lineal - Ejercicio 100
90 Demanda Agua (cientos
80 de miles m3)
f(x) = 6.7 x + 15.93
70 R² = 0.98 Linear (Demanda Agua
(cientos de miles m3))
Ejercicio: 60
50
Linear (Demanda Agua
Año Demanda Pronóstico de (cientos de miles m3))
La demanda de agua Agua (cientos regresión
40
30
Linear (Demanda Agua
(cientos de miles m3))
potable para la provincia de miles m3) 20
10
de Jaén en el período 2006 25 0
2006-2015 se muestra a 1 2 3 4 5 6 7 8 9 10

continuación. 2007 30
2008 38
Ajustar una línea recta
2009 43
con tendencia a estos
datos y pronosticar la 2010 46
demanda para el 2016. 2011 51
2012 63
2013 68
2014 75
2015 89