UNIDAD 2

Pronóstico de la Demanda
Métodos Cuantitativos
 Producto Interno Bruto (PIB) - Tasa de
Crecimiento Real (%)
PERÚ

EEUU
¿QUE ES EL ENTORNO?

El Macroentorno

Industria del Sector

Competidores

La
Competidores
Organización

Mercados
 PROVEEDORES

CLIENTES SUSTITUTOS

NUEVOS
COMPETENCIA
COMPETIDORES

EMPRESA
 CICLO DE VIDA

DEMANDA
INTRODUCCIÓN CRECIMIENTO MADUREZ DECLIVE

TIEMPO
ANÁLISIS BCG (BOSTON CONSULTING
GROUP)
SEGMENTOS DEL MERCADO
 PRODUCTOS SUSTITUTOS:
COMPETENCIA INDIRECTA

Yogurt

Bebidas Lácteas

Leches Saborizadas
 LA NECESIDAD DE HACER
PRONÓSTICOS EN LAS OPERACIONES
HA EXISTIDO DESDE SIEMPRE
Objetivo de Aprendizaje

Al final de la sesión el estudiante comprende que el

pronóstico de la demanda es el resultado del
análisis, objetivo y profundo de las variables
históricas, pero también de los factores nuevos o
potenciales.
 PROCESO DE APRENDIZAJE DE LA COMPETENCIA

Pronósticos de la
demanda
Procesos y
Productividad Dimensionar la
capacidad

Planificar la distribución
PRODUCCIÓN

Planificación a
corto plazo Planificación a Localización
mediano plazo
Agenda

1. Que es hacer un pronóstico de la demanda.

2. Tipos de Demanda.
3. Tipos de Pronósticos.
4. Métodos de Pronósticos.
5. Errores de Pronóstico.
¿Qué es pronosticar?
• Proceso de predecir los
eventos futuros, en base
a datos del pasado.
• Base de todas las
decisiones de un
negocio.
– Producción
– Almacén - Inventario
– Personal
– Instalaciones – M & R
 MAPA
MapaGENERAL DE PROCESOS
General de Procesos
Procesos Estrat

Dirección General
égicos

Generación
Creación de
de la Desarrollo e Introducción de Nuevos Productos Asegurar el Abastecimiento
Demanda
Procesos

Demanda
Procesos Estrategia de Estrategia de Exploració
Exploración, Planeació
Planeación de Adquisiciones Adquisicione Fabricació
Fabricación y Servicios al Ventas y uso
relacionados Innovació
Innovación y Abastecimient desarrollo e demanda y estraté
estratégicas s Operativas Activos & cliente de productos
Renovació
Renovación o industrializació
industrializació abastecimiento Gerencias de
Claves

con el
n de ideas Mantenimient
consumidor
o

Logística Física
Procesos

Infraestructura
Recursos Asuntos Finanzas & Manejo de
y Ambiente de Soporte Técnico Comunicación Legal
Soporte

Humanos Regulatorios Control Datos

Trabajo
 Administración de la Demanda
Implica reconocer fuentes de demanda para los
bienes y servicios de una empresa, predecir la
demanda y determinar cómo la empresa puede
satisfacer esa demanda.
Gestión de Procesos: Pronóstico
de la Demanda

SISTEMAS

PROCESOS

ACTIVIDADES
TAREAS
Agenda

1. Que es hacer un pronóstico de la demanda.

2. Tipos de Demanda.
3. Tipos de Pronósticos.
4. Métodos de Pronósticos.
5. Errores de Pronóstico.
Comportamiento de la Demanda

 Demanda Irregular
 Demanda Regular
 Demanda Estacional
 Tipos de demanda: Regular e
Irregular

Productos o servicios de Productos o servicios

consumo masivo nuevos
Tipos de demanda: Estacional
Comportamiento de la Demanda

 Demanda Irregular Con Tendencia

 Demanda Regular Positiva o
 Demanda Estacional Negativa
EVOLUCIÓN VALOR CUOTA
FODOS AFP
EVOLUCIÓN VENTA DE BOLETOS
AEREOS
Comportamiento de la Demanda

 Demanda Irregular
Independiente o
 Demanda Regular
Derivada
 Demanda Estacional
Tipos de demanda: Independiente y
Derivada
 Componentes de una serie de
tiempo

• Tendencia
• Estacionalidad
• Ciclos
• Variaciones aleatorias
 Demanda de un producto representada en un
periodo de 4 años con tendencia de crecimiento y
estacionalidad.
Componente cíclico
Picos estacionales Componente de tendencia
Demanda del producto o servicio

Línea de
demanda
actual

Variación
aleatoria
Primer Segundo Tercer Cuarto
año año año año
Agenda

1. Que es hacer un pronóstico de la demanda.

2. Tipos de Demanda.
3. Tipos de Pronósticos.
4. Métodos de Pronósticos.
5. Errores de Pronóstico.
 Tipos de pronóstico

• Pronósticos Demográficos
• Pronósticos Políticos
• Pronóstico Económico
• Pronóstico Tecnológico
• Pronóstico de Demanda
 Pronóstico: horizonte de tiempo

• Pronóstico a Corto Plazo

– Usualmente menos de 3 meses.
• Pronóstico a Mediano Plazo
– Entre 3 meses y 3 años.
• Pronóstico a Largo Plazo
– Más de 3 años
 Detalle de la Planificación : Según los
pronósticos
Alto Planeación y
programación
detalladas

Planeación agregada
Nivel de Planes de provisión de personal
detalle Modificaciones de proceso
de una
predicción
Planeación de la capacidad
Planeación de las instalaciones
Planeación de procesos

Bajo
Corto Horizonte de tiempo Largo
Agenda

1. Que es hacer un pronóstico de la demanda.

2. Tipos de Demanda.
3. Tipos de Pronósticos.
4. Métodos de Pronósticos.
5. Errores de Pronóstico.
 Enfoques de pronósticos: métodos
Métodos Cualitativos Métodos Cuantitativos
– Se emplean en situaciones – Se emplean en situaciones
no muy claras y con pocos “estables” y se apoyan en
datos históricos: datos históricos:
• Productos nuevos. • Productos existentes.
• Nueva tecnología. • Tecnología actual.
– Son subjetivos y requieren – Utilizan modelos
intuición y experiencia: matemáticos:
Métodos cualitativos de pronóstico

Juicio Opiniones de Corto Regular a

Bajo
Informado los gerentes plazo Buena
 Métodos Cuantitativos
• Enfoque simple
• Promedios móviles simples y
ponderados
• Suavizamiento exponencial Modelos de series de
• Suavizamiento exponencial con tiempo
ajuste por tendencia
• Patrones Estacionales

• Regresión lineal
• Modelo econométrico Modelos asociativos
• Modelos de simulación
OBJETIVO: Proyectar el crecimiento
Ventas(S/.)
3,500,000
3,000,000
2,500,000
2,000,000
1,500,000
1,000,000
500,000
0

Venta 2011 Venta 2012 Venta 2013

OBJETIVO: Analizar la capacidad
disponible para cubrir las ventas.
131
Nuevo
140
115 120 118 121 Horno
120 104
99
100 93
82 82
73 71 75 75 72
80 65 65 68 67 66
57 59 56
60 53

40
20
0

2012 2013
 Pronósticos de series de tiempo
• Una serie de tiempo es una secuencia de datos
obtenidos a intervalos iguales.
• Se analizan para proyectarlos al futuro.
• Supone que los valores futuros se predicen
solamente a partir de los valores pasados.
Ejemplo:
Año: 2005 2006 2007 2008 2009
Ventas: 78,7 63,5 89,7 93,2 92,1
 SIEMPRE
RECORDAR QUE
LOS PRONÓSTICOS
FUTUROS SE
OBTIENEN A PARTIR
DE LOS DATOS DEL
PASADO.
NO TIENE SENTIDO
EMPLEAR LA
DEMANDA REAL DE
UN PERÍODO DE
TIEMPO PARA
PRONOSTICAR SU
MISMA DEMANDA.
 Enfoque simple

• Suponer que la demanda

en el próximo periodo
será igual a la demanda
del periodo más reciente:
– Si en julio hubo 48
ventas, en agosto
habrá 48 ventas.
PRONÓSTICOS ENFOQUE SIMPLE
La tabla siguiente presenta las ventas (en unidades) de un producto.
MES 2008 2009
Enero 1760 1810
Febrero 1815 1860
Marzo 1870 1920
Abril 1925 1870
Mayo 2090 1850
Junio 1980 1930
Julio 1760 2000
Agosto 1760 2050
Setiembre 1870 2050
Octubre 1540 2080
Noviembre 1650 2120
Diciembre 1760 2150

Usando cada una de las reglas simples de pronóstico siguientes, determine la

demanda esperada para el primer trimestre del año 2010.

REGLAS DE PRONÓSTICO:
- La venta total del próximo trimestre será el 90% de la venta total del trimestre
anterior.
- La venta de cada uno de los meses del próximo trimestre será igual a lo que se
vendió en cada uno de los meses del mismo trimestre del año anterior.
La tabla siguiente presenta las ventas (en unidades) de un producto.
MES 2008 2009
Enero 1760 1810
Febrero 1815 1860
Marzo 1870 1920
Abril 1925 1870
Mayo 2090 1850
Junio 1980 1930
Julio 1760 2000
Agosto 1760 2050
Setiembre 1870 2050
Octubre 1540 2080
Noviembre 1650 2120
Diciembre 1760 2150

- Lo que se venderá en cada uno de los próximos tres meses será 5% más de lo
que se vendió en cada uno de los meses del trimestre anterior.
- Lo que se venderá en total los próximos tres meses será 5 % menos de lo que se
vendió en total el mismo trimestre del año anterior.
- Lo que se venderá en los próximos tres meses será igual al promedio de lo
vendido en los dos trimestres anteriores.
- La razón de cambio entre el trimestre anterior y su similar del año anterior es igual
a la razón de cambio esperada entre el próximo trimestre y su similar del año
anterior.
Promedio móvil simple
• Asume que el promedio es bueno para estimar
el comportamiento futuro

A t -1 + A t -2 + A t -3 + ... + A t -n
Ft =
n
Ft = Pronóstico para el periodo t
n = Número de periodos que se
consideran
A t-i = Valor de variable de interés para
periodo t-i
Promedio móvil simple: ejemplo
Semana Demanda
1 650
2 678
3 720
4 785
Proyecte la demanda para
5 859 cada semana, usando el
6 920 promedio móvil sobre 3
7 850 semanas y el promedio
8 758 móvil sobre 6 semanas
9 892
10 920
11 789
12 844
 Promedio móvil simple: ejemplo
Semana Demanda 3-Semanas
1 650
2 678
3 720
4 682.67 F4=(650+678+720)/3 =682.67
5
6
7
8
9
10
11
12
 Promedio móvil simple: ejemplo
Semana Demanda 3-Semanas
1 650
2 678
3 720
4 785 682.67
5 727.67 F5=(678+720+785)/3 =727.67
6
7
8
9
10
11
12
Promedio móvil simple: ejemplo
Semana Demanda 6-Semanas
1 650
2 678
3 720 F7=(650+678+720 +785
4 785 +859+920) / 6
5 859 =768.67
6 920
7 768.67
8
9
10
11
12
PRONÓSTICOS PROMEDIO MOVIL
SIMPLE
En el caso de una fábrica de pasteles cuya demanda histórica para los
pasteles frescos en miles de docenas es:
Mes Demanda
Marzo 10
Abril 18
Mayo 26
Junio 33
Julio 39
Ago 43

Se le pide:
a) Utilizar el promedio de desplazamiento simple de tres meses para
hallar la predicción del mes de Setiembre.
b) Utilizar un promedio de desplazamiento ponderado con pesos de 0.6,
0.3 y 0.1 para hallar la predicción del mes de Setiembre.
c) Utilizar el método de suavizamiento exponencial, con un valor de alfa
de 0.8, y 12 miles de docenas como pronóstico inicial de la serie de
tiempo.
d) Utilizar le método de regresión lineal, para la predicción del mes de
Setiembre.
Promedio móvil ponderado
Asigna peso (importancia) diferente a cada valor
que está siendo promediado

Ft = w 1A t -1 + w 2 A t - 2 + w 3 A t -3 + ... + w n A t -n

wt = peso dado al
periodo “t”

n
Los pesos deben
 wi = 1
i=1 sumar 1
Promedio móvil ponderado

Ft  0.4A t 1  0.3A t 2  0.2A t 3  0.1A t  4

1  0.4  0.3  0.2  0.1

Promedio móvil ponderado: ejemplo
Con los datos mostrados, pronostique la
demanda para semana 4 usando el promedio
ponderado móvil.
Semana Demanda Pesos
1 650
2 678
t-1 0.5
3 720 t-2 0.3
4 t-3 0.2

Los pesos dan mayor importancia a los datos

más recientes.
Promedio móvil ponderado: ejemplo

Semana Demanda Pronóstico

Pesos
1 650
t-1 0.5 2 678
t-2 0.3 3 720
t-3 0.2 4 693.4

F4 = 0.5(720)+0.3(678)+0.2(650)=693.4
En el caso de una fábrica de pasteles cuya demanda histórica para los
pasteles frescos en miles de docenas es:
Mes Demanda
Marzo 10
Abril 18
Mayo 26
Junio 33
Julio 39
Ago 43

Se le pide:
a) Utilizar el promedio de desplazamiento simple de tres meses para
hallar la predicción del mes de Setiembre.
b) Utilizar un promedio de desplazamiento ponderado con pesos de 0.6,
0.3 y 0.1 para hallar la predicción del mes de Setiembre.
c) Utilizar el método de suavizamiento exponencial, con un valor de alfa
de 0.8, y 12 miles de docenas como pronóstico inicial de la serie de
tiempo.
d) Utilizar le método de regresión lineal, para la predicción del mes de
Setiembre.
Promedio móvil: limitaciones
• Al aumentar el tamaño de “n” se suavizan las
fluctuaciones, pero se pierde sensibilidad frente a
los datos recientes.
• No reflejan bien las tendencias.

950
900
850 Demanda
D em anda

800
3 - Semanas
750
700 6 - Semanas
650
600
550
500
1 2 3 4 5 6 7 8 9 10 11 12
Sem ana
 950
900
850
800
750
Demanda

700
650
600
550
500
1 2 3 4 5 6 7 8 9 10 11 12

Semana
Demanda 3 - Semanas 6 - Semanas
Suavizamiento exponencial
• También llamado método exponencial aminorado.
• Requiere una constante de suavizado (α)
– Rango desde 0 a 1: Los valores mayores
ponderan mejor los periodos mas recientes.
– Elegido en base al error del método
• Implica mantener muy pocos registros de datos
históricos
Suavizamiento exponencial

Ft = α A t -1 + (1- α) Ft -1

Pronóstico =  (Demanda del periodo anterior)

+ (1 –  ) ( Pronóstico del periodo anterior)

Ft  Ft -1  α (A t -1 - Ft -1 )

Pronóstico = Pronóstico del periodo anterior

+  (Demanda del periodo anterior –

Pronóstico periodo anterior)

Suavizamiento Exponencial
Semana Demanda Pronóstico
1 650
2 678
3 720 695
4 702.5

Ft  At 1  (1  ) Ft 1
Suponga alfa = 0.3
F  0.3  720  (1  0.3)  695
F  702.5
En el caso de una fábrica de pasteles cuya demanda histórica para los
pasteles frescos en miles de docenas es:
Mes Demanda
Marzo 10
Abril 18
Mayo 26
Junio 33
Julio 39
Ago 43

Se le pide:
a) Utilizar el promedio de desplazamiento simple de tres meses para
hallar la predicción del mes de Setiembre.
b) Utilizar un promedio de desplazamiento ponderado con pesos de 0.6,
0.3 y 0.1 para hallar la predicción del mes de Setiembre.
c) Utilizar el método de suavizamiento exponencial, con un valor de alfa
de 0.8, y 12 miles de docenas como pronóstico inicial de la serie de
tiempo.
d) Utilizar le método de regresión lineal, para la predicción del mes de
Setiembre.
Suavizamiento Exponencial: limitaciones
• Su error depende del valor de los pronósticos
iniciales.
• Tiene mayor sensibilidad a los datos mas recienes,
pero tampoco ayuda a reflejar tendencia.

950
900
850 Demanda
D em anda

800
3 - Semanas
750
700 6 - Semanas
650
600
550
500
1 2 3 4 5 6 7 8 9 10 11 12
Sem ana
Regresión lineal
• Supone una relación lineal entre la variable de
respuesta “Y” y el periodo de tiempo “X”:

yˆ  a  bx
• Se calcula mediante el método de los mínimos
cuadrados:
– Minimiza la suma de errores cuadrados.
 Método de mínimos cuadrados
Observación
real
Valores de la variable dependiente

Desviación

Punto en la línea de
b tendencia
ˆ  a  bx
Y
1
a

Periodo de tiempo
Regresión lineal
a = y - bx
Fórmulas para calcular “a” y “b”

b=
 xy - n(y)( x )
 x - n(x )
2 2

a = intercepción de la recta de regresión con el eje y

b = pendiente de la recta de regresión
x = valores conocidos del tiempo
y = valores conocidos de la demanda
_
y = promedio de los valores de y
_
x = promedio de los valores de x
n = número de datos
Regresión lineal

Ejemplo
Con los datos que siguen, ¿cuál es el modelo de regresión lineal
simple que se puede usar para predecir las ventas futuras?

Semana Ventas
1 150
2 157
3 162
4 166
5 177
Respuesta: Usando las fórmulas de regresión lineal se calculan “a” y
“b”

Sem ana Sem ana*Sem ana Ve ntas Sem ana*ventas

1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3 55 162.4 2499
Prom edio Sum a Prom edio Sum a

b=  xy - n( y )( x ) = 2499 - 5(162.4)(3 )  63 = 6.3

 x - n( x)
2 2
55  5(9) 10

a = y - b x = 162.4 - (6.3)(3) = 143.5

El modelo de regresión lineal resultante es: Yt = 143.5 + 6.3x

Gráficos del pronóstico y de las ventas reales:

180
175
170
165
160 Ventas
Ventas

155 Pronóstico
150
145
140
135
1 2 3 4 5
Semana
En el caso de una fábrica de pasteles cuya demanda histórica para los
pasteles frescos en miles de docenas es:
Mes Demanda
Marzo 10
Abril 18
Mayo 26
Junio 33
Julio 39
Ago 43

Se le pide:
a) Utilizar el promedio de desplazamiento simple de tres meses para
hallar la predicción del mes de Setiembre.
b) Utilizar un promedio de desplazamiento ponderado con pesos de 0.6,
0.3 y 0.1 para hallar la predicción del mes de Setiembre.
c) Utilizar el método de suavizamiento exponencial, con un valor de alfa
de 0.8, y 12 miles de docenas como pronóstico inicial de la serie de
tiempo.
d) Utilizar le método de regresión lineal, para la predicción del mes de
Setiembre.
Agenda

1. Que es hacer un pronóstico de la demanda.

2. Tipos de Demanda.
3. Tipos de Pronósticos.
4. Métodos de Pronósticos.
5. Errores de Pronóstico.
 Si existe tanta incertidumbre en el
uso de pronósticos, porqué se usan?
1. Lo
sabemos
todo

3 2. Sabemos
Alternativas nada

3. Sabemos
algo
 DEFINICIÓN DEL ERROR DE UN
PRONÓSTICO DE LA DEMANA
Error del pronóstico = demanda real – valor pronosticado

E t  A t  Ft
DEMANDA
PRONÓSTICO DEMANDA REAL
+3
-5
PRONÓSTICO

TIEMPO
RECORDAR QUE EL
ERROR DE UN
PRONÓSTICO ES
DIFERENTE AL
ERROR DE UN
MÉTODO DE
PRONÓSTICO.
 EL ERROR DE UN
PRONÓSTICO SE
REFIERE A UN SOLO
PERÍODO DE TIEMPO
EL ERROR DE UN
MÉTODO ABARCA
VARIOS PERÍODOS.
Error de pronóstico acumulado
CFE : Cumulative Forecast Error

CFE   E t

• Los errores positivos y negativos deben

equilibrarse
• Útil para evaluar el sesgo en un pronóstico
Desviación absoluta media (MAD)
MAD : Mean Absolute Deviation

A t - Ft
MAD = t =1
n

• Si MAD = 0, no hay error en el pronóstico

• A mayor MAD, menor precisión en el pronóstico
• Ampliamente usado, adecuado para medir el error del
pronóstico
Error cuadrático medio (MSE)

• MSE : Mean square error

Error cuadrático medio


2
E t
MSE 
n

• Se acentúa en grandes desviaciones

 Métodos de Pronósticos
Método Aplicación A corto A mediano A largo Tendencia Costo
plazo plazo plazo relativo
Promedios Planeación a Deficiente a Deficiente Muy Deficiente Bajo
móviles, corto y buena deficiente
simple y mediano
ponderado plazo de
inventarios,
programación
de
producción.
Suavizamiento Inventarios, Regular a Deficiente a Muy Deficiente Bajo
programación muy buena buena deficiente
Regresión Planeación a Buena a Buena a muy Deficiente Muy Buena Mediano
mediano y muy buena buena
corto plazo de
la producción
y los
inventarios.
EVIDENCIA DE APRENDIZAJE
Resumen
• Todos los métodos de pronósticos son
válidos, sin embargo, algunos se ajustan
mejor a la naturaleza del negocio que otros.

• La revisión de los pronósticos debe ser

dinámica vs los resultados efectivos, a fin de
corregir las tendencias. Identificando los
métodos que presentan menor desviación
con respecto a la realidad.
Resumen
• Los pronósticos no son exactos, lo que se
espera es que el método tenga un margen de
error razonable.

• Las técnicas de pronóstico suponen estabilidad

en los datos históricos.

• Los pronósticos por familia de productos o

agregados son más exactos que los
individuales.