Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pronóstico de la Demanda
Métodos Cuantitativos
Producto Interno Bruto (PIB) - Tasa de
Crecimiento Real (%)
PERÚ
EEUU
¿QUE ES EL ENTORNO?
El Macroentorno
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
Pronósticos de la
demanda
Procesos y
Productividad Dimensionar la
capacidad
Planificar la distribución
PRODUCCIÓN
Planificación a
corto plazo Planificación a Localización
mediano plazo
Agenda
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
SISTEMAS
PROCESOS
ACTIVIDADES
TAREAS
Agenda
Demanda Irregular
Demanda Regular
Demanda Estacional
Tipos de demanda: Regular e
Irregular
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
• Pronósticos Demográficos
• Pronósticos Políticos
• Pronóstico Económico
• Pronóstico Tecnológico
• Pronóstico de Demanda
Pronóstico: horizonte de tiempo
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
• 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
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
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
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
Ft Ft -1 α (A t -1 - Ft -1 )
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
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”
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
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
A t - Ft
MAD = t =1
n
2
E t
MSE
n