Administración de la

Producción
Pronósticos de Demanda

CAP. 15 RICHARD CHASE, ADMINISTRACION DE OPERACIONES, PAG 480

 Necesidad de Pronosticar
 Entorno altamente incierto
 La intuición no necesariamente da los
mejores resultados
 Mejorar la planeación
 Competitividad y cambio permanente

Pronósticos de Demanda
2
 ¿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 (tomadas por la propia empresa)
 Demanda Independiente (Decisiones ajenas a la empresa)
 Respecto a la demanda independiente:
 Adoptar papel activo
• Presionar a fuerza de venta, subir/bajar precios, crear campañas,
etc.
 Adoptar papel pasivo
• Porque la empresa funciona a toda capacidad, o es la única en el
mercado, razones legales, éticas, etc.
Pronósticos de Demanda
3
 Pronóstico de Demanda
 Los pronósticos de demanda son vitales para toda
organización de negocios
 Planeación de presupuesto y control de costos
 Productos nuevos
 Compensaciones y beneficios al personal
 Selección de procesos
 Distribución de instalaciones
 Planeación de producción
 Programación
 Inventario

Pronósticos de Demanda
4
 Pronóstico de Demanda
 El pronóstico es la base de la planeación de la
empresa 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
 Nivel Táctico: Mediano Plazo
 Nivel Operacional: Corto Plazo.

Pronósticos de Demanda
5
 Pronóstico de Demanda
Horizonte de Exactitud Número de Nivel Método de
Uso
tiempo Necesaria Productos Gerencial Pronóstico
Cualitativos y
Diseño del Proceso Largo Media Unos o Pocos Alto
Causales
Planeación de la Capacidad Cualitativos y
Largo Media Unos o Pocos Alto
de Instalaciones Causales
Causales y de
Planeación Agregrada Mediano Alta Pocos Mediano
Series de Tiempo
Programación Corto La más Alta Muchos Más Bajo Series de Tiempo
Administración de
Corto La más Alta Muchos Más Bajo Series de Tiempo
Inventarios

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
 Utilizar dos o tres métodos
 Análisis de sensibilidad del pronóstico
 No es un número sino un rango
EJ: PIB CHILE 2022 CRECERA: 2,50% - 3,50% (BC)
COBRE 2022: US$3,95 y US$4,15 la libra (COCHILCO)
Pronósticos de Demanda
7
 Componentes de la Demanda
 Seis componentes:
1. Demanda Promedio para el periodo
2. Tendencia
3. Elementos Estacionales
4. Elementos Cíclicos
• Eventos como elecciones políticas, guerras, condiciones económicas,
pandemias, terremotos, etc.
5. Variación Aleatoria
• Eventos fortuitos. Parte de la demanda que no se puede identificar la
causa
6. Autocorrelación
• Persistencia de la ocurrencia.

Pronósticos de Demanda
8
 Componentes de la Demanda
Ciclo

Patrón
de estacionalidad

Demanda
Tendencia

Promedio
Aleatorio

Tiempo
Demanda

Serie de tiempo original

Tiempo
Pronósticos de Demanda
9
 Tipos de Pronósticos

 De corto plazo
Por su plazo  De largo plazo
Según el entorno a  Micro
pronosticar  Macro
Según el  Cualitativo
procedimiento  Cuantitativo
empleado
Pronósticos de Demanda
10
 Tipos de Pronósticos
 Dos tipos básicos de pronósticos:
 Cualitativos:
• Técnicas Acumulativas
• Investigación de Mercados
Estimados por criterios o
experiencia
 Cuantitativos:
• Análisis de Series de Tiempo
• Relaciones Causales
• Simulación

Técnicas estadísticas
elaboradas
Pronósticos de Demanda 11
 Métodos Cualitativos
 Existen varios tipos de métodos cualitativos:

 Técnicas Acumulativas
 Investigación de Mercados
 Grupos de Consenso
 Analogía Histórica
 Método de Delphi

Pronósticos de Demanda
12
 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.

 EJ: Almacén local trata con cada uno de los

vendedores. Suma el total, agrega inventario de
seguridad y efectos de pedir en cantidad. Luego
se lleva al almacén regional, quien suma la
cantidad de cada almacén local, etc.

Pronósticos de Demanda
13
 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
14
 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
15
 Métodos Cualitativos:

Analogía Histórica
 Producto General o Existente como modelo.
 Productos complementarios, sustituibles o
competitivos

 Ej:

+ +
Pronósticos de Demanda
16
 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

 Por lo regular se requieren tres rondas

 Elimina el problema de la intimidación
Pronósticos de Demanda
17
 Las técnicas cuantitativas
pueden ser

Se enfocan en patrones y en
Estadísticas cambios en los patrones y
sus perturbaciones

Son de tipo causal,

establecen relación entre la
variable a pronosticar y
Determinísticas otras variables
 Análisis de Series de
Tiempo
 Predecir el futuro con información del pasado
 Varios modelos:
 Promedio Móvil Simple
 Promedio Móvil Ponderado
 Suavización Exponencial
 Análisis de Regresión Lineal
 Series de Tiempo
 Proyecciones de Tendencia

Pronósticos de Demanda
19
 Métodos Cuantitativos: Análisis de Series de Tiempo

Promedio Móvil Simple

 Útil cuando la demanda no crece ni baja con rapidez
y no tiene características estacionales
Dt 1  Dt  2  ...  Dt  n
Ft 
n
Ft = Pronóstico para el periodo t
Dt 1 = Demanda real del periodo t-1
n = Número de periodos a promediar

 Varios efectos conflictivos de distintos periodos

 Mientras más largo, más se uniformarán los elementos
aleatorios, pero se retrasa la tendencia.
Pronósticos de Demanda
20
 Métodos Cuantitativos: Análisis de Series de Tiempo

Promedio Móvil Simple

 Ej.: Periodos de 3 y 9 semanas
Semana Demanda 3 Semanas 9 Semanas Semana Demanda 3 Semanas 9 Semanas
1 800 16 1.700 2.200 1.811
2 1.400 17 1.800 2.000 1.800
3 1.000 18 2.200 1.833 1.811
4 1.500 1.067 19 1.900 1.900 1.911
5 1.500 1.300 20 2.400 1.967 1.933
6 1.300 1.333 21 2.400 2.167 2.011
7 1.800 1.433 22 2.600 2.233 2.111
8 1.700 1.533 23 2.000 2.467 2.144
9 1.300 1.600 24 2.500 2.333 2.111
10 1.700 1.600 1.367 25 2.600 2.367 2.167
11 1.700 1.567 1.467 26 2.200 2.367 2.267
12 1.500 1.567 1.500 27 2.200 2.433 2.311
13 2.300 1.633 1.556 28 2.500 2.333 2.311
14 2.300 1.833 1.644 29 2.400 2.300 2.378
15 2.000 2.033 1.733 30 2.100 2.367 2.378

Pronósticos de Demanda
21
 Métodos Cuantitativos: Análisis de Series de Tiempo

Promedio Móvil Simple

 Ej.: Periodos de 3 y 9 semanas
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
22
 Métodos Cuantitativos: Análisis de Series de Tiempo

Promedio Móvil Ponderado

 Asigna importancia a los distintos elementos

Ft  wt 1  Dt 1  wt  2  Dt  2  ...  wt  n  Dt n

Ft = Pronóstico para el periodo t

Dt 1 = Demanda real del periodo t-1
wt 1 = Ponderación dada a la demanda real para el periodo t-1
n = Número total de periodos en el pronóstico

w
i 1
i 1

Pronósticos de Demanda
23
 Métodos Cuantitativos: Análisis de Series de Tiempo

Promedio Móvil Ponderado

 Asigna importancia a los distintos elementos
 Experiencia
 Prueba
 Por regla general: Más importante el pasado más reciente
 Si los datos son estacionales: Ponderar según
estacionalidad
• Ej: trajes de baño

Pronósticos de Demanda
24
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento Exponencial
 Cada incremento en el pasado se reduce 1 – 

Ft  Ft 1    ( Dt 1  Ft 1 )

Ft = Pronóstico suavizado exponencialmente para el periodo t

Dt 1 = Demanda real del periodo t-1
 = Constante de suavización

 La suavización exponencial es la más utilizada en las

técnicas de pronóstico.

Pronósticos de Demanda
25
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento 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
26
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento Exponencial
 La razón por la que se llama suavización exponencial
es que cada incremento en el pasado se reduce (1 –
)
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
27
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento Exponencial
 Cada incremento en el pasado se reduce 1 – 

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  

0
 Dato más reciente: (1   )  
1
 Dato de un periodo anterior: (1   ) 
2
 Dato de dos periodos antes: (1   )  

Pronósticos de Demanda
28
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento 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

 La constante de suavización determina el nivel de

uniformidad y la velocidad de reacción a las
diferencias entre los pronósticos y las ocurrencias
reales.
Pronósticos de Demanda
29
 Métodos Cuantitativos: Análisis de Series de Tiempo

Suavizamiento Exponencial
Ciclo

Patrón
de estacionalidad

Demanda
Tendencia

Promedio
Aleatorio

Tiempo
Demanda

Serie de tiempo original

 Suavización Exponencial es capaz
de estimar el Promedio, la
Estacionalidad y la Tendencia
de la Serie Original
Tiempo
Pronósticos de Demanda
30
 Métodos de Suavizamiento
exponencial
t Yt =0.1 =0.5
1 42
2 52 42 42
3 54 43.00 47.00
4 65 44.10 50.50
5 51 46.19 57.75
6
Pronósticos de Demanda
64 46.67 54.38
 Métodos Cuantitativos: Análisis de Series de Tiempo

Análisis de Regresión Lineal

 Relación Funcional entre dos o más variables
correlacionadas.
 Se pronostica una variable en base a la otra.
 Se realiza a partir de datos observados.
 Se grafican los datos
Y  a  bX
Y = Variable Dependiente
a = Secante
b = Pendiente
X = Variable Independiente (En este caso el tiempo)

Pronósticos de Demanda
33
 Regresión lineal: fórmulas

n xy   x  y
b
n x   x 
2 2

a
 y
b
 x
n n
Pronósticos de Demanda
 Regresión lineal
 Se puede calcular el coeficiente de determinación,
a fin de evaluar qué tan correcta es la estimación
de la recta de regresión.
 El coeficiente de determinación r² se calcula como:

n xy   x  y 
2

n x   x n y   y  
2
r  2 2 2 2

Pronósticos de Demanda
EJERCICIO
TAREA N°1: DESARROLLAR EJERCICIO OPCIONAL EN
MS EXCEL.
 Métodos Cuantitativos: Análisis de Series de Tiempo

Análisis de Regresión Lineal

 Útil para el pronóstico a largo plazo de eventos
importantes, así como la planeación agregada.

 Supone que los datos del pasado, y los pronósticos

futuros caen sobre una recta.

 Pueden usarse periodos más cortos.

 Se utiliza tanto para Análisis de Series de Tiempo como

para Relaciones Causales, en cuyo caso una variable es
dependiente de la otra.
Pronósticos de Demanda
 Métodos Cuantitativos: Análisis de Series de Tiempo

Análisis de Regresión Lineal

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
42
 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
2
Tendencia de curva S
1,9
1,8 2

1,7 1,9

1,6 1,8

1,5 1,7
1,6
1,4
1,3 1,5

1,2 1,4

1,1 1,3

1 1,2

0,9 1,1

0,8 1

0,7 0,9

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

Tendencia asintótica
2 Tendencia exponencial
1,9 2
1,8 1,9
1,7 1,8
1,6 1,7
1,5 1,6
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
43
 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
La congestión vehicular y stress laboral (ING. TRAB)
El humo de la leña y enfermedades respiratorias

 Relación causal -> Una ocurrencia causa la otra

 Es de gran importancia encontrar las ocurrencias que
realmente son la causa
Pronósticos de Demanda
44
 Métodos Cuantitativos:

Relaciones Causales
 Varios modelos:
 Análisis de Regresión Múltiple
 Modelos Econométricos
 Modelos de Entrada/Salida

Pronósticos de Demanda
45
 Conclusiones
 No es fácil desarrollar un sistema de pronóstico
 Es fundamental para cualquier esfuerzo de
planeación
 En corto plazo: Predecir necesidades de
materiales, productos, servicios u otros recursos.

 En largo plazo: Base para los cambios estratégicos,

como el desarrollo de mercados nuevos, creación
de productos, ampliar instalaciones

Pronósticos de Demanda
46
 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
47