1

1
Previsin de la demanda
Gestin de Operaciones
Luis G. Acosta Espejo
2
Pronsticos de Demanda y Monitoreo de Errores
Temas a tratar
Gestin de la demanda.
Principios de los pronstico.
Exactitud de un pronstico: medicin y fuentes de error.
Modelos adaptativos de pronsticos.
2
3
Gestin de Demanda
Clientes Internos y Externos
Promociones, Polticas
de Precio, etc.
Planeacin y proyeccin de
ventas y Pronsticos.
Oferta
Demanda
4
Demanda Dependiente Independiente
La cantidad prevista
se representa
generalmente por
nico nmero.
La cantidad prevista
se representa
generalmente por
nico nmero.
3
5
Importancia del pronstico de la Demanda
cunto
producir?
Proceso (arte y ciencia) de predecir eventos futuros.
El pronstico es la nica estimacin de la demanda hasta
que se conoce la demanda real.
Inputs
Operaciones
Outputs
Planear los niveles
adecuados de recursos.
Utilizados tanto en procesos pull (capacidad e inventario)
y push.
6
Principios de los pronsticos
Las previsiones no son perfectas: Debe incluir el valor del
pronostico y una medida de error.
Ventas esperadas = [100,1900] Promedio=1000.
Ventas esperadas = [900,1100] Promedio=1000.
Las previsiones son ms exactas para grupos o familias de
tems que para tems individuales (coeficiente de variacin
menor).
Las previsiones son ms exactas para horizontes de
tiempo ms cortos que para los mayores.
4
7
Etapas del proceso de previsin
Decidir qu
pronosticar:
Ventas o demanda
Nivel de detalle: producto o familia
Influencia de un producto sobre otro
Unidades del pronstico
Extensin en tiempo
Evaluar y analizar
datos apropiados
Datos necesarios y datos disponibles
Identificar patrones en los datos
Seleccionar y probar el
modelos de pronstico:
Definir criterios de seleccin
Reducir el nmero de opciones
Realizar el pronstico
Monitorear la exactitud de la previsin
8
Factores a considerar al seleccionar un mtodo
de previsin

La precisin deseada del pronstico
El costo del procedimiento
Los periodos futuros a proyectarse
Validez y disponibilidad de datos histricos
Naturaleza de los productos o servicios
Considerar las fuentes de abastecimiento (tiempos
de aprovisionamiento cortos mayor precisin
pronsticos).

Precisin y objetividad
Sensibilidad
Se debe
buscar
5
9
Tipos de pronsticos
Pronsticos econmicos, buscan identificar el ciclo del
negocio, generan indicadores tales como:
Tasas de inflacin
Construccin de vivienda
Suministros de dinero
Pronsticos tecnolgicos, ndices de progreso
tecnolgico:
Predecir nuevos cambios tecnolgicos
Predecir la demanda de nuevos productos.
Pronsticos de la demanda
Predecir la demanda de productos existentes.
10
Mtodos de Pronstico
Mtodos cualitativos o subjetivos.
Mtodos cuantitativos:
Mtodos de extrapolacin (ejm, series de tiempo).
Mtodos causales.
Simulacin.
Se recomienda equilibrar los factores objetivos y
subjetivos al pronosticar la demanda
6
11
Error de la previsin
Donde:
x
t
, valor observado en el periodo t
F
t
, valor previsto para el periodo t
e
t
, error en la previsin del periodo t
t=1,2,3,....,n.
12
Fuentes de error
Error sistemtico:
Es el que se comete
consistentemente, como
por ejemplo excluir
variables correctas, utilizar
relaciones errneas entre
variables, etc.
Error aleatorio:
Aquellos que no se
pueden explicar con el
modelo de pronstico.
7
13
Monitoreo y control
14
Discriminar entre pronsticos
8
15
Monitoreo del Pronstico
Uso medidas que indiquen si el pronstico es confiable y
puede usarse.
16
Seal de rastreo - Grfica
Tiempo
Control -Lmite inferior
Control -Lmite superior
SR excede el lmite
Seal de rastreo
Rango aceptable
+
0
-
9
17
Tiempo (Aos)
Error
0
Patrn deseable
Tiempo (Aos)
Error
0
No deseable
Patrn para error del pronstico
18
Mtodos de Extrapolacin
Series de Tiempo
10
19
Series de Tiempo
Se refieren a la medicin de un conjunto ordenado de
valores de una variable en el tiempo (observado a
intervalos espaciados uniformemente).
Ejemplo: Se puede usar directamente?
Ao 1 Ao 2 Ao 4 Ao 5 Ao 6
Ventas: 78,7 63,5 89,7 93,2 92,1
El objetivo de la recopilacin de la informacin histrica
es identificar un patrn bsico en su comportamiento,
que permita la proyeccin futura de la variable deseada.
20
Componentes de una serie de Tiempo
Ao
1
Ao
2
Ao
3
Ao
4
Estacional Tendencia
Demanda
actual
Demanda promedio
en 4 aos
D
e
m
a
n
d
a

d
e
l

p
r
o
d
u
c
t
o

o

s
e
r
v
i
c
i
o
Variacin
aleatoria
11
21
Metodologa de trabajo
Objetivo:
Identificar las componentes y postular procesos
adecuados para estimarlos.
Cul es el nivel de participacin de cada componente
en los datos?
Luego que los efectos son medidos, el pronstico
requiere que reincorporemos las componentes en las
estimaciones del pronstico.
22
Mtodos para pronosticar por series de tiempo
Predecir el componente sistemtico de
la demanda y estimar el componente
aleatorio.
Meta:
= f(nivel, tendencia, estacional).
Componente
sistemtico
F T S L
12
23
Mtodos para pronosticar por series de tiempo
Existen diversas formas posibles de adoptar:
Multiplicativo:
componente sistemtico = nivel x tendencia x factor estacional.
Aditivo:
componente sistemtico = nivel+tendencia+factor estacional.
Mixto:
componente sistemtico = (nivel+tendencia) x factor estacional.
Ejemplo: Un modelo aditivo
Perodo
| | | | | | | | | | | | | | | |
0 2 4 5 8 10 12 14 16
D
e
m
a
n
d
a
13
Ejemplo: Un modelo multiplicativo
Perodo
D
e
m
a
n
d
a
| | | | | | | | | | | | | | | |
0 2 4 5 8 10 12 14 16
26
Algunos mtodos
Veremos mtodos adaptativos, donde nivel, tendencia y
estacionalidad se actualizan despus de cada
observacin de la demanda.
Los modelos adaptativos ms usados son:
Promedios mviles
Suavizamiento Exponencial
Mtodo de Holt
Mtodo de Winters
14
27
Promedios Mviles
Es una tcnica que se utiliza en
pronsticos a corto plazo.
Entrega, como previsin, la media de
los datos de algunos perodos
recientes.
Requiere de una serie histrica para
obtener el valor a pronosticar
Componente
sistemtico
= nivel
28
Observaciones
Los promedios mviles son tiles en series de tiempo
que fluctan en torno a un nivel base constante:
Nivel base para la serie
Variacin aleatoria en el periodo
t respecto al nivel base.
15
29
Ejercicio
Para cul de estas series se ajusta mejor los promedios
mviles? Justifique su respuesta.
En funcin de su respuesta anterior Cul es el mejor valor
para el nmero de periodos usados para calcular el promedio
mvil (parmetro n)?
30
Suavizamiento Exponencial
Asume que el valor de prediccin de los datos disminuye
mientras ms antiguos sean.
El nombre se debe a que con cada incremento del tiempo,
el peso del pasado se reduce en (1 - ) .
Para realizar el pronstico slo se necesitan tres datos:
el pronstico ms reciente,
la demanda que se present para ese perodo y
una constante de suavizamiento
antiguas
recientes
Componente
sistemtico
= nivel
16
31
Mtodo
F
t+1
: es el pronstico hecho en el perodo t, para el
perodo t+1.
32
Constante de suavizamiento ( )
tiene un valor entre 0 y 1.
Esta constante determina el nivel de suavizamiento y la
velocidad de reaccin ante las diferencias entre
pronsticos y hechos.
Si la demanda real es estable, un pequeo reduce los
efectos de cambios a corto plazo. Si la demanda real
aumenta o decrece con rapidez un de gran magnitud
puede seguir el ritmo de los cambios.
Si el valor de que minimiza el MAD es > a 0,5 quiere
decir que la serie posee tendencia, estacionalidad o
variacin cclica.
Cmo determinar el mejor valor para ?
17
33
Ejercicio
Para cul de estas series se ajusta mejor el suavizamiento
exponencial? Justifique su respuesta.
En funcin de su respuesta anterior Cul es el mejor valor
para la constante de suavizamiento?
34
Mtodo de Holt
Utilizado para pronosticar demandas con tendencia lineal.
Este mtodo separa la serie en dos componentes: nivel
base (L
t
) y tendencia (T
t
). Para cada componente realiza
una estimacin suavizada.
Ejm. Si L
20
=20 y T
20
=2, quiere decir que despus de
observar x
20
, opinamos que el nivel base de la serie es 20
y que ste nivel aumenta 2 unidades por periodo.
Componente
sistemtico
= nivel + tendencia
18
35
Mtodo de Holt (2)
Sean y las constantes de suavizamiento, cada una
entre 0 y 1.
El pronstico para x
t+k
realizado al final del periodo t, est
dado por:
Componente
sistemtico
= nivel + tendencia
36
Ejemplo
Una empresa tuvo los siguientes ingresos en el perodo de febrero
a julio
Use el mtodo de Holt para pronosticar los ingresos. Suponga
que el pronstico inicial para febrero es de 65.000 dlares y el
ajuste de tendencia inicial 0. Los valores posibles para las
constantes de suavizamiento son de =0,1; 0,5; 0,9 y =0,2.
a) Si se asume que el nivel base es estable Cul es pronstico
de ingreso para los meses de agosto y diciembre?
b) Usted considera confiable este pronstico? Justifique su
respuesta.
19
37
Ejercicio
Para cul de estas series se ajusta mejor el mtodo de Holt?
Justifique su respuesta.
En funcin de su respuesta anterior, determine la mejor
combinacin de las constantes de suavizamiento
38
Mtodo de Winters
Considera que la serie en tres componentes nivel base (L
t
),
tendencia (T
t
) y estacional (S
t
). En este caso utilizaremos S
t
como una estimacin para el factor multiplicativo estacional para
el mes t.
La actualizacin de estas estimaciones se realiza despus
de observar x
t
.
Observacin: Periodicidad p de los datos, se refiere al
nmero de periodos en la duracin del patrn estacional.
Ej. p=4 en el caso trimestral.
Componente
sistemtico
= (nivel + tendencia) x factor estacional
20
39
Mtodo de Winters (2)
Sean , y las constantes de suavizamiento, cada una
entre 0 y 1.
El pronstico para x
t+k
realizado al final del periodo t, est
dado por:
40
Mtodo de Winters - Observaciones
Se requieren valores iniciales para:
L
0
T
0
S
0
, S
-1
, S
-2
,, S
-p+1
.
Se requiere determinar la mejor combinacin de
parmetros , , .
La actualizacin de cada factor estacional se realiza
pocas veces (cada 1/p de todos los periodos). Se
requiere dar ms peso a cada observacin, por lo tanto
valores de >0, no es imposible.
21
41 41
Ejercicio
Para cada una de las series, obtenga el pronstico para
el mes 30.
Evale el desempeo del pronstico.
42
Lectura complementaria
Winston, W. Captulo 24 Modelos para pronsticos.
Heizer, J.; Render, B. Captulo 4, Pronsticos.
Stadtler, H.; Kilger, C. Captulo 7 Demand Planning.