UNIVERSIDAD CESAR VALLEJO - TRUJILLO

Facultad de Ingeniera
Escuela Profesional de Ingeniera Industrial

TEMA

: PRONOSTICOS DE LA CADENA DE
SUMINISTROS
SUMINISTROS

NOMBRE DEL CURSO

: LOGISTICA INTEGRAL

PROFESOR

: ING. ALDANA BONIFAZ JULIO CESAR

FECHA

: TRUJILLO, 27 DE ABRIL DEL 2012

INTEGRANTES

CDIGO

Jhonatan Bruno Neciosup Hurtado

2101035283

Caballero Flores Elar Ismael

2101032764

Frank Aguilar Ventura

OBSERVACIONES:

1.-

2.-

3.-

NOTA:

INTRODUCCIN

El presente informe se basa en la informacin recolectada de

diversas fuentes para poner a su disposicin un concepto sobre el
pronstico de los requerimientos de la cadena de suministros
Estrategias, conocimientos bsicos y primordiales que

an se

desconocen.
Este tema hablamos de la historia que se tenga del consumo o uso
de un producto, un insumo o materia prima lo cual te ayuda a
descifrar el consumo de lo antes descrito.
Esperando que sea captado y comprendido por las personas que
oirn lo expuesto en este informe damos inicio a la presentacin
del antes mencionado informe.

Pronostico de los requerimientos de

la cadena de suministros.
La planeacin y el control de estas actividades de la logstica y de
la cadena de suministros requieren estimados precisos de los
volmenes de producto y de servicio, los cuales sern manejados
por la cadena se suministros.

naturaleza
del
pronostico
flexibilidad
y rapida
respuesta

metodos
de
pronostico
pronostico
de los
requerimient
os de
suministros

tecnicas
para
responsabl
es de la
logistica

pronostico
de
colaboraci
on
problemas
de
prediccion

1) Naturaleza de los pronsticos

Demanda espacial vs demanda temporal:
La variacin de la demanda en el tiempo es resultado del
crecimiento o declinacin de los ndices de ventas, variacin
estacional de la demanda y fluctuaciones ocasionadas por
mltiples factores.
Demanda Irregular Versus Demanda regular:

Los responsable del campo de logstica acomodan los productos en

grupos para diferenciar niveles de servicio entre ellos o para que
sean manejados de forma distinta, estos artculos forman distintos
patrones de demanda en el tiempo.
Demanda derivada versus demanda independiente:
Se puede diferir dependiendo del plan estratgico que haga el
responsable de estas operaciones en la empresa.
- Se dice que la demanda es deriva o dependiente a partir de un
proceso de los requerimientos especificados en un programa de
produccin.
- La demanda es independiente en el caso de que la demanda sea
generada por parte de muchos clientes, la mayora de los cuales
adquieres en forma individual solo una fraccin del volumen total
distribuido por la empresa.
2) Mtodos de pronstico
Mtodos cualitativos
Utilizan lo que es el juicio, la intuicin, encuestas o tcnicas
comparativas para generar estimados cuantitativos acerca del
futuro.

Mtodos causales
La premisa bsica para construir estos mtodos es que el nivel de
la variable pronosticada se deriva del nivel de otras relacionadas. .

Mtodos de Proyeccin histrica

La proyeccin de esta informacin al futuro puede ser una forma
efectiva de pronstico para el corto plazo. Esto cuando se dispone
de una cantidad razonable de informacin histrica y sus
variaciones son estables y bien definidas
TCNICAS TILES PARA LOS RESPONSABLES DE LA
LOGSTICA.
El

responsable

de

la

logstica

no

tiene

que

preocuparse

directamente del amplio espectro de tcnicas de pronsticos y

predicciones disponibles, debido a que varios segmentos de la
organizacin requieren informacin pronosticada. Los pronsticos
para periodos mediano y largo plazo por lo regular se proporcionan
al responsable de la logstica. Los modelos simples para la
variedad de series de tiempo con frecuencia predicen tan bien o
mejor que las versiones ms sofisticas y complejas. En general, la
complejidad de los modelos de pronsticos no incrementa la
precisin predictiva.
Nivelacin de ajuste exponencial.
Tal vez, la tcnica ms til para el pronstico de corto plazo sea el
ajuste exponencial. Es simple y requiere que una mnima cantidad
de informacin sea conservada para su aplicacin continua, se ha
observado que es la ms precisa entre los modelos competidores
de su clase, y es autoadaptable a los cambios fundamentales en la
informacin pronosticada.
Pronstico nuevo= ( demandareal )+ ( 1 ) pronstico previ o 8.1

Donde el factor de ponderacin, comnmente denominado como la

constante de ajuste exponencial, con valores entre 0 y 1.
Ejemplo:
Suponga que se pronostic un nivel de demanda de 1,000
unidades para el presente mes. La demanda real para el mes
presente es de 950 unidades. El valor de la constante es de 0.3. El
valor esperado para la demanda del siguiente mes, de acuerdo con
la ecuacin (8-1), sera
Pronstico nuevo=0.3 ( 950 ) +0.7 (1,000 )
= 985 unidades.

Este

pronstico

se

vuelve

pronstico

anterior

cuando

el

procedimiento se repite el prximo mes. Y as sucesivamente.

Por conveniencia podemos escribir este modelo de solo de nivel
como
F t+1 = A1 + (1-)Ft
t =periodo de tiempo presente.
=constante de ajuste exponencial.

A t = demanda en el periodo t.
F t+1= Pronstico para el

periodo siguiente.

La eleccin del valor adecuado para la constante de ajuste

exponencial requiere un grado de discernimiento. Cuando mas sea
el valor que tome , mayor ser el peso otorgado a la historia de la
demanda para el pronstico de la demanda futura; valores ms
bajos , proporcionan pronsticos muy estables que son sujetos a
fuertes influencias debido a la aleatoriedad en la serie de tiempo.

Los valores acordados para tpicamente van de 0.01 a 0.3,

aunque es posible utilizar valores ms altos para periodos cortos
cuando se presenten cambios anticipados, como una recesin, una
campaa promocional agresiva pero temporal, la suspensin de
algunos productos en lnea, o el inicio del procedimiento de
pronsticos cuando no se dispone de ventas histricas o estas son
muy pocas. Una buena regla cuando se busca un valor para es
seleccionar uno que permita al modelo de pronstico identificar los
cambios principales que ocurren en las series del tiempo y
promediar las fluctuaciones aleatorias.
Correccin por tendencia:
Esto se da cuando existe una tendencia importante a un patrn
estacional significativo en la informacin, el retraso inherente del
pronstico

de

este

tipo

de

modelo

puede

arrojar

errores

inaceptables de pronstico.
La correccin del modelo bsico para pronosticar retrasos de
tiempo debido s a la tendencia es una simple modificacin de
forma al modelo de solo nivel. La versin de tendencia corregida
del modelo es un conjunto de ecuaciones que se puede expresar
como.
S t+1 = At + (1-)(St+Tt)
(8-3)
Tt+1 = (St+1-St)+(1- ) Tt
(8-4)
F t+1 = St+1+Tt+1
(8-5)

Donde los smbolos adicionales con anterioridad son:

F t+1= Pronstico con tendencia corregida para el periodo

t+1.

St = Pronstico inicial para el periodo t

Tt= Tendencia para el periodo t.
= Constante de ajuste de tendencia.

Correccin por tendencia y estacionalidad.

Antes de aplicar este tipo de modelo, deben cumplirse dos
condiciones:
1) Debe de existir una razn conocida para los picos y valles
peridicos en el patrn de la demanda, y estos picos y valles
deben de presentarse en el mismo tiempo cada ao.
2) La variacin estacional debe de ser mayor que

las

variaciones aleatorias, o ruido.

Si la demanda estacional no es estable, significa ni discernible con
respecto de las

variaciones

aleatorias, entonces

se vuelve

extremadamente difcil el desarrollo de un modelo que prediga en

forma precisa la direccin de la demanda del siguiente periodo. Las
ecuaciones de este modelo son:
S t+1 = (At /It-L)+ (1-)(St+Tt)
(8-6)
Tt+1 = (St+1-St)+(1- ) Tt
(8-7)
It= (At /St)+(1- )It-L+1
(8-8)
Ft+1= (St-1+ Tt+1)It-L+1

(8-9)

Definicin del error del pronstico.

El error del pronstico se refiere a lo cerca que se halla el
pronstico del nivel de demanda real. Se expresa adecuadamente
en forma estadstica como desviacin estndar, varianza o
desviacin absoluta media. Los primeros partidarios del ajuste
exponencial

preferan

la

desviacin

estndar

como

medida

adecuada, pero aceptaron el clculo ms simple de la desviacin

absoluta media(DAM).
El error del pronstico se define como:
Error de pronstico = Demanda real demanda pronosticada.

Dado que la demanda pronosticada es un valor de la media

aritmtica, la suma de los errores de pronsticos sobre numerosos
periodos deber ser igual a cero. Sin embargo, la magnitud del
error del pronstico, puede obtenerse al elevar al cuadrado los
errores, lo que eliminar la cancelacin de los errores positivos y
negativos. De esta manera se desarrolla la forma comn de la
desviacin estndar, y se corrige para el grado de libertad que se
perdi en la generacin del pronstico; es decir, en el modelo de
pronstico de solo nivel. La expresin para esta desviacin
estndar es:

S F=

A t

Ft)2

N1
Sf = Error estndar del pronstico.

F t = Pronstico para el periodo t.

Af = Demanda real del periodo t.

pronstico t.

N = Nmero de periodos del

La forma de la distribucin de la frecuencia de los errores del

pronstico se vuelve importante al realizar afirmaciones sobre el
pronstico. La forma de determinar una distribucin de frecuencias
que se aplica a cualquier situacin particular es mediante la
prueba de chi cuadrada de bondad del ajuste. En forma alterna, la
siguiente, la siguiente prueba puede utilizarse para seleccionar
entre la forma de distribucin normal(simtrica) y la distribucin
exponencial como una representacin simple de distribucin
sesgada.
Monitoreo del error de pronstico.
Los procedimientos sofisticados del pronsticos implican monitoreo
del errores del pronstico y realizar ajustes en los valores de las
constantes de ajuste. Si la serie del tiempo es estable, se
seleccionaran valores relativamente bajos. Durante periodos de
cambio rpido, se utilizaran valores altos.
La seal de seguimiento es una comparacin, por lo general una
proporcin, de error del pronstico actual para un promedio de los
errores de pronsticos pasados. Esta proporcin puede ser
evaluada de forma continua o peridica.
En general, los valores de constantes de nivelacin son los que
minimizan el error del pronstico en el tiempo para una serie de
tiempo estable.

El ajuste de estos valores, a medida que las

caractersticas de la serie de tiempo cambian, ofrece mayor

oportunidad para reducir el error del pronstico.

Descomposicin clsica de series de tiempo.

Una categora de modelos de pronsticos que ha resultado til
aos es la composicin de series del tiempo. Estos mtodos
incluyen el anlisis espectral, el anlisis clsico de series del
tiempo y el anlisis de series de Fourier. Si la serie del tiempo est
bien descrita por otros tres componentes, la variacin residual
deber ser aleatoria.
El anlisis clsico de series del tiempo combina cada tipo de
variacin de ventas de la siguiente forma:
F=TxSxCxR

F = pronstico de demanda (en unidades o en $)

T = nivel de tendencia (en unidades o en $)
S = ndice de estacionalidad.
C = ndice cclico.
R = ndice residual.

En la prctica, el modelo con frecuencia se reduce slo a los

componentes de tendencia y de estacionalidad. El efecto de la

variacin

cclica

tiende

compensarse

en

el

proceso

de

actualizacin.
El mtodo popular de los cuadrados mnimos es una tcnica
matemtica que minimiza la suma de las diferentes cuadrticas
entre la informacin real y la lnea de tendencia propuesta. Se
puede obtener una lnea de mnimos cuadrados para toda la forma
de lnea de tendencia, ya sea lineal o no lineal. La expresin
matemtica para la lnea de tendencia lineal es T=a+bt, donde t
es el tiempo, T es nivel de demanda promedio, o tendencia, y a y b
son coeficientes que se determinarn para la serie de tiempo en
particular estos coeficientes se obtienen mediante.
Dt ( t )N ( D ) (t )
( t )( t )Nt (2)

(8-13)
A = D-bt

(8-14)
Donde:
N= el nmero de observaciones utilizadas en el desarrollo de la lnea de
tendencias.
Dt = la demanda real del tiempo.
D = demanda promedio de N periodos.
t = promedio de t durante periodos.

Las lneas de tendencia no lineales son matemticamente ms

complejas y no se analizan aqu.
El componente de estacionalidad del modelo est representado por
un valor de ndice que cambia para cada periodo que se
pronostica. Este ndice es la razn de la demanda real de un

tiempo dado para la demanda promedio. La demanda promedio

puede representarse por un solo promedio de la demanda real
sobre un periodo especificado, por lo general de un ao, un
promedio mvil, o la lnea de tendencia. Puesto que la lnea de
tendencia se analiz anteriormente, se utilizar como la base del
ndice de estacionalidad. Por ello,
S t = Dt / T t

(8-

15)
Donde:
St = ndice de estacionalidad en el tiempo t.
Tt = valor de tendencia determinado a partir de T = a + bt.

Por ltimo, el pronstico se realiza para el tiempo t en el futuro de

la siguiente manera:
F t = (Tt) (St-L)
Donde:
Ft = la demanda pronosticada en el tiempo t.
L = nmero de periodos en el ciclo estacional.

Anlisis de regresin mltiple.

El anlisis de regresin mltiple es una tcnica estadstica que
ayuda a determinar el grado de asociacin entre un nmero de
variables seleccionadas y la demanda.

PROBLEMAS DE PREDICCIN
Arranque
Problema de predecir los niveles de requerimientos para los
producto o servicios para los que no existe suficiente historial para
iniciar el proceso de pronostico. La introduccin de nuevos
producto o servicios y la necesidad de proporcionar apoyo logstico
para ellos crean las condiciones de arranque comunes.
Demanda Irregular
Representa la condicin donde existe tanta variacin aleatoria en
el patrn de demanda que puede opacar para los patrones de
tendencia u estacionalidad.
Pronostico Regional
El responsable de la logstica debe decidir si toma un pronstico de
la demanda total y la distribuye proporcionalmente por regiones, la
cuestin es lograr la mayor precisin en el pronstico a nivel
regional
Error de pronstico
Aprovechamiento al mximo de

las tcnicas de pronsticos

disponibles, usar una combinacin de los resultados de varios

modelos puede generar pronsticos mas estables y preciosos.

3) Pronstico de colaboracin
Se recomienda como un mtodo

mejorado,

especial

para

planeacin de canal de los procesos de negocios. Est basado en la

premisa de que dos cabezas piensan mejor que una. Esto se
refiere al desarrollo de pronsticos utilizando las entradas de
mltiples participantes de distintas areas funcionales, con el
objetivo de reducir el error de pronostico

4) Flexibilidad y rpida respuesta

Si los procesos de la cadena de suministros pueden hacerse
flexibles y que respondan rpidamente a los requerimientos de
demanda, tendremos poca necesidad de pronsticos.
Despus

de

todo,

los

pronsticos

estadsticos

suponen

las

propiedades comunes de que las observaciones sea un parte

pequea del total. Modificar la naturaleza de la cadena de
suministros para que los procesos puedan responder en forma
flexible y eficiente a los requerimientos especficos de cada
solicitud del cliente, y que esto se haga de manera casi
instantnea, hacen que los pronsticos sea innecesarios.

CONCLUSIONES
La necesidad de proyecciones de la demanda es un
requerimiento general a lo largo del proceso de planeacin y
control.
El proceso de elaboracin de pronstico es clave para la
planeacin y operacin de la empresa.
La toma de decisiones y las utilidades de la empre pueden
ser mejores si las empresas cuentan con buenos pronsticos.
Los responsables siempre tienen que tener en cuenta el
tiempo y algunos factores que alteran el clculo de los
pronsticos.
Siempre se debe dar un nivel de seguridad apropiado para
pronosticar las ventas futuras de una empresa.

RECOMENDACIONES

- Venta no es igual a demanda. Me explico, si ests tomando tu

historial de ventas como la brjula para predecir las ventas del
siguiente periodo, vas a terminar de nueva cuenta con malos
resultados en inventarios y en nivel de servicio. Por qu? Porque
la venta no significa necesariamente lo que el mercado est
demandando.
- Utiliza la informacin del punto de venta. Sobre todo si vendes a
los grandes retailers, ellos tienen perfectamente dimensionado
cuanto es lo que vendieron en un periodo de tiempo, si tomas esta
informacin tu pronstico ser ms real, porque esto es lo que en
realidad el mercado est solicitando, ni ms ni menos.
- Revisa tu histrico de demanda. Es extremadamente importante
para mejorar el desempeo de tu pronostico que lleves un registro
de todos los eventos que ocurren en la vida del producto por
periodo.

REFERENCIAS BIBLIOGRFICAS
LIBROS
. Ballou, R. Logistica.5ta.Edicion.Edit.Pearson Prentice Hall. Mxico.
2004-789 p-ISBN 970-26-0540-7
.CARRANZA, O. LOGSTICA: Mejores prcticas en Latinoamrica.
Editorial Thompson editores. Mxico. 2005-425 p-ISBN 970-686411-3.
. LONG D. Logstica Internacioanl Administracin de la cadena
global. 1era. Edicion. Edit. Limusa. Mxico. 2006-474p-ISBN10:968-18-6581-2.
INTERNET,
. http://www.buenastareas.com/ensayos/Logistica/2178444.html
.http://cadenadesuministro.wordpress.com/2010/03/16/tresconsejos-para-incrementar-la-precision-en-tus-pronosticos/
.http://www.google.com.pe/imgres?
q=correccion+por+tendencia+y+estacionalidad&hl=es&biw=1366&bih
=667&gbv=2&tbm=isch&tbnid=iCWbrWMr_YaMJM:&imgrefurl=http://ad
min.udla.mx/mrs/index.php%3Foption%3Dcom_content%26view
%3Darticle%26id%3D22%253A00reca001%26catid
%3D1%253Acatadpub%26Itemid%3D2%26lang

%3Des&docid=6pNsUjmvaNrWtM&imgurl=http://admin.udla.mx/mrs/ima
ges/stories/articulos/admin/tcljart1f8.jpg&w=558&h=318&ei=CeuaT5S7
HsnIgQePj4X6Dg&zoom=1&iact=hc&vpx=364&vpy=377&dur=9161&ho
vh=169&hovw=298&tx=148&ty=69&sig=113442301248018499439&p
age=1&tbnh=109&tbnw=192&start=0&ndsp=19&ved=1t:429,r:8,s:0,i:
83.