PLANIFICACION Y CONTROL DE

LA PRODUCCION I:

PROFESOR: ARIEL LINARTE

 PRONOSTICOS DE DEMANDA

Objetivos:
Aplicar los elementos prcticos de la proyeccin de la
demanda, tales como el mtodo de los mnimos cuadrados
mediante paquetes de computacin como el Econometric
Eviews, Win-QSB y los Promedios Mviles con hojas
electrnicas de clculo.
Calcular e Interpretar elasticidades de demanda.
Analizar, interpretar y utilizar la estacionalidad de las
ventas, para la proyeccin de los pronsticos en el corto
plazo.
Aplicar las nociones bsicas de desestacionalizacin de la
demanda con paquetes de computadoras.
 CONTENIDO
Introduccin
Mtodos para la elaboracin de pronsticos:
1-Mtodos cualitativos
2-Mtodos cuantitativos
Mtodo grfico
Mtodo de los Promedios Mviles
Mtodos Causales (Economtricos)
Pronsticos por mes, trimestre y semestre
Evaluacin de los mtodos de pronsticos
Simulacin
 INTRODUCCION:

Qu es un pronstico?

Un pronstico es una prediccin de eventos futuros que se utiliza con propsitos de

planificacin.

Las cambiantes condiciones de los negocios como resultado de la competencia

mundial.
El rpido cambio tecnolgico y las crecientes preocupaciones por el medio ambiente
han ejercido presiones sobre la capacidad de una empresa para generar pronsticos
precisos.
Tales pronsticos son necesarios como un elemento auxiliar para determinar que
recursos se necesitan, programar los recursos ya existentes y adquirir recursos
adicionales.
Los pronsticos precisos permiten que los programadores utilicen de forma eficiente
la capacidad de las maquinas, reduzcan los tiempos de produccin y recorten los
costos
 CARACTERISTICAS DE LA DEMANDA

El reto de pronosticar la demanda del cliente es una tarea difcil por que la demanda de
bienes y servicios suele variar considerablemente.

Por ejemplo, es previsible que la demanda de fertilizante para el csped aumente en los
meses de primavera y verano; sin embargo, en los fines de semana especficos en los que
la demanda es mas intensa, esta depende de factores incontrolables, como el clima. Otros
patrones son ms previsibles.

As pues la demanda semanal de cortes de cabello en una

barbera de la localidad, puede ser bastante estable de una a otra semana, aun cuando la
demanda diaria sea mas intensa los sbados por la maana y mas floja los lunes y martes.

Para pronosticar la demanda en este tipo de situaciones es necesario descubrir los

patrones bsicos a partir de la informacin disponible.
 Patrones de demanda:
1. Horizontal, o sea, la fluctuacin de los datos en torno de una media constante

2. De tendencia, es decir, el incremento o decremento sistemtico de la media de

la serie a travs del tiempo.

3. Estacional, o sea, un patrn repetible de incrementos o decrementos de la

demanda, dependiendo de la hora del da, la semana, el mes o la temporada;

4. Cclico, o sea, una pauta de incrementos o decrementos graduales y menos

previsibles de la demanda, los cuales se presentan en el curso de periodos de
tiempo mas largos (aos o decenios);

5. Aleatorio, es decir, una serie de variaciones imprevisibles de la demanda.

 Factores que afectan la demanda.

Factores externos: Son los factores que estn fuera del alcance de la
gerencia.
Por ejemplo reglamentaciones de gobierno que afectan las actividades
econmicas, leyes que limiten la utilizacin de ciertas materias primas
Indicadores tempranos, causaran especulacin y aumento de precio en
materias primas
(Ej. Se anuncia escasez de acero y aumento en construccin)
Indicadores coincidentes. Como cifras de desempleo, etc.

Factores internos : Las decisiones internas sobre el diseo de los

productos o servicios,
Los precios y las promociones publicitarias, el diseo de envases, las
cuotas o incentivos para el personal de ventas, etc.
MODELOS CUANTITATIVOS
Los modelos cuantitativos de pronsticos son modelos
matemticos que se basan en datos histricos.
Estos modelos suponen que los datos histricos son
relevantes para el futuro.
Casi siempre puede obtenerse informacin pertinente al
respecto
Mtodos de series de tiempo
Para pronsticos a corto plazo, se usan mucho los
mtodos de series de tiempo.
Una serie de tiempo es simplemente una lista
cronolgica de datos histricos, para la que la suposicin
esencial es que la historia predice el futuro de manera
razonable.
Existen varios modelos y mtodos de series entre los
cuales elegir, y que incluyen el modelo constante, de
tendencia y estacional, dependiendo de los datos
histricos.
Enfoque simple:
Tambin llamado pronostico emprico. Uno de los
mtodos ms sencillos es usar el ltimo dato como
pronostico para el siguiente periodo.
Es decir el pronstico de la demanda para el siguiente
periodo es igual a la demanda observada en el periodo
actual.
 Promedio mvil simple
Promedio mvil simple. Se usa para estimar el promedio de una serie de
tiempo de demanda y para suprimir los efectos de las fluctuaciones al azar.

Este mtodo resulta mas til cuando la demanda no tiene tendencias

pronunciadas ni fluctuaciones estacinales.

Implica simplemente calcular la demanda promedio para los n periodos mas

recientes con el fin de utilizarla como pronostico del periodo siguiente.

Para el pronostico siguiente una vez conocida la demanda, la demanda mas

antigua incluida en el promedio anterior se sustituye por la demanda mas
reciente y luego se vuelve a calcular el promedio.
Formula del promedio mvil simple:

Ft+1 = Suma de las n ultimas demandas / n = Dt + Dt -1

+ Dt--2 + + Dt - n + 1
Donde:
Dt = demanda real en el periodo t
n = numero total de periodos incluidos en el promedio
F t+1 = Pronostico para el periodo t+1
Ejemplo: Fabrica de pastas dentales
Semana Ventas de Cajas (con 10 piezas c/u)
1 62
2 50
3 65
4 48
5 60
6 66
7 58
8 61
9 55
10 60
Ejercicio de fabrica de pastas dentales

a) Tomando los datos de la fbrica de pasta dental elabore un

pronstico mvil de 5 semanas para estimar cuantas cajas de
pasta dental se necesitaran para la semana 11.
Tenemos que F11 = (60 + 55 + 61 + 58 + 66)/ 5 = 60 cajas
b) Si la demanda real en la semana 11 fue 55 cajas obtener el
pronstico mvil de 5 semanas para la semana 12
M12 = (55 + 60 + 55 + 61 + 58 ) / 5 =
El pronstico es de 57.8 cajas
Promedio mvil ponderado:

Es una variacin del promedio mvil en la que no

todos los datos tienen el mismo peso.
Esto permite que los datos que tienen mayor
importancia tengan mayor peso.
Los pesos deben sumar 1
La distribucin de los pesos determina la velocidad
de respuesta del pronstico
Ejemplo de una tienda

Tal vez una tienda departamental se de cuenta de que en

un periodo de cuatro meses, el mejor pronstico se
deriva utilizando 40% de las ventas reales durante el mes
ms reciente, 30% de dos meses antes, 20% de tres
meses antes y 10% de hace cuatro meses. Si las ventas
reales fueron
 Periodos Mes 1 Mes 2 Mes 3 Mes 4 Mes 5
Ventas reales 100 90 105 95 ?

Formula Ft = W1 At-1 + W2 At-2 + W3 At-3 +. Wn

At-n +
W1 = ponderacin dada a la ocurrencia real para el periodo
t-1
W2 = ponderacin dada a la ocurrencia real para el periodo
t-2
Wn = ponderacin dada a la ocurrencia real para el periodo
t-n
n = nmero total de periodos en el pronsticos
Ejercicio:
Por lo tanto el pronstico para el mes 5 sera
F5 = 0.40 (95) + 0.30(105) +0.20 (90) +1.10 (100)
= 38 + 31.5 +18 + 10 = 97.5
Suponga que las ventas para el mes 5 resultaron ser de
110. Entonces, el
pronstico para el mes 6 sera.
F6=
Suavizamiento exponencial

Es un mtodo de promedio mvil ponderado muy

refinado que permite calcular el promedio de una serie
de tiempo, asignando a las demandas mayor ponderacin
que a las demandas anteriores.
Es el mtodo de pronostico formal que se usa mas a
menudo, por su simplicidad y por la reducida cantidad de
datos que requiere.
La ecuacin de este pronostico es:
Ft+1 = (Demanda para este periodo) + (1 ) (Pronostico
calculado para el ultimo periodo)
= Dt + ( 1 ) Ft
= Ft + (Dt Ft)
Por lo tanto el pronstico para el periodo siguiente es igual
al pronostico del periodo actual mas una proporcin del
error del pronostico correspondiente al mismo periodo
actual.
La constante toma valores entre 0 y 1
Una cercana a uno da una alta velocidad de respuesta
Una cercana a cero da una baja velocidad de respuesta
Ejemplo:
Utilizando el ejemplo de un centro de llamadas con
promedio mvil de n=3 calcule el pronostico para la
semana 13 con suavizamiento exponencial y = .10
El pronostico para el da 13 era de 175 llamadas y la
demanda real fue de 170 llamadas
Ft+1 = Dt + ( 1 ) Ft
F13= .1(170) + (.9) 175= 174.5 llamadas
Relaciones Causales.
- Se emplean cuando se tienen datos histricos y la relacin entre el factor que
intenta pronosticar y otros factores externos o internos (ej. Actividades del
gobierno o promociones publicitarias).

- Las relaciones causales expresan se expresan en trminos matemticos y suelen

ser en ocasiones complejas

- Proveen instrumentos de pronostico refinados y son excelentes para prever los

puntos de flexin de la demanda y para la elaboracin de pronsticos a largo
plazo.
Regresin Lineal Simple:

El anlisis de regresin lineal establece una relacin entre

una variable dependiente y una o ms variables
independientes.
En la regresin lineal simple hay solamente una variable
independiente.
Si los datos estn constituidos por una serie de tiempo,
la variable independiente es el tiempo.
La variable dependiente es cualquier cosa que nosotros
queramos pronosticar.
Ecuacin de regresin:

Y = a + bX

Y = variable dependiente
X = variable independiente
a = intercepto con eje Y
b = pendiente de la lnea
 Constantes a y b

Estas constantes se calculan:

Ejemplo:

Regresin Lineal Simple

At a small regional college enrollments have grown
steadily over the past six years, as evidenced below. Use
time series regression to forecast the student
enrollments for the next three years.
 Students Students
Year Enrolled (1000s) Year Enrolled (1000s)
1 2.5 4 3.2
2 2.8 5 3.3
3 2.9 6 3.4

x y xy
1 2.5 1 2.5
2 2.8 4 5.6
3 2.9 9 8.7
4 3.2 16 12.8
5 3.3 25 16.5
6 3.4 36 20.4
Solucin del ejercicio
=21 =18.1 = 91 =66.5

Y = 2.387 + 0.180X
Y7= 2.387 + 0.180(7) = 3.65 or 3,650 students
Y8= 2.387 + 0.180(8) = 3.83 or 3,830 students
Y9= 2.387 + 0.180(9) = 4.01 or 4,010 students
MUCHAS GRACIAS