PRONSTICOS DE LA DEMANDA

Demanda es la cantidad requerida por los clientes de un producto

Demanda:
o servicio en un perodo de tiempo determinado.

23/08/2016
ventas Son las
Registros de ventas o Datos histricos de ventas:
cantidades de la demanda que la empresa realmente pudo
satisfacer en un perodo de tiempo.
demanda la demanda se comporta, en
Comportamientos de la demanda:
trminos generales de dos formas: regular o irregular.

Presenta un comportamiento
Regular predecible
Se refleja en los pronsticos.

Presenta un comportamiento
intermitente y aleatorio
Irregular No presenta un patrn fundamental de 22
comportamiento.
 PRONSTICOS DE LA DEMANDA
Es una estimacin de un evento futuro, realizado
mediante el empleo de un mtodo especfico, y que es

23/08/2016
utilizado para fines de planificacin.
Utilizacin de pronsticos en la empresa:

Operacin de la empresa
Financiera Costos

Mercadeo y Fuerza de venta

Ventas Aumento de ventas

Planificar capacidad, produccin e inventarios

Produccin Toma de decisiones sobre compra de mquinas y equipos, 23
contratacin de personal, expansin de instalaciones
 PRONSTICOS DE LA DEMANDA
COMPORTAMIENTOS DE LA DEMANDA
COMPORTAMIENTO GRFICO CARACTERSTICAS

23/08/2016
Datos dispersos a lo largo de
una lnea horizontal.

Demanda
No existe aumento o
Estabilidad disminucin consistentes en el
tiempo.
Ejemplos: Demanda de leche o
el consumo de gasolina
Tiempo

Relacionada con el aumento o

disminucin consistente.
Demanda

Puede ser lineal, exponencial,

Tendencia logartmica, etc.
Ejemplos: Demanda de
vehculos.
24
Tiempo
 PRONSTICOS DE LA DEMANDA
COMPORTAMIENTOS DE LA DEMANDA
COMPORTAMIEN GRFICO CARACTERSTICAS

23/08/2016
TO
Flucta de acuerdo con un
ndice o factor estacional.
Movimientos que se repiten

Demanda
cada cierto tiempo de forma
Estacionalidad regular.
Puede ser estable o con
tendencia
Ejemplos: Adornos
Tiempo navideos, tiles escolares.

Es similar a la
estacionalidad, salvo que los
movimientos repetitivos se
presentan en periodos de
Demanda

tiempo mayores a un ao.

Ciclicidad Son ms complejos de
pronosticar, bebido a que no
se repiten en el mismo
periodo de tiempo. 25
Tiempo
 PRONSTICOS DE LA DEMANDA
COMPORTAMIENTOS DE LA DEMANDA
COMPORTAMIEN GRFICO CARACTERSTICAS

23/08/2016
TO

Movimientos no
perceptibles, a los cuales no
se le puede asignar una
Se encuentra en cada una de las
Aleatoriedad grficas anteriores.
causa.
Es la principal causa de que
existan errores en los
pronsticos.

26
 MTODOS DE PRONSTICO DE LA
DEMANDA

23/08/2016
METODOS CUALITATIVOS
Se aplica en aquellos casos en que no se requiere
de una abierta manipulacin de los datos y solo
se utiliza el juicio, experiencia, opinin o la
intuicin de quien pronostica. Son los mas
comnmente usados para planeaciones a largo
plazo, cuando no se dispone de todos los
antecedentes necesarios o cuando los datos
disponibles no son confiables. Los mtodos mas
conocidos en este grupo son el Delphi, la
investigacin de mercados y la analoga histrica.
27
 SERIES DE TIEMPO

23/08/2016
Promedio Ingenuo o Intuitivo
Es tan simple como asumir el pronostico para un perodo
siguiente igual a la demanda del perodo actual. Este
mtodo no tiene en cuenta datos histricos ni analiza el
comportamiento de la demanda.

Fi = Di-1

28
Promedio Ingenuo o Intuitivo

23/08/2016
29
 SERIES DE TIEMPO

PROMEDIO MVIL SIMPLE

23/08/2016
Este mtodo utiliza datos recientes de la
demanda para hacer pronsticos y se da Igual
ponderacin a todos los datos. Es recomendable
utilizarlo cuando las Demandas son estables y
no presentan ni tendencia, ni estacionalidad.

FORMULA:

30
PROMEDIO MVIL SIMPLE

23/08/2016
31
 SERIES DE TIEMPO

PROMEDIO MVIL PONDERADO

23/08/2016
El promedio mvil ponderado se aplica para
casos en los que se reflejan fluctuaciones en los
datos.

Este mtodo es similar al promedio mvil

simple, solo que asigna mayor ponderacin a los
datos mas recientes.
FORMULA:

32
PROMEDIO MVIL PONDERADO

23/08/2016
33
SERIES DE TIEMPO
SUAVIZACION EXPONENCIAL

23/08/2016
Los mtodos anteriores acarrean una gran cantidad de datos.
Cada vez que se aaden un nuevo dato, se elimina la observacin
ms antigua y se calcula el nuevo pronstico.
Si es vlida la premisa de que la importancia de los datos disminuye
cuanto ms antiguos sean, el mtodo ms lgico y fcil de usar puede
ser el suavizamiento exponencial.
El modelo solo necesita tres datos: el pronostico ms reciente, la
demanda real que se present para ese periodo, y una constante de
suavizamiento alfa ()
Esta constante determina el nivel de suavizamiento y la velocidad de
reaccin ante las diferencias entre pronsticos y hechos. Cuanto ms
rpido sea el crecimiento, mayor debe ser la tasa de reaccin.
FORMULA:

F i = D i 1 + (1 )F i 1 34
SERIES DE TIEMPO

SIMPLIFICACIN DE LA FORMULA:

23/08/2016
Fi = Fi1 + (Di1 Fi1 )

Fi = El pronstico suavizado exponencialmente para el periodo i.

Fi-1 = El pronstico suavizado exponencialmente para el periodo anterior.

Di-1 = La demanda real para el periodo anterior.

= La tasa de respuesta deseada, o constante de suavizamiento. 0<1

de manera general debe estar entre 0.01 y 0.3
= 2 / (n+1) 35
SERIES DE TIEMPO
SUAVIZACION EXPONENCIAL

23/08/2016
Ve nta s 2009
Alfa
Me s Ve nta s (U) 0,1 0,15 0,2 0,3
ene-09 10 12,00 12,00 12,00 12,00
feb-09 12 11,80 11,70 11,60 11,40
mar-09 13 11,82 11,75 11,68 11,58
abr-09 16 11,94 11,93 11,94 12,01
may-09 19 12,34 12,54 12,76 13,20
jun-09 23 13,01 13,51 14,00 14,94
jul-09 26 14,01 14,94 15,80 17,36
ago-09 30 15,21 16,59 17,84 19,95
sep-09 28 16,69 18,61 20,27 22,97
oct-09 18 17,82 20,01 21,82 24,48
nov-09 16 17,84 19,71 21,06 22,53
dic-09 14 17,65 19,16 20,04 20,57
e ne -10 17,29 18,38 18,84 18,60

Venta Real Vs Pronstico

35
30
25
Ventas (U)
Unidades

20
0,1
15
0,15
10
0,2
5
0,3
0 36
ene-09

ene-10
sep-09
jun-09
jul-09

oct-09
feb-09
mar-09

ago-09

dic-09
abr-09

nov-09
may-09
 PROMEDIOS TENDENCIA: MTODO DE
SUVIZACIN EXPONENCIAL AJUSTADO A LA
TENDENCIA

23/08/2016
Ft+1 = At + Tt
At: promedio suavizado exponencialmente de la serie en el periodo t.

At = Dt + (1- )(At-1 + Tt-1)

Tt: promedio suavizado exponencialmente de la tendencia en el periodo t.

Tt = (At - At-1) + (1- )Tt-1

: parmetro de suavizacin para el promedio, con u valor entre 0 y 1.

: parmetro de suavizacin para el promedio, con u valor entre 0 y 1. 37
MODELOS MIXTOS
PROMEDIOS TENDENCIA: MTODO DE
SUVIZACIN EXPONENCIAL AJUSTADO A LA
TENDENCIA

23/08/2016
38
ANLISIS DE LA TENDENCIA
ANLISIS DE REGRESIN LINEAL

23/08/2016
y = a + bx
a = y bx
D
xy nx y
b = 2
t x 2
nx

Rango Correlacin
0,9 1,0 Muy Alta
nxyxy
r= 0,7 0,9 Alta

nx2 (x) ny2 (y)

2 2 0,5 0,7 Moderada
0,3 0,5 Baja 39
< 0,3 Muy Baja
ANLISIS DE LA TENDENCIA
ANLISIS DE REGRESIN LINEAL
Periodo (x) Demanda (y) xy x2 y2 F

23/08/2016
1 60 60 1 3600 83,18
2 155 310 4 24025 120,36
3 165 495 9 27225 157,55
4 170 680 16 28900 194,73
5 260 1300 25 67600 231,91
6 250 1500 36 62500 269,09
7 320 2240 49 102400 306,27
8 305 2440 64 93025 343,45
9 380 3420 81 144400 380,64
10 440 4400 100 193600 417,82
Totales 55 2505 16845 385 747275
Promedio 5,5 250,5

b 37,182 y = 46 + 37,182x
a 46

Pronstico Mtodo Regresin Lineal

500
450
y = 37,182x + 46
400 R = 0,9523
350
Demanda

300
250
200
150
100
50
0 40
0 2 4 6 8 10 12
Periodo
 ANLISIS DE LA ESTACIONALIDAD
VARIACIONES ESTACIONALES

23/08/2016
Son fluctuaciones del fenmeno
que se repiten o se reproducen
casi idnticamente de un periodo
a otro.
D
Pueden ser: Meses, bimestres,
trimestres, semestres, etc., dentro
del periodo de un ao

N
Se presenta debido a: periodo de
vacaciones, condiciones t
climticas, fiestas, etc.

S: INDICE DE ESTACIONALIDAD
41
ANLISIS DE LA ESTACIONALIDAD
VARIACIONES ESTACIONALES

23/08/2016
42
 ANLISIS DE LA ESTACIONALIDAD
VARIACIONES ESTACIONALES

23/08/2016
1. Calcular promedio de todas las observaciones

2. Calcular ndice de Estacionalidad

43
 ANLISIS DE LA ESTACIONALIDAD
VARIACIONES ESTACIONALES

23/08/2016
3. Calcular promedio de S en la estacin i

4. Calcular Pronostico (Prom. S x Prom. Observaciones)

44
MODELOS MIXTOS
VARIACIONES ESTACIONALES - TENDENCIA
Demanda Histrica Tela de Uniformes (m)

23/08/2016
Mes 2004 2005 2006
Enero 2800 3100 3300
Febrero 4500 5000 5200
Marzo 5300 6000 6800
Abril 4200 5000 5200
Mayo 1500 1700 2000
Junio 2900 3600 3400

Demanda Histrica Tela de

Uniformes (m)
8000

6000
Demanda

4000

2000
45
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
MODELOS MIXTOS
VARIACIONES ESTACIONALES - TENDENCIA

23/08/2016
Demanda Histrica Tela de Uniformes (m) Promedio Demanda Desestacionalizada
por Promedio
Mes 2004 2005 2006 Estacin Estacional 2004 2005 2006
Enero 2800 3100 3300 3066,67 0,77 3626,81 4015,40 4274,46
Febrero 4500 5000 5200 4900,00 1,23 3647,96 4053,29 4215,42
Marzo 5300 6000 6800 6033,33 1,52 3489,41 3950,28 4476,98
Abril 4200 5000 5200 4800,00 1,21 3475,69 4137,73 4303,24
Mayo 1500 1700 2000 1733,33 0,44 3437,50 3895,83 4583,33
Junio 2900 3600 3400 3300,00 0,83 3490,74 4333,33 4092,59
3972,22

Demanda Desestacionalizada Tela de Uniformes (m)

5000,00

4000,00
Demanda

3000,00

2000,00
y = 59,169x + 3410,1
R = 0,7384
1000,00

0,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1846
MODELOS MIXTOS
VARIACIONES ESTACIONALES - TENDENCIA

23/08/2016
Proyecccin Ao 2007
Proyeccin Indice Proyeccin
Periodo Mes
Desestacionalizada Estacional Estacionalizada
19 Enero 4534,31 0,77 3500,61
20 Febrero 4593,48 1,23 5666,36
21 Marzo 4652,65 1,52 7066,82
22 Abril 4711,82 1,21 5693,72
23 Mayo 4770,99 0,44 2081,89
24 Junio 4830,16 0,83 4012,74

47
MTODOS DE PRONSTICO DE LA
DEMANDA

23/08/2016
MTODOS CUANTITATIVOS
SERIES DE TIEMPO
Hace uso de tcnicas estadsticas y datos
histricos para pronosticar el futuro. Se
asume que lo que ha ocurrido en el pasado
continuara ocurriendo en el futuro; aunque es
importante analizar las variables que
caracterizaron al ambiente en el pasado y
tener en cuenta cambios ocurridos como
avances tecnolgicos, recesiones
econmicas o la aparicin de productos 48
sustitutos.
 SERIES DE TIEMPO
Error de Pronstico

23/08/2016
Diferencia existente entre el datos histrico y el dato
pronosticado del periodo.

ei = Di - Fi

e > 0, significa que la proyeccin de la demanda ha sido subestimada.

En otras palabras significa generacin de agotados.
e = 0, Significa que el dato real es igual al dato pronosticado. Esto
puede ocurrir por casualidad debido a la aleatoriedad que presentan
las diferentes variables.
e < 0, significa que el dato proyectado es mayor al dato real, es decir
hay sobreestimacin de la demanda, lo que conlleva al incremento de
los inventarios.
49
 PRONSTICOS
MEDICIN DE LA EXACTITUD

23/08/2016
Desviacin Absoluta Media (DAM o MAD):
MAD)

Error Cuadrtico Medio (ECM o MSE):

MSE)

50
 PRONSTICOS
Seal de Rastreo o Control

23/08/2016
Fuera de Control

Si el valor absoluto de SR
+4
la SR de cualquier
periodo es superior a 0
4, indica que el
-4
modelo de pronostico
debe ser rechazado. Tiempo
51
PRONSTICOS

23/08/2016
52
PRONSTICOS

23/08/2016
53
PRONSTICOS

23/08/2016
54