INSTITUTO TECNOLGICO DE TUXTEPEC

GESTIN DE LA PRODUCCIN I
UNIDAD 2:

PRONSTICO DE LA DEMANDA
Presenta:

ING. ROSA ISELA SANTANA MORALES

Ingeniera en Gestin Empresarial

ENE - JUN 2016

Una serie de tiempo se basa en

una secuencia de datos
puntuales igualmente
espaciados (semanales,
mensuales, trimestrales, etc.).
Los datos para los pronsticos
de series de tiempo implica
que los valores futuros solo se
predicen a partir de los valores
pasados y que se pueden
ignorar otras variables, sin
importar que tan
potencialmente valiosas sean.

Son innumerables las aplicaciones que se pueden citar, en

distintas reas del conocimiento, tales como, en economa,
fsica, geofsica, qumica, electricidad, en demografa, en
marketing, en telecomunicaciones, en transporte, etc.
Series de Tiempo

Econmicas
Fsicas
Geofsica
Demogrficas
Marketing
Telecomunicacin Transporte
-

Ejemplos
Precios de un artculo
Tasas de desempleo
Tasa de inflacin
ndice de precios, etc.
Meteorologa
Cantidad de agua cada
Temperatura mxima diaria
Velocidad del viento (energa elica)
Energa solar, etc.
Series sismologas
Tasas de crecimiento de la poblacin
Tasa de natalidad, mortalidad
Resultados de censos poblacionales
Series de demanda, gastos, ofertas
Anlisis de seales
Series de trfico

La tendencia es el movimiento gradual, hacia

arriba o hacia abajo, de los datos en el tiempo.
Los cambios en el ingreso, la poblacin, la
distribucin de edades o los puntos de vista
culturales pueden ser causantes del movimiento
en una tendencia.

La estacionalidad es un patrn de datos que se repite despus de

un periodo de das, semanas, meses o trimestres. Existen seis
patrones comunes en la estacionalidad:
Periodo del patrn

Longitud de la
estacin

No. De estaciones
en el patrn

Semana

da

Mes

semana

4- 4

Mes

da

28-31

Ao

trimestre

Ao

mes

12

Ao

semana

52

Los restaurantes y las peluqueras por ejemplo, experimentan estaciones

semanales, donde los sbados son el pico del negocio. Los
distribuidores de cerveza pronostican patrones anuales, con
estaciones mensuales. Cada una de las tres estaciones Mayo, Julio y
Septiembre contiene un da festivo en el que se ingiere mucha
cerveza.

Los ciclos son patrones, detectados en los

datos, que ocurren cada cierta cantidad de
aos. Usualmente estn sujetos al ciclo
comercial y son de gran importancia para
el anlisis y la planeacin del negocio a
corto plazo. La prediccin de los ciclos de
negocio es difcil por que estos pueden
verse afectados por los acontecimientos
polticos o la turbulencia internacional.
Las variaciones aleatorias (irregulares) son
seales generadas en los datos por
casualidad o por situaciones inusuales. No
siguen un patrn discernible, por lo tanto
no se pueden predecir.

El pronstico de los promedios mviles usa un nmero de

valores de datos histricos reales para generar un
pronstico. Los promedios mviles son tiles si
suponemos que la demanda del mercado permanecer
relativamente estable en el tiempo.
Matemticamente, el promedio mvil (que sirve como
estimacin de la demanda del siguiente periodo) se
expresa como:
=

Donde n es el nmero de periodos incluidos en el

promedio mvil.

La tienda de suministros para jardn Donna quiere hacer un

pronstico con el promedio mvil de 3 y 6 meses, incluyendo un
pronstico para las ventas de cobertizos el prximo enero.
Las ventas de cobertizos para almacenamiento se muestra en la
columna media de la siguiente tabla.
Mes

Ventas reales de
cobertizos

Enero

10

Febrero

12

Marzo

13

Abril

16

Mayo

19

Junio

23

Julio

26

Agosto

30

Septiembre

28

Octubre

18

Noviembre

16

Diciembre

14

Promedio mvil
de 3 meses

Promedio mvil
de 6 meses

Cuando se presenta una tendencia o un patrn

localizable, puede utilizarse ponderaciones para dar
ms nfasis a los valores recientes. Esta practica
permite que las tcnicas de pronsticos respondan
mas rpido a los cambios, puesto que puede darse
mayor peso a los periodos ms recientes. La eleccin
de las ponderaciones es un tanto arbitraria porque
no existe formula establecida. Por lo tanto, decidir
que ponderaciones requiere de cierta experiencia.

La tienda para jardn de Donna, quiere pronosticar las ventas de

cobertizos ponderando los 3 ltimos meses, dando mas peso a los
datos recientes para hacerlos mas significativos.
Ponderacin aplicada

Periodo

ltimo mes

Hace dos meses

Hace tres meses

Suma de ponderaciones

3(ventas del ultimo mes) + 2(ventas de hace 2 meses ) + 1(venta de hace tres meses)
Suma de las ponderaciones

Mes

Ventas
reales de
cobertizos

Enero

10

Febrero

12

Marzo

13

Abril

16

Mayo

19

Junio

23

Julio

26

Agosto

30

Septiembre

28

Octubre

18

Noviembre

16

Diciembre

14

Promedio mvil ponderado

de tres meses

Las ventas mensuales de Telco baterries, Inc., fueron como sigue:

a) Realice un promedio mvil

simple de 3 y 5 meses.
b) Realice un promedio mvil
ponderado empleando 0.1, 0.1,
0.1, 0.2, 0.2 y 0.3 con las
ponderaciones ms alta a los
meses ms recientes.

c) Cul de los tres promedios es

el mejor?

Mes

Ventas

Enero

20

Febrero

21

Marzo

15

Abril

14

Mayo

13

Junio

16

Julio

17

Agosto

18

Septiembre

20

Octubre

20

Noviembre

21

Diciembre

23

Tanto los promedios mviles simples como los ponderados son

efectivos para para suavizar las fluctuaciones repentinas en el patrn
de la demanda con el fin de obtener estimaciones estables, sin
embargo, los promedios mviles presentan tres problemas
1.

Aumentar el tamao de n (nmero de periodos promediados)

suaviza de mejor manera las fluctuaciones, pero resta
sensibilidad al mtodo ante cambio reales en los datos.

2.

Los promedios mviles no reflejan bien las tendencias. Por que

son promedios, siempre se quedarn en niveles pasados, no
predicen los cambios hacia niveles ms altos ni ms bajos. Es
decir, retrasan los valores reales.
3.

Los promedios mviles requieren amplios registros de datos

histricos.

El suavizamiento exponencial es un sofisticado mtodo de

pronstico de promedios mviles ponderado que sigue siendo
bastante fcil de usar. Implica mantener muy pocos registros
de datos histricos. La frmula bsica de suavizamiento
exponencial se expresa como sigue.
Nuevo Pronstico = Pronstico del mes anterior + (Demanda real
del mes anterior pronstico del periodo anterior)

Donde:

Ft = Ft-1 + (A

t-1

- Ft-1)

Ft = Nuevo pronstico.
Ft-1 = Pronstico del mes anterior.
= constante de suavizamiento.
A t-1 = Demanda real del mes anterior.

La constante de suavizamiento se encuentra en un intervalo de .05 a

.50 para aplicaciones de negocios. Puede cambiarse para dar ms
peso a datos recientes (cuando es alta) o ms peso a datos
anteriores (si es baja).

La tabla siguiente ayuda a ilustrar este concepto. Por ejemplo, cuando

= 0.5, podemos ver que el nuevo pronstico se basa casi por
completo en la demanda de los ltimos tres o cuatro periodos.
Cuando = 0.1, el pronstico pone poco peso en la demanda
reciente y toma en cuenta los valores histrico de muchos periodos.
Ponderacin asignada a
Constante de
suavizamiento

Periodo ms
reciente ()

2 periodo
ms reciente
(1-)

3er. Periodo
ms reciente
(1-)2

4 Periodo
ms reciente
(1-)3

5 Periodo
ms reciente
(1-)4

= 0.1

.1

.09

0.081

.073

.066

= 0.5

.5

.25

.125

.063

.031

En enero, un vendedor de automviles predijo que la demanda para

febrero sera de 142 Ford Mustang. La demanda real en febrero fue de
153 automviles. Usando la constante de suavizamiento que eligi la
administracin es de = 0.20, el vendedor quiere pronosticar la
demanda para marzo usando el modelo de suavizamiento
exponencial. Si la constante de suavizamiento se cambia a 0.30 Cul
es el nuevo pronstico?

Un centro de procesamiento de cheques usa el suavizamiento

exponencial para pronosticar el nmero de cheques entrante cada
mes. El nmero de cheques recibidos fue de 40 millones, aunque el
pronstico era de 42 millones. Se us una constante de suavizamiento
de 0.2
a)
b)

c)

Cul es el pronstico para julio?

Si el centro recibi 45 millones de cheques el mes de
Julio, Cul ser el pronstico para agosto?
Utilice una constante de suavizamiento de 0.5

El monitoreo y control del pronstico comprende la

supervisin y control de los pronsticos realizados para
asegurar que se estn llevando a cabo de manera
adecuada. En la actualidad, la forma ms usada para
monitorear los pronsticos es el empleo de una seal
de rastreo (Tracking Signal), la cual debe mantenerse
dentro de los lmites de control de rastreo (Tracking
Control Limits) para que el modelo de pronstico
seleccionado siga siendo vlido. De esta manera,
cuando la seal de rastreo sobrepasa los lmites de
control, debe detenerse el proceso de pronstico y
volver a absorber la demanda e igualarla de manera
ms exacta (correccin del modelo y/o mtodo de
pronstico).

La precisin general de cualquier modelo de

pronstico promedios mviles, suavizamiento
exponencial o cualquier otro se determina
comparando los valores pronosticados con los
valores reales u observados.
El error de pronstico (o desviacin) se define como:
=

La primera medicin del error global del

pronstico para un modelo es la desviacin
absoluta media (MAD). Su valor se calcula
sumando los valores absolutos de los errores
individuales del pronstico y dividiendo entre
el nmero de periodos de datos (n):
=

El error cuadrtico medio (MSE) es una segunda

forma de medir el error global del pronstico.
El MSE es el promedio de los cuadrados de las
diferencias entre los valores pronosticados y
observados. Su frmula es:
=

Un problema con MAD y con MSE es que sus valores

dependen de la magnitud del elemento que se
pronostica. Si el elemento pronosticado se mide en
millares, los valores de MAD y MSE pueden ser muy
grandes. Para eludir este problema, podemos emplear
el error porcentual absoluto medio (MAPE). ste se
calcula como el promedio de las diferencias absolutas
entre los valores pronosticados y los reales y se
expresa como porcentaje de los valores reales. Es
decir, si hemos pronosticado n periodos y los valores
reales corresponden a n periodos, MAPE se calcula
como:
100

Una vez que se obtiene un pronstico, no debe olvidarse. Ningn

administrador desea que le recuerden que su pronstico fue
terriblemente impreciso, pero la empresa necesita saber por qu la
demanda real (o cualquiera que sea la variable que se examina)
difiere de manera significativa de lo proyectado. Si quien
pronostica suele ser acertado, esa persona casi siempre se asegura
de que todos conozcan sus habilidades. Pocas veces se leen
artculos en Fortune, Forbes o el Wall Street Journal, acerca de
gerentes de finanzas que constantemente se alejen 25% en sus
pronsticos del mercado de valores.
Una manera de monitorear los pronsticos para asegurar que sean
buenos es emplear una seal de control. Una seal de control es
una medida de qu tan bien los pronsticos predicen los valores
reales. Conforme se actualizan los pronsticos semanal, mensual o
trimestralmente, los nuevos datos disponibles de la demanda se
comparan con los valores pronosticados.

La seal de control se calcula como la suma continua

de errores del pronstico (SCEP) dividida entre la
desviacin absoluta media (MAD):

=
=

Los pronsticos en el sector servicios presenta retos inusuales. Una

tcnica importante en el sector comercial es el seguimiento de la
demanda manteniendo buenos registros a corto plazo. Por ejemplo
una peluquera para hombres espera picos en el flujo de trabajo los
viernes y los sbados. De hecho muchas peluqueras cierran los
domingos y lunes y muchas requieren personal extra los viernes y
los sbados.

Por su parte, un restaurante del centro de la ciudad quiz necesite

dar seguimiento a convenciones y das festivos para que sus
pronsticos a corto plazo sean efectivos.

Las tiendas de especialidad al menudeo , como floreras, pueden tener otros

patrones de demanda poco comunes y estos patrones variarn de acuerdo
con los das festivos. Cuando el da de San Valentn cae en fin de semana,
por ejemplo, no se envan flores a la oficina, y quienes se inclinan por el
romanticismo salen a celebrar en lugar de enviar flores. Si un da festivo cae
lunes, parte de la celebracin tambin se extendera el fin de semana,
disminuyendo la venta de las flores. Sin embargo, cuando el da de San
Valentn cae entre semana, los saturados horarios de los das hbiles suelen
hacer de las flores la manera idnea de festejar.
Como los envos de flores el da de la madre por el da de la madre en los
U.S.S.A. ocurre los sbados o domingos , el pronstico para este da festivo
vara menos.

Considerando los patrones especiales de la demanda,

muchas empresas de servicios mantienen registros de
sus ventas con notas que refieren no solo al da de la
semana si no tambin acontecimientos inusuales,
como el clima.

Los restaurantes de comida rpida estn preparados no solo para

enfrentar las variaciones en la demanda por semana, da y hora
sino incluso, para las variaciones de cada 15 minutos que influyen
en las ventas. En consecuencia, necesitan pronsticos detallados
de la demanda.
En la actualidad, empresas como Taco Bell usan computadoras en
los puntos de ventas que dan seguimiento a las ventas de cada
cuarto de hora. Taco Bell descubri que un promedio mvil de 6
semanas, era la nica tcnica de pronstico que minimizaba el
erros cuadrtico medio (MSE) en sus pronsticos de 15 minutos. El
modelo de pronstico de Taco Bell ha sido tan exitoso que, adems
de ayudarle a mejorar el servicio al cliente, tambin le ha reportado
ahorros en el costo de mano de obre que suman ms de 50
millones de dlares en 4 aos de uso.

 Propuesta en 1995, planear, pronosticar y resurtir en forma conjunta

(PPRC) se ha convertido en un instrumento basado en la WEB que se
usa para coordinar los pronsticos de la demanda, la planeacin de la
produccin y las compras y el resurtido de inventarios entre socios
comerciales en la cadena de suministro. La PPRC est siendo usada
como un medio para integrar a todos los miembros de una cadena de
suministro con n estratos, inclusive fabricantes, distribuidores y
minoristas.
Si bien podemos aplicar la metodologa a una industria cualquiera, las
aplicaciones de la PPRC hasta hoy se han concentrado principalmente
en las industrias de los alimentos, el vestido y las mercancas
generales. Los posibles beneficios de compartir informacin para una
mayor visibilidad de la planeacin en una cadena de suministro
cualquiera son enormes.

El objetivo de la PPRC es intercambiar informacin interna seleccionada en un

servidor web compartido a efecto de proporcionar visiones ms confiables, de
futuro a largo plazo, de la demanda en la cadena de suministro. Consta de los
siguientes cinco pasos:

El intercambio oportuno de informacin entre los socios comerciales permite tener

una visin confiable , de plazo ms largo , sobre la demanda de la cadena de
suministro. La visin futura basada en la informacin compartida desemboca en
diversos beneficios para las sociedades de la cadena de suministro.
Como ocurre en la mayora de las iniciativas empresariales nuevas, en este caso
hay escepticismo y resistencia al cambio. Uno de los mayores obstculos para la
colaboracin es la falta de confianza en que los socios de la cadena de suministro
estn compartiendo toda la informacin.

Desarrollar un sistema de pronstico no es una tarea fcil. No obstante,

debemos hacerlo por que los pronsticos son fundamentales para toda
actividad de planeacin. . En el corto plazo, los pronsticos son necesarios
para prever los materiales, los productos, los servicios y otros recursos
que necesitamos para responder a los cambios en la demanda. Los
pronsticos permiten adoptar los programas y las variaciones de trabajo y
materiales.
En resumen, pronosticar es difcil. Un pronstico perfecto es como hacer
un hoyo en uno en el golf; es magnfico conseguirlo, pero debemos
contentarnos con solo acercarnos a ganar la copa, para extender ms la
agona, con solo aterrizar en el grenn. La filosofa ideal es crear el mejor
pronstico razonablemente posible y de ah protegerse manteniendo la
flexibilidad del sistema para explicar el inevitable error de pronstico.