24/09/2019

ESCUELA POLITÉCNICA SUPERIOR

Ingeniería de Organización

DISEÑO DE SISTEMAS PRODUCTIVOS Y LOGÍSTICOS

Tema 3: Previsión de la demanda

Objetivos y bibliografía del tema

• Objetivos
– Comprender los efectos sobre la gestión de la C.S. que tiene
la naturaleza aleatoria de la demanda
– Comprender los fundamentos estadísticos e hipótesis de los
métodos de previsión más usuales
– Ser capaces de valorar la adecuación y utilidad de las
herramientas de previsión a contextos realistas de aplicación
• Principales fuentes bibliográficas
– Capítulo 7. Chopra y Meindl. Supply Chain Management.
Strategy, Planning & Operation. Pearson-Prentice Hall.

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 2
demanda

1
 24/09/2019

Índice

• Introducción a la previsión de demanda

• Métodos de previsión de la demanda

• Utilización de series temporales

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 3
demanda

Planificación
venta
Proveedores
Planificación

iento

Retornos
Distribución
Aprovisionam

Fabricación

fabricación
distribución

• Son las actividades necesarias para organizar las operaciones en

las categorías de aprovisionamiento, fabricación y distribución,
de acuerdo con la demanda prevista
• Principales actividades de planificación:
– Previsión de la demanda
– Planificación agregada
– Gestión de inventarios
– Tarificación
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 4
demanda

2
 24/09/2019

Previsión de la demanda
venta
• Es la base para la planificación de Proveedores
fabricación
todas las actividades de la C.S. distribución

• Suele combinar información

cuantitativa y cualitativa
• Depende mucho del producto:
– Incierta en mercados en expansión o en decrecimiento
– Especialmente complicada para nuevos productos (no hay
datos históricos)
– Productos sustitutivos, estacionalidad…
• Las previsiones sucesivas de un escalón de la C.S. sobre
el siguiente producen distorsiones => ventaja en
cooperar entre escalones para reducir el error
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 5
demanda

Usos de la previsión. Áreas funcionales

• Orientación al cliente: los procesos de planificación deben arrancar
de una previsión de la demanda futura
• Son el punto de partida de la planificación en distintas áreas
funcionales, p.e.:
– Producción y operaciones: Selección de procesos, planificar
capacidades, programación de la producción, políticas de inventarios…
– Finanzas y contabilidad: realizar presupuestos, necesidades de
financiación, control de costes…
– Marketing: Planificar lanzamiento de productos, elaborar políticas
retributivas para los vendedores…

Ingeniería de Organización. MUII-DSPL. T3: Previsión de

Escuela Politécnica Superior 6
la demanda

3
 24/09/2019

Usos de la previsión. Niveles de planificación

• Previsión para el nivel estratégico. P.e.:

– Establecer la estrategia general para satisfacer la demanda
– Ubicación de las instalaciones y estrategias de distribución
– Capacidad instalada en cada área geográfica
– Diseño de procesos productivos y de servicios
• Previsión para el nivel táctico. P.e.:
– Establecimiento de niveles de inventario a lo largo de la
cadena
– Dimensionamiento de la plantilla, utilización de la capacidad
instalada
Ingeniería de Organización. MUII-DSPL. T3: Previsión de
Escuela Politécnica Superior 7
la demanda

Tipos de demanda

• Demanda independiente
– No se deriva directamente de la demanda de
otros productos
ventas
– Ej: ordenadores
– Se estima mediante modelos de previsión
t
• Demanda dependiente
– Es la demanda de un producto provocada por la
demanda de otro producto
– Ej. CPU, pantalla...
– Se calculan las necesidades en función de la
demanda estimada del producto que la provoca

Ingeniería de Organización. MUII-DSPL. T3: Previsión de

Escuela Politécnica Superior 8
la demanda

4
 24/09/2019

Previsión frente a planificación de la demanda

• Previsión de la demanda
– Se adopta un papel pasivo frente a la demanda
ventas
– Objetivo: Estimar el valor de la demanda sin
tratar de influir en su valor
t
– Se utilizan modelos de previsión, como los que
se verán en este tema
• Planificación de la demanda
– Se adopta un papel activo frente a la demanda
– Objetivo: Influir en el comportamiento de la ventas
demanda
– Se utilizan herramientas de promoción:
rebajas, ofertas, campañas publicitarias… t

– Se verá en el tema siguiente, conjuntamente

con la planificación de la oferta
Ingeniería de Organización. MUII-DSPL. T3: Previsión de
Escuela Politécnica Superior 9
la demanda

Aspectos clave de la previsión de la demanda

• “La previsión es siempre errónea”
– Es imprescindible estimar también el error de previsión
• La previsión de demandas agregadas es más precisa que la de productos
individuales (pooling variability)
• Relación directa con inventarios: los errores de previsión se materializan en
costes del inventario
– Costes de carencia (errores negativos)
– Costes de tenencia de inventarios (errores positivos)
• Las previsiones sobre un horizonte temporal corto suelen ser más precisas
– Punto a favor de los sistemas con tiempos de entrega cortos
• La imprecisión de la previsión aumenta con la distancia de la empresa al
consumidor final, efecto látigo (Bullwhip)

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 10
demanda

5
 24/09/2019

Efectos de la naturaleza aleatoria de la

demanda: "La previsión es siempre errónea"
• ¿Cuál sería la mejor previsión para una variable aleatoria con un
registro histórico de demanda mensual como el siguiente?

Semana 1 2 3 4 5 6 7 8 9 10 11 12
Demanda
1 5 6 1 2 5 1 3 1 3 4 1
semanal

• Teniendo en cuenta que:

– La previsión busca aquel valor que minimiza el error de previsión
(diferencia entre el valor previsto y el valor demanda correspondiente)
– La previsión no busca establecer el nivel de inventario necesario para
hacer frente a la demanda. Ese cálculo se realizará posteriormente, a
partir de las previsiones de demanda, utilizando métodos de gestión de
inventarios
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 11
demanda

Variables aleatorias y funciones de

probabilidad (recordatorio)
• Función de probabilidad: es la descripción más precisa posible de una variable
aleatoria independiente (p.e. demanda futura).
• En los modelos que involucran variables aleatorias se utilizan distintos tipos de
funciones de probabilidad, según el tipo de variable aleatoria (continua o
discreta) y según la definición de la probabilidad (puntual o acumulada):
– Función de densidad de probabilidad (Función de probabilidad puntual)
• Ejemplos: Normal Poisson

1 ( ) 
f x = 𝑒 f x =
  !
𝜎 2𝜋
Fuente: CC BY-SA 3.0, https://commons. Fuente: Skbkekas CC BY 3.0
wikimedia.org/w/index.php?curid=84811

– Función de distribución de probabilidad (Función de probabilidad acumulada)

F(x) tabulada (la

𝑒 𝜆
f. de densidad no F x =
es integrable) 𝑥!
Fuente: https://commons.wikimedia.org
/w/index.php?curid=3817960 Fuente: CC BY-SA 3.0
Ingeniería de Organización. MUII-DSPL. T3: Previsión de
Escuela Politécnica Superior 12
la demanda

6
 24/09/2019

Propiedades y medidas estadísticas

características (recordatorio)
• Propiedad básica de f(x):
– Variables continuas ∫ 𝑓 𝑥 𝑑𝑥 = 1
– Variables discretas: ∑ 𝑝(𝑥 ) = 1 (rango de x: x1…xn)
• Relación entre f(x) y F(x):
– Variables continuas 𝐹 𝑥 = ∫ 𝑓 𝑡 𝑑𝑡

– Variables discretas: F(xj)=∑ 𝑝(𝑥 ) (rango de x: x1…xn)

• Media:
– Variables continuas μ = 𝐸 𝑥 = ∫ 𝑥𝑓 𝑥 𝑑𝑥
– Variables discretas: μ = 𝐸 𝑥 = ∑ 𝑥 𝑝(𝑥 ) (rango de x: x1…xn)
• Varianza:
– Variables continuas 𝜎 = 𝑉𝑎𝑟 𝑥 = ∫ (𝑥 − μ) 𝑓 𝑥 𝑑𝑥
– Variables discretas: 𝜎 = 𝑉𝑎𝑟 𝑥 = ∑ (𝑥 − μ) 𝑝(𝑥 )(rango de x: x1…xn)

Ingeniería de Organización. MUII-DSPL. T3: Previsión de

Escuela Politécnica Superior 13
la demanda

Demanda como proceso estocástico

• Variable estocástica: variable aleatoria que evoluciona en el tiempo
• La demanda futura es, en general, una variable estocástica
• Caso particular: la distribución de probabilidad de la demanda se mantiene
constante en el tiempo (no depende de t)
– El mejor estimador para la demanda sería su media (μ = 𝐸 𝑥 = ∫ 𝑥𝑓 𝑥 𝑑𝑥 )
10
D
5

0
t
• Caso general: la distribución de probabilidad de la demanda varía con el
tiempo
– El mejor estimador para la demanda seguiría siendo su media, pero ésta sería
diferente en cada instante
15
D
10

0
t
Ingeniería de Organización. MUII-DSPL. T3: Previsión de
Escuela Politécnica Superior 14
la demanda

7
 24/09/2019

Agregar aumenta la precisión de la previsión

• Ejemplo:
– Dadas dos demandas:
• Demanda 1: con una distribución de probabilidad entera U(1,6)
• Demanda 2 : suma de las demandas de 2 productos, cada uno de llos
con distribución de probabilidad entera U(1,6)

– ¿Cuál de las tendrá una variabilidad relativa mayor?, esto es

un coeficiente de variación= mayor

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 15
demanda

Factores que influyen en la previsión

• Factores a tener en cuenta:

– Demanda pasada
– Tiempo de entrega (lead time, LT) del producto
– Publicidad prevista y promociones
– Estado de la economía
– Descuentos previstos
– Acciones de los competidores
• Ejemplo: Previsión de la demanda eléctrica
https://demanda.ree.es/demanda.html

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 16
demanda

8
 24/09/2019

Índice

• Introducción a la previsión de demanda

• Métodos de previsión de la demanda

• Utilización de series temporales

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 17
demanda

Esquema de métodos de previsión

Media móvil

Series Alisado
Cualitativos
temporales exponencial
Métodos de
previsión
Cuantitativos Causal Winters

Simulación

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 18
demanda

9
 24/09/2019

Métodos de previsión
• En general no se usa un solo método sino que se usa una combinación
de varios métodos para elaborar la previsión de cada producto
• Cualitativos
– Subjetivos. Basado en juicios de expertos
– Apropiados cuando no hay datos históricos
– Previsión de demanda a largo plazo
• Cuantitativos
– Cuando hay datos históricos
– Series temporales: Los datos pasados son representativos del futuro
– Causales: La demanda tiene una relación predecible con determinados
factores observables
– Simulación: Proporciona un entorno flexible que permite imitar las decisiones
de los consumidores, que generan la demanda de un producto
• Aquí veremos únicamente ejemplos de series temporales
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 19
demanda

Índice

• Introducción a la previsión de demanda

• Métodos de previsión de la demanda

• Utilización de series temporales

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 20
demanda

10
 24/09/2019

Patrones de demanda
D10
5

0 t
1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00
15
Con tendencia
D
10

0 t
1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00
15
D Con estacionalidad
10

0 t
1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00
Con tendencia y
15
D estacionalidad
10

0 t
1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 21
demanda

Componentes de la demanda

• Una observación de la demanda se puede dividir en:

Demanda observada (O) = Componente sistemática (S) + Componente aleatoria (R)

La parte que se desvía de la

Valor esperado de la demanda. Se
parte sistemática (Error)
puede descomponer a su vez en:

L: Nivel (Level)
T: Tendencia
S: Estacionalidad

• La previsión debe:
– Prever la componente sistemática
– Vigilar la componente aleatoria (error)

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 22
demanda

11
 24/09/2019

Series temporales
• Objetivo: Prever la componente sistemática
• La ecuación que combina las componentes de la previsión
puede ser variada:
– Multiplicativa: Comp. Sistemática=Nivel·Tendencia·Estacionalidad
– Aditiva: Comp. Sistemática=Nivel + Tendencia + Estacionalidad
– Mixta: Comp. Sistemática= (Nivel + Tendencia)·Estacionalidad
• Por otro lado los métodos pueden ser:
– Estáticos : Elaboran la previsión para varios periodos futuros a
partir de un histórico
– Adaptativos: Realizan lo mismo que los estáticos y además van
actualizando los parámetros de cálculo de la previsión a medida
que se van obteniendo nuevos datos históricos
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 23
demanda

Previsión mediante la media móvil

• El método de la media móvil es aplicable en casos de
demanda sin tendencia y sin estacionalidad
– Componente sistemática= Nivel
– EL nivel en el periodo t se estima como la media de las N
últimas observaciones
(D t  D t  1  ...  D t  N  1 )
L t 
N
– La previsión para el siguiente periodo sería:
F t 1  L t

– Método estático:
F t i  L t para todo periodo i posterior

– Método adaptativo:
(D t  1  D t  ...  D t  N  2 ) F  L
L t  1  t 2 t 1
N
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 24
demanda

12
 24/09/2019

Error de previsión
• Error= Previsión– Demanda real E t  Ft  D t

• Estimadores de la varianza del error: n

2
 E 2t
– Error cuadrático medio ˆ  ECM  t1
error
n

– Desviación absoluta media: MAD (Mean Absolute Deviation)

n


t 1
Et
MAD n 
n
• Bajo la hipótesis de que el error se distribuye normalmente:

σ̂ error  1 ,25 * MAD

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 25
demanda

Monitorización del error de previsión

• Sesgo:
n
Bias n  E
t 1
t

• Señal de rastreo: TS (Tracking signal)

Bias t
TS t 
MAD t

– La señal de rastreo se debe mantener en el rango (-6,+6)

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 26
demanda

13
 24/09/2019

Previsión mediante alisado exponencial

• El método del alisado exponencial es aplicable, al igual que la media móvil,
en casos de demanda sin tendencia y sin estacionalidad
– Componente sistemática= Nivel
– Primera previsión, realizada en el periodo t para el t+1: media de las N últimas
observaciones
𝐷 +𝐷 +⋯+𝐷 𝐹 =𝐿
𝐿 =
𝑁
Ft+1: previsión de demanda para el periodo t+1
Dt: demanda observada en el periodo t

– Método estático:
𝐹 =𝐿 para todo periodo i posterior

– Método adaptativo. Se calcula de forma recursiva:

Constante de
𝐹 = 𝛼𝐷 + 1−𝛼 𝐹 = 𝛼𝐷 + 1−𝛼 𝐿 alisado, α:

𝐹 =𝐿 = 𝛼𝐷 + 1−𝛼 𝐹 0 1
Ingeniería de Organización. MUII-DSPL: Previsión de la
Escuela Politécnica Superior 27
demanda

Interpretaciones de la fórmula recursiva

• En función de los valores de demanda
𝐷 +𝐷 +⋯+𝐷
𝐹 =𝐿 =
𝑁
𝐹 = 𝛼𝐷 + 1−𝛼 𝐹 = 𝛼𝐷 + 1−𝛼 𝐿

𝐹 = 𝛼𝐷 + 1−𝛼 𝐹 = 𝛼𝐷 +𝛼 1−𝛼 𝐷 + 1−𝛼 𝐿

𝐹 = 𝛼𝐷 + 1−𝛼 𝐹 = 𝛼𝐷 +𝛼 1−𝛼 𝐷 +𝛼 1−𝛼 𝐷 + 1−𝛼 𝐿

– Ej. Con α=0,1

𝐹 = 0,1 𝐷 + 0,9 𝐹 = 0,1 𝐷 + 0,9 𝐿

𝐹 = 0,1 𝐷 + 0,9𝐹 = 0,1 𝐷 + 0,09 𝐷 + 0,81 𝐿

𝐹 = 0,1 𝐷 + 0,9 𝐹 = 0,1 𝐷 + 0,09 𝐷 + 0,081 𝐷 + 0,729 𝐿

• En función de la previsión y el error

– Dada las previsión de demanda realizada en el periodo t. Y conocido
que: 𝐸 = 𝐹 −𝐷 ⇒ 𝐷 = 𝐹 −𝐸
𝐹 = 𝛼𝐷 + 1 − 𝛼 𝐹 = 𝛼𝐹 − 𝛼𝐸 + 1 − 𝛼 𝐹 = 𝐹 − 𝛼𝐸
Ingeniería de Organización. MUII-DSPL. T3: Previsión de
Escuela Politécnica Superior 28
la demanda

14
 24/09/2019

Ejemplos de factores de alisamiento

• Valores de los coeficientes de alisamiento de cada sumando, dependiendo
del valor de α (el primero es el que afecta al último dato histórico
disponible de demanda):
Ft+2 Ft+3 Ft+4 Ft+8 Ft+12
1
α=0,1 1 1 1 1
0,5 0,5 0,5 0,5 0,5
0 0
0 0 0
1 2 1 2 3 1 2 3 4 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 101112

𝐹 = 0,1 𝐷 + 0,9 𝐿 𝐹 = 0,1 𝐷 + 0,09 𝐷 + 0,81 𝐿

Ft+2 Ft+3 Ft+4 Ft+8 Ft+12

α=0,2 1 1 0,6 1 1
0,4
0,5 0,5 0,5 0,5
0,2
0 0 0 0 0
1 2 1 2 3 1 2 3 4 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 101112

Ft+2 Ft+3 Ft+4 Ft+8 Ft+12

α=0,4 1 1 1 1 1

0,5 0,5 0,5 0,5 0,5

0 0 0 0 0
1 2 1 2 3 1 2 3 4 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 101112

Ingeniería de Organización. MUII-DSPL: Previsión de la

Escuela Politécnica Superior 29
demanda

15