2. Pronóstico de la demanda.

• Un pronóstico es una predicción de eventos futuros que se utiliza con

propósitos de planificación.

• “Pronosticar es el arte y ciencia de predecir acontecimientos futuros”.

Las decisiones empresariales siempre se toman con información
insuficiente y con un margen de incertidumbre mayor o menor,
dependiendo del tiempo y los recursos que se destinan a la búsqueda y el
análisis de la información. Debemos entonces establecer algunas
suposiciones y actuar.
• Ejemplo:

El gerente de un restaurante de comida rápida necesita pronosticar el

número de clientes que llegaran a diferentes horas del día, y los productos
que solicitaran, pues solo así podrá programar correctamente el número
requerido de cocineros y empleados de mostrador.
Los métodos de pronóstico suelen basarse en modelos matemáticos que
utilizan los datos históricos disponibles, en métodos cuantitativos extraídos
de la experiencia administrativa o en una combinación de ambos.
• 2.1 Importancia estratégica del Pronóstico y la Demanda.

• El pronóstico es la base de la planeación corporativa a largo plazo.

• En las áreas funcionales de finanzas y contabilidad, los pronósticos
proporcionan el fundamento para la planeación de presupuestos y control
de costos.
• El marketing depende del pronóstico de ventas para planear productos
nuevos; el personal de producción y operaciones utiliza los pronósticos
para tomar decisiones periódicas que comprenden la selección de
procesos, la planeación de las capacidades y la distribución de las
instalaciones, así como para tomar decisiones continuas cerca de la
planeación de la producción, la programación y el inventario.

• El pronóstico de la demanda consiste en estimar las ventas de un

producto durante un determinado periodo futuro.
2.2 Características que definen a la Demanda.
2.2 Características que definen a la Demanda.
 2.3 Métodos Cualitativos para Estimar la Demanda

Cualitativa: suelen aplicarse a la etapa

uno del ciclo de vida de un producto y
son las siguientes:

Método Delphi: Es un proceso basado en la

consulta sistemática del juicio de personas
consideradas expertos. Es estructurado e
iterativo al ejecutarse mediante etapas para
alcanzar un consenso frente a una temática
en común.
Ejemplo:
• Como ventajas tenemos: • Generalmente es uno de los
• Puede ser anónimo. métodos que conllevan mas tiempo
de aplicación.
• Evita protagonismos entre
expertos. • Puede ser muy costoso.
• Hay diversidad de opiniones que • El cuestionario, al igual que los
son confrontadas entre si para ser expertos que se seleccionan, son
ajustadas. determinantes para obtener un
pronostico acertado.
• El consenso logrado puede
presentar un alto grado de
confiabilidad dependiendo de
selección de expertos.
Encuesta de mercado de consumo: Consiste en obtener la opinión o
percepción de un grupo de personas acerca de su proyección de consumo o
interés por un producto o servicio.

Ventajas: Desventajas:
• Es un método de aplicación flexible y • No permite evidenciar las emociones y
que se hace en un corto periodo de percepciones del individuo.
tiempo. • El diseño de la encuesta es
• Puede ser económico comprado con determinante para obtener un
otros métodos. pronostico acertado.
• No necesita personas experimentadas • Difícil aplicación para evaluar
para aplicar la encuesta. aspectos cualitativos.
• Facilita el análisis estadístico cuando
se tabulan las respuestas, según el
diseño de la encuesta.
Consulta a la fuerza de ventas: Con la técnica de consulta a la fuerza de
ventas te basas en la experiencia de quienes están en campo y tienen más
contacto con los clientes: Los vendedores. Se basa en la experiencia y
percepción de cada vendedor.

Ventajas: Desventajas:
método incluyente: tiene en cuenta • La estimación del vendedor puede
al vendedor. ser no confiable:
Permite hacer comparaciones de la • Vendedor pesimista
estimación de cada vendedor para • Vendedor conservador
diseñar estrategias.
Permite hacer pronósticos
agrupados- zonas mas grandes.
Jurado de opinión ejecutiva es una técnica que se basa en la experiencia y los
conocimientos técnicos de los altos mandos de la empresa para llegar a un
consenso con el fin de pronosticar la demanda.

Ventajas: Desventajas:
• Método ágil al involucrar • Desconoce el trabajo en campo.
únicamente a los altos mandos. • Puede generar conclusiones
• Es de bajo costo a comparación ambiguas al ser un método basado
con otros. en la experiencia de ejecutivos.
Un grupo de consenso son las personas que expresan su opinión o
percepción frente a un tema en particular para tomar una decisión.
Por ejemplo tocando el ámbito empresarial, para hacer un pronóstico de
demanda, los grupos de consenso están conformados por vendedores, jefes y
gerentes, siendo vendedores el nivel operativo, los jefes el táctico y gerentes el
estratégico.

• Ventajas: • Desventajas:
• Método de bajos costo. • Intimidación ante niveles
• Pertinencia en las respuestas al superiores en un ámbito de
involucrar diferentes niveles reunión.
jerárquicos. • Puede ser de lenta aplicación
dependiendo del tamaño de la
empresa.
Analogía de productos similares: Su predicción de la demanda se basa
en el comportamiento de las ventas de un producto similar o modelo. La
comparación puede ser realizada con un producto sustituto o
complementario.
2.4 Métodos Cuantitativos para estimar la demanda.

• Se emplean cuando la situación es estable y existen datos históricos:

• Productos existentes.
• Tecnología actual.
2.4 Métodos Cuantitativos para estimar la demanda.

Métodos de series de tiempo

• Definamos serie de tiempo como una sucesión de datos en un
periodo de tiempo.
• Los siguientes métodos cuantitativos se basan en la demanda
pasada para predecir la futura por medio de los datos
históricos de un periodo anterior.
 2.4 Métodos Cuantitativos para estimar la demanda.

• Promedio simple:
Se aplica promedio sobre los datos históricos de ventas. Útil cuando la
demanda no presenta estacionalidad o tendencia.

Generalmente usado cuando en la demanda no

detectamos estacionalidad o tendencia, el
promedio simple se define como un método de
pronóstico de fácil realización, útil cuando se
supone que la demanda permanecerá estable a
través del tiempo, sin tendencia o
estacionalidad.
IngE es una compañía productora de alimentos para
gato y requiere calcular el pronóstico de demanda con
el método de media o promedio móvil simple,
considerando un periodo de 3 meses.
Ejercicio 1
IngE es una compañía productora de alimentos para gato y
requiere calcular el pronóstico de demanda con el método de
media o promedio móvil simple, considerando un periodo de 3
meses.
• Promedio ponderado:
Similar al promedio simple pero con la diferencia que en éste método calcula el
pronóstico asignando nivel de importancia o peso ponderado a unos elementos de
tiempo por sobre otros.

Realmente no hay una regla general que nos diga qué ponderación elegir. La experiencia y el
análisis de la demanda suelen ser decisorios para determinar la importancia en la ponderación.
Sin embargo, se suele considerar que en el cálculo de pronósticos es más importante la
demanda reciente, pues ante ausencia de datos, es el indicador más fiel que tenemos para el
próximo periodo.

En nuestra formula de promedio, la suma de las ponderaciones debe ser igual a 1.

Con esto en mente vamos a nuestro ejemplo.
Ejemplo:
IngE es una compañía productora de alimentos para perro y requiere calcular el pronóstico de demanda con
el método de media móvil ponderada. Para la empresa, la demanda pasada reciente es la más importante y le asignan
un peso de 50%. La demanda intermedia tiene un peso de 30% y la más lejana de 20%.

En este ejemplo de promedio ponderado, para

calcular el pronóstico de demanda del periodo 4,
multiplicamos el periodo 3 (el más reciente) por 50%,
el periodo 2 (el intermedio 2) por 30% y el periodo 1
(el más lejano) por 20%. El resultado de cada
producto lo sumamos y obtuvimos 139.

Para pronosticar el siguiente periodo, multiplicamos

la demanda real (la que obtuvimos, no la
pronosticada) del periodo 4 por 50%, la del periodo
3 por 30% y la demanda del 2 por 20%.
Gráfica:
• Suavización exponencial:
Requiere el pronóstico anterior, la demanda real del periodo de pronóstico y una
constante de suavizamiento. Útil cuando se cuenta con pocos datos históricos.

A diferencia de los métodos de promedio móvil simple y ponderado, este método no necesita de
gran volumen de datos históricos de la demanda. Por ende cada vez que se calcula el pronóstico, se
remueve la observación anterior y es reemplazada por la demanda más reciente, y aquí es donde
radica la ventaja.

• Formulación es sencilla, pues solo requiere el pronóstico anterior, la demanda

real del periodo de pronóstico y la constante de suavización, como ya lo
Ventajas del veremos más adelante.
método de
• No requiere de gran volumen de datos históricos.
suavización
exponencial • Al ser un modelo exponencial, es más preciso.

simple • Es flexible al conseguir darle más importancia a la demanda más reciente o a

la antigua.
Su desventaja, al igual que los métodos de promedio móvil, es la respuesta a la tendencia. Aun cuando
un valor de alfa (α) logra responder frente a cambios en el promedio, cambios sistemáticos de este harán
más grande el error de pronóstico. Es tan así, que cuando se está aplicando un alfa mayor a 0.5 con
buenos resultados, optar por el alisado exponencial doble suele ser mejor idea.

El método de suavización exponencial simple trabaja a través de una constante de suavización alfa (α)
que tiene un valor comprendido entre 0 y 1, aunque en la aplicación real su valor suele variar entre 0,05 y
0,50.

La fórmula de suavizamiento exponencial es la siguiente:

Donde
Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α = constante de suavización
At-1= demanda real del periodo anterior
Ejemplo:
• Ejemplo de suavización exponencial
• Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la ciudad
capital de un país. Por ser la ciudad que congrega más habitantes, han decidido
comenzar ofreciendo servicio de seguro para coches.
• Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán
contratados por las personas de la ciudad capital, para lo cual usarán como dato inicial
los seguros de vehículos contratados en otra ciudad con menos habitantes pero con
mayor posicionamiento en el mercado.
• El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por
personas, pero la demanda para ese periodo fue de 3200. La compañía según su criterio
asigna α=0,35.
• La demanda del próximo periodo es:
Ft= 2869+0.35(3200-2869)=2984.85
• Este mismo ejercicio lo realizó a través del año, obteniendo la siguiente tabla comparativa
entre lo realmente obtenido (demanda – segunda columna) y lo pronosticado en ese
momento (tercer columna).
Suavización exponencial doble:
Es una modificación del suavizamiento exponencial simple.
Agrega una constante de suavización delta (δ), cuya función es reducir el error que ocurre
entre la demanda real y el pronóstico.

Referirse a tendencia significa hablar de un

incremento o decremento sobre el promedio de
la serie de tiempo. Otros métodos como
promedios móviles y suavización exponencial
simple no consiguen prever la tendencia con
anterioridad, sin embargo una modificación a
éste último lo logra, dando origen a
otro método para pronosticar la demanda,
modelo de holt o suavización exponencial
doble.
Con este método se agrega una constante
de suavización delta (δ), cuya función es
reducir el error que ocurre entre la demanda
real y el pronóstico. Otros autores usan
como constante la letra griega beta (β), es
lo mismo.
 El método de suavización exponencial con ajuste a la tendencia requiere de dos constantes de
suavización: alfa (α) y delta (δ). Su valor puede estar entre 0 y 1, pero a nivel práctico varía entre 0,05
y 0,50.
¿Cómo escoger los valores más adecuados? Los criterios para definir los valores de las constantes
son similares al método de suavización simple.
Para alfa dependerá de la importancia que otorgamos a datos recientes (alfa α más elevada) o a datos
más antiguos (alfa α más bajo).
El delta funciona similar. Un δ elevado responde con más velocidad a los cambios en la tendencia,
mientras que un δ inferior tiende a suavizar la tendencia actual, dando menos peso a los datos
recientes.

Las fórmulas
para calcular
cada
componente
son las
siguientes:
• Donde:
• Ft= Pronóstico suavizado exponencialmente con la serie de datos del periodo t
• Tt= Tendencia suavizada para el período t
• At= Demanda real para el período t
• Alfa α= Constante de suavizamiento para el promedio
• Delta δ= Constante de suavizamiento para la tendencia
• FITt= Pronóstico de demanda con tendencia
 Ejemplo:
• IngE es una empresa productora de alimento para peces y requiere calcular el pronóstico de
demanda con el método de suavizado exponencial con corrección por tendencia para los
próximos meses.
• El pronóstico de demanda del período 1 fue de 1500, pero las ventas reales fueron de 1132 y la
tendencia en ese momento fue de 150. La compañía asigna un α=0,10. Prevén una tendencia
alcista en próximos meses, por lo que definen δ=0,30.

El primer paso es determinar el pronóstico suavizado para el período 2:

Con el pronóstico suavizado, calculamos la tendencia para el período 2:

Por último determinamos nuestro pronóstico con ajuste a la tendencia, que es simplemente una suma:
Para el período 2, IngE pronostica una demanda de 1732,66 unidades de alimento para peces.
Con el mismo procedimiento, logramos calcular el pronóstico de demanda para los próximos meses:
Eso, graficando la demanda y nuestro pronóstico ajustado con tendencia
(segunda y última columna) se ve así:
• Para qué calcular el error pronóstico
• ¿Qué utilidad tiene calcular el error de pronóstico de demanda? Su cálculo nos
permite tomar decisiones frente a qué método de pronóstico es el mejor y logran
detectar cuando algo en nuestra previsión de la demanda no está marchando bien,
con lo que conseguimos cambiar el rumbo de nuestras decisiones a fin tomar las
mejores elecciones.
• Hay dos fuentes de error en pronósticos: Sesgados y aleatorios.
• El primero, también llamado sistemático es ocasionado por un error constante, por
ejemplo una mala interpretación de la demanda, usar variables incorrectas o con
relaciones equivocadas. Este tipo de error se verá minimizado de acuerdo a la
experticia del administrador de operaciones.
• El error aleatorio es aquel que no tiene explicación, es decir, es el error originado por
factores imprevisibles y por ende no se conoce qué es lo que lo causa.
• Con esto en mente, debemos tener claro que siempre va a haber error en el cálculo
de un pronóstico de demanda. En la práctica, se intenta minimizar ambos tipos de
errores eligiendo el mejor método de pronóstico, y es por eso que existen la medición
del error en pronósticos de demanda.
Suma acumulada de errores de
pronóstico (CFE)
Es la medida más básica de todas y es
la que da origen a las demás. Es la
suma acumulada de los errores de
pronóstico. Nos permite evaluar el
sesgo del pronóstico. Por ejemplo, si
a través de los periodos el valor real de
la demanda siempre resulta superior al
valor de pronóstico, la CFE será más
grande, indicando la existencia de
un error sistemático en el cálculo de
la demanda.
Desviación media absoluta (MAD)
Mide la dispersión del error de pronóstico o
dicho de otra forma, la medición del tamaño
del error en unidades. Es el valor absoluto de
la diferencia entre la demanda real y el
pronóstico, dividido sobre el número de
periodos.

Error cuadrático medio (MSE)

Al igual que la DAM, el MSE es una medida
de dispersión del error de pronóstico, sin
embargo esta medida maximiza el error al
elevar al cuadrado, castigando aquellos
periodos donde la diferencia fue más alta a
comparación de otros. En consecuencia, se
recomienda el uso del MSE para periodos con
desviaciones pequeñas.
2.5 Monitoreo y control de los
pronósticos
Los especialistas siempre están tratando de hacer mejores estimaciones acerca de lo que
ocurrirá en el futuro al afrontar la incertidumbre. El propósito fundamental de los
pronósticos es hacer buenas estimaciones en las cuales basar los modelos para la toma de
decisiones. Los pronósticos constituyen la problemática fundamental dentro de la gestión
de la actividad de una empresa debido a la complejidad de los problemas encontrados
cuando se pronostica y a su impacto sobre todas las decisiones de la empresa.
Una situación muy particular presenta la previsión de la demanda de piezas de repuesto,
dada la gran cantidad de surtidos que se deben proporcionar, el elevado grado de
variabilidad en la demanda de estas producciones y la importancia que posee la
disponibilidad de estas piezas para el equipamiento que las utiliza, ya que la disponibilidad
en tiempo de las mismas garantiza la continuidad del proceso productivo en el cual esté
inmiscuido el equipamiento que la utiliza dentro de una determinada empresa. Es por ello,
que se debe asegurar un elevado nivel de precisión en la previsión de la demanda de este
tipo de productos.
Error porcentual medio absoluto (MAPE)
El MAPE nos entrega la desviación en términos porcentuales y
no en unidades como las anteriores medidas. Es el promedio del
error absoluto o diferencia entre la demanda real y el pronóstico,
expresado como un porcentaje de los valores reales.
Cómo calcular las medidas de error de pronóstico
En este ejemplo de errores de pronóstico, tomamos la empresa IngE que vende televisores y su
demanda a través del año fue la siguiente:

Igualmente a través del año la empresa pronosticó la demanda con el

método de promedio móvil simple. Estos fueron los resultados:
Para calcular cada una de las medidas de error mostradas hasta ahora:
•En una columna para cada periodo calculamos el error de pronóstico
hallando la resta entre la demanda real y el pronóstico.
•En otra columna restamos en valor absoluto la demanda real con el
pronóstico para cada periodo. Lo que en otras palabras vendría siendo el
valor absoluto del error de pronóstico. Esto lo hacemos para calcular el
MAD.
•En otra columna elevamos al cuadrado el error de pronóstico de cada
periodo. Esto lo hacemos para calcular el MSE.
•En otra columna, dividimos la demanda real / mad.
•Hacemos la suma de los resultados que obtuvimos para cada periodo en
cada columna.
Lo descrito anteriormente en nuestro ejercicio sería algo como
esto:
Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio móvil simple
tiene n=3, por ende en los tres primeros periodos no tenemos pronóstico de demanda.
Hecho esto, ya estamos a un paso de obtener nuestras medidas de error.
Teniendo en cuenta que el número de periodos que pronosticamos es de 12:
•La suma acumulada de errores de pronóstico es 27. Ya la teníamos calculada al hacer la
sumatoria en la columna de error de pronóstico.
•La desviación absoluta media (MAD) la calculamos dividiendo 97 entre 12.
•El error cuadrático medio (MSE) lo calculamos dividiendo 1081 entre 12.
•Dividimos 182% entre 12 para calcular el error porcentual absoluto medio (MAPE)
Esto es lo que obtenemos:
¿Cómo sería esto en nuestro ejemplo? Para nuestro siguiente ejemplo vamos a
considerar únicamente métodos de pronóstico cuantitativos: promedio móvil
simple, promedio ponderado, suavización exponencial simple y suavización exponencial
doble. La demanda la calculamos a partir del periodo 4 hasta el período 15.
El n a usar en el promedio simple es de 3. En el promedio ponderado usaremos pesos
de 40%, 30% y 30% para el periodo más reciente, intermedio y más lejano
respectivamente. La constante de suavización alfa en el alisado exponencial será de 0,4.
La constante de suavización alfa y delta en el alisado exponencial doble ambas serán de
0,3.
Con estos datos ya tenemos para determinar por medio de las medidas de error, cuál
es el mejor método durante los 12 periodos de medición:
En este artículo se presenta un procedimiento general para la previsión de la demanda
de las piezas de repuesto basado en su fiabilidad operacional a partir de la filosofía que
caracteriza al sistema y considerando la influencia del mismo en el mejoramiento de la
Gestión del Mantenimiento del equipamiento.
Seguimiento de la implantación del procedimiento.
En consecuencia, el contenido de cada uno de ellos, plantea los pasos a desarrollar
para prever la demanda de piezas de repuesto basado en su fiabilidad, llegándose, en
ocasiones, a definir las técnicas específicas a utilizar.