Ninethe Suarez

ndice
1.
2.

Introduccin...............................................................................................................4
La Demanda...............................................................................................................4
2.1. Administracin de la demanda..........................................................................4
3. Los pronsticos..........................................................................................................5
3.1. Clasificacin......................................................................................................5
3.1.1.
Pronstico a corto plazo................................................................................5
3.1.2.
Pronstico a mediano plazo...........................................................................5
3.1.3.
Pronstico a largo plazo................................................................................5
3.2. Tipos de Pronstico...........................................................................................5
3.2.1.
Econmico.....................................................................................................5
3.2.2.
Tecnolgico...................................................................................................5
3.2.3.
De Demanda..................................................................................................6
3.3. Enfoques............................................................................................................6
3.3.1.
Cuantitativo...................................................................................................6
3.3.2.
Cualitativo.....................................................................................................7
3.4. Modelos.............................................................................................................8
3.4.1.
Mtodo Delphi...............................................................................................8
3.4.2.
Modelos bsicos de promedio.....................................................................11
3.4.3.
Media mvil simple.....................................................................................12
3.4.4.
Datos histricos...........................................................................................13
3.4.5.
Suavizamiento Exponencial........................................................................14
3.4.6.
Anlisis de regresin...................................................................................14
3.4.7.
Serie de Tiempo...........................................................................................15
3.4.7.1.
Representacin de una Serie Temporal...................................................15
3.4.7.2.
Componentes de una serie temporal........................................................15
3.4.7.2.1. Tendencia.................................................................................................15
3.4.7.2.2. Variaciones estacionales..........................................................................16
3.4.7.2.3. Variaciones cclicas.................................................................................17
3.4.7.2.4. Variaciones residuales.............................................................................17
3.4.7.3.
Anlisis de la tendencia...........................................................................17
3.4.7.4.
Mtodo Grfico.......................................................................................17
3.4.7.5.
Modelo de Winter....................................................................................18
3.5. Paquetes de cmputo para pronstico.............................................................23
3.5.1.
Paquetes estadsticos...................................................................................23
3.5.2.
Paquetes de pronstico................................................................................23
3.5.3.
Caractersticas de algunos de los paquetes ms actuales.............................24
3.6. Seleccin de un mtodo de pronstico............................................................25
3.6.1.
Sofisticacin del usuario y del sistema........................................................26
3.6.2.
Tiempo y recursos disponibles....................................................................26
3.6.3.
Horizonte de tiempo y disponibilidad de datos...........................................27
3.6.4.
Patrn de datos............................................................................................27
3.6.5.
Resultados....................................................................................................28
3.7. Clasificacin de la demanda............................................................................28
3.7.1.
Patrones de la Demanda..............................................................................29

3.7.2.
Movimientos de la demanda........................................................................30
3.7.3.
Demanda dependiente e independiente.......................................................31
3.7.4.
Demanda discreta y contina.......................................................................31
3.8. Conclusiones....................................................................................................32
4. Bibliografa..........................................................................................................33

1. Introduccin
Toda empresa, ya sea una Gran Empresa o una PyME, necesita conocer como
se esta comportando el mercado para poder realizar una planificacin en su
produccin, para que sea eficiente y efectiva, y ser capaz de sobrevivir en este
ambiente competitivo globalizado.
Por supuesto, este comportamiento no es esttico, cambia de acuerdo a
muchas variables internas y externas de cada sitio en donde se desempea la
empresa. Por lo tanto, no puede predecirse con exactitud como se
desenvolver en un futuro el mercado.
La intencin de este trabajo prctico es mostrar una herramienta utilizada para
visualizar el comportamiento de las personas con respecto al consumo de
productos o servicios en un tiempo futuro. Pronstico de la Demanda constituye
la herramienta que aporta la informacin que nos ayuda a tomar decisiones con
respecto a los procesos que debemos utilizar, planificacin de la capacidad, a
la planificacin de la produccin, programacin de tareas y al inventario
Que es Pronstico?
Pronstico es el proceso de estimacin un acontecimiento, proyectando datos
del pasado hacia el futuro.
Hay que considerar que un Pronstico, no es la verdad absoluta, sino es una
aproximacin a la realidad en el perodo futuro a estudiar.

2. La Demanda
La demanda se define como la cantidad y calidad de bienes y servicios que
pueden ser adquiridos a los diferentes precios del mercado por un consumidor
(demanda individual) o por el conjunto de consumidores (demanda total o de
mercado), en un momento determinado.

2.1.

Administracin de la demanda

La administracin de la demanda es reconocer, coordinar, controlar las fuentes

de demanda para que la Empresa pueda utilizar su sistema de produccin en
forma eficiente y eficaz en la entrega de sus productos, a entender por calidad
de los mismos, y el tiempo en que son entregados.
La habilidad de alterar la demanda es imprescindible para un administrador, ya
que caso en que la demanda exceda la capacidad de la empresa, esta deber
intentar reducir esta demanda ya sea por medio de aumentar los precios, o
plazos de entregas largos, como ejemplos. En el caso contrario, la capacidad
excede a la demanda, la empresa deber estimular demanda, como ejemplos
tenemos,
promociones de sus productos, reducciones de precios, o
reacomodar el mercado de una mejor manera a travs de los cambios de
productos.

3. Los pronsticos
3.1.

Clasificacin

A continuacin se dar una descripcin de los tipos de Pronsticos,

dependiendo del Horizonte de Tiempo que se requiera estudiar.

3.1.1.

Pronstico a corto plazo

Generalmente el lapso de tiempo es menor a tres meses, pero puede llegar

hasta 1 ao.
Este tipo de Pronstico es ms utilizado cuando se requiere planear las
compras, programacin de planta, las asignaciones de tareas a los recursos, y
niveles de produccin.

3.1.2.

Pronstico a mediano plazo.

Rango de tiempo mediano, entre tres meses a tres aos.

Es valioso en la planificacin de la produccin y presupuestos, planificacin de
ventas, entre otros.

3.1.3.

Pronstico a largo plazo.

Generalmente con lapsos de tres aos o mas, los pronsticos de con este
horizonte son utilizado para la planificacin de nuevos productos, donde
interviene tanto el capital a invertir, la investigacin, desarrollo del mismo, como
la instalaciones a utilizar.

3.2.
3.2.1.

Tipos de Pronstico.
Econmico

Se basan en los ciclos del negocio para predecir las tasas de inflacin, la oferta
del mercado. Son condiciones generales del negocio a corto y mediano plazo y
los realizan por lo general entes gubernamentales, consultoras, bancos, etc.

3.2.2.

Tecnolgico

Se basan en la direccin que tomara la tecnologa y a que ritmo sucede esto.

Por ejemplo la necedad de comprar un nuevo equipo para afrontar una nueva
tecnologa.

3.2.3.

De Demanda

Proyectan la demanda de productos de la empresa. Estos pronsticos

determinan la produccin, capacidad de almacenamiento, sistemas de
programacin industrial.
Se recomienda tomar un enfoque multidimensional que abarque varios
sectores de la empresa como ser Finanzas, Ventas, Compras, Produccin, etc.
Para llegar a un consenso en donde los gerentes de las respectivas reas
estn de acuerdo.
Cmo caso de ejemplo se puede tomar la decisin de la empresa Boeing:
http://es.noticias.yahoo.com/10/20090611/tbs-oesbs-boeing-pedidos03c9bed.html

3.3.
3.3.1.

Enfoques
Cuantitativo

En este caso la demanda se determina por modelos subyacentes.

Definen explcitamente como se determina el pronstico, el procedimiento es
estrictamente matemtico. La tcnica se basa en datos histricos y en la
suposicin de que el proceso es estable. Este tipo de pronsticos se puede
clasificar en dos categoras:
Modelos de Series de Tiempo: Se basan en datos histricos y se
concentran completamente en patrones de datos y en cambios de dichos
patrones. Algunos tipos de modelos de anlisis de series de tiempo en orden
creciente son:

Modelos Causales: Trata de definir relaciones entre elementos de un

sistema. Este modelo es la clase mas sofisticada de herramienta de pronstico,
ya que es en esencia una descripcin matemtica del proceso en cuestin.

Crtica de los mtodos cuantitativos de pronstico

Las extrapolaciones de tendencia presuponen (infundadamente) que una
tendencia constatada en el pasado proseguir casi inalterable en el futuro. Esto
es, se presupone que las relaciones entre las magnitudes consideradas
seguirn prcticamente iguales, como si se tratara de aplicar una ley natural,
algo que ciertamente no tiene base alguna en la realidad observada.
La exactitud de los pronsticos depende de varios factores:

Lapso de tiempo a que se refiere el pronstico: cuanto ms corto sea

ese perodo tanto ms exacto podr ser el pronstico (como en la
previsin meteorologa).
Unidad de medida: cuanto menor sea sta, tanto ms exacto es el
pronstico.
Estabilidad de las condiciones marco: a mayor estabilidad de
condiciones, mayor exactitud en el pronstico.

A pesar de todas estas y otras dificultades, un buen pronstico precisa se le

cuantifique lo que a su vez presupone datos fiables.
En los campos de actividad socio-econmica, en las cuestiones
medioambientales, en sanidad y otros, es muy difcil contar con una base de
datos suficientemente amplia y segura. Con todo, tanto la empresa como la
Administracin precisan pronsticos de situacin, aunque slo sea con una
base de inseguridad e incertidumbre, pues la peor alternativa a la decisin de
planificacin sera una poltica del laissez faire

3.3.2.

Cualitativo

Tambin llamado intuitivo. Se utilizan principalmente cuando los datos son

escasos o no se encuentran disponibles. Se utilizan juicios de expertos para
convertir informacin cualitativa en estimados cuantitativos. Las tcnicas varan
desde la toma de decisiones por opiniones individuales de paneles de expertos
donde se discute el pronstico en una reunin con la idea que varias personas
pronostican mejor que una, hasta la toma de decisiones de un grupo de
expertos con la tcnica Delphi, la cual se basa en el uso de cuestionarios para
recopilar informacin.

Estas tcnicas usan el criterio de la persona y ciertas relaciones para

transformar informacin cualitativa en estimados cuantitativos.

Pasos para realizar un Pronstico

1.
2.
3.
4.
5.
6.

Formular el Problema
Recolectar Datos
Manipulacin y Limpieza
Construccin y Evaluacin de un Modelo
Aplicar el modelo (Pronosticar)
Evaluar el Pronstico

3.4.

Modelos

3.4.1.

Mtodo Delphi

Su nombre se inspira en el antiguo orculo de Delphos. Tiene origen a

comienzo de los aos 50 en el centro de investigacin estadounidense RAND
Corporation, de la mano de Olaf Helmer y Theodore J. Gordon, como un
instrumento para realizar predicciones sobre un caso de catstrofe nuclear.
Desde entonces fue utilizado para obtener informacin sobre el futuro.
Segn Linston y Turoff, en The Delphi Method. Techniques and Applications,
1975, el mtodo Delphi es: un mtodo de estructuracin de un proceso de
comunicacin grupal que es efectivo a la hora de permitir a un grupo de
individuos, como un todo, tratar un problema complejo.
Para verlo ms fcilmente, es un proceso de grupo que tiene como fin un
pronstico por consenso. El proceso necesita de un grupo de expertos internos
o externos de la empresa quienes dan opiniones por escrito sobre el punto que
se discute.
Mtodos generales de prospectiva.
Los mtodos de prospectiva estudian el futuro en base a la evolucin de
factores del entorno tecno-socio-econmico y las interacciones entre estos
factores. Deben conocer cules son los peligros que amenazan al objeto de
estudio y cules son sus oportunidades para poder llevar a cabo este mtodo.
Cuanto ms conocimiento posean en estos puntos, mejor ser la prediccin.
Dentro de los mtodos de prospectiva se encuentran:
Mtodos de expertos: Las consultas se realizan a personas que tienen
mucho conocimiento sobre el dominio del objeto de estudio.
Mtodos extrapolativos: se proyectan hacia el futuro los datos de
evolucin que se tienen del pasado.
Mtodos de correlacin: En stos se intenta ver qu factores estn
implicados en un desarrollo y en qu grado influyen. Teniendo esto presente se
determina cul es la posible lnea evolutiva que van a seguir todos estos
factores

Nosotros vamos a explotar el mtodo de Expertos, el cual nos compete para

poder desarrollar el mtodo Delphi.

Fases del Mtodo

Antes de iniciar un Delphi se realizan una serie de tareas previas, como son:
Delimitar el contexto y el horizonte temporal en el que se desea realizar
la previsin sobre el tema en estudio.
Seleccionar el panel de expertos y conseguir su compromiso de
colaboracin. Las personas que sean elegidas no slo deben ser
grandes conocedores del tema sobre el que se realiza el estudio, sino
que deben presentar una pluralidad en sus planteamientos. Esta
pluralidad debe evitar la aparicin de sesgos en la informacin
disponible en el panel.
Explicar a los expertos en qu consiste el mtodo. Con esto se pretende
conseguir la obtencin de previsiones fiables, pues van los expertos van
a conocer en todo momento cul es el objetivo de la cada una de los
procesos que requiere la metodologa.
Considero que la explicacin de las cuatro fases est muy bien realizada en
una de las fuentes consultadas y es por eso que paso a mencionarlas:

Primera circulacin
El primer cuestionario es desestructurado, no existe un guin prefijado,
sino que se pide a los expertos que establezcan cules son los eventos
y tendencias ms importantes que van a suceder en el futuro referentes
al rea en estudio. Cuando los cuestionarios son devueltos, ste realiza
una labor de sntesis y seleccin, obtenindose un conjunto manejable
de eventos, en el que cada uno est definido de la forma ms clara
posible. Este conjunto formar el cuestionario de la segunda circulacin.

Segunda circulacin
Los expertos reciben el cuestionario con los sucesos y se les pregunta
por la fecha de ocurrencia. Una vez contestados, los cuestionarios son
devueltos al moderador, que realiza un anlisis estadstico de las
previsiones de cada evento. El anlisis se centra en el clculo de la
mediana (ao en que hay un 50% de expertos que piensan que va a
suceder en ese ao o antes), el primer cuarto o cuarto inferior (en el que
se produce lo mismo para el 25% de los expertos) y tercer cuarto o
cuarto superior (para el 75%). El moderador confecciona el cuestionario
de la tercera circulacin que comprende la lista de eventos y los
estadsticos calculados para cada evento.

Tercera circulacin
Los expertos reciben el tercer cuestionario y se les solicita que realicen
nuevas previsiones. Si se reafirman en su previsin anterior y sta
queda fuera de los mrgenes entre los cuartos inferior y superior, deben
9

dar una explicacin del motivo por el que creen que su previsin es
correcta y la del resto del panel no. Estos argumentos se realimentarn
al panel en la siguiente circulacin. Al ser estos comentarios annimos,
los expertos pueden expresarse con total libertad, no estando sometidos
a los problemas que aparecen en las reuniones cara a cara. Cuando el
moderador recibe las respuestas, realiza de nuevo el anlisis estadstico
y, adems, organiza los argumentos dados por los expertos cuyas
previsiones se salen de los mrgenes intercuartos. El cuestionario de la
cuarta circulacin va a contener el anlisis estadstico y el resumen de
los argumentos.

Cuarta circulacin
Se solicita a los expertos que hagan nuevas previsiones, teniendo en
cuenta las explicaciones dadas por los expertos. Se pide a todos los
expertos que den su opinin en relacin con las discrepancias que han
surgido en el cuestionario. Cuando el moderador recibe los
cuestionarios, realiza un nuevo anlisis y sintetiza los argumentos
utilizados por los expertos.
Tericamente, ya habra terminado el Delphi, quedando tan slo la
elaboracin de un informe en el que se indicaran las fechas calculadas
a partir del anlisis de las respuestas de los expertos y los comentarios
realizados por los panelistas. Sin embargo, si no se hubiese llegado a un
consenso, existiendo posturas muy distantes, el moderador debera
confrontar los distintos argumentos para averiguar si se ha cometido
algn error en el proceso.

El punto neurlgico del mtodo Delphi son las personas involucradas, esto se
debe a que en la mayora de los casos los grupos son interdisciplinarios. De
esta manera el moderador quien debe poseer la habilidad para sintetizar las
distintas y variadas opiniones y de esa manera elaborar un conjunto
estructurado de preguntas y llegar a un pronstico.
Tcnica de grupo nominal
Tambin conocida como TGN, esta tcnica supone que un grupo estructurado
de gente conocedora ser capaz de llegar a un pronstico por consenso. El
proceso funciona de la siguiente forma:
Se juntan en una sala entre siete y diez personas. Las personas son invitadas a
sentarse y comparten el lugar fsico, pero no pueden cruzar palabras entre
ellos. El moderador de la reunin proporciona las preguntas referidas al tema
en cuestin a los participantes y les pide que escriban ideas acerca del
problema. . Al final de un perodo de cinco o diez minutos cada persona, por
turnos (interaccin mltiple) presenta una idea que ha escrito en su lista
privada.

10

Un registrador escribe esa idea en una pizarra que est a la vista de los dems
miembros del grupo. Todava no hay discusin en este punto de reunin, sino
slo el registro de ideas privadamente manifestadas. La presentacin por turno
contina hasta que todos los miembros indican que ya no tienen ms ideas que
compartir.
Por lo general entre, 15 y 25 proposiciones resultan de la aportacin. En la
segunda etapa de la reunin los miembros del grupo discuten las ideas
presentadas. El moderador es quien tiene la responsabilidad de que todas las
ideas sean discutidas y aclarar las dudas de los participantes en caso de que
existan dudas sobre alguna de las ideas escritas. Cuando concluyen todas las
discusiones se pide a los miembros que voten de manera independiente. La
decisin del grupo es el resultado matemticamente obtenido a partir de los
votos individuales.
Los objetivos del proceso son:
1. Asegurar diferentes procesos para cada fase de creatividad.
2. Balancear la participacin de los miembros
3. Incorporar las tcnicas matemticas de votacin en la agregacin de
los juicios de grupo.
El pronstico que se da a travs de la tcnica de grupo nominal es la
alternativa que recibe la mayora de los votos del grupo. Las claves para este
proceso son la identificacin de la pregunta que debe ser dirigida al grupo, la
creatividad es permitida y se fomenta la discusin limitada y dirigida, y en
ltimo lugar el voto.

3.4.2.

Modelos bsicos de promedio

Promedio simple
Un promedio simple (PS) es un promedio de los datos del pasado en el cul las
demandas de todos los perodos anteriores tienen el mismo peso relativo. Se
calcula de la siguiente forma:

Donde
D1 = demanda del periodo ms reciente

11

D2 = demanda que ocurri hace dos periodos

Dk = demanda que ocurri hace k periodos

3.4.3.

Media mvil simple

Una medida mvil simple (MMS) combina los datos de demanda de la mayor
parte de los periodos recientes, siendo su promedio el pronstico para el
periodo siguiente. Una vez calculado el nmero de periodos anteriores a ser
empleado en las operaciones, se debe de mantener constante. Se puede
emplear una medida mvil de tres periodos de 20, pero una vez que se toma la
decisin hay que continuar usando el mismo nmero de periodos. Despus de
seleccionar el nmero de periodos a ser usados, se dan pesos iguales a las
demandas para determinar el promedio. El promedio se mueve en el tiempo
en el sentido de que al transcurrir un periodo, la demanda del periodo ms
antiguo se descarta, y se agrega la demanda para el periodo ms reciente para
la siguiente operacin, superando as la principal limitacin del modelo del
promedio simple.

Donde
t = 1 en el periodo ms antiguo en el promedio de n periodos
t = n es el periodo ms reciente
Media mvil ponderada
Una medida mvil ponderada (MMP) es un modelo de media mvil que
incorpora un peso para cada uno de los perodos, dndole mayor importancia a
los perodos que ms afectan a la obtencin del promedio. La representacin
de este modelo es el siguiente:
Demanda de cada periodo por un peso
MMP = determinado, sumada a los largo de todos los
Periodos en la media mvil.

12

Donde
0 Ct 1.0

3.4.4.

Datos histricos

Desarrollo
Dicho mtodo se basa en revisar, estudiar, analizar los datos obtenidos en un
perodo pasado de venta del producto.
Es fcil darse cuenta que no es un mtodo til para un producto nueva dado
que no se cuentan con datos pasados sobre las ventas del mismo.
Su profundo anlisis permite distinguir patrones de estacionalidad de los
productos.
Al realizar el anlisis de dichos datos se debe contar con un profundo
conocimiento del producto, de su funcionamiento, y del pblico al cual est
dirigido. Es un mtodo efectivo para productos de demanda razonablemente
estable

Ejemplo de aplicacin
Luego de analizar las ventas mes a mes del ao 2007 y 2008 es fcil notar la
estacionalidad que se encuentra a principios y fines del ao. En enero las
ventas siempre son menores a las del resto del ao dado que la gente est de
vacaciones y no compra tanto vino porque no tiene tiempo para consumirlo, no
hay reuniones sociales, no se festejan tantos cumpleaos y adems se
restringen algunos gastos para poder destinarlos a las vacaciones. Caso que
ocurre totalmente al contrario en diciembre dnde la gente se rene para
celebrar el fin de ao, las empresas realizan regalos a sus proveedores,
clientes y empleados aumentando as las ventas de vino, en este caso.
Su quisiramos estimar las ventas para Enero, Febrero y Marzo de 2009
podramos proyectar que ests sern aproximadamente de:
Enero-2009: 6150
Febrero 2009: 6350
Marzo 2009: 6800

Error
Al comparar los datos proyectados con la realidad para dichos meses, se
pueden hallar los siguientes errores:
Enero: 4,8%
Febrero: 5,5%
Marzo: 13,3%

Conclusin

13

En los primeros dos meses no es grande el error producido pero si lo es para el

mes de Marzo y esto ocurre por la propagacin del error. Dado que a medida
que se avanza en los meses de pronstico es ms vieja la informacin que se
tiene y se va acumulando el error.
Ntese la salvedad en este caso de que nos ha ocurrido lo mismo que le pas
a la empresa en la realidad dado que la crisis financiera de principios de ao al
caer Lehman Brothers redujo las ventas abruptamente sin ser esperadas.

3.4.5.

Suavizamiento Exponencial

Desarrollo
Dicho mtodo consiste en estimar la demanda del prximo periodo basndose
en una combinacin de indicadores de la demanda reciente y de los
pronsticos pasados. La tcnica pondera los datos exponencialmente
permitiendo elegir cual se quiere priorizar si los datos histricos o los ms
recientes. Un ms bajo da ponderacin a los datos histricos, mientras que
cercano a 1 refleja un ajuste total a la demanda reciente.
Se utiliza la siguiente formula:
Ft Ft 1 ( At 1 Ft 1 )
Donde:
Ft 1 : Prediccin del ltimo perodo
: Constante de suavizacin entre 0 y 1
At 1 : Demanda real del periodo anterior

3.4.6.

Anlisis de regresin

Desarrollo
Se predice la demanda futura a partir de una lnea recta formada por los
datos de demandas pasadas. Si slo se usa una variable del pasado se le
llama regresin simple. Si se usan dos o ms variables del pasado, se le
nombra regresin mltiple.
Se trata de encontrar una relacin entre las ventas histricas (variable
dependiente) y una o ms variables independientes, como poblacin, ingreso
per cpita o producto interno bruto (PIB). Este mtodo puede ser til cuando se
dispone de datos histricos que cubren amplios perodos de tiempo. Es ineficaz
para pronosticar las ventas de nuevos productos.

14

3.4.7.

Serie de Tiempo

Una serie temporal o cronolgica es un conjunto de observaciones de una

variable, ordenadas segn transcurre el tiempo.
En una serie de tiempo las observaciones no se deben ordenar de mayor a
menor debido a que se perdera el grueso de la informacin debido a que nos
interesa detectar como se mueve la variable en el tiempo es muy importante
respetar la secuencia temporal de las observaciones.

3.4.7.1. Representacin de una Serie Temporal

Para realizar la representacin de una serie temporal se debe realizar una
grfica de dispersin x-y como se muestra en la figura.

Representacin de una serie temporal

3.4.7.2. Componentes de una serie temporal

3.4.7.2.1. Tendencia
La tendencia es un movimiento de larga duracin que muestra la evolucin
general de la serie en el tiempo.
La tendencia es un movimiento que puede ser estacionario o ascendente, y su
recorrido, una lnea recta o una curva. Algunas de las posibles formas son las
que se muestran en la figura a continuacin:

15

Representacin de la tendencia

La tendencia es un movimiento que puede ser estacionario o ascendente o

descendente como se indica en la figura:

Tendencias ascendente, estacionaria y descendente

Tambin son posibles algunas formas para la tendencia, que no

necesariamente tiene una distribucin de puntos en forma aproximadamente
lineal sino como las que se muestran en la figura:

Lneas de tendencia de otras posibles formas.

3.4.7.2.2. Variaciones estacionales.

Se habla de este tipo de variaciones usualmente cuando el comportamiento de
la variable en el tiempo en un periodo esta relacionado con la poca o un
periodo particular, por lo general en el espacio cronolgico presente.

16

Variaciones estacionales

3.4.7.2.3. Variaciones cclicas

Se llama as a las oscilaciones a lo largo de una tendencia con un periodo
superior al ao. El ciclo sugiere la idea de que este tipo de movimiento se repite
cada cierto periodo con caractersticas parecidas. Los ejemplos mas frecuentes
se encuentran en le campo de las variables econmicas, en estos casos se
deben principalmente a la alternancia de las etapas de prosperidad y dispersin
en la actividad econmica.

3.4.7.2.4. Variaciones residuales

Cuando aparecen hechos imprevistos, repentinos que afecten las variables en
estudio acotando que no podemos preveer nos hallamos frente a variaciones
residuales provocadas por factores extremos aleatorios.
Por ejemplo un da lluvioso y fro durante el verano es difcil de predecir y
aunque perturbara ciertas actividades diarias como la venta de helados no
afectara en este caso significativamente la serie.

3.4.7.3. Anlisis de la tendencia

En la prctica es difcil distinguir la tendencia del comportamiento cclico. Por
ejemplo la grfica puede conducirnos a concluir que existe una tendencia
ascendente en la parte de 1980 a 1982, pero esto es una parte de la serie de
tiempo ms grande.

Tendencias crecientes, crecientes entre periodos de tiempo

3.4.7.4. Mtodo Grfico

Mediante este mtodo muy elemental se determina la tendencia a partir de una
representacin grafica de la serie. La aplicacin de este mtodo es como sigue

17

Se representa grficamente la serie cronolgica

Se unen los extremos superiores de la serie, se hace los mismo con los
inferiores
Se obtiene dos lneas que encierran ala serie original
Uniendo los puntos medios de las distancias entre las dos lneas o
curvas se obtiene la tendencia. La lnea o curva de tendencia obtenida
tendr un trazado mucho ms suave que la serie original.

Representacin tendencia estacionaria

3.4.7.5. Modelo de Winter

Esta tcnica se basa en atenuar en forma directa la tendencia y la
estacionalidad empleando diferentes constantes de atenuacin para cada uno
de ellos.
Ecuaciones del modelo:
1) Serie exponencial atenuada :
At = Yt +
St-L

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

.................. (1)

Ajusta la estacionalidad, elimina efectos estacionales que

Pudieran existir en el valor original Yt
A continuacin (2) y (3) atenan la estimacin de la estacionalidad y la
estimacin de la tendencia

18

1) Estimacin de la Tendencia :
Tt = (At At-1) + (1 ) Tt-1

............. (2)

2) Estimacin de la Estacionalidad :
St = Yt + (1 - ) St-L
At

.............. (3)

3) Pronstico de p perodos en el futuro :

Yt+p = (At + pTt) ST-L+p

...............

(4)

Este ndice ajusta el pronstico a la estacionalidad

Donde:
, y : Constantes de atenuacin
At =Valor atenuado
Tt = Estimacin de la tendencia
St = Estimacin de la estacionalidad
L = Longitud de la estacionalidad
P = Nmero de perodos a estimar

Ejemplo
Los datos del cuadro siguiente muestran las ventas trimestrales en el perodo
1988-93. Pronosticar las ventas de 1994, usando la tcnica de Winter con =
0.4, = 0.1, y = 0.3. Considerar adems como valor inicial atenuado 500, el
valor de 0 como estimacin inicial de la tendencia y el valor de 1 como la
estimacin inicial de estacionalidad.

Solucin:
Respecto a los valores iniciales: El valor inicial atenuado puede
estimarse promediando unos cuantos valores de la serie. El valor inicial de la
19

tendencia se puede estimar utilizando la pendiente de la ecuacin de tendencia

obtenida de datos anteriores. Las estimaciones de estacionalidad se pueden
calcular para datos anteriores mediante la descomposicin de la serie de
tiempo.

Pronstico usando Suavizamiento exponencial

Variable: Ventas de piezas metlicas, segn aos
Datos conocidos:
Ao Trim. T
88
1
1
2
2
3
3
4
4
89 1
5
2
6
3
7
4
8
90
1
9
2
10
3
11
4
12
91 1
13
2
14
3
15
4
16
92
1
17
2
18
3
19
4
20
93
1
21
2
22
3
23
4
24

94

1
2
3
4

25
26
27
28

Yt
500
350
250
400
450
350
200
300
350
200
150
400
550
350
250
550
550
400
350
600
750
500
400
650
700
600
450
700

GRAFICO DESDE EL AO 88 HASTA EL AO 93 (24 PERODOS)

20

GRAFICO DESDE EL AO 88 HASTA EL AO 93 (24 PERODOS) CON LA

TENDENCIA

Ao Trim. T

Yt

At
valor

Tt
estimac.

St
estimac.

Yt+p

et

21

88

89

90

91

92

93

94

1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

1
2
3
4

25
26
27
28

500
350
250
400
450
350
200
300
350
200
150
400
550
350
250
550
550
400
350
600
750
500
400
650

atenuado
500
440
360.4
368.2
394.2
381.2
311.9
295.6
303.0
260.3
219.5
277.5
364.7
377.0
354.1
403.1
426.4
437.5
450.1
471.9
531.8
548.8
546.4
546.4

Esperado para el perodo 25: 751,9

Esperado para el perodo 26: 546,2
Esperado para el perodo 27: 449,6
Esperado para el perodo 28: 718,8

Tendencia
0
-6
-13.4
-11.2
-7.5
-8.1
-14.2
-14.4
-12.2
-15.3
-17.8
-10.2
-0.5
0.8
-1.6
3.5
5.5
6
6.7
8.2
13.4
13.7
12.1
10.9

estacional.
1.00
0.94
0.91
1.03
1.04
0.93
0.83
1.02
1.08
0.88
0.78
1.15
1.21
0.90
0.76
1.21
1.23
0.90
0.77
1.23
1.28
0.90
0.76
1.22

500.0
500.0
500.0
500.0
357.0
362.9
338.8
305.5
293.2
271.2
202.9
206.2
287.6
321.7
296.5
404.9
490.3
387.3
337.6
554.1
591.0
491.7
430.9
687.3

0
-150
-250
-100
93
-12.9
-139
-5.5
56.8
-71.2
-52.9
194
262
28.3
-46.5
145
59.7
12.7
12.4
45.9
159
8.3
-30.9
-37.3

751.9
546.2
449.6
718.8

Valor Real: 700

Valor Real: 600
Valor Real: 450
Valor Real: 500

Error: 51,9
Error: 53,8
Error: 0,4
Error: 18,8

Error porcentual 1: 7,41 %

Error porcentual 2: 8,96 %
Error porcentual 3: 0,08 %
Error porcentual 4: 3,76 %
ERROR PROMEDIO EN ESTOS 4 CASOS: 5,05 %

22

3.5.

Paquetes de cmputo para pronstico

En la actualidad existen muchos sistemas computarizados para ayudar al

gerente y al analista de pronsticos y son indispensables para algunas
compaas. Los administradores con computadoras sobre sus escritorios y el
conocimiento de tcnicas de pronstico, ya no dependen de un equipo de
trabajo para realizar sus pronsticos. Estn aprovechando la ventaja de la
facilidad de disponibilidad de mtodos complejos de pronstico que
proporciona las computadoras personales
Hay dos tipos de programas informticos de inters para los pronosticadores:
Paquetes estadsticos y Paquetes de pronsticos

3.5.1.Paquetes estadsticos
Incluyen anlisis de regresin y otras tcnicas que se utilizan con frecuencia los
pronstico; Ejemplos son Minitab, SAS (Sistema de anlisis estadstico:
Statistical Analysis Systein), SPSS (paquete estadstico para las ciencias
sociales: Statistical Package for the Social Sciences), Eviews, Crystal Ball
Predictor y hojas de clculo (Excel).
El Excel, un programa de hojas de clculo, se usa con frecuencia para ser
pronstico. Los datos se colocan en las filas y columnas de la hoja de clculo y
a continuacin se dan comandos para realizar varias operaciones con los datos
incorporados. Por ejemplo, los salarios anuales para un nmero de empleados
podra agregarse a una columna y podra calcularse el promedio de estos
valores mediante Excel. Podran ser colocadas en otra columna las edades de
los empleados y examina la relacin entre la edad y el salario. Hay varias
funciones estadsticas disponibles en Excel que pueden ser activadas mediante
el cuadro de complementos eligiendo las herramientas de anlisis (Analysis
ToolPak). Se recomienda el complemento Crystal Ball (CB): un predictor para
ampliar la capacidad de pronstico de Excel.

3.5.2.Paquetes de pronstico
Son software diseado especficamente para aplicaciones de pronstico. En
este tipo podemos mencionar a TSP (Micro TSP), Total Forecasting System,
Easy Forecasting Plus, Forecast Master, Forecast Pro, Expert Choice,
Forecasting HP, entre otros.
En este tipo encontramos al programa denominado CENSUS X-11, que maneja
la U.S. Census Bureau (Oficina del Censo de Estados Unidos). Utiliza el
mtodo del promedio mvil con tendencias y factores de estacionalidad para
descomponer y proyectar una serie de tiempos. Se ha descubierto que el
programa CENSUS X-11 es bastante til siempre y cuando se disponga de una
cantidad razonable de datos histricos (http://www.census.gov/).
Existe tambin una biblioteca de programas de pronsticos computarizados
interactivos denominada SIBYL/RUNNER: la programacin original fue
realizada por el los respetados pronosticadores Spyros Makridakis y Steven
Wheelwright en 1973. Luego Lincoln Systems Corporation ha modificado el
programa para el entorno de Windows. SIBYL/RUNNER es virtualmente
automtico. El programa est diseado para que el usuario sea conducido paso
a paso a travs del proceso de previsin, como si fuera automtico. Contiene
20 de las tcnicas de pronsticos ms comnmente utilizadas. Estos

23

programas se dividen en los que ayudan a identificar los patrones subyacentes

en las series de tiempo y los que pronostican utilizando un patrn dado.
El sistema MAPICS de IBM para el control de la produccin y de inventarios,
incluye un mdulo para pronosticar. Este mdulo utiliza una tcnica de
pronstico adaptable que se ajusta debido a variables como la estacionalidad y
la tendencia. El mdulo adems calcula MAD y una seal de seguimiento como
base para evaluar el error de pronstico y volver a colocar en ceros el mtodo
de pronstico cuando se necesita. Los mtodos de pronstico se disearon
especialmente para manejar miles de artculos que casi siempre se encuentran
en el ambiente de la manufactura.

3.5.3.Caractersticas de algunos de los paquetes ms

actuales
SPSS-Software Base 13.0
Software de anlisis estadstico y predictivo, enfocado a resolver problemas de
negocio y mejorar las relaciones con clientes, realizar ventas cruzadas y
detectar fraudes. Efecta los clculos ms complejos en el mundo de la
estadstica de manera eficiente y eficaz.
Tiene ms de tres dcadas de existencia, fue elaborado por Hull y Nie y quizs
sea el programa informtico de estadstica con mayor difusin a nivel mundial
utilizado ampliamente en investigacin comercial y en otros muchos campos de
investigacin de las ciencias sociales.
Requerimientos del sistema: PC con procesador Intel Pentium compatible
mayor a 500 MHZ, 220 MB de espacio libre en disco duro y 128 MB de
memoria RAM. Monitor SVGA. Windows XP/2000 y ME.
Precio
estimado
(junio
2005):
USD
$1,499
http://www.spss.com/la/
Crystal Ball 7 Professional Edition
Suite de herramientas para anlisis de riesgo y proyecciones para tomar
decisiones.
Requerimientos del sistema: PC Pentium superior a 400 MHz; 128 MB RAM,
110 MB de espacio disponible en disco duro, monitor SPVGA y Windows XP
Pro y 2000 Pro.
Precio
estimado
(junio
2005):
USD
$1,795
http://www.decisioneering.com
MINITAB V.14.2 Minitab Inc.
Software con herramientas para aplicaciones estadsticas generales, enfocadas
al mejoramiento de procesos.
Requerimientos del sistema: PC Pentium superior a 500 MHz, 160 MB RAM, 85
MB espacio disco duro, Windows XP/2000/ME/98
Precio
estimado
(junio
2005):
USD
$1,195
http://www.minitab.com
EViews 5
24

Software con herramientas para clculos economtricos y tcnicas de series

temporales y de prediccin.
Requerimientos del sistema: PC Pentium superior a 100 MHz, 32 MB RAM,
60.5 MB en disco duro, monitor VGA Windows XP/2000/ME
Precio
estimado
(junio
2005):
USD
$950
http://www.eviews.com
TSP 5.0
Software para valoracin y simulacin de modelos economtricos.
Requerimientos del sistema: PC Pentium superior a 100 MHz, 16 MB RAM, 80
MB disco duro, Windows XP/2000/NT
Precio
estimado
(junio
2005):
USD
$900
http://www.tspintl.com
Forecast Pro
Software de pronstico con hojas de clculo para profesionales en negocios.
Selecciona la tcnica adecuada para pronosticar.
Requerimientos del sistema: PC Pentium superior a 400 MHz, 32 MB RAM, 15
MB espacio en disco duro, Windows XP/2000/ME/98
Precio
estimado
(junio
2005):
USD
$595
http://www.forecastpro.com
Expert Choice
Software para toma y evaluacin de decisiones basado en Proceso Analtico
Jerrquico.
Requerimientos del sistema: PC Pentium mayor a 500 MHz, 128 RAM, 150 MB
disco duro, Windows XP/NT/2000/SE/98
Precio
estimado
(junio
2005):
USD
$2,899
http://www.expertchoice.com
SAS High Performance Forescasting
Solucin analtica que proporciona un sistema automatizado de predicciones
para reducir errores y elevar la eficiencia operacional.
Requerimientos del sistema: Software base SAS 9, servidor con procesador
Itanium de 64 bits, Windows Server 2003, Solaris64 bits, HP/UX Itanium 64
bits.
Precio:
No
Disponible
http://www.sas.com

3.6.

Seleccin de un mtodo de pronstico

Rara vez hay un nico modelo superior. Lo que mejor funciona en una empresa
bajo un conjunto de condiciones, puede ser un desastre completo en otra
organizacin, o incluso en otro departamento de la misma empresa. En forma
tradicional, podr advertir que existen lmites sobre lo que puede esperarse de
los pronsticos. Rara vez son, si acaso, perfectos; tambin son caros y
consumen tiempo en su preparacin y monitoreo.

25

Debe tomarse en cuenta el nivel detalle. Son necesarios los pronsticos de

detalles especficos (un micro pronstico)? O se necesita la prediccin del
futuro de un factor general de gran escala (un macro pronstico)? Es
imperioso el pronstico para una fecha prxima (un pronstico de corto plazo)
para una fecha intermedia o para un futuro lejano (un pronstico de largo
plazo)? En qu medida son apropiados los mtodos cualitativos (de juicio) y
cuantitativos (de manipulacin de datos)? En la prctica una combinacin o
mezcla de los mtodos cualitativos y cuantitativos es generalmente lo ms
efectivo.
La consideracin primordial en la eleccin de un mtodo pronstico es que los
resultados deben facilitar el proceso de la toma de decisiones de los
administradores de la organizacin. Rara vez un solo mtodo funciona para
todos los casos. Para seleccionar un mtodo pronstico debe considerarse el
tipo (por ejemplo, nuevos frente a establecidos) los objetivos (o la simple
prediccin en contraposicin con la necesidad de controlar un impulsor de
negocios importante para los valores futuros) y limitantes (como costo,
experiencia requerida o la prisa). Con la disponibilidad de software moderno
para pronsticos, el mejor pensar en los mtodos de pronstico como
herramientas genricas que pueden aplicarse de manera simultnea.
Asimismo, pueden probarse varios mtodos en cualquier situacin
determinada. La metodologa que produzca los pronsticos ms precisos en un
caso, quizs no sea la mejor en otra situacin. Sin embargo, el(los) mtodo(s)
elegido(s) debe(n.) producir un pronstico adecuado, oportuno y entendible
para los administradores, de tal forma que puedan ayudar a tomar mejores
decisiones.
La seleccin del mtodo de pronstico se basa en gran parte en el estudio
realizado por Wheelwright y Clarke (1976), quienes identificaron los factores
que las compaas consideran importantes al seleccionar el mtodo de
pronstico.

3.6.1.Sofisticacin del usuario y del sistema

El mtodo de pronstico debe ajustarse a los conocimientos y sofisticacin del
usuario. Debido a que los gerentes se rehsan a utilizar los datos de tcnicas
que no comprenden.
El mtodo que se elige no debe ser demasiado desarrollado ni sofisticado para
sus usuarios y tampoco debe estar demasiado alejado del sistema de
pronstico actual. En ocasiones los modelos ms simples pueden tener
mejores resultados, por lo que la sofisticacin no es el objetivo definitivo.

3.6.2.Tiempo y recursos disponibles

La seleccin del mtodo de pronstico, depender del tiempo disponible para
reunir los datos y preparar el pronstico. La preparacin de un pronstico
26

complicado para el que se deba obtener una gran cantidad de datos puede
tardar varios meses y costar miles de dlares. En el caso de pronsticos
rutinarios hechos por sistemas computarizados, tanto el costo como la cantidad
de tiempo requerido podran ser pequeos.
Los modelos economtricos pueden requerir datos que simplemente no pueden
obtenerse a corto plazo, por lo tanto debe seleccionarse otro tipo de mtodo. El
mtodo por series de tiempo Box-Jenkins requiere aproximadamente 60 datos
(5 aos de datos mensuales). En cambio el suavizamiento exponencial, la
proyeccin de tendencias, los modelos de regresin y mtodos de
descomposicin clsica tiene la ventaja para los administradores que requieren
pronsticos en un tiempo relativamente corto.
Tambin se debe tomar en cuenta la calidad de los datos disponibles. Si los
datos son errneos se llegar a pronsticos equivocados. Se deben revisar los
datos en busca de factores extraos o puntos poco usuales.
Los costos de las computadoras ya son parte fundamental de la seleccin de
la tcnica. Las computadoras de escritorio y el software de pronsticos se
estn volviendo comunes en muchas organizaciones. Debido a este desarrollo,
a menudo otros criterios opacan las consideraciones de costo de la
computadora

3.6.3.Horizonte de tiempo y disponibilidad de datos.

El horizonte de tiempo para un pronstico tiene una relacin directa con la
seleccin de la tcnica para llevarlo a cabo. Para pronstico de corto y mediano
plazos puede aplicarse una variedad de tcnicas cuantitativas. Sin embargo,
conforme aumenta el horizonte de pronstico, alguna de estas tcnicas se
vuelven menos aplicables. Por ejemplo, los promedios mviles, el
suavizamiento exponencial y los modelos ARIMA no son buenos para predecir
momentos decisivos de la economa, mientras que los modelos economtricos
pueden resultar ms tiles. Los modelos de regresin son adecuados para los
plazos corto, mediano y largo.
Las medias, promedios mviles, descomposicin clsica y proyecciones de
tendencias son tcnicas cuantitativas adecuadas para los horizonte de tiempo
corto e intermedios. Las tcnicas ms complejas de Box-Jenkins y las
economtricas tambin son adecuadas para pronsticos en los trminos corto y
mediano. Con frecuencia se emplean los mtodos cualitativos para horizonte
de tiempos ms largos.

3.6.4.Patrn de datos
El patrn de datos afectar el tipo de mtodo de pronstico que se seleccione.
Si la serie de tiempo es plana, se utilizar un mtodo de primer orden. En los
casos en que los datos muestren tendencias o patrones de estacionalidad, se
27

necesitarn mtodos ms avanzados. El patrn de los datos tambin determina

si es suficiente un mtodo por series de tiempo o si se necesitan modelos
causales. Si el patrn es inestable en el tiempo, un mtodo cualitativo ser
necesario. El patrn de datos es uno de los factores ms importantes que
afectan la seleccin de un mtodo de pronstico. Una manera de detectar el
patrn es trazar los datos sobre una grfica. Esto debe hacerse como primer
paso en la actividad de pronosticar.
La diferencia entre el ajuste y la prediccin es un tema que se relaciona con la
seleccin de los mtodos de pronstico. Cuando se prueban modelos
diferentes con frecuencia el modelo que mejor se ajusta a los datos histricos
(el que tiene menor margen de error) tambin es el mejor modelo de
prediccin. Lo cual no es verdad. Por ejemplo, suponga que las observaciones
de la demanda se obtienen en los ltimos ocho periodos y que se desea ajustar
el mejor modelo por series de tiempo a estos datos. Se puede hacer que un
modelo de polinomios de sptimo grado se ajuste exactamente a travs de
cada uno de los anteriores ocho puntos de datos (El modelo sera Y = a1 + a2
+ a3t2 = a8t7 + + a8t7, en donde t = tiempo). Sin embargo este modelo no
es necesariamente la mejor herramienta para predecir el futuro.
El mejor mtodo predictivo es aquel que describe la serie de tiempo
subyacente pero que no se ajusta a fuerza con los datos. La manera correcta
de ajustar los modelos basndose en los datos del pasado es separar el
modelo de ajuste y el modelo de prediccin. Primero se divide el grupo de
datos en dos partes. Despus se ajustan varios modelos basndose en
estimaciones racionales sobre la estacionalidad, tendencias y ciclicidad con el
primer grupo de datos. Se utilizan estos modelos para predecir los valores para
el segundo grupo de datos y el mejor modelo ser aquel que tenga el mejor
margen de error sobre el segundo grupo de datos. Este enfoque utiliza el ajuste
sobre el primer grupo de datos y la prediccin sobre el segundo como base
para seleccionar un modelo.
Los modelos Cuantitativos no siempre proporcionan mejores pronsticos que
los elaborados por los seres humanos segn un estudio de Ebert en 1976.

3.6.5.Resultados
El pronstico se presentar a la direccin para su autorizacin y su uso en la
toma de decisiones. Por lo tanto, la facilidad de entendimiento e interpretacin
de los resultados es una consideracin importante. Los modelos de regresin,
las proyecciones de tendencia, la descomposicin clsica y las tcnicas de
suavizamiento exponencial tienen un buen desempeo en este criterio

3.7.

Clasificacin de la demanda

28

En la raz de la mayora de las decisiones de negocios se encuentra el reto de

pronosticar la demanda del cliente. En realidad, es una tarea difcil porque la
demanda de bienes y servicios suele variar considerablemente. Por ejemplo, es
previsible que la demanda de fertilizantes para el csped aumente los meses
de primavera y verano; sin embargo, en los fines de semana especficos en los
que la demanda es ms intensa, est depende de factores incontrolables,
como el clima. Otros patrones son ms previsibles. As pues, la demanda
semanal de cortes de cabello en una barbera puede ser bastante estable de
una a otra semana, an cuando la demanda diaria sea ms intensa los
sbados por la maana y ms floja los lunes y martes. Para pronosticar la
demanda en ese tipo de situaciones es necesario descubrir los patrones
bsicos, a partir de la informacin disponible.

3.7.1.Patrones de la Demanda
Las observaciones repetidas de la demanda de un producto o servicio,
tomando como base el orden en que se realizan, forman un patrn que se
conoce como serie de tiempo. Los cinco patrones bsicos de la mayora de las
series de tiempo aplicables a la demanda son:
1. Demanda Estable, Horizontal, Perpetua o Uniforme, aquella
demanda cuya media no sufre variaciones significativas dentro
del periodo considerado;

2. Demanda con tendencia, es decir, el incremento 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; la distribucin estacional de la
demanda presentada posibilidad dos el modelo escaln, que
presenta cambio demanda y el modelo envolvente que tiene una
variacin de la demanda ms suavizada
29

4. Cclico, o sea, una pauta de incrementos o decrementos

graduales y menos previsibles de la demanda, los cuales se
presentan en el curso del periodo de tiempo ms largo (aos o
decenios).
Los patrones cclicos provienen de dos influencias. La primera
de esas es el ciclo de los negocios, que incluye diversos
factores por los que la economa pasa de una recesin a una
expansin en el curso de cierto nmero de aos. La otra
influencia es el ciclo de vida del producto o servicio en cuestin,
en el cual se reflejan las etapas de la demanda, desde el
desarrollo hasta la declinacin. El movimiento del ciclo de los
negocios es difcil de prever porque su curso resulta afectado
por eventos nacionales o internacionales, como las elecciones
presidenciales o los desrdenes polticos en otros pases. Hacer
un pronstico de la tasa de crecimiento o disminucin de la
demanda en el ciclo de vida tambin es difcil. A veces, las
empresas estiman la demanda de un nuevo producto a partir del
historial de la demanda del producto anterior a ser sustituidos
por dicho producto. Por ejemplo, la tasa de demanda de las
cintas de audio digital podra emular el crecimiento de la
demanda observado en el caso de las cintas estereofnicas en
casette durante las primeras etapas del ciclo de vida de este
ltimo producto. La capacidad de hacer pronsticos inteligentes
a largo plazo depende de que se cuente con estimaciones
precisas de los patrones cclicos
5. Aleatorio, es decir, una serie de variaciones imprevisibles de la
demanda.

3.7.2.Movimientos de la demanda
Segn la frecuencia le demanda se puede clasificar en demanda de
movimiento rpido y demanda de movimiento lento.
La de movimiento lento es la asociada a productos con frecuencia de solicitud
muy baja. En la mayor parte de los periodos la demanda es nula pero puede
existir, e incluso ser elevada para otros. La funcin estadstica que la
representa es la Poisson.

30

La demanda de movimiento rpido es la asociada producto que se compran

habitualmente (en mayor o menor volumen). Se suele representar como una
funcin estadstica normal como media y desviacin tpica

3.7.3.Demanda dependiente e independiente

Segn las razones que provoca la variacin se distingue entre demanda
dependiente e independiente.
Se considera independiente la demanda que nicamente est limitada por las
decisiones
de
los
clientes
que
no
pueden
ser anticipadas.
Al contrario, se considera demanda dependiente a la de aquellos componentes,
submontajes o productos cuya cantidad es resultado de definir unos niveles de
compra o fabricacin para otros productos. Se considera tambin demanda
dependiente aquella que est limitada por recursos productivos propios o
ajenos, que permiten reducir el grado de incertidumbre.

3.7.4.Demanda discreta y contina

Se considera demanda contina aquella que se prev como una funcin
continua a lo largo del tiempo. Es la demanda ms tpica de los productos de
consumo habituales.
Al contrario la demanda discreta es aquella que, por ejemplo, representa a
productos que se van a comprar una vez por da (peridicos) o por temporada
(moda).

31

3.8.

Conclusiones

Debido a la Crisis Econmica- Financiera que esta instalada globalmente, las

empresas no estn en situacin de malgastar los recursos, ya sean humanos
como econmicos. Estas debern reaccionar mas rpido de lo habitual, para
obtener mas oportunidades de seguir adelante y tener permanencia.
Los distintos mtodos que hemos presentado, son una herramienta que se
torna cada vez mas necesaria, aunque un pronstico raramente es perfecto, si
es acertado, y va acompaado con una buena planeacin de la demanda, el
objetivo de sobrevivir a la crisis es factible. Implementadas estas dos
herramientas, permite a la empresa controlar sus costos en la cadena de
produccin, mejorar la eficiencia del inventario y tener mejor nivel de servicio.
Por lo tanto, es necesario que los datos utilizados para el desarrollo del
pronstico, deben ser confiables, y la planeacin de la demanda debe ser
estructurada seriamente.
NO HAY ESTRATEGIA EFECTIVA SIN UN BUEN PRONSTICO

32

4. Bibliografa
www.pronosticoexperto.com
www.slideshare.net/cnavarro/pronosticos-de-demanda-presentation
www.authorstream.com/Presentation/calidonauta-86034-administracion-de-lademanda-pantigozo-unmsm-apc-tema04-education-ppt-powerpoint/
http://adminoperaciones.blogspot.com/2009/01/el-sistema-de-pronsticos-parteiii.html
www.wikipedia.org
Administracin de la produccin. (s.f.). Recuperado el 16 de 06 de 2009, de El
Rincn del Vago: http://html.rincondelvago.com/administracion-de-laproduccion_4.html
Pronsticos en los negocios. (s.f.). Recuperado el 16 de 06 de 2009, de Google
Libros: http://books.google.com.ar/books?id=WaiOrL8oct4C
Planificacin y control de la produccin. (s.f.). Recuperado el 16 de 06 de 2009,
de Google Libros: http://books.google.com.ar/books?id=ceHEMOttnh4C
Logistica administracion de la cadena de suministro. (s.f.). Recuperado el 16 de
06 de 2009, de Google Libros: http://books.google.com.ar/books?
id=ii5xqLQ5VLgC
Administracin de operaciones: Estrategia y anlisis. (s.f.). Recuperado el 16
de 06 de 2009, de Google Libros: http://books.google.com.ar/books?
id=B6LAqCoPSeoC
Gestin de stocks de demanda independiente. (s.f.). Recuperado el 16 de 06
de 2009, de Google Libros: http://books.google.com.ar/books?
id=vkUoU1EJ3iQC
Curso Bsico de Pronsticos. (s.f.). Recuperado el 16 de 06 de 2009, de Aula
Facil: http://www.aulafacil.com/pronosticos-investigacion/curso/Temario.htm
Software para proyeccin. (s.f.). Recuperado el 16 de 06 de 2009, de
Entrepreneur En Espanol: http://www.entrepreneurenespanol.com/pagina.hts?
N=14913
SIBYL/RUNNER for Windows. (s.f.). Recuperado el 16 de 06 de 2009, de The
Institute for Forecasting Education (IFE):
http://www.forecastingeducation.com/archive/1996/SibylRunner.htm

33

Curso de Administracin de Empresas Utilizacin del SPSS. (s.f.). Recuperado

el 16 de 06 de 2009, de Aula Facil:
http://www.aulafacil.com/investigacionspss/Temario.htm
Monografas: http://www.monografias.com/trabajos61/gestion-compras-manejoinventarios/gestion-compras-manejo-inventarios.shtml
http://sunwc.cepade.es/~jrivera/org_temas/metodos/prospectiva/pronostic_met
hod.htm

34