03 Proyección de La Demanda

1
El punto de inicio de prcticamente todos los

sistemas de planificacin se da a partir de la
demanda real o esperada de los clientes.
En casi todos los casos el tiempo necesario para

generar y entregar el producto o servicio exceder la
expectativa del cliente.
Para evitar que esto suceda, la produccin tendr

que dar principio antes de que se conozca la
demanda real del consumidor.
La produccin deber iniciar a partir de la demanda

esperada, es decir, de un pronostico de la
demanda.
2
Qu es la pronstico?
Arte y ciencia de
predecir
acontecimientos Vender 200
futuros. millones de
pesos!
Base de todas las

decisiones
empresariales:
Produccin.
Inventario.
Personal.
Instalaciones.
3
Tipos de horizontes temporales del pronstico
Pronstico a corto plazo:
Cobertura de hasta un ao, generalmente inferior a
los tres meses.
Programacin de trabajos, asignacin de tareas.
Pronstico a medio plazo:

Entre tres meses y tres aos.
Planificacin de las ventas, de la produccin y del
presupuesto.
Pronsticos a largo plazo:

Periodos superiores a tres aos.
Planificacin de nuevos productos, localizacin de
las instalaciones.
4
Pronsticos a corto plazo frente a
pronsticos a largo plazo
Los pronsticos a medio y largo plazo tratan
de asuntos ms extensos, y apoyan las
decisiones de gestin que conciernen a la
planificacin y los productos, las plantas y los
procesos.
Los pronsticos a corto plazo normalmente

emplean metodologas diferentes a las
utilizadas en los pronsticos a largo plazo.
Los pronsticos a corto plazo tienden a ser

ms exactos que los realizados a largo plazo.
5
La influencia del ciclo de vida del
producto
Las etapas de introduccin y crecimiento

necesitan pronsticos ms largos que los de
madurez y declive.
Las pronsticos son tiles para proyectar

los diferentes niveles de personal
los diferentes niveles de inventarios
los diferentes niveles de capacidad de
produccin
mientras el producto pasa de la primera a la
ltima etapa.
6
Estrategia durante el ciclo de vida de un
producto
Introduccin Crecimiento Madurez Declive
Mejor periodo para aumentar Buen momento para cambiar Mal momento para cambiar la Es vital controlar el
la cuota de mercado el precio o la imagen de imagen, el precio o la calidad costo
Es vital planear la I + D calidad Los costos competitivos son
Fortalecer el segmento de ahora muy importantes
Estrategias de la
mercado Defender la posicin en el

compaa
mercado Fax
Disquetes
Restaurantes para de 3 1/2
CD-ROM comer en el coche
Ventas
Impresoras a Internet Furgoneta
s
color
HDTV
La planificacin y desarrollo del EL pronstico es muy Estandarizacin Poca diferenciacin del

producto son vitales importante Cambios de producto menos producto
rpidos; ms cambios
Estrategias de la
Cambios frecuentes en Fiabilidad del producto y Minimizacin de costos

proceso minuciosos
planificacin del producto y
Capacidad ptima Sobrecapacidad en la
proceso Posibilidades y mejoras del
DO
producto competitivas industria

Lotes de produccin pequeos Estabilidad creciente del
Aumento de la capacidad proceso de produccin Eliminacin de productos
Altos costes de produccin que no proporcionan un
Cambio de tendencia para Grandes lotes de produccin
Nmero de modelos limitado centrarse en el producto margen aceptable
Mejora del producto y
Atencin a la calidad Atencin a la distribucin reduccin de costos Reduccin de capacidad
7
Tipos de pronsticos
Pronsticos econmicos:
Dirigidos al ciclo empresarial, por ejemplo, las
tasas de inflacin, la masa monetaria, etc.
Pronsticos tecnolgicos:
Predicen el progreso tecnolgico.
Predicen el nacimiento de nuevas ventas.
Pronsticos de demanda:
Predicen las ventas ya existentes.
8
Siete etapas en el sistema de pronstico
Determinar la utilizacin del pronstico.

Seleccionar los artculos en los que se va
a realizar el pronstico.
Determinar el horizonte temporal del
pronstico.
S e l e c c i o n a r e l ( l o s ) m o d e l o ( s ) d e
pronstico.
Recogida de datos.
Realizar el pronstico.
Validar e implementar los resultados.
9
Demanda de un producto representada en
un periodo de 4 aos con tendencia de
crecimiento y estacionalidad
Demanda del producto o servicio
Picos estacionales Componente de tendencia
Lnea de
demanda
actual
Demanda
media en
Variacin cuatro aos
aleatoria
Primer Segundo Tercer Cuarto

ao ao ao ao
10
Demanda real frente a los mtodos de
media mvil y media mvil ponderada
35
Media mvil ponderada
Demanda de ventas
30 Ventas reales
25
20
15
10 Media mvil
5
0
Ene.Feb. Mar. Abr. May. Jun. Jul. Ago.Sep. Oct. Nov. Dic.
Mes
11
Realidades sobre el pronstico
Raras veces los pronsticos son perfectos.
La mayora de las tcnicas de pronstico

asumen que existe cierta estabilidad
sostenida al sistema.
Tanto las predicciones de familias de

productos como las predicciones en conjunto
son ms precisas que los pronsticos de
productos individuales.
12
Enfoques del pronstico
Mtodos cualitativos Mtodos cuantitativos

Se emplean cuando Se emplean cuando
la situacin no es la situacin es
clara y hay pocos estable y existen
datos: datos histricos:
o Productos nuevos. o Productos existentes.
o Nueva tecnologa. o Tecnologa actual.
Requieren intuicin Requieren tnicas
y experiencia: matemticas:
Por ejemplo, el Por ejemplo, el
pronstico de las pronstico de las ventas
ventas a travs de de televisiones en color.
Internet.
13
Visin global de los mtodos cualitativos
Jurado de opinin ejecutiva:

Se agrupan las opiniones de un grupo de expertos
de alto nivel o de directivos, a menudo en
combinacin con modelos estadsiticos.
Proposicin de personal comercial:
Las estimacin de las ventas esperadas por los
vendedores se revisan para ver si se pueden llevar
a cabo y luego se obtiene un pronstico global.
Mtodo Delphi:
Proceso de grupo que permite a los expertos
realizar los pronsticos.
Estudio de mercado del consumidor:
Requiere informacin de los clientes.
14
Jurado de opinin ejecutiva
Requiere un pequeo grupo de directivos:

El grupo establece una estimacin conjunta
de la demanda.
Combina la experiencia directiva con
modelos estadsticos.
Es bastante rpido.
Desventaja del
pensamiento en
grupo.
15 1995 Corel Corp.

Proposicin de personal comercial
Cada vendedor estima las

ventas que har.
Se combinan con los
pronsticos a niveles de Ventas
comuna y con los
nacionales.
El representante de ventas
conoce las necesidades de
los consumidores.
Tiende a ser bastante
optimista.
1995 Corel Corp.
16
Mtodo Delphi
Proceso de grupo
iterativo. Los que toman
3 tipos de participantes: decisiones
Personal de (Ventas?)
Los que toman
plantilla (Habr 50 ventas)
decisiones.
(Qu ventas
El personal de habr?
plantilla. cuestionarios)
Los que responden.
Reduce el Los que responden
pensamiento en (Habr 45, 50, 55 ventas)
grupo.
17
Estudio de mercado
v Preguntar a los
consumidores sobre Cuntas horas utilizar
Internet la prxima semana?
sus futuros planes de
compra.
v Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
v A veces es difcil 1995 Corel
contestar a las Corp.
preguntas del
estudio.
18
Visin global de los mtodos cuantitativos
Enfoque simple
Modelos de series
Medias mviles temporales
Alisado exponencial
Proyeccin de tendencia
Modelos
Regresin lineal asociativos
19
Mtodos de pronstico cuantitativos
(no simples)
Pronstico
cuantitativo
Modelos de series Modelos

temporales asociativos
Media Alisado Proyeccin Regresin

mvil exponencial de tendencia lineal
20
Qu son las series temporales?
Es una secuencia de datos uniformemente

espaciada:
Se obtiene observando las variables en
periodos de tiempo regulares.
Se trata de una pronstico basado en los datos
pasados:
Supone que los factores que han influido en
el pasado lo sigan haciendo en el futuro.
Ejemplo:
Ao: 1993 1994 1995 1996 1997
Ventas: 78,7 63,5 89,7 93,2 92,1
21
Descomposicin de una serie temporal
Tendencia Ciclos
Estacionalidad Variaciones
aleatorias
22
Tendencia
v Es el movimiento gradual de ascenso o

descenso de los datos a lo largo del tiempo.
v Los cambios en la poblacin, ingresos, etc.
influyen en la tendencia.
v Varios aos de duracin.
Respuesta
23 Mes, trimestre, ao 1984-1994 T/Maker Co.

Estacionalidad
Muestra de datos de ascenso o descenso

que se repite.
Se puede ver afectada por la climatologa, las
costumbres, etc.
Se produce dentro de un periodo anual.
Verano
Respuesta
1984-1994 T/Maker Co.
Mes, trimestre
24
Ciclos
Movimientos de ascenso o descenso que se

repiten.
Se pueden ver afectados por interacciones
de factores que influyen en la economa.
Suelen durar de 2 a 10 aos.
Ciclo
Respuesta

Mes, trimestre, ao
25
Variaciones aleatorias
Son saltos en los datos causados por el azar y

situaciones inusuales.
Son debidas a variaciones aleatorias o a situaciones
imprevistas: 1984-1994 T/Maker Co.
Huelga.
Maremoto.
Son de corta duracin

y no se repiten.
26
Modelos de series temporales
Cualquier valor que aparezca en una serie

temporal es la multiplicacin (o suma) de
los componentes de la serie temporal.
Modelo multiplicativo:
Yi = Ti x Si x Ci x Ri (si los datos son
mensuales o trimestrales).
T: tendencia; S: estacionalidad; C: ciclos; R: variaciones aleatorias
Modelo aditivo:
Yi = Ti + Si + Ci + Ri (si los datos son
mensuales o trimestrales).
27
Enfoque simple
Suponer que la demanda en el

prximo periodo ser igual a la
demanda del periodo ms reciente:
Por ejemplo, si en mayo hubo
48 ventas, en junio habr 48
ventas.
Es el modelo con la mejor relacin

eficacia-costo y eficiencia.
1995 Corel Corp.
28
Medias mviles
Las medias mviles son una serie de operaciones aritmticas.

Se utilizan si no hay tendencia o si sta es escasa.
Se suelen utilizar para el alisado:
Proporciona una impresin general de los datos a lo
largo del tiempo.
Ecuacin:
MM =

demanda de n periodos previos
n
Atn + Atn+1 +!+ At1
MM =
29 n
Ejemplo de media mvil
Usted es el director de una tienda de un museo

que vende rplicas. Quiere predecir las ventas
(000) del ao 2000 mediante una media mvil de
3 meses.
1995 4
1996 6
1997 5
1998 3
1999 7
1995 Corel Corp.

30
Solucin de la media mvil
Ao Respuesta Media Media mvil

Yi mvil total (n=3)
(n=3)
1995 4 ND ND
1996 6 ND ND
1997 5 ND ND
1998 3 4+6+5=15 15/3 = 5
1999 7
2000 ND
31

Yi mvil total (n=3)
(n=3)
1995 4 ND ND
1996 6 ND ND
1997 5 ND ND
1998 3 4+6+5=15 15/3 = 5
1999 7 6+5+3=14 14/3=4 2/3
2000 ND
32

Yi mvil total (n=3)
(n=3)
1995 4 ND ND
1996 6 ND ND
1997 5 ND ND
1998 3 4+6+5=15 15/3=5,0
1999 7 6+5+3=14 14/3=4,7
2000 ND 5+3+7=15 15/3=5,0
33
Grfico de la media mvil
Grfico Media Mvil

8
7
Ventas reales
5
Ventas
Pronstico
4
0
1995 1996 1997 1998 1999 2000
34
Para la demanda de los doce periodos presentados en la siguiente
tabla determinar el pronstico de promedio mvil de tres periodos
Prons8co de promedio
Periodo Demanda mvil de tres periodos
1 24
2 26 Promedio mvil de tres periodos
3 22 35
4 25 24,0 30
Unidades
5 19 24,3 25
20 Demanda
6 31 22,0
15
7 26 25,0
10
8 18 25,3 Promedio
5
9 29 25,0 mvil de tres
0
periodos
10 24 24,3 1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 23,7 Periodo
12 23 27,7
13 25,7
La lnea de pronstico es ms suave que la lnea de la demanda. Mientras

ms periodos se utilicen para el clculo, el resultado ser ms suave.
El pronstico siempre quedar rezagado en relacin con toda demanda real.
35
Para la demanda de los once periodos presentados en la siguiente
tabla determinar el pronstico de promedio mvil de tres periodos
Prons8co de promedio
Periodo Demanda mvil de tres periodos
1 13 Promedio mvil de una tendencia
2 15
60
3 18
50
4 22 15,3
Unidades
40
5 27 18,3
6 31 22,3 30
Demanda
7 36 26,7 20
Pronstico
8 41 31,3 10
9 45 36,0 0
1 2 3 4 5 6 7 8 9 10 11 12
10 52 40,7
11 57 46,0 Periodo
12 51,3
El pronstico est rezagado de manera constante respecto de la tendencia

de la informacin.
El modelo de promedios mviles simples no es adecuado para pronosticar
la demanda cuando est sigue una tendencia o patrn cclico regular.
36
Mtodo de la media mvil ponderada
Se utiliza cuando se presenta una tendencia:

Los datos anteriores suelen carecer de importancia.
Las ponderaciones se basan en la intuicin:
Suelen estar entre 0 y 1, y a la suma de 1,0.
Ecuacin:
Media mvil (ponderacin para el periodo n) (demanda en el periodo n)
ponderada =
ponderaciones
n
Ft = W1 At1 + W2 At2 +!+ Wn Atn donde W = 1i

i=1
Cada uno de los pesos (W) es menor a uno, pero su suma total debe ser
37 equivalente a 1.
Demanda actual, media mvil y media
mvil ponderada
35
Media mvil ponderada
30
Ventas reales
Demanda de ventas
25
20
15
10
5 Media mvil
c
o.
l.
r.
v.
b.
n.
y.
t.
r.
e.
p.
Di
Ju
Ma
Oc
Ab
No
Ma
Ag
En
Fe
Ju
Se Mes
38
Ejemplo: Tomando los mismos puntos de datos que en el primer
ejemplo (los puntos de datos de promedios mviles de tres periodos),
aplicando un promedio mvil ponderado, con pesos de 0,5, 0,3 y 0,2
(con el peso 0,5 aplicado a la informacin de la demanda ms reciente)
Prons8co de promedio mvil

Periodo Demanda ponderado de tres periodos
1 24
2 26 Promedio ponderado de tres periodos
3 22
35
4 25 23,6
30
5 19 24,3
25
6 31 21,4
Unidades
20 Demanda
7 26 26,2 15
8 18 26,1 10 Promedio
ponderado de
9 29 23,0 5 tres periodos
10 24 25,1 0
1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 24,3
Periodos
12 23 28,0
13 25,3
El pronstico se encuentra suavizado, y tambin est rezagado respecto

de los cambios reales de la demanda.
39
Demanda real frente a mtodos media mvil y media
mvil ponderada
35
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodos
Demanda Promedio mvil de tres periodos Promedio ponderado de tres periodos
40
Inconvenientes de los mtodos de media
mvil
Al aumentar n veces, las
previsiones son menos
sensibles a los cambios.
No es posible predecir bien la

tendencia.
Se necesitan muchos datos

histricos. 1984-1994 T/Maker Co.
41
Alisado exponencial
Es una tcnica de pronstico de media mvil

ponderada:
Las ponderaciones disminuyen
exponencialmente.
Se ponderan ms los datos ms recientes.
Se necesita una constante de alisado ():
Toma valores entre 0 y 1.
Se escoge de forma subjetiva.
Necesita una cantidad reducida de datos
histricos.
42
Ecuaciones del alisado exponencial
Ft = Ft-1 + (At-1 - Ft-1)
Ft = At - 1 + (1-)At - 2 + (1- )2At - 3

+ (1- )3At - 4 + ... + (1- )t-1A0
u Ft = Valor del pronstico
u At = Valor real
u = Constante de alisado
u Se utiliza para calcular el pronstico.
43
Ejemplo de alisado exponencial
Usted est organizando una reunin. Desea predecir

el nmero de personas que asistirn en el ao 2000
mediante el alisado exponencial ( = 0,10). El
pronstico para 1995 fue de 175.
1995 180
1996 168
1997 159
1998 175
1999 190
44
Solucin del alisado exponencial
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 +
1997 159
1998 175
1999 190
2000 ND
45
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(
1997 159
1998 175
1999 190
2000 ND
46
Ft = Ft-1 + (At-1 - Ft-1)
Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 -
1997 159
1998 175
1999 190
2000 ND
47
Ft = Ft-1 + (At-1 - Ft-1)
Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00)
1997 159
1998 175
1999 190
2000 ND
48
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
(
= 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00) = 175,50
1997 159
1998 175
1999 190
2000 ND
49
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00) = 175,50
1997 159 175,50 + 0,10(168 - 175,50) = 174,75
1998 175
1999 190
2000 ND
50
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00) = 175,50
1997 159 175,50 + 0,10(168 - 175,50) = 174,75
1998 175 174,75 + 0,10(159 - 174,75)= 173,18
1999 190
2000 ND
51
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00) = 175,50
1997 159 175,50 + 0,10(168 - 175,50) = 174,75
1998 175 174,75 + 0,10(159 - 174,75) = 173,18
1999 190 173,18 + 0,10(175 - 173,18) = 173,36
2000 ND
52
Ft = Ft-1 + (At-1 - Ft-1)

Pronstico, Ft
Ao Real
( = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00) = 175,50
1997 159 175,50 + 0,10(168 - 175,50) = 174,75
1998 175 174,75 + 0,10(159 - 174,75) = 173,18
1999 190 173,18 + 0,10(175 - 173,18) = 173,36
2000 ND 173,36 + 0,10(190 - 173,36) = 175,02
53
Grfico del alisado exponencial
Grfico alisado exponencial

195
190
185
180
175
Ventas
170
165
160
155
150
145
140
1995 1996 1997 1998 1999 2000
Ao
Real Prontico
54
Para la siguiente demanda del producto XX, determine la demanda para
el periodo 13, considerando el alisado exponencial con = 0,2, 0,5 y 0,8
Suavizado exponencial = 0,2
Suavizado exponencial
Periodo Demanda = 0,2
1 24
Suavisado exponencial
2 26 25 35
30
Unidades
3 22
25
4 25 24,4 20
5 19 24,5 15
10
6 31 23,4
5
7 26 24,9 0
8 18 25,1 1 2 3 4 5 6 7 8 9 10 11 12 13
9 29 23,7 Periodo
10 24 24,8
11 30 24,6 Demanda Suavizado exponencial = 0,2
12 23 25,7
13 25,2
55
Suavizado
Periodo Demanda exponencial = 0,5
1 24 Suavisado exponencial
2 26 25 35
3 22 30
Unidades
4 25 23,5 25
5 19 24,3 20
6 31 21,6 15
7 26 26,3 10
8 18 26,2 5
9 29 22,1 0
1 2 3 4 5 6 7 8 9 10 11 12 13
10 24 25,5
11 30 24,8 Periodo
12 23 27,4 Demanda Suavizado exponencial = 0,5
13 25,2
56
Suavizado
Periodo Demanda exponencial = 0,8
1 24 Suavisado exponencial
2 26 25
35
3 22
30
Unidades
4 25 22,6 25
5 19 24,5 20
6 31 20,1 15
7 26 28,8 10
8 18 26,6 5
9 29 19,7 0
10 24 27,1 1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 24,6 Periodo
12 23 28,9
Demanda Suavizado exponencial = 0,8
13 24,2
57
Suavizado exponencial
35
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodo
Demanda Suavizado exponencial = 0,2
Suavizado exponencial = 0,5 Suavizado exponencial = 0,8
58
Efectos del pronstico de la constante de
alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos

(1 - ) (1 - )2
= 0,10 10%
= 0,90
59
alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones

(1 - ) (1 - )2
= 0,10 10% 9%
= 0,90
60
alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9% 8,1%
= 0,90
61
alisado
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones

(1 - ) (1 - )2
= 0,10 10% 9% 8,1%
= 0,90 90%
62
alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones

(1 - ) (1 - )2
= 0,10 10% 9% 8,1%
= 0,90 90% 9%
63
alisado
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
= Periodo anterior Hace 2 periodos Hace

Hace33periodos
periodos
(1 - ) (1 - ) 2
(1 - )2
= 0,10 10% 9% 8,1%
= 0,90 90% 9% 0,9%
64
Si se selecciona
Trate de minimizar la desviacin absoluta media (DAM)
Si: Error de pronstico = demanda - pronstico
Entonces:
errores de pronstico
DAM =
n
65
Alisado exponencial con ajuste de tendencia
pronstico incluyendo la tendencia (PITt)

= pronstico alisada exponencialmente (Ft)
+ tendencia alisada exponencialmente (Tt)
PITt = Ft + Tt
66
Ft = (demanda real del ltimo periodo)

+ (1- )(pronstico del ltimo periodo + tendencia estimada del
ltimo periodo)
o
Ft = (At-1) + (1- )Ft-1 + Tt-1
Tt = (pronstico del periodo actual - pronstico del ltimo

periodo) + (1- )(tendencia estimada del ltimo periodo)
o
Tt = (Ft - Ft-1) + (1- )Tt-1
67
Ft = pronstico alisada exponencialmente

de la serie de datos en el periodo t.
Tt = tendencia alisada exponencialmente en
el periodo t.
At = demanda real en el periodo t.
= constante de alisado para la media.
= constante de alisado para la tendencia.
68
Ejemplo de alisado exponencial con
ajuste de tendencia
Un gran fabricante utiliza el alisado exponencial para realizar un pronstico de

demanda de una pieza de un equipo de control de contaminacin. Parece que
est presente una tendencia al alza.
Demanda real
Mes (t) At
Ene 12
Feb 17
Mar 20
Abr 19
May 24
Jun 21
Jul 31
Ago 28
Sep 36
Oct
A las constantes de alisado se les asignan valores de = 0,2 y = 0,4. Se

supone que el pronstico inicial para el mes 1 fue de 11 unidades, y la
tendencia en este periodo fue de 2 unidades.
69
Demanda PronsOco Tendencia PronsOco
Mes (t)
real At alisado Ft alisada, Tt PITt
Ene 12 11 2
Feb 17 12,80 1,92 14,72
Mar 20 15,18 2,10 17,28
Abr 19 17,82 2,32 20,14
May 24 19,91 2,23 22,14
Jun 21 22,51 2,38 24,89
Jul 31 24,11 2,07 26,18
Ago 28 27,14 2,45 29,59
Sep 36 29,28 2,32 31,60
Oct 32,48 2,68 35,16
Pronstico con Tendencia

40
35
Demanda del producto
30
25
20
15
10
5
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
Demanda real At Pronstico PITt
70
Comparacin de pronsticos
Pronstico con Tendencia
40
35
Demanda del producto
30
25
20
15
10
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
Demanda real At Pronstico PITt Alisado exponencial
71
Proyecciones de Tendencias
Est tcnica ajusta una lnea de tendencia a una serie de datos

histricos, y proyecta la lnea hacia el futuro para realizar
pronsticos a medio o largo plazo.
Se desarrollan ecuaciones matemticas de tendencia (ej.

Exponencial y cuadratica), o bien solamente tendencias lneales
(lnea recta).
Para desarrollar una recta de tendencia lneal, se puede aplicar el

Mtodo de los Mnimos Cuadrados.
El resultado de este enfoque es una lnea recta que minimiza la

suma de los cuadrados de las distancias verticales o desviaciones
de la recta a cada una de las observaciones reales.
72
Valores de la variable dependiente
Mtodo de mnimos cuadrados
Observacin Desviacin
real (valor y)
Desviacin Desviacin
(valores y)
Desviacin
Desviacin Punto en
la lnea
Desviacin de
Desviacin tendencia
(error)
y = a + bx
Periodo de tiempo
73
Anlisis de regresin lineal
Se usa para prever la lnea de tendencia

lineal.
Supone una relacin entre la variable de
respuesta, y, y el periodo de tiempo, x, que
es una funcin lineal:
y!i = a + bx i
Se calcula mediante el mtodo de los
mnimos cuadrados:
Minimiza la suma de errores cuadrados.
74
Ecuaciones de mnimos cuadrados
Ecuacin: yi = a + bxi
n
x i y i nx y
Pendiente: b = i =1n
x i2 nx 2
i =1
Corte con el eje Y: a = y bx
y = Valor calculado de la variable a predecir (variable dependiente)

a = Corte en el eje y
b = Pendiente de la recta de regresin
x = Variable dependiente
75
Tabla de clculo
2 2
Xi Yi Xi Yi X iY i
2 2
X1 Y1 X1 Y1 X 1Y 1
2 2
X2 Y2 X2 Y2 X 2Y 2
: : : : :
2 2
Xn Yn Xn Yn X nY n
2 2
X i Yi Xi Y i X iY i
76
Modelo del anlisis de regresin lineal
Y!i = a + bX i
b>0
a
b<0
a
Modelo de pronstico del anlisis de
regresin lineal
La demanda de energa elctrica a lo largo del periodo
2008 2014 se muestra en la siguiente tabla, en
megavatios. Realizar un pronstico de la demanda del ao
2015, ajustando los datos a una tendencia de lnea recta.
Ao Demanda de energa
elctrica
2008 74
2009 79
2010 80
2011 90
2012 105
2013 142
2014 122
2015
78
Con serie de datos a lo largo del tiempo, se transforma los valores de x
(tiempo), designando a 2008 como ao 1, a 2009 como ao 2, y as
sucesivamente
Periodo)de) Demanda)de)
Ao tiempo)(x) energa)elctrica)(y) x2 xy
2008 1 74 1 74
2009 2 79 4 158
2010 3 80 9 240
2011 4 90 16 360
2012 5 105 25 525
2013 6 142 36 852
2014 7 122 49 854
x)=) 28 y)=) 692 x )=)140
2
xy)=) 3.063
x 28 y 692
x= = =4 y = = = 98,86
n 7 n 7
xy nxy 3.063 (7)(4)(98,86) 295
b= 2 2
= 2
= = 10, 54
x nx 140 (7)(4 ) 28
a = y bx = 98,86 10, 54(4) = 56, 70

79
La ecuacin de los mnimos cuadrados es:
y = 56, 70 +10,54x
La demanda proyectada para 2015, considerando este ao como x=8 es:
Demanda en 2015 = 56,70 + 10,54(8)

= 141,02 142 megavatios
La demanda proyectada para 2016, considerando este ao como x=9 es:
Demanda en 2016 = 56,70 + 10,54(9)

= 151,56 152 megavatios
Tendencia demanada de energa
160
140
Demanda de energa
120
100
80
60
40
20
0
2008 2009 2010 2011 2012 2013 2014 2015 2016
Ao
Demanda Energa Tendencia de Energa
Modelo estacional multiplicativo
Encontrar la demanda histrica media para cada estacin

sumando la demanda de esa estacin cada ao y dividindola
entre el nmero de aos de datos disponibles.
Calcular la demanda media a lo largo de todas las estaciones
dividiendo la demanda media total anual entre el nmero de
estaciones.
Calcular un ndice estacional dividiendo la demanda histrica real
de esa estacin (calculado en la etapa 1) entre la demanda media
a lo largo de todas las estaciones.
Estimar la demanda anual de todo el ao prximo.
Dividir esta estimacin de la demanda anual total entre el nmero
de estaciones y entonces multiplicarla por el ndice estacional de
esa estacin. Esto proporciona la pronstico estacional .
82
Las ventas mensuales de un producto YY en un distribuidor durante el
periodo 2000 2002, se dan en la tabla siguiente. Determine los ndices
de estacionalidad, si se espera que la demanda anual del producto para
el ao 2003 sea de 1200 unidades.
Correlacin
El coeficiente de correlacin se identifica

normalmente como r .
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.
Se usa principalmente para comprender.
84
Modelo de regresin lineal
Muestra la relacin lineal entre las

variables dependientes e independientes.
Ejemplo: ventas y publicidad (sin tiempo)
Corte con el eje Y Pendiente
^
Yi = a + b X i
Variable dependiente Variable
independiente
85
Modelo de regresin lineal
Y Yi = a + b X i + Error
Error
Lnea de
tendencia
Y^i = a + b X i
X
Valor
observado
Interpretacin de los coeficientes
Pendiente (b):
El clculo de Y vara en b cada unidad extra
en X.
Si b = 2, entonces las ventas (Y) aumentarn en
2 por cada unidad extra en publicidad (X).
Corte con el eje Y (a):

Valor medio de Y cuando X = 0.
Si a = 4, entonces las ventas medias (Y) sern
de 4 cuando la publicidad (X) sea 0.
87
Variacin de los errores aleatorios
Variacin del Y real a partir del Y

pronosticado.
Se mide mediante el error estndar de la
estimacin:
Muestra los errores de la desviacin estndar.
SY,X
Afecta a varios factores:
Significado del parmetro.
Precisin de la prediccin.
88
Error estndar de la desviacin
n
(yi yi )2
S y,x = i =1
n2
n 2 n n
yi a yi b x i yi
= i =1 i =1 i =1
n2
89
Suposiciones de los mnimos cuadrados
Se supone que la relacin es lineal.

Primero trace los datos, si existe la curva,
utilice el anlisis curvilineal.
Se supone que la relacin slo se
sustenta dentro o justo fuera del campo
de datos. No trate de predecir periodos de
tiempo lejanos al campo de la base de
datos.
Se supone que las desviaciones que
rodean a la lnea de los mnimos
90
cuadrados son aleatorias.
Fmula del coeficiente de correlacin
n n n
n x i yi x i yi
r= i =1 i =1 i =1
n 2 n 2 n 2 n 2
n x i x i n y i y i
i =1 i =1 i =1 i =1
91
Valores del coeficiente de correlacin
Correlacin Correlacin
negativa Sin positiva
perfecta correlacin perfecta
-1,0 -0,5 0 +0,5 +1,0
Aumento de la Aumento de la
correlacin negativa correlacin positiva
Coeficiente de correlacin y modelo de
regresin
Y r=1 Y r = -1
^= a +b X
Yi i
^= a +b X
Yi i
X X
Y r = 0,89 Y r=0
^= a +b X
Y ^=a +b X
Y
i i i i
X X
93
Gua para elegir el modelo de pronstico
Usted quiere conseguir:

Ninguna conducta o direccin del error de
pronstico.
^
Error = (Yi - Yi) = (Real - pronstico).
Se observa en las representaciones de los errores
a lo largo del tiempo.
Un error de pronstico ms pequeo:
Error cuadrado medio (ECM).
Desviacin media absoluta (DAM).
94
Diagrama de dispersin
Ventas Ventas frente a tiempo

4
3
2
1
0
92 93 94 95 96
Periodo de
tiempo
95
Conducta del error de pronstico
Tendencia no
totalmente Conducta deseada
justificada
Error Error
0 0
Tiempo (aos) Tiempo (aos)
96
Ecuaciones del error de pronstico
Error cuadrado medio (ECM):

n
(y i - y i ) 2 2
i =1 errores de pronstico
ECM = =
n n
Desviacin absoluta media (DAM):

n
| y i - y i | |errores de pronstico |
DAM = i =1 =
n n
97
Ejemplo de seleccin del modelo de pronstico
Usted es el analista de marketing. Ha previsto las ventas con

un modelo lineal y alisado exponencial. Qu modelo usar?
Pronstico del
Pronstico alisado
Ventas del modelo exponencial
Ao reales lineal (0,9)
1995 1 0,6 1,0
1996 1 1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
1999 4 3,4 3,8
98
Evaluacin del modelo lineal
^
Ao Yi Yi Error Error2 |Error|
1992 1 0,6 0,4 0,16 0,4
1993 1 1,3 -0,3 0,09 0,3
1994 2 2,0 0,0 0,00 0,0
1995 2 2,7 -0,7 0,49 0,7
1996 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error2 / n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
99
Evaluacin del modelo de alisado exponencial
^
Ao Yi Yi Error Error2 |Error|
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Error2 / n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
100
Evaluacin del modelo de alisado exponencial
Modelo de alisado exponencial:
ECM = Error2 / n = 0,05 / 5 = 0,01

DAM = |Error| / n = 0,3 / 5 = 0,06
Modelo lineal:
ECM = Error2 / n = 1,10 / 5 = 0,220

DAM = |Error| / n = 2,0 / 5 = 0,400
101
Seal de rastreo
Mide el grado de precisin del pronstico

para predecir valores reales.
Suma actual de los errores de pronstico

(SAEP) dividida entre la desviacin media
absoluta (DAM):
Una buena seal de rastreo tiene valores
bajos.
Debe estar dentro de los lmites de control

superiores e inferiores.
102
Ecuacin de la seal de rastreo
SAEP
Seal de rastreo =
DAM
n
(y i - y i )
= i =1
DAM
= errores de pronstico
DAM
103
Clculo de la seal de rastreo
Trim. Demanda Demanda Error SAEP Error |Error| DAM SR

prevista real absoluto acumulado
1 100 90
2 100 95
3 100 115
4 100 100
5 100 125
6 100 140
104

1 100 90 -10
2 100 95
3 100 115 Error = Real - pronstico
= 90 - 100 = -10
4 100 100
5 100 125
6 100 140
105

1 100 90 -10 -10

2 100 95
3 100 115 SAEP = Errores
= ND + (-10) = -10
4 100 100
5 100 125
6 100 140
106

1 100 90 -10 -10 10

2 100 95
3 100 115 Error absoluto = |Error|
= |-10| = 10
4 100 100
5 100 125
6 100 140
107

1 100 90 -10 -10 10 10

2 100 95
3 100 115 |Error| acumulado = |Errores|
= NA + 10 = 10
4 100 100
5 100 125
6 100 140
108

1 100 90 -10 -10 10 10 10,0

2 100 95
3 100 115 DAM = |Errores|/n
= 10/1 = 10
4 100 100
5 100 125
6 100 140
109

1 100 90 -10 -10 10 10 10,0 -1

2 100 95
3 100 115 SR = SAEP/DAM
= -10/10 = -1
4 100 100
5 100 125
6 100 140
110

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5
3 100 115
4 100 100 Error = Real - pronstico
= 95 - 100 = -5
5 100 125
6 100 140
111
Trim. Demanda Demanda

Error SAEP Error |Error| DAM SR
1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15
3 100 115
4 100 100 SAEP = Errores
= (-10) + (-5) = -15
5 100 125
6 100 140
112

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5
3 100 115
4 100 100 Error absoluto = |Error|
= |-5| = 5
5 100 125
6 100 140
113

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15
3 100 115
4 100 100 Error acumulado = |Errores|
= 10 + 5 = 15
5 100 125
6 100 140
114

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15 7,5
3 100 115
4 100 100 DAM = |Errores|/n
= 15/2 = 7,5
5 100 125
6 100 140
115

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15 7,5 -2
3 100 115
4 100 100 SR = SAEP/DAM
= -15/7,5 = -2
5 100 125
6 100 140
116
Representacin de una seal de rastreo
Seal que supera el

lmite
Seal de rastreo
Lmite de control
+
superior
DAM
0
Intervalo aceptable
-
Lmite de control
inferior
Tiempo
117
Seales de rastreo
160 3
140 pronstico
2
Seal de rastreo
120
Demanda real
100 1
80 0
Demanda real
60 -1
Seal de rastreo
40
20 -2
0 -3
0 2 4 6 8
Tiempo
118
Pronstico en el sector servicios
Presenta algunos retos poco comunes:

Especial necesidad de datos a corto plazo.
Las necesidades varan mucho en funcin de
la industria y del producto.
Vacaciones y calendario.
Eventos poco comunes.
119
Pronstico de ventas por hora en un restaurante
de comida rpida
20
segn hora del da %
Porcentaje de venta
15
10
0
+11-12 +1-2 +3-4 +5-6 +7-8 +9-10
11-12 12-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11
(Hora de almuerzo) (Hora de la cena)
Hora del da
120
Problema de aplicacin
El plan de demanda de 10 periodos para cierto producto se

presenta como 127,113, 121, 123, 117, 109, 131, 115, 127y
118 unidades. Pronostique la demanda para el periodo 11,
utilizando cada uno de los siguientes mtodos: promedio mvil
de 3 meses; promedio mvil ponderado de 3 meses con pesos
de 0,2, 0,3 y 0,5; suavizacin exponencial con una constante
de suavizacin de 0,3, y regresin lineal. Calcule el MAD para
cada mtodo, a fin de determinar el mtodo que sera
preferible de acuerdo con las circunstancias. Tambin calcule
el sesgo en la informacin, si existe, para los cuatro mtodos,
y explique su significado.
Considere que el valor de pronostico inicial de suavizacin
exponencial corresponde a la demanda real del periodo
anterior, que fue de 115 unidades.
121
Periodo Demanda x2 y2 xy
1 127 1 16129 127
2 113 4 12769 226
3 121 9 14641 363
4 123 16 15129 492
5 117 25 13689 585
6 109 36 11881 654
7 131 49 17161 917
8 115 64 13225 920
9 127 81 16129 1143
10 118 100 13924 1180
Suma= 55 1201 385 144677 6607
5,5 b= 0,018181818
120,1 a= 120
122
Periodo Demanda PM 3 Meses PMP 3 Meses Suav. Exp. Regresin
1 127 115 120,0
2 113 118,6 120,0
3 121 116,9 120,1
4 123 120,3 119,8 118,1 120,1
5 117 119,0 120,4 119,6 120,1
6 109 120,3 119,6 118,8 120,1
7 131 116,3 114,2 115,9 120,1
8 115 119,0 121,6 120,4 120,1
9 127 118,3 118,6 118,8 120,2
10 118 124,3 124,2 121,3 120,2
11 120,0 120,1 120,3 120,2
123
Periodo Demanda PM 3 Meses Error ABS PMP 3 Meses Error ABS Suav. Exp. Error ABS Regresin Error ABS
1 127 115 120,0
2 113 118,6 120,0
3 121 116,9 120,1
4 123 120,3 2,7 2,7 119,8 3,2 3,2 118,1 4,9 4,9 120,1 2,9 2,9
5 117 119,0 -2,0 2,0 120,4 -3,4 3,4 119,6 -2,6 2,6 120,1 -3,1 3,1
6 109 120,3 -11,3 11,3 119,6 -10,6 10,6 118,8 -9,8 9,8 120,1 -11,1 11,1
7 131 116,3 14,7 14,7 114,2 16,8 16,8 115,9 15,1 15,1 120,1 10,9 10,9
8 115 119,0 -4,0 4,0 121,6 -6,6 6,6 120,4 -5,4 5,4 120,1 -5,1 5,1
9 127 118,3 8,7 8,7 118,6 8,4 8,4 118,8 8,2 8,2 120,2 6,8 6,8
10 118 124,3 -6,3 6,3 124,2 -6,2 6,2 121,3 -3,3 3,3 120,2 -2,2 2,2
11 120,0 120,1 120,3 120,2
Suma= 2,3 49,7 1,6 55,2 7,1 49,3 -0,9 42,2
Suma/n= 0,3 7,1 0,2 7,9 1,0 7,0 -0,1 6,0
Mtodo MAD
Promedio mvil de 3 meses 7,1
Promedio mvil ponderado de 3 meses 7,9
Suavizacin exponencial 7,0
Regresin lineal 6,0
124

03 Proyección de La Demanda

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

03 Proyección de La Demanda

Încărcat de

Drepturi de autor:

Formate disponibile

1

El punto de inicio de prcticamente todos los

En casi todos los casos el tiempo necesario para

Para evitar que esto suceda, la produccin tendr

La produccin deber iniciar a partir de la demanda

Base de todas las

Pronstico a medio plazo:

Pronsticos a largo plazo:

Los pronsticos a corto plazo normalmente

Los pronsticos a corto plazo tienden a ser

Las etapas de introduccin y crecimiento

Las pronsticos son tiles para proyectar

mercado Defender la posicin en el

La planificacin y desarrollo del EL pronstico es muy Estandarizacin Poca diferenciacin del

Cambios frecuentes en Fiabilidad del producto y Minimizacin de costos

producto competitivas industria

Determinar la utilizacin del pronstico.

Picos estacionales Componente de tendencia

Primer Segundo Tercer Cuarto

Raras veces los pronsticos son perfectos.

La mayora de las tcnicas de pronstico

Tanto las predicciones de familias de

Mtodos cualitativos Mtodos cuantitativos

Jurado de opinin ejecutiva:

Requiere un pequeo grupo de directivos:

15 1995 Corel Corp.

Cada vendedor estima las

contestar a las Corp.

Modelos de series Modelos

Media Alisado Proyeccin Regresin

Es una secuencia de datos uniformemente

v Es el movimiento gradual de ascenso o

23 Mes, trimestre, ao 1984-1994 T/Maker Co.

Muestra de datos de ascenso o descenso

Movimientos de ascenso o descenso que se

Son saltos en los datos causados por el azar y

Son de corta duracin

Cualquier valor que aparezca en una serie

Suponer que la demanda en el

Es el modelo con la mejor relacin

1995 Corel Corp.

Las medias mviles son una serie de operaciones aritmticas.

Usted es el director de una tienda de un museo

1995 Corel Corp.

Ao Respuesta Media Media mvil

Ao Respuesta Media Media mvil

Ao Respuesta Media Media mvil

Grfico Media Mvil

La lnea de pronstico es ms suave que la lnea de la demanda. Mientras

El pronstico est rezagado de manera constante respecto de la tendencia

Se utiliza cuando se presenta una tendencia:

Ft = W1 At1 + W2 At2 +!+ Wn Atn donde W = 1i

Prons8co de promedio mvil

El pronstico se encuentra suavizado, y tambin est rezagado respecto

Demanda Promedio mvil de tres periodos Promedio ponderado de tres periodos

No es posible predecir bien la

Se necesitan muchos datos

Es una tcnica de pronstico de media mvil

Ft = Ft-1 + (At-1 - Ft-1)

Ft = At - 1 + (1-)At - 2 + (1- )2At - 3

Usted est organizando una reunin. Desea predecir

Ft = Ft-1 + (At-1 - Ft-1)

Ft = Ft-1 + (At-1 - Ft-1)

Ft = Ft-1 + (At-1 - Ft-1)