Esta señal de rastreo se encuentra dentro de los límites aceptables de control del

pronóstico, su rango de comportamiento se desplaza desde - 2,25 hasta + 1,00.

 Monitoreando el pronóstico
Como se comentó en la discusión de los principios de pronosticar, los
pronósticos usualmente son errados. Hay varias razones para esto,
algunas de las cuales están relacionadas con el factor humano y otras con
el comportamiento de la economía. Si hubiera un método para determinar
qué tan acertado es un pronóstico, los métodos para pronosticar podrían
ser mejorados y se podrían hacer mejores estimaciones basándose en el
error. No tiene sentido continuar con un plan cuya información está basada
en un mal pronóstico. Necesitamos monitorear el pronóstico. Monitorear el
pronóstico es el proceso de comparar la demanda actual con el pronóstico.

Error en el pronóstico

Error en el pronóstico es la diferencia entre la demanda actual y la

demanda pronosticada. Los errores pueden ocurrir en dos formas, BIAS y
variación aleatoria.

Bias. La demanda actual acumulada podría no ser la misma que el

pronóstico. La demanda actual difiere del pronóstico, y al final del 6to
periodo, la demanda acumulada es 120 unidades más grande que lo
esperado.

Bias existe cuando el acumulado de la demanda actual varia de el

acumulado del pronóstico. Esto significa que el pronóstico de la demanda
promedio se ha hecho incorrectamente. El pronóstico de la demanda
promedio era 100, pero el promedio de la demanda era 720/6= 120
unidades.

Mes
Pronostico Demanda real

Mensual Acumulado Mensual Acumulado

1 100 100 110 110
2 100 200 125 235
3 100 300 120 355
4 100 400 125 480
5 100 500 130 610
6 100 600 110 720
Total 600 600 720 720
Que es BIAS? Es un error sistemático en el cual la demanda real esta
consistentemente arriba o debajo del pronóstico de la demanda. Cuando
haya un BIAS, el pronóstico debería ser cambiado para mejorar su
precisión.

El propósito de monitorear el pronóstico es poder reaccionar a sus errores

considerándolos en la planeación o reduciéndolos. Cuando un error es
inaceptablemente grande o un BIAS es detectado, debería ser investigado
para determinar su causa.

Algunas veces se dan errores con causas excepcionales. Por ejemplo una
maquinaria descompuesta, un cliente que cierra operaciones, grandes y
únicas W/O, y especiales de ventas. Estas razones se relacionan con la
discusión de cómo recolectar y preparar la información y la necesidad de
registrar las circunstancias relacionadas con la información. En dichas
ocasiones, el historial de la demanda debe ser ajustado para considerar
(O NO CONSIDERAR) dichas circunstancias excepcionales.

Los errores también pueden ocurrir a causa de tiempos. Por ejemplo un

invierno temprano o tardío puede afectar el tiempo en la demanda de palas
para la nieve y aun así el acumulado de la demanda será el mismo.

Monitorear la demanda acumulada confirmaría errores a causa de tiempos

o eventos excepcionales. El siguiente ejemplo lo ilustra: Note que en abril
la demanda acumulada regresa a su rango normal.

Mes Pronostico Real Pronostico Real acumulado

acumulado
Enero 100 95 100 95
Febrero 100 110 200 205
Marzo* 100 155 300 360
Abril 100 45 400 405
Mayo 100 90 500 495

*El cliente anticipo un posible desabasto y compro para protegerse.

Variación aleatoria En un periodo especifico, la demanda real puede
variar en cuanto a la demanda promedio. La variabilidad dependerá del
patrón de demanda del producto. Algunos productos tendrán una
demanda estable, y la variación será mínima. Otros serán inestables y la
variación será mayor.

Considere la información en la siguiente imagen, mostrando pronóstico y

demanda real. Note que hay mucha variación aleatoria, pero el error
promedio es cero. Esto muestra que el pronóstico promedio era correcto y
que no existió ningún BIAS.

Mes Pronostico Real Variación

1 100 105 5
2 100 94 -6
3 100 98 -2
4 100 104 4
5 100 103 3
6 100 96 4
Total 600 600 0

*pronostico y ventas reales sin BIAS.

Promedio de la desviación absoluta.

Los errores en los pronósticos deben ser medidos antes de poder ser
usados para revisar el pronóstico o ayudar en la planeación. Hay varias
formas de medir los errores. Un método muy común debido a la facilidad
de su cálculo es el promedio de la desviación absoluta (MAD).

Aunque el total de errores (Variación) es cero, sigue habiendo una

variación considerable cada mes. El total de errores sería inútil para medir
la variación. Una forma de medir la variabilidad es calculando el total de
errores ignorando positivos y negativos y tomar un promedio.

MAD=Suma de todas las variaciones

Numero de observaciones (periodos)

Distribución normal El promedio de la desviación absoluta mide la

diferencia (error) entre la demanda real y el pronóstico. Usualmente, la
demanda real es cercana a el pronóstico pero algunas veces no. Una
gráfica del número de veces (frecuencia) que la demanda real tiene un
valor en particular produce una curva de campana. Esta distribución es
llamada Distribución normal.

Hay dos características importantes en las curvas normales: La tendencia

central, o promedio, y la dispersión de la distribución. La tendencia central
es el pronóstico, la dispersión, el grosor o esbeltez de la curva normal, es
medido por la desviación estándar. A mayor dispersión, mayor desviación
estándar. El promedio de la desviación absoluta es una aproximación de
la desviación estándar y es usado porque es fácil de calcular y aplicar.

Basado en estadísticas sabemos que el error estaría dentro de:

+-1 MAD del promedio cerca del 60% del tiempo.

+-2 MAD del promedio cerca del 90% del tiempo.

=_ MAD del promedio cerca del 98% del tiempo.