Análisis ABC de Ventas de Productos mediante

un Diagrama de Pareto
por GEO Tutoriales el 23/02/2018 en Gestión de la Cadena de Suministro, Inventarios 5

Uno de los aspectos claves en la competitividad de una Cadena de Suministroes

tomar decisiones acertadas en cuanto a los tamaños de pedidos a realizar a los
proveedores, teniendo en consideración un entorno con una demanda incierta o
aleatoria (es decir, que no se tiene certeza del valor que adquirirá dicha variable
de antemano) y productos con distinto ciclo de vida. En este contexto las
metodologías cuantitativas constituyen una contribución en este desafío de
determinación de pedidos óptimos, siendo el Análisis ABC de la venta de los
productos una de sus principales herramientas.
Análisis ABC de Ventas
Consideremos una empresa que maneja sólo 14 SKU (Stock Keeping Unit) y que
ha recolectado la estadística de ventas de cada uno de sus productos en el último
año (por ejemplo se vendieron 207 unidades del producto A en el mes de Enero).
Los datos se resumen a continuación:

La Venta Promedio (PROM) del producto A es de 334,8 unidades (se obtiene

simplemente de la sumatoria de las ventas de Enero a Diciembre de dicho
producto dividido en 12 meses, es decir, (207+293+200+…+412)/12=334,8).
La Desviación Estándar (D.EST) de la venta del producto A es de 116,9
unidades y el Coeficiente de Variación (CV) o Índice de Variabilidad se
obtiene al dividir la Desviación Estándar por la Venta Promedio. Por cierto los
cálculos se facilitan al hacer uso de una planilla Excel, lo cual ahorra esfuerzos en
la medida que se trabaja con un número creciente de productos.
A continuación se desarrolla un Análisis ABC de la venta de los productos el cual
se basa en la aplicación de la Regla de Pareto. Para ello se ordena en forma
descendente los productos según los datos de la columna Venta Promedio (PROM)
en color amarillo, luego se calcula cuánto representa dicho promedio respecto a la
sumatoria de todos los promedios (que es 2.866,4 unidades), por ejemplo, para
la SKU E es 1.666,7/2.866,4=58,14% (aprox). Finalmente la última columna
(% ACU.) corresponde al porcentaje acumulado de la venta total de productos
para un cierto nivel de SKU acumuladas (por ejemplo, en conjunto los productos E,
A y B corresponden al 80,40% de la venta total).

El Diagrama de Pareto correspondiente a los datos anteriores se puede obtener

fácilmente haciendo uso de Excel según detallamos en el artículo Cómo hacer un
Diagrama de Pareto con Excel 2010.
 La información obtenida a través del análisis ABC de venta de productos es útil
toda vez que orienta respecto a aquellos productos con mayor rotación de
inventarios, la variabilidad de la demanda y la concentración de la venta en
distintos SKU. Todos estos elementos orientan la toma de decisiones y permite
priorizar de mejor forma las distintas iniciativas en la Gestión de la Cadena de
Suministro (SCM), buscando garantizar el suministro en tiempo y cantidad de
aquellos productos que son los más relevantes para la empresa.

Ejemplo Lote Económico con Producción y

Consumo Simultaneo (POQ)
por GEO Tutoriales el 28/01/2013 en Inventarios 6

El modelo de Lote Económico con Producción y Consumo Simultaneo

(POQ)considera supuestos similares al Modelo de Cantidad Económica de
Pedido (EOQ), sin embargo, asume que el reabastecimiento y consumo se realiza
de forma simultanea durante un período de tiempo determinado luego del cual
sólo se consume (demanda) a una tasa fija. Dicha característica del modelo de lote
económico con producción y consumo simultaneo determina que su rango de
aplicabilidad esta principalmente asociado a sistemas con autoabastecimiento,
es decir, donde una parte del sistema productivo abastece en sus requerimientos a
otra.
Los principales supuestos del modelo son:

 La recepción del inventario es constante durante un periodo de tiempo.

 La producción y demanda es conocida y constante.
 El tiempo de entrega (lead time) se conoce y es constante.
 No existen descuentos por cantidad, sin embargo, dicha condición es factible de flexibilizar al igual que
el Modelo de Cantidad Económica de Pedidos (EOQ) con descuentos por cantidad.
 Los dos únicos costos relevantes son el costo de mantener el inventario y el costo de hacer un pedido.
 La falta de existencias (escasez) se evita si la orden se coloca en el momento adecuado.
Una representación gráfica de la evolución del inventario en función del tiempo
para este modelo se presenta a continuación:
Donde d: demanda diaria y f: producción diaria. Luego esta implícito que f>d.
Adicionalmente si buscamos el mínimo de la función de costos totales en términos
del tamaño del lote de producción se obtiene la siguiente solución para el modelo:

Modelos para la Gestión de Inventarios en la empresa con el objetivo de satisfacer los

requerimientos de demanda y minimizar los costos del inventario. Modelos de Revisión
Continua y Revisión Periódica. Cantidad Económica de Pedido (EOQ) con o sin
descuentos por cantidad. Producción y Consumo Simultaneo (POQ). Días de inventario
y rotación del inventario. Nivel de servicio del inventario: Instock y Fill-Rate.
Análisis ABC de Ventas de Productos mediante
un Diagrama de Pareto

por GEO Tutoriales el 23/02/2018 en Gestión de la Cadena de Suministro, Inventarios 5

Uno de los aspectos claves en la competitividad de una Cadena de Suministro es
tomar decisiones acertadas en cuanto a los tamaños de pedidos a realizar a los
proveedores, teniendo en consideración un entorno con una demanda incierta o
aleatoria (es decir, que no se tiene certeza del valor que adquirirá dicha variable
de antemano) y […]

Continua Leyendo

Ejemplo del Algoritmo de Wagner y Whitin

(Sistemas de Loteo)

por GEO Tutoriales el 05/09/2016 en Inventarios 4

El Algoritmo de Wagner y Whitin (1958) consiste en una extensión natural y

dinámica al problema de Tamaño Económico de Pedido (conocido también como
Cantidad Económica de Pedido o EOQ) donde la demanda durante el período de
planificación presenta variabilidad, no obstante, se sigue manteniendo el supuesto
de asumir que dicha demanda es conocida. De […]

Continua Leyendo

Evaluación de Proveedores y Determinación del

Tamaño Óptimo de Pedido utilizando EOQ con
Descuentos
por GEO Tutoriales el 08/07/2015 en Inventarios 2

El siguiente artículo representa la evaluación de 2 proveedores que ofrecen un

esquema de descuentos por cantidad por las unidades vendidas, asumiendo que se
satisfacen los supuestos simplificadores del modelo de Cantidad Económica de
Pedido o EOQ. En particular consideraremos que la demanda del producto es
constante y conocida y adicionalmente que el costo unitario […]

Continua Leyendo

Cómo Construir el Gráfico de Costos Totales del

Modelo EOQ con Excel

por GEO Tutoriales el 07/07/2015 en Inventarios 2

En el artículo Deducción de la Fórmula del modelo de Tamaño Económico de

Pedido (EOQ) discutimos los fundamentos que permiten obtener la solución de
dicho modelo, en particular aquel tamaño de pedido que permite minimizar la
función de costos totales. Siguiendo dicho desarrollo conceptual, a continuación
presentaremos un ejemplo tipo del modelo de Cantidad Económica de […]

Continua Leyendo
Cálculo del Nivel de Servicio Instock utilizando
una Demanda con Distribución Exponencial

por GEO Tutoriales el 01/07/2015 en Inventarios 0

Ejemplo Cálculo del Nivel de Servicio Instock: Un vendedor de flores tiene que
decidir todas las noches cuántas flores va a llevar de su plantación a su local
comercial para vender al día siguiente. La demanda por flores es estocástica y por
experiencia estima que sigue una distribución exponencial con parámetro λ=0,015.
El costo por […]

Ejemplo Lote Económico con Producción y Consumo

Simultaneo (POQ)
Una empresa puede producir un artículo o comprarlo a un contratista. Si lo
produce le costará $30 cada vez que prepare sus máquinas. La tasa de
producción f es 150 unidades diarias. Si lo compra a un contratista le
costará $20 emitir un pedido. El costo de mantener un artículo en existencia, sea
producido o comprado, es de $0,02 por unidad y por día. El consumo estimado de
ese artículo por la empresa es de 29.200 unidades anuales. Suponiendo que no
se permiten unidades faltantes, ¿la empresa debe producir o debe comprar?.
Asuma que un año tiene 365 días.
Al utilizar el modelo de Lote Económico con Producción y Consumo
Simultaneo se obtiene que la política óptima es generar lotes de producción
de 717 unidades cada vez que se requiera. Notar que la demanda diaria
dcorresponde a 80 unidades (29.200[u/año]/365[días/año]).
El costo total anual asociado a este plan es de $2.443 (POQ). Si utilizamos EOQ
el tamaño óptimo de pedido es:

Obteniéndose en este caso un Costo Total Anual (EOQ) de $2.920 por lo cual
se recomienda en este caso el autoabastecimiento y por tanto la utilización de
los resultados del modelo de lote económico con producción y consumo
simultaneo.
Actualización: Con el objeto de detallar el cálculo de los costos totales para el
ejemplo anterior, a continuación se presenta el detalle del procedimiento que
corrobora los resultados anteriormente expuestos.
El Costo Total Anual para el caso del modelo POQ se obtiene de:

Para el caso del modelo de Cantidad Económica de Pedido o EOQ, el Costo

Total Anual se obtiene de:

Ejemplo del Plan de Requerimientos de

Materiales (MRP)
por GEO Tutoriales el 16/08/2011 en Plan de Requerimientos de Materiales (MRP) 19

El Plan de Requerimientos de Materiales o simplemente MRP por sus siglas en

inglés (Material Requirements Planning) es una metodología que permite
administrar el inventario y planificar pedidos de partes y piezas con demanda
dependiente.
En la actualidad el MRP resulta ser un módulo indispensable para la gestión de los
recursos de las empresas de manufactura y son parte fundamental de las
prestaciones de los más prestigiosos softwares ERP (Enterprise Resource
Planning) disponibles en el mercado (destacándose entre ellos SAP).
En el siguiente artículo encontrarás a través de un ejemplo sencillo, explicado con
detalle, cómo realizar un Plan de Requerimientos de Materiales (MRP) y
cuáles son los elementos necesarios para su construcción. Para una correcta
comprensión introduciremos algunos conceptos que te recomendamos leer
detenidamente.
En primer lugar se afirma que un producto tiene demanda dependiente en la
medida que su demanda se puede derivar de un producto de categoría superior.
Ejemplo N°1: las plantillas, cuero, cordones, etc, son partes de demanda
dependiente, basadas en la demanda de zapatos (demanda independiente).
Ejemplo N°2: si una empresa vende 1.000 triciclos, entonces se van a
necesitar 1.000 ruedas delanteras y 2.000 ruedas traseras (más pequeñas).
Este tipo de demanda interna no necesita un pronóstico, sino sólo una tabulación
(demanda dependiente). Por otra parte la cantidad de triciclos que la empresa
podría vender es la demanda independiente.

En este contexto, una empresa que vende un producto final (con demanda
independiente) está interesada en qué, cuánto y cuándo ordenar de las
distintas partes y piezas que permiten la producción de dicho producto final.
Esta Planeación de Requerimientos de Materiales es crítica dado que
permitirá alcanzar las metas de producción en tiempo y cantidad de lo planificado
previamente en un plan maestro de producción.
Para llevar a cabo un Plan de Requerimientos de Materiales (MRP) se
necesitan 3 elementos:
 Plan Maestro de la Producción (PMP)
 Estructura del Producto, Lista de Materiales o Bill of Materials (BOM)
 Registro del Inventario (IRF)
El Plan Maestro de la Producción (PMP) establece las necesidades
en cantidad y tiempo del producto final o con demanda independiente.
Por otra parte la estructura del producto o Bill of
Materials (BOM) detalla cuántas partes y piezas se necesitan para obtener
una unidad de producto final y cómo dicho producto se compone.
Generalmente se utiliza una representación gráfica para el BOM como la de la
siguiente imagen:

Por ejemplo, para cada unidad de X (producto final con demanda

independiente) se necesitan 2 unidades de la pieza A (producto con
demanda dependiente). Análogamente, por cada unidad de la pieza A se
necesitan 3 unidades de la pieza C.
Así también, un típico juego de Lego viene con un instructivo que detalla la
cantidad de piezas componentes del producto (juego) final y el orden en el cual se
deben ensamblar. De este modo si hemos armado un juego de Lego ya tenemos
una idea intuitiva de lo que consiste un MRP.
Finalmente necesitamos el Registro del Inventario (Inventory Record File o
IRF) (tanto para productos con demanda dependiente e independiente) que
contiene la información del inventario disponible y el tiempo de espera (o lead
time) asociado a cada producto. Un ejemplo del IRF es el siguiente:

Arbitrariamente vamos a considerar que necesitamos 100 unidades el producto

X en la semana 10. Toda esta información nos permitirá desarrollar el Plan de
Requerimientos de Materiales, el cual se resume a continuación:
Ejemplo del Plan de Requerimientos de Materiales

La forma usual de poder completar la información del Plan de Requerimientos

de Materiales (MRP) es desde el producto de categoría superior, en este caso,
el Producto X. Para la semana 10 existe una necesidad bruta de este producto
por 100 unidades, sin embargo, el inventario disponible (40 unidades)
finalmente determina que sólo se necesiten 60 unidades adicionales. Como el
tiempo de espera (lead time) para el Producto X es de 2 semanas, el pedido se
debe realizar en la semana 8.
Posteriormente, por cada unidad del Producto X necesitamos 2 unidades
del Producto A. Esto determina la necesidad bruta del Producto A en 120
unidadesen la semana 8. Luego, como se dispone de un inventario de 60
unidades del producto A, la necesidad neta es sólo de 60 unidades, las cuales se
piden con 3 semanas de antelación dado el tiempo de espera. Siguiendo el mismo
procedimiento se determinan las necesidades netas del Producto B.
Es importante destacar el caso del Producto C, el cual depende tanto
de A como B. Por cada unidad de A se necesitan 3 unidades de C (en este
caso 180 unidades) y por cada unidad de B se necesitan 2 unidades de C (en
este caso 80 unidades).
El procedimiento utilizado para desarrollar el Plan de Requerimientos de
Materiales (MRP) es la política de lotificación Lote a Lote, es decir, cada vez
que se necesitan unidades se piden éstas en forma exacta. Esta alternativa,
sin embargo, NO garantiza los menores costos en la planificación, especialmente
cuando los costos de emisión (generar un pedido) son relativamente superiores a
los costos de almacenamiento (inventario).
Te recomendamos consultar al final de esta publicación los “Artículos
Relacionados” donde podrás encontrar otros ejemplos aplicados
de MRPutilizando distintas alternativas de políticas de lotificación (Costo Total
Mínimo, Costo Unitario Mínimo, EOQ).

Cómo utilizar una Regresión Lineal para

realizar un Pronóstico de Demanda
por GEO Tutoriales el 22/02/2014 en Estadística, Proyección de Demanda 34

El Método de Mínimos Cuadrados o Regresión Lineal se utiliza tanto para

pronósticos de series de tiempo como para pronósticos de relaciones causales.
En particular cuando la variable dependiente cambia como resultado del tiempo
se trata de un análisis de serie temporal.
En el siguiente artículo desarrollaremos un Pronóstico de Demanda haciendo
uso de la información histórica de venta de un producto determinado durante los
últimos 12 trimestres (3 años) cuyos datos se observan en la siguiente tabla
resumen:
La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a
continuación donde β0 y β1 son los parámetros de intercepto y pendiente,
respectivamente:

Estimar los valores de dichos parámetros es sencillo haciendo uso de una

planilla Excel tal como muestra la tabla a continuación:
Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los
valores de β0 y β1:

Una vez obtenido los parámetros de la regresión lineal se puede desarrollar un

pronóstico de demanda (columna color naranja) evaluando en la ecuación de la
regresión para los distintos valores de la variable independiente (x).
Por ejemplo, para el primer trimestre el pronóstico
es: Y(1)=441,71+359,61*1=801,3.
Observación: los valores de los pronósticos han sido
redondeados arbitrariamente a un decimal para mayor comodidad.

Notar que con la información que hemos obtenido podemos calcular el MAD y la
Señal de Rastreo y utilizar estos indicadores para validar la conveniencia de
utilizar este procedimiento como dispositivo de pronóstico.
Adicionalmente puede resultar de interés consultar el artículo Ejemplo de una
Regresión Lineal Múltiple para un Pronóstico con Excel y Minitab que
muestra cómo abordar el caso de realizar una regresión lineal con más de
una variable independiente (explicativa).
 Siguiendo con nuestro análisis a continuación podemos desarrollar un pronóstico
de demanda para los próximos 4 trimestres (un año) que corresponden a los
trimestres 13, 14, 15 y 16:

 Y(13)=441,71+359,61*13=5.116,64
 Y(14)=441,71+359,61*14=5.476,25
 Y(15)=441,71+359,61*15=5.835,86
 Y(16)=441,71+359,61*16=6.195,47
Si bien el procedimiento anterior es válido puede ser resumido haciendo uso de
las herramientas de análisis de datos de Excel o simplemente realizando un
ajuste de una regresión lineal en un gráfico de dispersión de la misma forma
que abordamos en el articulo sobre el Método de Descomposición. Para ello
luego de realizar el gráfico nos posicionamos en una de las observaciones y luego
botón derecho del mouse para seleccionar “Agregar línea de tendencia…”.

Luego en la interfaz de Excel activamos las opciones “Presentar ecuación en el

gráfico” y “Presentar el valor R cuadrado en el gráfico” (este último
indicador según se aborda en los cursos de estadística consiste en una medida de
la bondad de ajuste de la regresión).
Notar que los valores obtenidos para los parámetros de la regresión son similares
salvo menores diferencias por efecto de aproximación.
Otra opción disponible para ajustar una Regresión Lineal haciendo uso de Exceles
a través del Complemento llamado Herramientas para análisis.
Su activación es simple: en el menú Archivo (esquina superior izquierda en Excel)
ir a Opciones, luego Complementos, a continuación a la derecha de donde
dice Complementos de Excel presionar Ir… y luego activar la Herramientas
para análisis.
Una vez activada las Herramientas para análisis, se puede encontrar ésta abajo
del complemento Solver en el menú de Datos.

Luego de las opciones disponibles que nos ofrece este complemento

seleccionamos Regresión.

A continuación seleccionamos el Rango Y de entrada las celdas correspondientes

a la variable dependiente (Ventas) y en Rango X de entrada las celdas
correspondientes a la variable independiente (Trimestre).
Debemos activar adicionalmente la casilla Residuos si deseamos obtener un
pronóstico para las ventas del Trimestre 1 al Trimestre 12 (junto al cálculo
del error o residuo de la estimación).
Finalmente presionamos Aceptar lo que generará una nueva hoja en nuestra
planilla de cálculo.
Un extracto de los resultados es el que se presenta a continuación, donde en color
celeste se destaca los coeficientes asociados a los parámetros de la regresión
lineal β0 y β1, respectivamente, y en color naranjo el pronóstico obtenido para
cada uno de los doce trimestres al utilizar la ecuación de la regresión.
Por ejemplo: Y(1)=441,67+359,61*1=801,28. El residuo
o errorcorrespondiente para dicho período (Trimestre 1)
es: .
 Método de Descomposición aplicado para un
Pronóstico de Demanda
por GEO Tutoriales el 02/06/2013 en Proyección de Demanda 19

El Método de Descomposición corresponde a una metodología para

la Proyección de la Demanda que como el nombre lo sugiere “descompone” el
comportamiento de una Serie de Tiempo en tendencia, estacionalidad y ciclo,
relacionando dichos componentes a través de la siguiente fórmula (multiplicativa):

Donde:

 S= Valor pronosticado
 T= Factor de tendencia
 C= Componente cíclico
 Y= Componente estacional
 μ= Variación no sistemática
A continuación aplicaremos el Método de Descomposición para el pronóstico de
la demanda de un producto sobre el cual tenemos información histórica para un
período de 4 años (48 meses).

Paso 1: Se debe calcular el factor de estacionalidad, realizando un cuociente entre

el valor pronosticado según el Promedio o Media Móvil Simple con n=12 y el
valor real de la demanda. En la imagen a continuación se observa que el promedio
móvil para Enero de 2010 corresponde al promedio simple de la demanda real
desde Enero de 2009 a Diciembre de 2009. (Los resultados han sido aproximados
a un decimal)

Paso 2: Se calcula el factor de estacionalidad promedio para cada período. Este

procedimiento se facilita al trabajar con Tablas Dinámicas (Selecciona las
columnas de los datos de la planilla según muestra la imagen a continuación,
luego en el Menú de Excel ir a “Insertar” y en la esquina superior izquierda
seleccionar Tabla Dinámica).

Al desplegarse el menú “Lista de campos de tabla dinámica” arrastramos el

campo de Mes a Etiquetas de columnas y el campo Año a Etiquetas de fila. Por
último arrastrar el campo (a/b)*100 a Valores seleccionando en la configuración
de dicho campo “Promedio“.
La Tabla Dinámica tiene la siguiente forma donde se obtiene el factor de
estacionalidad promedio:

Paso 3: Se ajusta cada factor promedio, multiplicándolo por el factor de

estacionalidad K, calculado de:

En el ejemplo: K=(12*100)/(1.235,8)=0,971 (aproximado). Notar que los

valores de la fila Indice Estacionalidad corresponde a la ponderación del Factor de
Estacionalidad Promedio por el parámetro K.
Paso 4: Calcular la tendencia de la serie de tiempo ajustando los datos a una
regresión lineal, donde la variable dependiente corresponde a la demanda (Y) y la
variable independiente a los períodos (X).
Para este propósito se puede aplicar el procedimiento de forma muy sencilla en
Excel a través de las siguientes alternativas:

1. Hacer un Gráfico de Línea con los valores de la demanda real como se

muestra en la imagen a continuación:

Luego sobre el gráfico de línea con el mouse o teclado seleccionar con el botón
derecho la opción “Agregar línea de tendencia”. Por defecto se ofrece la
alternativa de tendencia lineal (no modificar) y debemos seleccionar las siguientes
opciones:

Una vez realizado lo anterior obtendremos el gráfico que muestra el ajuste de la

regresión y su ecuación. En nuestro ejemplo la regresión
es: Y=98,038*X+15.157.
2. En la pestaña de “Datos” de Excel en la esquina superior derecha
observaremos la opción “Análisis de datos” la cual debemos seleccionar,
ingresando en el “Rango Y de entrada” los valores en la columna de la demanda
real y en “Rango X de entrada” los valores de los períodos.
Luego presionar “Aceptar“, luego de lo cual se generará una nueva hoja en la
planilla de cálculo con los resultados de la Regresión Lineal: (hemos marcado
con color amarillo los resultados más relevantes en la aplicación del método de
descomposición que son por supuesto coherentes con los que se obtienen al
desarrollar el procedimiento del gráfico de línea).

Paso 5: Se calcula el factor cíclico de la serie histórica a partir de la siguiente

expresión:

Por ejemplo para Enero de 2010 (dato 13) el Factor Cíclico es 0,973 (se obtiene
dividiendo 15.994,4 en 98,038*13+15.157). En la imagen a continuación se
muestra la fórmula en Excel que hemos utilizado considerando una aproximación
de los resultados a 3 decimales.
 Paso 6: Determinar el factor cíclico promedio para cada período. En este paso al
igual que en el Paso 2 una Tabla Dinámica resulta de bastante ayuda:

Una vez completado el Paso 6 estamos en condiciones de realizar un pronóstico de

demanda utilizando la fórmula presentada al inicio del artículo. Por ejemplo si
queremos pronosticar la demanda de Enero de 2013 (período 49) el resultado
sería el siguiente:

 T(49) = 98,038*49+15157 = 19.960,862

 C(Ene) = 0,966
 Y(Ene) = 90,8/100
 S(49) = 19.960,862 * (90,8/100) * 0,966 = 17.508,231

Cálculo del MAD y la Señal de Rastreo para un

Pronóstico de Demanda
por GEO Tutoriales el 23/07/2011 en Proyección de Demanda 18

Un aspecto clave cuando se realiza un Pronóstico de Demanda es evaluar éste

en cuanto a su ajuste respecto a la información real que se dispone. Para ello se
introduce el concepto error que básicamente mide la diferencia entre el valor real
y el valor pronosticado para un período específico.
Formalmente el error de un pronóstico se define
como donde es la demanda real u observada en el
período t y es la demanda pronosticada para el mismo período.
De esta forma, si por ejemplo, para un período dado (digamos por ejemplo,
período 1), la demanda real es de 150 unidades y nuestro pronóstico para el
mismo período fue 100 unidades, entonces ,
entonces tenemos una subestimación de la demanda real de una magnitud de 50
unidades.
De forma análoga, si la demanda real es de 150 unidades pero nuestro pronóstico
para el mismo período, es, por ejemplo, 250 unidades el error correspondiente
es , por tanto en este caso tenemos
una sobrestimación de la demanda real de una magnitud de 100 unidades.
En la práctica un pronóstico perfecto es imposible y por tanto el tomador de
decisiones sabe que debe lidiar con un grado de error.
En este contexto se pueden identificar 2 tipos de errores: error sistemático el
cual depende del método de pronóstico que utilizamos y el error aleatorio el cual
es propio de la variación inherente de la situación que se modela. Luego, nos
interesa minimizar la presencia y magnitud del error sistemático.
Para ello utilizamos 2 indicadores que generalmente se analizan en forma conjunta
para tener una visión más objetiva de lo adecuado (o no) de un pronóstico de
demanda. Dichos indicadores son el MAD y la Señal de Rastreo (TS). En este
contexto a continuación se presentan las fórmulas para el cálculo del MAD y la
Señal de Rastreo para un pronóstico de demanda haciendo uso de un método de
series de tiempo.
MAD (Error Absoluto Medio): Que proporciona una medición del error promedio
del pronóstico (en valor absoluto) y queda definido matemáticamente por:

Señal de Rastreo (TS – Tracking Signal): Mide la desviación del pronóstico

respecto a la variación de la demanda.
Cálculo del MAD y la Señal de Rastreo
A continuación se presenta el cálculo del MAD y la Señal de Rastreo para el
pronóstico de demanda de un producto determinado utilizando Media Móvil
Simple con n=3. Notar que corresponde a la demanda real (observada) para
el período (mes) t y es la demanda pronosticada para el mes t(obtenido a
través del método de media móvil según lo señalado anteriormente).

El siguiente video tutorial muestra cómo se obtienen los resultados detallados en

el resumen anterior:

En el artículo Interpretación de la Señal de Rastreo de un Pronóstico de

Demanda detallamos la interpretación de este indicador que nos permite evaluar
la presencia de error sistemático y si algún tipo de error
(sobrestimación o subestimación) predomina en nuestras estimaciones.
Así también se propone revisar el aporte para efectos de evaluación que constituye
disponer de un indicador de desempeño adicional denominado MAPE (Error
Porcentual Absoluto Medio) que permite tener una estimación relativa
(porcentual) del error del pronóstico.
Métodos de Series de Tiempo para el desarrollo de Pronósticos de Demanda: Media
Móvil Simple, Media Móvil Ponderada, Suavizamiento Exponencial, Suavizamiento
Exponencial Doble, Regresión Lineal, Método de Descomposición, entre otros. Cálculo
del MAD, Señal de Rastreo y MAPE para un pronóstico de demanda.
Suavizamiento Exponencial Simple (Ejercicios
Resueltos)

por GEO Tutoriales el 17/10/2017 en Proyección de Demanda 4

El método de Suavizamiento Exponencial Simple (conocido también como

Alisamiento Exponencial o Suavización Exponencial Simple) corresponde a una de
las metodologías más populares para realizar Pronósticos de Demanda al disponer
de una serie de tiempo. En este contexto en el artículo Pronóstico de Demanda con
Alisamiento Exponencial para distintos valores de Alfa se detalla la aplicación […]

Continua Leyendo

Tratamiento de Puntos Atípicos en Series de

Tiempo con R Software

por Javier Maturana Ross el 11/11/2016 en Estadística, Proyección de Demanda 0

Los puntos atípicos (también denominados puntos aberrantes o outliers) siempre

son un problema al momento de querer ajustar una serie de tiempo, o querer
hacer predicciones para valores futuros. Recordamos al lector que una serie de
tiempo se define como un conjunto de valores observados en un horizonte de
tiempo y cumplen con ser equidistantes […]

Continua Leyendo

Método de Suavizamiento Exponencial

Ajustado a la Tendencia (Suavización
Exponencial Doble)

por GEO Tutoriales el 24/08/2015 en Proyección de Demanda 2

Los métodos de pronóstico de demanda de series de tiempo como Suavizamiento

Exponencial (Alisamiento Exponencial) y Media Móvil Simple, tienen un mejor
desempeño cuando el patrón histórico de la demanda no evidencia tendencia ni
estacionalidad marcada como se observa en el gráfico a continuación. En particular
en el caso del Suavizamiento Exponencial, si la serie de […]

Continua Leyendo

Ejemplo de una Regresión Lineal Múltiple para

un Pronóstico con Excel y Minitab

por GEO Tutoriales el 23/07/2015 en Proyección de Demanda 0

Los métodos de pronósticos de relaciones causales establecen que el
comportamiento o variación de una variable de interés se puede explicar a través
de una o más variables que se presume tienen un efecto significativo sobre ella.
Tal sería el caso de si por ejemplo se intenta explicar las ventas de casas en un
país […]

Continua Leyendo

El éxito de GameLab en el Desarrollo de Juegos

de Simulación de Procesos y Negocios

por GEO Tutoriales el 30/06/2015 en Gestión de la Cadena de

Suministro, Inventarios, Procesos, Proyección de Demanda 0

GameLab, y su lema: from Classroom to playground (de la sala de clases al patio

de juegos) constituye un excelente resumen de la orientación de esta empresa
tecnológica fundada en Chile dedicada al desarrollo de juegos de simulación para
cursos y universidades. El objetivo de sus distintos juegos es crear una experiencia
inolvidable para los […]