PRONSTICOS DE LOS

REQUERIMIENTOS DE LA CADENA DE
SUMINISTROS

Curso :Gestin de Cadena

de
Suministro
Sesin 7 UTEC: Gestin de Cadena de
 Motivacin Inicial

Peru juega con

Paraguay en
noviembre.
La planeacin y el control de las
actividades de logstica requieren
estimados precisos de los volmenes de
producto y de servicio que sern
manejados por la cadena de suministros
Fuente: Administracin de la cadena de
Suministro . Ronald H. Ballou

Si compro y vendo
camisetas de la
seleccin Cuntas
compro??
UTEC: Gestin de Cadena de
Suministros
Objetivos

Reconocer la importancia de los pronsticos en las

operaciones de Gestin de Cadena de Suministro
Reconocer las principales tcnicas cualitativas y
cuantitativas de pronsticos
Aplicar las principales tcnicas de pronsticos cuantitativos
a casos empresariales
Desarrollar pronsticos en la herramienta Excel.

UTEC: Gestin de Cadena de

Suministros
Mtodos de Pronsticos
Mtodos cuantitativos
Se emplean cuando la
situacin es estable y
existen datos histricos:
Productos existentes.
Tecnologa actual.
Requieren tcnicas
matemticas:
Por ejemplo, el pronstico
de las ventas de televisiones
a color.
Mtodos cualitativos
Se emplean cuando la
situacin no es clara y
hay pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin
y experiencia:
Por ejemplo, el pronstico de
las ventas a travs de
Internet.
Mtodos Cuantitativos

Pronsticos

cuantitativos
Modelos de series Modelos
de tiempo
causales

Promedio Suavizacin Proyeccin Regresin

mvil exponencial de tendencia lineal
Series de Tiempo

Es una secuencia de datos uniformemente

espaciada:
Se obtiene observando las variables en periodos
de tiempo regulares.
Se trata de una previsin basada 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
Componentes de Series de Tiempo

Picos Lnea de
estacionales tendencia
Demanda del producto o

Lnea de
demand
a actual
servicio

Variaci
n
aleatoria
Prim Segund Terce Cuart
er o r o
ao ao ao ao
Mtodos Cuantitativos

Pronsticos

cuantitativos
Modelos de series Modelos
de tiempo
causales

Promedio Suavizacin Proyeccin Regresin

mvil exponencial de tendencia lineal
 Promedios Mviles
Los promedios mviles son una serie de
operaciones aritmticas.
Se utilizan si no hay tendencia o si sta
es escasa.

Se suelen utilizar para la suavizacin:

largo po. impresin general de los
del tiemuna
Proporciona

Promedi
datosoa lo n periodos previos
Mvil demanda de n
Promedio Mvil Simple
Ejemplo 1
Semana Demanda
1 650
2 678 Ft = Yt + Y-1t
3 720
1
4
5
785
859
+ Y -
t
2 + ... + Y t-n
Desarrollemos un pronstico
6 920 de promedio mvil de 3
7 850 n
semanas y 6 semanas.
8 758
9 892
Asumir que slo se dispone
10 920 de 3 semanas o 6 semanas
11 789 de datos.
12 844
15
16
 GRFICO DE PROMEDIOS
MVILES
950
900
850
DEMANDA

800
750
700
650
600
1 2 3 4 5 6 7 8 9 10 11
12
SEMANAS

Demanda 3 Semanas 6
Semanas
Promedio Mvil Simple
Ejemplo 2

Semana Demanda Desarrolle un

1 820 pronstico de
2 775 promedio mvil de 3
3 680
semanas y de 5
4 655
semanas.
5 620
6 600
Asumir que slo se
7 575 dispone de 3
semanas o 5
semanas de datos

18
Solucin

19
 Promedio Mvil Ponderado
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 debe ser
1.
Ecuacin:

Promedio (ponderacin parael periodo n) (demanda en

ponderad
el periodo n) ponderaciones
o
Promedio Mvil Ponderado
Ejemplo 3

Ft1+=ww2Y
1Yt+
-1 t w3Y-t2+ ... + wnY-tn
n

i=1
w i =1
Determinar el pronstico de
Semana Demanda
1 650 promedio mvil ponderado
2 678 para el perodo 4.
3 720
4 Pesos:
t-1 0.5 (ms
reciente) t-2 0.3
t-3 0.2 20
Solucin

Semana Demanda Pronstico

1 650
2 678
3 720
4 693.4

F4 (0.2 650) (0.3 678) (0.5

720)

21
Promedio Mvil Ponderado
Ejemplo 4

Semana Demanda Determine el pronstico de

1 820 promedio mvil ponderado de
2 775 3 perodos para los perodos
3 680 4, 5, 6, 7 y 8.
4 655
5 620
Pesos:
6 600
7 575 t-1 0.7 (ms reciente)
t-2 0.2
t-3 0.1

22
Solucin
SEMANA DEMANDA PESOS PRONOSTICO
1 820 0.1
2 775 0.2
3 680 0.7
4 655 713.00
5 620 672.00
6 600 633.00
7 575 609.50
8 584.50

23
 Demanda Actual
y Pronsticos
35
30 Promedio mvil
Demanda de ventas

25 ponderado
Ventas
20 reales
15
10
5
Promedio
0
mvil
Ene. Feb. Mar. Abr. Jul. Ago. Sep. Oct.
May. Jun. Nov. Dic
Mes
Mtodos Cuantitativos

Pronsticos

cuantitativos
Modelos de series Modelos
de tiempo
causales

Promedio Suavizacin Proyeccin Regresin

mvil exponencial de tendencia lineal
Suavizacin Exponencial
Es una tcnica de previsin de promedio
mvil ponderado:
Las ponderaciones disminuyen
exponencialmente.
Se ponderan ms los datos
ms recientes.
Se necesita una constante de suavizacin
():
Toma valores entre 0 y 1.
Se escoge de forma subjetiva.
Necesita una cantidad reducida de datos
histricos.
 Suavizacin Exponencial

Ft 1 Yt (1 )Ft
Ft+1 = Pronstico del perodo que se desea encontrar
Ft = Pronstico del ltimo perodo
Yt = Valor real del ltimo perodo
= Constante de
suavizacin
Ft+1 = Yt + (1-)Yt - 1 + (1- )2Yt 2 + (1- )3Yt - 3 + ...

+ (1- )t-1Y0

24
Suavizacin Exponencial

Ft 1 Yt (1 )Ft
Ft 1 Yt Ft Ft

Ft 1 Ft (Yt
Ft ) Error del Pronstico
Ejemplo 5
En un puerto se descargan grandes cantidades de granos de los buques que
ingresaron durante los ltimos 8 meses. El gerente de operaciones desea usar
el mtodo de suavizacin exponencial para evaluar cmo esta tcnica
pronostica los tonelajes descargados. Cul es el pronstico para el mes 9?.
Dos valores de son examinados: =0.10 y =0.80. Las cantidades reales
descargadas se indican a continuacin. El pronstico para el mes 1 fue de 175
toneladas.
Mes Tonelaje Real Pronstico
1 180 175
2 168
3 159
4 175
5 190
6 205
7 180
8 182
Ejemplo 5

Coeficiente alfa Coeficiente alfa

0.1 0.8
Mes Tonelaje Real Pronstico Pronstico
1 180 175.00 175
2 168 175.50 179.00
3 159 174.75 170.20
4 175 173.18 161.24
5 190 173.36 172.25
6 205 175.02 186.45
7 180 178.02 201.29
8 182 178.22 184.26
9 178.60 182.45
Ejemplo 5
Suavizacin Exponencial
240
220
200
Tonelaje

180
160
140
120
100
1 2 3 4 5 6 7 8 9

Mes
Ton. Real alfa 0.1 alfa 0.8
Ejemplo 6

Semana Demanda
Determine los
pronsticos de
1 820
suavizacin exponencial
2 775
para los periodos 2-
3 680 10 usando =.10 y
4 655 =.60.
5 750
6 802
7 798 Al no tener informacin
8 689 sobre el pronstico de la
9 775 semana 1, asuma que el
10 pronstico es igual a la
demanda F1=D1 25
Semana Demanda 0.1 0.6
1 820 820.00 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802 783.53 723.23
7 798 785.38 770.49
8 689 786.64 787.00
9 775 776.88 728.20
10 776.69 756.28

26
Errores en los Pronsticos

Error cuadrtico medio (ECM):

n
2
(y i yi ) 2 errores de pronstico
i1
ECM
n
Desviacin absoluta media (DAM):
n
n
| y i y i |
i | errores de pronstico
DAM n n
|
 Seleccin del modelo de
pronstico
Usted es el analista de marketing.Ha pronosticado las
ventas usando el mtodo de promedios mviles y el de
suavizacin exponencial. Qu mtodo le conviene usar?

Ventas Pronstico
Pronstico
Ao reales Suavizacin
Prom.
1995 1 0,6MvilExponencial
1,0
1996 1 (=0.9)
1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
Mtodo de Suavizacin
Exponencial
Ao Y i F i 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 / = 0,05 / =
n 5 0,01
DAM = |Error| / = 0,3 / =
 Mtodo de Promedios
AoMviles
Y F Error Error
i i
2 |Error|
1995 1 0,6 0,4 0,16 0,4

1996 1 1,3 -0,3 0,09 0,3

0,0 0,00
1997 2 2,0 0,0

1998 2 2,7 -0,7 0,49 0,7

1999 ECM 4= Error

3,42/ = 0,6
1,10 / 0,36
= 0,6
Total n 0,05 1,10
0,220 2,0
 Evaluacin de mtodos
Mtodo de la suavizacin
exponencial:
ECM = Error2 / n = 0,05 =
/5 0,01
DAM = |Error| / = 0,3 /
n 5 = 0,06

Mtodo de promedios
mviles:
ECM = Error2 / n = 1,10 =
/5 0,220
DAM = |Error| / = 2,0 /
n 5 = 0,400
 Evaluacin de mtodos

MAPE (mean absolute percentage error):

At is the actual value and Ft is the forecast

value
Mtodos Cuantitativos

Pronsticos

cuantitativos
Modelos de series Modelos
de tiempo
causales

Promedio Suavizacin Proyeccin Regresin

mvil exponencial de tendencia lineal
Demanda real y lnea de
tendencia
18
0
16 Lnea de
0 Tendencia
Demanda

14
0
12
0 Demanda
10 real
0
8
0 0 2 4 6 8 1
6 0
Periodo de tiempo
0
4
0
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:

Tt b0
b 1t
Modelo de Anlisis de
Regresin Lineal Simple
Y

T t b 0 b1t
0 1 2 3 4 5 x (meses)

b0 es la interseccin con el eje Y.

b1 es la pendiente de la lnea de tendencia

35
 Mtodo de Mnimos
Cuadrados
Observaci
rea
n Desviaci
l n
Valores de la variable

Desviaci Desviaci
n n
Desviacin
Desviacin
dependiente

Desviaci
Desviaci Punto en
n
n la lnea de
Tt b0 tendencia

b1t Periodo de
tiempo
Ecuaciones de Mnimos Cuadrado

Ecuacin Tt b 0
:
b1t
t Y
tY n t

t
Pendiente b1
t
:
t n 2

Corte con el eje b0 Y b1

Y:
t
Proyeccin de la tendencia
Ejemplo 8
Pronostique la venta de generadores elctricos para los
aos 2003, 2004 y 2005 segn los datos registrados
en los 7 aos anteriores, utilizando la proyeccin de la
tendencia.
74
1996
79

1997 80
90
1998 105

142
1999

122
2000 ?
?
2001
?

 t Y
tY
t
t

b0 Y b1
n
b1
t 2

t
t 2

n
AO Generadores t Yt tYt t cuadrado
1996 74 1 74 74 1
1997 79 2 79 158 4
1998 80 3 80 240 9
1999 90 4 90 360 16
2000 105 5 105 525 25
2001
2002
142
122
6
7
142
122
852
854
36
49
Tt b0 b1t
2003 28 692 3063 140
Tt 56.7110.54t
2004 4
2005
Sum t Yt 3063 b1 10.54

Sum t 28 Y promedio 98.86

Sum Yt 692

(Sum t*SumYt)/n 2768 b1*t promedi 42.14

Sum t cuadrado 140 b0 56.71

(Sum t)cuadr/n 112 Pron. 2003 141.00

 y = 10.536x + 56.714
180
R2 = 0.8009
160
140
GENERADORES

120
100

80
60
40
20
0
0 1 2 3 4 5 6 7 8 9 10 11
AOS
Mtodos Cuantitativos

Pronsticos

cuantitativos
Modelos de series Modelos
de tiempo
causales

Promedio Suavizacin Proyeccin Regresin

mvil exponencial de tendencia lineal
Anlisis de Regresin Lineal

Se usa para determinar la relacin entre

dos variables.
Supone una relacin entre la variable de
respuesta, Y, la variable X, que es una
funcin lineal:

y b0
bx
Modelo de Regresin Lineal
Simple
Y

y b0 b1 x X

b0 es la interseccin con el eje Y.

b1 es la pendiente de la lnea

35
Ecuaciones de Mnimos
Cuadrados
Ecuacin
: y b0 b1

x x y x y i i

n
i i
Pendiente b1
: x
x n i
2

i
2

Corte con el eje b0 y b1

Y:
x
 Anlisis de Regresin
Observaci
rea
n Desviaci
l n
Valores de la variable

Desviaci Desviaci
n n
Desviacin
Desviacin
dependiente

Desviaci
Desviaci Punto en
n
n la lnea de
tendencia
Y a
Valores
bx de la variable
independiente
Correlacin

Respuestas: qu intensidad tiene

la relacin lineal entre las variables?
El coeficiente de correlacin se
identifica normalmente como r .
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.
 Coeficiente de correlacin y
modelo de regresin
Y r = 1 Y r=
-1 ^= a + b X
Yi

^= a + b X
Y i
i

i X X

Y r= Y r=
0,89 0
^= a + b X
Y ^= a + b X
Y
i i

i X i X
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 estadsticos.
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 una previsin global.
Mtodo Delphi:
Proceso de grupo que permite a los expertos realizar
las previsiones. (ventas del sector)
Estudio de mercado del consumidor:
Requiere informacin de los clientes.(encuestas)
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.
1995 Corel Corp.
 Proposicin de personal comercial

Cada vendedor estima las ventas Ventas

que har.
Se combinan con las previsiones
a niveles de distritos y con las
nacionales.
El representante de ventas conoce
las necesidades de los
consumidores.
Tiende a ser bastante optimista. 1995 Corel Corp.
 Mtodo Delphi
Proceso de grupo
iterativo. Los que
toman
3 tipos de decisiones
Personal de
participantes: plantilla (Ventas?)
Los que toman (Qu ventas (Habr 50 ventas)
decisiones. habr?
El personal de cuestionari
plantilla. os)
Los que Los que responden
responden. (Habr 45, 50, 55 ventas)
Reduce el
pensamiento en
Estudio de Mercado
Cuntas horas
Preguntar a los utilizar Internet la
consumidores sobre sus prxima semana?
futuros planes de
compra.
Lo que dicen los
consumidores y lo que
luego hacen suele
diferir.
A veces es difcil 1995 Corel
Corp.
contestar a las
preguntas del estudio.
Conclusiones

Los pronsticos cualitativos estn soportados por los estudios de mercado,

opinin de expertos y las reas comerciales.
Mientras el coeficiente de correlacin R este mas cercano a 1 , mayor
relacin tendrn las variables en el modelo de regresin.
Para la aplicacin del mtodo de los promedios mviles se necesita
informacin histrica.

UTEC: Gestin de Cadena de

Suministros
Bibliografa
Logstica Administracin de la Cadena de
Suministro Quinta Edicin , Ronald H
Ballou

UTEC: Gestin de Cadena de

Suministros