You are on page 1of 22

Previsin de la demanda

Gestin de Operaciones
Luis G. Acosta Espejo

Pronsticos de Demanda y Monitoreo de Errores


Temas a tratar Gestin de la demanda. Principios de los pronstico. Exactitud de un pronstico: medicin y fuentes de error. Modelos adaptativos de pronsticos.

Gestin de Demanda
Clientes Internos y Externos

Planeacin y proyeccin de ventas y Pronsticos.

Promociones, Polticas de Precio, etc.

Oferta

Demanda

Demanda Dependiente Independiente

La cantidad prevista se representa generalmente por nico nmero.

Importancia del pronstico de la Demanda


Proceso (arte y ciencia) de predecir eventos futuros. El pronstico es la nica estimacin de la demanda hasta que se conoce la demanda real.

Inputs

Operaciones

Outputs

Planear los niveles adecuados de recursos.

cunto producir?

Importancia del pronstico de la Demanda


Utilizados tanto en procesos pull (capacidad e inventario) y push. Todas estas decisiones estn interrelacionadas (intra e inter empresas) Pronsticos colaborativos. Los productos maduros son fciles de pronosticar (leche, toallas de papel, etc.). Artculos difciles de pronosticar (bienes de moda y productos de alta tecnologa). Ya que existen escasas oportunidades de recuperarse de un mal pronstico. (ventana de tiempo de ventas es muy corto). Actividad: Discuta sobre el uso del pronstico durante el ciclo de vida del producto.
6

Principios de los pronsticos


Las previsiones no son perfectas: Debe incluir el valor del pronostico y una medida de error. Ventas esperadas = [100,1900] Promedio=1000. Ventas esperadas = [900,1100] Promedio=1000. Las previsiones son ms exactas para grupos o familias de tems que para tems individuales (coeficiente de variacin menor). Las previsiones son ms exactas para horizontes de tiempo ms cortos que para los mayores.

Etapas del proceso de previsin


Decidir qu pronosticar :
Ventas o demanda Nivel de detalle: producto o familia Influencia de un producto sobre otro Unidades del pronstico Extensin en tiempo Datos necesarios y datos disponibles Identificar patrones en los datos

Evaluar y analizar datos apropiados

Seleccionar y probar el Definir criterios de seleccin modelos de pronstico: Reducir el nmero de opciones Realizar el pronstico Monitorear la exactitud de la previsin
8

Factores a considerar al seleccionar un mtodo de previsin

La precisin deseada del pronstico El costo del procedimiento Los periodos futuros a proyectarse Validez y disponibilidad de datos histricos Naturaleza de los productos o servicios Considerar las fuentes de abastecimiento (tiempos de aprovisionamiento cortos mayor precisin pronsticos). Se debe buscar Precisin y objetividad Sensibilidad
9

Tipos de pronsticos
Pronsticos econmicos, buscan identificar el ciclo del negocio, generan indicadores tales como: Tasas de inflacin Construccin de vivienda Suministros de dinero Pronsticos tecnolgicos, ndices de progreso tecnolgico: Predecir nuevos cambios tecnolgicos Predecir la demanda de nuevos productos. Pronsticos de la demanda Predecir la demanda de productos existentes.
10

Mtodos de Pronstico
Mtodos cualitativos o subjetivos. Mtodos cuantitativos: Mtodos de extrapolacin (ejm, series de tiempo). Mtodos causales. Simulacin.

Se recomienda equilibrar los factores objetivos y subjetivos al pronosticar la demanda

11

Error de la previsin

Donde: xt, valor observado en el periodo t Ft, valor previsto para el periodo t et, error en la previsin del periodo t t=1,2,3,....,n.
12

Fuentes de error
Error sistemtico:
Es el que se comete consistentemente, como por ejemplo excluir variables correctas, utilizar relaciones errneas entre variables, etc.

Error aleatorio:
Aquellos que no se pueden explicar con el modelo de pronstico.

13

Monitoreo y control

14

Discriminar entre pronsticos

15

Monitoreo del Pronstico


Uso medidas que indiquen si el pronstico es confiable y puede usarse.

16

Seal de rastreo - Grfica


SR excede el lmite Seal de rastreo Control -Lmite superior

+ 0 -

Rango aceptable
Control -Lmite inferior

Tiempo

17

Patrn para error del pronstico

No deseable Patrn deseable Error 0 Tiempo (Aos) Error 0 Tiempo (Aos)

18

Mtodos de Extrapolacin

Series de Tiempo

19

Series de Tiempo
Se refieren a la medicin de un conjunto ordenado de valores de una variable en el tiempo (observado a intervalos espaciados uniformemente). Ejemplo: Se puede usar directamente? Ao 1 Ao 2 Ao 4 Ao 5 Ao 6 78,7 63,5 89,7 93,2 92,1

Ventas:

El objetivo de la recopilacin de la informacin histrica es identificar un patrn bsico en su comportamiento, que permita la proyeccin futura de la variable deseada.
20

10

Componentes de una serie de Tiempo


Estacional Demanda del producto o servicio Tendencia

Demanda actual

Demanda promedio en 4 aos Variacin aleatoria


Ao 1 Ao 2 Ao 3 Ao 4
21

Metodologa de trabajo
Objetivo: Identificar las componentes y postular procesos adecuados para estimarlos. Cul es el nivel de participacin de cada componente en los datos?

Luego que los efectos son medidos, el pronstico requiere que reincorporemos las componentes en las estimaciones del pronstico.

22

11

Mtodos para pronosticar por series de tiempo


Predecir el componente sistemtico de la demanda y estimar el componente aleatorio.

Meta:

Componente sistemtico

= f(nivel, tendencia, estacional).

23

Mtodos para pronosticar por series de tiempo

Existen diversas formas posibles de adoptar: Multiplicativo:


componente sistemtico = nivel x tendencia x factor estacional.

Aditivo:
componente sistemtico = nivel+tendencia+factor estacional.

Mixto:
componente sistemtico = (nivel+tendencia) x factor estacional.

24

12

Ejemplo: Un modelo aditivo

Demanda | 0

| | | | | | | | | | | | | | | 2 4 5 8 10 12 14 16 Perodo

Ejemplo: Un modelo multiplicativo

Demanda | 0

| | | | | | | | | | | | | | | 2 4 5 8 10 12 14 16 Perodo

13

Algunos mtodos
Veremos mtodos adaptativos, donde nivel, tendencia y estacionalidad se actualizan despus de cada observacin de la demanda. Los modelos adaptativos ms usados son: Promedios mviles Suavizamiento Exponencial Mtodo de Holt Mtodo de Winters

27

Promedios Mviles
Componente = nivel sistemtico Es una tcnica que se utiliza en pronsticos a corto plazo. Entrega, como previsin, la media de los datos de algunos perodos recientes. Requiere de una serie histrica para obtener el valor a pronosticar

28

14

Observaciones
Los promedios mviles son tiles en series de tiempo que fluctan en torno a un nivel base constante:
Variacin aleatoria en el periodo t respecto al nivel base.

Nivel base para la serie


29

Ejercicio

Para cul de estas series se ajusta mejor los promedios mviles? Justifique su respuesta. En funcin de su respuesta anterior Cul es el mejor valor para el nmero de periodos usados para calcular el promedio mvil (parmetro n)? 30

15

Suavizamiento Exponencial
Componente = nivel sistemtico
recientes antiguas

Asume que el valor de prediccin de los datos disminuye mientras ms antiguos sean. El nombre se debe a que con cada incremento del tiempo, el peso del pasado se reduce en (1 - ) . Para realizar el pronstico slo se necesitan tres datos: el pronstico ms reciente, la demanda que se present para ese perodo y una constante de suavizamiento
31

Mtodo

Ft+1 : es el pronstico hecho en el perodo t, para el perodo t+1.

32

16

Constante de suavizamiento ()
tiene un valor entre 0 y 1. Esta constante determina el nivel de suavizamiento y la velocidad de reaccin ante las diferencias entre pronsticos y hechos. Si la demanda real es estable, un pequeo reduce los efectos de cambios a corto plazo. Si la demanda real aumenta o decrece con rapidez un de gran magnitud puede seguir el ritmo de los cambios. Si el valor de que minimiza el MAD es > a 0,5 quiere decir que la serie posee tendencia, estacionalidad o variacin cclica. Cmo determinar el mejor valor para ?
33

Ejercicio

Para cul de estas series se ajusta mejor el suavizamiento exponencial? Justifique su respuesta. En funcin de su respuesta anterior Cul es el mejor valor para la constante de suavizamiento?
34

17

Mtodo de Holt
Componente = nivel + tendencia sistemtico

Utilizado para pronosticar demandas con tendencia lineal. Este mtodo separa la serie en dos componentes: nivel base (Lt) y tendencia (Tt). Para cada componente realiza una estimacin suavizada. Ejm. Si L20=20 y T20=2, quiere decir que despus de observar x20, opinamos que el nivel base de la serie es 20 y que ste nivel aumenta 2 unidades por periodo.
35

Mtodo de Holt (2)


Sean y las constantes de suavizamiento, cada una entre 0 y 1.

Componente sistemtico

= nivel + tendencia

El pronstico para xt+k realizado al final del periodo t, est dado por:

36

18

Ejemplo
Una empresa tuvo los siguientes ingresos en el perodo de febrero a julio

Use el mtodo de Holt para pronosticar los ingresos. Suponga que el pronstico inicial para febrero es de 65.000 dlares y el ajuste de tendencia inicial 0. Los valores posibles para las constantes de suavizamiento son de =0,1; 0,5; 0,9 y =0,2. a) Si se asume que el nivel base es estable Cul es pronstico de ingreso para los meses de agosto y diciembre? b) Usted considera confiable este pronstico? Justifique su respuesta.
37

Ejercicio

Para cul de estas series se ajusta mejor el mtodo de Holt? Justifique su respuesta. En funcin de su respuesta anterior, determine la mejor combinacin de las constantes de suavizamiento
38

19

Mtodo de Winters
Componente = (nivel + tendencia) x factor estacional sistemtico Considera que la serie en tres componentes nivel base (Lt), tendencia (Tt) y estacional (St). En este caso utilizaremos St

como una estimacin para el factor multiplicativo estacional para el mes t.

La actualizacin de estas estimaciones se realiza despus de observar xt. Observacin: Periodicidad p de los datos, se refiere al nmero de periodos en la duracin del patrn estacional.
Ej. p=4 en el caso trimestral.
39

Mtodo de Winters (2)


Sean , y las constantes de suavizamiento, cada una entre 0 y 1.

El pronstico para xt+k realizado al final del periodo t, est dado por:

40

20

Mtodo de Winters - Observaciones


Se requieren valores iniciales para:
L0 T0 S0, S-1, S-2,, S-p+1.

Se requiere determinar la mejor combinacin de parmetros , , . La actualizacin de cada factor estacional se realiza pocas veces (cada 1/p de todos los periodos). Se requiere dar ms peso a cada observacin, por lo tanto valores de >0, no es imposible.

41

Ejercicio

Para cada una de las series, obtenga el pronstico para el mes 30. Evale el desempeo del pronstico.
42

21

Lectura complementaria
Winston, W. Captulo 24 Modelos para pronsticos. Heizer, J.; Render, B. Captulo 4, Pronsticos. Stadtler, H.; Kilger, C. Captulo 7 Demand Planning.

43

22