Administracin de la Produccin e

Inventario Gestin de Demanda

Clientes Internos y Externos

Proactiva: Promociones, Polticas de
Precio, etc.
Pasivas: Planeacin de Proyeccin
Pronsticos de Demanda de Ventas y Pronsticos.

1 2

Naturaleza de la demanda
Demanda normal versus demanda
temporal.
Demanda irregular versus demanda
regular.
Demanda dependiente versus
demanda independiente.
3 a la demanda
Administracin de la
demanda.
El termino administracin de la demanda se aplica
a los procesos mediante los cuales la empresa
influye en los tiempos y el volumen de la demanda,
o se adapta a los efectos indeseables de los
patrones de la demanda que no le es posible
cambiar.
No es mucho lo que la empresa puede hacer
respecto de la demanda, pero puede tomar dos
posturas:
Asumir un papel activo para influenciar la
demanda.
Asumir un papel pasivo y simplemente responder
4

Pronsticos de La previsin de Venta por Catalogos de una

Demanda Empresa Internacional de Herramientas

Los pronsticos son la base de la Cada uno de los centros de distribucin en

planificacin corporativa a largo todo el mundo es responsable del clculo de
plazo, ya que con ellos es posible las proyecciones de las ventas con carcter
coordinar y controlar a toda la mensual, trimestral y anual.
organizacin para que el sistema Estas proyecciones se agrupan por zonas y,
productivo pueda usarse de globalmente en la sede central
manera eficiente y para que el La informacin la utiliza aplicando algunas
producto se entregue a tiempo. de las tcnicas tratadas en este captulo.
5 6
 Tres Factores Claves Previsin por Consenso

El nmero de distribuidores o Los factores de proyeccin provienen

representantes de ventas por zonas de las ventas, marketing, finanzas y
El porcentaje de estos distribuidores que produccin, aunque la previsin final
actualmente estn vigentes (este nmero es fruto del consenso de todos los
vara cada mes). departamentos participantes.
Las ventas por distribuidor vigente en
El ltimo paso es la versin del
base mensual.
jurado de opinin ejecutiva.

7 8

Tipos de horizontes
Qu es la previsin? temporales de la previsin
Previsin a corto plazo:
Arte y ciencia de predecir Cobertura generalmente hasta los tres meses (maximo
acontecimientos futuros. Vender 200 un ao).
millones de Programacin de trabajos, asignacin de tareas.
Base de todas las dlares!
Previsin a mediano plazo:
decisiones Entre tres meses y uno o dos ao.
empresariales: Planificacin de las ventas, de la produccin y del
Produccin. presupuesto.
Inventario. Previsiones a largo plazo:
Personal. Periodos superiores a dos aos.
Infraestructura. Planificacin de nuevos productos, localizacin de las
instalaciones.
9 10

La influencia del ciclo de vida del Estrategia durante el ciclo

producto de vida de un producto
Introduccin Crecimiento Madurez Declive

Las etapas de introduccin y crecimiento Mejor periodo para

aumentar la cuota de
Buen momento para
cambiar el precio o la
Mal momento para cambiar la
imagen, el precio o la calidad Es vital controlar
el costo
mercado imagen de calidad Los costos competitivos son ahora
necesitan previsiones ms largas que las de
Estrategias de la compaa

muy importantes
Es vital planear la I +D Fortalecer el segmento Defender la posicin en el mercado
de mercado
madurez y declive. Iphone 7
Smart TV
DVD
Samsung S8 CD-ROM

Las previsiones son tiles para proyectar Ventas

Disquetes
Los diferentes niveles de personal Impresoras
de 3 1/2

Iphone 8 3D
Los diferentes niveles de inventarios La planificacin y desarrollo La previsin es muy Estandarizacin
Estrategias de la OM

del producto son vitales importante Poca diferenciacin del

Los diferentes niveles de capacidad de Cambios frecuentes en
planificacin del producto y
produccin proceso
Lotes de produccin pequeos
Mientras el producto pasa de la primera a la Altos costos de produccin
Nmero de modelos limitado
ltima etapa. Atencin a la calidad
Fiabilidad del producto y
proceso
Posibilidades y mejoras del
producto competitivas
Aumento de la capacidad
Cambio de tendencia para
centrarse en el producto
Atencin a la distribucin
Cambios de producto
menos rpidos; ms producto
cambios minuciosos Minimizacin de costos
Capacidad ptima Sobrecapacidad en la
industria
Estabilidad creciente del
proceso de produccin
Grandes lotes de
Eliminacin de productos
que no proporcionan un
margen aceptable
produccin
Mejora del producto y
reduccin de costos
Reduccin de capacidad

11 12
 Siete etapas en el sistema de
Tipos de previsiones previsin
Determinar la utilizacin de la previsin.
Previsines econmicas:
Seleccionar los artculos en los que se va a
Dirigidas al ciclo empresarial, por ejemplo,
realizar la previsin.
las tasas de inflacin, la masa monetaria,
etc. Determinar el horizonte temporal de la
previsin.
Previsines tecnolgicas:
Seleccionar el(los) modelo(s) de previsin.
Predicen el progreso tecnolgico.
Predicen el nacimiento de nuevas ventas. Recoleccin de datos.
Realizar la previsin.
Previsiones de demanda:
Predicen las ventas ya existentes. Validar e implementar los resultados.
13 14

Demanda de un producto representada en un

periodo de 4 aos con tendencia de
crecimiento y estacionalidad
Realidades sobre la previsin

Raras veces las previsiones son

Demanda del producto o servicio

Peaks estacionales Componente de tendencia

perfectas.
La mayora de las tcnicas de
Lnea de demanda actual previsin asumen que existe cierta
estabilidad sostenida al sistema.
Demanda media en cuatro aos Por lo cual se asume que las variables
Variacin aleatoria que influyeron en el pasado seguiran
influyendo en el futuro.
Primer Segundo Tercer Cuarto
ao ao ao ao 15 16

Enfoques de la previsin Mtodos de

Pronstico
Mtodos cualitativos Mtodos cuantitativos
Se emplean cuando la
Se emplean cuando la
situacin es estable y
situacin no es clara y
existen datos
Mtodos cualitativos o
hay pocos datos:
Productos nuevos.
histricos: subjetivos.
Productos existentes.
Nueva tecnologa.
Tecnologa actual. Mtodos Causales.
Requieren intuicin y
experiencia:
Requieren tnicas Mtodos de Serie de Tiempo.
matemticas:
Por ejemplo, la previsin de
las ventas de productos Por ejemplo, la previsin
innovadores de las ventas de
ampolletas Led. 17 18
 Mtodos Subjetivos Visin global de los mtodos
cualitativos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de
Es utilizado cuando los mtodos alto nivel o de directivos, a menudo en combinacin con
cuantitativos basados en modelos estadsiticos.
Proposicin de personal comercial:
informacin histrica no pueden Las estimacin de las ventas esperadas por los
explicar por si solos el vendedores se revisan para ver si se pueden llevar a
cabo y luego se obtiene una previsin global.
comportamiento futuro esperado Mtodo Delphi:
de alguna de sus variables, o Proceso de grupo que permite a los expertos realizar las
previsions de manera individual.
cuando no existen suficientes
Estudio de mercado del consumidor:
datos histricos. Requiere informacin de los clients (encuestas, focus
group, etc.).
19 20

Proposicin de personal
Jurado de opinin ejecutiva
comercial
Requiere un pequeo grupo de directivos:
El grupo establece una estimacin Cada vendedor estima las
conjunta de la demanda. ventas que har.
Combina la experiencia directiva con Se combinan con las
modelos estadsticos. previsiones a niveles de Ventas
Regiones y con las nacionales.
Es bastante rpido.
El representante de ventas
Desventaja del
conoce las necesidades de los
pensamiento en consumidores.
grupo. Tiende a ser bastante optimista.
1995
1995 Corel Corp.
21 22
Corel Corp.

Estudio de mercado Mtodo Delphi

Proceso de grupo
Preguntar a los iterativo.
Cuntas horas Los que toman
consumidores sobre sus 3 tipos de participantes: decisiones
futuros planes de utilizar Internet la (Ventas?)
prxima semana? Los que toman Personal que
compra. decisiones. pregunta (Habr 50 ventas)

Lo que dicen los (Qu ventas

El personal que
habr?
consumidores y lo que pregunta. cuestionarios)
luego hacen suele diferir. Los que responden.
A veces es difcil Reduce el pensamiento
Los que responden
contestar a las preguntas en grupo. (Habr 45, 50, 55 ventas)
del estudio. 1995 Corel
Corp.
23 24
 El Mtodo Delphi Fases del Mtodo Delphi
Se crea y enva una encuesta a expertos y
Es probablemente la tcnica
stos la devuelven a los coordinadores para
cualitativa que ms se utiliza. su anlisis.
Este mtodo requiere el Se prepara una lista con informacin derivada
establecimiento de un grupo de del punto anterior y se enva a los expertos
expertos relacionados con el tema Los expertos devuelven las listas y aquellos
a pronosticar. con opinin diferente deben justificar sus
Este grupo debe ser annimo. apreciaciones
Consolidar los pronsticos donde exista el
consenso por parte del grupo de expertos
25 26

Desventajas del Mtodo Diseo del sistema de

Delphi
Pronsticos
La seleccin de la tcnica est influida por
diversos factores:
Escoger un grupo idneo de La decisin de que se va a pronosticar.
expertos La precisin deseada del pronstico
El costo del procedimiento
Ruido en la comunicacin Los periodos futuros a proyectarse
Nivel de agregacin o acumulacin de la demanda
Sesgo en la coordinacin Validez y disponibilidad de datos histricos
Mtodo cualitativo v/s cuantitativo
Unidades de medicin
Tipo de software disponible
Se debe buscar:
Precisin y objetividad
27 Sensibilidad 28

Visin global de los mtodos Mtodos Causales

cuantitativos
Enfoque simple
Promedios mviles
Alisamiento exponencial
Proyeccin de tendencia
Regresin lineal
Proyeccin del mercado en base a
datos histricos.
Modelos de Buscar la causa del comportamiento de
series la variable a proyectar relacionndola
temporales con variables explicativas.
Las variables explicativas son variables
Modelos independientes, que determinan en
asociativos consecuencia las variables a proyectar.

29 30
 Modelo de regresin lineal Anlisis de regresin lineal

Se usa para prever la lnea de tendencia

Muestra la relacin lineal entre las lineal.
variables dependientes e independientes. Supone una relacin entre la variable de
Ejemplo: ventas y publicidad (sin tiempo) respuesta, Y, y el periodo de tiempo, X,
que es una funcin lineal:
Corte con el eje Pendiente
Y
Y$i = a + bX i
^
Yi = a + b X i Secalcula mediante el mtodo de los
mnimos cuadrados:
Variable dependiente Variable independiente Minimiza la suma de errores cuadrados.
31 32

Demanda real y lnea de Ecuaciones de regresin

tendencia lineal
180
160 Ecuacin: Yi = a + bx i
140
120 Y = 56,70+ 10,54X
Demanda

100 n

80
x i yi n x y
b= i =1
60 Pendiente: n
x i2 n x 2
40 i =1
Demanda real
20
0
0 2 4 6 8 10
Corte con el eje Y: a = yb x
Periodo de tiempo

33 34

Interpretacin de los Diagrama de dispersin

coeficientes
Ventas
Pendiente (b): Ventas frente a tiempo
4
El clculo de Y vara en b cada unidad extra
3
en X.
2
Si b = 2, entonces las ventas (Y) aumentarn en 2
por cada unidad extra en publicidad (X). 1
Corte con el eje Y (a): 0
Valor medio de Y cuando X = 0. 92 93 94 95 96
Si a = 4, entonces las ventas medias (Y) sern de
4 cuando la publicidad (X) sea 0. Periodo de tiempo
35 36
 Mtodo de los mnimos Mtodo de mnimos
cuadrados cuadrados
Trata de ajustar la lnea a los datos, de

Valores de la variable dependiente

manera que minimicen la suma de los Observacin Desviacin
real
cuadrados de la distancia vertical entre
cada punto de datos y su punto Desviacin Desviacin

correspondiente de la lnea. Desviacin

Punto en
Desviacin
n la lnea de
Y y
2 y= Datos de la variable
Desviacin tendencia
e= i i dependiente Desviacin
i =1
Y = Variable dependiente
calculada por la ecuacin
Y = a + bx
Periodo de tiempo
37 38

Suposiciones de los mnimos Correlacin

cuadrados
Se supone que la relacin es lineal. Primero
trace los datos, si existe la curva, utilice el Respuestas: qu intensidad tiene la
anlisis curvilineal. relacin lineal entre las variables?
Se supone que la relacin slo se sustenta
El coeficiente de correlacin se identifica
dentro o justo fuera del campo de datos. No
trate de predecir periodos de tiempo lejanos normalmente como r .
al campo de la base de datos. Los valores varan entre -1 y +1 .
Se supone que las desviaciones que rodean Mide el grado de asociacin.
a la lnea de los mnimos cuadrados son Se usa principalmente para comprender
aleatorias. los datos.
39 40

Fmula del coeficiente de correlacin Coeficiente de correlacin

y modelo de regresin
r = -1
r=1 ^
n n n Y = a+bx
n x i yi x i yi ^
Y = a+bx
r= i = i = i =
n n n n
n x i x i n y i y i r = 0,89
i= i = i= i= r=0

^
Y = a+bx ^
Y = a+bx

41 42
 Gua para elegir el modelo Conducta del error de
de previsin previsin

Usted quiere conseguir: Tendencia no

Ninguna conducta
^ o direccin del error de totalmente justificada Conducta deseada
previsin.
Error Error
Error = (Yi - Yi) = (Real - Previsin).
Se observa en las representaciones de los errores
0 0
a lo largo del tiempo.
Un error de previsin ms pequeo:
Tiempo (aos) Tiempo (aos)
Errorcuadrado medio (ECM).
Desviacin absoluta media (DAM).

43 44

Ecuaciones del error de Enfoque simple

previsin
Error cuadrado medio (ECM): Suponer que la demanda en
el prximo periodo ser igual
n a la demanda del periodo
(y i y i ) 2 2
i =1 errores de previsin ms reciente:
ECM = =
n n Por ejemplo, si en mayo hubo 48
ventas, en junio habr 48 ventas.
Desviacin absoluta media (DAM): Es el modelo con la mejor
n relacin eficacia-costo y
| y i y i |
errores de previsin |
DAM = i = = | eficiencia.
n n 1995 Corel Corp.

45 46

Modelos de Serie de Qu son las series temporales?

Tiempo
Es una secuencia de datos uniformemente
Se refieren a la medicin de una espaciada:
variable en el tiempo a intervalos Se obtiene observando las variables en periodos
espaciados uniformemente. de tiempo regulares.

El objetivo de la identificacin de la Se trata de una previsin basada en los datos

pasados:
informacin histrica es determinar un
Supone que los factores que han influido en el
patrn bsico en su comportamiento, pasado lo sigan haciendo en el futuro.
que permita la proyeccin futura de la Ejemplo:
variable deseada. Ao: 2013 2014 2015 2016 2017
Ventas: 78,7 63,5 89,7 93,2 92,1
47 48
 Descomposicin de una Tendencia
serie temporal
Es el movimiento gradual de ascenso o
descenso de los datos a lo largo del tiempo.
Tendencia Ciclos Los cambios en la poblacin, ingresos, etc.
influyen en la tendencia.
Varios aos de duracin.

Respuesta
Estacionalidad Variaciones
aleatorias
49 50
Mes, trimestre, ao 1984-1994 T/Maker Co.

Estacionalidad Ciclos
Movimientos de ascenso o descenso que se
Muestra de datos de ascenso o descenso
repiten.
que se repite.
Se pueden ver afectados por interacciones de
Se puede ver afectada por la climatologa, las
factores que influyen en la economa.
costumbres, etc.
Suelen durar de 2 a 10 aos.
Se produce dentro de un periodo anual.

Verano Ciclo
Respuesta
Respuesta

Mes, trimestre 1984-1994 T/Maker Co.
Mes, trimestre, ao
51 52

Componentes de la Serie
Variaciones aleatorias de Tiempo
En una serie histrica de datos existen
Son saltos en los datos causados por el
azar y situaciones inusuales. cuatro patrones bsicos que pueden o
Son debidas a variaciones aleatorias o a no presentarse en dicha serie:
situaciones imprevistas:
La tendencia
Huelga.
La estacionalidad
Temporal.
El componente Cclico
Son de corta duracin
La componente no
y no se repiten. 1984-1994 T/Maker Co.
sistemtica
53 54
Componentes de una serie
Modelos de Proyeccin
de Tiempo
Algunos de los modelos de series de
Componente
cclico tiempo usados son:

Promedios de mviles simples

Componente
de tendencia Alisamiento Exponencial
Mtodo de descomposicin
Componente no
sistemtico
Componente
estacional tiempo
55 56

Notacin Fuentes de error

Xt, valor observado en el periodo t Error Sistemtico:
St, valor pronosticado para el periodo t Es el que se comete consistentemente,
et, error absoluto en el pronstico del como por ejemplo excluir variables
periodo t correctas, utilizar relaciones errneas entre
variables, etc.
t=1,2,3,....,n
Error Aleatorio:
Se tiene que:
Aquellos que no se pueden explicar con el
et = Xt-St
modelo de pronstico.

57 58

Promedios Consideraciones
Mviles Simple
Es una tcnica que se utiliza en
Debern utilizarse valores grandes
pronsticos a corto plazo.
de n para las series de demanda
Es un mtodo no estadstico
que requiere de una serie que sean estables, y valores
histrica para obtener el valor a pequeos de n para las que sean
pronosticar susceptibles de cambios en el
t 1
promedio.
X i
St = i=t n
n
59 60
 Inconvenientes de los Exactitud del
mtodos de promedio mvil Pronstico
Se evala buscando el error absoluto
Al aumentar n veces, las
dado por:
previsiones son menos sensibles
1 n
a los cambios.
No es posible predecir bien la
Valor Medio: et = e
n i =1 i
tendencia.
1/ 2
1 n
Se necesitan muchos datos Desviacin
et = e i ei
2

histricos. estndar: n i =1
1984-1994 T/Maker Co.

61 62

Limitaciones Ejemplo
Periodo Mes Demanda Pronstico Pronstico
observada 3 meses 5 meses
Esta tcnica tiene algunas
1 Enero 2000
limitaciones: 2 Febrero 1350
Requiere mucha informacin 3 Marzo 1950
4 Abril 1975 1767
No se adapta rpidamente 5 Mayo 3100 1758
al cambio 6 Junio 1750 2342 2075
7 Julio 1550 2275 2025
8 Agosto 1300 2133 2065
9 Septiembre 2200 1533 1935
10 Octubre 2770 1683 1980
11 Noviembre 2350 2090 1914
12 Diciembre 2550 2440 2034
63 64

Pronstico de la demanda para promedios

Ejemplo mviles de tres y cinco semanas comparados
con la demanda
3500
tn

X
i =t 1
i
3000
Demanda n=3
St =
2500

n
Pronstico

2000

1500
Se determina el error del pronstico, segn
error medio y desviacin estndar del error 1000 n=5
500
n=3 n=5
0
Valor medio del error absoluto 610 510,3
e

e
zo

re
o
o

to
io
ril

Desviacin estndar del error absoluto 308 187

br

br
br
er

ni
er

ay
Ab

os

ub
ar

Ju

m
Ju

m
br
En

M
M

Ag

ct
ie

ie
ie
Fe

ov
pt

ic
D
Se

65 Mes
66
Alisamiento
Alisamiento Exponencial
Exponencial antiguas

recientes
El nombre se debe a que cada
En estos mtodos, cada vez que se incremento del pasado se reduce en
aade un nuevo dato, se elimina la (1 - a) .
observacin ms antigua y se calcula el Para realizar el pronstico slo se
nuevo pronstico. necesitan tres datos: el pronstico ms
Considera vlida la premisa de que la reciente, la demanda que se present
importancia de los datos disminuye para ese perodo y una constante de
mientras ms antiguos sean. suavizamiento a

67 68

Mtodo Constante de suavizamiento

S2= X1 (clculo del primer pronstico)
St+1= St+ a (Xt-St)
et = (Xt-St) :error del pronstico
St+1 : es el pronstico hecho en el
perodo t, para el perodo t+1.
a tiene un valor entre 0 y 1.
Esta constante determina el nivel de suavizamiento
0 a ; t 2 y la velocidad de reaccin ante las diferencias entre
pronsticos y hechos.
Si la demanda real es estable, un a pequeo
reduce los efectos de cambios a corto plazo
Si la demanda real aumenta o decrece con rapidez
un a de gran magnitud puede seguir el ritmo de los
cambios.
La principal desventaja de este mtodo es que no
se puede pronosticar el valor de a.
69 70

Ejemplo Ejemplo
Mes Periodo Demanda Pronstico
observada a = 0,1 a = 0,5 a= 0,9
S2 = X1 (Clculo del primer pronstico)
Enero 1 2000
Febrero 2 1350 2000 2000 2000
Marzo 3 1950 1935 1675 1415
Abril 4 1975 1937 1813 1897 St+1= St + a (Xt - St ), 0 a 1 t 2
Mayo 5 3100 1940 1894 1967
Junio 6 1750 2056 2497 2987
Julio 7 1550 2026 2123 1874
a = 0,1 a = 0,5 a = 0,9
Agosto 8 1300 1978 1837 1582
Septiembre 9 2200 1910 1568 1328 Valor medio del error absoluto 450 527 571
Octubre 10 2770 1939 1884 2113 Desviacin estndar del error absoluto 335 343 366
Noviembre 11 2350 2022 2327 2704
Diciembre 12 2230 2055 2339 2385
2073 2284 2246
71 72
Grfico pronstico de demanda segn
mtodo de alisamiento exponencial Mtodos de Descomposicin
para distintos a
3500

a=5 a=9 Considera simultneamente los patrones

3000 Demanda
de una serie histrica de datos
2500
La tendencia
Pronstico

2000
El componente cclico
1500
a= El componente estacional
1000

Componente no sistemtico
500

0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Mes 73 74

Relacin entre las Variables Procedimiento

El mtodo de descomposicin considera
Se calcula el factor de estacionalidad
que los cuatro componentes se
realizando el cuociente entre el valor
relacionan a travs de:
observado y el correspondiente promedio
S= T C Y + m mvil del perodo (ciclo de
Donde:
estacionalidad)
S= Valor pronosticado
Se calcula el ndice promedio para cada
T= Factor de tendencia
C= Componente cclico
perodo.
Y= Variable Estacional
m= Variacin no sistemtica 75 76

Procedimiento Procedimiento
Se ajusta el valor estacional
Finalmente se realiza el
multiplicando por un factor de
estacionalidad K. pronstico en base a:
Se calcula la tendencia ajustando S(t) = T(t) C Y
los datos a una regresin simple.
Donde:
Se calcula el factor cclico como: S(t) = Valor pronosticado para el perodo t
el cuociente entre el promedio T(t) = Factor de tendencia para el perodo t
mvil y la tendencia, para cada C = Componente cclico
perodo Y = Componente de Estacionalidad
m= Variacin no sistemtica
77 78
 Perodo Valor Pro. mvil a/b*100

Ejemplo 1 Enero
Observado
(a)
23.600
12 meses
(b)

Febrero 18.400
Marzo 17.900
Abril 19.000
Periodo 1 2 3 4 Paso 1: Mayo
Junio
18.600
18.200
1 23.600 41.600 35.600 30.700
2 18.400 33.500 25.700 25.000
Calcular el factor Julio
Agosto
21.300
18.900
3 17.900 30.300 21.600 21.300 de estacionalidad, Septiembre 18.600
Octubre 20.900
4 19.000 32.800 23.800 23.400 realizando el Noviembre 29.600
5 18.600 29.200 20.500 21.600 cuociente entre el 2
Diciembre
Enero
35.100
41.600 21.675 191,9
6 18.200 28.900 20.200 20.500
valor real de la Febrero 33.500 23.175 144,6
7 21.300 30.300 22.800 25.400 Marzo 30.300 24.433 124,0

8 18.900 26.300 18.900 18.200

demanda y el valor Abril 32.800 25.467 128,8
Mayo 29.200 26.617 109,7
9 18.600 25.500 16.300 19.000 pronosticado segn Junio 28.900 27.500 105,1
10 20.900 26.200 27.800 18.100 el promedio mvil Julio
Agosto
30.300
26.300
28.392
29.142
106,7
90,2
11 29.600 27.100 21.100 22.100 Septiembre 25.500 29.758 85,7
12 35.100 31.500 27.000 29.300 Octubre 26.200 30.333 86,4
Noviembre 27.100 30.775 88,1
Diciembre 31.500 30.567 103,1
79 80

Metodologa
Perodo Valor Pro. mvil a/b*100
Observado 12 meses
(a) (b)
3 Enero 35600 30267 117,6
Febrero 25700 29767 86,3
Marzo 21600 29117 74,2
Abril 23800 28392 83,8
Mayo 20500 27642 74,2 Paso 2.
Junio 20200 26917 75,0
Julio
Agosto
22800
18900
26192
25567
87,1
73,9
Se calcula el factor de estacionalidad promedio
Septiembre
Octubre
16300
27800
24950
24183
65,3
115,0
para cada perodo.
Noviembre 21100 24317 86,8
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Diciembre 27000 23817 113,4
4 Enero 30700 23442 131,0
1 191,9 144,6 124,0 128,8 109,7 105,1 106,7 90,2 85,7 86,4 88,1 103,1
Febrero 25000 23033 108,5 2 117,6 86,3 74,2 83,8 74,2 75,0 87,1 73,9 65,3 115,0 86,8 113,4
Marzo 21300 22975 92,7 3 131,0 108,5 92,7 102,0 94,3 89,1 110,3 78,3 81,9 77,3 97,8 129,1
Abril 23400 22950 102,0 4 146,8 113,1 97,0 104,9 92,7 89,7 101,3 80,8 77,6 92,9 90,9 115,2
Mayo 21600 22917 94,3
Junio 20500 23008 89,1
Julio 25400 23033 110,3
Agosto 18200 23250 78,3
Septiembre 19000 23192 81,9
Octubre 18100 23417 77,3
Noviembre 22100 22608 97,8 81 82
Diciembre 29300 22692 129,1

Metodologa Metodologa

Paso 3. ( 12 ) 100
K= = 0 .9975
Ajustar cada factor promedio, 1203
multiplicndolo por el factor de
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
estacionalidad K, calculado de: Ind. Estac. 146,5 112,9 96,7 104,6 92,5 89,5 101,1 80,6 77,5 92,6 90,6 114,9
( n merode observaciones por perodo ) 100
K= Indice.Estacionalidad
ndices promedio Y=
100
Y = Factor Estacionalidad
83 84
 Metodologa Metodologa

Paso 4. Paso 5.
Calcular la tendencia, ajustando los Se calcula el factor cclico de la serie
datos a una regresin simple: histrica a partir de la siguiente
xi =1,2,...48 (perodos) expresin:
promedio movilt
yi = ddai (demanda) Factor ciclico t =
tendenciat
y = mx + b con m = -36.6 ; b= 25465

=> T(t) = -36,6*t + 25.465

85 86

Metodologa Metodologa

Ej: Enero de Ao 2 t=13 Paso 6

Determinar el factor cclico promedio
21.675
Fc = = 0,867 para cada perodo
36,6 13 + 25465
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
1
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
2 0,867 0,927 0,977 1,019 1,065 1,100 1,136 1,166 1,190 1,213 1,231 1,223 Promedio 1,005 1,013 1,02 1,024 1,029 1,032 1,035 1,039 1,039 1,039 1,036 1,028
3 1,211 1,191 1,165 1,136 1,106 1,077 1,048 1,023 0,998 0,967 0,973 0,953
4 0,938 0,921 0,919 0,918 0,917 0,920 0,921 0,930 0,928 0,937 0,904 0,908

87 88

Metodologa Metodologa

Paso 7. Ejemplo
Se realiza el pronostico en base a la Enero de Ao 5 t=49
siguiente relacin T(49) = -36,6*49+25.465 = 23.672
Y = 146,5/100
St = T(t) x Y x C +u C = 1,0051
S = valor pronosticado => S(49) = 34.785
T = componente de tendencia
C = factor cclico
Y = Factor de estacionalidad
u = variacin no sistemtica
89 90
 Grfico pronstico de demanda segn Previsin en el sector
mtodo de Descomposicin
servicios
Resultados del Pronstico Presenta algunos retos poco
40000

35000
comunes:
30000

25000
Especial necesidad de datos a corto
plazo.
Pasajeros

20000

15000

10000 Las necesidades varan mucho en

funcin de la industria y del producto.
5000

0
1 2 3 4 5 6 7 8 9 10 11 12
Meses
Vacaciones y calendario.
Valor Pronsticado Valor observado perodo anterior

Eventos poco comunes.

91 92

Previsin de ventas por hora en

un restaurante de comida rpida

20

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
93