Académique Documents
Professionnel Documents
Culture Documents
1 2
Administracin de la
Naturaleza de la demanda
demanda.
El termino administracin de la demanda se aplica
Demanda normal versus demanda a los procesos mediante los cuales la empresa
influye en los tiempos y el volumen de la demanda,
temporal. o se adapta a los efectos indeseables de los
Demanda irregular versus demanda patrones de la demanda que no le es posible
cambiar.
regular. No es mucho lo que la empresa puede hacer
Demanda dependiente versus respecto de la demanda, pero puede tomar dos
posturas:
demanda independiente. Asumir un papel activo para influenciar la
demanda.
Asumir un papel pasivo y simplemente responder
3 a la demanda 4
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
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
Iphone 8 3D
Los diferentes niveles de inventarios La planificacin y desarrollo La previsin es muy Estandarizacin
Estrategias de la OM
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
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.
29 30
Modelo de regresin lineal Anlisis de regresin lineal
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
^
Y = a+bx ^
Y = a+bx
41 42
Gua para elegir el modelo Conducta del error de
de previsin previsin
43 44
45 46
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:
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
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
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
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
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
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
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
Metodologa Metodologa
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
0
1 2 3 4 5 6 7 8 9 10 11 12
Meses
Vacaciones y calendario.
Valor Pronsticado Valor observado perodo anterior
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