i

Tecnológico Nacional de México

Instituto Tecnológico de Aguascalientes
Departamento de Ingeniería Industrial
Pronostico de la demanda
Instituto Tecnológico de Aguascalientes

Nombre:
Salas Salas Manuel de Jesús
 ii

Tecnológico Nacional de México

Instituto Tecnológico de Aguascalientes

Departamento de Ingeniería Industrial

Tema 2

“Pronóstico de la demanda”
Carrera: Ingeniería Industrial

Administración de Operaciones l

Alumno:

 Salas Salas Manuel de Jesús

Catedrática:
Ing.: Araceli Delgadillo Acero.

Fecha de entrega:
Aguascalientes, Ags, México 11 de octubre de 2018
 iii

Contenido general
Resumen____________________________________________________ iv

Introducción__________________________________________________ 1
Características de la demanda __________________________________ 2
Desarrollo del proyecto ________________________________________ 3-11

Conclusiones________________________________________________ 12
Bibliografía__________________________________________________ 13
 iv

Resumen

Al principio de los sistemas de planificación se da a partir de la demanda real o

esperada de los clientes. Sin embargo, en casi todos los casos el tiempo necesario
para generar y entregar el producto que el servicio exceda las expectativas del
cliente. Así, la producción deberá iniciar a partir de la demanda esperada o, en otras
palabras, de un pronóstico de la demanda.
Entendemos por pronóstico: es el proceso de estimación en situaciones de
incertidumbre. En este documento se abordaran ejemplos de demandas y sus
comportamientos.
 1

Introducción

2.1 Importancia estratégica del pronóstico

Primeramente para poder hablar de la importancia estratégica del pronóstico

debemos de saber cuál es el objetivo de ésta; que precisamente es reducir la
incertidumbre o el dilema acerca de lo que puede acontecer en el futuro,
proporcionando información relativamente cercana a la realidad, que no permitirá
tomar decisiones-

Supongamos que una tienda de ropa “Suburbia” formuló mal su pronóstico (o

proyección); que esta es una técnica para utilizar experiencias pasadas con la
finalidad de predecir expectativas del futuro; y para la venta de invierno pronóstico
que la venta de sudaderas sería más elevada que el invierno pasado, lo que trajo
como consecuencia que el inventario de almacén de sudaderas sería mayor para
este invierno, lo que provocó que se le quedarán más sudaderas en almacén por su
mala proyección.

Para que no suceda lo anterior debemos de tomar en cuenta que en las

organizaciones los pronósticos se utilizan para tres propósitos importantes:

 Decidir si la demanda es suficiente para justificar la entrada al mercado.

 Determinar las necesidades a largo plazo de la capacidad para el diseño de
instalaciones.
 Determinar las fluctuaciones a corto plazo en la demanda para la planeación
de la producción, la programación de la fuerza de trabajo, la planeación de
los materiales y otras necesidades.
 2

2.2. Características de la demanda.

Por medio de gráficas de dispersión muestre un ejemplo donde se aprecie el

comportamiento de la demanda: estacionalidad, tendencia, aleatoriedad y
comportamiento cíclico.

Grafica de dispersión de la demanda por estacionalidad

La gráfica
representa que
en un cierto
tiempo o periodo
la demanda se
incrementa, o
disminuye
dependiendo a la
estación de año.

Gráfica de dispersión de la demanda por tendencia

La gráfica
representa que
cierto producto
tienda a
incrementar su
demanda al
transcurso de los
meses o tiempo.
 3

Grafica de dispersión en demanda aleatoria

La gráfica
representa que
la demanda tiene
variaciones de
incremento y
decremento.

Grafica de dispersión de demanda con comportamiento cíclico

La gráfica
representa que
disminuye o
aumenta
gradualmente,
cuando se tienen
datos históricos
de varios años
 4

Para saber la importancia que tiene que cualquier compañía analice sus datos para
observar el comportamiento que tienen y así poder tomar decisiones, primero
debemos de saber que después de analizar esos datos que se tienen, ya sean;
diarios, semanales, mensuales, anuales o históricos dependieron de varios
aspectos, ya sea de; moda, estación del año, inicio de clases, etc., por lo que con
ese análisis se puede realizar un pronóstico, para esto debemos de saber que
existen tres leyes fundamentales de los pronósticos, que son las siguientes:

1) Todos los pronósticos están equivocados

2) Todos los pronósticos cambian
3) Alguien (usted) será finalmente responsable por el acierto del pronóstico.

Digamos la tienda Nike tiene datos elevados en sus ventas de playeras del Real
Madrid los cuales son los siguientes.

Demanda (Playeras de Real Madrid) Tiempo (Años)

880 2007
900 2008
1000 2009
1200 2010
3000 2011
3500 2012
5000 2013
5600 2014
6000 2015
7000 2016
8000 2017
5000 2018

Aquí se ve la importancia del análisis, pues si Nike se basa en sus ventas históricas,
puede que en los años recientes disminuyan, pues, depende de varios aspectos,
entre ellos la moda, es decir, en años anteriores sus ventas eran elevadas por los
jugadores que estaban en el Real Madrid, y recientemente ese equipo tiene
diferentes jugadores que no influyen al máximo y disminuye su moda, como
consecuencia su demanda disminuye.
 5

2.3. Métodos cualitativos para estimar la demanda.

Los métodos cualitativos se generan a partir de información que no tiene una

estructura analítica bien definida. Este tipo de pronóstico resulta útil cuando no se
tiene disponibilidad de información histórica. Desde mi punto de vista creo que se
siguen empleando en la actualidad, pues cada uno de ellos cumplen con un aspecto
en especial, como: Consulta a la fuerza de venta que esta técnica hace uso de la
experiencia del personal más cercano al cliente para obtener un pronóstico, el
Jurado de opinión ejecutiva que se basa en la experiencia y los conocimientos
técnicos de los altos mandos de la empresa, el Método Delphi es un proceso
basado en la consulta sistemática del juicio de personas consideradas como
expertos, la Investigación de mercado que más que nada es una encuesta del
mercado, son cuestionarios estructurados que se envían a los clientes potenciales
del mercado.

Para finalizar a mí me llamó más la atención la Analogía del ciclo de vida, puesto
que en este método se utiliza al lanzar un producto nuevo y se basa en el hecho de
que casi todos los productos y servicios tienen un ciclo de vida bien definido, es
decir, que el producto presenta un crecimiento de ventas durante la etapa temprana,
pero en cierto punto el producto o servicio madura, lo que implica un bajo o nulo
crecimiento adicional. Un claro ejemplo se da con los productos relacionados con
una MODA, por ejemplo los restaurantes de comida rápida (McDonald´s, KFC, etc.)
 6

2.4. Métodos cuantitativos.

2.4.1 Promedio o medias móviles

El pronóstico de promedios móviles usa un número de valores de datos históricos

reales para generar un pronóstico.

Son útiles si podemos suponer que la demanda del mercado permanecerá

relativamente estable en el tiempo.

2.4.1 Promedio móvil

Ejemplo 1: Una tienda de herramientas desea hacer un pronóstico con el promedio

móvil de 3 meses.

1. Calcule los pronósticos de ventas para los meses de mayo a diciembre de

2018.

Grafica 1 Resultados

2017 VENTAS REALES En miles

Enero 10 000
Febrero 12000
Marzo 13000 2018 VENTAS REALES En miles
Abril 16000 Resultados Miles de piezas
Mayo 19000 Mayo 13666.66667 13667
Junio 23000 Junio 16000 16000
Julio 26000 Julio 19333.33333 19333
Agosto 30000 Agosto 22666.66667 22667
Septiembre 28000 Septiembre 26333.33333 26333
Octubre 18000 Octubre 28000 28000
Noviembre 16000 Noviembre 25333.33333 25333
Diciembre 14000 Diciembre 20666.66667 20667
 7

2. Amplíe la tabla con datos aleatorios hasta el mes de septiembre de 2018,

pero ahora realice el pronóstico para el mes de octubre del año 2019 con un
promedio móvil de 6 meses.

Grafica 2 Resultados

2017 VENTAS REALES En miles

Enero 10 000
Febrero 12000
Marzo 13000
Abril 16000
Mayo 19000
Junio 23000
Julio 26000
Agosto 30000
Septiembre 28000
Octubre 18000
Noviembre 16000
Diciembre 14000

2018
Enero 34000
Febrero 23000
Marzo 18000
Abril 16000
Mayo 14000
Junio 26000
Julio 29000
Agosto 17000 2019 VENTAS REALES En miles
Septiembre 18000 Octubre 20000
 8

2.4.2 Suavización exponencial

𝐹𝑡+1 = 𝛼 𝐷𝑡 + (1 – 𝑎) 𝐹𝑡

𝐹𝑡+1 = Nuevo pronóstico

𝐹𝑡 = Pronóstico del periodo anterior

𝛼 = C𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜 (𝑜 ponderación) (0 ≤ 𝛼 ≤ 1

𝐷𝑡 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

3. Cree un análisis similar con 10 periodos comparando con α = 0.1 αy = 0.3.

Muestre desarrollo y resultados.

𝛼 =0.1 𝛼 =0.3
PERIODO DEMANDA Pronóstico Error Pronóstico Error
1 396 336.00 60.00 336.00 60.00
2 352 342.00 10.00 354.00 -2.00
3 204 343.00 -139.00 353.40 -149.40
4 250 329.10 -79.10 308.58 -58.58
5 292 321.19 -29.19 291.01 0.99
6 344 318.27 25.73 291.30 52.70
7 260 320.84 -60.84 307.11 -47.11
8 320 314.76 5.24 292.98 27.02
9 356 315.28 40.72 301.09 54.91
10 380 319.36 60.64 317.56 62.44

SUMATORIA -105.80 SUMATORIA 0.9727

Error de pronóstico es Et= (Dt-Ft)

Pronóstico

Cuando α=0.1

= (.1*demanda)+ ((1-0.1)*pronostico anterior)

 9

2.4.2 Regresión lineal

El objetivo del análisis de regresión como método causal es pronosticar la demanda
a partir de una o más causas (variables independientes), las cuales pueden ser por
ejemplo el tiempo, precios del producto o servicio, precios de la competencia,
economía del país, acciones del gobierno o fomentos publicitarios.
Proceso de descomposición de una serie de tiempo
Para descomponer una serie de tiempos en sus componentes básicos, series de
tendencia, estacionales y cíclicos, seguimos los siguientes pasos:
 Paso 1. Determinar el factor estacional
 Paso 2. Desestacionalizar los datos originales
 Paso 3. Desarrollar una línea de regresión por mínimos cuadrados para los
datos desestacionalizados
 Paso 4. Proyectar una línea de regresión hacia el periodo que será
pronosticado
 Paso 5. Crear el pronóstico final ajustando la línea de regresión para los
factores estacionales

PERIODO X TRIMESTRE DEMANDA REAL Y FACTOR ESTACIONAL DEMANDA DESESTACIONALIZADA (Yd) XYd X2
1 I 700 0.88 793.11 793.11 1
2 II 1650 1.08 1533.32 3066.64 4
3 III 1800 1.06 1703.16 5109.48 9
4 IV 1700 1.05 1625.95 6503.79 16
5 I 2300 0.88 2605.93 13029.65 25
6 II 2760 1.08 2564.83 15388.96 36
7 III 3290 1.06 3113.00 21790.97 49
8 IV 3200 0.98 3250.57 26004.60 64
9 I 4800 0.88 5438.46 48946.15 81
10 II 5100 1.08 4739.35 47393.53 100
11 III 4250 1.06 4021.35 44234.81 121
12 IV 3800 0.98 3860.06 46320.69 144
SUMATORIA SUMATORIA SUMATORIA SUMATORIA SUMATORIA
78 35350 35249.08 278582.37 650
PROMEDIO(X) PROMEDIO (Y) PROMEDIO (Yd)
6.5 2945.83 2937.42
 10

Grafica de dispersión

Gráfica de dispersión de DESESTACIONALIZADA vs. PERIODO

5000

4000
DESESTACIONALIZADA

3000

2000

1000

0 2 4 6 8 10 12
PERIODO
 11

Obtener b y a

b= 346.72 a= 689. 135

Por lo tanto:
Y= 689.135 + 345.89 x
 12

Conclusión

Desde mi punto de vista, abordar estas temáticas nos da un amplio panorama de lo

que podemos llegar a vivir en el ámbito laboral, además de que con estos proyectos
nos enseñamos a utilizar software para graficar y así mismo tener un conocimiento
pleno de como en base a la demanda real se puede calcular un pronóstico o
proyección de un producto o servicio que desea el cliente, sin embargo, en casi
todos los casos (tipos de demandas) el tiempo necesario para generar y entregar el
producto que el servicio exceda las expectativas del cliente. Y así mismo la
producción deberá iniciar a partir de la demanda esperada o, en otras palabras, de
un pronóstico de la demanda.

Salas Salas Manuel de Jesús

 13

Bibliografía

 Investigación de operaciones en la ciencia administrativa

G.D. Eppen, F.J. Gould, C.P. Schmidt, Jeffrey H. Moore y Larry R.
Weatherford
Editorial Pearson 5ta edición.

 Investigación de Operaciones.
Hillier, Frederick S.
2002.