TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág.

1 de 10

TEMA 03. ADMINISTRACION DE LA DEMANDA (PRONOSTICOS)

Administración de la Demanda
Implica : ALTO
– Identificar las fuentes potenciales de demanda. PLANEACIÓN Y PROGRAMA-
– Predecir la demanda. CIÓN DETALLADAS ( EJM.
PROGRAMA DE PRODUCCIÓN
– Manera de satisfacer la demanda. DIARIA.) DECISIONES DE
Marketing y Operaciones administran la demanda. PLANEACIÓN
Marketing informa sobre el Mercado y predice la demanda.
Operaciones proporciona los bienes y servicios a tiempo. NIVEL DE ƒ PLANEACIÓN AGREGADA.
DETALLE ƒ PLANES DE PROVISIÓN DE
Los datos desactualizados e inexactos generan complica- DE UNA PERSONAL.
ciones. PREDIC- ƒ MODIFICACIONES DE PROCE-
CIÓN SO.
Demandas adicionales :
– Demandas internas y externas para servicios parciales. ƒ PLANEACIÓN DE LA
– Demandas de reserva para cubrir rupturas y escasez. CAPACIDAD.
ƒ PLANEACIÓN DE LAS
– Demandas por pruebas de desarrollo. INSTALACIONES.
– Demandas para transferir partes entre las plantas. ƒ PLANEACIÓN DE PROCE-
SOS.

Administración de la Demanda en el Horizonte de la Planea-

ción BAJO
CORTO HORIZONTE DE TIEMPO LARGO
Durante el horizonte de planeación :
– ¿ Qué producir ?, ¿ Cuánto producir ?, ¿ Donde produ- 7
cir ?, ¿Cuándo producir ?.
Decisiones en la Planeación a largo plazo según : Predicciones de Recursos
– La línea de productos. Pronostican la duración y la cantidad de la demanda de ins-
– La ubicación de sus instalaciones. talaciones, equipos, mano de obra y compra de materia pri-
– La Capacidad de cada planta. ma y materiales de empaque.
– La tecnología empleada en los procesos de produc-
ción. PREDICCIONES
ECONÓMICAS
– La red de proveedores. Predicciones externa e
Las Empresas requieren de Predicciones : CONDICIONES interna
– Económicas. DE NEGOCIOS
– Tecnológicas. GENERALES

– De Demanda.
PREDICCI
Predicciones Económicas PREDIC- PREDICCIÓN
ONES DE
CIÓN DE DEDEMAN-
Pronostican las condiciones generales de los negocios de- DEMANDA DA REVISA-
RECUR-
SOS
ntro de algunos meses o años. Las hacen gobiernos, bancos INICIAL DA
y servicios predicción econométrica.
Indicadores premonitorios : Advertencia anticipada de po- AVANCES TECNO-
LÓGICOS ESPERA-
sibles cambios en la actividad económica : DOS
– Nuevas licencias de construcción.
– Tasas de contratación. PREDICCIONES
TECNOLÓGI-
Indicadores coincidentes : Reflejan desempeño real. CAS
– El producto nacional bruto.
– Los ingresos personales ( sueldos ).
– Niveles de empleo.
Administración de la Demanda en una Organización de Res-
Indicadores con retraso : Confirman cambios registrados.
puesta Sensible Rápida ORSR
– Desempleo a largo plazo.
– Rendimiento de los prestamos hipotecarios.
Administración de los criterios de demanda del cliente:
Predicciones Tecnológicas – Identificar lo que los clientes desean.
– Decidir la forma de satisfacer esa demanda.
Pronostican la probabilidad y significado de posibles desa-
– Comprender las necesidades y expectativas reales.
rrollos futuros. Indican la dirección de los cambios tecnológi-
cos y la tasa de cambio esperada. Si una organización conoce bien a su cliente puede predecir
cuando necesitará productos nuevos o reemplazo.
Los productos y procesos se vuelven obsoletos por el rápido
La retroalimentación es mas precisa por ser real.
desarrollo tecnológico.
Énfasis en tres factores :
La combinación de las predicciones tecnológicas y económi-
– La demanda se predice a corto y mediano plazo.
cas, junto con los análisis de los ambientes internos y exter-
nos de una Empresa mas los datos de la demanda anterior – La demanda real puede cumplirse con rapidez.
desarrollan las predicciones de demanda. – Probabilidad de que los clientes paguen un dinero extra
si sus necesidades y expectativas son cubiertas ple-
Predicciones de Demanda namente.
Pronostican la cantidad y la duración de la Demanda. Se obtienen mayores utilidades por conservar a los clientes
que reemplazándolos por otros cuando se retiran.
Las predicciones de demanda utilizadas para apoyar la pla-
neación y la programación de la producción deben ser mas
detalladas.
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS)
Enfoques Cualitativos para predecir la Demanda
Técnicas útiles si los datos históricos son insuficientes, contradic-
torios o irrelevantes; si el producto es nuevo o si ha habido des-
equilibrios en la Industria o Economía.
Técnicas mas comunes :
ƒ Consenso del Comité Ejecutivo.
- Usada en predicciones a mediano y largo plazo.
- Fusión de opiniones de expertos interfuncionales.
ƒ Método Delphi :
- Expertos comparten información respecto a las ventas
futuras o a las tecnologías del futuro llegando a un
consenso.
- Predicciones a largo plazo.
ƒ La Fuerza de Ventas.
- Intenciones de clientes a corto y mediano plazo.
- Emplea los estimados de ventas individuales.
ƒ Encuestas a los Clientes.
Modelos Cuantitativos de Predicción
A ) Modelos de Serie de Tiempo :
Serie de Tiempo: Secuencia de observaciones cronológi-
camente clasificadas a intervalos regulares para una
variable en particular.
- Se elaboran gráficas con los datos de la demanda.
- Se analizan para identificar tendencias como factores
de temporada y/o factores cíclicos que influyen en la
demanda.
- Se puede aplicar también las técnicas de suavización
como los promedios móviles y la suavización exponen-
cial.
- Son valiosos para predicciones a corto plazo que apo-
yen los programas de producción, control de inventa-
rios, fijación de precios de los productos y lanzamiento
oportuno de un producto.
Tendencia : movimiento gradual de los datos en el tiempo.
Pueden ser lineales, logarítmicas y exponenciales.
Temporada : Variación repetida a intervalos fijos .
Variación Cíclica : duración de al menos 1 año. La varia-
ción varia de un ciclo a otro.
Variación aleatoria : no se explican mediante tendencias.
1. Proyecciones de Tendencia
Las tendencias lineales son imparciales y fácil de trabajar.
La línea de tendencia lineal se representa por :
Ft = a + bt
Donde :
t : número de periodos siguientes al periodo base
Ft : demanda estimada para el periodo t
a : demanda para el periodo base
b : pendiente de la línea de tendencia
Se usa el método de mínimos cuadrados.
Ejm :
Demanda anual real de Laslow Ltd.
2. Proyecciones de Temporada
Hallaremos la línea recta representativa de la tendencia que
mejor se ajusta a los datos.
Para tener valor se debe incluir un componente de tenden-
cia y uno de temporada.
Las influencias de temporada se eliminan dividiendo la de-
manda real por su índice de temporada.
Hallaremos los índices de temporada.
Ajustaremos los valores a la temporada.
En conclusión :
– Identificar la variación de temporada.
– Destemporalizar la demanda.
– Recién haremos la línea de tendencia.
– Ajustar los estimados de demanda en la variación de
temporada.
Pág. 2 de 10
3. Otros
Promedio de desplazamiento Simple.
Usado para calcular la demanda promedio de los últimos n
períodos y como predicción para el siguiente período. Debi-
do a que están combinadas en promedio, las alzas y las ba-
jas individuales se compensan entre sí y se amortigua la va-
riación aleatoria de los datos
F t+1 = ( At + At-1 + ......+ At-n+1 ) / n
ƒ F t+1 = predicción para el período t+1
ƒ At = demanda real para el período t
ƒ n = número de períodos por promediar
Promedio de desplazamiento ponderado.
El promedio de desplazamiento simple asigna el mismo pe-
so a todos los períodos de demanda incluidos en el cálculo.
Sin embargo en las observaciones `más recientes tienen un
impacto mayor sobre las observaciones futuras que las ob-
servaciones anteriores. Un promedio de desplazamiento
ponderado permite al usuario asignar un peso a cada
observación
F t+1 = wt.At + wt-1.At-1 + .......wt-n+1.At-n+1
ƒ F t+1 = predicción para el período t+1
ƒ Wt = peso asignado al período t, Suma wt=1
ƒ At = demanda real para el período t
ƒ n = número de períodos por promediar
Suavización Exponencial.
Es una técnica para promediar que asigna inherentemente
el peso más alto a las observaciones más recientes y asig-
na de manera sucesiva pesos menores a las observacio-
nes anteriores. El valor de los pesos disminuye en forma
exponencial.
La predicción para el próximo período se hace igual a la
predicción para el período actual más un porcentaje del
error de predicción para el período actual. El porcentaje se
denomina α
F t+1 = Ft + α ( At - Ft )
ƒ F t+1 = predicción para el período t+1
ƒ F t = predicción para el período t
ƒ α = valor seleccionado para α, 0<= α <=1
ƒ At = demanda real para el período t
Suavización Exponencial con una tendencia
Valor suavizado exponencialmente :
SF t+1 = α (At )+ ( 1- α) ( SFt + Tt )
= α At + ( 1- α) ( TAFt )
Estimado de la Tendencia :
T t+1 = β ( SFt+1 - SFt ) + ( 1- β) Tt
Predicción de Tendencia ajustada :
TAF t+1 = SFt+1 + Tt+1
4. Predicción Enfocada
Bernard Smith, 1984, Administrador de Inventario de la
American Hardware Supply Company.
Uso de reglas personales de elección al azar, son 7 :
– Lo que se vendió durante el último trimestre es lo que
probablemente se venderá en el siguiente trimestre.
– Lo que se vendió el mismo trimestre del año pasado se
venderá durante el mismo trimestre de este año.
– Es probable que se venda el 10 % más en el siguiente
trimestre que lo que se vendió en el trimestre anterior.
– Es probable que se venda el 50 % más en el siguiente
trimestre que lo que se vendió durante el trm. anterior.
– El cambio de % experimentado en el trimestre anterior
comparado con el mismo trimestre de este año quizá a
el mismo para el próximo trimestre.
– El modelo de suavización exponenc. simple con Al-
fa=0.3 es mejor
– El modelo de suaviz. expon. Doble Alfa=0.3 y Beta=0.2
es mejor.
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 3 de 10

Beneficios : Medición de los Errores de Predicción

– Los usuarios confían en el proceso y en los resultados.
– Las reglas son simples y el tiempo que requiere el com Error de Predicción :
putador para dar el pronóstico es breve. Es la diferencia entre la demanda real y la predicción de la
– Los impactos de la fuerza subyacente en la demanda demanda.
están sujetos a cambio cada mes y pueden ser diferen- Et=At-Ft
tes para cada artículo.
La medición de los errores de predicción determinan la
Limitaciones : No se utiliza : exactitud de los Modelos.
– Para productos nuevos.
– Cuando ocurren efectos especiales y limitados. La Suma Parcial del Error de Predicción( SPEP )
– Para artículos comprados rara vez. Es la suma de los errores de predicción para un conjunto
– Cuando la Empresa conoce muy bien a sus clientes consecutivo de periodos de demanda.
(Caso Wong. )
– Para periodos inferiores a 1 mes. SPEP = ∑E t

B ) Modelo Causal De t =1 a t = n
Identifican y miden directamente los efectos de las fuerzas
específicas que influyen en la demanda. La Media del Error de Predicción ( MEP )
Son apropiados para predecir y evaluar las decisiones to- Indica la magnitud y dirección de la inclinación del modelo.
madas por la Empresa.( Cambios en publicidad, precios)
Indicadores económicos publicados por el Gobierno.
Se espera que la demanda se retrase tras los efectos de las MEP =
SPEP
=
∑E t

variables causales. Algunas son : n n

– Actividades publicitarias y promocionales. La Desviación Media Absoluta ( DMA )
– Acciones de la competencia. Mide la predicción general del modelo mediante la
– Precio de los productos sustitutos. consideración de la magnitud de los errores.
– Disponibilidad en el Mercado. DMA es una de las mediciones de error más usadas.

∑E
– Factores climáticos.
t
Tipos de Modelos : DMA =
n
– Causal simple,
– de regresión múltiple y Error Medio de Porcentaje Absoluto ( EMPA )
– Modelo no lineal. Mide la dispersión relativa.

∑ A x100
Et
Selección y Monitoreo t
EMPA =
No existe un modelo que sea la mejor. n
Al seleccionar una técnica se debe tener en cuenta las ne-
cesidades específicas, los datos disponibles y la caracterís- El Error Medio al Cuadrado ( EMC ),
tica de los artículos que han de predecirse. Penaliza las grandes desviaciones con más rigidez que las
pequeñas elevando al cuadrado los errores. Es razonable
Responder las siguientes preguntas : cuando el costo del error se relaciona exponencialmente con
– ¿ Qué demanda de bienes y servicios va a predecir ? su magnitud.
–
∑E
¿ Qué fuentes de demanda debe tenerse en cuenta ? 2
– ¿ Cómo pueden obtenerse los datos necesarios ? t
– ¿Hay algunos componentes de tendencia?
EMC =
n
– ¿Cuál es el propósito de la predicción?
– ¿Quién utilizará el modelo de predicción? Ver cuadro 4.13 pagina 117 del libro texto de Hamid Noori
– ¿Qué precisión deben tener las predicciones? y Russell Radford.
– ¿Con que rapidez desean que las predicciones sean
preparadas? Señales de Rastreo y Diagramas de Control
Se puede usar una combinación de técnicas.
Ecuación de la Señal de Rastreo :
¿ Qué técnicas proporcionan las predicciones más exactas?
Las técnicas de Series de tiempo son apropiados para pre- SR = SPEP / DMA
dicciones detalladas a corto plazo. El más popular : El Pro-
medio de Desplazamiento. Debilidad: supone: el pasado es – Se debe establecer el límite superior e inferior en el
buen pronóstico del futuro. diagrama de control.
Los Modelos Causales son convenientes para predicciones – Para productos de alto volumen = +/- 4
a largo plazo. Son costosos y requieren muchos datos. El – Para productos de bajo volumen = +/- 8
más popular: El Análisis de Regresión.
Los Modelos Cualitativos son eficaces para predicciones
generales a largo plazo. Usados cuando hay pocos datos ó
éstos no existen.
Incrementar la exactitud incrementa los costos.
Hay relación directa entre la exactitud, los costos, la facili-
dad de comprensión y el tiempo necesario para prepararla.
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 4 de 10

EJEMPLOS PRACTICOS De acuerdo al resultado:

Ft = 3 980 + 2 940t
Se aplican los valores y se obtiene los valores y el pronóstico de
LINEA DE TENDENCIA APLICANDO EL METODO DE LOS
21 620 unidades para el año 6
MINIMOS CUADRADOS

La demanda anual de una familia de productos es en los últimos Demanda Regresión

5 años: Año Real
Demanda 1 6 600 6 920
Año Anual
2 10 450 9 860
1 6 600
3 12 700 12 800
2 10 450
4 15 450 15 740
3 12 700
5 18 800 18 680
4 15 450
6 21 620
5 18 800
Establecer el pronóstico para el año 6
se observa en la gráfica los valores de la demanda real y la línea
Solución:
de regresión
Regresión lineal
El objetivo es hallar una línea recta que se ajuste a los datos,
mediante el empleo del principio de los mínimos cuadrados. Se
25 000
escoge la línea que minimiza la suma de los cuadrados de las
desviaciones en los valores observados.
n 20 000

Minimizar SSE = ∑i =1
( yi − Ft )2
15 000

SSE = suma de los errores de predicción

yi = valor real de y 10 000
Ft = valor de predicción de y
Ya que el valor predicho de yi que corresponde a xi es igual a
5 000
a +bxi , el objetivo es

∑ ( y − ( a + bx ))
0
2
Minimizar SSE = i i 1 2 3 4 5

i =1
Los valores de "a" y "b" que minimiza SSE están dados por las
siguientes fórmulas:
SSx , y
a = y − bx b=
SSx

∑ xy − ∑ n∑
x y
donde SSx , y =

(∑ x ) 2
SSx = ∑x − 2
n
También :
a = y − bx

b=
n ∑ xy − ∑ x∑ y
n∑ x − ( ∑ x )
2 2

yi xi xiyi xi2 yi2

6 600 1 6 600 1 43 560 000
10 450 2 20 900 4 109 202 500
12 700 3 38 100 9 161 290 000
15 450 4 61 800 16 238 702 500
18 800 5 94 000 25 353 440 000
64 000 15 221 400 55 906 195 000

SSx = 55 – (152 / 5) =10

SSxy= 221400 - (15)(64 000) / 5 = 29 400
b = 29 400 / 10 = 2 940 a= 64 000/5 - 2 940 (15/5) = 3 980
Ft = a + b t
Ft = 3 980 + 2 940 t
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 5 de 10

PRONOSTICOS DE TENDENCIA Y TEMPORADA Donde :

SIq = factor promedio de temporada trimestre q
La demanda anual de una familia de productos es en los últimos
3 años es la siguiente Dq, j = demanda real para el trimestre q en el año j
Demanda Prom. Tendencia Dj = promedio de demanda trimestral en el año j
Año trim
Real triml lineal m = número de asños
1 1 900 2 747 Para encontrar el índice de temporada para el trimestre 1 te-
2 3 500 2 959 nemos
Año 1 3175
3 4 770 3 171 1900 2320 2810
+ +
4 2 530 3 383 SI1 = 3175 3862 4700 = 0.6
1 2 320 3 595 3
2 4 250 3 807 De la misma forma se encuentra para los trimestres 2,3 y 4 re-
Año 2 3862.5 sultando 1.1, 13.5 y 0.8 respectivamente
3 5 790 4 018
4 3 090 4 230 b) En base a ese índice "destemporizar" la demanda es decir
aplanarla.
1 2 810 4 442 La demanda de cada trimestre se destemporiza dividiéndola
2 5 160 4 654 entre el índice de temporada, esto se observa en la columna F
Año 3 4700 del siguiente cuadro
3 7 050 4 866
4 3 780 5 078 A B C D E F G
Encontrar el pronóstico del 4to año. Línea
Demanda Indice Demanda
Año trim correlat tendencia
Real tempor Destemporiz
Solución: destemp
De acuerdo a estos valores se puede observar una tendencia con 1 1 1 900 0.60 3 167 2 970
temporada que se muestra en la siguiente gráfica:
2 2 3 500 1.10 3 182 3 141
Año 1
3 3 4 770 1.50 3 180 3 313
TENDENCIA CON TEMPORADA
4 4 2 530 0.80 3 163 3 484
1 5 2 320 0.60 3 867 3 655
8 000
2 6 4 250 1.10 3 864 3 826
7 000 Año 2
3 7 5 790 1.50 3 860 3 998
6 000
4 8 3 090 0.80 3 863 4 169
DEMANDA

5 000
4 000 1 9 2 810 0.60 4 683 4 340
3 000 2 10 5 160 1.10 4 691 4 511
Año 3
2 000 3 11 7 050 1.50 4 700 4 682
1 000 4 12 3 780 0.80 4 725 4 854
0 1 13 5 025
1 2 3 4 5 6 7 8 9 10 11 12 2 14 5 196
Año 4
TRIMESTRE 3 15 5 367
4 16 5 539

También se dibuja la línea de tendencia utilizando los valores, d) Establecer la demanda futura nuevamente temporizando la
aunque estos son muy variados. línea de tendencia con el índice de temporada
Con la tendencia se encuentran los valores para los trimes-
La metodología para resolver esto es la siguiente: tres 1 al 4 del año 6 como se ve en la parte inferior de la co-
a) Establecer un índice de temporada. lumna G del cuadro anterior. Con estos valores nuevamente
b) En base a ese índice "destemporizar" la demanda es decir se temporizan los valores multiplicándolos por el índice de
aplanarla temporada
c) Establecer la línea de tendencia con estos valores destem-
porizados
d) Establecer la demanda futura nuevamente temporizando la Indice de Demanda
Trim Tendencia
línea de tendencia con el índice de temporada temporada ajustada
De acuerdo a esto tenemos:
1 5 025 0.60 3 015
a) Establecer un índice de temporada. 2 5 196 1.10 5 716
El índice de temporada para cada trimestre se calcula usando Año 4
la fórmula siguiente: 3 5 367 1.50 8 051
m

∑
Dq , j 4 5 539 0.80 4 431
Dj
j =1 A continuación se presentan los valores gráfica del pronóstico
SIq =
m para el año 6
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 6 de 10

MODELOS DE SUAVIZACIÓN
Demanda
Año Trim. Correlat PROMEDIO DE DESPLAZAMIENTO SIMPLE
Real
Se utiliza estas técnicas que consiste en sacar el promedio de
los valores de demanda real de un número determinado de pe-
1 1 1 900
ríodos previos al período que se desea pronosticar.
2 2 3 500
Año 1
3 3 4 770 Predicción de promedio de desplazamiento de dos meses
At + A t − 1
4 4 2 530 Ft + 1 =
2
1 5 2 320
2 6 4 250
Año 2 Predicción de promedio de desplazamiento de cinco meses
3 7 5 790
At + A t − 1 + At − 2 + At − 3 + A t − 4
4 8 3 090 Ft + 1 =
5
1 9 2 810
Promedio Promedio
Demanda
2 10 5 160 Período desplazm. desplazm.
Año 3 Real
2 meses 5 meses
3 11 7 050
4 12 3 780
Ago 1 920
1 13 3 015
Sep 1 940
2 14 5 716 Año 4
Año 4 Pronostico Oct 1 040
3 15 8 051
Nov 1 030
4 16 4 431
Dic 1 020
Ene 940 1025 1390
Feb 920 980 1194
TENDENCIA CON TEMPORADA Mar 950 930 990
Abr 1 720 935 972
9 000
May 1 730 1335 1110
8 000
7 000 Jun 1 710 1725 1252
Año 5
6 000 Jul 2 340 1720 1406
5 000
Ago 2 360 2025 1690
4 000
3 000 Sep 2 350 2350 1972
2 000
Oct 1 240 2355 2098
1 000
0 Nov 1 260 1795 2000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Dic 1 280 1250 1910
T R I M ES T R E

PROMEDIO DE DESPLAZAMIENTO SIMPLE

2 500
RESISTENCIA A LA ASOCIACIÓN LINEAL
2 000
DEMANDA

La resistencia a la asociación lineal entre y & x se indica

1 500
mediante el coeficiente de correlación "r" y el coeficiente de
determinación " r2 " 1 000

SSxy
r = 500

SSx SSy
0
Si r = 0 no hay evidencia de una relación lineal entre x e y. Si
hay una relación lineal positiva estará entre 0 y 1. P E R IO D O
Cuanto màs fuerte sea la relación lineal positiva , r estará más Demanda Real P.D. 2 meses P.D. 5 meses
cerca de 1
Cuanto màs fuerte sea la relación lineal negativa, r estará màs
cerca de -1
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 7 de 10

SUAVIZACION EXPONENCIAL PROMEDIO DE DESPLAZAMIENTO PONDERADO

Técnica para promediar que asigna el peso más alto a las ob- Igual que el simple pero se asigna un peso a cada período que
servaciones más recientes es mayor para los períodos más cercanos
Valor suavizado exponencialmente
Ft+1 = Ft + α(At - Ft) Ft + 1 = ( 0.8 )At + ( 0.2 )At − 1
Donde
Ft+1 = predicción para el período t+1 Ft + 1 = ( 0.5 )At + ( 0.2 )At − 1 + ( 0.1)At − 2 + 0.1At − 3 + ( 0.1)At − 4
Ft = Predicción para el período t
α = valor seleccionado para α entre 0 y 1 Promedio Promedio
At = Demanda Real para el período t Demanda Desplazm. Desplazm.
Período
Real Ponder Ponder.
Veamos un ejemplo con suavización exponencial con α= 0.2 y 2 meses 5 meses
α=0.8

Ago 1 920
Demanda
Período α= 0.2 α= 0.8
Real Sep 1 940
Año 4
Oct 1 040

Ago 1 920 Nov 1 030

Sep 1 940 Dic 1 020
Año 4
Oct 1 040 Ene 940 1022 1206
Nov 1 030 Feb 920 956 1075
Dic 1 020 Mar 950 924 957
Ene 940 1020 1020 Abr 1 720 944 958
Feb 920 1004 956 May 1 730 1566 1338
Mar 950 987 927 Jun 1 710 1728 1490
Año 5
Jul 2 340 1714 1560
Abr 1 720 980 945
Ago 2 360 2214 1952
May 1 730 1128 1565
Jun 1 710 1248 1697 Sep 2 350 2356 2164
Año 5
Jul 2 340 1341 1707 Oct 1 240 2352 2225

Ago 2 360 1540 2213 Nov 1 260 1462 1731

Sep 2 350 1704 2331 Dic 1 280 1256 1583

Oct 1 240 1834 2346
Nov 1 260 1715 1461 2 500
Dic 1 280 1624 1300
2 000

2 500

1 500

2 000

1 000

1 500
500

1 000
0
Ene

Ago

Oct
May

Dic
Mar

Abr

Nov
Feb

Jun

Jul

Sep

500

Demanda Real PDP 2 meses PDP 5 meses

0
Jun

Nov
May
Mar

Abr

Jul

Oct
Ago

Sep
Ene

Feb

Dic

Demanda Real SE alfa = 0.2 SE alfa = 0.8

TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 8 de 10

SUAVIZACION EXPONENCIAL CON UNA TENDENCIA PROBLEMAS DE PRONÓSTICOS

Valor suavizado exponencialmente
SFt+1 = α(At) + (1 -α) (SFt+Tt)
= α(At) + (1 -α) (TAFt) 1. La demanda histórica para los pasteles frescos de Mother
Hubbard es, en miles de docenas:
El estimado de la tendencia
Tt+1 = β ( SFt+1 - SFt) + (1 - β) (Tt) Mes Demanda
Enero 14
La predicción de la tendencia ajustada
TAFt+1= SFt+1 + Tt+1 Febrero 12
Marzo 12
SFt+1 = valor suavizado exponencialmente para el período t+1 Abril 11
α = valor seleccionado para α entre 0 y 1 Mayo 17
At = Demanda Real para el período t Junio 16
Tt = Estimado de tendencia para el períodod t
β = valor seleccionado para β
a. Utilizar un promedio de desplazamiento ponderado con
TAFt = predicción de tendencia ajustada para el período t
pesos de 0.6, 0.3 y 0.1 para hallar la predicción del mes
Para el ejemplo se escoje α = 0.8 y β = 0.5 y se establece de julio.
que SFDic año 4 = A Dic año 4 = 1020 y b. Utilizar el promedio de desplazamiento simple de tres
T Dic año 4 = 0 meses para hallar la predicción del mes de julio.
c. Utilizar la suavización exponencial simple con α = 0.1 y
una predicción de 14 para el mes de junio para hallar la
de julio.
Demanda
Período SFt+1 Tt+1 TAFt+1 2. La siguiente tabla contiene ventas reales de cebada (en
Real
miles de toneladas métricas) para seis meses y la predicción
Año 4 Dic 1,020 1,020 0 para enero:
Mes Real Predicción
Ene 940 1,020 0 1,020
Enero 102 82
Feb 920 956 -32 924
Febrero 94
Mar 950 921 -34 887
Marzo 105
Abr 1,720 937 -8 929
Abril 37
May 1,730 1,562 308 1,870
Mayo 70
Jun 1,710 1,758 252 2,010
Año 5 Junio 99
Jul 2,340 1,770 132 1,902
Ago 2,360 2,252 307 2,560 a) Calcular las predicciones para los cinco meses res-
Sep 2,350 2,400 227 2,627 tantes utilizando la suavización exponencial simple con
α = 0.3
Oct 1,240 2,405 116 2,522
b) Calcular la desviación media absoluta (DMA) y la
Nov 1,260 1,496 -396 1,100 inclinación para las predicciones.
Dic 1,280 1,228 -332 896 3. Mackinaw Co. ha registrado horas reservadas de antemano
(en miles) para los ocho trimestres anteriores:
Trim Cant Trim Cant
S U A VI Z A C I ON EXP ON EN C I A L C ON U N A T EN D EN C I A 1993 1994
I 13 I 17
3,000 II 19 II 25
III 27 III 29
2,500
IV 17 IV 19
2,000
Elaborar la predicción de horas para 1995.
1,500
4. Los resultados de utilizar tres modelos diferentes de predic-
1,000 ción son:

500
Predicción
0
Real
Periodo de ven- A B C
tas
1 22 23 18 25
Demanda Real Suav Exp con Tendencia
2 26 28 29 32
3 30 33 29 29
4 31 33 37 38
5 33 34 32 40

¿Que método es aconsejable? ¿Por que?

TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 9 de 10

a. Calcular la predicción del promedio de desplazamiento

5. Para la Dízzy Sales Co. la cantidad de solicitudes por telé- de tres periodos y el error de predicción diario.
fono es un buen indicador de ventas para dentro de una b. Calcular la predicción del promedio de desplazamiento
semana. Los datos recientes son los siguientes: ponderado de tres periodos con pesos de 0.5,0.3 y 0.1.
¿Cuál predicción es mejor? ¿Por qué?
Semana 1 2 3 4 5 6 7 8
9. Con los datos del problema 8, preparar las predicciones con
Llamadas 8 9 11 10 11 13 16 12 la suavización exponencial simple con α = 0.1 y la
predicción de 92 llamadas para el primer día; y cuando α =
¿Cuál es la predicción de llamadas para la semana entrante? 0.3 con una predicción de 92 llamadas para el primer
¿Qué modelo funciona mejor? ¿Por qué periodo. ¿Cuál modelo de predicción es mejor?
6. La demanda para las bombas de seis pulgadas de Acme 10. Clitzy Auto House vendió en los últimos seis meses de 1992
Pumps en los primeros nueve meses de 1992 fue: la siguiente cantidad de vehículos usados:

Mes Demanda MES VENTAS

Enero 114 Jul 88
Febrero 126 Ago 60
Marzo 151 Sep 68
Abril 167 Oct 47
Mayo 161 Nov 92
Junio 183 Dic 99
Julio 138
Preparar una predicción de ventas para cada mes empe-
Agosto 133
zando con una predicción de demanda de 85 unidades y a
Septiembre 140 = 0.2 para el mes de julio.

Las predicciones de demanda de marzo a septiembre se a) Calcular la desviación media absoluta (DMA) y la señal
de rastreo para los datos de cada periodo; utilizar una
hicieron con el promedio de desplazamiento de tres meses
desviación media absoluta (DMA) igual a O para el mes
y la suavización exponencial simple. ¿Cómo escoger el me-
de junio.
jor método de predicción? Calcular las cifras.
b) ¿Son correctas la desviación media absoluta (DMA) y
7. Después de utilizar el modelo de predicción durante nueve la señal de rastreo?
meses se decide probarlo con la desviación media absoluta
(DMA) y la señal de rastreo. c) Reelaborar el problema con α = 0.1, α = 0.3 y α = 0.4.
Las siguientes son las demandas predicha y real para ¿Qué modelo da la mejor predicción? ¿Por qué?
bicicletas todo terreno; 11. La demanda semanal de alas de pollo en el mercado móvil
ha sido:
Mes Predicción Real
VEN- a. Calcular la demanda para la sema-
Enero 445 505 MES na 7 utilizando el promedio de des-
TAS
Febrero 490 555 plazamiento simple de cinco perio-
1 650 dos.
Marzo 550 408
2 543 b. Calcular la demanda para la sema-
Abril 600 510 na 7 utilizando el promedio de des-
Mayo 650 680 3 580 plazamiento ponderado de tres pe-
Junio 700 610 4 742 riodos con pesos de 0.5, 0.3 y 0.2.
c. Calcular la demanda para la semana
Julio 750 750 5 504
7 utilizando la predicción exponen-
Agosto 800 823 6 612 cial simple con α = 0.1 y una pre-
Septiembre 850 789 dicción de 600 unidades para la
semana 6.
d. ¿Cuál es la mejor predicción? ¿Qué suposiciones hubo
Hallar la señal de rastreo y decidir si el modelo de pre-
dicción es adecuado. en cada predicción?

12. La University Bookstore se inundó y perdió algunos de sus

datos de predicción. Calcular de nuevo los datos perdidos a
8. En- el área de Minneapolis la cantidad de llamadas diarias partir de los siguientes:
para reparar las fotocopiadoras Bill es:
Perío- Deman- Predicción Error DMA Señal
Fecha Llamadas do da de
1 100 rastreo
2 137
At Ft (α =0.3) Et=At-Ft α=0.3
3 121
4 112 0 10
5 145 1 120 100.0 20.0 Perdido 1.5
5 125 2 140 106.0 34.0 19.3 Perdido
7 187
3 160 Perdido Perdido Perdido Perdido
8 89
9 140
TEMA 03: ADMINISTRACION DE LA DEMANDA (PRONOSTICOS) Pág. 10 de 10

Calcular la inclinación y la desviación media absoluta DMA

para cada modelo. ¿Cual es el modelo mas apropiado?
13. La demanda para patines de jockey en una tienda local de ¿Por qué?
artículos deportivos para las ocho semanas anteriores fue:
16. Una cadena minorista de lentes especiales ha estado
Se- experimentando con los precios de venta de los lentes de
1 2 3 4 5 6 7 8
mana contacto y obtuvo los siguientes datos:
De-
122 130 98 121 96 152 113 124 Promedio de len- Precio por lentes,
manda
tes por día en dólares
200 24
a. Calcular la predicción para los períodos importantes utili-
zando un promedio de desplazamiento de tres periodos.
190 26
188 27
b. Calcular la predicción utilizando un promedio de despla-
180 28
zamiento ponderado de tres periodos con pesos de 0.6,
0.3 y 0.1.
170 29
162 30
c. Utilizar un modelo de suavización exponencial simple con
160 32
0.6. Supóngase que la predicción para el primer periodo
fue de 120.
¿Cuál es el mejor modelo? Calcular la inclinación y la desvia- Elaborar un análisis de regresión.
ción media absoluta (DMA) para cada modelo como punto ini- a. ¿Cuál es el intervalo confiable en un 95% de la demanda a
cial. un precio de US$28?
14. Una embotelladora local de gaseosa tiene las siguientes b. ¿Cuál es el estimado de demanda a un precio de US$20
ventas (en miles de dólares) en un periodo de cinco años: por lente?

Año 17. La empresa Apple Security, especializada en seguridad de

hogares, realizó un análisis de la demanda de sus servicios.
Trimestre 1 2 3 4 5
Durante los últimos 10 años la cantidad de hogares
1 346 361 381 401 408 protegidos por Apple cada año y la tasa nacional de
2 468 483 494 515 520 incursiones por cada mil hogares ha sido:
3 375 390 392 416 436
Año Hogares Incursiones
4 279 300 296 355 420
1 36 14.6
a. Calcular la predicción de ventas para el primer trimes- 2 33 15.3
tre del año 6 utilizando un promedio de desplazamiento
3 40 18.4
de tres periodos.
4 41 18.9
b. Calcular la predicción utilizando un promedio de des- 5 40 20.2
plazamiento ponderado de tres periodos con pesos de
6 55 22.3
0.5, 0.3 y 0.2.
7 60 25.3
c- Utilizar un modelo de suavización exponencial simple 3 54 23.5
con = 0.2. Supóngase que la predicción para el trimestre
9 58 25.8
1 del año í rué de 346.
10 61 29.1
¿Cual de los modelos se utilizaría? ¿Por qué?

Utilizando una regresión, ¿cuál sería la predicción de demanda

15. Los precios de la gasolina para los 10 últimos meses fueron:
Mes Precio real
1 1.20
2 1.23
3 1.27
4 1.29
5 1.27
6 1.29
7 1.30
8 1.31
9 1.29
10 1.30
en los anos 11 y 12?
Calcular para cada periodo la ¿Que tan bien se ajusta el modelo a los datos?
predicción. la tendencia ¿Que otra información sería útil?
Y la desviación media absoluta
DMA de los siguientes modelos
a. Promedio de desplaza-
miento de tres periodos.
b. Promedio de desplaza-
miento ponderado de tres
periodos con pesos de 0.6,,
0.3 y 0-1.

c. Un modelo de suavización exponencial doble con- α =

0.1. Supóngase que la predicción para el periodo 1 fue
de 1.20.
d. Un modelo de suavizaron exponencial doble con α =
0.2 y β = 0.3. Supóngase que en el periodo 0 la predic-
ción ajustada fue de 1.19, el precio real rué de 1.19, la
predicción simple fue de 1.16 y el estimado de tenden-
cia suavizada fue de 0.03.