Profesor: Jorge Esponda Véliz

ADMINISTRACIÓN
DE LA
DEMANDA
PCP
 TENDENCIAS LOCALES
• Mercado sin límites o libre tránsito
 • Fuerte e incluso desleal competencia
 • Creciente espectativa del cliente
 • Los precios son regulados por la O / D
 . participación del cliente en la fabricación
 . Productos socialmente responsable
 . Marketing y comercio electrónico
 • Presión sobre los inventarios
 • Cliente auditor
ADMINISTRACIÓN DE LA DEMANDA

Planeamiento y Control de la Producción

 Diseñar la producción para el cliente
Ideas nuevas
de producto
Necesidades

Mercadotécnia Investigación
avanzada

Promoción Conceptos
Especificación
técnicos Fabricación Producto
del producto

Planificación Manufactura Sistema de

Diseño del
Clase Mercado
Cliente Producto De Mundial
del cliente
Innovación Operaciones Tecnología

Visitas
Pedidos de Producción

Ventas
Pedidos
del cliente
 Ventas: pronóstico
Elección del método
 Dependerá de los costos involucrados, del
propósito del pronóstico, de la
confiabilidad y consistencia de los datos
históricos de ventas, del tiempo disponible
para hacer el pronóstico, del tipo de
producto, de las características del
mercado, de la disponibilidad de la
información necesaria y de la pericia de los
encargados de hacer el pronóstico. Lo
usual es que las empresas combinen
varias técnicas de pronóstico.
Tipos de pronósticos

MODELO
CUALITATIVO
DE
PREDICCIÓN

MODELO
CUANTITATIVO
DE
PREDICCIÓN
Modelos Cualitativos de Predicción

Jurado de
opinión ejecutiva

Compuesto
fuerza de ventas

7
Jurado de Opinión Ejecutiva

Grupo pequeño de Estimaciones de

personas de altos Demanda
ejecutivos de la empresa

Registro de
ventas, Análisis
Numérico y otros.

8
Compuesto fuerza de ventas
V1 A1 100

V2 A1 300
JEFES VENTAS ÁREA
1
V3 A1 400

1000
V4 A1 200

Gerentes
de Ventas JEFE VENTAS ÁREA V1 A2 5000
2
V2 A2 2000
10000 7000

V1 A3 500
JEFE VENTAS ÁREA
3
V2 A3 800

2000
V3 A3 700

9
 Modelos Cuantitativos de
Predicción
 PRONOSTICOS

= (ventas históricas)
 Se debe hacer dos tipos de análisis:
Cuantitativo (Numérico - modelo)
Cualitativo (Subjetivo - sistema de causas)

Correlación: asociación o relación de variables

Regresión: Dimensión e intensidad entre las variables

1. Modelo de Series de Tiempo
Una serie de tiempo es una secuencia de
observaciones cronológicamente clasificadas de
ventas que se toman con respecto al tiempo en
periodos uniformes para una variable regular.
Este modelo incluye analizar datos de
demanda sobre una escala de tiempo.
Debemos estudiar el modo o
comportamiento representativo de las
ventas para descubrir los modelos y las
figuras o los patrones consistentes.
Luego, estos patrones se proyectan hacia
el futuro.
1.1 Métodos estadísticos
 Los pronósticos basados en el análisis
estadístico de las ventas pasadas brindan
la posibilidad de ser los mas exactos
siempre exista una relación entre el pasado
y el futuro.

1.2 Sistemas de causas

 Es el conjunto de factores o variables que
engendran colectivamente la demanda en
el mercado.
Es frecuente que las series de tiempo se
analicen para identificar cualquier tendencia,
factores de temporada y/o factores cíclicos que
influyen en los datos de demanda. Las técnicas
de suavización, como los promedios móviles y
la suavización exponencial, también pueden
aplicarse a los datos de la serie de tiempo.

TENDENCIA ESTACIONALIDAD CÍCLICO

Cuando se requieren predicciones a corto
plazo que apoyen la programación de la
producción, control de inventarios, fijación de
precios para los productos y que determinen
el lanzamiento oportuno de las promociones
especiales, las técnicas de los modelos de
series de tiempo son valiosos.
2.- Modelo de Descomposición
A.- Una tendencia es el modo o comportamiento
representativo de las ventas considerado movimiento
gradual hacia arriba o hacia abajo de los datos en el
tiempo con variaciones aleatorias.

Demanda

Leyenda

Lineal
Tiempo Exponencial

Logarítmica
B.- La temporada es la variación que se repite a
intervalos fijos. Puede durar un año o solo unas pocas
horas.

Ejemplos: ventas de
equipo de aire
acondicionado (clima),
volumen de tráfico de
autos en la vía expresa
(horas de trabajo) y
recaudo de ingresos de
una empresa por el
modelo de facturación
(políticas de una
empresa).
C.- La variación cíclica tiene una duración
de por lo menos un año; la duración varia de
un ciclo a otro.
d.- Las variaciones aleatorias son variaciones en la
demanda que no pueden explicarse mediante
tendencias, variaciones de temporada o variaciones
cíclicas. Un suceso impredecible, como una guerra, una
huelga, un terremoto o partes de la legislación, pueden
causar grandes variaciones aleatorias.

Inicio de una guerra Huelga Terremoto

A diferencia de la tendencia, de las variaciones de

ciclo y de temporada, la variación aleatoria siempre
esta presente.
 2.1.- PROYECCIONES DE TENDENCIA
Las tendencias lineales son comúnmente
imparciales y la mayoría de las personas
encuentra fácil trabajar con ellas.

Vt = a + bt
Historia de Ventas
Tiempo(t) Ventas(Y)
20000
1 6600 15000
Ventas

2 10450 10000

3 12700 5000

4 15450 0
1 2 3 4 5
5 18800 Años
 Vt = 3,980 + 2,940 t
La tendencia para periodos futuros, se
reemplaza ( t ) a valores mayores de 5:

V6 = 3,980 + 2,940 (6) = 21,620

V7 = 3,980 + 2,940 (7) = 24,560

El resultado es la tendencia de las Ventas

2.2.- PROYECCIONES DE TEMPORADA
Muchas empresas experimenta la demanda de
temporada, mediante el siguiente ejemplo
observaremos.

VENTAS TRIMESTRALES

Trimestre 2015 2016 2017

I 1900 2320 2810
II 3500 4250 5160
III 4770 5790 7050
IV 2530 3090 3780
Promedio 3175 3862.5 4700
 Periodo Ventas Trimestre

1 1900 I
Ventas vs Periodo 2 3500 II
3 4770 III
8000
7000 4 2530 IV
6000 5 2320 I
5000
Ventas

4000 6 4250 II
3000 7 5790 III
2000
1000
8 3090 IV
0 9 2810 I
1 2 3 4 5 6 7 8 9 10 11 12
10 5160 II
Periodo
11 7050 III
12 3780 IV
1. Identificar el índice de temporada

m Dq,j
D
j=1 j
SIq =
m

SIq = Indice de temporada para el trimestre q

Dq,j = Venta real para el trimestre q en el año j
D j = Promedio de Ventas trimestral en el año j
m = número de años
Calculo para el trimestre I:

3 D1,j 1900 2320 2810

 D  
 3175 3862.5 4700  0.599  0.6
j
SI1  j 1
3 3

El resultado de los Índices de Temporada ( SI ) para

cada trimestre:
Trimestre SI
I 0.6
II 1.1
III 1.5
IV 0.8
2.- Destemporalizar la Demanda
El cálculo de las Ventas Destemporalizada es:
1900 / 0.6 = 3167
Ventas 3500 / 1.1 = 3182
Trimestre Destemporalizada

1 3167
2 3182 Demanda Trimestral Destemporalizada

3 3180
8000
4 3163 7000
5 3867 6000
5000
6 3864
Ventas

4000
7 3860 3000
2000
8 3863 1000
9 4683 0
1 2 3 4 5 6 7 8 9 10 11 12
10 4691
Trimestre
11 4700
12 4725
3.- Calcular la línea de tendencia

Vt = a + bt
Periodo Ventas Vt = 2799 + 171.2 t
1 1900
2 3500 La proyección de las ventas
3 4770 trimestrales para 13 al 16 del año 2013
4 2530 son:
Trimestre
5 2320
6 4250
Periodo Ventas
7 5790 13 5025 I
8 3090 14 5196 II
9 2810
10 5160
15 5367 III
11 7050 16 5538 IV
12 3780
4.- Ajustar los estimados de la
Venta Futura utilizando el índice
de temporada

2008 Ventas Ventas

Trimestre proyectadas SI Ajustadas
I 5025 0.6 3015.0

II 5196 1.1 5715.6

III 5367 1.5 8050.5

IV 5538 0.8 4430.4

 Gráfica de Ventas Proyectadas

10000
8000
Ventas

6000
4000

2000
0
1 3 5 7 9 11 13 15
Periodo
APLICACIONES
CASO N° 1.- Los ejecutivos de la empresa industrial
‘’Cementos El Sol S.A.’’ se han reunido a fin de tomar la
decisión de expansión de planta y por consecuencia si es
necesario la compras de nuevos equipos y maquinas para el
siguiente año. Para ello se tiene registrado los datos de
ventas (en miles de kilogramos) de los 6 últimos años de
sus distribuidores tal como se muestra en el cuadro
adjunto:

Distribución TOTAL
Año
A B C Kgs
2006 828.025 502.82 689.031 2019.876

2007 1054.688 415.32 740.477 2210.485

2008 1260.284 407.123 453.761 2121.168

2009 1201.826 533.825 624.585 2360.236

2010 1493.138 476.035 333.612 2302.785

2011 1698.485 587.827 283.604 2302.785

Total 7536.446 2922.95 3125.07 13584.466

Solución:
1. Identificación del problema de acuerdo al objetivo
2. Reconocimiento y análisis de la serie cronológica, se analiza si faltan
datos, hay datos anormales, simplificar la información, redondeo de

datos.
3. Analizar la graficar de la serie cronológica a fin de visualizar el

comportamiento de la demanda.
X Y (Tn)
1 2020

2 2210

3 2121

4 2360

5 2303

6 2570
 4. Identificar la característica de la demanda (determinar el patrón de la
demanda)
• Ver si es lineal creciente con variaciones irregulares
• Para una buena estimación es necesario contar con 8 o mas datos
de ventas anuales.
• Para el caso de ver la temporalidad es necesario contar con 48 o 60
datos de ventas mensuales.
5. De acuerdo al patrón de la demanda se enfoque del problema, en el
  
ejemplo se aproxima a una recta:
donde:
y  a b x
 n xy   x  y    y x
b a  y b x y x
n x 2   x 
2
n n
CUADRO DE VALORES
(Y- Y )2
 
XI YI XIYI XI2 Y I

1 2020 2020 1 2030.572 112

2 2210 4420 4 2123.943 7406
3 2121 6363 9 2217.314 9276
4 2360 9440 16 2310.685 2432
5 2303 11515 25 2404.056 10212
6 2570 15420 36 2497.427 5267
 Y = 1937.201 + 93.37 Xi
•Hallar el error del pronostico
2
 

  Yi  Y i 
δ 
n 1

δ=83.31=83
δ = desviación estándar
•Hallar el pronostico para los periodos que se desea estimar las ventas:
Y = 1937.201 + 93.371(7) = 2591
•Hallar los limites del pronostico: para el 68% de confiabilidad se tiene:
LS = Y7 + 1δ = 2674 tn
LI = Y7 – 1δ = 2508 tn
•Hacer los ajustes necesarios del pronósticos contemplando otros
factores.
 DIMENSIONES

Alto

P
Ancho
Profundidad
Peso Neto

M
INSTRUCCIONES DE MANIPULACI

No apilable
Gigante

P
Deformable
Alimentos
Peligro de congelación
Sensible a la luz

E
Sólido inflamable
 PRONOSTICO BASADO EN PROMEDIO
PONDERADO EXPONENCIAL (P.M.P.E.) o
ATENUACIÓN EXPONENCIAL
Un pronostico que emplea la atenuación exponencial resulta de la ecuación:
  
Yt  Yt 1  αYt 1  Yt 1 
Donde:

Yt = Pronóstico o demanda estimada para el siguiente período o
pronóstico para el período (t)

Yt 1 = Pronóstico del período anterior (t-1)

Yt 1 = Demanda real del período anterior

α = Coeficiente de atenuación(0  α  1)

 
Se puede ordenar de la siguiente manera: Y t  αYt 1  1  α Y t 1
Se puede afirmar que a es un valor entre 0 y 1
 
Si a = 0 Yt  Yt 1

Si a = 1 Yt  Yt 1
a = Proporción total de predicción que puede atribuirse a un cambio en el
patrón de la demanda. Se puede observar que el P.M.P.E. es simplemente
un promedio ponderado seguido de una serie de pronósticos, tal como se
muestra a continuación:
 
Periodo 1: Y1  αYo (1  α)Y0
 
Período 2: Y2  αY1 (1  α)Y1
 
Período 3: Y3  αY2 (1  α)Y2
 
Período 4: Y4  αY3 (1  α)Y3
.
.
 
Período t: Yt  αYt 1 (1  α)Yt 1
 Reemplazando:

Y2  αY1 (1  α) αY0 (1  α)Y0 
 2
Y2  αY1  α(1 α)Y0 (1  α) Y0

Y3  αY2 (1  α)  αY1  α(1 α)Y0 (1  α) 2

Y0
 2 3
Y3  αY2  α(1 α)Y1  α(1 α) Y0 (1  α) Y0

Y4  αY3 (1  α)  αY2  α(1 α)Y1  α(1 α) 2
Y0 (1  α) 3

Y0
 2 3 4
Y4  αY3  α(1 α)Y2  α(1 α) Y1  α(1 α) Y0 (1  α) Y0
 2 3 t 2 t
Yt  aYt 1  a (1  a )Yt 2  α(1 α) Yt 3  α(1 α) Yt 4  ... α(1 α) Y0 (1  α) Y0

Donde:

Yt  Pronóstico para el período “t”.

Y = Demanda real

Yt 1  Y0  Pronóstico inicial
Ejemplo
PERÍODO DEMANDA Y(a=0.2) Iel Y(a=0.5) Iel Y(a=0.8) Iel
(Y)
1 32 32 0 32 0 32 0
2 36 32 4 32 4 32 4
3 31 33 2 34 3 35 4
4 27 33 6 33 6 32 5
5 37 32 5 30 7 28 9
6 50 33 17 34 16 35 15
7 47 36 11 42 5 47 0
8 42 38 4 45 3 47 5
9 37 39 2 44 7 43 6
10 40 39 1 41 1 38 2
11 44 39 5 40 4 40 4
12
TOTAL 57 56 54
   
Y12  Y11  αY11  Y11   40  0.8(44  40) 43.2
α  correctoes 0 .8
 “Una visión sin
acción es un sueño.
Una acción sin visión
es una pérdida de
tiempo. Una visión
con acción puede
cambiar al mundo”
Joel Baker