CAPITULO 2 parte 1.pdf............................

administracion de la demanda

1. CAPITULO 2-Parte 1
ADMINISTRACION DE
LA DEMANDA
DOCENTE: Paola S. Flores Barragán
MATERIA: Planificación y control de la producción I
SEMESTRE: Séptimo

2. Definición (Cont.)
Un pronóstico es una estimación de la demanda futura. Se
determina:
❑Por medios matemáticos usando información histórica.
❑Subjetivamente usando estimados de fuentes informales.
❑Mediante una combinación de ambas técnicas.
APICS

3. Por qué se necesitan los pronósticos en una
empresa
•Los pronósticos se emplean en el proceso de establecimiento de objetivos
tanto de largo como de corto plazo, constituyéndose así en bases para el
desarrollo de planes, a nivel general y en las distintas áreas o unidades.

4. Importancia de los pronósticos
•El pronostico es una componente importante de la planeación estratégica y
operacional.
•Establece la unión para los sistemas de planeación y control.
•Es necesario estimar el futuro para planear el sistema; y luego programar y
controlar este para facilitar una eficaz y eficiente producción de bienes y servicios.
•Entender las limitaciones de los pronósticos y fijar expectativas apegadas a la
realidad en cuanto al funcionamiento futuro, son esenciales para hacer uso efectivo
de los pronósticos en la toma de decisiones.

5. Características de los pronósticos
•Generalmente están equivocados.
•Un buen pronóstico es mas que solo un número.
•Los pronósticos agregados son mas exactos.
•Cuanto más alejado esté el horizonte de pronóstico, menos exacto será el
pronóstico.
•Los pronósticos no se deben usar para excluir información conocida.

6. Demanda dependiente e independiente
•La demanda independiente es aquella demanda que no se relaciona con la
demanda de otros productos.
•La demanda dependiente es aquella demanda que se relaciona o deriva
directamente de la estructura de lista de materiales de otros productos o
productos finales.
APICS

7. Demanda dependiente e independiente

8. Demanda dependiente e independiente
Organización
Demanda independiente
Pronosticada
Demanda dependiente
Calculada
Fabricante Demanda de productos finales
Demanda de las materias primas
y componentes
Fabricante-Distribuidor
Demanda de productos en el
centro de distribución
Demanda de productos finales,
componentes y materia prima
en la fabrica
Distribuidor
Demanda de productos en el
centro de distribución
Demanda de los productos en
los almacenes centrales o
proveedores
Detallista-Distribuidor
Demanda de productos en las
tiendas
Demanda en centros de
distribución y almacenes

9. Horizontes de pronóstico

10. Métodos de pronóstico
La mayoría de los métodos de pronóstico elaboran estimaciones futuras
sobre la base de tres criterios:
❑Patrones del pasado.
❑Relaciones del pasado.
❑Predicciones subjetivas.
Estas formas de estimar el futuro permiten clasificar a los métodos de
pronóstico en tres categorías:
❖Univariados(usan patrones pasados)
❖Multivariados (emplean relaciones pasadas entre múltiples variables)
❖Cualitativos (utilizan métodos y juicios subjetivos).SIGUIENTE

11. Métodos de pronóstico (Cont.)
Métodos de pronóstico univariados:
También conocidos como métodos de series de tiempo, utilizan los datos del pasado de
cierto fenómeno para pronosticar su futuro. Incluyen:
❑Promedios móviles.
❑Suavizamiento exponencial.
❑Descomposición.
❑Análisis de series de Fourier.
❑ARIMA (Box Jenkins).
El concepto básico de los métodos univariadosconsiste en que los valores futuros de una
serie son una función matemática de sus valores pasados, es decir:
Valores futuros = f (Valores pasados)
ATRAS

12. Métodos de pronóstico (Cont.)
Métodos de pronóstico multivariados:
También conocidos como métodos causales, elaboran proyecciones del futuro
de cierta serie modelando su relación con otra serie o series.
Incluyen:
❑Regresión simple y múltiple.
❑Ecuaciones econométricas.
❑Series de tiempo multivariadas.
La representación matemática de los métodos multivariados es:
Variable dependiente = f (Variable independiente)
o
Valores futuros = f (Valores pasados de otras variables)
ATRAS

13. Métodos de pronóstico (Cont.)
Métodos de pronóstico cualitativos:
Los métodos cualitativos se basan en el juicio y opinión personal. Son útiles
cuando no hay información disponible para aplicar métodos cuantitativos.
Incluyen:
❑Consenso de panel.
❑Método Delphi.
❑Investigación de mercados.
❑Análisis de escenarios.
ATRAS

14. NOMENCLATURA Y EVALUACION
DE PRONOSTICOS

15. NOMENCLATURA A UTILIZAR
•D
1, D
2, …, D
tValores observados de la demanda en los periodos 1, 2, …, t
Pronóstico en el periodo t, valores observados D
t, D
t-1, …, pero no observado D
t+1
•F
t,
t+τ pronóstico hecho en el periodo t para el periodo t+ τ,
pronosticando el valor de D
t+ τ en el periodo t después de
haber observado el valor de D
t, pero antes de observar el valor
de D
t+1
•τ horizonte de pronóstico, cantidad de periodos en el futuro que
estamos pronosticando (1, 2, 3, …)
•τ= 1 pronósticos un paso adelante
•F
t= F
t-1, t pronóstico hecho en el periodo t -1, para el periodo t

16. Ejemplo de nomenclatura
F
t,t+τ
F
3,7 entonces τ = 4
F
Lunes,Domingoentonces τ = 6

17. EVALUACION DE PRONOSTICOS
•Es importante distinguir la diferencia entre los conceptos de ajuste (fitting) y pronóstico
(forecasting).
•El ajuste comprende el uso de datos pasados para determinar los coeficientes de un
modelo que representa a la serie de tiempo, mientras que el pronóstico implica el uso del
modelo para estimar valores futuros desconocidos.
•La secuencia simple consiste en ajustar un modelo a cierta serie histórica y usar el modelo
para pronosticar datos futuros.

18. Evaluación de pronósticos (Cont.)
•??????
?????? error en el periodo t, diferencia entre el valor real y el
valor ajustado o pronosticado para el periodo t
•??????
??????=??????
??????−??????
??????−τ,??????para pronósticos a varios pasos adelante
•??????
??????=??????
??????−??????
?????? para pronósticos a un paso adelante
•??????
1, ??????
2,,,,,??????
?????? errores de pronósticos observados durante n periodos

19. Evaluación de pronósticos (Cont.)
•Medidas absolutas de error
Error promedio
Desviación
absoluta media
Error cuadrático
Error cuadrático
medio
Error residual
estándar

20. Evaluación de pronósticos (Cont.)
Mes Valor real
Valor
ajustado
e |e| e
2
Enero 700 830,2
Febrero 884 830,2
Marzo 1209 830,2
Abril 862 830,2
Mayo 1299 830,2
Junio 467 830,2
Julio 734 830,2
Agosto 516 830,2
Septiembre754 830,2
Octubre 877 830,2

21. Evaluación de pronósticos (Cont.)
Mes Valor real
Valor
ajustado
e |e| e
2
Enero 700 830,2 -130,2 130,216952,0
Febrero 884 830,2 53,8 53,8 2894,4
Marzo 1209 830,2 378,8 378,8143489,4
Abril 862 830,2 31,8 31,8 1011,2
Mayo 1299 830,2 468,8 468,8219773,4
Junio 467 830,2 -363,2 363,2131914,2
Julio 734 830,2 -96,2 96,2 9254,4
Agosto 516 830,2 -314,2 314,298721,6
Septiembre754 830,2 -76,2 76,2 5806,4
Octubre 877 830,2 46,8 46,8 2190,2
SUMATORIAS 0,0 1960,0632007,6

22. Evaluación de pronósticos (Cont.)
•Error promedio
•Desviación absoluta media
•Error cuadrático
•Error cuadrático medio
•Error residual estándar

23. METODOS DE PRONOSTICOS
UNIVARIADOS O SERIES DE
TIEMPO

24. Series de tiempo
Una serie de tiempo es un conjunto de observaciones continuas
ordenadas en intervalos de tiempo igualmente espaciados.
PeriodoDemanda
1 10
2 20
3 26
4 17
5 12
6 23
7 30
8 22

25. Series de tiempo (Cont.)
Cuando se grafica una serie de tiempo, es posible observar ciertos patrones
de comportamiento. Estos patrones son:
❑Patrones aleatorios
❑Tendencia
❑Estacionalidad
❑Patrones cíclicos
❑Autocorrelación
❑Outliers

26. Series de tiempo (Cont.)
•Patrones aleatorios:
Las series de tiempo aleatorias son el
resultado de muchos factores que afectan de
forma independiente originando patrones
no sistemáticos y no repetitivos alrededor de
cierto valor promedio.
•Tendencia:
La tendencia es un incremento o
decremento estable en la serie de tiempo
que dura aproximadamente siete o más
periodos.

27. Series de tiempo (Cont.)
•Estacionalidad:
Es aquel patrón que se repite a intervalos fijos.
Las series estacionales son el resultado de
eventos periódicos y recurrentes.
•Patrones cíclicos:
Las expansiones y las contracciones
económicas son la causa de las influencias
cíclicas en las series de tiempo.

28. Series de tiempo (Cont.)
•Autocorrelación:
La correlación mide el grado de dependencia o
asociación entre dos variables.
La autocorrelación significa que el valor de
una serie en un periodo de tiempo se relaciona
con el valor de la serie en periodos previos.
•Outliers:
Los outliersson valores atípicos, valores muy
pequeños o muy grandes no representativos de
la serie.

29. Métodos para series estacionarias
Cuando los datos presentan únicamente el componente aleatorio y se
comportan de manera horizontal se usa los siguientes métodos:
❑Promedios móviles
❑Promedio móvil ponderado
❑Suavizamiento exponencial

30. PROMEDIOS MOVILES

31. Promedios móviles
El método de promedios móviles consiste en asumir que un valor futuro será
igual al promedio de ciertos valores pasados.
Donde:
•F
t pronóstico hecho en el periodo t-1 para el periodo t
•N número de periodos que va a ser promediado
•D
t-1 demanda real en el periodo anterior
•D
t-2 , D
t-3 , D
t-ndemandas reales dos, tres y hasta n periodos atrás
??????
??????=
1
??????
∗෍
??????=??????−??????
??????=1
??????
??????=
1
??????
(??????
??????−1+??????
??????−2+??????
??????−3+..+??????
??????−??????)

32. Promedios móviles (Cont.)
PeriodoDemanda
2 Periodos 4 Periodos 8 Periodos
PM Error PM Error PM Error
1 120
2 124
3 122
4 123
5 125
6 128
7 129
8 127
9 129
10 128
11 130
12 132
Calcular los
PM usando:
N=2
N=4
N=8

33. Promedios móviles (Cont.)
•El pronóstico de promedio móvil con 2 periodos, para el periodo 3, se obtiene
promediando los 2 primeros datos:
??????
3=
1
2
∗120+124=122,0
•El correspondiente al periodo 4 es:
??????
4=
1
2
∗124+122=123,0
•El pronóstico de promedio móvil con 4 periodos, para el periodo 5 es:
??????
5=
1
4
∗120+124+122+123=122,3
•El pronóstico de promedio móvil con 8 periodos, para el periodo 9 es:
??????
9=
1
8
∗120+124+122+123+125+128+129+127=124,8

34. Promedios móviles (Cont.)
PeriodoDemanda
2 Periodos 4 Periodos 8 Periodos
PM E PM E PM E
1 120
2 124
3 122 122,0 0,0
4 123 123,0 0,0
5 125 122,5 2,5 122,3 2,8
6 128 124,0 4,0 123,5 4,5
7 129 126,5 2,5 124,5 4,5
8 127 128,5-1,5126,3 0,8
9 129 128,0 1,0 127,3 1,8 124,8 4,3
10 128 128,0 0,0 128,3-0,3125,9 2,1
11 130 128,5 1,5 128,3 1,8 126,4 3,6
12 132 129,0 3,0 128,5 3,5 127,4 4,6

35. Promedios móviles (Cont.)
•El número óptimo de periodos a promediar es aquel que
proporciona el mínimo RSE. Para este ejemplo vendría a
ser dos periodos.
MedidaPM(2)PM(4)PM(8)
ME 1,3 2,4 3,7
SSE 43,067,157,1
RSE 2,23,14,4

36. Promedios móviles (Cont.)
Los pronósticos de varios pasos adelante y de un paso adelante son
idénticos:
Donde:
•F
t,t+τpronóstico hecho en el periodo t para el periodo t + τ
•F
t+1 pronóstico hecho en el periodo t para el periodo t + 1
??????
??????,??????+??????=??????
??????+1
??????
??????+1=??????
??????+
1
??????
??????
??????−??????
??????−??????
ATRAS

37. PROMEDIO MOVIL
PONDERADO

38. Promedio móvil ponderado
El método de promedios móviles asigna pesos iguales a cada una de las
observaciones. Por el contrario, el método promedio móvil ponderado asigna
mayor peso a las observaciones más recientes.
donde:
•w
1 ponderación que se asigna a la demanda real para el periodo t –1
•w
2,w
n ponderación que se asigna a la demanda real para los periodos t –2 y
t –n
•n número de periodos en la proyección
La única restricción en los pesos es que deben sumar 1.
??????
??????=??????
1∗??????
??????−1+??????
2∗??????
??????−2+ ??????
3∗??????
??????−3+…..+ ??????
??????∗??????
??????−??????
෍
??????=1
??????
??????
??????=1

39. Promedio móvil ponderado (Cont.)
PeriodoDemanda PMP e
1 120
2 124
3 122
4 123
5 125
6 128
7 129
8 127
9 129
10 128
11 130
12 132
Ponderación:
40%,30%,20% y 10%
w
t = 0,4+ 0,3+ 0,2+ 0,1 = 1
෍
??????=1
??????
??????
??????=1

40. Promedio móvil ponderado (Cont.)
??????
??????=??????
1∗??????
??????−1+??????
2∗??????
??????−2+ ??????
3∗??????
??????−3
F
5 = 0,4*123+0,3*122+0,2*124+0,1*120
F
6= 0,4*125+0,3*123+0,2*122+0,1*124
PeriodoDemanda PMP e
1 120
2 124
3 122
4 123
5 125 122,6 2,4
6 128 123,7 4,3
7 129 125,5 3,5
8 127 127,3 -0,3
9 129 127,6 1,4
10 128 128,3 -0,3
11 130 128,2 1,8
12 132 128,9 3,1ATRAS

41. SUAVIZAMIENTO
EXPONENCIAL

42. Suavizamiento exponencial
El método de suavizamiento exponencial requiere de tres datos: el último pronóstico, la
observación actual de la demanda y una constante de suavizamiento (α).
Pronóstico a una etapa adelante:
Nuevo pronóstico = α(Observación real de la demanda) + (1-α)(Último pronóstico)
Donde:
•α constante de suavizamiento (0< α ≤ 1), determina el peso relativo, o factor de
ponderación, que se asigna a la observación actual de la demanda
•1 -αpeso que se asigna a las observaciones pasadas de la demanda
??????
??????=??????∗??????
??????−1+1−??????∗??????
??????−1
??????
??????=??????
??????−1−??????∗??????
??????−1

43. Suavizamiento exponencial (Cont.)
Grande Más peso a la observación actual de la demanda y menos a las
observaciones pasadas. Pronósticos que reaccionan con rapidez a
cambios en la conducta de la demanda.
Pequeña Más peso a los datos pasados. Pronósticos más estables.
Pronóstico a varias etapas adelante:
α
??????
??????,??????+??????=??????
??????+1

44. Suavizamiento exponencial (Cont.)
Eleccióndelosvaloresiniciales:
Pronósticoinicial:Confrecuenciaseeligealprimervalordelaseriecomo
pronósticoinicial.Enotrasocasionessueleemplearseelpromedioden
datos.
Alfa:Elalfaqueproporcionapronósticosmásexactosesaquelque
proporcionaelmínimoRSE.

45. Suavizamiento exponencial (Cont.)
PeriodoDemanda
alfa=0,1 alfa=0,6 alfa=0,9
Ft e Ft e Ft e
1 120 120 120 120
2 124
3 122
4 123
5 125
6 128
7 129
8 127
9 129
10 128
11 130
12 132

46. Suavizamiento exponencial (Cont.)
•Cuando alfa=0,1
F
2= α*D
1+(1-α)*F
1=0,1*120+(1-0,1)*120 = 120.0
F
3= α*D
2+(1-α)*F
2=0,1*124+(1-0,1)*120 = 120.4
F
4= α*D
3+(1-α)*F
3=0,1*122+(1-0,1)*120,4 = 120.6
•Cuando alfa=0,6
F
2= α*D
1+(1-α)*F
1=0,6*120+(1-0,6)*120 = 120.0
F
3= α*D
2+(1-α)*F
2=0,6*124+(1-0,6)*120 = 122.4
F
4= α*D
3+(1-α)*F
3=0,6*122+(1-0,6)*122,4 = 122.2

47. Suavizamiento exponencial (Cont.)
PeriodoDemanda
alfa=0,1 alfa=0,6 alfa=0,9
Ft e Ft e Ft e
1 120 120,0 0,0 120,0 0,0 120,0 0,0
2 124 120,0 4,0 120,0 4,0 120,0 4,0
3 122 120,4 1,6 122,4-0,4 123,6-1,6
4 123 120,6 2,4 122,2 0,8 122,2 0,8
5 125 120,8 4,2 122,7 2,3 122,9 2,1
6 128 121,2 6,8 124,1 3,9 124,8 3,2
7 129 121,9 7,1 126,4 2,6 127,7 1,3
8 127 122,6 4,4 128,0-1,0128,9-1,9
9 129 123,1 5,9 127,4 1,6 127,2 1,8
10 128 123,6 4,4 128,4-0,4128,8-0,8
11 130 124,1 5,9 128,1 1,9 128,1 1,9
12 132 124,7 7,3 129,3 2,7 129,8 2,2