Professional Documents
Culture Documents
Semana 5:
Pronsticos
Los pronsticos de la demanda futura son esenciales para tomar decisiones sobre la cadena de suministro. En est sesin explicamos de qu manera la informacin histrica de la demanda se puede emplear para pronosticar la demanda futura y como los pronsticos afectan a la cadena de suministro.
Un ejemplo clsico de esto es el efecto ltigo (vase el captulo 17), en el cual la variacin del pedido se amplifica conforme los pedidos se alejan del cliente final. Como resultado, mientras ms arriba en la cadena se encuentre una compaa, ms grande ser el error de pronstico. El pronstico colaborativo con base en las ventas al cliente ayuda a las compaas corriente arriba reducir el error de pronstico.
Las compaas deben equilibrar los factores objetivos y subjetivos al pronosticar la demanda.
10
11
Componentes de la demanda
Con cualquier mtodo de pronstico existe siempre el elemento aleatorio que no puede ser explicado con los patrones de la demanda histrica
Demanda observada (O) = componente sistemtico (S) + componente aleatorio (R).
El componente sistemtico mide el valor esperado de la demanda y consiste en lo que llamamos nivel, la demanda de desnacionalizada actual: tendencia, la tasa de crecimiento o descenso en la demanda para el periodo siguiente: y la estacionalidad. Las fluctuaciones estacionales previsibles en la demanda. El componente aleatorio es la parte del pronstico que se desva de la parte sistemtica, las empresas no deben pronosticar el componente aleatorio, solo debe pronosticar el tamao y la variabilidad del componente aleatorio, lo cual proporciona una medida del error de pronstico.
12
13
14
15
Para lograrla integracin referida, es buena idea que la compaa tenga un equipo internacional, con miembro de cada funcin responsable afectada para pronosticar la demanda, e incluso una mejora idea es tener a miembros de varias compaas de la cadena de suministro trabajando juntos para crear pronsticos.
16
17
18
19
20
Decisin qu se va a pronosticar
1. Nivel de agregacin: Acto de agrupar varios productos o servicios para que las compaas puedan realizar pronsticos ms precisos. Familia de productos: requisitos de demanda son parecidos, procesamiento similar, mano de obra y materiales SKU (stock keeping unit): Es un solo producto o servicio individual con un cdigo individual.
2.Unidades de medida: En lugar de utilizar unidades monetarias, las unidades ms tiles son las que se usan para los productos como los SKUs
21
22
Cuantitativos
Cualitativos
Causal (regresin)
Series de tiempo
Suavizacin
Proyeccin de tendencia
23
Mtodos cualitativos
Los mtodos cualitativos son principalmente subjetivo y se apoyan en el juicio humano. Son apropiados sobre todo cuando la informacin histrica no est disponible o existen muy pocos datos; o bien, cuando los expertos cuentas con resultados de investigacin del mercado (Marquet, inteligence) que puedan afectar el pronstico. Tales mtodos pueden tambin ser necesario para pronosticar la demanda a varios aos en el futuro de una nueva industria.
24
Mtodos cualitativos
1. 2. 3. 4. Estimaciones del personal de ventas Opinin ejecutiva Investigacin de mercado Mtodo delphi
25
26
Opinin ejecutiva
Mtodo de pronstico en el cual se hace un resumen de las opiniones, experiencia y conocimientos tcnicos de uno o varios gerentes para llegar a un solo pronstico.
27
Investigacin de mercado
Mtodo sistemtico para determinar el grado de inters del consumidor externo por un producto o servicio, mediante la creacin y puesta en marcha de diversas hiptesis por medio de encuestas encaminadas a la recopilacin de datos.
28
Mtodo Delphi
Proceso de obtener el consenso dentro de un grupo de expertos, al tiempo que se respeta el anonimato de sus integrantes.
29
Las compaas emplean los mtodos causales para determinar el impacto de las promociones de precio en la demanda.
30
2
3 4 5
116
165 101 209
1.3
1.4 1 2
El gerente de ventas afirma que la compaa gastara el mes entrante $1750 en publicidad del producto. Aplique la regresin lineal para desarrollar una ecuacin y pronosticar para este producto
31
r=coeficiente de correlacin cercano a 0 fuerte relacin positiva R2=coeficiente de determinacin 96% de la variacin observada en las ventas se explica por la publicidad, en la prctica no es tan fuerte por que los gastos de publicidad depende de otras variables como la situacin econmica y estrategias de los competidores , se combinan para afectar las ventas Entonces ventas para el mes 6 = 183016 und
32
33
componente sistemtico = nivel x tendencia x factor estacional. Aditivo: componente sistemtico = nivel + tendencia + factor estacional Mixto: componente sistemtico = (nivel + tendencia) x factor estacional.
34
Promedio mvil
a) Calcule un pronostico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la semana 4, las cifras de las ltimas 3 semanas se muestran a continuacin:
Semana 1 2 3 Llegadas de paciente 400 380 411
36
Promedio mvil
b) Si la demanda real de llegadas de pacientes durante la semana: 4 es de 415. Cul seria el erros de pronstico para la semana 4?
E 4 = D4 F4 = 415-397 = 18 c) Calcule un pronostico de promedio mvil de tres semanas para estimar la llegada de pacientes a la clnica mdica durante la semana 6
37
Error de pronstico
El componente aleatorio de la demanda se manifiesta en la forma de erros de pronstico, se usa: 1.Sirve para determinar si el mtodo usado predice con precisin el componente sistemtico.
Llegadas de paciente
400 380 411
39
Suavizamiento exponencial
Es un mtodo de promedio mvil muy refinado, que permite calcular el promedio de una serie de tiempo dando mayor ponderacin a las demandas recientes que a las demandas anteriores.
Suavizamiento exponencial
a) Calcule un pronostico de suavizamiento exponencial para la semana 4, usando un alfa de 0.1
Semana 1 2 3 Llegadas de paciente 400 380 411
El mtodo requiere de un pronstico inicial, supongamos que tomamos los datos de las dos primeras semanas (400+380)/2 = 390 como pronstico inicial . Al fin de calcular el pronstico para la semana 4, utilizando suavizamiento exponencial con alfa 0.1, calcular el promedio al final de la semana 3: F4 = 0.1 (411) + 0.9 (390) = 392.1 E = 415 392.1 = 23 F5 = 0.1 ( 415) + 0.9 (392.1) = 394.4
41
Suavizamiento exponencial
a) Calcule un pronostico de suavizamiento exponencial para la semana 4, usando un alfa de 0.1
Semana 1 2 3 Llegadas de paciente 400 380 411
El mtodo requiere de un pronstico inicial, supongamos que tomamos los datos de las dos primeras semanas (400+380)/2 = 390 como pronstico inicial . Al fin de calcular el pronstico para la semana 4, utilizando suavizamiento exponencial con alfa 0.1, calcular el promedio al final de la semana 3: F4 = 0.1 (411) + 0.9 (390) = 392.1 E = 415 392.1 = 23 F5 = 0.1 ( 415) + 0.9 (392.1) = 394.4
42
Proyeccin de la tendencia
Se utiliza para pronosticar los valores de una serie de tiempo que exhibe una tendencia lineal a largo plazo, es decir muestra aumento o disminucin constante en el tiempo, debido a que este tipo de serie de tiempo no es estable, los mtodos de suavizacin no son aplicables.
43
Proyeccin de la tendencia
Ao 1 2 3 4 5 6 7 8 9 10 Ventas 21.6 22.9 25.5 21.9 23.9 27.5 31.5 29.7 28.6 31.4
Tt = b0 + b1t Tt = Valor de tendencia para las ventas en el periodo t b0 =intercepto de la lnea de tendencia b1 = Pendiente de la lnea de tendencia b1 = tYt (t Yt)/n = t2 (t)2/n b0 = Y - b1 t
44
Proyeccin de la tendencia
t 1 2 3 4 5 6 7 8 9 10 55 5.5 Yt 21.6 22.9 25.5 21.9 23.9 27.5 31.5 29.7 28.6 31.4 264.5 26.45 tY 21.6 45.8 76.5 87.6 119.5 165 220.5 237.6 257.4 314 1545.5 154.55 t2 1 4 9 16 25 36 49 64 81 100 385 38.5
totales promediios
Ft+1= At+ Tt
At = promedio suavizado de la serie en el periodo t = parmetro de suavizamiento para el promedio, con una valor entre 0y1 = parmetro de suavizamiento para la tendencia, con una valor entre 0y1 T1 = promedio suavizado de la tendencia el periodo t Ft+1 = pronostico para el periodo t +1
46
47
48