Ing.

Jenner Carrascal Sánchez

email: jecarrascal04@hotmail.com

Unidad 2
 Unidad 2
• SEMANA 3: Administración de la demanda para la
planeación. Pronósticos. Sistemas push vs pull.
• SEMANA 4: Compras. Tipos. Importancia. Organización
de las compras. El proceso de compras.
SEMANA 5: Lote económico de compras.
• SEMANA 6: Gestión de Proveedores.
SEMANA 7: Negociación.
• SEMANA 8: Estrategias de las compras. Solución de
casos. Presentación de avance de trabajo integrador.
• SEMANA 9: Examen Parcial.
 SEMANA 3

Agenda

• Administración de la demanda para la

planeación. Pronósticos. Sistemas push vs pull.
Que estrategia seria mejor
 Sistemas Push versus Pull

Sistema Pull

Ordenes

Suministro
Bodega Central Servicio Medico Demanda Externa
 Estrategia Pull - Push y los canales de
distribución, ejemplos:
• Si un negocio considera que su producto puede
diferenciarse significantemente de otros en el
mercado, entonces puede decidir dirigir la mayor
parte de su esfuerzo promocional hacia los usuarios
finales.
• Cuando el producto es percibido por los usuarios
finales como un producto básico (o uno donde hay
poca diferencia entre marcas), entonces la
estrategia de canal de distribución de la empresa
puede ser colocar una gran parte de su esfuerzo
promocional en los intermediarios.
 Administración de la demanda y la
planeación de las operaciones

SUMINISTRO DEMANDA

Planificación y Pronóstico de
Planificación
Control de la la Demanda
de la Red del
Producción
Suministro (drp)
Planificación
de Materiales Marketing
(mrp)
Consumidor
Comité de
Planificación, Ventas
y Operaciones (PVO)
Compras Ventas Detallista
(Cliente)

Distribución
Despacho y Asignación
de Transporte
Procesamiento
de Órdenes
Proveedor

Transporte
Almacén de Transporte Almacén de Secundario
Almacén de Producción
Prod. Terminado Primario (T1) Prod. Terminado (T2)
Materiales
en Planta (CD1) en CD’s (CD2)
 Los Pronósticos Ventas

MODELO GENERAL DE HACER UN PRONOSTICO

Del gráfico anterior se puede decir con certeza que el pronóstico de la

demanda no puede ser hecho en base a una relación matemática pura, lo más
razonable es formular un pronóstico considerando tanto la parte matemática
(proyección), como la parte cualitativa (predicción).
 Métodos de Pronósticos
METODOS CUALITATIVOS:

 Método Delphi
 Encuestas de mercado
 Jurado de opinión ejecutiva
 Compuesto de fuerza de ventas
METODOS CUANTITATIVOS:
 Modelo de serie de tiempo
Promedio Móvil Simple
Promedio Móvil Ponderado.
Suavización Exponencial.
 Modelo causal.
Regresión Lineal Simple
Regresión Lineal Múltiple
 Modelos de series de tiempo

PROMEDIO MOVIL SIMPLE :

∑ Demanda en n periodos previos

P. M . =
n

PROMEDIO MOVIL PONDERADO :

P. M .P . = ∑ (Peso para el periodo n) (Demanda para el periodo n)

∑ pesos
Mes Ventas Ejemplo : El siguiente
reales de cuadro muestra las ventas de
podadoras podadora de J. Bobs. INC.
Enero 10 Realizar pronósticos
Febrero 12 utilizando los métodos de
Marzo 13 Promedio Móvil simple y
Abril 16
ponderado para tres meses.
Mayo 19
Junio 23
Considere los siguientes
Julio 26
pesos para el P.M.P :
Agosto 30
Septiembre 28 3 Para el ultimo mes.
Octubre 18 2 Hace dos meses.
Noviembre 16 1 Hace tres meses.
Diciembre 14
Mes Ventas Promedio
reales de móvil de DA
podadoras tres meses
Enero 10
(10+12+13) / 3
Febrero 12
Marzo 13 (12+13+16) / 3
Abril 16 11.67 4.33
Mayo 19 13.67 5.33
Junio 23 16.00 7.00
Julio 26 19.33 6.67
Agosto 30 22.67 7.33
Septiembre 28 26.33 1.67
Octubre 18 28.00 10.00
Noviembre 16 25.33 9.33
Diciembre 14 20.67 6.67
Total = 58.33
DAM : Desviación Absoluta media
DAM = 6.48
DAM = ∑( DA / n ) n=9
Mes Ventas Promedio M.P.
reales de para tres meses DA
podadoras con 3 2 1
Enero 10
Febrero 12 (13*3 + 12*2 + 10*1) / 6
Marzo 13
Abril 16 12.17 3.83
Mayo 19 14.33 4.67
Junio 23 17.00 6.00
Julio 26 20.50 5.50
Agosto 30 23.83 6.17
Septiembre 28 27.50 0.50
Octubre 18 28.33 10.33
Noviembre 16 23.33 7.33
Diciembre 14 18.67 4.67
49.00
9
DAM = 5.44
 METODO DE SUAVIZADO EXPONENCIAL :
Es un método de pronostico fácil de usar que
involucra las técnicas de los promedios móviles
pero utiliza muy poca información pasada.

Pronóstico = Pronóstico del ultimo periodo + A (Demanda real

Nuevo del ultimo periodo – pronóstico del ultimo periodo)

Donde A es un peso o constante de suavización que

tiene un valor entre 0 y 1.
METODO DE SUAVIZADO EXPONENCIAL :
matemáticamente tenemos :

F t = F t-1 + A ( D t- 1 - F t-1 )

Donde :

Ft = El pronostico nuevo.

F t-1 = El pronostico anterior.

A
= Constante de suavización . ( 0 < A < 1 )
D t- 1 = Demanda real del periodo anterior.
EJEMPLO :

El puerto del Callao ha descargado grandes

cantidades de carne de barcos procedentes de
Sudamérica durante los ocho trimestres pasados.
El administrador de operaciones del puerto
desea probar el empleo de la suavización
exponencial y la efectividad del método en la
predicción del tonelaje descargado el asume que
el pronostico de carne descargada en el primer
trimestre fue de 175 toneladas. Se examinan dos
valores A = 0.10 y A = 0.50
 175 + 0.10 ( 180 – 175 )
SOLUCION :
Pronostico
Pronostico
Trimes redondeado
Tonelaje redondeado
tre usando A =
descargado usando A = 0.50
0.10
real
1 180 175 175
2 168 176 178
3 159 175 173
4 175 173 166
5 190 173 170
6 205 175 180
7 180 178 193
8 182 179 184

175.5 + 0.10 ( 168– 175.5 )

CALCULO DE LAS DESVIACIONES ABSOLUTAS MEDIAS:

Tonelaje Pronostico Pronostico

Trime
descargado redondeado DA redondeado DA
stre
real usando A = 0.10 usando A = 0.50

1 180 175 5 175 5

2 168 176 8 178 10
3 159 175 16 173 14
4 175 173 2 166 9
5 190 173 17 170 20
6 205 175 30 180 25
7 180 178 2 193 13
8 182 178 4 186 4

82 99
8 8
DAM = 10.31 DAM 12.33
 Métodos causales

Esta técnica ajusta una línea de tendencia a

una serie de puntos de datos históricos, y
después proyecta la línea hacia el futuro para
pronósticos con un rango de mediano a lago
plazo. Se pueden desarrollar varias ecuaciones
matemáticas con tendencia ejemplo lineales,
exponenciales, cuadráticas, cíclicas, etc.
 Métodos causales : regresión lineal
Y =f ( X )

Ŷ = a + bX
Y

n (∑ XY)- (∑X)(∑Y)
b=
n ( ∑ X 2 ) - ( ∑ X) 2

a = ∑ Y - b ( ∑ X)
n

X
n = numero de datos de estudio
Y = ventas
X = precio, publicidad, gustos, etc
 Métodos causales : Desviación estándar ( S )
Ŷ = a + bX

S = error de estimación
Y

S = ∑(Y -Ŷ)2
n - k

k = numero de constantes a y b
S = desviación estándar o error
 Métodos causales : Coeficiente de correlación ( r )
Ŷ = a + bX

n ∑XY - ∑X∑Y
r =
[ n ( ∑ X 2 ) - ( ∑ X) 2 ] [ n ( ∑ Y 2 ) - ( ∑ Y ) 2 ]

X
 Regresión simple y múltiple

Ventas = f ( precio, Población, ingreso, gustos,

publicidad, etc. )

Y = ( X1 , X2, X3, X4 ….. Xn )

Y= ( X1 ) Regresión Simple
Si :
Y = ( X1, X2, ….Xn ) Regresión Múltiple.
 Algunos modelos Regresión simple

Y Exponencial Y

Y=a(X)b
Y=a + bX

X X

Y = a + b (sen 2*Pi*X / N) + c (cos 2*Pi*X / N) Y = a + b*X + C (sen 2*Pi*X / N) + d (cos 2*Pi*X / N)

Y Y

X X
EJEMPLO :

El gerente de ADO desea Ventas Publicidad

estimar cual seria el Mes (miles de (Miles de
unidades) S/.)
volumen de ventas para el
próximo mes entrante si
Enero 264 2.5
sabe que la compañía tiene
presupuestado gastar S/. Febrero 116 1.3
1750 en dicho mes,
Marzo 165 1.4
recurriendo al gerente de
Marketing quien Abril 101 1.0
proporciona la siguiente Mayo 209 2.0
información:
 Diagrama de dispersión
Tendencia lineal
Ŷ = – 8.136 + 109.229 ( X )

300

250

200
Ventas

150

100

50

0
0 0.5 1 1.5 2 2.5 3
Publicidad
SOLUCION :

Ventas Publicida
(miles de d (Miles
Mes unidades) de S/.) X2 XY Ŷ (Y - Ŷ) 2

Y X
Enero 264 2.5 6.25 660.00 264.937 0.877
Febrero 116 1.3 1.69 150.80 133.862 319.060
Marzo 165 1.4 1.96 231.00 144.785 408.641
Abril 101 1.0 1.00 101.00 101.094 0.009
Mayo 209 2.0 4.00 418.00 210.322 1.749
Total 855.00 8.20 14.90 1560.80 855.000 730.336

Ŷ = – 8.136 + 109.229 ( X )
n = 5
r = 0.98
b = 109.229
S = 15.6
a = - 8.136
SOLUCION :

Ŷ = – 8.136 + 109.229 ( X )

Por lo tanto las ventas

pronosticadas para el mes de
Junio seria :

Ŷ = – 8.136 + 109.229 ( 1750 )

Ŷ = 183015 unidades
 Pronósticos Patrones Estaciónales
• El gerente de una compañía perteneciente al rubro de limpieza
de alfombras, necesita un pronóstico trimestral del número
esperado de clientes para el año siguiente. El negocio de la
limpieza de alfombras es estacional, con un punto máximo en el
tercer trimestre y uno mínimo en el primer trimestre.
Presentamos a continuación los datos de la demanda trimestral
registrada en los cuatro años mas recientes

TRIMESTTR
E AÑO 1 AÑO 2 AÑO 3 AÑO 4
1 45 70 100 100
2 335 370 585 725
3 520 590 830 1160
4 100 170 285 215

El gerente desea hacer un pronóstico de la demanda de clientes para cada uno de los
trimestres del año 5, basándose en su estimación de que la demanda total durante el años 5
será de 2600 clientes.