El documento describe diferentes métodos para realizar pronósticos de demanda, incluyendo métodos de serie de tiempo, causales y cualitativos. Explica que los pronósticos son fundamentales para la planeación de la producción y que requieren técnicas estadísticas y de ciencia administrativa. También resalta que los pronósticos deben ser precisos, objetivos y sensibles a los cambios para apoyar la toma de decisiones en la empresa.

1. Pronósticos de Demanda y Monitoreo
de Errores

2. Planeación de la Producción
La planeación de la producción está concentrada con el
desarrollo específico de la acción que ejecutará el sistema de
producción, a través del tiempo. esto obliga a hacer
pronósticos para seleccionar la mayor combinación de
recursos humanos, materiales y maquinaria para producir la
demanda requerida eficientemente.
MATERIALES

3. Definición
• PRONÓSTICO
Es la estimación de un acontecimiento futuro que se
obtiene proyectando datos del pasado que se combinan
sistemáticamente, o sea, que requieren técnicas
estadísticas y de la ciencia administrativa.
• PREDICCIÓN
Es la estimación de un acontecimiento futuro que se basa
en consideraciones subjetivas, diferentes a los simples
datos provenientes del pasado, las cuales no
necesariamente deben combinarse de una manera
predeterminada, es decir, se basan en la habilidad,
experiencia y buen juicio de las personas.

4. Usos de los Pronósticos
• Los pronósticos se requieren para:
– La Planeación estratégica:
• Diseño del producto
• Diseño del proceso
• Inversión y reemplazo de equipo
• Planeación de la capacidad estructural
– Planeación de la Producción
• Planeación Agregada
• JIT
• Programación de las operaciones

5. Usos de los Pronósticos en la
Empresa
– Tareas de Control
• Control del sistema
• Control de la producción
• Control de inventarios
• Control de la mano de obra
• Control de costos

6. Los pronósticos son la base de la
planificación corporativa a largo plazo, ya
que con ellos es posible coordinar y
controlar a toda la organización para que
el sistema productivo pueda usarse de
manera eficiente y para que el producto se
entregue a tiempo.
Pronósticos de Demanda

7. Selección de Técnicas de
Proyección del Mercado
La selección de la técnica
está influida por diversos factores:
 La precisión deseada del pronóstico
 El costo del procedimiento
 Los periodos futuros a proyectarse
 Validez y disponibilidad de datos históricos
Se debe buscar:
 Precisión y objetividad
 Sensibilidad

8. Clasificación de los Pronósticos
 Corto Plazo
 Mediano Plazo
 Largo Plazo

9. Métodos de Pronóstico
 Métodos de Serie de Tiempo.
 Métodos Causales.
 Métodos Cualitativos o Subjetivos.

10. Método de Serie de Tiempo
 Se refieren a la medición de una variable en el
tiempo a intervalos espaciados uniformemente.
 El objetivo de la identificación de la información
histórica es determinar un patrón básico en su
comportamiento, que permita la proyección futura
de la variable deseada.

11. Modelos de Proyección
Los modelos de series de tiempo más usados
son:
 Promedios de móviles simples
 Suavizado Exponencial

12. Promedios Móviles Simple
 Es una técnica que se utiliza en pronósticos a
corto plazo.
 Es un método no estadístico que requiere de una
serie histórica para obtener el valor a pronosticar.

13. Suavizado Exponencial
 En estos métodos, cada vez que se añade un
nuevo dato, se elimina la observación más
antigua y se calcula el nuevo pronóstico.
 Considera válida la premisa de que la importancia
de los datos disminuye mientras más antiguos
sean.
antiguas
recientes

14. Suavizado Exponencial
 Para realizar el pronóstico sólo se necesitan tres
datos: el pronóstico más reciente, la demanda
que se presentó para ese período y una constante
de suavizado a

15. Suavizado Exponencial de Primer
Orden
Ft = a Dt-1 + (1 - a ) Ft-1
Ft: Pronóstico de la demanda del período siguiente
Dt-1: Demanda mas reciente
Ft-1: Pronostico mas reciente

16. 1 2 3 4 5 6 7 8
Tiempo
Demanda
de
Articulos
(Unidades)
Demanda Real
Pronosticos con Elevados
coeficienes de suavizacion
Pronosticos con Bajos
coeficienes de suavizacion
La siguiente figura ilustra el resultado de un
pronóstico para dos distintos coeficientes de
suavización para series inestables de demanda.
Selección del Coeficiente de
Suavización

17. Selección del Coeficiente de
Suavización
 Un elevado coeficiente de suavización sería más
adecuado para los nuevos productos o para casos
para los que la demanda subyacente está en
proceso de cambio (esta es dinámica, o bien
inestable). (0.7, 0.8 o 0.9 )
 Si la demanda es muy estable y se piensa que
pueda ser representativa del futuro, el
pronosticador podrá optar por un valor bajo de a.
( 0.1, 0.2, o 0.3. )
 Cuando la demanda es ligeramente inestable,
coeficientes de suavización de (0.4, 0.5 o 0.6),
pueden proporcionar los pronósticos más precisos.

18. Ventajas del Suavizado
Exponencial
 Requieren muy pocos datos históricos.
 Este modelo es eficaz, sencillo y fácil de
entender.
 Se puede computarizar para familias de
productos, sus partes, o sus elementos.
 Sirve en los sectores de manufactura y de
servicios.

19. Suavizado Exponencial
Adaptativo
Si, quien realiza el modelo, no está seguro de la
estabilidad o de la forma del modelo subyacente de
la demanda, el suavizado exponencial adaptativo
proporciona una buena alternativa del pronóstico.

20. Incorporación de los Componentes de
Tendencias y los Estacionales
Los modelos de suavizado exponencial así como los
modelos basados en medias móviles, pueden ser
modificados para que se puedan incorporar
componentes de tendencias y estacionales.

21. Métodos de Pronóstico
 Métodos de Serie de Tiempo.
 Métodos Causales.
 Métodos Cualitativos o Subjetivos.

22. Métodos Causales
 Proyección del mercado en base a datos
históricos.
 Buscar la causa del comportamiento de la
variable a proyectar relacionándola con variables
explicativas.
 Las variables explicativas son variables
independientes, que determinan en consecuencia
las variables a proyectar.

23. Métodos Causales
Los modelos causales de uso más frecuente son:
 Modelo de Regresión.
 Modelo Econométrico.
 Método de encuestas de intenciones de
compra.
 Modelo de insumo-producto.

24. Análisis de Regresión y
Correlación
 Mide la forma, el grado de cómo dos variables se
relacionan, permitiendo hacer pronósticos sobre
la variable independiente.
 Se conoce como Análisis de Regresión a la
relación probabilística de las variables, que se
describe con la media y la varianza de una
variable aleatoria en función de los valores de la
otra variable.

25. Modelo Matemático Utilizado
Para proyectar la tendencia se utiliza el modelo matemático:
bX
a
Y 





 2
_
2
_
_
x
n
x
y
x
n
xy
b
_
_
x
b
y
a 

n
x
x


_
Donde:
y
n
y
y


_
y
Para encontrar los valores de la variables a y b, en cualquier
línea de regresión se utilizan las siguientes ecuaciones

26. Análisis de Regresión Lineal
Simple
Es aquel en el que sólo se considera una variable
independiente, X, y se asume que la relación es
lineal entre las variables. La ecuación del modelo
es:
y = b1 x + b0
Coeficiente Modelo
b1: incremento que experimenta la variable
dependiente, ante un incremento unitario
de la variable independiente.
b0: valor de la variable dependiente, cuando la
independiente vale 0.

27. Análisis de Regresión Lineal
Múltiple
En este caso, la variable dependiente se explica en
función de varias variables independientes, pero
asumiendo una relación lineal entre las variables.
La ecuación del modelo es:
y = b1x1+ b2x2+...+ bkxk + b0

28. Análisis de Correlación
El Objetivo del Análisis de Correlación es estudiar y
cuantificar el grado de ajuste del modelo al
conjunto de observaciones de la población o
muestra que tengamos en nuestro estudio .

29.  Dicha medida nos da el coeficiente de
determinación R2 el cual es el porcentaje de
variación en la variable dependiente (y), que
verifica 0≤R2≤1.
Análisis de Correlación Simple y
Múltiple
 Sirve para medir la bondad del ajuste de una recta
de regresión a un conjunto de observaciones, en
el caso de tener una variable dependiente y una
independiente.
 Se calcula como el cuadrado del coeficiente de
correlación lineal de Pearson.

30. Análisis de Correlación Simple y
Múltiple
 Se calcula como el cuadrado del coeficiente de
correlación lineal de Pearson.
 El coeficiente de correlación lineal de
Pearson (se denota r) es una medida de
asociación lineal entre dos variables aleatorias X
e Y:
Para calcular r se utiliza la siguiente expresión
matemática:
     
 


  



 2
2
2
2
y
y
n
x
x
n
y
x
xy
n
r

31. R Relación
-1 a 0.44 Débil
0.45 a 0.69 Mediana
0.70 a 0.89 Buena
0.90 a 1 Fuerte
Análisis de Correlación Simple y
Múltiple
El grado de correlación se expresa de la siguiente
manera:

32. Método de los Mínimos
Cuadrados
Trata de ajustar la línea a los datos, de manera que
minimicen la suma de los cuadrados de la distancia
vertical entre cada punto de datos y su punto
correspondiente de la línea.
Este modo se basa en la ecuación de la línea recta:
y =a + b.x
Por otra parte se tiene que:
n
y
a

 y


 2
x
xy
b

33. Método de los Mínimos
Cuadrados
 Las sumatorias de las desviaciones verticales es
igual a cero.
 La sumatoria de los cuadrados de toda las
desviaciones verticales es la misma.
 En ecuaciones lineales la mejor línea de ajuste se
obtiene con la solución simultanea de los
coeficiente de a y b.
 El coeficiente “a” representa el punto de
intersección de la recta con el eje y.
 El coeficiente “b” representa en la ecuación la
pendiente de la recta.
El resultado es la mayor línea de ajuste y tiene las
propiedades siguientes:

34. Métodos de Pronóstico
 Métodos de Serie de Tiempo.
 Métodos Causales.
 Métodos Cualitativos o Subjetivos.

35. Métodos Cualitativos
Los pronósticos cualitativos o subjetivos incorporan
factores importantes tales como la intuición,
emociones, experiencias personales del que toma la
decisión, y sistema de valores para alcanzar un
pronósticos.
La posición central en estos métodos no la tienen los
datos pasados, sino la experiencia de las personas.

36. Entre los Métodos Mas Importantes Tenemos:
Jurado de opinión ejecutiva .
Compuesto de fuerza de ventas.
Encuesta a consumidores de mercado.
Método Delphi.
Métodos Cualitativos

37. El Método Delphi
 Es probablemente la técnica cualitativa que más
se utiliza.
 Este método requiere el establecimiento de un
grupo de expertos relacionados con el tema a
pronosticar.
 Este grupo debe ser anónimo.

38. Fases del Método Delphi
 Se crea y envía una encuesta a expertos y éstos
la devuelven a los coordinadores para su
análisis.
 Se prepara una lista con información derivada
del punto anterior y se envía a los expertos.
 Los expertos devuelven las listas y aquellos con
opinión diferente deben justificar sus
apreciaciones.
 Consolidar los pronósticos donde exista el
consenso por parte del grupo de expertos.

39. Ventajas del Método Delphi
 Queda documentado no sólo el resultado sino
el proceso que se siguió.
 Los expertos interactúan en forma anónima.
 Se evitan divagaciones.

40. Desventajas del Método Delphi
 Escoger un grupo idóneo de expertos
 Muchas veces las opiniones ``delatan'' al
experto, dificultando el anonimato.
 El coordinador debe permanecer ``neutral''
respecto a la discusión.

41. Métodos de Descomposición
de Factores de la Demanda
Componentes de la Demanda
 Considera simultáneamente los patrones de
una serie histórica de datos
 La tendencia
 El componente cíclico
 El componente estacional
 Componente no sistemático

42. Componentes de una serie de
Tiempo
tiempo
Componente no
sistemático
Componente
de tendencia
Componente
cíclico
Componente
estacional

43. Relación Entre las Variables
 El método de descomposición considera que los
cuatro componentes se relacionan a través de:
S T C Y
    m
Donde:
S: Valor pronosticado
T: Factor de tendencia
C: Componente cíclico
Y: Componente de estacionalidad
µ: Variación no sistemática

44. Procedimiento
 Se calcula el factor de
estacionalidad realizando el
cociente entre el promedio
móvil del período y el
correspondiente valor observado
(ciclo de estacionalidad)
 Se calcula el índice promedio para
cada período.

45.  Se ajusta el valor estacional
multiplicando por un factor de
estacionalidad K.
 Se calcula la tendencia ajustando los
datos a una regresión simple.
 Se calcula el factor cíclico como: el
cociente entre el promedio móvil y la
tendencia, para cada período.
Procedimiento

46.  Finalmente se realiza el pronóstico en
base a:
Donde:
S(t): Valor pronosticado para el período t
T(t): Factor de tendencia para el período t
C: Componente cíclico
Y: Componente de Estacionalidad
m: Variación no sistemática
S(t) T(t) C Y
= ´ ´ + m
Procedimiento

47. Error de pronóstico
Cuando usamos la palabra error, nos referimos a la
diferencia entre el valor de pronostico y lo que en
realidad ocurrió. Mientras el valor de pronostico
esté dentro de los limites de confianza.
La demanda de un producto se genera por la
interacción de varios factores, demasiado complejos
para describir con precisión en un modelo. Por lo
tanto, todos los pronósticos contienen un error.
t
t
t s
x
e 


48. Fuentes de Error
Los errores pueden provenir de varias fuentes. Una
común, de la que no se percatan muchos
pronosticadores, es la proyección de tendencias
pasadas hacia el futuro.
Sin embargo, cuando usamos esta línea como
dispositivo de pronostico, proyectándola hacia el
futuro, es probable que el intervalo de confianza no
defina correctamente el error porque se basa en
datos pasados

49. Fuentes de Error
 Error Sistemático:
Es el que se comete consistentemente, como por
ejemplo excluir variables correctas, utilizar
relaciones erróneas entre variables, etc.
 Error Aleatorio:
Aquellos que no se pueden explicar con el modelo
de pronóstico.

50. Medición del Error
Algunos de los términos más comunes para
describir el grado de error son:
 Desviación estándar:
• Promedio de la suma de los errores al
cuadrado
• Significancia estadística
 Error del pronóstico
 MAD (Mean absolute deviation)

51. Dimensiones del Comportamiento
Humano en el Pronóstico
Para entender algunas dimensiones de los
pronósticos es necesario tomar en consideración el
comportamiento humano, por el hecho de que no
siempre se elaboran de acuerdo con modelos
estadísticos. Las personas pueden hacer
pronósticos analizando, de una manera intuitiva los
datos del pasado, utilizando para tal fin, la
experiencia. Seria sensato que el gerente pida que
los pronósticos generados mediante modelos sean
verificados por personas experimentada en la toma
de decisiones

52. Factores ambientales que pueden afectar el
resultado de un pronostico intuitivo:
 Significación.
 Complejidad de los modelos.
 Grado del ruido.
 Variabilidad individual.
 Desempeño individual contra desempeño de
los modelos.
 Pronóstico, planeación y comportamiento.
Dimensiones del Comportamiento
Humano en el Pronóstico

53. Uso de la Computación en el Cálculo
de Pronósticos
 Existen numerosos programas comerciales de
pronóstico para computador. La mayoría de los
fabricantes de computadoras producen sus
propios programas de pronósticos.
 La mayoría de las formulas de pronóstico, con
excepción de las más complejas, son fáciles de
comprender. Por lo tanto, se puede utilizar una
hoja de calculo como Lotus 1-2-3, Super-Calc,
Quattro o Excel, para crear un programa de
pronostico personal.

54. Problema N 1
Calcular el Pronostico en una empresa
manufacturera para el periodo 12 con
un coeficiente de suavizamiento de 0.2
y 0.4.

55. Tabla de Datos
a = 0.2
Mes xt St et et2 St et et2
1 46 0
2 48 46 2 4 46 2 4
3 66 46.4 19.6 384.16 46.8 19.2 368.64
4 65 50.32 14.68 215.50 54.48 10.52 110.67
5 53 53.26 0.26 0.07 58.59 5.69 32.38
6 67 53.21 13.79 190.16 56.41 10.59 112.15
7 74 55.97 18.03 325.08 60.65 13.35 178.22
8 88 59.58 28.42 807.70 65.99 22.01 484.44
9 63 62.26 0.74 0.55 74.79 11.79 139
10 69 62.41 6.59 43.43 70.07 1.07 1.45
11 71 63.73 7.27 52.85 69.64 1.36 1.85
12 65.18 2023.5 70.18 1428.8
a = 0.4

56. Comportamiento del Inventario
Grafica de Inventario
0
10
20
30
40
50
60
70
80
90
100
1 2 3 4 5 6 7 8 9 10 11
Meses
Unidades

57. Formulas
)
(
)
(
os
Pronóstic
de
Error
al
Demanda Re
0
11
11
11
12
2
2
2
3
1
2
1
S
X
S
S
S
X
S
S
Et
X
S
X
S
t










a
a

K
Et
St






2
t
t
CME
X
Et
Pronóstico
S
error
de
medio
Cuadrado
CME

58. Solución:
3
.
202
10
5
.
2020
27
.
7
73
.
63
71
2
46
48
o
Pronóstic
de
Error
18
.
65
)
73
.
63
66
(
2
.
0
73
.
63
4
.
46
)
46
48
(
2
.
0
46
46
0
2
.
0
Para
2
.
0
11
1
12
3
2
1




















a
a
CME
Et
Et
S
S
S
S


0.4
un
para
12
mes
el
para
pronóstico
mejor
el
es
que
por
70.18
escoge
Se 
a
88
.
142
10
8
.
1428
CME
36
.
1
64
.
69
71
2
46
48
o
Pronóstic
de
Error
18
.
70
)
64
.
69
71
(
4
.
0
6
.
69
8
.
46
)
46
48
(
4
.
0
46
46
0
4
0
cuando
Para
0.4
11
1
12
3
2
1




















a
Et
Et
S
S
S
S
.
α



59. Problema N 2
Desarrollar el pronostico para el mes de
abril del 2016 utilizando el método mas
idóneo a la característica de los datos. Los
datos históricos en unidades que presenta la
Empresa MaxyMarket a 1 producto en
particular son los siguientes:

60. Tabla de Datos
Mes Y X XY X2
1 210 -5 -1050 25
2 215 -4 -860 16
3 230 -3 -690 9
4 235 -2 -470 4
5 240 -1 -240 1
6 255 0 0 0
7 260 1 260 1
8 270 2 540 4
9 280 3 840 9
10 285 4 1140 16
11 298 5 1490 25
12 2778 6 960 110
1 7
2 8
3 9
4 10

61. Grafico de Inventario
0
50
100
150
200
250
300
350
1 2 3 4 5 6 7 8 9 10 11
Meses
Unidades
Comportamiento del Inventario

62. Solución:
72
.
8
110
960
55
.
252
11
2778
2









b
X
XY
b
a
N
Y
a
Abril
para
unidades
340
75
.
339
)
10
(
72
.
8
55
.
252
72
.
8
55
.
252
2016
2016








Abril
Abril
Y
Y
Y
X
Y
bX
a
Y

63. ¿Preguntas?
FIN
GRACIAS POR SU ATENCIÓN
Pronósticos de Demanda