marketing supply chain
DESCRIPTION
Marketing para Supply ChainTRANSCRIPT
1
Curso: Basics of Supply Chain ManagementCurso: Basics of Supply Chain Management
Módulo 2 Pronósticos
Profesor : Ing. Oscar Chevillard
Parte del contenido de esta presentación proviene en parte del manual de certificación APICS-CPIM (Agosto 2001). El resto fue
desarrollado por profesores del IEEC. Queda prohibido su uso, distribución, reproducción, o cita sin previo permiso escrito.
2
Descripción del Curso� Módulo 1: Introducción al Supply Chain Management
� Módulo 2: Pronósticos
� Módulo 3: Planificación Maestra
� Módulo 4: Planificación de los Requerimientos de Materiales (MRP)
� Módulo 5: Administración de Capacidad y Control de las Actividades de Producción (PAC)
� Módulo 6: Fundamentos de Inventarios
� Módulo 7: Administración de Inventarios
� Módulo 8: Distribución Física
� Módulo 9: Management de la Calidad y Compras
� Módulo 10: Manufactura Just-in-Time (JIT)
2
3
Módulo 2 : Objetivos
� Entender los Factores que influyen sobre la Demanda� Reconocer Patrones de Demanda básicos� Describir los Principios básicos de Pronósticos� Comprender los Principios de la Recolección de la
Información� Comparar distintas Técnicas de Pronósticos� Entender el Concepto de Estacionalidad� Conocer las Fuentes y Tipos de Errores
4
MasterProductionSchedule
Business Plan
PP-Sales andOperations
A cada nivel debemos contestar �A cada nivel debemos contestar las siguientes preguntas:
∼ ¿Cuáles son las prioridadesde la demanda - Cuanto de que se produce y cuando ?
∼ ¿Qué capacidad disponible hay – Que recursos tenemos ?
∼ ¿Cómo resolvemos las diferencias entre ambas?
MasterPlan
Sistema de Planificación y ControlSistema de Planificación y Control
3
5
Basics 2Demand management
El proceso de demand managment
Marketing mgmt
CRMDemand planning
6
Marketing Management y Mix
Estrategia de management
Posicionamiento producto/definición
Segmentación decisiones
Marketing management
Order qualyifyingOrder Winners
Marketing mixp/p/p/p
Order qualifyingOrder winning products
4
7
Marketing Mix
Producto: Diseño, calidad, costo, características, variedad, tamaño, marcas, service y políticas de garantias
Precio: Commodity/ Premium, precio de penetración de mercado, loss leader, descuentos, créditos, concesiones
Promoción: Ventas promocionales, promociones, publicidad, relaciones públicas
Plaza: Ventas canales, modo delivery/velocidad/compatibilidad/políticas de inventarios
8
Customer Relationship Managment
Definición: es la recolección y análisis de información diseñada para apoyar las decisiones en marketing y ventas, tanto de los clientes existentes como potenciales.Incluye: management de cuentas y de catálogos, ingreso de pedidos, procesamiento de pagos, créditos, ajustes, etc.
5
9
Áreas de Acción con Clientes
•Mesas de ayuda: mejoras de productos o diseño de nuevos•Necesidades de los clientes•Información y comunicación: sugerencias tipo amazon.com•Gestión de órdenes: Rápida y exacta•Cumplimientos de fechas y cantidades•Historia de las ventas
10
Demand Planning
Es el reconocimiento de la demanda:a)Pronósticosb)Órdenes reales
6
11
Factores que Influyen en la DemandaFactores que Influyen en la DemandaFactores que Influyen en la DemandaFactores que Influyen en la Demanda
� Condiciones generales de la economía y el negocio
� Factores Competitivos� Tendencias del mercado� Planes propios de la compañía
∼ Características del producto (4Ps) precio, producto, plaza , promoción.� Disponibilidad de producto
∼ Ciclo de vida del producto
� Condiciones generales de la economía y el negocio
� Factores Competitivos� Tendencias del mercado� Planes propios de la compañía
∼ Características del producto (4Ps) precio, producto, plaza , promoción.� Disponibilidad de producto
∼ Ciclo de vida del producto
12
Orígenes de DemandaComunmente son cinco:•Pronósticos: Cuantitativos y/o cualitativos•Ordenes de los clientes•Pedidos de reposición de CDs•Transferencias interplantas•Otros: Requerimientos para marketing y promociones
7
13
Orígenes de Demanda� Principios� 1. Rara Vez son 100% Exactos
� 2. Cada Pronóstico debe incluir una estimación del error para determinar el Stock de Seguridad
� 3. Son más exactos por familias de productos o grupos de items
� 4. Son más exactos en el corto plazo
� Principios� 1. Rara Vez son 100% Exactos
� 2. Cada Pronóstico debe incluir una estimación del error para determinar el Stock de Seguridad
� 3. Son más exactos por familias de productos o grupos de items
� 4. Son más exactos en el corto plazo
� Comentarios� No se espera que así ocurra. Se basan en
estadísticas por tanto los errores son inevitables. Se deben medir
� Se basa en la variabilidad de la demanda alrededor de la media aritmética de la demanda promedio. Se puede estimar como % del pronóstico o como rango entre un máximo y un mínimo
� Es más fácil pronosticar el consumo de gaseosas que el pronóstico de cada una separadamente
� En el largo plazo son más susceptibles de imprevistos.
� Comentarios� No se espera que así ocurra. Se basan en
estadísticas por tanto los errores son inevitables. Se deben medir
� Se basa en la variabilidad de la demanda alrededor de la media aritmética de la demanda promedio. Se puede estimar como % del pronóstico o como rango entre un máximo y un mínimo
� Es más fácil pronosticar el consumo de gaseosas que el pronóstico de cada una separadamente
� En el largo plazo son más susceptibles de imprevistos.
14
Patrones de la DemandaPatrones de la Demanda� Tendencia: indica hacia donde va la
demanda, geométrica o exponencial.� Estacionalidad: Varia dependiendo en un
tiempo del año.� Variación Aleatoria: Muchos factores la
afectan y en forma aleatoria� Cíclica: Ocurre por años a lo largo de
décadas, caídas y crecimientos de la economía.
� Tendencia: indica hacia donde va la demanda, geométrica o exponencial.
� Estacionalidad: Varia dependiendo en un tiempo del año.
� Variación Aleatoria: Muchos factores la afectan y en forma aleatoria
� Cíclica: Ocurre por años a lo largo de décadas, caídas y crecimientos de la economía.
8
15
Tendencia
Estacionalidad
Características de la DemandaCaracterísticas de la Demanda
16
Estable
Dinámica
Patrones de DemandaPatrones de Demanda
� Estable vs. Dinámica∼ La demanda estable mantiene siempre el mismo
comportamiento a través del tiempo∼ La demanda dinámica tiende a ser errática
� Estable vs. Dinámica∼ La demanda estable mantiene siempre el mismo
comportamiento a través del tiempo∼ La demanda dinámica tiende a ser errática
9
17
Demanda Dependiente e IndependienteDemanda Dependiente e Independiente
� Solamente se hace el pronóstico para los ítems que tienen demanda independiente
∼ Estos son los productos terminados, repuestos y los productos terminados ínter plantas.
� Los ítems de demanda dependienteno deberán ser pronosticados
� Solamente se hace el pronóstico para los ítems que tienen demanda independiente
∼ Estos son los productos terminados, repuestos y los productos terminados ínter plantas.
� Los ítems de demanda dependienteno deberán ser pronosticados
18
Plan de Negocios Tendencias
de Mercado
2 a 10 años
Plan de Ventas y
Operaciones
Familia de
Productos
1 a 3 años
Plan Maestro de
Producción
Items Meses
Pronóstico Plazo
¿Qué debe ser Pronosticado?¿Qué debe ser Pronosticado?
10
19
� Siempre tiene error, es inevitable.� Incluir estimación del error: rango o variaciones
alrededor del promedio, hay que estimarlo estadísticamente.
� Son más exactos por familias o grupos� Son más exactos para períodos más cercanos
� Siempre tiene error, es inevitable.� Incluir estimación del error: rango o variaciones
alrededor del promedio, hay que estimarlo estadísticamente.
� Son más exactos por familias o grupos� Son más exactos para períodos más cercanos
Principios del PronósticoPrincipios del Pronóstico
20
Recolección y Preparación de la Información
Recolección y Preparación de la Información
El pronóstico es tan bueno como la información en que se apoya
Principios de recolección� Usar mismos intervalos que se usarán en el
pronóstico∼ basarse en la demanda, no en expedición
muchas veces no es lo que el cliente quiere.∼ las observaciones deberán ser en los mismos
intervalos en que se pronostican∼ pronosticar los mismos ítems que se controlan
por manufactura
El pronóstico es tan bueno como la información en que se apoya
Principios de recolección� Usar mismos intervalos que se usarán en el
pronóstico∼ basarse en la demanda, no en expedición
muchas veces no es lo que el cliente quiere.∼ las observaciones deberán ser en los mismos
intervalos en que se pronostican∼ pronosticar los mismos ítems que se controlan
por manufactura
11
21
Recolección y Preparación de la Información (cont.)
Recolección y Preparación de la Información (cont.)
� Registrar circunstancias que acompañan a lainformación ( particulares eventos, promociones, cambios climáticos ,etc )
� Registrar demanda por grupos de productos y por canal
� Registrar demanda por tipos de productos de la familia, teniendo un total , cuantos de cada tipo de producto.
� Registrar circunstancias que acompañan a lainformación ( particulares eventos, promociones, cambios climáticos ,etc )
� Registrar demanda por grupos de productos y por canal
� Registrar demanda por tipos de productos de la familia, teniendo un total , cuantos de cada tipo de producto.
22
Técnicas CualitativasTécnicas Cualitativas
� Están basadas en la intuición y en la opinión informada
� Tienden a ser subjetivas� Son usadas para el plan de negocios y los
pronósticos de nuevos productos� Son usadas para pronósticos de mediano y
largo plazo� Paneles de expertos
� Están basadas en la intuición y en la opinión informada
� Tienden a ser subjetivas� Son usadas para el plan de negocios y los
pronósticos de nuevos productos� Son usadas para pronósticos de mediano y
largo plazo� Paneles de expertos
12
23
Técnicas Extrínsecas� Basado en indicadores externos (causa – efecto de
distintos indicadores económicos) indice de nacimientos, construcciones , crecimiento económico
� Útil en el pronóstico de la demanda sobre toda la compañía o de la demanda por familias de productos
� Ve la correlación entre distintos campos, de distintas familias de productos. ( autos / consumo de naftas).
� Esta basado en pronósticos sobre pronósticos. No es fácil encontrar indicadores para relacionar demandas de distintos productos.
24
Técnicas Intrínsecas
� Basadas en datos históricos usualmente disponibles en la Empresa
� Asumen que en el futuro se repetirá el pasado� Son importantes y vamos a ver algunas , son
muy usadas en el plan de producción .
13
25
Algunas Técnicas Intrínsecas ImportantesAlgunas Técnicas Intrínsecas Importantes
Qué pasa si para el cuadro anterior queremos proyectar enero?
... Será la misma que en diciembre?... Será la misma que el mismo mes, un año atrás?
Qué pasa si para el cuadro anterior queremos proyectar enero?
... Será la misma que en diciembre?... Será la misma que el mismo mes, un año atrás?
Enero 92Febrero 83Marzo 66Abril 74Mayo 75Junio 84
Enero 92Febrero 83Marzo 66Abril 74Mayo 75Junio 84
Julio 84Agosto 81Septiembre 75Octubre 63Noviembre 91Diciembre 84
Julio 84Agosto 81Septiembre 75Octubre 63Noviembre 91Diciembre 84
26
Promedios móvilesPromedios móvilesEnero 92Febrero 83Marzo 66Abril 74Mayo 75Junio 84
Enero 92Febrero 83Marzo 66Abril 74Mayo 75Junio 84
Julio 84Agosto 81Septiembre 75Octubre 63Noviembre 91Diciembre 84
Julio 84Agosto 81Septiembre 75Octubre 63Noviembre 91Diciembre 84
Cálculo sobre la base de 3 meses: enero ƒƒƒƒ (dic.,nov. y oct):Cálculo sobre la base de 3 meses: enero ƒƒƒƒ (dic.,nov. y oct):
Si enero resultó 90 y no 79, para febrero será: Si enero resultó 90 y no 79, para febrero será:
= 79= 7963 + 91 + 84 3
63 + 91 + 84 3
= 88= 8891 + 84 + 90 3
91 + 84 + 90 3
14
27
Promedios MóvilesPromedios Móviles
� Pueden ser usados para filtrar la variación aleatoria
� Períodos más largos suavizan la variación aleatoria
� Si existe tendencia, ésta será difícil de detectar
� El cálculo puede complicarse cuando se usan más períodos
� Pueden ser usados para filtrar la variación aleatoria
� Períodos más largos suavizan la variación aleatoria
� Si existe tendencia, ésta será difícil de detectar
� El cálculo puede complicarse cuando se usan más períodos
28
Peso de los datos incluidosPeso de los datos incluidosMes Demanda
1 10002 20003 30004 40005 5000
Mes Demanda1 10002 20003 30004 40005 5000
¿Cómo calcular Junio?¿Cómo calcular Junio?Promedio móvil cinco períodos : Promedio móvil cinco períodos : 1000 + 2000+ 3000+ 4000+ 5000
51000 + 2000+ 3000+ 4000+ 5000
5= 3000= 3000
Promedio móvil tres períodos : Promedio móvil tres períodos :
3000 vs. 5000?3000 vs. 5000?
3000 + 4000+ 50003
3000 + 4000+ 50003
= 4000= 4000 4000 vs. 5000?4000 vs. 5000?
15
29
Cuántos más datos se incluyan, más peso tendrán los datos anteriores y menos peso
tendrán los datos actuales.
Es aconsejable para demandas estables con poca tendencia o estacionalidad
Cuántos más datos se incluyan, más peso tendrán los datos anteriores y menos peso
tendrán los datos actuales.
Es aconsejable para demandas estables con poca tendencia o estacionalidad
Promedios MóvilesPromedios Móviles
30
Alisado ExponencialAlisado Exponencial
� Técnica mas útil para pronostico de corto plazo, requiere cantidad mínima de datos.
� Es la mas precisa entre los modelos.� Es auto adaptable a los cambios de la información
pronosticada.� Es como el promedio móvil pero las observaciones
pasadas no reciben la misma ponderación.� Solo requiere el pronostico del periodo mas
reciente y a la demanda real para el periodo actual ,para tener el pronostico de demanda del periodo siguiente.
� Técnica mas útil para pronostico de corto plazo, requiere cantidad mínima de datos.
� Es la mas precisa entre los modelos.� Es auto adaptable a los cambios de la información
pronosticada.� Es como el promedio móvil pero las observaciones
pasadas no reciben la misma ponderación.� Solo requiere el pronostico del periodo mas
reciente y a la demanda real para el periodo actual ,para tener el pronostico de demanda del periodo siguiente.
16
31
Alisado ExponencialAlisado ExponencialDa los mismos resultados que los promedios móviles, sin tener que guardar tantos datos, no se necesitan tantos datos de la historia.
Permite realizar el cálculo basándose en el pronóstico ya realizado y en los nuevos datos
Si en el ejemplo anterior calculamos Enero comopromedio de los seis meses anteriores obtendremos 80 y si la demanda real es 90, con esto febrero nos dará 85.= (0,50) x 80 + (0,50) x 90 = 85Con esto damos menor peso a enero y 90% al resto ∴∴∴∴Febrero = (0,10) x 90 + (0,90) x 80 = 81Nuevo Pronóstico = (α) x demanda real + (1-α) x
x pronóstico anterior
Da los mismos resultados que los promedios móviles, sin tener que guardar tantos datos, no se necesitan tantos datos de la historia.
Permite realizar el cálculo basándose en el pronóstico ya realizado y en los nuevos datos
Si en el ejemplo anterior calculamos Enero comopromedio de los seis meses anteriores obtendremos 80 y si la demanda real es 90, con esto febrero nos dará 85.= (0,50) x 80 + (0,50) x 90 = 85Con esto damos menor peso a enero y 90% al resto ∴∴∴∴Febrero = (0,10) x 90 + (0,90) x 80 = 81Nuevo Pronóstico = (α) x demanda real + (1-α) x
x pronóstico anterior
32
Alisado ExponencialAlisado Exponencial
� Provee un método rutinario para actualizar el pronóstico de los items
� Es útil para actualizaciones regulares� Trabaja bien con ítems estables y pronósticos
de corto plazo� Detecta tendencias pero las retrasa� Para calcular α usar simulaciones por
computadora ( no mas de 0,4 )� Es satisfactorio para pronósticos de corto
plazo
� Provee un método rutinario para actualizar el pronóstico de los items
� Es útil para actualizaciones regulares� Trabaja bien con ítems estables y pronósticos
de corto plazo� Detecta tendencias pero las retrasa� Para calcular α usar simulaciones por
computadora ( no mas de 0,4 )� Es satisfactorio para pronósticos de corto
plazo
17
33
Alisado ExponencialAlisado Exponencial� La elección de α requiere un grado de
discernimiento.� Cuanto mas alto α mayor sera la
ponderación que se otorgue sobre los valores mas recientes de la demanda.
� Pero cuanto mas alto sea puede traer valores que tomen valores aleatorios en la serie de tiempo.
� Los mas usados son entre 0,1 y 0,3
� La elección de α requiere un grado de discernimiento.
� Cuanto mas alto α mayor sera la ponderación que se otorgue sobre los valores mas recientes de la demanda.
� Pero cuanto mas alto sea puede traer valores que tomen valores aleatorios en la serie de tiempo.
� Los mas usados son entre 0,1 y 0,3
34
18
35
Períodos los Todos para Promedio Ventas
Período el para Ventas de Promedio = idadEstacional de Indice
EstacionalidadEstacionalidad
� Mide la variación por las estaciones del año en la demanda de un producto
� Relaciona la demanda promedio en un período particular con la demanda promedio para todos los períodos
� Mide la variación por las estaciones del año en la demanda de un producto
� Relaciona la demanda promedio en un período particular con la demanda promedio para todos los períodos
36
EstacionalidadEstacionalidad⌦ Característicos de ciertos productos: pieles, cortadora de pasto, trajes de baño, adornos para árboles de navidad....
⌦Hay variaciones estaciónales diarias o semanales: demanda eléctrica, compras en supermercados...
⌦El índice estacionalidad mide la cantidad de variación estacional de un producto. Estima cuanto la demanda durante un periodo, estará arriba o por debajo de la demanda promedio.
⌦ Característicos de ciertos productos: pieles, cortadora de pasto, trajes de baño, adornos para árboles de navidad....
⌦Hay variaciones estaciónales diarias o semanales: demanda eléctrica, compras en supermercados...
⌦El índice estacionalidad mide la cantidad de variación estacional de un producto. Estima cuanto la demanda durante un periodo, estará arriba o por debajo de la demanda promedio.
19
37
EstacionalidadEstacionalidad
� Indice Estacional
� Demanda Promedio todos Períodos = Demanda Desestacionalizada
� Indice Estacional
� Demanda Promedio todos Períodos = Demanda Desestacionalizada
Demanda Promedio Período históricosDemanda Promedio todos Períodos
Demanda Promedio Período históricosDemanda Promedio todos Períodos
Demanda Promedio PeriodoIndice Estacional
Demanda Promedio PeriodoIndice Estacional
Demanda Desestacionalizada =Demanda Desestacionalizada =
38
Pronósticos EstacionalesPronósticos Estacionales
Demanda Estacional (Demanda Promedio del Periodo)== Índice estacional x Demanda desestacionalizadaDemanda Estacional (Demanda Promedio del Periodo)== Índice estacional x Demanda desestacionalizadaEjemplo: La compañía pronostica 420 para el año próximo.Calcular la demanda por trimestre para el año próximo la demanda promedio del trimestre es 100
Ejemplo: La compañía pronostica 420 para el año próximo.Calcular la demanda por trimestre para el año próximo la demanda promedio del trimestre es 100
Año TrimestreAño Trimestre1 2 3 4 Total1 2 3 4 Total
1 122 108 81 90 401 2 130 100 73 96 3993 132 98 71 99 400
128 102 75 95 400
1 122 108 81 90 401 2 130 100 73 96 3993 132 98 71 99 400
128 102 75 95 400PromedioPromedio
20
39
Cálculos: Demanda Pronosticada por TrimestreCálculos: Demanda Pronosticada por TrimestreCálculos: Demanda Pronosticada por TrimestreCálculos: Demanda Pronosticada por Trimestre
Indice Estacional 1T = 128/100 =1,28Indice Estacional 2T = 102/100 =1,02Indice estacional 3T = 75/100 =0,75Indice estacional 4T = 95/100 =0,95
Indice Estacional 1T = 128/100 =1,28Indice Estacional 2T = 102/100 =1,02Indice estacional 3T = 75/100 =0,75Indice estacional 4T = 95/100 =0,95
Demanda desestacionalizada para el trimestre = 420/4 = 105Demanda desestacionalizada para el trimestre = 420/4 = 105
Demanda Esperada por Trimestre1 T = 105 x 1,28 = 134, 4 2 T = 105 x 1,02 = 107, 13 T = 105 x 0,75 = 78,754 T = 105 x 0,95 = 99,75
Total = 420 unidades
Demanda Esperada por Trimestre1 T = 105 x 1,28 = 134, 4 2 T = 105 x 1,02 = 107, 13 T = 105 x 0,75 = 78,754 T = 105 x 0,95 = 99,75
Total = 420 unidades
Suma de los índices= 4.00
Suma de los índices= 4.00
40
Si una compañía que vende camperas de skitiene una demanda en enero de 5200unidades y en julio de 24000 unidades y elíndice estacional de enero es 0,5 y el de julio2,5...
¿Cómo se comparan las dos demandas desestacionalizadas?
Si una compañía que vende camperas de skitiene una demanda en enero de 5200unidades y en julio de 24000 unidades y elíndice estacional de enero es 0,5 y el de julio2,5...
¿Cómo se comparan las dos demandas desestacionalizadas?
Ejercicio :Ejercicio :
21
41
• Se debe usar información desestacionalizada
• Pronosticar demanda desestacionalizada y no estacionalizada
•Aplicar el índice de estacionalidad
• Se debe usar información desestacionalizada
• Pronosticar demanda desestacionalizada y no estacionalizada
•Aplicar el índice de estacionalidad
Demanda desestacionalizada = = 5200 ÷÷÷÷ 0,5 = 10400 u (Enero)= 24000 ÷÷÷÷ 2,5 = 9600 u (Julio)
Demanda desestacionalizada = = 5200 ÷÷÷÷ 0,5 = 10400 u (Enero)= 24000 ÷÷÷÷ 2,5 = 9600 u (Julio)
Respuesta:
42
Ejemplo: Alisado ExponencialEjemplo: Alisado ExponencialUna compañía usa alisado exponencial para la demanda desus productos. En abril, la demanda desestacionalizada fuede 1000 y la demanda real fue de 1250. El índice estacionalde abril es de 1,2 y de mayo es de 0,7. Siα = 0,1 calcular:
a) la demanda desestacionalizada real para abrilb) la demanda desestacionalizada para mayoc) la demanda estacionalizada en mayo
Una compañía usa alisado exponencial para la demanda desus productos. En abril, la demanda desestacionalizada fuede 1000 y la demanda real fue de 1250. El índice estacionalde abril es de 1,2 y de mayo es de 0,7. Siα = 0,1 calcular:
a) la demanda desestacionalizada real para abrilb) la demanda desestacionalizada para mayoc) la demanda estacionalizada en mayo
22
43
a) Demanda desestacionalizada real para abril = Demanda real / índice estacional =1250= 1042
1,2
b) Demanda desestacionalizada para mayo= α (ultima demanda real) + (1-α) pronóstico anterior
= 0,1 x 1042+ 0,9 x 1000 = 1004
c) pronóstico estacionalizado mayo = 0,7 x 1004 = 703
a) Demanda desestacionalizada real para abril = Demanda real / índice estacional =1250= 1042
1,2
b) Demanda desestacionalizada para mayo= α (ultima demanda real) + (1-α) pronóstico anterior
= 0,1 x 1042+ 0,9 x 1000 = 1004
c) pronóstico estacionalizado mayo = 0,7 x 1004 = 703
Respuesta: Alisado ExponencialRespuesta: Alisado Exponencial
4444
ProblemaProblema
23
4545
ProblemaProblemaCalcular el Índice de Estacionalidad para cada Mes
MesDemanda Promedio
Indice de Estacionalidad
Enero 20 0,20Febrero 40 0,40Marzo 75 0,75Abril 100 1,00Mayo 115 1,15Junio 235 2,35Julio 245 2,45Agosto 125 1,25Septiembre 100 1,00Octubre 80 0,80Noviembre 50 0,50Diciembre 15 0,15
Total 1.200
Calcular el Índice de Estacionalidad para cada Mes
MesDemanda Promedio
Indice de Estacionalidad
Enero 20 0,20Febrero 40 0,40Marzo 75 0,75Abril 100 1,00Mayo 115 1,15Junio 235 2,35Julio 245 2,45Agosto 125 1,25Septiembre 100 1,00Octubre 80 0,80Noviembre 50 0,50Diciembre 15 0,15
Total 1.200
4646
Seguimientodel PronósticoSeguimiento
del Pronóstico
24
47
Seguimiento del PronósticoSeguimiento del PronósticoEl pronóstico está casi siempre mal: Algunas razones atribuidas al actuar humano y otras al comportamiento de la economía.
� ¿Por qué monitorear el pronóstico?∼ Para medir la demanda real vs. el pronóstico∼ Para mejorar el método de pronóstico∼ Para planificar el futuro teniendo en cuenta el
error“Es el proceso de comparar la demanda real con la demanda pronosticada”
El pronóstico está casi siempre mal: Algunas razones atribuidas al actuar humano y otras al comportamiento de la economía.
� ¿Por qué monitorear el pronóstico?∼ Para medir la demanda real vs. el pronóstico∼ Para mejorar el método de pronóstico∼ Para planificar el futuro teniendo en cuenta el
error“Es el proceso de comparar la demanda real con la demanda pronosticada”
48
Seguimiento del PronósticoSeguimiento del PronósticoError de pronóstico:
� La diferencia entre la demanda real y la pronostica da
� Sesgo (BIAS):� Es un error sistemático por el cual la demanda real está
consistentemente por encima o por debajo de la dema nda pronosticada
� El sesgo existe cuando la demanda real acumulada se separa del pronosticado acumulado . Esto quiere decir que la demanda promedio pronosticada estará mal
� Cuando es detectado hay que determinar la causa par a eliminarlo
Error de pronóstico:� La diferencia entre la demanda real y la pronostica da
� Sesgo (BIAS):� Es un error sistemático por el cual la demanda real está
consistentemente por encima o por debajo de la dema nda pronosticada
� El sesgo existe cuando la demanda real acumulada se separa del pronosticado acumulado . Esto quiere decir que la demanda promedio pronosticada estará mal
� Cuando es detectado hay que determinar la causa par a eliminarlo
�Variación Aleatoria:� La variabilidad dependerá del patrón de demandadel producto.
�Variación Aleatoria:� La variabilidad dependerá del patrón de demandadel producto.
25
49
Mes Pronóstico Real
Mes Acum Mes Acum1 100 100 110 1102 100 200 125 2353 100 300 120 3554 100 400 125 4805 100 500 130 6106 100 600 110 720
Total 600 600 720 720
Error de Pronóstico: Sesgo Error de Pronóstico: Sesgo
50
mes
RealPronosticada
Dem
anda
000 1 2 3 4 5 60 1 2 3 4 5 6
800-700-600-500-400-300-200-100-
800-700-600-500-400-300-200-100-
Error Sistemático / Sesgo (BIAS)Error Sistemático / Sesgo (BIAS)
26
5151
Erroresdel Pronóstico
Erroresdel Pronóstico
52
Desviación Media Absoluta (MAD)Desviación Media Absoluta (MAD)
Es una manera de medir el error del pronóstico. Se calcula con la suma de
todos los errores absolutos y se divide por la cantidad de datos.
“Mide la diferencia (error) entre la Demanda Actual y el Pronóstico”
Es una manera de medir el error del pronóstico. Se calcula con la suma de
todos los errores absolutos y se divide por la cantidad de datos.
“Mide la diferencia (error) entre la Demanda Actual y el Pronóstico”
Media : implica un PromedioAbsoluta : significa sin tomar negativos o positivosDesviación : se refiere al Error
Media : implica un PromedioAbsoluta : significa sin tomar negativos o positivosDesviación : se refiere al Error
27
53
Ejemplo : Desviación Media Absoluta (MAD)Ejemplo : Desviación Media Absoluta (MAD)
Mes Pronóstico Real Variación Variación
(Error) Absoluta
1 100 105 5 5
2 100 94 - 6 6
3 100 98 - 2 2
4 100 104 4 4
5 100 103 3 3
6 100 96 - 4 4
Total 600 600 0 24
Mes Pronóstico Real Variación Variación
(Error) Absoluta
1 100 105 5 5
2 100 94 - 6 6
3 100 98 - 2 2
4 100 104 4 4
5 100 103 3 3
6 100 96 - 4 4
Total 600 600 0 24 MAD= 24 = 46
5454
ProblemaProblema¿Cuándo debería ser revisado el Pronóstico ?MAD = 15Disparador =
Período PronósticoDemanda
Real DesvíoDesvío
AcumuladoSeñal de
Seguimiento1 100 1102 105 903 110 854 115 1105 120 1056 125 95
¿Cuándo debería ser revisado el Pronóstico ?MAD = 15Disparador =
Período PronósticoDemanda
Real DesvíoDesvío
AcumuladoSeñal de
Seguimiento1 100 1102 105 903 110 854 115 1105 120 1056 125 95
28
5555
CálculoCálculo
5656
ProblemaProblema¿Cuándo debería ser revisado el Pronóstico ?MAD = 15Disparador =
Período PronósticoDemanda
Real DesvíoDesvío
AcumuladoSeñal de
Seguimiento1 100 110 10 10 0,672 105 90 -15 -5 -0,333 110 85 -25 -30 -2,004 115 110 -5 -35 -2,335 120 105 -15 -50 -3,336 125 95 -30 -80 -5,33
¿Cuándo debería ser revisado el Pronóstico ?MAD = 15Disparador =
Período PronósticoDemanda
Real DesvíoDesvío
AcumuladoSeñal de
Seguimiento1 100 110 10 10 0,672 105 90 -15 -5 -0,333 110 85 -25 -30 -2,004 115 110 -5 -35 -2,335 120 105 -15 -50 -3,336 125 95 -30 -80 -5,33
29
5757
Desvío EstándarDesvío EstándarCálculo del desvío estandarMAD = 15Disparador =
PeríodoPronóstico de
Demanda Demanda Real DesvíoCuadrado del
Desvío1 1.000 1.200 200 40.0002 1.000 1.000 0 03 1.000 800 -200 40.0004 1.000 900 -100 10.0005 1.000 1.400 400 160.0006 1.000 1.100 100 10.0007 1.000 1.100 100 10.0008 1.000 700 -300 90.0009 1.000 1.000 0 010 1.000 800 -200 40.000
Total 10.000 10.000 400.000
Promedio de los Cuadrados del Desvío: 40.000Desvío Estándar (Sigma): 200
Cálculo del desvío estandarMAD = 15Disparador =
PeríodoPronóstico de
Demanda Demanda Real DesvíoCuadrado del
Desvío1 1.000 1.200 200 40.0002 1.000 1.000 0 03 1.000 800 -200 40.0004 1.000 900 -100 10.0005 1.000 1.400 400 160.0006 1.000 1.100 100 10.0007 1.000 1.100 100 10.0008 1.000 700 -300 90.0009 1.000 1.000 0 010 1.000 800 -200 40.000
Total 10.000 10.000 400.000
Promedio de los Cuadrados del Desvío: 40.000Desvío Estándar (Sigma): 200
Distribución Normal x + 1 Sigma = 68,26%x + 2 Sigma = 95,44%x + 3 Sigma = 99,74%
Distribución Normal x + 1 Sigma = 68,26%x + 2 Sigma = 95,44%x + 3 Sigma = 99,74%
58
Usos del MADUsos del MAD
1) Señal de seguimiento = Suma algebraica de los errores de Pronóstico
MAD
2) Stock SeguridadLa información puede usarse como base para establecer el stock de
seguridad 3) En distribución normal donde va estar nuestro error:+/- 1 MAD estamos en promedio el 60 % del tiempo+/- 2 MAD estamos en promedio el 90 % del tiempo+/- 3 MAD estamos en promedio el 98 % del tiempo
1) Señal de seguimiento = Suma algebraica de los errores de Pronóstico
MAD
2) Stock SeguridadLa información puede usarse como base para establecer el stock de
seguridad 3) En distribución normal donde va estar nuestro error:+/- 1 MAD estamos en promedio el 60 % del tiempo+/- 2 MAD estamos en promedio el 90 % del tiempo+/- 3 MAD estamos en promedio el 98 % del tiempo
30
59
Periodo Pronóstico Real Desviación Desviación SeñalAcumulada Seguimiento
Periodo Pronóstico Real Desviación Desviación SeñalAcumulada Seguimiento
1 100 96 - 4 1 0,52 100 98 - 2 - 1 - 0,53 100 104 + 4 + 3 1,54 100 110 +10 +13 6,5
1 100 96 - 4 1 0,52 100 98 - 2 - 1 - 0,53 100 104 + 4 + 3 1,54 100 110 +10 +13 6,5
El Período 4 se debe revisar dado que : 6,5 > + 4
Desviaciación acumulada anterior: 5 DA/MAD = 2,5Desviaciación acumulada anterior: 5 DA/MAD = 2,5
Usos del MAD (cont.)Usos del MAD (cont.)Ejemplo: Una compañía usa un valor gatillo de +4 para decidir revisar un pronóstico. Determinar dónde debe revisarse. MAD = 2
Ejemplo: Una compañía usa un valor gatillo de +4 para decidir revisar un pronóstico. Determinar dónde debe revisarse. MAD = 2
60
Claves de PronosticoClaves de Pronostico� El pronostico debe ser seguido controlado.� Es razonablemente medible su error� Cuando tenemos un error razonable en los
pronósticos de demanda por medio de la investigación debemos descubrir la causa de ese error.
� Si no hay una aparente causa para el error, el método de pronostico debería rever si no hay una mejor forma de pronosticar
� El pronostico debe ser seguido controlado.� Es razonablemente medible su error� Cuando tenemos un error razonable en los
pronósticos de demanda por medio de la investigación debemos descubrir la causa de ese error.
� Si no hay una aparente causa para el error, el método de pronostico debería rever si no hay una mejor forma de pronosticar
31
6161
10 Falacias del Pronóstico (1)
•En muchas empresas se culpa a los pronósticos de tener muchas deficiencias. Raramente se justifican
•Pronosticar no es hacer planificación de inventarios. Son dos actividades separadas
•Tener el método adecuado de calcular inventarios es mucho más importante que un método correcto de pronosticar. Mucho más importante
•No existen los pronósticos perfectos. Pronosticar 5 caras en 10 tiros de moneda es un buen ejemplo
•Los pronósticos “perfectos” están mal la mayoría de las veces
10 Falacias del Pronóstico (1)
•En muchas empresas se culpa a los pronósticos de tener muchas deficiencias. Raramente se justifican
•Pronosticar no es hacer planificación de inventarios. Son dos actividades separadas
•Tener el método adecuado de calcular inventarios es mucho más importante que un método correcto de pronosticar. Mucho más importante
•No existen los pronósticos perfectos. Pronosticar 5 caras en 10 tiros de moneda es un buen ejemplo
•Los pronósticos “perfectos” están mal la mayoría de las veces
6262
10 Falacias del Pronóstico (2)
•Con un método “óptimo” de pronóstico se pueden hacer solamente pequeñas mejoras
•Aunque se pueda pronosticar la demanda futura, no se la puede conocer. Cuando se la conoce ya no es un pronóstico sino una orden de pedido
•El aspecto más importante de cualquier inventario es el servicio que brinda y el capital que requiere. Nada es más importante
•La mayoría de los inventarios requieren de una gran cantidad de capital y dan a cambio muy poco servicio
•Es mejor estar “aproximadamente bien” que correctamente mal
10 Falacias del Pronóstico (2)
•Con un método “óptimo” de pronóstico se pueden hacer solamente pequeñas mejoras
•Aunque se pueda pronosticar la demanda futura, no se la puede conocer. Cuando se la conoce ya no es un pronóstico sino una orden de pedido
•El aspecto más importante de cualquier inventario es el servicio que brinda y el capital que requiere. Nada es más importante
•La mayoría de los inventarios requieren de una gran cantidad de capital y dan a cambio muy poco servicio
•Es mejor estar “aproximadamente bien” que correctamente mal
32
6363
Clínicade
Forecastingy
Sesión de Autodiagnóstico
Clínicade
Forecastingy
Sesión de Autodiagnóstico
6666
Para Mejorar la IntegraciónFuncional, las Compañías Deberían:
Para Mejorar la IntegraciónFuncional, las Compañías Deberían:
� Reconocer a Forecasting como una función Separada.
� Fortalecer:∼ Objetivo único en Forecasting∼ Comunicaciones∼ Acceso a Información Cross-Funcional
� Recompensar Performance.
� Reconocer a Forecasting como una función Separada.
� Fortalecer:∼ Objetivo único en Forecasting∼ Comunicaciones∼ Acceso a Información Cross-Funcional
� Recompensar Performance.
33
6767
Para Mejorar el Enfoque, las Compañías Deberían:
Para Mejorar el Enfoque, las Compañías Deberían:
� Conciliar Pronósticos � Conciliar Plan de Negocios & Forecast.� Segmentar Clientes Clave (Pronósticos
Separados o VMI inventario manejado por el vendedor).
� Segmentar Productos.� Entender las Reglas de Juego.� Respaldo del Top Management.� Entrenamiento & Capacitación.
� Conciliar Pronósticos � Conciliar Plan de Negocios & Forecast.� Segmentar Clientes Clave (Pronósticos
Separados o VMI inventario manejado por el vendedor).
� Segmentar Productos.� Entender las Reglas de Juego.� Respaldo del Top Management.� Entrenamiento & Capacitación.
6868
Para Mejorar Sistemas, las Compañías Deberían:
Para Mejorar Sistemas, las Compañías Deberían:
� Eliminar “Islas de Análisis”.� Un dueño de la Base de Datos y de los
Sistemas de Información.� Personalizar Pantallas & Informes Impresos.� EDI en clientes clave.
� Eliminar “Islas de Análisis”.� Un dueño de la Base de Datos y de los
Sistemas de Información.� Personalizar Pantallas & Informes Impresos.� EDI en clientes clave.
34
6969
Para Mejorar la Performance de las Mediciones, las Compañías Deberían:Para Mejorar la Performance de las
Mediciones, las Compañías Deberían:� Medir exactitud en los niveles relevantes a
las funciones.� Indicadores Gráficos y Estadísticos.� Indicadores Multi Dimensionales.
∼ Exactitud.∼ Costos de la Supply Chain.∼ Servicio al Cliente.
� Medir exactitud en los niveles relevantes a las funciones.
� Indicadores Gráficos y Estadísticos.� Indicadores Multi Dimensionales.
∼ Exactitud.∼ Costos de la Supply Chain.∼ Servicio al Cliente.
7070
Medición de Performance:Algo más que Exactitud
Medición de Performance:Algo más que Exactitud
� Lo que se mide, se puede recompensar y lo que se recompensa, se hace.
� Lo que se mide, se puede recompensar y lo que se recompensa, se hace.
35
7171
La Clave para el Uso de Técnicas de Forecasting
La Clave para el Uso de Técnicas de Forecasting
Exactitud
Series Cronológicas Regresión Cualitativa
7272
En Resumen: Claves para el Management
Efectivo del Forecasting
En Resumen: Claves para el Management
Efectivo del Forecasting� Forecasting no es Planning.� Pronosticar la Demanda, no el Supply.� Comunicar, Coordinar, Colaborar.� Eliminar “Islas de Análisis”.� Utilizar las herramientas con Conocimiento.� Darle Importancia.� Medir, Medir, Medir.
� Forecasting no es Planning.� Pronosticar la Demanda, no el Supply.� Comunicar, Coordinar, Colaborar.� Eliminar “Islas de Análisis”.� Utilizar las herramientas con Conocimiento.� Darle Importancia.� Medir, Medir, Medir.
36
7373
Principios para un Sistema de Forecast de Ventas.
Principios para un Sistema de Forecast de Ventas.
� Los sistemas deben ser un vehículo de comunicación entre los usuarios y los que desarrollan el pronóstico.
� La herramienta se debe amoldar al problema y no a la inversa.
� Los sistemas complejos de pronósticos, deben aparecer como simples al usuario.
� Piense en un conjunto de técnicas y no en una técnica aislada.
� Incluir técnicas cualitativas, series cronológicas y análisis de regresión.
� Interactuar con el sistema para decidir la importancia de la técnica.
� Los sistemas deben ser un vehículo de comunicación entre los usuarios y los que desarrollan el pronóstico.
� La herramienta se debe amoldar al problema y no a la inversa.
� Los sistemas complejos de pronósticos, deben aparecer como simples al usuario.
� Piense en un conjunto de técnicas y no en una técnica aislada.
� Incluir técnicas cualitativas, series cronológicas y análisis de regresión.
� Interactuar con el sistema para decidir la importancia de la técnica.
74747474
12 Principios de los Pronósticos
37
75757575
1. Los pronósticos de ventas se hacen en casi todas las empresas que producen o venden productos. El desafío es hacerlos bien, mejor que la competencia
76767676
2. Mejores pronósticos permiten mejorar el servicio al cliente, disminuir inventarios, programar mejor las operaciones, trabajar más en colaboración con los proveedores y consecuentemente, vender más
38
77777777
3. El pronóstico se origina en Marketing y Ventas. Son los dueños y también los responsables de su desarrollo, autorización y ejecución.
78787878
4. El pronóstico se debe desarrollar a partir de información amplia o macro como:
perspectivas económicas, tendencias de la industria, participación de mercado (market share), etc
39
79797979
5. Los resultados se mejoran con mejores procesos y mejores procesos de pronóstico producen mejores pronósticos
80808080
6. La mejor forma de aumentar la exactitud del pronóstico es concentrarse en reducir el error del pronóstico
40
81818181
7. El sesgo es uno de los peores errores en la generación del pronóstico. Hay que trabajar para lograr sesgo cero.
82828282
8. Se debe pronosticar el volumen y gerenciarel mix. Siempre que sea posible, pronosticar al nivel más alto y más agregado. Solamente hacer pronóstico de detalle cuando sea imprescindible
41
83838383
9. Un solo pronóstico y varias perspectivas. Es mejor generar un único pronóstico con la capacidad de mostrarlo de diferentes maneras según el uso que se necesite.
84848484
10. Tan pronto como sea posible, reemplazar lo desconocido con datos conocidos. Las “cuotas” son más ciertas que los pronósticos, los compromisos mejores que las cuotas y las órdenes de compra, mejores que los compromisos
42
85858585
11. Se trabaja mucho mejor cuando la gente colabora y se comunica, que con todas las fórmulas y algoritmos que se puedan desarrollar.
86868686
12. Mejores procesos producen mejores resultados. Mejores procesos de producción, de compras y de programación ayudan a mejorar los resultados pues reducen lead times, permiten un horizonte más corto de pronóstico y disminuyen las condiciones de error.
43
87878787
Técnicas paralograr mejores pronósticos
88888888
1. Las Series de Tiempo se desarrollan extrapolando tendencias, estacionalidades y variaciones cíclicas pues se asume que su comportamiento es predecible y tendrán efectos similares cada vez.
44
89898989
2. Los modelos de Regresión y los Econométricos trabajan aislando los componentes individuales que originan la demanda para generar el modelo de demanda.
90909090
Estos modelos tienen una limitación importante: es imposible incluir toda la
información clave y esa información puede cambiar imprevistamente
45
91919191
Se debe cambiar la forma en que se usa el pronóstico, no la forma en que se hace. Se necesitan mejores
procesos, resistentes a los pronósticos inexactos
92929292
Algunas formas de comenzar….
46
93939393
1. Reconocer el cambio.
� Reconocer la variabilidad de las situaciones.
� Tales cambios no siempre se pueden pronosticar
94949494
2. Diseñar pensando en la Flexibilidad.
� Infraestructura� Proveedores� Diseño de Productos/Servicios� Cambio de escala
47
95959595
3. Estandarizar Productos
� No es perder flexibilidad� Significa cambios incrementales� Capacidad de cambiar volúmenes
según demanda
96969696
4. Segmentar Productos
� Productos más estables que otros� Programa estándar por producto
48
97979797
5. Posponer (Postponement)
� Más posible y más importante que antes� Tecnología para FAS Final Assembly
Schedule o Cronograma de ensamble final más cercano al punto de demanda
� Mover el Pronóstico aguas arriba (hacia los componentes más estándar)
98989898
6. Trabajar con lotes pequeños
� Cuanto más corto el período, mejor el pronóstico.
� Vehículos más pequeños, envíos más frecuentes
� Lotes más pequeños, más velocidad para llegar al mercado
49
99999999
7. Más velocidad de transferencia de información
� Rapidez y confiabilidad� Información disponible de clientes� Ingreso único de datos, donde se
producen� Rapidez y mejor información para
elaborar pronósticos
100100100100
8. Redefinir reglas del negocio
� Diferencia entre “fast movers” y “slow movers”
� Ubicarlos según demanda: más pedidos, más cerca. Menos frecuentes, más centralizados
50
101101101101
9. Seguimiento Política Internacional
� Aspectos que aumentan riesgo� Política� Inestabilidad social� Nunca serán pronosticados por los
modelos
102102102102
10. Reconocer el Objetivo
� El pronóstico es siempre una herramienta, útil para ayudar
� Los softwares ofrecen ayuda, pero nunca serán 100% exactos
� Operaciones debe focalizarse en recrear procesos con output estándar aún con información inexacta
51
103
Ejercicios para el hogar:Ejercicios para el hogar:� 1 Calcule la demanda desetacionalizada � 1 Calcule la demanda desetacionalizada
Trimestre Demanda Actual índice estacionalDemanda
desestacionalizada
1 130 0,62
2 170 1,04
3 375 1,82
4 90 0,52
Total
104
Ejercicios para el hogar:Ejercicios para el hogar:� El viejo pronostico desestacionalizado es 100 unidades� α = 0,2� La demanda actual para el último mes fue 130 unidades� Si el índice estacional para el último mes es de 1,2 y el del próximo
mes es 0,9� Calcular: a – La demanda actual desetacionalizada para el último mesb – El pronostico desestacionalizado para el próximo mes usando
alisado exporencial.c – El pronostico de la demanda actual para el próximo mes
Respuesta:A 108B 101.6C 91.4
� El viejo pronostico desestacionalizado es 100 unidades� α = 0,2� La demanda actual para el último mes fue 130 unidades� Si el índice estacional para el último mes es de 1,2 y el del próximo
mes es 0,9� Calcular: a – La demanda actual desetacionalizada para el último mesb – El pronostico desestacionalizado para el próximo mes usando
alisado exporencial.c – El pronostico de la demanda actual para el próximo mes
Respuesta:A 108B 101.6C 91.4
52
105
Ejercicios para el hogar:Ejercicios para el hogar:� Usando alisado exponencial calcular los
pronósticos para los meses 2,3,4,5 y 6 con una constante exponencial de 0,2 y el último pronostico para el mes 1 es de 245
� Usando alisado exponencial calcular los pronósticos para los meses 2,3,4,5 y 6 con una constante exponencial de 0,2 y el último pronostico para el mes 1 es de 245
Mes Demanda Actual Pronostico de Demanda
1 250
2 230
3 225
4 245
5 250
6