1

Curso: Basics of Supply Chain ManagementCurso: Basics of Supply Chain Management

Módulo 2 Pronósticos

Profesor : Ing. Oscar Chevillard

ochevillard@fibertel.com.ar

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