Administración y Pronóstico de La Demanda.

 

UNIVERSIDAD NACIONAL PEDRO HENRÍQUEZ UREÑA (UNPHU)

Asignatura: ADM-447-02 PROCESOS DE PRODUCCIÓN Profesor(a): Ana Patricia Fernández Ramirez DEMANDA. Tema:   ADMINISTRACIÓN Y PRONÓSTICO DE LA DEMANDA.

Nombre: Anmig Marie Breton Morel Matrícula: 20-0203 Fecha: 19/06/2022

 

● ADMINISTRA ADMINISTRACIÓN CIÓN DE LA DEMAN DEMANDA. DA. El propósito del manejo de la demanda es coordinar y controlar todas las fuentes de la demanda, con el fin de poder usar con eficiencia el sistema productivo y entregar  el producto a tiempo. ¿De dónde proviene la demanda del producto o servicio de una empresa? y ¿qué puede hacer una compañía para administrar? Existen dos fuentes básicas de la demanda: dependiente e independiente. La demanda dependiente es la demanda de un producto o servicio provocada provocada por la demanda de otros productos o servicios. Por ejemplo, si una empresa vende 1 000 triciclos, entonces se van a necesitar 1 000 ruedas delanteras y 2 000 traseras. Este tipo de demanda interna no necesita un pronóstico, sino sólo una tabulación. La cantidad de triciclos que la empresa podría vender es la demanda independiente porque no se deriva directamente de la demanda de otros productos. Una empresa no puede hacer mucho respecto de la demanda dependiente. Es preciso cubrirla (aunque el producto o servicio se pueda comprar en lugar de producirlo en forma interna). Pero sí hay mucho que una empresa puede hacer en cuanto a la demanda independiente, si así lo desea. La compañía puede: 1. Adoptar Adoptar un pape papell activo activo para influir en en la dema demanda. nda. La empresa puede presionar a su fuerza de ventas, ofrecer incentivos tanto a los clientes como a su personal, crear campañas para vender sus productos y bajar precios. Estas acciones pueden incrementar la demanda. Por el contrario, es posible disminuir la demanda mediante aumentos de precios o la reducción de los esfuerzos de ventas. 2. Adoptar un papel pasivo y simplemente re responder sponder a la demanda. Existen varias razones por las que una empresa no trata de cambiar la demanda sino que la acepta tal como llega. Si una compañía funciona a toda su capacidad, tal vez no quiera hacer nada en cuanto a la demanda.

● TIPOS DE PRON PRONÓSTIC ÓSTICOS. OS. El pronóstico se puede clasificar en cuatro tipos básicos: cualitativo, análisis de series de tiempo, relaciones causales y simulación. Las técnicas cualitativas son subjetivas y se basan en estimados y opiniones. El análisis de series de tiempo, el enfoque primario de este capítulo, se basa en la idea de que es posible utilizar información relacionada con la demanda pasada para pred predec ecir ir la de dema mand nda a fu futu tura ra.. La in info form rmac ació ión n an ante teri rior or pu pued ede e in incl clui uirr va vari rios os componentes, como influencias de tendencias, estacionales o cíclicas, y se describe en la sección siguiente. El pronóstico causal, que se analiza utilizando la técnica de la regresión lineal, supone que la demanda se relaciona r elaciona con algún factor subyacente

 

en el ambiente. Los modelos de simulación permiten al encargado del pronóstico manejar varias suposiciones acerca de la condición del pronóstico. ● COMPONENT COMPONENTES ES DE LA DEMA DEMANDA. NDA. En la mayor parte de los casos, la demanda de productos o servicios se puede dividir en seis componentes: demanda promedio para el periodo, una tendencia, elementos estacionales, elementos cíclicos, variación aleatoria y autocorrelación. Los factores críticos son más difíciles de determinar porque quizá el tiempo se desconoce o no se toma en cuenta la causa del ciclo. La influencia cíclica sobre la demand dem anda a puede puede proven provenir ir de eve evento ntoss tal tales es como como ele elecci ccione oness pol políti íticas cas,, gue guerra rras, s, condiciones económicas o presiones sociológicas. Las varia Las ariaccio ion nes ale lea ato tori ria as son pro rovvocad ocadas as po porr lo loss ev even ento toss fort fortui uito tos. s. Estadísticamente, al restar todas las causas conocidas de la demanda (promedio, tendencias, estacionales, cíclicas y de autocorrelación) de la demanda total, lo que queda es la parte sin explicar de la demanda. Si no se puede identificar la causa de este resto, se supone que es aleatoria. La auto autoco corr rrel elac ació ión n in indi dica ca la pe pers rsis iste tenc ncia ia de la oc ocur urre renc ncia ia.. De mane manera ra má máss específica, el valor esperado en un momento dado tiene una correlación muy alta con sus propios valores anteriores. En la teoría de la línea de espera, la longitud de una línea de espera tiene una correlación muy elevada. Es decir, si una línea es relativamente larga en un momento determinado, poco después de ese tiempo, podría esperarse que la línea siguiera siendo larga. Cuando la demanda es aleatoria, es probable que varíe en gran medida de una semana a otra. Donde existe una correlación alta, no se espera que la demanda cambie mucho de una semana a otra. Las líneas de tendencia casi siempre son el punto de inicio al desarrollar un pronóstico. Entonces, estas líneas de tendencia se ajustan de acuerdo con los efectos estacionales, los elementos cíclicos y cualquier otro evento esperado que puede influir en el pronóstico final.

● TÉCNICAS CUALITATIVAS ACUMULATIVAS.

DE

PRONÓSTICO

TÉCNICAS

1. TÉCNICAS ACUMULA ACUMULATIV TIVAS. AS. El pronóstico de técnicas acumulativas crea el pronóstico sumando en sucesión desde la parte de abajo. La suposición aquí es que la persona que está más cerca del cliente o del usuario final del producto conoce mejor sus necesidades futuras.  Aunque esto no siempre es cierto, en muchos casos, se trata de una suposición

 

válida y constituye la base de este método. Los pronósticos en este último nivel se suman y se llevan al siguiente nivel más alto. Por lo regular se trata de un almacén de distrito que después agrega el inventario de seguridad seguridad y cualquier efecto de pedir  en cantidad. Luego, esta cantidad se lleva al siguiente nivel, que puede ser un almacén regional. El procedimiento se repite hasta que se convierte en un insumo en el nivel más alto; que, en el caso de una empresa de manufactura, sería el insumo para el sistema de producción.

2. INVESTIGACIÓN DE MERCADOS.  A menudo, las empresas contratan a empresas externas que se especializan en la investigación de mercados para realizar este tipo de pronóstico. Es probable que uste us ted d haya haya pa part rtic icip ipad ado o en estu estudi dios os de merc mercad ado o po porr me medi dio o de un una a cl clas ase e de marketing; y seguramente no se ha escapado a las llamadas telefónicas en las que le preguntan sobre sus preferencias por ciertos productos, su ingreso, sus hábitos, etcétera. La investigación de mercados se utiliza sobre todo para la investigación de productos con el objetivo de buscar nuevas ideas, conocer los gustos y disgustos relacionados con los productos existentes, los productos competitivos preferidos en una clase en particular, etc. Una vez más, los métodos de recopilación de datos son sobre todo encuestas y entrevistas. 3. GRUPOS GRUPOS DE DE C CONSEN ONSENSO. SO. En un grupo de consenso, la idea de que dos cabezas piensan más que una se extrapola con la idea de que un grupo de personas que ocupan diversas posiciones pueden desarrollar un pronóstico más confiable que un grupo más reducido. Los pron pronós óstitico coss en gr grup upo o se re real aliz izan an por por medi medio o de reun reunio ione ness ab abie iert rtas as co con n un interc int ercamb ambio io lib libre re de ideas ideas de todos todos los niv nivele eless ger gerenc encial iales es e ind indivi ividua duales les.. El problema con este estilo abierto es que los empleados de niveles inferiores se sienten intimidados por los niveles más altos de la gerencia. Por ejemplo, un vendedor en una línea de productos en particular puede tener un buen estimado de la demanda futura de un producto, pero quizá no se exprese para refutar un estimado muy dado porbreve) el vicepresidente marketing. técnicaeste de Delfos (que se diferente estudia en forma se desarrollódepara tratar deLacorregir impedimento del intercambio libre.

4. ANALOGÍA HISTÓRICA.  Al tratar de pronosticar la demanda de un nuevo producto, una situación ideal sería que un producto existente o genérico se pueda utilizar como modelo. Existen much mu chas as fo form rmas as de cla lassifific icar ar est sta as an anal alog ogía íass; po porr ej eje emp mplo lo,, pro produ duct cto os comple com plemen mentar tarios ios,, pro produc ductos tos sustit sustituib uibles les o compe competiti titivos vos,, y pro produc ductos tos com como o una funció fun ción n del ing ingres reso. o. Una vez más más,, segura seguramen mente te ha rec recibi ibido do gra gran n ca canti ntidad dad de productos que se anuncian por correo en una categoría similar a un producto comprado por catálogo, Internet o correo.

 

5. MÉTODO MÉTODO DE DELFOS. DELFOS. Como se dijo en la sección sobre los grupos de consenso, una afirmación u opinión de una persona de un nivel superior es probable que pese más que la de una persona de nivel inferior. El peor de los casos se presenta cuando la gente de nivel inferior se siente amenazada y no contribuye con lo que realmente cree. Para evitar  este est e pro proble blema, ma, el método método de Del Delfos fos ocult oculta a la ide identi ntidad dad de los indiv individu iduos os que participan en el estudio. Todos Todos tienen el mismo peso. En cuanto al procedimiento, un mode mo dera rado dorr crea crea un cues cuestition onar ario io y lo dist distri ribu buye ye entre entre lo loss pa parti rtici cipa pant ntes es.. Su Suss respuestas se suman y se entregan a todo el grupo con un nuevo grupo de preguntas. Rand Corp Rand Corpor orat atio ion n desa desarro rrolló lló el mé méto todo do de Delf Delfos os en la déca década da de 19 1950 50.. El procedimiento paso a paso es: 1. Eleg Elegir ir los expertos expertos a participar participar.. Debe habe haberr gran varied variedad ad de pers personas onas ccon on conocimientos en distintas áreas. 2. Por medio de un cuestionario (o correo electrónic electrónico) o) ob obtener tener las p proyecciones royecciones (y cu cual alqu quie ierr pr prem emis isa a o ca calilififica caci ción ón pa para ra el pron pronós óstitico co)) de todo todoss lo loss participantes. 3. nuevas Resumirapropiadas. los resultados y distribuirlos entre los participantes participantes con las preguntas 4. Volver olver a resumi resumirr, refina refinarr las proy proyecc eccion iones es y con condic dicion iones, es, y una vez más plantear preguntas nuevas. 5. Repetir el paso 4, si es necesario. Distribuir los resultados finales e entre ntre todo todoss los participantes.

● ANÁLISIS ANÁLISIS DE SERIES SERIES DE TIEMPO. TIEMPO. Los modelos de pronósticos de series de tiempo tratan de predecir el futuro con base bas e en la inf inform ormaci ación ón pas pasada ada.. Por ejempl ejemplo, o, las cifras de ven ventas tas rec recopi opilad ladas as durante las últimas seis semanas se pueden usar para pronosticar las ventas durante la séptima semana. Las para cifraspronosticar de ventas trimestrales trilos mestrales recopiladas durante los últimos años se pueden utilizar trimestres futuros. Aun cuando ambos ejemplos contienen ventas, es probable que se utilicen distintos modelos de series de tiempo para pronosticar pronosticar..

1. PROMEDIO PROMEDIO MÓVIL SIMPL SIMPLE. E. Cuando la demanda de un producto no crece ni baja con rapidez, y si no tiene características estacionales, un promedio móvil puede pue de ser útil útil par para a eli elimin minar ar las flu fluctu ctuaci acione oness ale aleato atoria riass del pro pronós nóstic tico. o.  Aunque los promedios de movimientos casi siempre son centrados, es más conven con venien iente te utiliz utilizar ar dat datos os pasado pasadoss para para pre predec decir ir el per period iodo o sig siguie uiente nte de manera directa. 2. PROMEDIO PROMEDIO MÓVIL POND PONDERAD ERADO. O.  Mientras que el promedio móvil simple da igual importancia a cada uno de los componentes de la base de datos del promed pro medio io móv móvil, il, un pro promed medio io móv móvilil pon ponder derado ado permit permite e asi asigna gnarr cua cualqu lquier  ier 

 

import impo rtan anci cia a a cada cada elem elemen ento to,, si siem empr pre e y cu cuan ando do la su suma ma de toda todass la lass ponderaciones sea igual a uno. 3. SUAVIZACIÓN SUAVIZACIÓN EXPONENCIAL. EXPONENCIAL.  En los métodos de pronósticos anteriores (pro (prome medi dios os móvi móvile less si simp mple le y po pond nder erad ado) o),, la prin princi cipa pall de desv sven enta taja ja es la necesidad de manejar en forma continua gran cantidad de datos históricos (esto también sucede con las técnicas de análisis de regresión, que se estudiarán en breve). En estos métodos, al agregar cada nueva pieza de datos, se elimina la observación anterior y se calcula el nuevo pronóstico. En much mu chas as apli aplica caci cion ones es (q (qui uizá záss en la mayo mayorr pa part rte) e),, la lass oc ocur urre renc ncia iass má máss recientes son más indicativas del futuro que aquellas en el pasado más distante. Si esta premisa es válida (que la importancia de los datos disminuye conforme el pasado se vuelve más distante), es probable que el método más lógico y fácil sea la suavización exponencial. 4. ERRORES DE PRONÓSTICO. El término error se refiere a la diferencia entre el valor de pronóstico y lo que ocurrió en realidad. En estadística, estos erro er rore ress se co cono noce cen n como como re resi sidu dual ales es.. Si Siem empr pre e y cu cuan ando do el va valo lorr de dell pronóstico se encuentre dentro de los límites de confianza, como se verá más adelante en “Medición del error”, éste no es realmente un error. Pero el uso común se refiere a laladiferencia como un error. La demanda de uncomplejos producto se genera mediante interacción de varios factores demasiado para pa ra de desc scrib ribirl irlos os con con pr prec ecis isió ión n en un mo mode delo lo.. Po Porr lo tant tanto, o, toda todass la lass proyecciones contienen algún error. Al analizar los errores de pronóstico, es conveniente distinguir entre las fuentes de error y la medición de errores. 5. FUENTE FUENTES S DE ERROR ERROR..  Los errores pueden provenir de diversas fuentes. Una fuente común de la que no están conscientes muchos encargados de elaborar los pronósticos es el pronóstico de las tendencias pasadas en el fu futu turo ro.. Por Por ejem ejempl plo, o, al ha habl blar ar de er erro rore ress es esta tadí díst stic icos os en el an anál ális isis is de regresión, se hace referencia a las desviaciones de las observaciones de la recta de la regresión. Es común relacionar una banda de confianza (es decir, límites de control estadístico) con la recta de la regresión para reducir el error  sin pronóstico, explicar. Peroescuando explicar. se utiliza recta regresión como dispositivo de probable que elesta error no de se ladefina de manera correcta mediante la banda de confianza proyectada. Esto se debe a que el intervalo de confianza se basa en los datos pasados; quizá no tome en cuenta los puntos de datos proyectados y por lo tanto no se puede utilizar con la misma confianza. De hecho, la experiencia ha demostrado que los errores reales suelen ser mayores que los proyectados a partir de modelos de pronóstico. Los errores se pueden clasificar como sesgados o aleatorios. Los errores sesgados ocurren cuando se comete un error consistente. Las fuentes de sesgo incluyen el hecho de no incluir las variables correctas; el uso de las relaciones equivocadas entre las variables; el uso de la recta de tendencia errónea; un cambio equivocado en la demanda estacional desde el punto donde normalmente ocurre; y la existencia

 

de alguna tendencia secular no detectada. Los errores aleatorios se definen como aquellos que el modelo de pronóstico utilizado no puede explicar. explicar. Varios os tér términ minos os com comune uness emp emplea leados dos par para a 6. MEDI MEDICI CIÓN ÓN DE ERRO ERRORE RES. S.   Vari describir el grado de error son error estándar, error cuadrado medio (o varianza) y desviación absoluta media. Además, es posible usar señales de rastreo para indicar cualquier sesgo positivo o negativo en el pronóstico. El error estándar se estudia en la sección sobre regresión lineal en este capítulo. Como el error estándar es la raíz cuadrada de una función, a menudo es más conveniente utilizar la función misma. Esto se conoce como error cuadrado medio o varianza. La des desvia viació ción n abs absolu oluta ta media media (MA (MAD; D; mean mean absolu absolute te dev deviat iation ion)) se uti utiliz lizaba aba con mucha muc ha frecue frecuenc ncia ia en el pas pasado ado,, pero pero poster posterior iormen mente te fue reempl reemplaza azada da por la desviación estándar y las medidas de error estándar. En años recientes, la MAD regresó por su simplicidad y utilidad al obtener señales de rastreo. La MAD es el error promedio en los pronósticos, mediante el uso de valores absolutos. Es valiosa porq po rque ue,, al ig igua uall que que la de desv svia iaci ción ón está estánd ndar ar,, mi mide de la di disp sper ersi sión ón de un va valo lor  r  observado en relación con un valor esperado. Una señal de seguimiento es una medida que indica si el promedio pronosticado sigue el paso de cualquier cambio hacia arriba o hacia abajo en la demanda. Como se utiliza en el pronóstico, la señal de seguimiento es el número de desviaciones absolutas medias que el valor pronosticado se encuentra por encima o por debajo de la ocurrencia real.

● PRONÓSTIC PRONÓSTICO OD DE E RELACI RELACIONES ONES CAUSA CAUSALES. LES. Para que un pronóstico sea de valor, cualquier variable independiente debe ser un indi indica cado dorr guía guía.. Po Porr ejem ejempl plo, o, es de es espe pera rarr qu que e un pe peri riod odo o de lllluv uvia iass más más prolongado aumente la venta de paraguas y gabardinas. La lluvia provoca la venta de artículos personales para este clima. Se trata de una relación causal en la que una un a ocur ocurre renc ncia ia caus causa a ot otra ra.. Si se sabe sabe de dell el elem emen ento to de ca caus usa a co con n mu much cha a anticipación, se puede usar como base para el pronóstico. El primer paso del pronóstico de una relación causal es encontrar las ocurrencias que realmente sean la causa. Muchas veces los indicadores guía no son relaciones causales sino que indican, de cierta forma indirecta, que podrían ocurrir otras cosas. Otras relaciones no causales simplemente parecen existir como una coincidencia. Hace unos años se demostró en un estudio que la cantidad de alcohol vendido en Suecia era directamente proporcional al salario de los maestros.

● PRONÓSTIC PRONÓSTICO O ENFOC ENFOCADO. ADO. El pronóstico enfocado es creación de Bernie Smith, quien lo usa principalmente para ma para mane nejo jo de in inve vent ntar ario ioss de bien bienes es te term rmin inad ados os.. Sm Smith ith defi defien ende de só sólid lidos os argumentos de que los enfoques estadísticos usados para pronosticar no dan los

 

mejores resultados. Afirma que las técnicas simples que funcionaron antes también dan mejores pronósticos para el futuro.

1. METODOLOGÍA METODOLOGÍA DEL PRONÓSTICO ENFOCADO. El pronóstico enfocado simplemente prueba varias reglas que parecen lógicas y fáciles de entender para proyectar al futuro los datos del pasado. Cada una de estas reglas se usa en un programa de simulación por computadora para proyectar  realmente la demanda y medir el desempeño de la regla cuando se compara con lo que ocurrió. Por lo tanto, los dos componentes del sistema de pronóstico enfocado son 1) varias reglas de pronóstico muy simples, y 2) simulación por computadora de estas reglas sobre datos del pasado. Se trata de reglas simples y de sentido común que se formulan y prueban para ver  si deb deben en conser conserva varse rse.. Ent Entre re los ejemplos ejemplos de reg reglas las sim simple pless de pro pronós nóstic tico o se encuentran: 1. Lo que se haya vendido en los tres último últimoss meses será probab probablemente lemente lo que se venda en los tres meses siguientes. 2. probablemente Lo qu que e se vend veen ndió ióeseenperiodo el mism mismo tr trim imes estr tre e de delldaría añ año o cuenta pa pasa sado dodese vend nder erá á de oeste año (esto los ve efectos estacionales). 3. Es probable que se venda un 10 por ciento más en los siguien siguientes tes tres meses que en los tres meses anteriores. 4. Es probable que se venda un 50 por ciento más en los tres meses ssiguientes iguientes que en los mismos tres meses del año anterior. 5. Cualquiera que ha haya ya sido el cambio porcentual porcentual de los últimos tres meses de este año en comparación con los mismos tres meses del año pasado, será probablemente el mismo cambio porcentual que se tendrá en los siguientes tres meses del año. Estas reglas de pronóstico no son rígidas. Si una regla parece funcionar bien, se agrega. Si una no funcionó, se suprime.

● PRONÓSTIC PRONÓSTICO O EN LA RED RED:: PLANEACIÓN PLANEACIÓN,, PRON PRONÓSTIC ÓSTICO O Y RES RESURTID URTIDO O EN COLABORACIÓN. La pl plan anea eaci ción ón,, pr pron onós óstitico co y re resu surt rtid ido o en co cola labo bora raci ción ón (C (CPF PFR R en in ingl glés és,, Collaborative Planning, Forecasting and Replenishment), que se propuso en 1995, evolucionó hasta convertirse en una herramienta de Internet usada para coordin coordinar ar el pronóstico de la demanda, la planeación de la producción y las compras y el resurtido de inventarios entre socios comerciales de la cadena de suministro. La CPFR se usa como medio de integrar a todos los miembros de una cadena de sumini sumi nist stro ro de n punt puntos os,, in incl cluy uyen endo do fa fabr bric ican ante tes, s, di dist stri ribu buid idor ores es y ve vend nded edor ores es minoristas.

 

 A la fecha, aunque la metodología metodología es aplicable a cu cualquier alquier industria, las aplicacio aplicaciones nes de CPFR se han centrado principalmente en los alimentos, ropa y mercancía general. Los posibles beneficios de compartir la información de mejorar la visibilidad de la plan planea eaci ción ón son son enor enorme mess para para cual cualqu quie ierr ca cade dena na de sumi sumini nist stro ro.. Se ha han n propuesto varias estimaciones de los ahorros de costos atribuibles a mejorar la coordinación de la cadena de suministro, incluyendo 30 000 millones de dólares nada más de la industria alimenticia. El objetivo de CPFR es intercambiar información interna selecta en un servidor de la red compartido, con el fin de ofrecer panorámicas confiables y de largo plazo sobre la demanda futura en la cadena de suministro. CPFR usa un enfoque cíclico e iterat ite rativo ivo para para der deriva ivarr pro pronós nóstic ticos os consen consensua suados dos en la cad cadena ena.. Con Consis siste te en los siguientes cinco pasos: 1. Creación de un acuerd acuerdo o de as asociación ociación del lado del cliente. 2. Planeación conjunta de negocios. 3. Desarrollo de pro pronósticos nósticos de d demanda. emanda. 4. Difundir Difundir los pronóstico pronósticos. s. 5. Resultado de inventario. Cada uno de estos pasos se repite iterativamente en un ciclo continuo en el que se varían var ían los tie tiempo mpos, s, por produc productos tos indivi individua duales les y seg según ún ca calen lendar dario io de suc suceso esoss establecido entre los socios comerciales. Por ejemplo, los socios pueden revisar el acuerdo de asociación del lado del cliente cada año, evaluar cada trimestre los planes comerciales conjuntos, desarrollar pronósticos de la demanda semanales o mensuales y surtir a diario. El in inte terc rcam ambi bio o opor oportu tuno no de in info form rmac ació ión n entre entre lo loss so soci cios os come comerc rcia iale less ofre ofrece ce impresiones confiables y de más largo plazo sobre el futuro de la demanda en la cade ca dena na de su sumi mini nist stro ro.. La vi visi sibi bililida dad d haci hacia a adel adelan ante te,, ba basa sada da en co comp mpar artir tir la in info form rmac ació ión, n, trae trae dive divers rsos os bene benefifici cios os a la lass asoc asocia iaci cion ones es en la lass ca cade dena nass de suministro