Unidad 2 - Pronostico de Demanda

 

INGENIERÍA INDUSTRIAL

ADMINISTRACIÓN ADMINISTRACIÓ N DE OPERACIONES I

INVESTIGACION

NOMBRE TEMA UNIDAD 2: PRONOSTICO DE DEMANDA

PROFESOR: SAUL MONTIEL

PRESENTA: JIMENEZ FLORES FERNANDO DE JESUS

Tijuana, Baja California a 04 de Mayo de 2019

0

 

2.1 Características de la Demanda La lectura de la demanda del mercado es para muchos planeadores y líderes de negocio el aspecto que más les ocupa dada la importancia del tema en términ tér minos os de venta venta y con contin tinuid uidad ad financ financier iera a del neg negoci ocio. o. Tod Todos os que querem remos os satisf sat isfac acer er las neces necesida idades des de los client clientes, es, tod todos os que querem remos os tener tener client clientes es cont nten ento toss y to tod dos que uere rem mos que el neg negocio ocio pro prosp sper ere e com ome ercia rciall y financieramente. El mercado está sujeto a diversos factores de diferente índole, algunos de ellos son controlables por la empresa y otros no tanto, los hay fácilmente predecibles y los hay imposibles de pronosticar, como el caso de la pandemia de influenza que sufrimos el año pasado en México. El comportamiento de la demanda: la importancia de registrar los datos de manera histórica con la finalidad de saber lo que ocurre con la demanda del mercado y determinar si los picos y valles que presenta tienen una explicación, lláme llámense nse pro promoc mocion iones es de ven venta, ta, inc increm rement entos os de pre precio cios, s, des desaba abasto sto del mercado por los competidores, etc. Asumiendo que se cuenta con buena información y consistencia en los datos de demanda, el siguiente paso es su análisis.  Aquí deben ser evaluados evaluados los siguientes aspectos de la dema demanda: nda: vend ndo o ar artí tícu culo loss de pl play aya, a, es de espe espera rars rse e qu que e la La estac estaciona ionalidad lidad: si ve demanda de mis productos se incremente en algunos meses por los eventos que suceden en esos meses del año, y es de esperar que, al paso del tiempo, este comportamiento se repita de manera continua. De vital importancia en este punto, reviste el cálculo del índice estacional, para ayudar a establecer  una proyección de la demanda en un periodo en particular del año. Por  ejem ej empl plo, o, la dema demand nda a de tr traj ajes es de ba baño ño pu pudi dier era a se serr de 10 100 0 un unid idad ades es mensuales, pero en el mes de Julio el promedio se eleva a 175 y en el mes Septiembre baja a 35, el índice estacional del mes de Julio será 1,75 y el de septiembre de 0,35, quiere decir que, en el mes de más venta, esta se increment incre menta a en 75% por arriba del prom promedio edio y en el mes más bajo estará 65% por debajo del promedio. Si analizas esta información es oro molido para tus pronósticos, ya que yseganar sabrás en qué momento tus inventarios y cuando disminuirlos puntos fi nancieros financieros enincrementar tu organización. La tendencia: si las ventas de mi producto se están incrementando, al graficar  los datos, esto tiene que mostrarse de manera evidente, habrá meses en los que qu e la dema demand nda a no mues muestre tre un comp compor orta tami mien ento to in incr crem emen enta tal,l, pe pero ro en la fotografía general la tendencia puede ser alcista, o por el contrario, puede ser  estable o estar en declive, una análisis gráfico de ello nos puede dar un excelente indicador de lo que sucede en el comportamiento. Al igual que la estacionalidad, las estimaciones y cálculos de la tendencia de la demanda son de mucha utilidad, herramientas hay muchas y variadas, los promedios móviles simples, dobles, suavización exponencial, simple, doble, la regresión lineal entre las más populares. El reto aquí es definir cual utilizar al tratar de predecir  el comportamiento de la demanda. Lo que ayudará a definir el modelo a utilizar  es la combinación del análisis de tendencia con la gráfica de madurez de un

1

 

producto en el mercado, si estos ya tienen tiempo en el mercado, por ejemplo, Coca Cola, es de esperar un comportamiento estable en la demanda con una tendencia alcista, por lo que la regresión lineal será la más recomendable, pero para el caso de un juguete de moda, que recién acaba de ser introducido en el mercado, un promedio móvil simple puede ser la mejor opción, depende en gran medida de los datos y de la información de que se disponga.

La variación aleatoria: hablamos hace un momento de productos nuevos en el mercado o modas que se presentan en el uso de algún producto bien sea porque el actor o actriz de moda lo utiliza y como líderes de opinión influencian en el mercado y provocan un comportamiento atípico en el mismo, en casos como estos habrá altos y bajos en su venta, sin que ésta se pueda predecir con exactitud, aquí lo conveniente es monitorearlo y prepararse con inventario para amor am ortitigu guar ar el ef efec ecto to de la de dema mand nda. a. En el an anál ális isis is de la de dema mand nda a es conve co nvenie niente nte separa separarr estos estos art artícu ículos los y tratar tratarlos los de ma maner nera a dif difere erente nte y no mezclarlos con el resto de los productos.

La variación cíclica:  esta se presenta en periodos largos en el tiempo, por  ejemplo, en época de elecciones municipales, presidenciales o de cualquier  índole, habrá productos (anuncios espectaculares, carteles, etc.) que presenten un compor comportam tamien iento to atí atípic pico o qu quizá izá inc increm rement ental, al, por lo que, que, nue nueva vamen mente te el registro oportuno de este tipo de eventos resulta de suma importancia, para no  jugar a las adivinanzas adivinanzas cuando de pred predecir ecir la demanda se trate.

2

 

2.2 Métodos Cualitativos para los Pronósticos Los pronósticos ayudan a los gerentes a obtener estrategias para el futuro. Los métodos de pronósticos son los l os siguientes: Los métodos de pronósticos cualitativos se usan cuando se dispone de pocos datos históricos o de ninguno. Los métodos de pronósticos cualitativos también se consideran más apropiados cuando no se espera que el patrón histórico de la serie de tiempo continúe en el futuro. Métodos Cualitativos  INV Reúne e da dato toss po porr di dife fere rent ntes es me medi dios os INVEST ESTIGA IGACIÓ CIÓN N DEL MER MERCAD CADO: O: Reún (encuestas, entrevista) (los re resu sultltad ados os de la en encu cues esta ta no refl reflej ejan an la lass op opin inio ione ness de dell Desventaja: (los mercado).

CONSENSO DE EXPERTOS (OPINIÓN EJECUTIVA)

•

Desventajas: 

 

  El juicio u opinión de una persona de más alto nivel probablemente tenga más relevancia que el de una persona de un nivel más bajo, en el peor de los casos se sienten intimidados y no expresan lo que verdaderamente piensa.   Puede ser costosa   Requiere mucho tiempo

• ANALOGÍA HISTÓRICA: Cuando se trata de pronosticar la demanda de un producto nuevo, la situación ideal es que se pueda usar como modelo un producto existente o un producto genérico. • estudio  Oculta lalaidentidad de las personas que participan en MÉTODO el dandoDELPHI: a cada individuo misma importancia.

Desventaja: El proceso es muy largo (más de un año) por lo que el panel de expertos puede cambiar alargando el proceso üSu calidad es entre regular y buena para la identificación de puntos de flexión en la demanda de nuevos productos.

3

 

2.3 Métodos Cuantitativos para los Pronósticos Los métodos de pronósticos cuantitativos incluyen métodos de series de tiempo y métodos causales. causales. Un método de serie serie de tiempo es a apropiado propiado cuand cuando o los datos históricos están restringidos a valores pasados de la variable que se está pronosticando. Los métodos pronóstico causales se basan en la de suposición de quecon la variable que sedeestá pronosticando exhibe una relación causa y efecto ot otra ra u ot otra rass vari variab able les. s. Este Este método método relaci relacion ona a la va vari riab able le qu que e se está pronosticando con otras variables que se piensa la influyen o la explican. La serie de tiempos es el conjunto de observaciones sobre una variable medida en puntos sucesivos en el tiempo a lo largo de periodos sucesivos, incluye cuatro componentes separados: tendencia, estacional, irregular y cíclico. Componente de Tendencia: cambio gradual de la serie de tiempo generalmente el resultado de factores a largo plazo tales como cambios en la población, características demográficas, tecnología y preferencias del consumidor.   Componente Componente Estac Estacional ional:: Represent Representa a la varia variabilid bilidad ad de los datos debido a influencias estacionales, como clima y festividades, entre otros.  Componente Irregular: Explica la variabilidad aleatoria que afecta en la serie de tiempo. No se puede predecir su impacto en la misma.   Componente Cíclico: Explica el comportamiento periódico de una serie de tiempo, a veces por encima de la tendencia y a veces por debajo, en lapsos de tiempo mayores a un año.  Al aislar estos componentes y medir sus efectos aparentes pueden pronostic pron osticarse arse los valo valores res futur futuros os de la serie de tiempo. Los tres méto métodos dos de series de tiempo son: Suaviz Suav izac ació ión: n: Pr Prom omed edio ioss Mó Móvi vile les, s, Pr Prom omed edio ioss Mó Móvi vile less po pond nder erad ados os y Suavización Exponencial.   Proyección de T Tendencia endencia   Proyección de Tendencia ajustada ajustada para influe influencia ncia estacional. MÉTODOS DE SUAVIZACIÓN: Los métodos de suavización son apropiados para una serie de tiempo estable, es de deci cir, r, qu que e no exhi exhiba ba ef efec ecto toss de te tend nden enci cia, a, cícl cíclic icos os o es esta taci cion onal ales es significativos. • Promedios Móviles: Suavizan los resultados de las ventas más recientes, conduciendo así a pronósticos más conservadores; Mientras más períodos se

4

 

usen para un promedio móvil, más atenuada estará la curva de fluctuación. Los valores al final de la serie no pueden calcularse, sino que deben estimarse. La utilización de esta técnica supone que la serie de tiempo es estable, esto es, que los datos que la componen se generan sin variaciones importantes entre un dato y otro (error aleatorio=0), esto es, que el comportamiento de los datos, aunq au nque ue mues muestr tren en un cr crec ecim imie ient nto o o un decr decrec ecim imie ient nto o lo ha haga gan n co con n un una a tendencia constante. Cuando se usa el método de promedios móviles se está suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimación del parámetro a pronosticar (en este caso los ingresos). *De esta manera manera,, se utiliz utiliza a como como pro pronós nóstic tico o par para a el sig siguie uiente nte per period iodo o el promedio de los n valores de los datos más recientes de la serie de tiempo. Utilizando una expresión matemática, tenemos: Promedio Móvil = Σ (n valores de datos más recientes) / n •

Promedio Promedio Móvi Móvill Pond Ponderado erado:: Permite Permite adju adjudicar dicar una impor importanc tancia ia o peso

cualquiera a cada elemento o periodo, siempre y cuando todos los valores sumen 1 o 100%. Está diseñado para compensar la principal debilidad del promedio móvil, la de no responder lo suficiente a los resultados más recientes. En esta modificación del promedio móvil, las observaciones más recientes o los resultados de las ventas no sólo no se incluyen, sino que en realidad se les da más peso en la serie de tiempo El peso peso aplica aplicado do a la cifra cifra d de e ve ventas ntas más recien reciente te se desi designa gna ccomo omo (alfa) (alfa) y se denomina la constante de atenuación. Se le dará un valor entre 0.0 y 1.0 47 ∝

Nuevo Nue vo promed promedio io =

∝

(Últ (Última imass ven ventas tas)) + (1- ) ((Pro Prome medio dio de ve venta ntass d de e año añoss ∝

anteriores). DATOS El pronóstico más reciente (pronóstico del último periodo) La demanda real que ocurrió en ese periodo  Alfa (α), constante de atenuación, tasa de reacción, constante de ajuste exponencial, parámetro suavizador. (0