Fuente:
Planeamiento y Control de Operaciones / Principios y Técnicas (resumen)
Carlos Romero Shollande
1. Demanda
La demanda, es decir, las necesidades de los clientes por productos o servicios, requiere ser pronosticada para orientarnos sobre que tipos de productos se requieren, cuántos serán solicitados por nuestros clientes, y cuándo ocurrirán estos requerimientos.
1.1. Demanda Dependiente
La demanda dependiente es la demanda de un producto o servicio causada por la demanda de otro producto o servicio.
La demanda, es decir, las necesidades de los clientes por productos o servicios, requiere ser pronosticada para orientarnos sobre que tipos de productos se requieren, cuántos serán solicitados por nuestros clientes, y cuándo ocurrirán estos requerimientos.
1.1. Demanda Dependiente
La demanda dependiente es la demanda de un producto o servicio causada por la demanda de otro producto o servicio.
Por ejemplo, si una empresa produce ruedas para otra empresa fabricante de bicicletas, se necesitarán 500 ruedas delanteras y 500 traseras, si la demanda de bicicletas es de 500 unidades.
Este tipo de demanda no necesita un pronóstico sino simplemente una tabulación.
1.2. Demanda Independiente
Es la demanda que no se deriva directamente de otros productos. Por ejemplo, la demanda de las bicicletas.
1.2. Demanda Independiente
Es la demanda que no se deriva directamente de otros productos. Por ejemplo, la demanda de las bicicletas.
Esta demanda si requiere de un pronóstico.
La empresa al respecto puede asumir:
- Un papel activo para influenciar la demanda. Ofrecer incentivos a clientes y a la fuerza de ventas, emprender campañas de ventas y reducir precios.
- Un papel pasivo y responder a la demanda. Las razones para que una empresa no desee cambiar y aceptar lo que ocurra pueden ser: costos de publicidad, trabajar a capacidad máxima, que tamaño del mercado esté fijo, razones ambientales, etc.
2. Factores Externos que afectan la Demanda
Estos factores dependen de la situación macro – económica, y están fuera del control de la gerencia.
2. Factores Externos que afectan la Demanda
Estos factores dependen de la situación macro – económica, y están fuera del control de la gerencia.
El parámetro para determinarlos es el "Punto de Flexión", es decir, el periodo en el que la tasa de crecimiento de la demanda de productos cambia. Son:
- Indicadores tempranos. Se presentan antes de los puntos de flexión del ciclo general del negocio. Ejemplo, un aumento de contratos de construcción de casas precede a un aumento en la demanda de madera
- Indicadores coincidentes. Se presentan en el mismo instante que los puntos de flexión del ciclo general del negocios. Ejemplo, cifras sobre desempleo.
- Indicadores retrasados, que se presentan después de los puntos de flexión. Ejemplo, ventas al detalle.
- Gastos del consumidor, que suelen cambiar en forma acelerada. Ejemplo, adquisición de ropa de moda.
- Imagen que tenga un producto, que puede cambiar la demanda. Ejemplo, disminución de las ventas de tabaco, por que mucha gente considera que son peligrosos.
- Actividades del competidor, los anuncios en lo referente a precios, promociones publicitarias y nuevos productos, afectará la demanda de competidor.
- Éxito de un producto, el estimulo a las ventas de un productos, afectará la demanda de otros productos complementarios de acuerdo al éxito obtenido.
3. Factores Internos que afectan la Demanda
- Decisiones internas sobre diseño de productos y envases, precios, promociones, incentivos para el personal de ventas y otras, contribuyen a provocar cambios en el volumen de la demanda
- Recurrir a incentivos a fin de animar a los clientes a comprar antes o después de fechas tradicionales de la demanda, pues puede ser muy costoso tratar de producir durante el período pico de demanda, con miras a satisfacer la demanda máxima.
- Fabricar dos productos que tengan distintos periodos de demanda estacional intensa.
- Programar fechas de entrega de productos o servicios de acuerdo con la carga de trabajo y capacidad actual
4. Serie de Tiempo
Una serie de tiempo es un patrón que consiste en una secuencia ordenada de observaciones repetidas y uniformemente espaciadas de una variable en particular, que esta en función de los incrementos sucesivos y regulares del tiempo. Ejemplo:
Mes | ENE | FEB | MAR | ABR | MAY |
Ventas | 851 | 694 | 973 | 792 | 928 |
Para comprender lo que los datos sugieren se usa métodos gráficos para obtener una mejor visión del proceso.
Luego se contabiliza el comportamiento de las series; esto se hace por la descomposición en sus componentes: estacionaria, tendencia, estacional, cíclico y aleatorio.
4.1. Estacionaria
Es el componente que indica la fluctuación de los datos en torno de una media constante
Grafica 1. Componente estacionario
4.1. Estacionaria
Es el componente que indica la fluctuación de los datos en torno de una media constante
Grafica 1. Componente estacionario
4.2. Tendencia
Es el componente que representa el crecimiento o disminución sistemático de la serie sobre un periodo de tiempo de largo plazo. Las fuerzas básicas que ayudan a explicar la tendencia de una serie son: el crecimiento de la población, la inflación de precios, el cambio tecnológico y los incrementos en productividad
Gráfica 2. Componente de tendencia
Es el componente que representa el crecimiento o disminución sistemático de la serie sobre un periodo de tiempo de largo plazo. Las fuerzas básicas que ayudan a explicar la tendencia de una serie son: el crecimiento de la población, la inflación de precios, el cambio tecnológico y los incrementos en productividad
Gráfica 2. Componente de tendencia
4.3. Estacional
Es un patrón de cambio con incrementos o decrementos de demanda que se repiten a sí mismos año tras año (periodo tras periodo). El componente estacional mide la variabilidad de las series cada enero, febrero, etc.
Es un patrón de cambio con incrementos o decrementos de demanda que se repiten a sí mismos año tras año (periodo tras periodo). El componente estacional mide la variabilidad de las series cada enero, febrero, etc.
La variación estacional puede reflejar condiciones de clima, temporada o la longitud de los meses calendario.
Gráfica 3. Componente estacional
Gráfica 3. Componente estacional
4.4. Cíclico
Este componente muestra los incrementos o decrementos graduables y menos previsibles de la demanda, los cuales se presentan en el curso de periodos de tiempo más largos (cada dos, tres o más años). Por ejemplo el “Fenómeno del Niño”.
Gráfica 4. Componente cíclico
Este componente muestra los incrementos o decrementos graduables y menos previsibles de la demanda, los cuales se presentan en el curso de periodos de tiempo más largos (cada dos, tres o más años). Por ejemplo el “Fenómeno del Niño”.
Gráfica 4. Componente cíclico
4.5. Aleatorio
Es el componente que mide la variabilidad de las series de tiempo después de que se retiran los otros componentes.
Es el componente que mide la variabilidad de las series de tiempo después de que se retiran los otros componentes.
Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no recurrentes.
Ciertos sucesos impredecibles como huelgas, cambios de clima (sequías, inundaciones o terremotos), elecciones, conflictos armados o la aprobación de asuntos legislativos, son los causantes de las irregularidades en una variable.
Son de corta duración y no se repiten.
5. Pronósticos
El pronóstico es la predicción de eventos futuros que se utilizan con propósitos de planificación.
El pronóstico es la predicción de eventos futuros que se utilizan con propósitos de planificación.
Es de interés principal desarrollar pronósticos de demanda para productos independientes.
Los métodos de este tipo de pronóstico suelen basarse en modelos matemáticos que utilizan los datos históricos disponibles, extraídos a partir del desempeño de la empresa en un determinado horizonte de planificación.
6. Tipos de Pronósticos
6.1. En función al horizonte de planificación
- Pronósticos a largo plazo
Se utilizan para establecer el curso general de la empresa, como planificación de nuevos productos, localización de instalaciones, etc. Más de 3 años.
- Pronósticos a mediano plazo
Se utilizan para planificación de ventas, producción y presupuesto. Entre 3 meses y 3 años.
- Pronósticos a corto plazo
Se utilizan para diseñar estrategias de un futuro inmediato, como programación de trabajos y asignación de tareas. Menos de 3 meses hasta 1 año.
6.2. En función al volumen de demanda
- Micropronóstico
Se utilizan para diseñar estrategias de un futuro inmediato, como programación de trabajos y asignación de tareas. Menos de 3 meses hasta 1 año.
6.2. En función al volumen de demanda
- Micropronóstico
Se utiliza cuando es necesario pronosticar insumos microeconómicos. Por ejemplo, el gerente de una planta está interesado en pronosticar el número de trabajadores que requerirá en los próximos meses.
- Macropronóstico
Se emplea cuando se requiere pronosticar insumos macroeconómicos. Por ejemplo, el gobierno está pronosticando el número total de personas empleadas en toda la nación.
6.3. En función a su estructura
- Cualitativos
6.3. En función a su estructura
- Cualitativos
No requiere de una abierta manipulación de datos, sólo se utiliza el "juicio" de quien pronostica. Incluso, aquí el "juicio" del pronosticador es en realidad el resultado de la manipulación mental de datos históricos pasados.
- Cuantitativos
No requiere de elementos de juicio, son procesos mecánicos que producen resultados cuantitativos. Ciertos procesos cuantitativos requieren de una manipulación de datos más compleja que otros.
7. Procedimiento para Pronósticos
- Cuantitativos
No requiere de elementos de juicio, son procesos mecánicos que producen resultados cuantitativos. Ciertos procesos cuantitativos requieren de una manipulación de datos más compleja que otros.
7. Procedimiento para Pronósticos
1) Recopilación de Datos. Consiste en obtener los datos adecuados y asegurar que estos sean correctos.
2) Reducción de Datos. La reducción de datos con frecuencia es necesaria ya que en el proceso de pronóstico es posible tener muchos o muy pocos datos.
3) Construcción del Modelo. Debe haber balance entre un enfoque complejo que ofrezca precisión y un enfoque sencillo que sea fácil de entender
4) Extrapolación del Modelo. Consiste en la extrapolación en sí del modelo de pronóstico, lo cual ocurre una vez que se recolectaron y redujeron los datos adecuados y se seleccionó el modelo apropiado.
8. Criterios para Seleccionar los Datos
* Los datos deben ser confiables y precisos. Tener mucho cuidado al recolectar los datos, que sean de una fuente confiable y con la debida precisión.
* Los datos deben ser pertinentes. Ser representativos de las circunstancias para las cuales serán utilizados.
* Los datos deben ser consistentes. Si se modifica la forma como se reúne los datos, se debe hacer ajustes para mantener la consistencia en patrones históricos.
* Los datos deben ser periódicos. Los datos que se recolectan, deben ser resumidos y publicados con base en una periodicidad.
9. Clasificación de Fuentes de Datos
- Fuentes primarias. Son los métodos de recolección de datos originales. Se reúne mediante procedimientos de encuestas o muestreo de elementos de interés. Así mismo, se reúnen mediante registro semanal, mensual, trimestral o anual de las variables clave de la empresa
- Fuentes secundarias. Son datos ya publicados, recolectados con fines diferentes de los que el pronóstico o investigación específicos necesita tener a la mano. Este tipo de datos se puede clasificar como:
* Fuentes internas, originados dentro de la organización (registros de contabilidad)
* Fuentes externas, generados fuera de ella (censos)
10. Selección del Pronóstico
La selección de un modelo de pronóstico permite que los resultados faciliten el proceso de toma de decisiones de los administradores de la organización.
No se requiere que el modelo de pronóstico sea un proceso matemático complicado. Si no que el modelo elegido produzca un pronóstico preciso y comprensible, que pueda ayudar a producir mejores decisiones.
Para seleccionar el mejor modelo de pronósticos, se requiere elegir de entre un gran número de modelos; en este caso al que tiene el menor error.
Usándose para tal elección los parámetros que a continuación se detallan.
10.1. Error del Pronóstico
Los errores generados por una técnica particular de pronóstico implican promediar alguna función de la diferencia entre el valor real y su valor de pronóstico:
et = Yt - Yt`
donde:
et = residual o error del pronóstico en el periodo t
Yt = valor real en el periodo t
Yt` = valor del pronóstico en el periodo t
Gráfica 5. Error del pronóstico
10.2. Suma Acumulativa de Errores del Pronóstico (SAEP)
Mide el error total de un pronóstico.
Los grandes errores positivos tienden a compensarse con grandes errores negativos.
Sin embargo, resulta útil para evaluar el sesgo de un pronóstico.
Si un pronóstico siempre resulta más bajo que la demanda real, el valor de la SAEP será cada vez más grande.
Este error de magnitud creciente indica que existe una deficiencia sistemática en el enfoque del pronóstico.
10.3. Error Medio del Pronóstico (EMP)
También se le conoce como "inclinación". Indica la magnitud y la dirección de la inclinación del modelo.
La SAEP y el EMP son útiles si se quiere que la predicción este consistentemente por encima o por debajo de la demanda real.
Si tiene una restricción superior de capacidad y necesita tener una reserva de capacidad, se hace que el modelo efectúe en forma consistente una sobrepredicción.
Gráfica 6. Cálculo de la SAEP y del EMP
Gráfica 6. Cálculo de la SAEP y del EMP
10.4. Desviación Absoluta de la Media (DAM)
Mide la dispersión de los errores de pronóstico sin considerar si dichos errores consistieron en estimaciones excesivas o en subestimaciones (debido a los valores absolutos de cada error). La DAM es una de las mediciones de error más utilizadas.
Mide la dispersión de los errores de pronóstico sin considerar si dichos errores consistieron en estimaciones excesivas o en subestimaciones (debido a los valores absolutos de cada error). La DAM es una de las mediciones de error más utilizadas.
Gráfica 7. Cálculo de la DAM
10.5. Error Medio al Cuadrado (EMC)
Este enfoque penaliza las grandes desviaciones con más rigidez que las pequeñas.
Este enfoque penaliza las grandes desviaciones con más rigidez que las pequeñas.
Gráfica 8. Cálculo del EMC
10.6. Desviación Estándar de los Errores (s)
Las desviaciones grandes reciben una ponderación mayor que las desviaciones pequeñas.
Las desviaciones grandes reciben una ponderación mayor que las desviaciones pequeñas.
Gráfica 9. Cálculo de la DEE
10.7. Porcentaje de Error Medio Absoluto (PEMA)
Es una medición de la dispersión relativa del modelo de pronóstico (esta expresada en porcentaje).
Es una medición de la dispersión relativa del modelo de pronóstico (esta expresada en porcentaje).
Gráfica 10. Cálculo del PEMA
10.8. Porcentaje Medio de Error (PME)
Si un pronóstico no está sesgado, el PME producirá un % cercano a cero. Si el resultado es un % negativo grande, el pronóstico está sobrestimando de manera consistente.
Si el resultado es un % positivo grande, el pronóstico está subestimando en forma consistente.
Si el EMC, la DAM o la s es pequeño, el pronóstico se aproxima a la demanda real, un valor grande anuncia la posibilidad de errores de pronóstico considerables.
Gráfica 11. Cálculo del PME
