INVESTIGACIN OPERATIVA II

Unidad N VI
PREDICCION DE DEMANDA
Una prediccin de demanda es una estimacin de las demandas futuras de los clientes
por producto o servicios.
Suministra la base para establecer el nivel general de actividad de las operaciones.
El comportamiento de la demanda est regido por un sinnmero de variables tales
como: precios ingreso per cpita gusto de los consumidores precios de bienes
sustitutos complementarios etc. !ambi"n debemos tener presente claro el ciclo de vida
de los productos. Independientemente de los clculos #ue veremos es de fundamental
importancia saber en #ue etapa nos encontramos.
OBJETIVO DE LA PREDICCION
$a principal entrada de las funciones del sistema de planeamiento la suministra la
prediccion de la demanda.
% trav"s de ella se reali&an los pedidos de materiales re#uerimientos de personal
programas ' otras decisiones.
$os procedimientos de prediccion caros ' sofisticados no deben utili&arse a menos #ue
la ma'or e(actitud en las predicciones signifi#ue una econom)a para la empresa. *ara
ello es menester recordar el concepto del VEI*.
TIPOS DE PREDICCION
Prediccion del mercado: esta cubre un per)odo entre uno ' veinte a+os ' se ,ace para
orientar los esfuer&os de investigacin ' desarrollo ' para planificar la e(pansin de la
planta o flota a largo pla&o.
-i.a el rumbo #ue seguir la empresa por eso se debe preparar con muc,o cuidado.
Ing. -ernando /aniel 0art)n 1
Introduccin 2recimiento 0adure& Saturacin /eclive
/emanda
Prediccin financiera con base en esta prediccion #ue estima las utilidades futuras se
determina los re#uerimientos de flu.o de ca.a ' de capital.esta prediccion se ,ace
normalmente para un a+o
Prediccin de en!a" esta prediccion se ,ace para las ventas a corto pla&o ' se ,ace
para planificar campa+as de ventas ' otras estrategias de mercado. En general se ,ace
para periodos trimestrales
Prediccin de #rod$ccin estima la demanda en unidades de cada producto #ue
vendemos. Se ,ace un estimativo para cada periodo de tiempo 3 una semana un
mes4
Se ,a ce una estimacin total para todos los productos ' se ,ace un plan de operaciones
a largo pla&o el cual inclu'e decisiones como turnos de operacin tama+o de la
fuer&a de traba.o re#uerimientos adicionales de e#uipos etc.
$os estimativos para periodo de individuales de tiempo se usan para generar ordenes de
produccin especificas ' pedidos de materiales ' otras decisiones de corto pla&o.
Deci"ione" de #rediccin
Esta son las decisiones #ue esperamos como resultado de la funcin de prediccin
Tendencia de la demanda el sistema de prediccion debe pro'ectar una tendencia de
demanda para cada producto #ue nos indi#ue las ventas #ue podemos esperar para cada
periodo.
Este tipo de tendencia se basa en algn tipo de anlisis de la demanda ,istrica.
2ual#uier indicacin de disminucin de demanda debe ser notificada a investigacin '
desarrollo para reali&ar las modificaciones correspondientes a los mismos.
Normalmente todos los productos pierden la aceptacin del publico ' de.an de
producirse.
O!ra" deci"ione" son las opiniones sub.etivas de los vendedores 3perciben factores
intangibles4
El impacto producido por los programas de promocin.
$os factores e(ternos como la competencia 3un nuevo producto la reduccin del
precio4 los factores pol)ticos ' la salud econmica del sistema.
$a funcin de prediccin es una combinacin de factores internos ' e(ternos de la
organi&acin por eso recibe el nombre de prediccion combinada ' nos proporciona "l
numero de unidades por productos #ue se vendern en el per)odo de planificacin.
$a fluctuacin de estos factores en el tiempo determina el comportamiento de la
demanda.
% este con.unto de factores se le denomina sistemas de causas o sistema causal.
El sistema de prediccion #ue veremos no trata de anali&ar las causas del
comportamiento sino lograr una estimacin a partir de datos ,istricos de lo #ue
podemos esperar.
*or ser estos valores estimativos debern revisarse a la lu& de los valores reales de la
demanda a medida #ue avan&amos en el periodo de planificacin.
5 sea nuestro modelo de preedicin debe ser variable ' no esttico. %.ustndose la
prediccin por cada periodo operativo 3E.. semanal #uincenal4
Ing. -ernando /aniel 0art)n 6
!odos estos m"todos se los conoce como anlisis de series de tiempo. $as predicciones
#ue veremos no identifican las causas ' se las llama predicciones tecnolgicas.
$as predicciones #ue se basan en las relaciones causa7efecto se las denomina
fundamentales.
2on el modelo elegido se genera el pronstico para el periodo #ue estamos
planificando. 3 1 a+o semanal4
Si luego deben a.ustar el modelo deber" determinar los factores #ue afectan mi
pronstico decisiones politicas competencia factores internos etc.
5bservar #ue este sistema nos permite detectar si ,a' un cambio en la tendencia
#ue re#uiera el a.uste de un modelo.
5btenemos as) un pronstico a.ustado pero como el sistema de prediccion debe ser
dinmico operamos con "l pronostico una semana para compararlo luego con los
valores reales de esa semana.
2on la informacin actuali&ada generar "l pronstico actuali&ado para la pr(ima
semana.
SISTEMA DE CA%SAS
$a reunin e interaccin de todos los factores variables #ue contribu'en a fi.ar lo #ue se
conoce como patrn de demanda de un producto constitu'en el sistema causal del
comportamiento de un producto
*ara construir este patrn de demanda es necesario representar grficamente los valores
,istricos para as) poder anali&ar la tendencia de la demanda de ese producto.
E.emplo registro ,istrico de la demanda de un producto
Esta tabla contiene la demanda ,istrica segn 8 distribuidores de un producto '
demanda total del producto
9rafico
Ing. -ernando /aniel 0art)n 8
Mes To!al Distrib A Distrib B Distrib C
1 1:;: 500 430 110
2 1:<: 510 380 160
3 1:<: 480 420 150
4 1:=: 600 370 100
5 11;: 600 410 130
6 111: 660 380 70
7 11<: 590 440 120
8 11>: 700 380 80
9 11?: 680 420 80
10 168: 740 370 120
11 16;: 790 410 40
12 16;: 760 390 90
0
200
400
600
800
1000
1200
1400
0 5 10 15
5bservamos #ue el distribuidor @ tiene un patrn de demanda nivelado o sea #ue la
tendencia es estable
El distribuidor 2 tiene una tendencia decreciente ' el % crece rpidamente. 5 sea #ue
para cA distribuidor tenemos un sistema de causas diferentes. El sistema de causas de la
demanda total es la reunin de los 8 sistemas causales
En la combinacin de estas ideas se basan los m"todos de prediccion #ue veremos.
Uno de los principales problemas es si el sistema de causas va a cambiar ' si esos
cambios son significativos.
E.emplo
5bservamos #ue el sistema causal en los primeros meses arro.a un patrn creciente
pero luego cambia teniendo una estabili&acin.
Una e(plicacin podr)a ser #ue en los primeros meses el producto reci"n se introduce en
el mercado por lo cual los minoristas aumentan sus e(istencias provocando un mercado
creciente.
$uego de esto el mercado se estabili&a.
El problema es predecir cual ser la tendencia para el mes 8=.
/ado #ue no puede predecir la tendencia con e(actitud el sistema de prediccion debe ser
fle(ible tal #ue responda a cambios significativos en el sistema de causas.
Ing. -ernando /aniel 0art)n ;
Mes Demanda Mes Demanda Mes Demanda
1 102 13 130 25 140
2 104 14 134 26 134
3 104 15 134 27 136
4 108 16 136 28 138
5 114 17 136 29 136
6 116 18 132 30 140
7 118 19 138 31 136
8 124 20 136 32 134
9 124 21 136 33 142
10 128 22 138 34 136
11 124 23 134 35 140
12 130 24 136 36 136
Demanda
0
50
100
150
0 10 20 30 40
0
200
400
600
800
1000
1200
1400
0 5 10 15
Total
Distrib A
Distrib B
Distrib C
E&ACTIT%D
El sistema de prediccion ms simple es predecir para el siguiente periodo la demanda
real del periodo anterior
'
t
B '
t C 1
Esta metodolog)a es simple no necesita de clculos especiales ni de almacenamiento de
gran cantidad de informacin pero no es bueno predecir ba.o la suposicin #ue nada va
a cambiar. Esto nos puede llevar a pronosticar en e(ceso o en defecto. Un pronstico en
e(ceso tiene asociado un costo de capital inmovili&ado ' sobredimensiona el aparato
productivo.
Un pronstico en defecto tiene el costo de perder oportunidades de venta.
*ara anali&ar el modelo a aplicar se debe buscar una medida de e(actitud
ERROR DE PREDICCIONB /E0%N/% *D5N5S!I2%/% C /E0%N DE%$
Estos errores se deben evaluar a trav"s del tiempo para determinar la e(actitud con #ue
predice el m"todo.
*odemos llevar una suma algebraica de los errores de prediccin o una suma de los
valores absolutos
5bservamos #ue para algunos meses la prediccion es mu' alta
Ing. -ernando /aniel 0art)n <
1 2 3 4 5 6
Demanda Pronstio Des!iaiones "#ma de las "#ma de las
Mes real al$ebraias des!iaiones des!iaiones
% A & al$ebraias absol#tas
'ebrero 510 500 10 10 10
Mar(o 480 510 )30 )20 40
Abril 600 480 120 100 160
Ma*o 600 600 0 100 160
+#nio 660 600 60 160 220
+#lio 590 660 )70 90 290
A$osto 700 590 110 200 400
"e,tiembre 680 700 )20 180 420
-t#bre 740 680 60 240 480
.o!iembre 790 740 50 290 530
Diiembre 760 790 )30 260 560
0ientras #ue para otro es mu' ba.a. En la columna < las desviaciones son de 6>:
unidades ' en la columna > son <>: unidades. Es fcil ver #ue las desviaciones
absolutas son una me.or medida de desempe+o de la prediccion. #ue las desviaciones
algebraicas
*or lo tanto la sumatoria de los valores absolutos nos da una me.or medida de e(actitud
DE'INICION DE ERROR DE PREDICCION DE DEMANDA
' 7 ' i p E E*/
n
1 i
t t
n
1 i

= =
= =

5tra forma ,abitual de e(presar el error es: ( ) ' 7 ' E*/
6
1
t t
=
=
n
i

El me.or m"todo de prediccion ser a#uel #ue minimice el error de prediccin.

Si esperamos un sistema causal estable con la misma tendencia para el per)odo #ue
esto' planificando podr" simular a partir de mis datos ,istricos probando #ue ,ubiera
ocurrido en el pasado si ,ubiera utili&ado el modelo 1.el modelo 6 etc.
El #ue me d" la me.or apro(imacin lo tomo como modelo a utili&ar.
Si esperamos #ue el sistema causal cambie se deber utili&ar otros medios de
simulacin.
PROMEDIO MVIL
Esta metodolog)a propone usar como prediccion para el pr(imo periodo el promedio
de los ltimos n valores de la demanda real.

n
'
'
n
1 i
1 7 t
t

=
=

Es importante determinar el valor de n 'a #ue si n es mu' grande la reaccin a los

cambios ser mu' amortiguada pero si es mu' pe#ue+o ser mu' e(agerada..
El n o#!imo ser a#uel #ue minimice los errores de prediccion de demanda.
*or lo general los meses inmediatamente anteriores tienen mas influencia en la demanda
futura #ue los mas vie.os.
Surge as) el m"todo del promedio ponderado.
E.. Promedio" mile" de ( ) * me"e".
MES VENTAS REALES PRONOST ( MESES PNOST * MESES
Enero 6:
-ebrero 6;
0ar&o 6=
%bril 81 36:E6;E6=4A8B68>=
0a'o 8= 36;E6=E814A8B6=88 6:E6;E6=E81A;B6<<
Funio ;= 36=E81E8=4A8B 81>= 6;E6=E81E8=A;B6G.=
Ing. -ernando /aniel 0art)n >
Fulio <8 381E8=E;=4A8 B8?88 6=E81E8=E;=A;B8<<
%gosto >6 38=E;=E<84A8B ;<>= 81E8=E;=E<8A;B;6
Septiembre <; 3;=E<8E>64A8B <; 8=E;=E<8E>6A;B;G=
5ct 8> 3<8E>6E<;4A8B <>88 ;=E<8E>6E<;A;B<;
Nov 86 3>6E<;E8>4A8B <:>= <8E>6E<;E8>A;B<16
/ic 6G 3<;E8>E864 A8B ;:>= >6E<;E8>E86A;B;>:
Error c$adr+!ico #romedia
MES VENTAS PRONOST ERROR PRONOS ERROR
REALES ( MESES C%ADRADO * MESES C%ADRADO
%bril 81 68>= <8=8
0a' 8= 6=88 G8<1 6<< 1866<
Fun ;= 81>= 68<:1 6G=< 6G=<
Ful <8 8?88 61<61 8<< 8:>6
%g >6 ;<>= 6>>>= ;6 ;::
Sep <; <; : ;G=< 1?:>
5ct 8> <>88 ;1881 <; 86;
Nov 86 <:>= 8;?<= <16< 8=:<>
/ic 6G ;:>= 18>1G ;> 6?G
To!al ,-./0/ /,(-0.-
Promedio ,120-3 /.-0/,
PROMEDIO MVIL PONDERADO
En este caso se asigna un peso diferente a los datos mas recientes

n
' H 2
'
n
1 i
1 7 t i
t

=
=
donde
n 2
n
1 i
i
=

=
El coeficiente 2 es la medida de ponderacin para el per)odo t7i $os coeficientes se
seleccionan en funcin del peso #ue le damos a cada dato ,istrico.
En este modelo ,a' 6 variables a optimi&ar
7El numero de periodos a tomar
7la medida de ponderacin
Se deben ,acer pruebas eligiendo el m"todo #ue me da la combinacin ms e(acta.
EFE0*$5
MES VENTAS REALES PROM PONDER ( MESES ERRORC%ADR
1 6:
6 6;
8 6=
; 81 38I6=E6I6;E1I6:4A>B6;?8 8?:=
Ing. -ernando /aniel 0art)n =
< 8= 38I81E6I6=E1I6;4A>B6?<: =66<
> ;= 38I8=E6I81E1I6=4A>B8888 1?>?=
= <8 38I;=E6I8=E1I814A>B;1 1;;
? >6 38I<8E6I;=E1I8=4A>B;?88 1?>?=
G <; 38I>6E6I<8E1I;=4A>B<><: >6<
1: 8> 38I<;E6I>6E1I<84A>B<>< ;6:6<
11 86 38I8>E6I<;E1I>64A>B;>88 6:<8<
16 6G 38I86E6I8>E1I<;4A>B8= >;
!5!%$ 1868G1
*D50E/I5 1;=1:
PROMEDIO PONDERADO E&PONENCIALMENTE 4 PMPE5
2on el ob.eto de darle ma'or peso a los datos ms recientes ' disminuir el volumen de
datos necesarios para ,acer nuestro pronostica surge este m"todo se necesitan estos
datos
*rediccion del ultimo per)odo
/emanda real del ultimo per)odo
2oeficiente de suavi&acin #ue nos da la ponderacin #ue asignamos a los datos mas
recientes
Este m"todo reacciona en forma automtica a cambios en el sistema causal ' permanece
inalterable cuando la variacin se debe a un efecto fortuito.
*r(ima
B
*rediccin
E
constante de
H
error de
prediccin %nterior suavi&acin prediccin
( ) ' 7 ' J ' '
1 7 t 1 7 t 1 7 t t

+ =
: 1
$a e(presin anterior es ms utili&ada de la siguiente forma
( ) ' J 7 1 ' J '
1 7 t 1 7 t t

+ =
Si considero #ue todas las variaciones entre el pronstico ' la realidad del periodo t7i
son fortuitas entonces ,acemos B:
Si considero #ue los problemas fueron causales ,aremos B1
Si consideramos #ue las variaciones se producen por un <: K de factores aleatorios '
un <:K de factores causales entonces B :<
5 sea mide el K de variaciones debidas a cambios en el sistema causal. El problema
es como seleccionar
*ara eso construimos una curva representativa de la e(actitud simulando distintos
valores de alfa elegimos el #ue minimice esta funcin
$os valores prcticos de alfa var)an entre ::< ' :8
Iniciacin necesitamos para la primera prediccin un valor de
'
1 7 t

para el per)odo
previo del cual no disponemos. Sin embargo cual#uiera #ue utilicemos nos llevar mu'
cerca del patrn de demanda real aun#ue mientras me.or sea nuestra estimacin de
'
1 7 t

ms rpidamente se corregir el m"todo as) mismo. Un m"todo bastante bueno

Ing. -ernando /aniel 0art)n ?
para estimar el valor inicial de
'
1 7 t

consiste en utili&ar
'
1 7 t
es decir la demanda real
del ltimo per)odo.
Veamos #ue ocurre para el distribuidor @
el dato de la tabla del mes de 0ar&o se obtiene as)
( ) ' :1 7 1 ' :1 '
6 6 8

+ =
*/26 70,8(379*(7 84,:70,5
*/7670/8(379*(784,:70/5
Usando B :6 obtenemos me.or apro(imacin utili&ando una prediccion inicial de ;8:
unidades
Veamos a,ora #ue ocurre #ue si tomamos
'
1 7 t

B ;:: #ue es el promedio del

distribuidor @ en ve& de ;8: en este caso vemos #ue B :1 funciona me.or
*ara el mes de -ebrero el clculo es '
6
B :.1 H ;8:E:GH ;::
Esto no debe sorprender 'a #ue representa la porcin de error de prediccin #ue
podr)a ser atribuido a un cambio del patrn de demanda. /e la tabla de datos original
Ing. -ernando /aniel 0art)n G
1 2 3 4 5 6 7 8 9 10 11
0es /emanda *ronstico /esviacin Suma de la *ronstico /esviacin Suma de la Suma de la
real absoluta desviacin absoluta desviacin *ronstico /esviacin desviacin
absoluta absoluta absoluta absoluta
Enero ;8:
-ebrero 8?: ;8::: <::: <::: ;8::: <::: <::: ;8: <: <:
0ar&o ;6: ;6<:: <:: <<:: ;6::: ::: <::: 8?: ;: G:
%bril 8=: ;6;<: <;<: 1:G<: ;6::: <::: 1:::: ;6: <: 1;:
0a'o ;1: ;1G:< G:< 11?<< ;1::: ::: 1:::: 8=: ;: 1?:
Funio 8?: ;1?1< 8?1< 1<>=: ;1::: 8::: 18::: ;1: 8: 61:
Fulio ;;: ;1;88 6<>= 1?68> ;:;:: 8>:: 1>>:: 8?: >: 6=:
%gosto 8?: ;1>G: 8>G: 61G6> ;116: 816: 1G=6: ;;: >: 88:
Septiembre ;6: ;1861 >=G 66>:< ;:;G> 1<:; 6166; 8?: ;: 8=:
5ctubre 8=: ;18?G ;8?G 6>GG; ;:=G= 8=G= 6<:61 ;6: <: ;6:
Noviembre ;1: ;:G<: :<: 6=:;; ;::8= G>8 6<G?8 8=: ;: ;>:
/iciembre 8G: ;:G<< 1G<< 6?GGG ;:68: 168: 6=618 ;1: 6: ;?:
= :1 = :6 /emanda del ltimo per)odo
1 2 3 4 5 6 7 8 9 10 11
0es /emanda *ronstico /esviacin Suma de la *ronstico /esviacin Suma de la Suma de la
real absoluta desviacin absoluta desviacin *ronstico /esviacin desviacin
absoluta absoluta absoluta absoluta
Enero ;8:
-ebrero 8?: ;:8:: 68:: 68:: ;:>:: 6>:: 6>:: ;:: 6: 6:
0ar&o ;6: ;::=: 1G8: ;68: ;::?: 1G6: ;<6: ;:: 6: ;:
%bril 8=: ;:6>8 86>8 =;G8 ;:;>; 8;>; =G?; ;:: 8: =:
0a'o ;1: 8GG8= 1:>8 ?<<> 8G==1 166G G618 ;:: 1: ?:
Funio 8?: ;::;8 6:;8 1:<GG ;::1= 6:1= 1168: ;:: 6: 1::
Fulio ;;: 8G?8G ;1>1 1;=>1 8G>1; ;8?> 1<>1> ;:: ;: 1;:
%gosto 8?: ;:6<< 66<< 1=:1< ;:;G1 6;G1 1?1:= ;:: 6: 1>:
Septiembre ;6: ;::6G 1G=1 1?G?> 8GGG8 6::= 6:11; ;:: 6: 1?:
5ctubre 8=: ;:66> 866> 66618 ;:8G; 88G; 68<:G ;:: 8: 61:
Noviembre ;1: 8GG:; 1:G> 688:G 8G=1< 16?< 6;=G8 ;:: 1: 66:
/iciembre 8G: ;::18 1:18 6;866 8GG=6 G=6 6<=>< ;:: 1: 68:
= :1 = :6 /emanda del ltimo per)odo
con su grfico se ve #ue @ tiene un patrn de demanda constante con solo variaciones
aleatorias alrededor del promedio
LAS LIMITACIONES DE LOS METODOS DE LOS PROMEDIOS
No se utili&an cuando ,a' componentes estacinales ' componentes de tendencia como
es el caso de los distribuidores % ' @
METODOLOGIA PARA PRONOSTICAR LA DEMANDA C%ANDO ;A<
COMPONENTES ESTACIONALES
0uc,os patrones de demanda tienen un comportamiento estacional esto implica #ue en
determinados momentos predominan algunos factores causales ' en otros per)odos
otros ' esto se repite de la misma forma ciclo a ciclo.
*ara pronosticar demandas con esta caracter)sticas el m"todo propone #ue e(iste un
patrn de demanda promedio #ue se mantiene estacin a estacin cada valor de la
demanda constituir)a una desviacin aleatoria del promedio general. *odemos eliminar
el efecto del componente estacional en nuestro patrn de demanda determinando un
factor 3#ue lamamos )ndice4 para cada mes el cual cuando se usa como divisor del valor
estacional para ese mes producir un valor mu' cercano al promedio general. *ara cada
mes determinamos un )ndice.
Supongamos la siguiente tabla de datos con su correspondiente grfico
Ing. -ernando /aniel 0art)n 1:
0
20
40
60
80
100
120
140
0 5 10 15 20 25 30 35 40
mes
D
e
m
a
n
d
a
Mes Demanda Mes Demanda Mes Demanda
1 102 13 104 25 103
2 115 14 124 26 112
3 128 15 124 27 126
4 121 16 132 28 112
5 118 17 125 29 126
6 110 18 103 30 112
7 82 19 92 31 94
8 68 20 74 32 81
9 75 21 68 33 69
10 75 22 77 34 66
11 80 23 82 35 82
12 97 24 104 36 93
*ara eliminar el efecto estacional del promedio general se debe determinar un factor
denominado )ndice estacional I
i
Este se obtiene as):
$a tabla siguiente muestra los clculos referidos por el m"todo de los )ndices para el
patrn de demanda
a4 *ara cada mes sume las columnas 1 6 ' 8 anote la suma en la columna ;.
b4 /etermine el promedio mensual dividiendo la columna ; por tres. %note el
promedio mensual en columna <.
c4 Lalle el promedio general sumando la columna ; ' dividiendo por 8>.
G?=?
8>
8<<>
' = =
d4 2alcule los )ndices mensuales I
i
dividiendo para cada mes la columna < por el
promedio general. %note los resultados en la columna >.
e4 /etermine la demanda mensual a.ustada 3 el ciclo ,a sido eliminado4 para el a+o
8 dividiendo la demanda mensual para el a+o 8 por el )ndice de la columna >.
%note este resultado en la columna =.

I
'
'
i
8 i
8 i
=
Se asume #ue los valores de la columna = son desviaciones aleatorias del promedio
general. 2alculando la desviacin estndar de valores de demanda estableci"ndose as)
los l)mites de control.
Este procedimiento puede ser usado con datos de mas de 8 a+os
An+li"i" de Re=re"in
Ing. -ernando /aniel 0art)n 11
1 2 3 4 5 6 7
Mes "#ma Promedio /ndie Demanda a0#stada
% i & A1o 1 A1o 2 A1o 3 mens#al /
i ,ara el a1o 3
1 102 104 103 309 103200 12043 9828
2 115 124 112 351 117200 12184 9426
3 128 124 126 378 126200 12276 9828
4 121 132 112 365 121267 12232 9029
5 118 125 126 369 123200 12245 10122
6 110 103 112 325 108233 12097 10221
7 82 92 94 268 89233 02904 10329
8 68 74 81 223 74233 02753 10726
9 75 68 69 212 70267 02715 9624
10 75 77 66 218 72267 02736 8927
11 80 82 82 244 81233 02823 9926
12 97 104 93 294 98200 02992 9327
3556 = 523
98278
Datos de demanda

I
'
'
i
8 i
8 i
=
= '

= '
*odemos utili&ar el anlisis de regresin para desarrollar nuestras funciones de
transferencia de prediccin cuando un patrn de demanda crece o decrece
consistentemente.
$a suposicin #ue respalda el uso de anlisis de regresin en la prediccin es #ue el
con.unto total de factores #ue generaron el sistema de causas en el pasado continuarn
operando en el futuro
/ebemos recordar #ue es la tendencia lo #ue debemos predecir con la ma'or e(actitud
posible.
Utili&ando el m"todo de los m)nimos cuadrados ' aplicando la ecuacin de la recta:
' B m ( E b
Siendo m la pendiente de la recta ' b la ordenada al origen
( ) ( ) ( ) ( )
( ) ( )

( 7 ( . n
' . ( . ( 7 ( . '
b
6
6
6


=
para nuestro caso particular nos #ueda
( ) ( ) ( ) ( )
( ) ( )

t 7 t . n
' . t . t 7 t . '
b
6
6
6


=
( ) ( ) ( )
( ) ( )

( 7 ( . n
' . ( 7 ' . ( . n
m
6
6


=
( ) ( ) ( )
( ) ( )

t 7 t . n
' . t 7 ' . t . n
m
6
6


=
El coeficiente de correlacin r viene dado por:
( ) ( )

' . (
' . (
r
6 6

=
por lo tanto
( ) ( )

' . t
' . t
r
6 6

=
Si el mismo es mu' cercano a uno nos indica #ue la ecuacin refle.a adecuadamente la
tendencia. *ara el distribuidor % podemos construir la siguiente tabla
Ing. -ernando /aniel 0art)n 16
Distrib A
300
400
500
600
700
800
900
0 1 2 3 4 5 6 7 8 9 10 11 12 13
mes
D
e
m
a
n
d
a
Deempla&ando ' B 6=>< H t E ;;==6
*ara un mes cual#uiera ser cuestin de reempla&a t por el valor correspondiente.
2omo vemos la demanda en cual#uier punto del tiempo es una variable aleatoria
distribuida normalmente. *or lo tanto el valor particular de demanda para un punto del
tiempo #ue se produce en realidad es tan solo uno entre muc,os #ue pudieron ocurrir.
$os valores posibles de demanda en un momento particular constitu'en una distribucin
normal cu'a media es igual al valor de la l)nea de regresin en ese punto ' cu'a
desviacin estndar se ,alla con las e(presiones vistas en Estad)stica asumiendo #ue
es constante para toda la l)nea de regresin.
3
' A t
4
( )
( ) ( ) [ ]
( )

6 7 n
H t
7 ' 7 '

6
6
i
n
1 i
6

=
=
t t
y y t
i
2onsideremos para el mes ?. $a demanda real fue de =:: unidades. Nuestra funcin de
transferencia nos da para t B ?
>>?G6 ;;==6 ? H >< 6= ' = + =

siendo 3
' A t
4 B 8;GG
/e acuerdo a nuestras suposiciones #ue la demanda sea de =:: unidades no debe
sorprender 'a #ue cae dentro de la distribucin normal 3 recordar #ue el >? K de los
valores de una distribucin normal caen dentro del campo de 4
M>TODOS DE COMBINACIN
% menudo el patrn de demanda muestra caracter)sticas #ue sugieren el uso de dos o
ms funciones de transferencia de prediccin. por e.emplo un patrn de demanda puede
contener un componente de tendencia creciente o decreciente ' a su ve& un componente
estacional. *ara ello la funcin de transferencia re#uerida podr)a ser una combinacin
de los m"todos de anlisis de regresin ' de los )ndices
Ing. -ernando /aniel 0art)n 18
t *
t
2
t3*
*
2
1 500 1 500 250000
2 510 4 1020 260100
3 480 9 1440 230400
4 600 16 2400 360000
5 600 25 3000 360000
6 580 36 3480 336400
7 590 49 4130 348100
8 700 64 5600 490000
9 680 81 6120 462400
10 740 100 7400 547600
11 790 121 8690 624100
12 760 144 9120 577600
78 7530 650 52900 4846700
6084
b 4 4472727273
m 4 2726573427
r 4 0294248821
( ) t
6
=

2onsideremos la siguiente tabla ' su correspondiente grfico

Demanda
0
25
50
75
100
125
150
0 5 10 15 20 25 30 35 40
meses
y
$a lgica de "ste m"todo consiste en obtener una resultante de los dos m"todos
individuales. *rimero eliminamos los efectos de la componente de tendencia ' luego los
componentes c)clicos.
*rocedimiento :
a4 Utili&ando el anlisis de regresin determinamos la tendencia general con las
ecuaciones vistas oportunamente se pueden determinar m ' b
( ) ( ) ( ) ( )
( ) ( )

t 7 t . n
' . t . t 7 t . '
b
6
6
6


=
resulta b B >G
( ) ( ) ( )
( ) ( )

t 7 t . n
' . t 7 ' . t . n
m
6
6


=
m B 1<G
b4 /eterminamos los valores a.ustados de la demanda para los a+os 1 6' 8
mediante la e(presin
t m 7 ' '
i. i.
=
%notamos los resultados en las columnas
1 6 ' 8
c4 /eterminamos los )ndices mensuales en la misma forma como se ,i&o en la tabla
anterior ' se estiman los valores a.ustados de la demanda para el a+o 8
Ing. -ernando /aniel 0art)n 1;
t * t * t *
1 80 13 112 25 133
2 83 14 108 26 120
3 79 15 93 27 115
4 70 16 93 28 120
5 75 17 95 29 104
6 65 18 80 30 103
7 65 19 85 31 103
8 57 20 74 32 100
9 80 21 82 33 104
10 92 22 117 34 119
11 93 23 123 35 143
12 110 24 132 36 148
Ing. -ernando /aniel 0art)n 1<
1 2 3 4 5 6 7
Mes "#ma Promedio /ndie Demanda a0#stada
% i & A1o 1 A1o 2 A1o 3 mens#al /
i
,ara el a1o 3
1 78 91 93 263208 87269 12264 7328
2 80 86 79 244231 81244 12174 6721
3 74 69 72 215255 71285 12036 6926
4 64 68 76 206279 68293 02994 7620
5 67 68 58 193202 64234 02927 6225
6 55 51 55 162226 54209 02780 7120
7 54 55 54 162250 54217 02781 6829
8 44 42 49 135273 45224 02652 7524
9 66 49 52 165297 55232 02797 6427
10 76 82 65 223221 74240 12072 6026
11 76 86 87 249244 83215 12199 7229
12 91 94 91 275268 91289 12325 6826
24972542857 = 429
69238
Datos de demanda
= '

= '

I
'
'
i
8 i
8 i
=
INVES!I9%2IMN 5*ED%!IV% II
!raba.o *rctico N >
/etermine la prediccin para los pr(imos cuatro meses de las cadenas de distribucin
siguientes aplicando los m"todos #ue considere oportuno en cada caso.
0es To!al 2adena % 2adena @ 2adena 2
1 1;:;:: >=<:: <?:<: 1;?<:
6 1;1=<: >??<: <18:: 61>::
8 1;1=<: >;?:: <>=:: 6:6<:
; 1;;;<: ?1::: ;GG<: 18<::
< 1<8G:: ?1::: <<8<: 1=<<:
> 1;G?<: ?G1:: <18:: G;<:
= 1<<6<: =G><: <G;:: 1>6::
? 1<>>:: G;<:: <18:: 1:?::
G 1<G8:: G1?:: <>=:: 1:?::
1: 1>>:<: GGG:: ;GG<: 1>6::
11 1>=;:: 1:>><: <<8<: <;::
16 1>=;:: 1:6>:: <6><: 161<:
Ing. -ernando /aniel 0art)n 1>