Profesor: Jorge Esponda Vliz

ADMINISTRACIN

DE LA
DEMANDA
PCP

 Mayor Cuidado del medio Ambiente y la salud

Tecnologa integral, Calidad Productividad
Responsabilidad Social, EmpresarialDesarrollo
Sostenible

Expansin e integracin Empresarial, Absorcin.

TENDENCIAS GLOBALES

TENDENCIAS LOCALES

Mercado sin lmites o libre trnsito

Fuerte e incluso desleal competencia
Creciente espectativa del cliente
Los precios son regulados por la O / D
. participacin del cliente en la fabricacin
. Productos socialmente responsable
. Marketing y comercio electrnico
Presin sobre los inventarios
Cliente auditor

ADMINISTRACIN DE LA DEMANDA

Planeamiento y Control de la Produccin

Ventas: pronstico
Eleccin del mtodo
Depender

de los costos involucrados, del

propsito
del
pronstico,
de
la
confiabilidad y consistencia de los datos
histricos de ventas, del tiempo disponible
para hacer el pronstico, del tipo de
producto, de las caractersticas del
mercado, de la disponibilidad de la
informacin necesaria y de la pericia de los
encargados de hacer el pronstico. Lo
usual es que las empresas combinen
varias tcnicas de pronstico.

Tipos de pronsticos
MODELO
CUALITATIVO
DE
PREDICCIN
MODELO
CUANTITATIVO
DE
PREDICCIN

Modelos Cualitativos de Prediccin

Jurado

de
opinin ejecutiva

Compuesto

fuerza de ventas
7

Jurado de Opinin Ejecutiva

Grupo pequeo de
personas de altos
ejecutivos de la empresa

Estimaciones de
Demanda
Registro de
ventas, Anlisis
Numrico y otros.

Compuesto fuerza de ventas

V1 A1

100

V2 A1

300

V3 A1

400

V4 A1

200

V1 A2

5000

V2 A2

2000

V1 A3

500

V2 A3

800

V3 A3

700

JEFES VENTAS REA

1
1000

Gerentes
de Ventas

JEFE VENTAS REA

10000

7000

JEFE VENTAS REA

3
2000

Modelos Cuantitativos de
Prediccin
PRONOSTICOS
Se

= (ventas histricas)

debe hacer dos tipos de anlisis:

Cuantitativo (Numrico - modelo)

Cualitativo (Subjetivo - sistema de causas)

1. Modelo de Series de Tiempo

Una serie de tiempo es una secuencia de
observaciones cronolgicamente clasificadas de
ventas que se toman con respecto al tiempo en
periodos uniformes para una variable regular.

Este modelo incluye analizar datos de

demanda sobre una escala de tiempo.
Debemos

estudiar

comportamiento

el

modo

representativo

de

o
las

ventas para descubrir los modelos y las

figuras

los

patrones

consistentes.

Luego, estos patrones se proyectan hacia

el futuro.

1.1 Mtodos estadsticos

Los

pronsticos basados en el anlisis

estadstico de las ventas pasadas brindan
la posibilidad de ser los mas exactos
siempre exista una relacin entre el pasado
y el futuro.

1.2 Sistemas de causas

Es

el conjunto de factores o variables que

engendran colectivamente la demanda en
el mercado.

Es frecuente que las series de tiempo se

analicen para identificar cualquier tendencia,
factores de temporada y/o factores cclicos que
influyen en los datos de demanda. Las tcnicas
de suavizacin, como los promedios mviles y
la suavizacin exponencial, tambin pueden
aplicarse a los datos de la serie de tiempo.

TENDENCIA

ESTACIONALIDAD

CCLICO

Cuando se requieren predicciones a corto

plazo que apoyen la programacin de la
produccin, control de inventarios, fijacin de

precios para los productos y que determinen

el lanzamiento oportuno de las promociones
especiales, las tcnicas de los modelos de
series de tiempo son valiosos.

2.- Modelo de Descomposicin

A.- Una tendencia es el modo o comportamiento
representativo de las ventas considerado movimiento
gradual hacia arriba o hacia abajo de los datos en el
tiempo con variaciones aleatorias.
Demanda

Leyenda
Lineal

Tiempo

Exponencial
Logartmica

B.- La temporada es la variacin que se repite a

intervalos fijos. Puede durar un ao o solo unas pocas
horas.
Ejemplos: ventas de
equipo
de
aire
acondicionado (clima),
volumen de trfico de
autos en la va expresa
(horas de trabajo) y
recaudo de ingresos de
una empresa por el
modelo de facturacin
(polticas
de
una
empresa).

C.- La variacin cclica tiene una duracin

de por lo menos un ao; la duracin varia de
un ciclo a otro.

d.-

Las variaciones aleatorias son variaciones en la

demanda que no pueden explicarse mediante
tendencias, variaciones de temporada o variaciones
cclicas. Un suceso impredecible, como una guerra, una
huelga, un terremoto o partes de la legislacin, pueden
causar grandes variaciones aleatorias.

Inicio de una guerra

Huelga

Terremoto

A diferencia de la tendencia, de las variaciones de

ciclo y de temporada, la variacin aleatoria siempre
esta presente.

2.1.- PROYECCIONES DE TENDENCIA

Las
tendencias
lineales
son
comnmente
imparciales y la mayora de las personas encuentra
fcil trabajar con ellas.

Vt = a + bt
Tiempo(t)

Historia de Ventas

Ventas(Y)
6600

20000

10450

15000

12700

15450

5000

18800

Ventas

10000

3
Aos

Vt = 3,980 + 2,940 t
La tendencia para periodos futuros, se
reemplaza ( t ) a valores mayores de 5:

V6 = 3,980 + 2,940 (6) = 21,620

V7 = 3,980 + 2,940 (7) = 24,560
El resultado es la tendencia de las Ventas.

2.2.- PROYECCIONES DE TEMPORADA

Muchas empresas experimenta la demanda de

temporada,
mediante
el
siguiente
ejemplo
observaremos.
VENTAS
Trimestre

2010

2011

2012

1900

2320

2810

II

3500

4250

5160

III

4770

5790

7050

IV

2530

3090

3780

Promedio

3175

3862.5

4700

Periodo Ventas Trimestre

Ventas

Ventas vs Periodo
8000
7000
6000
5000
4000
3000
2000
1000
0
1

Periodo

10 11 12

1900

3500

II

4770

III

2530

IV

2320

4250

II

5790

III

3090

IV

2810

10

5160

II

11

7050

III

12

3780

IV

1. Identificar el ndice de temporada

Dq,j

SIq =

D
j=1

SIq = Indice de temporada para el trimestre q

Dq,j = Venta real para el trimestre q en el ao j
D j = Promedio de Ventas trimestral en el ao j
m = nmero de aos

Calculo para el trimestre I:

D1 ,j 1 9 0 0 2 3 2 0 2 8 1 0

D
j
SI1 j 1
3 1 7 5 3862.5 4 7 0 0 0.599 0.6
3
3
3

El resultado de los ndices de Temporada ( SI ) para

cada trimestre:
Trimestre

SI

I
II
III
IV

0.6
1.1
1.5
0.8

2.- Destemporalizar la Demanda

El clculo de las Ventas Destemporalizada es:
1900 / 0.6 = 3167
3500 / 1.1 = 3182

Ventas
Trimestre Destemporalizada
3167

3182

3180

3163

3867

3864

3860

3863

4683

10

4691

11

4700

12

4725

Demanda Trimestral Destemporalizada

Ventas

8000
7000
6000
5000
4000
3000
2000
1000
0
1

Trimestre

10

11

12

3.- Calcular la lnea de tendencia

Vt = a + bt
Periodo Ventas
1

1900

3500

4770

2530

2320

4250

5790

3090

2810

10

Vt = 2799 + 171.2 t
La proyeccin de las ventas
trimestrales para 13 al 16 del ao 2013
son:
Ventas
5025
5196
5367

Trimestre

5160

Periodo
13
14
15

11

7050

16

5538

IV

12

3780

I
II
III

4.- Ajustar los estimados de la

Venta Futura utilizando el ndice
de temporada
2008
Trimestre

Ventas
proyectadas

SI

Ventas
Ajustadas

5025

0.6

3015.0

II

5196

1.1

5715.6

III

5367

1.5

8050.5

IV

5538

0.8

4430.4

Grfica de Ventas Proyectadas

10000

Ventas

8000
6000
4000
2000
0
1

Periodo

11

13

15

APLICACIONES

CASO N 1.- Los ejecutivos de la empresa industrial

Cementos El Sol S.A. se han reunido a fin de tomar la

decisin de expansin de planta y por consecuencia si es
necesario la compras de nuevos equipos y maquinas para el
siguiente ao. Para ello se tiene registrado los datos de
ventas (en miles de kilogramos) de los 6 ltimos aos de
sus distribuidores tal como se muestra en el cuadro
adjunto:
Ao

Distribucin
B

TOTAL
Kgs

2006

828.025

502.82

689.031

2019.876

2007

1054.688

415.32

740.477

2210.485

2008

1260.284

407.123

453.761

2121.168

2009

1201.826

533.825

624.585

2360.236

2010

1493.138

476.035

333.612

2302.785

2011

1698.485

587.827

283.604

2302.785

Total

7536.446

2922.95

3125.07

13584.466

Solucin:
1. Identificacin del problema de acuerdo al objetivo
2. Reconocimiento y anlisis de la serie cronolgica, se analiza si faltan
datos, hay datos anormales, simplificar la informacin, redondeo de
datos.
3. Analizar la graficar de la serie cronolgica a fin de visualizar el
comportamiento de la demanda.
X
Y (Tn)
1

2020

2210

2121

2360

2303

2570

4. Identificar la caracterstica de la demanda (determinar el patrn de la

demanda)

Ver si es lineal creciente con variaciones irregulares

Para una buena estimacin es necesario contar con 8 o mas datos

de ventas anuales.
Para el caso de ver la temporalidad es necesario contar con 48 o 60

datos de ventas mensuales.

5. De acuerdo al patrn de la demanda se enfoque del problema, en el
ejemplo se aproxima a una recta:
donde:

n xy x y
b
2
n x 2 x

y a b x

a y b x

x
n

CUADRO DE VALORES

(Y- Y )2

XI

YI

XIYI

XI2

2020

2020

2030.572

112

2210

4420

2123.943

7406

2121

6363

2217.314

9276

2360

9440

16

2310.685

2432

2303

11515

25

2404.056

10212

2570

15420

36

2497.427

5267

Y = 1937.201 + 93.37 Xi
Hallar el error del pronostico

Yi Y i
n 1

=83.31=83
= desviacin estndar
Hallar el pronostico para los periodos que se desea estimar las ventas:

Y = 1937.201 + 93.371(7) = 2591

Hallar los limites del pronostico: para el 68% de confiabilidad se tiene:
LS = Y7 + 1 = 2674 tn
LI = Y7 1 = 2508 tn
Hacer los ajustes necesarios del pronsticos contemplando otros
factores.

DIMENSIONES
Alto
Ancho
Profundidad
Peso Neto

P
M
P
E

INSTRUCCIONES DE MANIPULACI

No apilable
Gigante
Deformable
Alimentos
Peligro de congelacin
Sensible a la luz
Slido inflamable

PRONOSTICO BASADO EN PROMEDIO

PONDERADO EXPONENCIAL (P.M.P.E.) o
ATENUACIN EXPONENCIAL
Un pronostico que emplea la atenuacin exponencial resulta de la ecuacin:

Yt Yt 1 Yt 1 Yt 1
Donde:

Yt

= Pronstico o demanda estimada para el siguiente perodo o

pronstico para el perodo (t)

Yt 1 = Pronstico del perodo anterior (t-1)

Yt 1 = Demanda real del perodo anterior

= Coeficiente de atenuacin(0

1)

Y
Se puede ordenar de la siguiente manera:
t
t 1
t 1

Se puede afirmar que a es un valor entre 0 y 1

Si a = 0
Si a = 1

Yt Yt 1

Yt Yt 1

a = Proporcin total de prediccin que puede atribuirse a un cambio en el

patrn de la demanda. Se puede observar que el P.M.P.E. es simplemente
un promedio ponderado seguido de una serie de pronsticos, tal como se
muestra a continuacin:
Periodo 1:
Perodo 2:
Perodo 3:
Perodo 4:

Y1 Yo (1

Y2 Y1 (1

Y3 Y2 (1

Y4 Y3 (1

)Y0

)Y1

)Y2

)Y3

.
.
Perodo t:

Yt Yt 1 (1 )Yt 1

Reemplazando:

Y0 (1 )Y0
Y2 Y1 (1 )

2
Y2 Y1 (1 )Y0 (1 )
Y0

2
Y3 Y2 (1 )
Y1 (1 )Y0 (1 )
Y0

2
3
Y3 Y2 (1 )Y1 (1 )
Y0 (1 )
Y0

2
3
Y4 Y3 (1 )
Y2 (1 )Y1 (1 )
Y0 (1 )
Y0

2
3
4
Y4 Y3 (1 )Y2 (1 )
Y1 (1 )
Y0 (1 )
Y0

2
3
t 2
t
Yt aYt 1 a (1 a )Yt 2 (1 )
Yt 3 (1 )
Yt 4 ... (1 )
Y0 (1 )
Y0

Donde:

Yt

Pronstico para el perodo t.

Y =

Demanda real

Yt 1 Y0 Pronstico inicial

Ejemplo
PERODO

DEMANDA
(Y)

Y(a=0.2)

Iel

Y(a=0.5)

Iel

Y(a=0.8)

Iel

32

32

32

32

36

32

32

32

31

33

34

35

27

33

33

32

37

32

30

28

50

33

17

34

16

35

15

47

36

11

42

47

42

38

45

47

37

39

44

43

10

40

39

41

38

11

44

39

40

40

12

TOTAL

57

56

Y1 2 Y1 1 Y1 1 Y1 1 40 0.8(44 40) 43.2

correctoes 0 .8

54

Una visin sin

accin es un sueo.
Una accin sin visin
es una prdida de
tiempo. Una visin
con accin puede
cambiar al mundo
Joel Baker