CONTENIDO PAG.

Introduccin Pronsticos cuantitativos de ventas Mtodos cuantitativos en los pronsticos de ventas Seleccionar un mtodo de pronstico Caractersticas de los pronsticos cuantitativos Conclusiones Bibliografa 5 6 10 19 21 22 23

INTRODUCCION La administracin de la demanda implica reconocer fuentes de demanda para los bienes y servicios de una empresa, predecir la demanda y determinar la manera como la empresa satisfar esa demanda. Las predicciones de demanda pronostican la cantidad y la duracin de los bienes y servicio de una empresa. Las predicciones de recursos se utilizan para pronosticar la duracin y la cantidad de la demanda de instalaciones, equipo, fuerza laboral y compra de partes y materiales para la empresa. Los Pronsticos cuantitativos manejan una variedad de modelos matemticos que utilizan datos histricos y/o variables causales para pronosticar la demanda.

PRONSTICOS CUANTITATIVOS DE VENTAS Los mtodos cuantitativos para pronosticar, ampliamente utilizados por las empresas, son mtodos matemticos de anlisis de informacin. En general, estos mtodos son utilizados para pronosticar las ventas, basndose en la informacin histrica, ya sea de la propia empresa o del mercado en general. Los pronsticos son una de las herramientas fundamentales para la toma de decisiones dentro de las organizaciones tanto productivas como sin fines de lucro. Algunas de las reas en donde se utilizan pronsticos en la industria son la planeacin y control de inventarios, produccin, finanzas, ventas, comercializacin, entre muchas otras. La eleccin del mtodo a utilizar es fundamental a los fines de obtener un resultado razonable que muestre un futuro factible de ser cumplido. Un mtodo comnmente utilizado e las empresas son: Estudio de la Tendencia: Basndonos en la informacin de cmo han venido evolucionando las ventas durante los ltimos aos, podemos llegar a estimar el volumen de ventas del prximo perodo. Considerando dicha evolucin en el largo plazo, est representada por una recta, razn por la cual debemos trabajar con la ecuacin de la recta y los mnimos cuadrados para encontrar los distintos coeficientes: ordenada al origen y pendiente: Ecuacin de la recta: y = a + bx Sin entrar en demostraciones matemticas, si aplicramos el mtodo de los mnimos cuadrados llegaramos a las frmulas que finalmente necesitamos: a = Sy / n Siendo: y = Ventas de perodos anteriores n = Nmero de perodos X = Coeficiente Supongamos una empresa con informacin desde el ao 1994 a 2004, queriendo conocer cul sera la tendencia para el 2005. En la tabla siguiente puede verse cmo se armara la tabla para calcular los totales en base a los cuales calcularemos a y b. b = SXy / SX2

El coeficiente X, dado que la cantidad de aos a analizar n es impar (n = 11), se obtiene de la siguiente forma: 0 para el ao que se encuentra exactamente a la mitad, en este caso ao 6, es decir, 1999 Para cada ao anterior se resta 1 (uno) y para cada posterior se suma 1 (uno)

Perodo

Ao

Ventas (y) U$S x 1000 408 701 803 929 230 1,100 1,160 965 1,050 1,118 720

Xy

x2

1 2 3 4 5 6 7 8 9 10 11

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Total

-5 -4 -3 -2 -1 0 1 2 3 4 5

-2,040 -2,804 -2,409 -1,858 -230 0 1,160 1,930 3,150 4,472 3,600

25 16 9 4 1 0 1 4 9 16 25

9,184

4,971

110

En funcin de las frmulas mencionadas obtendremos. a = 9,184 / 11 = 834.90 es decir 834 b = 4,971 / 110 = 45.19 90 es decir 45

En el ao 2005, es decir para y = 6 (coeficiente que le correspondera al ao 2005), las ventas seran: Y = 835 + 45 x 6 = 1,106

Existen casos en que debido a grandes variaciones de ventas entre perodos el resultado que se obtiene al proyectar no es lo suficientemente confiable para el analista. Este es el caso en que debido a situaciones poltico-econmicas o devaluaciones o cambios en la poltica de comercializacin, generan grandes oscilaciones de las ventas en distintos perodos. Obviamente es el analista quien deber conocer los motivos de tales variaciones y, adems del nmero fro resultado de una frmula matemtica, tendr que evaluar los distintos motivos que llevaron a las mismas. Es en esos casos en que se debera, de alguna manera, "suavizar los altibajos" para obtener un resultado ms ajustado. Para ello es que se utiliza el Mtodo de los Promedios Mviles. Analicemos una evolucin de ventas como la siguiente:
Ao 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Ventas U$S x 1000 735 540 820 2.130 1.240 3.000 1.900 990 440 670 1.450 1.698 1.300 547 2.100 2.400

Para calcular los promedios mviles, tomaremos las ventas de cada ao, le sumaremos las ventas del ao anterior y del posterior y calcularemos su promedio, es decir, dividiremos por tres (3). As obtendremos la siguiente tabla:

Ao

Ventas U$S Total Mvil Promedio x 1000 Mvil (y)

1989 735 1990 200 1991 820 1992 2.130 1993 950 1994 3.290 1995 1.900 1996 990 1997 320 1998 670 1999 1.450 2000 1.698 2001 1.300 2002 547 2003 2.100 2004 2.400 1.755 3.150 3.900 6.370 6.140 6.180 3.210 1.980 2.440 3.818 4.448 3.545 3.947 5.047 585 1.050 1.300 2.123 2.047 2.060 1.070 660 813 1.273 1.483 1.182 1.316 1.682

Ahora s, sobre los Promedios Mviles, podremos aplicar el anlisis de tendencia.

La tabla muestra la diferencia de las tendencias calculadas sobre los valores originales y sobre los Promedios Mviles, este mtodo presenta una desventaja la cual que siempre va un perodo detrs de los datos ms recientes, pero a la vista de las diferencias que presentan las proyecciones con y sin suavizar la curva debe ser tenido en cuenta parar determinar qu valor de proyeccin se considerar.

MTODOS CUANTITATIVOS EN LOS PRONSTICOS DE VENTAS Regresin Lineal: Modelo que utiliza el mtodo de los mnimos cuadros para identificar la relacin entre la variable dependiente y una o ms variables independientes, presentes en un conjunto de observaciones histricas. En la regresin simple, solo hay una variable independiente; en la regresin mltiple, hay ms de una variable independiente. Si los datos histricos forman una serie de tiempo, la variable independiente es el periodo y la variable dependiente en, por ejemplo, un pronstico de ventas, son las ventas. Un modelo de la regresin no necesariamente tiene que estar basado en una serie de tiempo, pues en estos casos el conocimiento de los valores futuros de la variable dependiente (llamada tambin variable causal) se utiliza para predecir valores futuros de la variable dependiente. Por lo general, la regresin lineal se utiliza en el pronstico a largo plazo, pero se tiene cuidado al seleccionar las cantidad de periodos incluidos en los datos histricos, y este conjunto de datos se proyecta slo unos cuantos periodos en el futuro, la regresin tambin puede utilizarse apropiadamente en pronsticos a corto plazo. La regresin supone una casi normalidad. Lo que quiere decir que los valores observados de la variable dependiente (y) se supone estarn distribuidos normalmente a ambos lados de su media (y) y el error estndar (sxy) es constante conforme nos vamos a lo largo de la lnea de tendencia. Ejemplo: Los siguientes datos relacionan las cifras de ventas de un bar de un pequeo Hotel, con el nmero de huspedes registrados esa semana:

La ecuacin de regresin estimada es, por lo tanto,

Si el pronstico es de 20 huspedes la semana siguiente de cunto se esperan que sean las ventas?

Promedios Mviles: Modelo de pronstico del tipo de series de tiempo a corto plazo que pronostica las ventas para el siguiente periodo. En este modelo, el promedio aritmtico de las ventas reales para un determinado nmero de los periodos pasados ms recientes es el pronstico para el siguiente periodo.

Ejemplo: Las ventas de cobertizos de una empresa X, se muestran en la columna central de la siguiente tabla. A la derecha se da el promedio mvil de tres meses.

Vemos que el pronstico para diciembre es de 20 2/3 . Para proyectar la demanda de cobertizos en enero prximo, sumamos las ventas de octubre, noviembre y diciembre entre 3: pronstico para enero = (18+16+14)/3 = 16.

10

Siguiendo con el ejemplo anterior. Esta empresa decidi pronosticar las ventas de cobertizos ponderando los ltimos tres meses como sigue:

11

 Proyeccin de Tendencias: Mtodo de pronstico de series de tiempo que ajusta una recta de tendencia a una serie de datos histricos y despus proyecta la recta al futuro para pronosticar.

A travs del mtodo de Mnimos Cuadrados, encontramos la recta que mejor se ajuste a las observaciones reales. Una recta de mnimos cuadrados se describe en trminos de su ordenada o interseccin con el eje y y su pendiente. Si calculamos la pendiente y la ordenada, expresamos la recta con la siguiente ecuacin:

y = a + x

y gorro = valor calculado de la variable que debe predecirse (variable dependiente) a = ordenada b = pendiente de la recta de regresin (o la tasa de cambio en y para los cambios dados en x) X = variable independiente (Ej.: tiempo) Los profesionales de estadsticas han desarrollado ecuaciones que se utilizan para encontrar los valores de a y b para cualquier recta de regresin. La pendiente b se encuentra mediante:

Donde: b = pendiente de la recta de regresin x = valores conocidos de la variable independiente

12

y x y n

= valores conocidos de la variable dependiente = promedio del valor de las x = promedio del valor de las y = nmero de datos puntuales u observaciones.

Calculamos la ordenada a cmo sigue:

Ejemplo para aplicar estos conceptos: A continuacin se muestra la demanda de energa elctrica en la ciudad de Puerto Montt, durante el ao 1997 al 2003, en kilowatt. El Jefe de Operaciones de la empresa SAESA, debe pronosticar la demanda para el 2004 ajustando una recta de tendencia a estos datos:

Para simplificar, transformamos los valores de x (tiempo) en nmeros ms sencillos, como 1, 2, 3,4

13

As, la ecuacin de mnimos cuadrados para la tendencia es y = 56,70 + 10,54 x. Para proyectar la demanda en el 2004, primero denotamos el ao 2004 en el nuevo sistema de cdigos como x = 8. Demanda en el 2004 = 56,70 + 10,54 (8) = 141,02, o 141 Kilowatt

14

 Suavizacin exponencial. Modelo tambin de pronstico de series de tiempo a corto plazo que pronostica las ventas para el siguiente periodo. En este modelo, las ventas pronosticadas para el ltimo periodo se modifican utilizando la informacin correspondiente al error de pronstico del ltimo periodo. Esta modificacin del pronstico del ltimo periodo se utiliza como pronstico para el siguiente periodo. Nuevo pronstico = pronstico del periodo anterior + (demanda real en mes anterior pronstico del periodo anterior). Matemticamente, se puede escribir as:

Ft = nuevo pronstico F t-1 = pronstico anterior : es la ponderacin, o constante de suavizado, elegida por quien pronostica, que tiene un valor entre 0 y 1.(0 < < 1) A t-1 = demanda real en el periodo anterior Ejemplo: En Enero, un distribuidor de automviles predijo que la demanda para Febrero sera de 142 camionetas Ford. La demanda real de febrero fue de 153 autos. Si empleamos la constante de suavizado que eligi la administracin, = 0,20, podemos pronosticar la demanda de marzo mediante el modelo de suavizamiento exponencial. Sustituyendo los datos del ejemplo en la frmula, obtenemos. (Suavizamiento exponencial). Nuevo pronstico (para la demanda de marzo) = 142 + 0,20 (153 142) = 142 + 2,2 = 144,2 siempre ser dada. Se encuentra en un intervalo entre 0,05 y 0,50. Si es alta, o sea 0,5 el pronstico se basa en los datos ms recientes. Si es baja, o sea 0,1el pronstico da poca importancia a la demanda reciente y toma en cuenta los valores histricos de muchos perodos.

15

 Enfoque intuitivo: La forma ms sencilla de pronosticar es suponer que la demanda del siguiente periodo ser igual a la demanda del periodo ms reciente, En otras palabras, si las ventas de un producto- digamos telfonos celulares- fueron de 72 unidades en enero, podemos pronosticar que en febrero las ventas tambin sern de 72 unidades de telfonos. SELECCIONAR UN MTODO DE PRONSTICO Al seleccionar un mtodo de pronstico se deben considerar varios factores: Costo. Precisin. Datos disponibles. Lapso de tiempo. Naturaleza de los productos y servicios. Respuesta de impulso y amortiguacin de ruido.

Costo y precisin: Al seleccionar un mtodo de pronstico, se presenta un dilema entre costo y precisin; en otras palabras, para obtener ms precisin en el pronstico es necesario incurrir en un mayor costo. Los procedimientos de elevada precisin utilizan ms datos, los datos por lo general son ms difciles de obtener, y los modelos tienen un diseo ms costoso, son ms caros de poner en prctica y de operar. Mtodos como los modelos estadsticos, las analogas histricas y el consenso de comit ejecutivo tienden a ser de costo bajo o moderado, en tanto que los modelos economtricos complejos de Delfos, y la investigacin de mercados tienden a ser ms caros y requieren ms tiempo para utilizarse. Cada organizacin debe resolver el dilema de acuerdo con su propia situacin.

Las Instantneas Industriales contrastan tres diferentes procedimientos para el pronstico. El primero describe un sistema de pronstico costoso y complejo, el segundo un sistema de pronstico muy econmico y simple, y el tercero describe un sistema dinmico para la seleccin de modelos de pronstico. El hecho de que las tres organizaciones aparentemente estn satisfechas con la precisin y el costo de su sistema de pronstico, demuestra que no existe un procedimiento nico que sea apropiado para todas las situaciones. En muchas ocasiones, mtodos simples y baratos tienden a proporcionar pronsticos que son tan precisos como los modelos de pronstico ms complejos y de costo elevado. Datos disponibles. Los datos que estn disponibles y que sean relevantes para los pronsticos son un factor importante en la seleccin

16

del mtodo de pronstico. Por ejemplo, si las actitudes y las intenciones de los clientes son un factor relevante en los pronsticos y si estos datos pueden obtenerse de manera econmica de los clientes, entonces una encuesta de clientes pudiera ser el mtodo apropiado para el desarrollo de las estimaciones de la demanda.

Por otra parte, si requiere pronosticar las ventas de un producto nuevo, entonces una encuesta de clientes pudiera no ser una forma prctica de desarrollar un pronstico; quizs debieran utilizarse las analogas histricas, la investigacin de mercados, el consenso de comit ejecutivo o algn otro mtodo. Tiempo: La eleccin de un mtodo apropiado de pronstico queda afectada por la naturaleza del recurso de produccin que se va a pronosticar. Los programas de mano de obra, de efectivo, de inventarios y de mquinas son de naturaleza a corto plazo y se pueden pronosticar utilizando modelos de promedios mviles o de suavizacin exponencial. Las necesidades de recursos de produccin a largo plazo, como por ejemplo la capacidad de las fbricas y los fondos para bienes de capital, pueden estimarse mediante la regresin, el consenso de comit ejecutivo, la investigacin de mercados y otros mtodos ms apropiados para pronsticos a largo plazo. Naturaleza de productos y servicios: Se aconseja que los gerentes utilicen diferentes mtodos de pronstico para productos distintos. Factores como si el producto es de volumen y costo elevado, si el producto es un bien manufacturado o un servicio, o en qu punto de su ciclo de vida est el producto, afecta la eleccin de un mtodo de pronstico. Respuesta de impulso y amortiguacin de ruido: Como se indic antes, en nuestro anlisis de los pronsticos a corto plazo, debe equilibrarse lo que deseamos del modelo de pronstico en lo que se refiere a su respuesta, como por ejemplo, ante cambios en los datos reales de la demanda, contra nuestro deseo de suprimir cualquier variacin aleatoria indeseable, es decir, ruido en los datos. Cada modelo de pronstico difiere en su respuesta de impulso y su amortiguacin de ruido, y el modelo seleccionado debe ajustarse a la situacin del pronstico.

17

CARACTERSTICAS DE LOS PRONSTICOS CUANTITATIVOS Los pronsticos son ms precisos para grupos o familias de artculos. Los pronsticos son ms precisos cuando se hacen para periodos cortos. Son menos las perturbaciones potenciales respecto del futuro prximo que pueden impactar en la demanda de productos. Casi siempre es ms fcil desarrollar un buen pronstico para una lnea de productos que para un producto individual, ya que los errores tienden a cancelarse entre s a medida que se les agrupa.

La demanda en periodos futuros ms amplios casi siempre resulta menos confiable. Pronsticos Cualitativos Vs Cuantitativos Por medio del pronstico cualitativo las organizaciones pueden incorporar informacin adicional al pronstico lo cual puede ser un mtodo ventajoso en un ambiente cambiante (Webby and OConnor, 1996). Estos mtodos tambin pueden responder rpidamente a los cambios del entorno. Sin embargo, dado que los pronsticos cualitativos son subjetivos, tambin pueden ser parcializados (Armstrong, 1985; Hogarth 1987). Por ejemplo despus de un da de gran venta las organizaciones tienden a ser muy optimistas, y pesimista ante el bajo nivel de venta. Tales eventos predisponen el juicio de quien genera el pronstico, lo cual puede degradar la exactitud del pronstico. A diferencia de los pronsticos cualitativos, los pronsticos cuantitativos son basados en principios matemticos y son generados a travs de software (Sanders and Manrodt, 2003b). Los mtodos cuantitativos son consistentes, objetivos y no influenciables por estados de nimo. Estos son particularmente efectivos cuando se generan pronsticos para un gran nmero de SKUs (Stock KeepingUnits), comparados con los pronsticos cualitativos son menos costosos y ms eficientes. Sin embargo, los mtodos cuantitativos son basados en datos histricos y no son efectivos cuando las condiciones del mercado son cambiantes. Por ejemplo un nuevo competidor que entra al mercado, o un efecto climtico que retrasa un envo.

18

CONCLUCIONES Podemos decir que la Administracin de la demanda implica reconocer las fuentes de demanda tanto para bienes como para servicios de una empresa y se debe determinar cmo la empresa puede satisfacer esa demanda. Al trabajar con predicciones la empresa tendr una visin de lo que necesitara en el futuro para satisfacer la demanda adems de que tendr informacin de la cantidad y duracin de esta, con estas predicciones la empresa es capaz de desarrollar pronsticos de recursos (tiempo, equipos, fuerza de trabajo, compra de partes y materiales). Otro factor a destacar es que si la prediccin es precisa la empresa utilizara con ms eficacia sus recursos para satisfacer la demanda.

19

BIBLIOGRAFIA

http://wwwplanmaestrodeproduccion-lit.blogspot.com/2010/04/53metodos-cuantitativos_11.html Administracin de la produccin y las operaciones, cuarta edicin.

Principios de administracin de las operaciones, quinta edicin. www.wikipedia.org

20