Pronostico De La Demanda De Una Cadena De Suministro.

...

estacional

Esto se puede aplicar a las demás formas, pero debemos entender las siguientes definiciones:

L = Estimación del nivel en t=0 (Estimación de la demanda descentralizada durante el periodo T=0)

T= Estimación de la tendencia (Incremento o decremento de la demanda por periodo)

St = estimación del factor estacional en el periodo t.

Dt= demanda real observada en el periodo t.

Ft= pronóstico de la demanda en el periodo t.

Así pues, el pronóstico de la demanda en un periodo t está dado por:

Ft+1 = [L + (T+1)T]St+1

Estas las nomenclaturas que se manejan en las metodologías de pronósticos.

En el método estático se estima que la demanda crecerá de acuerdo al comportamiento histórico, para hacer esta estimación se requiere descentralizar la demanda y ejecutar regresiones lineales para estimar el nivel y la tendencia, y, estimar los factores estacionales.

Para realizar el pronóstico primer debemos estimar el nivel y la tendencia, y esta estimación se realiza a un periodo 0. Se debe de iniciar descentralizando los datos de la demanda sin considerar las fluctuaciones estacionales. Los periodos de tiempo utilizados aquí se les deben dar el mismo peso.

Después de saber que debemos estimar el nivel y la tendencia, ahora también deben estimarse los factores estacionales, los factores estacionales se refiere al conjunto de datos que se repite con cierta frecuencia en una serie de tiempo, por ejemplo las temporadas en que las ventas aumentan o disminuyen.

El método de pronóstico adaptativo. En este método el nivel, la tendencia y la estacionalidad se van actualizando después de cada observación de la demanda por lo cual tiene como ventaja que los datos observados se van incorporando a las estimaciones.

Los términos son muy parecidos al método revisado con anterioridad, en el método estatico se asume que el nivel, la tendencia y el factor de estacionalidad NO cambian, pero en el método adaptativo no es así, cada vez que pretendemos calcular una demanda nueva (t+1) se toma en cuenta la demanda anterior más el nuevo pronóstico, esto se obtiene por la función:

Ft+1 = (Lt + lTt)St+1

Donde:

Lt = Estimación del nivel al final del periodo t

Tt= Estimación de la tendencia al final del periodo t

St = estimación del factor estacional en el periodo t.

Ft= pronóstico de la demanda en el periodo t. (hecho en el periodo t-1 o antes)

Dt= demanda real observada en el periodo t.

E=Ft-Dt=error de pronóstico en el periodo t.

En este método, después de obtener el resultado del pronóstico, se sigue evaluando el nuevo dato de manera continua, de tal forma que el dato de la demanda se recalcula y se estima nuevamente.

En proceso lo podemos describir de la siguiente manera, primeramente calculamos los datos en el periodo cero para el nivel, la tendencia y los factores de estacionalidad, el siguiente paso es hacer el pronóstico, después se determina el error es decir comparar el dato real contra el pronóstico que realizamos (E=Ft-Dt) y en base a esos datos obtenidos, se corrige y volvemos a estimar.

El promedio móvil. Este método se utiliza cuando tenemos una demanda con un comportamiento irregular y debido a esta irregularidad no se puede detectar una tendencia ni factores de estacionalidad, esto significa que en este tipo de casos el componente sistemático solo va a estar formado por un solo elemento, en este caso el nivel.

Método de suavizamiento exponencial simple. Se considera como la evolución del método de promedio móvil. Es utilizado para calcular el promedio de una serie de tiempo con un mecanismo de autocorrección que busca ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante una corrección que se ve afectada por un coeficiente de suavizamiento. Es óptimo para patrones de demandas aleatorias o niveladas donde se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente.

Todos estos modelos pueden ser simulados por sistemas de cómputo, es por ello que la tecnología de información juega un papel muy importante aquí, sobre todo por la gran cantidad de datos que se manejan para realizar los pronósticos.

Estos sistemas nos sirven para realizar la planeación de la demanda, tener comunicación simultánea entre los diferentes de la cadena de suministro para de esta manera realizar pronósticos agregados.

Es importante también tomar en cuenta que estos sistemas o herramientas nos sirven como ayuda o referencia pero no son exactas, por lo que no hay que depender 100% de ellas. Algunas de las compañías que ofrecen este tipo de software son ERP, SAP y Oracle. Estas compañías tienen años de expertís en el desarrollo de software que nos permiten pronosticar lo más cercano a la realidad siempre y cuando tengamos la información o datos correctos.

Concluyo este ensayo mencionando que en el desarrollo de los pronósticos, utilizando cualquiera de los métodos mencionados con anterioridad, siempre se van a tener riesgos, lo importante de esto es saber administrar correctamente estos riesgos, es decir analizar cada resultado para saber dónde tuvimos la falla y mejorarlo en el siguiente pronostico, debemos considerar los 3 elementos, el nivel, la tendencia y el factor estacional, analizar cada uno de ellos para ver que se requiere mejorar para un mejor resultado en la siguiente corrida.

La administración de la cadena de suministros está compuesta por muchos elementos y estos a su vez en muchas variables, variables que si esperamos el resultado después de concluida un pedido o una venta podría darnos sorpresas de que nos faltará material y tenemos exceso de inventario, los pronósticos pueden guiarnos a evitar este tipo de cuestiones.