planeamiento y gerencia del inventari una visión de clase ... · la demanda es producto de la...

31/05/2007 1

Planeamiento y Gerencia del Inventario

Una visión de Clase mundial

Sesión Numero 5

Ing. Victor León Derechos Reservados© 231/05/2007

Pronóstico de ventas e inventarios,

Trucos, técnicas y tecnología

Cómo reducir, medir y manejar variabilidad de la demanda

Pronóstico colaborativo (CPFR: Colaborative Planning, Forecasting and

Replenishment)

Cómo mejorar la exactitud del pronóstico

Cómo pronosticar la estacionalidad, las promociones, y el inventario de lento movimiento

Cómo medir y corregir las tendencias del pronóstico

Técnicas para calcular la mejor tendencia, sistemas y métodos


Los problemas en logística

Es común que las empresas al momento de comenzar

con la creación ó reestructuración logística, se vean

enfrentadas a lidiar con ciertas situaciones, presentando

un grado de complejidad importante. Una de las

principales problemáticas tiene relación con lo poco

predecibles que son los factores a considerar en el

proceso de toma de decisiones.


Los problemas en logísticaCasos típicos de lo anterior son:

los retrasos en la llegada de los suministros para los planes de

producción,

la gran variabilidad que presenta la demanda de los clientes.

La demora en los transportes provoca incumplimientos en las

fechas de entrega de productos a los clientes. Ahora, si la demanda

de un cliente fuese siempre constante, por lo tanto predecible, es

claro que serían muy bajas las dificultades que se presentarían para

diseñar una estrategia logística que permita satisfacer a un cliente

en el instante y en el lugar adecuado.


Que es la demanda?

La demanda en economía se define como la cantidad de bienes o servicios que los consumidores están dispuestos a comprar a un precio y cantidad dado en un momento determinado. La demanda está determinada por factores como el precio del bien o servicio, la renta personal y las preferencias individuales del consumidor.


Que significa esto?

La demanda es producto de la conversión de las necesidades y deseos de los consumidores en el hecho tangible de solicitar el bien o servicioPor lo tanto no es controlable por un productor, ya que el consumidor buscará el bien hasta que lo consiga.Si un productor no satisface la demanda alguien lo hará


Variabilidad de la demanda Factores

Cabe aclarar que los factores siguientes son los que la empresa visualiza como causales de la variabilidad de la demanda

Pronostico de la Demanda.Tiempo de Respuesta.Ordenar en Lotes.Fluctuación de Precios.Pedidos Inflados o Estratégicos.EstacionalidadPromociones


Reducción de la Variabilidad.

Mediante la reducción de la variabilidad de la demanda

del consumidor.

Eliminando ofertas y promociones a través de una estrategia

“every day low pricing”.

Todos los dias es Navidad?

Manteniendo seguimiento de las tendencias

Incentivando las compras a lo largo del año

Ing. Victor León Derechos Reservados©

Predicción de VentasHerramienta para pronosticar la demanda


Conceptos Clave

Predicción de Venta es el proceso a través del

cual organizamos y analizamos información a fin

de poder estimar nuestras futuras ventas.


Puntos principales

Elementos de incertidumbre de la demanda:cuándo recibiremos el pedido

dimensión y composición del pedido

exactitud de los datos en:productos requeridos

puntos de entrega

tiempo de entrega


Puntos principales

Componentes de la Demanda:Tendencia:

crecimiento o declive durante un prolongado período de tiempo

Ciclos:fluctuación alrededor de la tendencia

Estacionalidad:patrón que se repite anualmente

Azar:no calculable por los otros componentes ( tendencia, ciclos o estacionalidad )


Puntos principales

Los métodos cualitativoscualitativos de previsión de ventas se basan másmás en juicios personales e intuición que en datos históricos:

encuestas sobre intención de compras como cuestionarios, entrevistas telefónicas y entrevistas a clientes

Técnica Delphi:un grupo de expertos, consultados por separado, son llamados a llegar a un consenso.

El entramado de la fuerza de ventas:basado en estimaciones realizadas por personal de ventas muy experimentado.


Puntos PrincipalesLos métodos cuantitativoscuantitativos de predicción de ventas utilizan

datos históricos para predecir ventas futuras:tests de mercado para medir la respuesta del cliente (normalmente hacia un producto nuevo o modificado) en las condiciones actuales de mercado

proyección / análisis de tendencias (llamado Series Temporales). Considera las predicciones de ventas sobre la base de la relación histórica entre ventas y tiempo, expresado en tasa de crecimiento (porcentaje), donde cada medición está indicada en una curva de crecimiento:


Puntos PrincipalesLos métodos cuantitativoscuantitativos de predicción de ventas

Promedios Móviles: se da el mismo peso a todas las

observaciones y solamente algunas de las observaciones

pasadas se tienen en consideración

Armonizacion exponencial: da mayor peso a las observaciones

recientes y considera todas las observaciones pasadas.

El análisis de regresión se puede usar para predecir variables

dependientes (ej., ventas ) como resultado de los cambios en

una o más variables independientes ( ej., publicidad)


Puntos principales

Métodos de Predicción de Ventas (4)Los modelos de insumo-producto predicen el impacto del

cambio en las salidas (ventas) de una industria,

basándose en los cambios en la industria suministradora

(por ejemplo, una reducción en el suministro de latas por

parte del fabricante podría afectar la producción del atún

enlatado que debería ser producido en las industrias

conserveras)


Puntos PrincipalesModelos computarizados de predicción, que

incluyen:Hojas de cálculo, como Microsoft Excel©

(con el Data Analysis Toolpack), que pueden realizar cálculos automáticos con cambios en los datos suministrados.Software especializado para previsión:

paquetes de estadística, como SAS©, MYSTAT©, y Minitab©

paquetes diseñados específicamente para aplicaciones de previsiones, como Forecast X©, SAS©, Forecast Pro©.


Mayores usos de las Predicciones de Ventas (1)

Las Predicciones de Ventas son usadas para:

producción:planificación de la produccióncontrol de inventario

compras:determinación de la toma de decisionesplanificación de las compras para obtener mejores costos



Márketing:formulación de estrategias de márketing para los productosestablecer cuotas de ventasplanificación de gastos de publicidad y promociones de ventas

Personal:planificación de recursos requeridos

Finanzas:establecer los presupuestos operativosplanificación del flujo de cajapresupuesto / gastos



Dirección General:planificación y control global de las operaciones de la compañía.


Ventajas de las predicciones (1)Una correcta predicción de ventas ofrece

importantes ventajas:reducción de excesos de inventario

menores faltas de inventario cuando la demanda supera a la oferta.

reducción de la necesidad de fabricar innecesariamente para cubrir la posible demanda no anticipada


Ventajas de las predicciones (2)

Reducción de las horas extras y requerimientos de

personal, a través de predicciones mejoradas

Mejora del servicio al cliente como resultado del

equilibrio entre la oferta y la demanda

Mejora de las sinergias de compra, con mayor ahorro

económico.


Exactitud de las prediccionesFactores que influyen en la exactitud de las predicciones:

disponibilidad de datos históricos de demanda

Capacidad del sistema informático

otros datos históricos disponibles (ej., nuevos productos,

cambios de diseño, cambios en la base de clientes, acciones

promocionales, indicadores económicos)

Responsabilidad para la ejecución: se necesita del esfuerzo

común (trabajo en equipo de Ventas, Distribución y Producción).


Lo que no debemos olvidarConsideraciones sobre las Predicciones de Ventas:

Qué productos deben ser sometidos a previsión

Para qué lapso debemos realizar nuestras predicciones (un

mes, dos, tres….un año)

Cuál es la horizonte de tiempo para el cual debemos predecir

cantidades concretas (una semana, quince días…)

Cada cuánto debemos hacer las predicciones, repasarlas y

revisarlas

Qué podemos estimar cómo margen de tolerancia o “error de

predicción”


Sugerencias (1)

Antes de realizar predicciones de ventas es conveniente

analizar los datos, removiendo o excluyendo aquellos

eventos para los cuales tenemos seguridad que no se

producirán repeticiones. De no hacerlo así el modelo de

predicción nos mostrará una visión distorsionada del

pasado.


Sugerencias (2)

Ejemplos de casos que implican un reajuste de

los datos:condiciones meteorológicas excepcionales

adición o pérdida de clientes importantes

promociones especiales

cambios en precios o dimensiones de producto.


Sugerencias (3)

Determinación del método de predicción más exacto o ajustado:

Usar regularmente distintos métodos para generar previsiones

mantener, en cada uno de ellos, los datos históricos tan exactos y ajustados como sea posible.

Determinar el método de predicción más ajustado para generar las predicciones “oficiales”.


Sugerencias (4)

Realizar un análisis ABC de los productos:Productos A: revisados mensualmente por la gerencia

Solamente aquellos productos B y C con desviaciones significativas entre predicción y demanda real necesitan ser revisados por la gerencia.


Conocemos lo que es una predicción y como hacerla , veamos entonces que técnicas se

pueden usar para hacerlo mejor

•Algunas Técnicas matemáticas•CPFR


Veamos la siguiente dataMétodo de Promedios Moviles

526517537523550Diciembre

517513523530540Noviembre

513512530515520Octubre

512503515510510Septiembre

503483510497560Agosto

483479497508475Julio

479508497495Junio

497470520Mayo

470450510Abril

450460Marzo

440Febrero

450Enero

Promedio Variable correspondiente a

6 Meses (Mat)

PronosticoPromedioVariable

6 meses (ft)

Promedio Variable correspondiente a

3 Meses (Mat)

PronosticoPromedioVariable

tres meses (ft)Demanda (Dt)Mes


GraficoMetodo de Promedios Moviles

0

100

200

300

400

500

600

1 3 5 7 9 11

Dem anda (Dt)

Prom edio 3 Meses

Prom edio 6 m eses


Método de Armonización Exponencial Simple

0.200520.95513.69514550Diciembre

0.160513.69507.11507540Noviembre

0.128507.11503.89504520Octubre

0.102503.89502.36502510Septiembre

0.082502.36487.95488560Agosto

0.066487.95491.19491475Julio

0.052491.19490.24490495Junio

0.042490.24482.80483520Mayo

0.034482.80476.00476510Abril

0.027476.00480.00480460Marzo

PesosPromedio nuevo (Ft)

Promedio Antiguo (Ft-1)Pronostico (f t)Demanda real (Dt)

f t=4800.80.2

alfa*Dt+(1-alfa)*F t-11-alfaAlfa


Método de Armonización Exponencial Simple

Grafico

400450500550600

1 2 3 4 5 6 7 8 9 10 11

Demanda Real

PromedioArmonizado


561.157.11562.72536.01527.76528569Febrero

554.196.79554.36527.76520.95521555Enero

546.796.76547.43520.95513.69514550Diciembre

540.206.63540.16513.69507.11507540Noviembre

536.956.64533.56507.11503.89504520Octubre

534.537.32529.63503.89502.36502510Septiembre

517.798.30526.23502.36487.95488560Agosto

520.236.61511.18487.95491.19491475Julio

516.018.42511.80491.19490.24490495Junio

503.439.26506.74490.24482.80483520Mayo

491.048.60494.83482.80476.00476510Abril

489.007.84483.20476.00480.00480460Marzo

9.00480.00

Pronostico de Winters

(f t) Tendencia

(Tt)

Promedio Exponencial de Winters

(F t)

Promedio Exponencial Simple (Ft)

Promedio Antiguo

(Ft-1)Pronostico

(f t)Demanda real

(Dt)

f t+1=Ft+Tt

Tt=b(Ft-Ft-1)+(1-b)(Tt-1)

Ft=a(Dt)+(1-a)(Ft-1+Tt-1)

Ecuaciones

48090.80.20.80.2

F0T01-b1-aa bMétodo de

Winters


Método de WintersMetodo de Winters

0

100

200

300

400

500

600

0 5 10 15

Mes

Uni

dade

s Demanda real (Dt)Pronostico de Winters (f t) Promedio exp. Simple


Calculo De Índice Estacional

94Promedio

1128Suma

0.851 808080Diciembre

0.851 808575Noviembre

0.851 808575Octubre

0.957 909585Septiembre

1.064 10011090Agosto

1.117 105110100Julio

1.223 115120110Junio

1.309 123131115Mayo

1.064 10011090Abril

0.904 859080Marzo

0.851 808575Febrero

0.957 9010080Enero

Indice EstacionalDemanda

Promedio20012000

Calculo De Índice Estacional


El modelo Winters Holts

mtttt

mtt

tt

tttt

ttmt

tt

ITFf

IFDI

TFFT

TFIDF

−++

−

−−

−−−

+=

−+=

−+−=

+−+=

11

11

11

*)(

)1(

)1()(

))(1(

γγ

ββ

αα


Modelo Winters Holts con ajuste estacional

Calculo de Pronosticos Estacionalizados

a 1-a Fdic Tt g 1-g b 1-b

0.1 0.9 94 2 0.05 0.95 0.1 0.9

Demanda (Dt)

Demanda Desestacionalizada

(Dt / I t-12)

Promedio (Ft)

F0= 94 Pronostico (f t)

Factor estacional Antiguo (I

t-12)

Factor Estacional Nuevo (I t) Tt ft+1

Enero 95.00 99.27 94.53 89.96 0.96 0.96 1.85 92.10 Febrero 75.00 88.13 93.89 80.44 0.85 0.85 1.60 92.47 Marzo 90.00 99.56 94.45 84.87 0.90 0.91 1.50 81.01 Abril 105.00 98.68 94.88 100.50 1.06 1.07 1.39 86.98 Mayo 120.00 91.67 94.56 124.19 1.31 1.31 1.22 102.64 Junio 117.00 95.67 94.67 115.64 1.22 1.22 1.11 125.18 Julio 102.00 91.32 94.33 105.74 1.12 1.12 0.97 117.20 Agosto 98.00 92.11 94.11 100.37 1.06 1.06 0.85 106.28 Septiembre 95.00 99.27 94.63 90.06 0.96 0.96 0.81 100.93 Octubre 75.00 88.13 93.98 80.53 0.85 0.85 0.67 91.56 Noviembre 85.00 99.88 94.57 79.97 0.85 0.85 0.66 80.29 Diciembre 75.00 88.13 93.92 80.48 0.85 0.85 0.53 81.27

80.13


El pronostico de casos especiales

En el caso de promociones o lento movimiento

el uso de modelos armonizados con constantes

de baja magnitud, proporciona respuestas

efectivas a=0.01hasta a=0.03


Regresión lineal

562.85 56912Febrero555.42 55511Enero547.99 55010Diciembre540.57 5409Noviembre533.14 5208Octubre525.71 5107Septiembre518.29 5606Agosto510.86 4755Julio503.43 4954Junio496.01 5203Mayo488.58 5102Abril481.15 4601Marzo

Demanda pronosticadaDemanda real

(Dt)Numero mesMes


Regresión linealGrafico

Pronosticos por Regresion lineal

0

100

200

300

400

500

600

0 2 4 6 8 10 12 14

Mes

Tone

lada

s

Demanda RealDemanda pronosticada


Otras TécnicasVer http://home.ubalt.edu/ntsbarsh/stat- data/Forecasts.htm

Modelamiento Causal y de PronósticoModelamiento de Series de Tiempo Causal Como Hacer Pronósticos Mediante Análisis de Regresión Planificación, Desarrollo y Mantenimiento de un Modelo Lineal Análisis de Tendencia Modelando la Estacionalidad y Tendencia Análisis de Descomposición

Técnicas de AblandamientoPromedios Móviles Simples Promedios Móviles Ponderados Técnicas de Atenuaciones Exponenciales Pronosticos con un Periodo Adelantado

Metodología de la Box-JenkinsMetodología de la Box-JenkinsModelos de Auto Regresión

Técnicas de FiltrajeFiltraje AdaptativoFiltro de Hodrick-PrescottFiltro de Kalman


Otras TécnicasVer http://home.ubalt.edu/ntsbarsh/stat- data/Forecasts.htm

Redes NeuralesModelamiento y Simulación Modelos ProbabilísticosNúmeros IndicesAnálisis de Eventos Históricos Predicción de la Respuesta de los Mercados Predicción de Intervalos para Variables Aleatorias Análisis de DelphiMetodología de Transferencia de Funciones Prueba y Estimación de Cambios Estructurales Múltiples Combinaciones de Pronósticos

http://home.ubalt.edu/ntsbarsh/Business-stat/graph/TimeSeriesPlot.htm


Slide 4.26

Error Error ii = Actual = Actual ii -- PronosticoPronostico ii

¿Que es error?Que es error?


Forecasting PerformanceMean Forecast Error (MFE or Bias): Mide el promedio de la desviacion entre el forecast y el real.

Mean Absolute Deviation (MAD): Mide el promedio de la de la desviacion absoluta entre el forecast y el real.

Mean Absolute Percentage Error (MAPE): Mide el error absoluto como un porcentaje del forecast.

Standard Squared Error (MSE): mide la varianza del error del forecast variance of forecast error

Que tan bueno es el pronostico?


Forecasting PerformanceMedidas

)(11

t

n

tt FD

nMFE −= ∑

=

∑=

−=n

ttt FD

nMAD

1

1

∑=

−=

n

t t

tt

DFD

nMAPE

1

100

2

1

)(1t

n

tt FD

nMSE −= ∑

=


Coeficiente de variabilidad

dtual DemanMean of Ac

ing Errorf Forecasteviation oStandard D=υ

N

N

1i

2)i

DemandForecastedi

mand(Actual De

SD) =eviation (Standard D

∑=

−

=

•

σ


Supervisando los pronósticos y Señal de rastreo

control de graficosy Cuadros

=rastreo de Señal

N

1=i MADi

Demand Forecastedi

Demand Actual

•

•

∑−

• Comparación visual del real con el Forecast


Midiendo los errores de pronostico

x y xy x2 y Calculado error error 2 Valor

absoluto Porcentual Error

acumulado ErrorAbs

Acumulado Senal de

rastreo meses kg

1 1,200.00 1,200.00 1.00 570.59 629.41 396,152.75 629.41 0.52 629.41 629.41 1.00 2 1,230.00 2,460.00 4.00 706.19 523.81 274,376.61 523.81 0.43 1,153.22 1,153.22 1.00 3 1,250.00 3,750.00 9.00 841.79 408.21 166,637.65 408.21 0.33 1,561.43 1,561.43 1.00 4 1,345.00 5,380.00 16.00 977.38 367.62 135,141.37 367.62 0.27 1,929.04 1,929.04 1.00 5 1,677.00 8,385.00 25.00 1,112.98 564.02 318,117.25 564.02 0.34 2,493.06 2,493.06 1.00 6 1,677.00 10,062.00 36.00 1,248.58 428.42 183,545.31 428.42 0.26 2,921.49 2,921.49 1.00 7 1,788.00 12,516.00 49.00 1,384.18 403.82 163,074.57 403.82 0.23 3,325.31 3,325.31 1.00 8 1,400.00 11,200.00 64.00 1,519.77 (119.77) 14,345.34 119.77 0.09 3,205.54 3,445.08 0.93 9 1,678.00 15,102.00 81.00 1,655.37 22.63 512.16 22.63 0.01 3,228.17 3,467.71 0.93

10 1,450.00 14,500.00 100.00 1,790.97 (340.97) 116,257.77 340.97 0.24 2,887.20 3,808.68 0.76 11 1,900.00 20,900.00 121.00 1,926.56 (26.56) 705.59 26.56 0.01 2,860.64 3,835.24 0.75 12 1,900.00 22,800.00 144.00 2,062.16 (162.16) 26,295.82 162.16 0.09 2,698.48 3,997.40 0.68 13 1,899.00 24,687.00 169.00 2,197.76 (298.76) 89,255.63 298.76 0.16 2,399.72 4,296.16 0.56 14 1,790.00 25,060.00 196.00 2,333.35 (543.35) 295,233.32 543.35 0.30 1,856.37 4,839.51 0.38 15 1,200.00 18,000.00 225.00 2,468.95 (1,268.95) 1,610,235.94 1,268.95 1.06 587.42 6,108.46 0.10 16 1,234.00 19,744.00 256.00 2,604.55 (1,370.55) 1,878,400.95 1,370.55 1.11 (783.13) 7,479.01 (0.10) 17 1,256.00 21,352.00 289.00 2,740.14 (1,484.14) 2,202,685.31 1,484.14 1.18 (2,267.27) 8,963.16 (0.25) 18 1,246.00 22,428.00 324.00 2,875.74 (1,629.74) 2,656,057.66 1,629.74 1.31 (3,897.01) 10,592.90 (0.37) 19 1,300.00 24,700.00 361.00 3,011.34 (1,711.34) 2,928,679.64 1,711.34 1.32 (5,608.35) 12,304.24 (0.46) 20 1,234.00 24,680.00 400.00 3,146.94 (1,912.94) 3,659,322.25 1,912.94 1.55 (7,521.29) 14,217.17 (0.53) 21 4,000.00 84,000.00 441.00 3,282.53 717.47 514,759.67 717.47 0.18 (6,803.82) 14,934.64 (0.46) 22 5,677.00 124,894.00 484.00 3,418.13 2,258.87 5,102,496.30 2,258.87 0.40 (4,544.95) 17,193.51 (0.26) 23 5,788.00 133,124.00 529.00 3,553.73 2,234.27 4,991,978.62 2,234.27 0.39 (2,310.68) 19,427.78 (0.12) 24 6,000.00 144,000.00 576.00 3,689.32 2,310.68 5,339,226.66 2,310.68 0.39 0.00 21,738.46 0.00


CPFR: Colaborative Planning, Forecasting and Replenishment

Que es?Básicamente el CPFR es considerada una práctica de negocios que permite optimizar los inventarios mientras se incrementa la rentabilidad de los productos a lo largo de la Cadena de Abastecimiento; gracias a que promueve relaciones colaborativasentre comerciantes y proveedores a través de procesos coadministrados y el compartir información.


CPFR Historia:

‘95/96: Wal-Mart Warner-Lambert “CFAR” Piloto‘97: VICS Develops CPFR Iniciativa‘98: VICS CPFR Publicación de guias‘99: Pilotos Entre

Kimberly-Clark & K-Mart, P&G & Meier, Target, Wal-MartNabisco & Wegman’s, etc.

‘00:1st Produccion Rollout: K-Mart


CORNINGConsumer Products

MeadSchool & Office

FederatedFederatedDepartment StoresDepartment Stores

Schnuck Markets

JCPenney Staples

QRSBenchmarkingPartners

FIELDCREST CANNON

CPFR: Quienes lo usan?


Beneficios

Los beneficios de esta práctica se resumen en: Incremento de la visión entre los socios de negocios

para plantear y replantear cambios.

Mejora en los pronósticos y el reabastecimiento,

optimizando algunos eslabones de la cadena.

Se mejoran las ventas por la prevención de agotados,

incluyendo las temporadas de promociones.


¿Qué necesita para implementarlo?

La implementación de un proceso de

CPFR se basa en los famosos “Nueve

Pasos”, nueve requerimientos básicos

para implementar con éxito esta práctica:



Paso 1: Establecer relaciones Colaborativas con el socio de negocios

Paso 2: Crear planes de negocios conjuntos

Paso 3: Crear Pronósticos de ventas

Paso 4: Identificar Excepciones para el pronóstico de ventas



Paso 5: Resolver colaborativamente las

excepciones sobre ítems específicos

Paso 6: Crear un pronóstico de ordenes

Paso 7: Identificar excepciones en el pronóstico

de ordenes



Paso 8: Resolver colaborativamente las excepciones sobre las excepciones en órdenes Paso 9: Generación de la orden

Como se puede observar, la implementación de esta filosofía requiere de un trabajo en conjunto con el socio de negocios. Aunque es importante crear relaciones colaborativas con varios socios, lo más recomendable es hacer este proceso paulatinamente.


CPFR’s Futuro:

“n-Tier”Extension para IncluirMaster- Scheduling DecisionsIncluir manejo de Transporte


Algunos cálculos

usados en pronósticos


Algunos cálculos

usados en pronósticos

Calculo de Índices

estacionales


Análisis de aleatoriedad de la data


Análisis de correlación

H0: The population's correlation is about the claimed value.Ha: The population's correlation is quite different from the claimed value.


Análisis de errores

planeamiento y gerencia del inventari una visión de clase ... · la demanda es producto de la...

Documents