Fase: Previsión de la demanda

Una de las situaciones más típicas que se presentan en una entidad comercializadora, es que se cuenta con cientos de referencias de bienes propensos de ser sometidos a pronósticos, caso en el que sería muy costoso evaluar las previsiones de todos, además que se requiere de mucho tiempo para su análisis completo, perdiéndose la operatividad de la tarea en el mismo; en ese caso lo que se recomienda es solo desarrollar el procedimiento de pronósticos a productos relevantes tipo A de la jerarquización ABC abordada en la fase anterior del procedimiento general, o a bienes críticos y estratégicos que la empresa designe. El resto de ellos, se puede obtener mediante las técnicas de transición o turbulencias como las correlaciones, modelos polinomiales o de regresión múltiple, los que dan buenas aproximaciones, a bajo costo y en tiempos relativamente rápidos.

Por su importancia y utilidad es que en esta fase el autor de este Trabajo de Diploma propone un Procedimiento específico para la Previsión de la Demanda. En el mismo se conjugan tanto métodos cuantitativos como cualitativos, ya que en su ejecución contempla diversas etapas que aunque en su concepción son fundamentalmente estadísticas, en determinadas circunstancias solo se puede proceder a través de los métodos cualitativos. Además en el paso final del procedimiento se realiza un método de consenso o trabajo en grupo en el cual se ponderan y se agrupan valores estadísticos y no estadísticos para la determinar a través del consenso entre los expertos el valor final de la demanda que se desea estimar.

El procedimiento consta de las etapas 6, 7, y 8 que serían: • Análisis previo de los datos.

• Selección del modelo de pronóstico que más ajuste a la serie histórica de datos. • Aplicación del modelo seleccionado. Obtención de los valores de Pronóstico. Etapa 6: Análisis previo de los datos

La etapa inicial del procedimiento específico se dedica a desarrollar un proceso de observación, análisis y estudio de los datos que se tienen para ser proyectados, esto obliga a tener en cuenta todos los parámetros relevantes que inciden en el comportamiento del fenómeno evaluado, para esto es necesario definir primero las características básicas de la información antes del proceso de pronóstico.

La etapa consta de dos pasos fundamentales, ellos son:

1. Síntesis descriptiva. Calidad y cantidad de los datos.

2. Análisis estructural de la serie de datos.

Paso 1. Síntesis descriptiva. Calidad y cantidad de los datos

Las principales características de una serie de datos antes de someterla a un proceso de pronóstico se resumen a continuación.

Síntesis descriptiva: Se realiza una breve descripción de la variable a pronosticar y de las características del entorno donde se desenvuelve.

Calidad y cantidad de los datos: La veracidad y secuencia de la información se debe validar al menos por dos fuentes, los datos mínimos necesarios para la realización completa del procedimiento de pronóstico con predominio de herramientas estadísticas es de 60 meses(Mora, 2007), de no contar con estos se recomienda la utilización de métodos cuantitativos como son el Delphi descrito en capitulo 1, o las analogías históricas, etc. los cuales tienen un menor grado de exactitud en las estimaciones.

Paso 2: Análisis estructural de la serie de datos

Las diversas series de datos históricos presentan determinados comportamientos estructurales, en dependencia de los cuales son agrupadas para facilitar la elección de los modelos de pronóstico que más se ajusten a las mismas.

Detección de las diversas estructuras para las series conmás de 60 datos históricos.

Detección de cambios de nivel: los cambios de nivel básicamente lo que reflejan es una variación de las condiciones del entorno, al cambiar lo que expresa es que se está en un ambiente diferente al natural de la serie, lo que conlleva a afirmar que la metodología de pronósticos con series temporales no trabaja bien, por lo cual se deben descartar los distintos niveles anteriores diferentes al actual, una forma de descubrir estos cambios de nivel es mediante la observación de la gráfica, además existe otra forma más rigurosa que consiste en calcular la relación de la desviación estándar de toda la serie entre la media total, si esta es superior al 50 % los más probable es que los cambios de nivel afecten la calidad de los pronósticos y la precisión entre bondad de ajuste entre pronóstico y realidad, en síntesis para las relaciones entre Media / Desviación estándar superiores al 50 % no es recomendable pronosticar, antes de eliminar los diferentes niveles distintos al último más

reciente. Al eliminar los niveles se debe procurar que al menos queden 60 datos históricos, de no ser posible solo se proseguirá al completarlos.

Detección de ruido o aleatoriedad: el principio básico para determinar la existencia de una estructura horizontal, ruido o aleatoriedad es mediante la suavización, cuya finalidad es minimizar la desviación estándar (oscilaciones alternadas alrededor de una serie) de la serie mediante la suspensión del componente de ruido para eliminar las incidencias estocásticas o aleatorias, que a la larga son las que generan el ruido. El fundamento es sencillo si se aplica la suavización con una media móvil simple a una serie temporal, en forma de línea recta, no debe existir ninguna diferencia entre la línea suavizada y la original. En el caso de que halla diferencia entre estas dos líneas se puede afirmar que los pronósticos que se calculen a partir de la historia de esta serie tienen influencia de ruido o estructura horizontal.

Detección de la estructura tendencial: la primera opción es visual en la representación gráfica, allí se puede observar la presencia de una tendencia (creciente o decreciente) lineal o no lineal, la segunda forma es mediante la aplicación de un ajuste de tendencia lineal del modo y = a + b * t, donde el valor de b, en primera instancia denota, si es o no diferente de cero o sea tendencia neutral (horizontal). La tendencia de una línea horizontal o valor constante de los datos de la serie implica una tendencia con b = 0

±

Detección de estructura estacional y/o cíclica: es casi imposible determinar a simple vista, si existe un comportamiento estructural estacional, por eso se requiere de la ayuda de programas de ordenador, como Microsoft Excel. Para facilitar la ejecución de esta prueba el autor de este Trabajo de Diploma pone a disposición de los usuarios una aplicación Excel llamada Estacionalidad. Para detectar la estructura cíclica hay que valorar con diferentes ciclos el comportamiento de la serie, en aquella figura donde se encuentre un verdadero paralelismo de las diferentes líneas horizontales se puede afirmar la presencia de una estructura cíclica; se debe probar para ciclos de 12, 24, 36, 48, etc. meses hasta tener siquiera dos líneas de graficación.

Posteriormente se elabora un resumen tabulado de los resultados obtenidos, en el mismo se deben registrar por un lado todas las pruebas para el análisis previo de los datos, y por el otro sus calificaciones que pueden ir desde la inexistencia del tipo de estructura hasta un valor alto o marcado de la misma.

Etapa 7: Selección del modelo de pronóstico que más se ajuste a la serie histórica de datos Los modelos de las series temporales se pueden clasificar en dos grandes grupos: modernos (AR.I.MA.) y clásicos (que son casos particulares y específicos de los primeros). Por su facilidad de entendimiento y operatividad para cualquier especialista, además de la facilidad de actualización ante nuevos datos, se propone trabajar solo con los métodos estadísticos clásicos.

En anexo 3 se exponen los diversos modelos clásicos de pronósticos, cada uno de estos va acompañado de las características o requerimientos básicos que deben cumplir estructuralmente las series de datos históricos para la selección de los mismos. Luego de analizada la tabla se realiza la selección de los métodos de pronóstico que se correspondan con la estructura particular de la serie bajo estudio, quedando todo listo para su aplicación.

Etapa 8: Aplicación del modelo seleccionado. Realización del Pronóstico

Luego de ser seleccionado el (los) modelo(s) se realiza para cada producto la ejecución del cálculo numérico. Para ello pueden emplearse software tales como Statgraphics bajo Windows, Vanguadr Decisión Pro, WinQSB, entre otros, los cuales proponen diferentes valores de pronósticos. Los mejores valores serán siempre aquellos que presenten menor error de pronóstico, tomando en cuenta que la variante de error seleccionada debe ser común en los software que se utilicen permitiendo la comparación entre las mismas.

Conjuntamente con lo anterior, se debe realizar un método de consenso o trabajo en grupo, el cual consiste en poner a disposición de los expertos valores de pronósticos (3 ó 4) de cada producto, que incluyan la salida estadística de menor error, valores obtenidos por analogías de las series históricas, promedios, etc. y con la opción de poder emitir un nuevo valor particular, los cuales deberán ser evaluados ascendentemente del valor más probable al menos probable.

El grupo debe quedar conformado especialmente por el personal de mayor antigüedad que se dedica a la venta directa a la población, ya que este cuenta con una basta experiencia relacionada con la demanda de los diferentes productos. Además se puede consultar al especialista de ventas de la entidad.

Posteriormente se recepcionan los resultados de las respuestas emitidas, las cuales deben ser procesadas por el equipo de trabajo que debe decidir basándose en el consenso, un valor final. Es valido señalar que para la validez del mismo debe haber concordancia entre los expertos otorgándose un peso de 60% al valor estadístico y un 40% al valor del criterio seleccionado, obteniéndose como resultado final de la predicción el de la suma ponderada entre ambos.

La potencia del pronóstico debe evaluarse como máximo cada dos meses y recalcularse de ser necesario. En la fase de seguimiento y control del sistema se propone el Rastreador de demanda fuera del rango admisible (RDFRA),el cual facilita la realización de dicha evaluación.