Читать книгу: «Planeación de la producción», страница 3
2. ¿QUÉ ES UN PRONÓSTICO?
Un pronóstico es una estimación de un evento futuro, que se hace mediante el empleo de un método específico, y que es utilizado para fines de planificación. Los pronósticos son empleados en casi todos los subsistemas de una compañía para realizar la planificación de cada uno de sus departamentos. Por ejemplo en el departamento financiero, los pronósticos son empleados para planear los presupuestos globales de operación de la empresa y los costos; en el departamento de mercadeo son utilizados para planear la fuerza de ventas y estrategias de mercadeo que permitan aumentar ventas; y en producción son utilizados para planificar capacidad, producción e inventarios, así como para tomar decisiones sobre compra de máquinas y equipos, contratación de personal y expansión de instalaciones.
Aunque pueden pronosticarse muchas variables (por ejemplo tiempos de producción, tiempos de entrega, nivel de servicio, etc.) la demanda es la principal variable a estimar, debido a que del valor que ella tome en el futuro, dependerán la mayoría de decisiones anteriormente mencionadas. La demanda2 es la cantidad requerida por los clientes de un producto o servicio en un período de tiempo determinado. Desafortunadamente las empresas por lo general solamente tienen los registros de ventas, los cuales son la cantidad de la demanda que la empresa realmente pudo satisfacer en un período de tiempo, lo que significa que las ventas no necesariamente son iguales a la demanda. Partiendo de esta realidad, es inminente que aquellas empresas que utilicen registros de ventas para proyectar la demanda futura, obtengan como resultado proyecciones menos exactas.
Predecir con exactitud la demanda futura es prácticamente imposible debido a que existen una gran cantidad de factores que no pueden pronosticarse con certeza. Por lo tanto, es necesario que los gerentes en las empresas entiendan que nunca un pronóstico será exacto, y que por lo tanto deben enfocarse en revisar constantemente la información y los resultados obtenidos con los métodos de proyección seleccionados, de manera que se logren obtener estimaciones lo más acertadas posibles.
3. MÉTODOS DE PROYECCIÓN
Los métodos de proyección se pueden clasificar en dos grandes categorías: métodos cualitativos y métodos cuantitativos. Los métodos cuantitativos a su vez pueden subdividirse en modelos de series de tiempo y modelos causales.
Los métodos cualitativos son subjetivos ya que utilizan la experiencia y el juicio de individuos o grupos, para dar opiniones y así realizar estimaciones del futuro. Los pronósticos cualitativos son de gran utilidad cuando: (1) los datos del pasado no resulten confiables como indicadores de las condiciones del futuro, sean escasos o no existan; (2) factores externos y variables no cuantificables puedan afectar la predicción y no puedan ser incluidas en un modelo matemático de predicción; ó (3) los datos históricos no tengan un patrón de comportamiento regular. Por lo general este tipo de métodos se utilizan para realizar predicciones a largo y mediano plazo, aunque cada vez son más utilizados en las empresas para realizar proyecciones a corto plazo de productos con ciclos de vida muy cortos, como es el caso de los artículos de moda. Finalmente, es necesario utilizar métodos cualitativos después de utilizar métodos cuantitativos de predicción para realizar los ajustes necesarios, considerando otras variables y factores que por alguna razón no fueron tenidos en cuenta en un modelo matemático y que pueden afectar el resultado del mismo.
Los métodos cuantitativos requieren de la construcción de modelos de tipo simbólico, en los cuales los conceptos se representan por variables que son cuantificables y las relaciones que existen entre ellas son representadas matemáticamente. Dentro de éstos se encuentran los modelos de series de tiempo, los cuales suponen que si un patrón de comportamiento se ha presentado de manera regular en el pasado, éste podrá extrapolarse y reflejar así el futuro. Un ejemplo típico de este tipo de modelos puede ser la estimación del tiempo necesario para lavar un vehículo, relacionado con el tiempo que se invirtió realizando dicha labor en los últimos días o semanas. Los modelos causales por su parte tratan de establecer relaciones entre una o más variables de tipo independiente con la variable a pronosticar, conocida como variable dependiente. Un ejemplo de este tipo de modelos podría ser pronosticar la demanda futura de pañales para el próximo año, dado que se ha comprobado que existe una relación causal con la cantidad de nacimientos, es decir que la demanda de pañales (variable dependiente) se encuentra afectada directamente por la cantidad de nuevos nacimientos (variable independiente).
Este capítulo se centra principalmente en los modelos de series de tiempo, además se hace un breve recorrido por los métodos cualitativos de predicción y por los modelos de tipo causales.
4. PATRONES DE COMPORTAMIENTO DE LA DEMANDA
La demanda se comporta, en términos generales de dos formas: regular o irregularmente. Un comportamiento irregular es aquel en donde la demanda se presenta de forma intermitente y aleatoria, es decir, los datos no presentan un patrón fundamental de comportamiento. En el caso regular, la demanda presenta un comportamiento predecible, el cual puede verse reflejado en los pronósticos futuros. Los tipos de patrones de comportamiento regular son: estabilidad, tendencia, estacionalidad, ciclicidad y aleatoriedad, los cuales se muestran en la Figura 2-1.
FIGURA 2-1. PATRONES REGULARES DE COMPORTAMIENTO DE LA DEMANDA
La estabilidad se refiere a que los datos se encuentran dispersos a lo largo de una línea horizontal, es decir no existen aumentos o disminuciones consistentes en el tiempo. La Figura 2-1(a) muestra un patrón de comportamiento estable de un producto. La demanda de leche o el consumo de gasolina son ejemplos típicos de productos que por lo general presentan este tipo de comportamiento.
La tendencia se relaciona con el aumento o disminución consistente de los datos históricos a lo largo del tiempo, y puede ser lineal, exponencial, logarítmica, etc. La demanda de vehículos es un ejemplo de un patrón de tendencia positivo (o en aumento), ya que ésta ha venido creciendo de manera gradual desde hace varios años (y se espera que continúe así). La Figura 2-1(b) muestra un gráfico de un patrón de comportamiento con estas características.
La estacionalidad, mostrada en la Figura 2-1(c), es aquella en la cual los datos de la demanda fluctúan de acuerdo con un índice o factor estacional, traduciéndose en movimientos que se repiten cada cierto período de tiempo de forma regular. Los adornos de navidad y los útiles escolares tienen meses del año con picos y valles en sus demandas; mientras que un restaurante o una peluquería tienen este tipo de comportamientos en días y hasta en horas específicas del día. La estacionalidad puede ser estable o con tendencia.
La ciclicidad es muy similar a la estacionalidad, salvo que los movimientos repetitivos se presentan en períodos de tiempo mayores a un año, y pueden ser causados por situaciones políticas (como cambios de presidentes), guerras, nuevos descubrimientos, cambios en políticas económicas o eventos que se presentan cada cierta cantidad de años, como los Juegos Olímpicos o el Campeonato Mundial de Fútbol. Los patrones de comportamiento cíclico son muy difíciles de pronosticar, debido, entre otras cosas, a que su duración no es constante y no necesariamente se repite en los mismos períodos de tiempo. La Figura 2-1(d) muestra un posible patrón de comportamiento cíclico.
Finalmente, la aleatoriedad (la cual se encuentra en cada una de las gráficas de la Figura 2-1), son movimientos no predecibles de los datos en el tiempo, a los cuales no se les puede asignar una causa. La aleatoriedad es una de las principales causas de que existan errores en los pronósticos, y dado que se puede afirmar que los errores se comportan normalmente (esto se estudiará en la sección “Medición de la exactitud de los métodos cuantitativos de predicción”), se puede concluir entonces que la aleatoriedad también es un patrón de comportamiento regular.
Los patrones de comportamiento regular tienen una estrecha relación con el ciclo de vida del producto. La Figura 2-2 muestra el ciclo de vida de un producto típico, en donde se puede apreciar que los productos o servicios, en las etapas de introducción y crecimiento (número 1 en las gráfica), tienen un patrón de comportamiento de tendencia creciente, mientras que si se encuentra en la etapa de declive, su patrón de comportamiento será de tendencia negativa o decreciente (número 3 en la gráfica). Finalmente, aquellos productos o servicios en la etapa de madurez, presentarán un patrón de comportamiento estable (número 2 en la gráfica). Así, al identificar la etapa en la cual se encuentra un producto o servicio en su ciclo de vida, se podrá igualmente definir el patrón de comportamiento que éste tenga.
FIGURA 2-2. RELACIÓN ENTRE EL CICLO DE VIDA DE UN PRODUCTO Y LOS PATRONES DE COMPORTAMIENTO REGULAR
Identificar el patrón o patrones que existen en una serie de tiempo, es un paso fundamental para poder seleccionar el modelo de proyección más adecuado, y así obtener proyecciones lo más exactas posibles.
5. MÉTODOS CUALITATIVOS DE PROYECCIÓN
Los métodos cualitativos de proyección son los más utilizados en los procesos de planeación estratégica a largo plazo, aunque como se mencionó anteriormente son, en algunas ocasiones, la mejor y única alternativa que existe para realizar y ajustar las estimaciones del futuro. Aunque existen una gran variedad de métodos cualitativos de proyección, en esta sección se consideran tres de las técnicas más conocidas y utilizadas actualmente por las empresas.
5.1 ANÁLISIS DE LA FUERZA DE VENTAS
En este método, cada vendedor estima las ventas que habrá en su zona a partir de su conocimiento y experiencia, y se combinan con las realizadas por los demás vendedores, quienes se encuentran en diferentes zonas geográficas (barrios, municipios, departamentos o países), obteniéndose una estimación global realizada por la fuerza de ventas. El departamento comercial es el encargado de recopilar y analizar esta información, con el fin de observar sobre o subestimaciones hechas por los vendedores, para así obtener un pronóstico de ventas definitivo para la empresa, que no necesariamente es igual al definido por la fuerza de ventas.
Una de las principales ventajas que tiene este método es que los vendedores están en contacto directo con los clientes, por lo que tienen mayores posibilidades de saber qué productos o servicios comprarán y en qué cantidades. Por otra parte, la elaboración del pronóstico toma poco tiempo y tiene un costo bajo.
Este método también tiene limitaciones y desventajas, entre las que se encuentran: la fuerza de ventas debe tener varios años de experiencia para poder definir bien las necesidades de los clientes; las proyecciones dependen de la naturaleza del vendedor (si es optimista o cauteloso) y en los casos en donde existan comisiones o incentivos, las ventas proyectas tienden a ser sobreestimadas.
5.2 MÉTODO DELPHI
Es un método en el cual la información necesaria para realizar un pronóstico es adquirida por los miembros de un comité, conformado por expertos que tienen conocimientos en diferentes áreas de la empresa. Para ello el comité de expertos tiene un coordinador que se encarga de elaborar un cuestionario que es enviado a cada miembro para que lo resuelva en forma individual y anónima. Este cuestionario contiene información cuantitativa y cualitativa del problema a analizar y preguntas sobre aspectos cuantitativos específicos. Las respuestas de los miembros del comité se resumen y tabulan, y con base en estos resultados parciales se modifica el cuestionario y se vuelve a repartir entre los participantes para que repitan el proceso. El cuestionario de cada ronda debe reflejar los resultados de la anterior con estadísticas resumidas, como la media, la mediana y el rango para que los participantes se realimenten con los resultados anteriores. El procedimiento continúa hasta que los miembros del comité llegan a un acuerdo razonable. El resumen de resultados se informa a los participantes tras tomar la decisión del pronóstico definitivo, que es finalmente una síntesis de la opinión de los expertos.
Esta forma de trabajar puede lograr resultados satisfactorios en tres vueltas, sin embargo el tiempo puede ser hasta dos meses debido a factores como el número de participantes, su rapidez y habilidad para contestar, y la efectividad del medio de comunicación utilizado. Este método tiene la ventaja de poder incluir personas, no sólo con diferentes conocimientos, sino también de diferentes lugares. Además, el anonimato de las respuestas permite una expresión más libre de las ideas y se generan y evalúan un mayor número de factores que pueden pasarse por alto cuando las personas están enfrentadas.
5.3 INVESTIGACIÓN DE MERCADO
Es un método que utiliza encuestas y/o entrevistas de los clientes o consumidores potenciales para recopilar información sobre la situación específica de un producto o servicio. Las investigaciones de mercados, dependiendo del tipo de cuestionario empleado, permiten obtener suficiente información para determinar un pronóstico (midiendo la intención de compra) o para planificar el desarrollo de productos nuevos o mejorar los existentes. Una investigación de mercado que busca realizar un pronóstico incluye:
1. DISEÑO DEL CUESTIONARIO: los cuestionarios deben contener datos demográficos del encuestado como edad, sexo e ingresos aproximados y datos psicológicos como intereses, estilo de vida y preferencias, además de preguntas que proporcionen la información necesaria para determinar un pronóstico.
2. DEFINICIÓN DEL MODO DE APLICACIÓN DEL CUESTIONARIO: las encuestas pueden llevarse a cabo por cualquier medio de comunicación, como correo, fax, teléfono, correo electrónico o personalmente, y pueden ser realizadas por la misma empresa o por una firma contratista especializada en investigación de mercados.
3. DETERMINACIÓN ESTADÍSTICA DE UNA MUESTRA REPRESENTATIVA: es necesario determinar mediante algún método estadístico el número de encuestas que deben realizarse, de manera que se pueda asegurar que reflejen los resultados de la población.
4. ANÁLISIS DE LA INFORMACIÓN: después de realizadas las encuestas, los datos se tabulan y analizan aplicando criterios estadísticos y juicios lo más objetivos posibles, con el fin de obtener un pronóstico más acertado.
El tiempo estimado promedio para realizar una investigación de mercado es de tres meses y tiene un costo relativamente alto. Su exactitud depende del cuidado con el que se haya realizado el trabajo.
6. MODELOS DE SERIES DE TIEMPO
Los modelos de series de tiempo buscan realizar predicciones del futuro con base en datos históricos. Estos métodos parten del supuesto de que lo sucedido en el pasado volverá a repetirse en el futuro, es decir, que la variable a pronosticar depende únicamente del período de tiempo. Para realizar un análisis detallado de los modelos de series de tiempo, se inicia con la notación general utilizada en este tipo de modelos, para luego pasar a la medición de la exactitud de los mismos. Posteriormente se explican varios modelos de proyección dependiendo del tipo de patrón de comportamiento que tengan los datos históricos, para finalmente explicar el monitoreo y control del modelo de proyección seleccionado.
6.1 NOTACIÓN USADA EN LOS PRONÓSTICOS DE SERIES DE TIEMPO
Con el propósito de unificar criterios, es necesario definir la notación que se utilizará a lo largo de este capítulo. En primer lugar, los datos históricos, valores observados, datos reales u observaciones. Como se mencionó al inicio del capítulo, se pueden tener datos históricos de precios, costos, volúmenes de ventas, tiempos de procesamiento, etc., los cuales son información relevante para realizar un pronóstico cuantitativo. Para este caso en particular, los datos son la demanda histórica y se represe tan con la letra D. De esta manera, el valor de D para una empresa que vende ropa interior femenina, podría ser la demanda del brasier negro, talla 34B, con referencia BN34B001 en un período de tiempo en particular.
Por otra parte, ya que D representa los datos reales y este valor varía dependiendo del período de tiempo, es necesario identificar dicho período. Esto se hace asignando números consecutivos a períodos consecutivos de tiempo. Así, por ejemplo, el número 1 podría representar el primer período de tiempo para el cual se obtuvo la demanda de la referencia del brasier BN34B001, que podría ser marzo de 2004. Para este ejemplo, los períodos de tiempo son meses, por lo que el número 17 representará el mes de julio de 2005 y el dato 36 será febrero de 2007. Es de anotar que dependiendo de la empresa y del producto, los períodos de tiempo pueden definirse como una hora, un día, una semana, un mes, un trimestre, un año o algún otro lapso de tiempo.
Los valores observados junto con el período de tiempo en el subíndice, por ejemplo, D12 define la demanda D que se presentó en el período de tiempo 12 y D30 hace referencia al dato histórico obtenido en el período 30.
Los valores estimados, pronosticados o proyectados se representan por la letra F, debido a que pronóstico en inglés se escribe Forecast. Al igual que los valores observados, la representación de los valores estimados se hace junto con el período de tiempo en el subíndice. Así por ejemplo F2, representará el pronóstico F para el período 2 y F37, será la proyección para el período 37.
En la Tabla 2-1 se muestra a manera de resumen la notación utilizada en los modelos de series de tiempo
TABLA 2-1. NOTACIÓN UTILIZADA EN LOS PRONÓSTICOS DE SERIE DE TIEMPO
Como se puede observar en la Tabla 2-1, los datos históricos hacen parte del pasado, mientras que los datos proyectados se encuentran tanto en el pasado como en el futuro. Los datos pronosticados futuros, son aquellos que se utilizarán para planear la producción de uno o varios períodos de tiempo en el futuro (éstos se encuentran representados como Ft+1, Ft+2,…, Ft+m). La primera pregunta que surge entonces es: ¿por qué pronosticar el pasado si éste ya pasó? La respuesta a este interrogante es que cualquier modelo de proyección requiere ser validado. Para ello es necesario determinar la exactitud de los datos pronosticados con un modelo de serie de tiempo, en otras palabras, se debe medir la desviación o error en el pronóstico. La desviación o error del pronóstico para un período, se define como la diferencia que existe entre el dato histórico y el dato pronosticado de ese período. Su representación matemática es:
El subíndice i indica el período de tiempo para el cual se halla el error de la predicción. Como se observa en la Tabla 2-1, solamente se puede calcular el error, en aquellos períodos en donde existe tanto el dato histórico como el pronosticado.
De la ecuación del error, se puede observar que el error en un período i cualquiera puede tomar los siguientes valores:
• ei>0, significa que la proyección de la demanda ha sido subestimada. Esto en otras palabras significa generación de agotados.
• ei=0, significa que el dato proyectado es igual al dato histórico. Aunque esto puede ocurrir, se puede afirmar que es por “casualidad”, debido a la aleatoriedad que presentan las diferentes variables involucradas en el proceso de planeación. Es muy raro, por no decir imposible, encontrar valores de cero en los errores de un período.
• ei<0, significa que el dato proyectado es mayor que el dato real, es decir que hay una sobreestimación de la demanda, lo que conlleva a
un incremento en el inventario.
De lo anterior, se puede asegurar que el valor del error del pronóstico en un período i cualquiera, será mayor o menor a cero, por lo que es necesario determinar qué tan bien se comporta un modelo, mediante el cálculo del error y otros indicadores utilizados para ello.
