Pronóstico de la demanda

Control del pronóstico

Métodos de control de pronósticos

Cuando pretendemos que datos históricos logren predecir comportamientos futuros en un contexto dinámico, como lo suponen las previsiones de la demanda, es usual que el pronóstico evidencie cierto grado de error. Encontrar un grado de error en una previsión no siempre es un indicativo de que se ha seleccionado de forma inadecuada el modelo, puede resultar que el sistema haya migrado hacia un nuevo comportamiento y por ende las previsiones que en un momento dado fueron efectivas, pueden períodos posteriores no serlo tanto. De igual manera se debe contemplar que no siempre las desviaciones son representativas, y que en algunos casos el modelo pese a presentar grados de error puede estar bajo los parámetros normales de control.

Una visión de la estimación de la demanda a través de la teoría de restricciones: ¿Por qué salen mal los pronósticos?

¿Qué es un método de control de pronósticos?

Un método, indicador o medida de control de pronósticos corresponde a la forma de supervisar un modelo de previsión para asegurarse de que su precisión continúe siendo efectiva. La base de cualquier método de control tiene que ser el comportamiento real, por ende cualquiera que sea el indicador, éste pretende representar lo cerca que está el pronóstico de la demanda real.

¿Cuándo efectuar control al pronóstico?

Uno de los puntos clave del desarrollo del proceso de pronósticos consiste en monitorear el modelo, por ende se debe acudir casi a indicadores en tiempo real respecto a las desviaciones de la previsión, es decir, el control del pronóstico es un trabajo tan dinámico como lo es el comportamiento de la demanda. También debe efectuarse al momento de selección del mismo, comparando los indicadores de desviación de varias metodologías de previsión en la etapa de evaluación de alternativas del proceso de desarrollo del modelo.

Recomendaciones al efectuar control del pronóstico

Los métodos de control de pronósticos buscan evaluar la exactitud de los modelos, pero al mismo tiempo estos deben ser precisos en cuanto a sus mediciones, es decir, cerciorarse de que se estén pronosticando las cantidades correctas, en el SKU correcto, puesto que pueden darse casos como el siguiente:

SKU ASKU BTotal
Pronóstico7525100
Demanda2575100
Exactitud0%0%100 %

Es decir, se recomienda evaluar previamente sí el pronóstico se aplica sobre SKU’s, para de esta manera aplicar las medidas de control sobre las previsiones de SKU’s y no sobre los valores totales, para reflejar realmente la efectividad del modelo.

Otra recomendación consiste en pre-establecer los límites de control del pronóstico, es decir, el rango dentro del cual se asume que el modelo está bajo control, de esta forma se podrá identificar con mayor facilidad las desviaciones representativas.


Métodos de control de pronósticos

Existe un gran número de indicadores de error del pronóstico, dentro de los que se destacan:

  • Desviación estándar
  • Error cuadrático
  • Error porcentual
  • Desviación absoluta media
  • Señales de rastreo

Y muchos otros, sin embargo muchos expertos prefieren considerar las señales de rastreo como el indicador por excelencia para un adecuado control del pronóstico. Una señal de rastreo es un indicador de cuán bien se ajustan las predicciones de un pronóstico al comportamiento real de la demanda. La señal de rastreo se calcula como la suma de la desviación acumulada (suma corriente de errores del pronóstico), dividida entre la desviación media absoluta (DMA):

Donde

Una vez calculadas las señales de rastreo debemos saber que éstas están dadas en desviaciones medias absolutas. No siempre una señal de rastreo positiva indica que la demanda es superior que el pronóstico, y viceversa, dado que su cálculo emplea desviaciones acumuladas. Una señal de rastreo favorable, es decir con un error del pronóstico bajo, deberá tener aproximadamente el mismo error absoluto positivo que negativo.

Para que una señal de rastreo sea un indicador eficiente de error en el pronóstico debe compararse con límites preestablecidos de control. Sí la señal de rastreo excede los límites de control será un indicador de que algo anda mal con el pronóstico. El siguiente interrogante que surge consiste en la determinación de límites de control, para ello acudiremos a límites dados en DMA, para lograr una congruencia con las señales de rastreo.

Según fundamentos estadísticos, la equivalencia entre DMA y Desviaciones estándar es aproximadamente así:

1 D.M.A = 0,8 desviaciones estándar

Esto nos indica que siempre y cuando los errores se comporten siguiendo una distribución normal, para considerar que el pronóstico esté controlado deberá:

  • El 89% de los errores estar ubicados entre ± 2 DMA
  • El 98% de los errores estar ubicados entre ± 3 DMA
  • El 99% de los errores estar ubicados entre ± 4 DMA

Ejemplo del cálculo de la señal de rastreo

En el siguiente ejemplo se mostrará el pronóstico efectuado para los 6 primeros meses del 2014 en un negocio dedicado a la venta de hamburguesas, junto con las ventas reales en dichos períodos, además se muestra el resultado del cálculo de los errores:

control de pronósticos

Esta señal de rastreo se encuentra dentro de los límites aceptables de control del pronóstico, su rango de comportamiento se desplaza desde – 2,25 hasta + 1,00.


En el siguiente formato desarrollado por el equipo de ingenieriaindustrialonline, podrán calcular la señal de rastreo y la desviación media absoluta de una previsión de máximo 10 períodos, tan sólo deberán llenarse las celdas de color gris y obtendrán los indicadores de control del pronóstico.

 

Bryan Salazar López

Ingeniero Industrial y Magíster en Logística Integral especializado en productividad y modelamiento de procesos bajo dimensiones de sostenibilidad, industria 4.0, transformación digital y modelos de optimización. Docente universitario de pregrado y posgrado con experiencia en la enseñanza de estos temas. Fundador de Ingenieriaindustrialonline.com, un sitio en donde se recogen las aportaciones de investigaciones, artículos y referencias relevantes para la industria.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Botón volver arriba