Pronóstico de la demanda en fabricación: guía práctica

Inicio » Recursos » Pronóstico de la demanda en fabricación: guía práctica

Tiempo de lectura estimado: 14 minutos

El pronóstico de la demanda en fabricación estima qué productos necesitarán los clientes, en qué cantidades y cuándo. Combina el historial de demanda con información sobre los cambios previstos, de modo que compras y producción dispongan de un punto de partida común para tomar decisiones.

Un pronóstico útil ayuda a prepararse sin generar stock por cada venta posible. Revisar sus errores y supuestos permite decidir qué compromisos asumir ahora y cuáles pueden esperar. El pronóstico forma parte de la planificación de la demanda, un proceso más amplio en el que se revisa la información del mercado y se acuerda el plan de demanda.

En la práctica, el reto tiene dos partes: estimar la demanda con suficiente precisión para tomar la decisión y elaborar después un plan de producción que permita dar la respuesta prevista. SkyPlanner APS se encarga de la programación detallada que sustenta sus decisiones de fabricación, para que no tenga que rehacer las colas de trabajo de cada máquina cuando esas decisiones cambien.

A continuación, veremos cómo elaborar el pronóstico, evaluar su error y llevarlo a la práctica.

1. Defina qué decisiones debe ayudarle a tomar el pronóstico

Empiece por la decisión, no por el modelo de pronóstico. Reservar material para un producto con un lead time largo, decidir cuánto fabricar para stock el próximo mes y valorar un turno de producción adicional requieren distintos niveles de detalle.

Antes de recopilar datos, deje por escrito estos cuatro aspectos:

• Qué demanda se va a estimar: la de un producto terminado, una familia de productos u otro artículo de planificación claramente definido.
• La unidad: piezas, paquetes, kilogramos u otra magnitud física que se utilice de forma coherente. Los ingresos, por sí solos, pueden ocultar cambios en los precios y en la combinación de productos.
• El periodo: cuándo necesitan los clientes el producto. Siempre que los datos lo permitan, utilice un criterio uniforme basado en la fecha solicitada.
• El horizonte: con cuánta antelación debe decidir, teniendo en cuenta los lead times de aprovisionamiento y fabricación.

Si debe comprometer la compra de material cuatro semanas antes de necesitarlo, no basta con que el pronóstico sea preciso solo a una semana vista. Evalúe la estimación realizada con cuatro semanas de antelación, que es la que compras tiene que utilizar realmente.

Elija el nivel de planificación en función de la decisión. Un pronóstico por familia de productos puede ayudar a valorar un futuro turno, pero no indica a compras qué componente específico de una variante debe adquirir. Por el contrario, pronosticar por separado cada variante que se pide con poca frecuencia puede generar más ruido que información útil. Mantenga la coherencia entre el total de la familia y su desglose por artículo, y revise si los cambios en la combinación de productos afectan a los materiales o a la capacidad.

En la fabricación contra stock, los pronósticos ayudan a tomar decisiones de reposición. En la fabricación bajo pedido, los pedidos en firme pueden determinar el lanzamiento de las órdenes, mientras que los pronósticos ayudan a preparar la capacidad compartida o los suministros con un lead time largo. Disponer de un pronóstico no obliga a fabricar productos terminados para almacenarlos a la espera de posibles ventas.

Mantenga separado el objetivo de ventas. Este expresa lo que la empresa quiere vender; el pronóstico refleja lo que, en ese momento, se espera que necesiten los clientes. Reducir el pronóstico para ajustarlo a la capacidad actual de la fábrica oculta la posible demanda no atendida, en lugar de resolverla.

2. Prepare un historial de demanda que refleje las necesidades de los clientes

Utilice una serie coherente de cantidades demandadas por artículo y periodo. El informe de expediciones de su ERP puede servir como punto de partida, pero compruebe qué representan realmente sus fechas y cantidades.

Las entregas tardías suelen distorsionar el análisis. Las unidades solicitadas para una semana pero expedidas en la siguiente pueden hacer que la demanda parezca baja en la primera e inusualmente alta en la segunda. Si su objetivo es prever cuándo debe estar disponible el producto, utilice, siempre que sea posible, el periodo solicitado por el cliente. Así evitará que sus propios retrasos en las entregas se interpreten como un patrón de demanda.

Revise el historial con los equipos de ventas y operaciones:

• Corrija los registros duplicados, las conversiones de unidades y los cambios de código de producto. Trate las devoluciones y cancelaciones según su causa, en lugar de considerar cada ajuste como nueva demanda negativa.
• Conserve los periodos en los que realmente no hubo demanda. La ausencia de un registro no equivale automáticamente a un cero, y eliminar las semanas sin actividad puede inflar la estimación.
• Identifique las roturas de stock, las restricciones por asignación de existencias y las limitaciones de capacidad. Expedir 60 unidades cuando los clientes querían 100 no demuestra que la demanda fuera de solo 60. Utilice las solicitudes no atendidas que hayan quedado registradas, si dispone de ellas; si estima la demanda perdida, indique expresamente que se trata de una estimación.
• Identifique las promociones, los contratos puntuales, los lanzamientos y los productos descatalogados. Conserve el historial original y documente por qué ajusta la serie utilizada para el modelo.

Represente en un gráfico las cantidades resultantes a lo largo del tiempo. Busque niveles estables, crecimientos o descensos sostenidos, picos estacionales recurrentes e intervalos largos entre pedidos. Estos patrones ayudan a decidir qué métodos conviene probar.

No elabore un pronóstico independiente para cada componente si sus necesidades vienen determinadas por los productos de nivel superior que se prevé fabricar. Esa demanda dependiente debe obtenerse a partir de la lista de materiales y del cálculo de necesidades de materiales. De lo contrario, corre el riesgo de generar respuestas contradictorias a una misma decisión de compra.

3. Elija el método de pronóstico según el patrón de demanda

No existe un método que sea el mejor para todos los productos fabricados. Empiece con una referencia sencilla y compruebe después si otro método mejora las decisiones que necesita tomar.

Comportamiento de la demanda	Un punto de partida razonable	Qué comprobar
Demanda relativamente estable	Una media móvil de datos recientes o un suavizado exponencial simple	Si el intervalo utilizado para calcular la media suaviza el ruido sin ocultar un cambio real
Demanda estacional recurrente	La última temporada comparable como referencia; un modelo de pronóstico estacional	Si han cambiado las fechas de los festivos, los días laborables o la gama de productos
Tendencia sostenida	Un modelo que contemple la tendencia, como el suavizado exponencial con tendencia	Si el crecimiento continúa o el producto se acerca a la madurez
Demanda vinculada a factores medibles	Regresión o un modelo de aprendizaje automático adecuado	Si la información sobre esos factores estará realmente disponible al emitir el pronóstico
Muchos periodos sin demanda y pedidos ocasionales	Un enfoque para demanda intermitente, como un método de tipo Croston	Los resultados a lo largo del horizonte de reposición, no solo si se predice cada semana sin demanda
Un producto nuevo con poco historial	Datos de productos comparables y valoraciones estructuradas del equipo de ventas y de los clientes	Los supuestos del lanzamiento, la sustitución de productos existentes y la rapidez con la que se aprende de la demanda real

El suavizado exponencial simple da más peso a las observaciones recientes, pero en su forma básica no modeliza la tendencia ni la estacionalidad. Los métodos de tipo Croston abordan la demanda intermitente considerando las cantidades distintas de cero y los intervalos entre ellas; no eliminan la incertidumbre sobre el próximo pedido.

Para ilustrar de forma sencilla una media móvil, imagine que la demanda de las últimas tres semanas fue de 80, 100 y 120 unidades. El pronóstico para la semana siguiente, calculado con una media móvil de tres semanas, es:

Pronóstico = (80 + 100 + 120) ÷ 3 = 100 unidades.

El cálculo es fácil de explicar, pero también puede reaccionar con retraso ante una tendencia real al alza. Tres observaciones sirven para mostrar la operación, no para demostrar que el método sea adecuado para ese producto.

Compare los métodos candidatos con referencias sencillas: la última demanda observada y, en los artículos estacionales, el último período estacional comparable. Un modelo más complejo debe justificar su uso con mejores resultados fuera de muestra o mejores decisiones operativas, no con un nombre sofisticado.

Un modelo que utilice promociones o indicadores económicos también necesita datos de entrada realistas sobre el futuro. Evaluarlo con información que no estaba disponible en la fecha del pronóstico hace que parezca mejor de lo que habría sido en la práctica. Una relación útil para predecir no demuestra, por sí sola, que modificar el factor explicativo vaya a causar un determinado aumento de las ventas.

4. Incorpore el conocimiento del negocio sin perder la referencia inicial

Los datos históricos no lo explican todo. Un cliente puede haber anunciado una parada, un distribuidor puede estar abriendo un nuevo establecimiento o un producto puede estar sustituyendo a un modelo anterior.

Mantenga visible el pronóstico estadístico de referencia y registre por separado cada ajuste basado en información del negocio. Incluya la cantidad, el período, el motivo, el responsable y la fecha de revisión. Antes de añadir un efecto, compruebe si ya está recogido en el modelo o en otro ajuste.

Imagine que el pronóstico de referencia es de 100 unidades para una próxima semana. El equipo de ventas aporta pruebas de que un nuevo cliente demandará 20 unidades adicionales, que no están incluidas en ninguna estimación previa. El pronóstico revisado pasa a ser de 120 unidades. Si el cliente está trasladando la demanda desde otro producto, ajuste también el pronóstico de ese producto en lugar de registrar el cambio como crecimiento neto.

Así, la revisión se centra en cuestiones concretas: ¿se materializó la demanda adicional, en qué período y mejoró el pronóstico con el ajuste? Compare a lo largo del tiempo el error del pronóstico de referencia con el del pronóstico ajustado. Conserve los ajustes que aporten información e investigue los que añadan optimismo de forma reiterada.

Ante un lanzamiento incierto o un contrato importante, conserve un escenario base y escenarios plausibles de mayor y menor demanda, junto con sus supuestos. Son escenarios de planificación, no intervalos de predicción calibrados estadísticamente. Utilícelos para identificar qué decisiones cambiarían: reservar materiales, añadir un turno o decidir más adelante si se fabricarán productos terminados para stock.

5. Mida el error del pronóstico con la antelación que importa

Guarde cada pronóstico emitido con su fecha, período previsto, artículo y versión. Cuando conozca la demanda real, compárela con la versión disponible en el momento en que la empresa tuvo que actuar, no con la última revisión realizada justo antes de la entrega.

Para seleccionar el método, realice una simulación histórica fuera de muestra. Ajuste el método utilizando únicamente la información disponible en una fecha pasada, genere el pronóstico para el horizonte necesario y, después, avance la fecha de corte y repita el proceso. Este enfoque de origen móvil reproduce la tarea real sin permitir que se utilicen observaciones futuras para pronosticar el pasado.

Un ejemplo de error del pronóstico

Imagine que evalúa cuatro semanas de un mismo producto. En cada fila de la tabla siguiente, el pronóstico guardado se emitió cuatro semanas antes de la semana correspondiente. Aquí, el error con signo se calcula restando la demanda real al pronóstico, por lo que un valor positivo indica una sobreestimación.

Semana prevista	Pronóstico guardado	Demanda real	Error con signo	Error absoluto
Semana 1	110	100	+10	10
Semana 2	110	120	−10	10
Semana 3	110	80	+30	30
Semana 4	110	100	+10	10
Total	440	400	+40	60

Tres indicadores explican distintos aspectos de ese resultado:

Error absoluto medio (MAE) = suma de los errores absolutos ÷ número de períodos = 60 ÷ 4 = 15 unidades por semana.

El MAE expresa la magnitud habitual del error en unidades del producto, de forma fácil de interpretar. No indica si los pronósticos tienden a quedar por encima o por debajo de la demanda real.

Error porcentual absoluto ponderado (WAPE) = suma de los errores absolutos ÷ suma de la demanda real × 100 = 60 ÷ 400 × 100 = 15%.

Para estas cantidades de demanda no negativas, el WAPE expresa el error absoluto en relación con la demanda total. No significa que el error del pronóstico de cada semana estuviera dentro del 15%, ni que exista una probabilidad del 85% de satisfacer la demanda.

Error medio con signo, o sesgo = suma de los errores con signo ÷ número de períodos = 40 ÷ 4 = +10 unidades por semana.

Según la convención de signos indicada, el pronóstico sobreestimó la demanda en promedio. En las cuatro semanas, superó la demanda real en 40 unidades, equivalentes al 10% de la demanda real total. Las sobreestimaciones y las subestimaciones pueden compensarse al sumar los errores, por lo que el sesgo por sí solo no permite describir su magnitud.

Estas cuatro filas ilustran los indicadores, pero no constituyen un historial suficiente para validar el pronóstico. Realice suficientes pruebas de origen móvil para representar las temporadas, los patrones de pedidos y los cambios relevantes para el producto.

Evite indicadores de precisión engañosos

El MAPE divide el error absoluto de cada período entre la demanda real de ese período. No está definido cuando la demanda real es cero y resulta inestable cuando se aproxima a cero, por lo que no es una buena opción por defecto para productos con demanda poco frecuente en la industria.

El WAPE admite algunos períodos sin demanda, pero no está definido si la demanda real total es cero. Su denominador también cambia con el volumen: un aumento de la demanda puede mejorar el porcentaje aunque el error en unidades no haya disminuido. Evalúelo junto con el MAE, el sesgo y el pronóstico de referencia sencillo, utilizando los mismos períodos de prueba.

El total de una familia puede ocultar que se sobreestima sistemáticamente la demanda de una variante mientras se subestima la de otra. Revise los productos que generan riesgo de incumplimiento del servicio, existencias costosas o carga en recursos productivos críticos, no solo el promedio global.

No existe un porcentaje de error del pronóstico aceptable en todos los casos. Un error de 15 unidades tiene consecuencias distintas para una pieza común y barata que para un conjunto terminado de baja rotación. Evalúe el pronóstico teniendo en cuenta el coste de los faltantes y los excedentes, el lead time de reposición y las opciones de respuesta disponibles. Defina los márgenes de protección según la incertidumbre y la política de servicio; no se limite a sumar el MAE a cada cantidad que vaya a producir.

6. Convierta el pronóstico en una decisión de producción

El pronóstico revisado es una estimación de la demanda de los clientes. La cantidad que se va a producir es una decisión aparte que tiene en cuenta los pedidos confirmados, el inventario utilizable, las entradas previstas de las órdenes de producción existentes y el nivel de existencias que se desea mantener.

Evite contabilizar dos veces la misma demanda. Si el pronóstico es de 120 unidades y los pedidos confirmados cubren 70 de ellas, una política sencilla de consumo del pronóstico dentro del mismo período deja 50 unidades previstas aún sin cubrir por pedidos. La demanda total sigue siendo de 120, no de 190. La política que utilice en la práctica puede consumir el pronóstico entre distintas fechas o clases de demanda.

Imagine ahora que dispone de 30 unidades terminadas utilizables, desea conservar 10 al cierre del período y no tiene entradas de producción pendientes. Para cubrir las 120 unidades, habría que proponer la fabricación de 100 unidades: 120 + 10 − 30. Esto supone que tanto las existencias como las unidades que se terminen estarán disponibles antes de la fecha en que deban satisfacer la demanda.

El plan maestro de producción detalla estas cantidades y fechas de disponibilidad por artículo. El MRP calcula los materiales y componentes necesarios para las cantidades cuya fabricación se haya aprobado. Ni el pronóstico ni el saldo de inventario demuestran que la fábrica tenga capacidad para producirlas a tiempo.

Por ejemplo, suponga que fabricar esas 100 unidades requiere 0,2 horas de máquina por unidad más dos horas de preparación: 22 horas en la máquina crítica. Otros compromisos ya requieren 20 horas en esa misma máquina, y solo hay 40 horas disponibles antes de la fecha de finalización requerida. La carga propuesta es de 42 horas. Es necesario resolver ese déficit de dos horas, utilizar una alternativa apta o revisar algún compromiso.

No reduzca el pronóstico de la demanda de los clientes a 110 solo para ajustar la carga a la capacidad de la máquina. Mantenga visible la estimación de la demanda y decida cómo cubrir la diferencia entre la demanda y lo que puede suministrar.

Utilice SkyPlanner para programar el trabajo necesario para responder a la demanda

Cuando un cambio en el pronóstico le lleva a modificar un compromiso de fabricación, puede ser necesario revisar la programación de varias máquinas y órdenes. Añadir un lote afecta a las operaciones posteriores, al trabajo que ya está en esas colas y a las fechas de entrega que dependen de todo ello.

SkyPlanner APS reúne ese trabajo en un único programa compartido para los recursos productivos. Defina las estaciones de trabajo, los turnos, los operarios, las etapas del proceso y sus duraciones; después, utilice las prioridades y los bloqueos para orientar el plan. Arcturus, la IA de programación de SkyPlanner, calcula dónde situar cada tarea en función de la capacidad configurada, los recursos productivos aptos y las dependencias entre operaciones. La vista de Gantt muestra la secuencia y las fechas de finalización resultantes.

Para la fabricación propuesta de 100 unidades, esto permite relacionar las necesidades de mecanizado con el resto de la ruta de fabricación y con las demás tareas que comparten esos recursos productivos. Puede comprobar si un cambio de turno aprobado o una prioridad distinta permiten terminar el trabajo a tiempo, sin tener que ajustar manualmente la cola de cada máquina afectada.

Cuando se activa la programación que tiene en cuenta los materiales, Arcturus considera las existencias y la disponibilidad de los materiales pendientes de recibir al calcular las horas de inicio. Las fechas previstas de entrega de las compras indican una disponibilidad esperada; las existencias se actualizan cuando se confirma la recepción. No basta con que una máquina esté libre si el material no está disponible o la operación anterior no ha finalizado.

Mantenga las decisiones sobre pronósticos y reaprovisionamiento en su proceso de planificación de la demanda o en su ERP. SkyPlanner no genera automáticamente tareas de fabricación a partir de los pronósticos; programa el trabajo de producción que usted crea o incorpora mediante una integración. SkyPlanner se integra con cualquier ERP o MES a través de su API REST abierta, por lo que puede conservar el sistema que gestiona esas decisiones y mejorar su ejecución detallada.

Ese es el motivo para elegir SkyPlanner cuando los cambios en la demanda obligan una y otra vez a programar manualmente: los planificadores deciden qué es prioritario y Arcturus calcula la secuencia de trabajo en los recursos productivos para llevar esas decisiones a la práctica.

Qué cambió en Fredman Operations al agilizar la reprogramación

Fredman Operations, un fabricante finlandés de productos de cocina y embalaje aptos para el contacto con alimentos, antes priorizaba las tareas manualmente, sin conocer con precisión cuándo quedarían libres las máquinas ni qué capacidad tendría disponible en cada turno. Una reprogramación urgente podía llevar una hora o más.

La implantación de SkyPlanner conectó sus sistemas L7 y LTR y reunió la capacidad y el trabajo en una vista de Gantt compartida. Según relata el cliente, evaluar una solicitud para adelantar toda la cartera de pedidos lleva segundos, en lugar de horas de cálculo manual. El equipo también señala que realiza menos horas extra y responde más rápido a los cambios de programación.

El beneficio relevante está en la respuesta de producción: comprender cómo afecta un cambio en las necesidades al trabajo y a las fechas de entrega cuando aún hay tiempo para actuar.

Mantenga conectados el pronóstico y la respuesta de la fábrica

Establezca una frecuencia de revisión acorde con las decisiones que debe tomar. Actualice el pronóstico de base a medida que lleguen nuevos datos de demanda, revise las desviaciones importantes con ventas y haga un seguimiento del error del pronóstico archivado con la antelación que requiere cada decisión. No permita que las revisiones rutinarias modifiquen, sin que nadie lo advierta, los compromisos que producción ya se está preparando para ejecutar.

Cuando un cambio acordado modifique una cantidad de fabricación o una fecha de disponibilidad, actualice el trabajo de producción y revise su programación en los recursos productivos. Así, compras, producción y ventas tendrán una visión coherente de lo que ha cambiado y de lo que se puede entregar ahora.

Para ver cómo gestionar esa respuesta con menos planificación manual, reserve una demostración de SkyPlanner. Traiga un ejemplo de una cantidad de producción que haya decidido tras un cambio en el pronóstico, junto con su ruta de fabricación y las fechas en que los productos deben estar disponibles. Estos datos son un punto de partida práctico para ver el efecto sobre la capacidad compartida y los demás compromisos. Si prefiere explorar primero, pruebe SkyPlanner con datos de demostración.