RESUMEN:
Introducción: La previsión de la demanda resulta un elemento
fundamental en la planificación de las micro,
pequeñas y medianas empresas (Mypimes).
Objetivo: Desarrollar el pronóstico de la demanda mensual de la producción
terminada en la Empresa “Calzados
de Nela”, Sociedad
de Responsabilidad Limitada
(SRL), utilizando el herramental metodológico que más se adecue a las condiciones de la entidad
objeto de estudio.
Métodos: Los métodos fundamentales empleados en la investigación fueron los
siguientes: teóricos como el analítico – sintético para la revisión del
estado del conocimiento y la práctica, y la modelación para el diseño del procedimiento;
empíricos como la observación científica, análisis de documentos y comparativos, y entrevistas no
estructuradas; y estadísticos como el análisis de clasificación y de tendencia para el estudio de los datos y resultados.
Resultados: El resultado
fundamental logrado en la investigación lo constituye el procedimiento
propuesto para la realización del pronóstico de la demanda en la empresa objeto de estudio
práctico, a partir del análisis
de los de su tipo disponibles en la
literatura científica.
Conclusiones: La aplicación práctica de la propuesta pone de relieve la ventaja de
adoptar técnicas, métodos y
herramientas de la Administración de Operaciones en las Mypimes. Con dicha aplicación, en la Empresa “Calzados
de Nela”, SRL se logra identificar el método de pronóstico más adecuado según los parámetros característicos de
la demanda estudiada, así como realizar
la previsión de las ventas mensuales de zapatos para el año 2022 con un nivel
de precisión estimado
acertado según la medida
de error considerada.
Palabras clave:
administración
de Operaciones; Mipymes; pronóstico de la demanda.
ABSTRACT:
Introduction: Demand forecasting is a key element in the planning of Micro, Small and
Medium Enterprises (MSMEs).
Objective: To develop the forecast of the monthly demand of the finished
production in the Company
"Calzados de Nela", Limited Liability Company (LCC), using
the methodological tool that best suits the conditions of the entity under study.
Methods: The fundamental methods used in the research
were the following: theoretical methods
such as analytical-synthetic for the review of the state of knowledge and
practice, and modeling for the design
of the procedure; empirical methods such as scientific observation, document and comparative analysis, and
unstructured interviews; and statistical methods such as classification and trend analysis
for the study of the data and results.
Results: The fundamental result achieved in the research
is the proposed procedure for carrying out the demand forecast in the company
object of practical
study, based on the analysis of those of its type
available in the scientific literature.
Conclusions: The practical application of the proposal highlights the advantage of
adopting techniques, methods and
tools of Operations Management in the MSMEs. With this application, the company "Calzados de Nela",
(LCC) is able to identify the most appropriate forecasting method according to the characteristic
parameters of the studied demand, as well as to forecast the monthly sales of shoes for the year 2022 with an accurate
estimated level of precision (according
to the considered measure of error).
Keywords: demand forecasting; MSMEs; operations management.
INTRODUCCIÓN
Las
micro, pequeñas y medianas empresas (Mipymes) son un componente fundamental del tejido empresarial
en la actualidad, lo que se manifiesta en varias dimensiones, como su participación en el número total de
empresas o la creación de empleos (Vásquez et al., 2021; Goyes Noboa et al., 2020; Mulchandani et al., 2022). Cabe
destacar que estas se encuentran inmersas
en todas las actividades productivas de la economía, tales como el comercio al
por mayor y al por menor,
agricultura, silvicultura y pesca, industrias manufactureras, construcción, transporte, almacenamiento y comunicaciones, bienes inmuebles, entre otros.
Cuba
se encuentra inmerso en un profundo y necesario proceso de perfeccionamiento de
su sistema económico social,
expresado en los Lineamientos de la política económica y social del Partido
y la Revolución como resultado
del proceso de Conceptualización del modelo económico
y social cubano de desarrollo
socialista y el Plan nacional
de desarrollo económico
y social hasta 2030: propuesta
de visión de la nación,
ejes y sectores estratégicos. En este
contexto, se aprueba el decreto ley 46: 2021 (Ministerio de Justicia, 2021), el
cual regula la creación y funcionamiento de las
micro, pequeñas y medianas
empresas en el país.
En
la actualidad se han identificado un grupo de factores que pueden llevar al
fracaso a las Mipymes en el país;
dentro de esta se destacan los siguientes: la falta de suficientes fuentes de financiamiento en Moneda Libremente
Convertible (MLC), la reducción del poder adquisitivo del mercado
consumidor, el incremento del empleo informal, la disminución de la productividad y de la fuerza de
trabajo, el incremento del esquema de compra de las materias primas desde el exterior y/o ventas de materias primas con
componente de liquidez(CL). Por otra parte, como causas del funcionamiento interno de las Mipymes, sobresalen los gastos innecesarios provocados por los escasos procedimientos para administrar sus operaciones, luego se encuentra la mala selección del personal,
y el desconocimiento del mercado. En este contexto, emerge la Administración o Gestión de Operaciones (AO) como Fuente de herramientas orientadas a elevar la eficacia de las acciones acometidas en
las Mipymes para lograr el mejoramiento de su desempeño.
La Gestión
de Operaciones es el proceso
que planifica, organiza,
coordina y controla
eficazmente las operaciones responsables de la producción de bienes y servicios. Esta garantiza que se puedan gestionar eficazmente diversos atributos de la organización de fabricación, como
las personas, los equipos, la información y la tecnología (Heizer et al., 2020; Schroeder
y Goldstein, 2021; Stevenson, 2021). Un elemento determinante en el
desarrollo de las diferentes decisiones que se toman en la AO es el pronóstico de la demanda;
este constituye el insumo fundamental para operacionalizar las decisiones, tanto estratégicas, tácticas como operativas que se toman en
el desempeño productivo de las organizaciones
(Heizer et al., 2020; Jacobs y Chase, 2020).
Por supuesto,
las Mipymes, como cualquier negocio,
debe gestionarse desde su diseño,
planeación, gestión y administración. Las Mipymes, en Cuba, no tienen en cuenta el comportamiento de la demanda
de sus productos en el mercado lo que conlleva
a una ineficiente administración de sus recursos (materiales, humanos y financieros). A partir de esta
problemática se define como objetivo del presente artículo: desarrollar el pronóstico de la demanda mensual
de la producción terminada en la Empresa
“Calzados de Nela”, SRL, utilizando el herramental metodológico que
más se adecue a las condiciones de la entidad
objeto de estudio.
DESARROLLO
En
este apartado se muestra tres importantes temas para la comprensión y
desarrollo de la investigación. El primero estará
dedicado a las micro, pequeñas
y medianas empresas donde se muestran las características generales
de este tipo de actor económico a nivel mundial, su importancia y características propias de estas en Cuba. El
segundo muestra un análisis de la bibliografía
internacional y nacional acera de conceptos, características y campos de acción
de la Administración de
operaciones. Además, en el tercer
apartado, se presenta un análisis
general sobre los pronósticos de demanda y su importancia para las organizaciones.
Las
Micro, Pequeñas y Medianas Empresas
Las
Mipymes, tienen un papel decisivo en la competitividad y en el dinamismo de la
economía. Los autores Goyes Noboa et al. (2020) las definen como unidades económicas con personalidad
jurídica que poseen dimensiones y características propias, y que tienen como objetivo desarrollar la producción de bienes
y la prestación de servicios que satisfagan las necesidades de la sociedad. En este sentido, para desarrollar su
potencial de crecimiento, países
pioneros en la creación de estos actores económicos como Estados Unidos, Japón
y la Unión Europea suelen desarrollar un proceso de promoción del emprendimiento y la creación
de un marco empresarial respetuoso con las pequeñas empresas, lo cual ha
tenido como resultado que actualmente
representan alrededor del 90% de las empresas y proporcionan dos de cada tres de los empleos del sector privado
a nivel mundial (Vásquez et al., 2021; Mulchandani
et al., 2022). Las Mipymes se caracterizan como sociedades mercantiles, que adoptan
la forma de sociedad de responsabilidad limitada
donde su clasificación varía dependiendo del
país, generalmente se clasifican en micro, pequeñas y medianas empresas teniendo en cuenta el número de
trabajadores, el volumen de ventas y el valor de sus activos (Jewalikar y Shelke, 2017; Mulchandani et al., 2022).
Hoy, un nuevo escenario se configura en Cuba para el emprendimiento
privado. La creación de Mipymes forma
parte del perfeccionamiento de los actores económicos, proceso encaminado a poner en su justo lugar todas las formas
de gestión que componen la economía cubana, con el fin de desatar su potencial y contribuir al desarrollo
socioeconómico del país. De acuerdo con el
Decreto-Ley No. 46, estas nuevas formas de gestión se diferencian entre
sí por el número de personas que la
conforman (microempresas, pequeñas y medianas), incluidos sus socios, y por el tipo de propiedad (privadas,
estatales o mixtas). Al mismo tiempo, cuentan con autonomía empresarial, la cual les permite realizar
importaciones y exportaciones; definir sus productos, servicios, proveedores, clientes,
destinos e inserción
en el mercado; operar cuentas bancarias y acceder a fuentes lícitas de
financiamiento; fijar precios de bienes y servicios, con excepción de aquellos que sean de aprobación
centralizada; así como, realizar las inversiones requeridas para su desarrollo.
Administración de Operaciones
(AO)
Las
empresas realmente exitosas tienen una idea clara y centrada de cómo intentan
generar mayores beneficios. Producir
y distribuir competitivamente productos de alta gama y servicios personalizados a la medida de las necesidades de un solo cliente o productos básicos
genéricos y de bajo costo comprados
en gran cantidad en función del costo, es un desafío.
La AO se centra en la coordinación de áreas funcionales de la empresa
con el fin de asegurar
la identificación de las necesidades del cliente, así como en la
completa satisfacción de estas en ambientes altamente dinámicos
(Stevenson, 2021; Krajewski y Malhotra, 2022). La revisión del objetivo de las organizaciones de
fabricación o de servicios, como principio impulsor de sus operaciones, se expresa habitualmente, como la generación
de beneficios.
La AO ha evolucionado al mismo tiempo
que el campo empresarial, motivado
principalmente por las necesidades del cliente, la tecnología, las situaciones sociales
y los factores económicos,
la globalización y la competencia para conquistar los mercados mundiales
(Collier y Evans, 2021; Johnston et
al., 2021). Por lo que, prácticamente surgió cuando los sistemas productivos se convirtieron en empresas de producción a gran escala,
y con la competencia
existente para alcanzar las preferencias de los clientes, que es la
base del crecimiento de la empresa,
así como de su estabilidad y permanencia (Helmold,
2020).
En ese sentido, es definido por algunos de los estudiosos
del tema, como el campo específico de la administración que está relacionado con la gestión
de suministros, teniendo
como prioridad la optimización
de las entradas en la cadena de valor, así como, de la gestión de recursos, salidas del proceso y entregas a
los clientes (Bozarth y Handfield, 2019). También, es comprendido como el proceso que identifica las actividades necesarias para planificar, desarrollar, organizar y mejorar todas las
actividades que se llevan a cabo en el ámbito del trabajo (Stevenson, 2021). Sin embargo,
no se aplica exclusivamente a las actividades operativas, sino también al desarrollo logístico y empresarial (Heizer
et al., 2020; Schroeder y Goldstein, 2021).
Del mismo modo, la AO se considera como el conjunto de
técnicas que se aplican durante los procesos,
relacionando las actividades del área de producción con las de las áreas
funcionales de la empresa, con la finalidad
de lograr los resultados deseados,
de acuerdo con las estrategias desarrolladas en la propia organización (Stevenson, 2021). La AO es, por lo tanto, la creación de una mezcla de técnicas
para lograr, en cualquier tipo de empresa, mejoras importantes en términos
de eficiencia y satisfacción de clientes.
En la revisión de la literatura (Heizer
et al., 2020; Helmold, 2020; Jacobs y Chase, 2020; Schroeder y Goldstein, 2021; Stevenson,
2021), existe un acuerdo de que la AO es el conjunto de técnicas que se aplican directamente a los procesos de
producción durante la realización de cada
una de sus etapas, desde el momento en que se obtiene información para
determinar las necesidades del
cliente, hasta la entrega de bienes y servicios realizados en condiciones previstas a los mismos. Además, tiene el propósito de optimizar
los resultados obtenidos en cada
etapa durante el proceso de transformación de insumos en productos, utilizando
avances técnicos y tecnológicos disponibles.
Varios de los principales estudiosos de Administración de
Operaciones a nivel mundial (Bozarth y Handfield, 2019; Heizer et al., 2020; Jacobs y Chase, 2020; Schroeder y
Goldstein, 2021) coinciden en que esta tiene la responsabilidad de diez importantes áreas de decisiones: diseño del producto y del servicio, gestión de la calidad,
diseño de procesos, localización, diseño de la
organización, recursos humanos
y del trabajo, gestión del abastecimiento, gestión
del inventario, planificación de la producción
y gestión del mantenimiento.
Pronósticos de demanda
La
previsión es el arte y la ciencia de predecir acontecimientos futuros (Heizer et al., 2020; Schroeder y Goldstein, 2021; Bisht y Ram, 2022). Lo que hace que la demanda sea especialmente difícil
de medir es el hecho de que fluctúa en respuesta a una serie de influencias (Bisht y Ram, 2022).
Las organizaciones enfrentan un conjunto diferente de
problemas mientras se involucran en la planificación
y, en cada uno de ellos, la previsión o pronóstico de la
demanda juega un papel importante. La previsión
es un factor importante para que las organizaciones puedan
anticiparse a los cambios en las necesidades de los clientes
y suministrarles nuevos
diseños de bienes y
servicios en el momento en que los necesita, y lograr así ser competitivos en
un mercado tan cambiante como el que prevalece en la actualidad (Stevenson, 2021; Ensafia et al., 2022).
Para
elaborar previsiones precisas, una organización debe tener en cuenta el tipo de datos utilizado,
la naturaleza del análisis realizado, la posición del producto o servicio en su
ciclo de vida, el horizonte temporal en el que se deriva la previsión y las
herramientas y técnicas empleadas, los cuales pueden variar de una situación
a otra (Bozarth y Handfield, 2019; Schroeder y Goldstein, 2021).
Las
previsiones pueden elaborarse mediante un enfoque cualitativo o uno
cuantitativo. Los métodos de
previsión cualitativos adoptan un enfoque subjetivo, se basan en estimaciones y opiniones. Los métodos cuantitativos
utilizan una expresión matemática o un modelo para mostrar la relación entre la demanda y alguna variable o
variables independientes. Existen muchos
tipos diferentes de técnicas de pronóstico, y no hay ninguna que funcione mejor
en todas las situaciones. El modelo
adecuado para la previsión depende de la trayectoria de la demanda que se quiera proyectar
y de los objetivos del pronosticador para el modelo (Bozarth y
Handfield, 2019; Heizer et al., 2020; Schroeder
y Goldstein, 2021).
Desde el punto de vista del horizonte de tiempo; a largo plazo las proyecciones de la demanda son necesarias para la planificación estratégica de negocios; a
medio plazo, se emplean para proyectar
la demanda agregada para la planificación de la producción; y a corto plazo,
son necesarias para los artículos y
está asociada a la programación maestra de la producción (Heizer et al., 2020; Jacobs y
Chase, 2020). En la tabla 1 se presenta un resumen de los usos de los
pronósticos para algunas decisiones de la Administración
de operaciones.
Tabla
1. Usos del pronóstico para decisiones de la Administración de operaciones
|
Decisiones
|
Horizonte de tiempo
|
Precisión requerida
|
Número
de previsiones
|
Método
de pronóstico
|
|
Diseño de procesos
|
Largo
|
Media
|
Simple o pocas
|
Cualitativo o causal
|
|
Planificación de la capacidad de las instalaciones
|
Largo
|
Media
|
Simple o pocas
|
Cualitativo o causal
|
|
Planeación agregada
|
Medio
|
Alta
|
Pocas
|
Causal y series de tiempo
|
|
Programación de la producción
|
Corto
|
Elevada
|
Muchas
|
Series de tiempo
|
|
Gestión de inventarios
|
Corto
|
Elevada
|
Muchas
|
Series de tiempo
|
Fuente: Schroeder y Goldstein, 2021
Autores
como Heizer et al.
(2020), Helmold (2020),
Johnston et al. (2021) y Schroeder y Goldstein (2021) son del criterio
de que, aunque se necesita algún tipo de estimación de la demanda para los servicios o bienes
individuales producidos por una empresa, puede ser
más factible pronosticar la demanda
total para grupos o familias y luego derivar pronósticos de productos
o servicios individuales. Además, Krajewski y Malhotra (2022) plantean que seleccionar la unidad de medida correcta
para pronosticar puede
ser tan importante como elegir el mejor método.
Todas las previsiones están sujetas a errores, y entender
la naturaleza y el tamaño de estos es importante
para tomar buenas decisiones, para elegir entre varias alternativas de
previsión o evaluar el éxito o el
fracaso de una técnica en uso. Está claro que se desean utilizar modelos que tengan pequeños
errores de previsión. Los términos más comúnmente utilizados para estos fines
son el error estándar, el error cuadrático medio (o varianza), la desviación
absoluta media y el error porcentual absoluto medio.
Además, se pueden utilizar señales de seguimiento de rastreo para indicar
cualquier sesgo positivo
o negativo en la previsión
(Cachon y Terwiesch, 2020; Jacobs y Chase, 2020;
Collier y Evans, 2021; Schroeder y Goldstein, 2021; Stevenson, 2021).
MATERIALES Y MÉTODOS
En
la investigación realizada se emplea un procedimiento de elaboración propia el
cual se soporta en las propuestas de
Cachon y Terwiesch (2020), Jacobs y Chase (2020), Heizer et al. (2020), Schroeder y Goldstein (2021) y
Krajewski y Malhotra (2022). Este procedimiento consta de cuatro pasos para el desarrollo de un sistema
de pronósticos y propone una forma sistemática de iniciar, diseñar e
implementarlo. A continuación, se realiza una descripción analítica de la propuesta.
Paso 1. Conformar y organizar el equipo de trabajo
El
inicio de todo proceso lo constituye la conformación del equipo de trabajo que
se encargará de liderar y ejecutar el
desarrollo del procedimiento general. Para ello se seleccionan, como miembros, a especialistas con
conocimientos generales sobre pronósticos de demanda (de ser necesario
se realizará la capacitación de los expertos
involucrados sobre las técnicas y métodos
a emplear), y se establece el plan de trabajo del equipo. Los miembros tienen
que ser capaces de llevar a cabo las
tareas siguientes: organizar y dirigir el accionar de los grupos de trabajo específicos que se conformen en
determinadas etapas del procedimiento; recopilar la información necesaria para desarrollar cada una de las etapas; y
realizar los análisis incluidos en cada etapa,
así como aplicar los softwares que se consideren necesarios.
Paso 2. Determinar el propósito del pronóstico y los modelos
a ser usados
El
segundo paso es tener claridad sobre el propósito detrás del desarrollo del
pronóstico, por lo que se debe
conocer por qué se desarrolla el mismo; para ello se le debe dar respuesta a
las interrogantes siguientes: ¿La organización está interesada en lanzar nuevas líneas de productos en un futuro próximo? ¿Está tratando de estimar los recursos necesarios para cumplir con los objetivos
de producción para el próximo
año? ¿Está analizando el impacto de los
cambios a corto plazo en la demanda con miras a ajustar la capacidad para
satisfacer la demanda? En el primer caso, el horizonte de tiempo es a largo
plazo, en el segundo caso se
aborda un requisito a mediano plazo, mientras que en el tercero se centra en
los requisitos a corto plazo.
Una vez que el propósito, el horizonte temporal
y los datos requeridos están claramente identificados, la siguiente acción
consiste en elegir un modelo de pronóstico apropiado dentro del universo disponible. Mediante un
análisis minucioso de la literatura especializada (Jiang et al., 2020; Badulescu et al., 2021; Omar y
Kawamukai, 2021; Ensafia et al., 2022) se pudo
observar que cuando existen tendencia, aleatoriedad y fenómenos
repetitivos temporales (estacionalidad y ciclo) resulta
útil el método de series de tiempo “Holt-Winters”, también
conocido como método de suavizado
exponencial triple, por lo que se decide asumir su aplicación en la investigación.
El método de Holt-Winters forma parte de la familia de técnicas de
alisado exponencial y está indicado para aquellas series que presentan
tendencia y estacionalidad. En este tipo de técnicas
se hace uso de datos históricos para obtener una serie más suave a partir de la cual se
hace la previsión. Se toman en consideración todos los datos previos al periodo
de previsión disponibles, aunque se
les otorgan pesos decrecientes exponencialmente a medida que se distancian de dicho periodo. Una de las
ventajas del alisado exponencial triple radica en que se define mediante recurrencias muy simples, de manera que se
facilitan los cálculos y se reducen los
requerimientos de almacenamiento de datos, lo cual cobra mucha importancia
cuando se trabaja con un volumen de
series elevado.
Paso 3. Desarrollar el modelo de pronóstico seleccionado
El
método de Holt-Winters incorpora tres constantes, alfa (α) para controlar el ruido y beta (β) para trabajar la tendencia, tal y como lo hace la metodología de Holt para dar cuenta del nivel de datos y su tendencia, agregando
además gamma (ϒ), para modelar el fenómeno
estacional o cíclico.
La notación para obtener el modelo
se muestra a continuación:
yt:: ventas registradas en el periodo t
yˆ: previsión
de ventas para el período t basada en los datos t-1
yˆt+k|t:
previsión de ventas para el periodo t + k basada en datos hasta t Lt: nivel medio desestacionalizado de la serie
en el
periodo t
Tt: tendencia de la serie en el periodo t, es decir, incremento o decremento del nivel medio
desestacionalizado durante un periodo
St: componente estacional en el
periodo t
Cuando se dispone
de una nueva observación los tres términos
que intervienen (Lt, Tt y St) se actualizan de forma iterativa mediante alisado exponencial. Las ecuaciones de
actualización son las siguientes:
Yt +k/t =Lt +Ttk+St +k - 12)
Paso 4. Validar los resultados
(5)
Una
forma de monitorear las previsiones para asegurarse de que estén funcionando
bien es comparar los valores pronosticados con los reales observados,
o sea, determinar el error cometido. Para el desarrollo de este paso se recomienda el empleo de las medidas
mencionadas en el apartado donde
se abarcó lo referente al Pronóstico de demanda. Para cada situación específica, los
decisores deben escoger cuál(es) de las medidas utilizar, en correspondencia a los objetivos de la previsión.
Es importante destacar el carácter
dinámico en el tiempo que debe tener la función
de pronóstico para que el
modelo reaccione y se adapte progresivamente al comportamiento de la serie cada vez que se obtenga una nueva información, o sea, el proceso de previsión debe estar
sometido a un control por retroalimentación de manera continua con la realidad,
de forma que los nuevos datos obtenidos modifiquen el modelo
de pronóstico y por ende la previsión.
RESULTADOS Y DISCUSIÓN
En
el presente apartado se exponen los resultados alcanzados mediante la
implementación del procedimiento propuesto
en la Empresa “Calzados de Nela” SRL del municipio
Yaguajay, provincia de Santi Spíritus.
El
equipo de trabajo encargado de la aplicación del procedimiento quedó conformado
por el especialista principal de la
empresa (Especialista “A” en gestión comercial), el Administrador de la empresa y un especialista en comercio exterior
y estudios de mercado de la Mipyme
Analytica SRL.
El
propósito del pronóstico consistió en determinar la demanda mensual de pares de
zapatos para el año 2022, a partir de
los niveles históricos de ventas
alcanzados por el titular del negocio
como trabajador por cuenta propia desde el año 2019 hasta diciembre del 2021
(ver Figura 1), el cual es hoy el
único socio de la sociedad mercantil “Calzados de Nela” SRL, fundada
en enero de 2022. El análisis de los datos evidencia que estos presentan
una tendencia creciente en su
comportamiento cada 12 meses; de igual manera, se observa cierta estacionalidad, mostrándose un incremento
sostenido de las ventas en los períodos de enero a agosto de cada año y luego un descenso desde septiembre a
diciembre. Este comportamiento justifica el empleo del método
de Holt-Winters en la estimación de la demanda futura.
Figura 1. Comportamiento mensual de las ventas en el período 2019 – 2021 (en miles de pares
de zapato)
Fuente: Elaboración propia
Como
punto de partida para aplicar el método seleccionado para realizar el
pronóstico es necesario definir el
valor inicial de cada una de las tres componentes L12, T12, St-12, así como las constantes
α, β y γ.
L12 =γi =γ1
T12 = yi +1- yi = y2 - y1
12 12
S12 =y12-L12
Ù
A continuación, se trabaja mes a mes calculando desde L13, T13, S13 y Y13 hasta L36, T36, S36 y
Ù
Y36, utilizando las ecuaciones 1, 2, 3, y 4, como se ejemplifica a continuación:
L13 =α(y13- S13- 12)+(1-α)(L13- 1+T13- 1)
T13 =β(L13-L13- 1)+(1-β)13- 1
S13 =γ(y13- L13)+(1-γ)S13- 12
Y13 =L13- 1+T13- 1+S13- 12
En consecuencia, el cálculo del pronóstico mensual de las ventas para el año 2022 se realiza a
través de la ecuación 5, lo cual resulta como sigue:
Y36 +1/ 36 =L36+T361+S36 +1 - 12
Mediante
el empleo de la herramienta Solver de Excel, proponiéndose como objetivo, según decisión del grupo de trabajo, minimizar
el valor del MAPE, se realiza la optimización de los resultados. Los valores resultantes para las constantes α, β
y γ, fueron de 0.34, 0.02 y 0.09, respectivamente, y el pronóstico de ventas mensual
para el año 2022 tal y como se presenta
en la Figura 2.
Figura 2. Comportamiento de las ventas y el pronóstico
en el período 2019 – 2022
Fuente: Elaboración propia
Finalmente,
se realizó el monitoreo y control del pronóstico con el fin de corroborar si el
método empleado sigue siendo válido;
para esto se empleó la Señal de rastreo, utilizando límites de control (LC) de ±
4 MAD. Se pudo corroborar que los resultados obtenidos se
mantienen dentro de los límites
establecidos por lo que, por el momento, no es necesario detener el proceso de pronóstico y corregir el método empleado.
Los
resultados obtenidos en la investigación permiten disponer de la previsión de
la demanda para períodos futuros
lo cual facilita y hace más efectivo el proceso
de planificación del proceso
productivo en la entidad objeto
de estudio, y con ello el desempeño
de las demás áreas funcionales de la entidad que dependen de dicha planificación. Además, fue posible demostrar el empleo de herramientas científicas, de cierta manera compleja, en situaciones concretas
de una Mipyme que se desempeña en un entorno muy dinámico
como el de la economía cubana.
CONCLUSIONES
Los
aspectos que caracterizan el entorno empresarial cubano actual donde se
desempeñan Mipymes como “Calzados de
Nela”, SRL obligan a las organizaciones a ser cada vez más flexibles. Una de las formas de lograr
esta tan demandada flexibilidad es mediante el uso de un procedimiento que cree el mejor pronóstico posible y que sea
capaz de detectar con rapidez los cambios definitivos a corto plazo en la demanda y responder a ellos.
En estos momentos, en que los patrones de la demanda
cambian constantemente, el procedimiento propuesto
para su previsión constituye una valiosa herramienta que contribuye al logro del nivel competitivo que se le
exige a este tipo de organización de
reciente inserción en el entorno
empresarial cubano.
La
aplicación del procedimiento propuesto permitió realizar el pronóstico mensual
para el año 2022 en la Mypime objeto
de estudio, teniendo en cuenta las características de tendencia y estacionalidad presentadas por la demanda, garantizando una precisión adecuada
en correspondencia con la
medida de error seleccionada y las exigencias del monitoreo y control de pronóstico desarrollado.
REFERENCIAS BIBLIOGRÁFICAS
Badulescu, Y., Hameri, A.-P. y Cheikhrouhou, N. (2021). Evaluating demand forecasting models using multi-criteria decision-making approach. Journal of Advances in Management Research,18(5),661-683. https://www.researchgate.net/publication/349321745_Evaluating_demand_forecasting_models_using_multi-criteria_decision-making_approach/link/605346d2458515e8345433ab/download
Bisht, D. C. S. y Ram, M. (2022).
Recent Advances in Time Series Forecasting. Editorial CRC Press.
Bozarth, C., y Handfield, R. (2019). Introduction to operations and supply chain management. (5a ed.). Editorial Pearson.
Cachon, G. y Terwiesch, C. (2020). Matching Supply
with Demand. An Introduction to Operations Management. (4a
ed.). Editorial McGraw Hill Education.
Collier, D. A. y Evans,
J. R. (2021). Operations and Supply Chain Management. (2a ed.). Editorial CENGAGE.
Ensafia, Y., Amin, S. H., Zhang, G. y Shah, B. (2022). Time-series
forecasting of seasonal items sales using machine learning.
A comparative analysis.
International Journal of Information Management
Data Insights,
2(1), 100058. https://reader.elsevier.com/reader/sd/pii/S2667096822000027?token=EBF54324C38F03 24A56A9E3862993E1D2F223A86D4F856D99289D0FC57D4AA1BA187505E154A73B7C083AB5BB6F432CE&originRegion=us-east-1&originCreation=20230111192126
Goyes Noboa, J. E., Alvarado Pacheco, E. S., Gavilánez
Cárdenas, C. V. y Arguello
Pazmiño,
A. M. (2020).
Evolución de las Mipymes según el ciclo de vida.
Revista Universidad y Sociedad, 12(S1), 47-52. https://rus.ucf.edu.cu/index.php/rus/article/view/1750/1752
Heizer, J., Render, B. y Munson, C. (2020).
Operations
Management. Sustainability and Supply Chain
Management. (13a ed.). Editorial Pearson.
Helmold, M. (2020). Lean Management and
Kaizen. Fundamentals from Cases and Examples
in Operations and Supply Chain Management. Editorial Springer.
Jacobs,
F. R. y Chase, R. B. (2020). Operations and Supply Chain
Management. The Core. (5a ed.). Editorial
McGraw Hill Education.
Jewalikar, A. D. y Shelke, A. (2017). Lean Integrated
Management Systems in MSME Reasons, Advantages
and Barriers on Implementation. Materials Today: Proceedings, 4(2),
1037– 1044. https://doi.org/10.1016/j.matpr.2017.01.117
Jiang, W., Wu, X., Gong, Y., Yu, W. y Zhong, X. (2020).
HolteWinters smoothing enhanced by fruit
fly optimization algorithm to forecast monthly electricity consumption. Energy,
193, 1- 8. https://doi.org/10.1016/j.energy.2019.116779
Johnston,
R., Shulver, M., Slack, N. y Clark, G. (2021). Service
operations management. (5a ed.). Editorial
Pearson.
Krajewski, L. J. y Malhotra, M. K. (2022). Operations
Management. Processes and Supply Chains. (13a ed.) Editorial
Pearson.
Ministerio de Justicia
(2021). Decreto-Ley 46 Sobre las Micro, Pequeñas
y Medianas Empresas.
Gaceta Oficial de la república de Cuba, No. 94 Ordinaria, 19 de agosto.
Mulchandani, K., Jasrotia,
S. S. y Mulchandani, K. (2022). Determining supply chain effectiveness for Indian MSMEs: A
structural equation modelling approach. Asia Pacific Management Review. https://doi.org/10.1016/j.apmrv.2022.04.001
Omar, M. O. y Kawamukai, H. (2021). Prediction of NDVI
using the Holt-Winters model in high and low vegetation regions:
A case study of East Africa. Scientific African,
14. https://reader.elsevier.com/reader/sd/pii/S2468227621003215?token=51F8BE2A87E62E C6428F65C836A3C2FBCA08614B382010BDC7BE38F8A9AE84E847A69FCB3C30858
280C86CC2225FED96&originRegion=us-east-1&originCreation=20230111193250 Schroeder, R. y Goldstein, S. M. (2021).
Operations managements in the supply chain.
Decisions and cases. (8a ed.). Editorial McGraw Hill Education.
Stevenson, W. J. (2021). Operations management. (14a ed.). Editorial McGraw Hill Education.
Vásquez, J., Aguirre, S., Puertas, E., Bruno, G., Priarone, P. C. y Settineri, L. (2021). A sustainability maturity
model for micro,
small and medium-sized enterprises (MSMEs) based
on a data analytics evaluation approach. Journal of Cleaner Production, 311, 127692. https://repositorio.utb.edu.co/bitstream/handle/20.500.12585/10367/A%20sustai nability%20maturity%20model%20for%20micro,%20sm_Edwin%20Alexander%20Puer.p df?sequence=1
Conflicto de intereses:
Los autores declaran no tener conflictos de intereses.
Contribución de los autores:
J.E.F.C.: Participó en el
diseño y aplicación del procedimiento;
colaboró en la recolección de la información, análisis de los resultados y escritura del artículo.
A.A.Ll.: Participó en el diseño y aplicación
del procedimiento, y en el procesamiento y análisis de los resultados; así como, en la escritura, análisis y corrección completa
del artículo.
R.A.R.G.: Participó en el asesoramiento al grupo de trabajo encargado
de la aplicación del procedimiento. Colaboró en la corrección del artículo.
Márgenes publica sus artículos bajo una
Licencia Creative Commons
Atribución-NoComercial- SinDerivar 4.0 Internacional
