Inicio / Logística e inventarios

Previsión de demanda

Pegue el histórico de ventas o consumo y la calculadora prueba seis métodos, elige el de menor error y proyecta los próximos meses con una banda de confianza, lista para llevar al inventario de seguridad y al lote económico.

Herramienta de predimensionamiento y estimación: los resultados no sustituyen al proyecto, cálculo o informe firmado por un técnico competente ni la verificación conforme a las normas aplicables.

Estimación preliminarRevisión 02/11/2026
Histórico de demanda
Ver lo que se leyó

Use ventas o consumo real (salidas), no pedidos de compra. Los meses con rotura de inventario subestiman la demanda: corríjalos antes de pegar.

Métodos
Para los siguientes pasos

Los datos quedan solo en este navegador y no se envían. Desmarque para borrarlos.

—Previsión para el próximo periodo
—

Histórico, ajuste y previsión

Demanda real, previsión de un paso adelante del método elegido y previsión futura con su banda aproximada.

Toque el gráfico para ver los valores.

Comparación de los métodos

Previsión por periodo

Errores del método elegido

Demanda real menos previsión en cada periodo; barras por encima de cero: la previsión se quedó corta.

Toque el gráfico para ver los valores.

Siguiente paso

Lleve los resultados de esta página a otra calculadora, con los campos ya rellenados.

La memoria reúne entradas, resultados, ecuaciones, hipótesis y referencias de esta página, con campos para proyecto, responsable y revisión. El informe completo incluye también los gráficos y las interpretaciones, en color. En la ventana de impresión, elija Guardar como PDF.

Método, hipótesis y referencias

Ecuaciones utilizadas

Media móvil: F_t = (y_(t−1) + … + y_(t−n)) ÷ n; ponderada: pesos 1, 2, …, n (el mayor en el más reciente)
Exponencial simple: L_t = α·y_t + (1 − α)·L_(t−1); F_(t+1) = L_t
Holt: L_t = α·y_t + (1 − α)(L_(t−1) + b_(t−1)); b_t = β(L_t − L_(t−1)) + (1 − β)·b_(t−1); F_(t+h) = L_t + h·b_t
Holt-Winters aditivo: L_t = α(y_t − s_(t−m)) + (1 − α)(L + b); s_t = γ(y_t − L_t) + (1 − γ)s_(t−m); F = L + h·b + s; multiplicativo: y_t ÷ s, y_t ÷ L_t y F = (L + h·b)·s
Errores (e = y − F): MAD = Σ|e| ÷ N; RMSE = √(Σe² ÷ N); MAPE = Σ|e ÷ y| ÷ N; TS = Σe ÷ MAD; banda = F ± z·RMSE
Para el inventario de seguridad: demanda/día = media prevista ÷ días del periodo; desviación/día ≈ RMSE ÷ √(días del periodo)

Hipótesis y límites

  • Inicialización: exponencial simple con L = y_1; Holt con L = y_2 y b = y_2 − y_1; Holt-Winters con nivel y tendencia de las medias de los dos primeros ciclos e índices estacionales del primer ciclo sin tendencia.
  • Todos los métodos se comparan en los mismos periodos (tras el primer ciclo estacional o la mayor ventana de la media móvil), con previsión de un paso adelante. La búsqueda en rejilla prueba α, β y γ de 0,05 a 0,95 en pasos de 0,05: es una buena elección, no necesariamente el óptimo continuo.
  • La banda ±z·RMSE es aproximada y constante; en la práctica la incertidumbre crece con el horizonte. No trata demanda intermitente, promociones, roturas ni eventos futuros conocidos.

Normas y documentos técnicos

  • Hyndman, R. J.; Athanasopoulos, G. Forecasting: Principles and Practice, 3rd ed., OTexts, 2021 (exponential smoothing and Holt-Winters)
  • Winters, P. R. Forecasting sales by exponentially weighted moving averages. Management Science, 6(3), 324–342, 1960
  • Holt, C. C. Forecasting seasonals and trends by exponentially weighted moving averages, ONR Memorandum 52, 1957 (reprinted in International Journal of Forecasting, 20(1), 2004)
  • Silver, E. A.; Pyke, D. F.; Thomas, D. J. Inventory and Production Management in Supply Chains, 4th ed., CRC Press, 2017 (forecast errors and tracking signal)
  • Makridakis, S.; Wheelwright, S. C.; Hyndman, R. J. Forecasting: Methods and Applications, 3rd ed., Wiley, 1998

Legislación aplicable

  • Consulte la legislación vigente en su país sobre seguridad y salud en el trabajo, equipos a presión, instalaciones eléctricas y medio ambiente que se aplique a esta instalación.

Preguntas frecuentes

¿Para qué sirve la previsión de demanda?

Para planificar producción, compras, inventario y personal antes de que lleguen los pedidos. La previsión estadística usa el histórico de ventas o consumo para proyectar los próximos meses; después debe ajustarse con lo que sabe el área comercial (promociones, clientes nuevos, contratos perdidos).

¿Qué método elegir?

La calculadora los prueba todos en el mismo tramo del histórico y elige el de menor error. En general: media móvil y exponencial simple para demanda estable; Holt cuando hay tendencia de crecimiento o caída; Holt-Winters cuando hay estacionalidad (picos en ciertos meses). Multiplicativo cuando el pico crece con el volumen; aditivo cuando el pico tiene un tamaño fijo.

¿Cómo leo el resultado del ejemplo?

Con 36 meses de histórico, el método elegido es Holt-Winters multiplicativo (α = 0,05; β = 0,05; γ = 0,25), con un RMSE de 52,2 unidades y un MAPE del 3,2%. La previsión para ene/26 es de 1.354 unidades, con una banda del 90% entre unas 1.268 y 1.440. La media móvil de 12 meses falla casi tres veces más (RMSE de 150,9) porque no sigue el ciclo.

¿Cuántos periodos de histórico necesito?

La calculadora acepta de 12 a 60. Para Holt-Winters, al menos dos ciclos completos (24 meses para estacionalidad anual); con tres o más, los índices estacionales son más estables. Un histórico muy antiguo puede perjudicar si el mercado cambió: prefiera los últimos 3 a 5 años.

¿Qué son MAD, RMSE, MAPE y la señal de seguimiento?

El MAD es el error medio en unidades; el RMSE pesa más los errores grandes y sirve de base para la banda y para el inventario de seguridad; el MAPE es el error en porcentaje de la demanda. La señal de seguimiento (suma de errores ÷ MAD) indica sesgo: fuera de ±4, la previsión falla siempre hacia el mismo lado.

¿Cómo corregir los datos antes de prever?

Use ventas o salidas reales, no pedidos de compra. Los meses con rotura de inventario, huelgas o promociones fuera de lo normal distorsionan el patrón: sustitúyalos por un valor típico o por la media de los meses vecinos. Un pedido único muy grande de un cliente ocasional también debe quitarse.

¿Cuáles son los límites?

Los métodos suponen que el patrón del pasado continúa. No prevén lanzamientos, pérdida de clientes, cambios de precio ni crisis. La banda usa ±z × RMSE, una aproximación que en la práctica se ensancha con el horizonte. Para artículos de demanda intermitente (muchos meses a cero), use métodos propios como el de Croston.