Previsión de demanda de una empresa del sector de la industria de alimentación

1 Equation Chapter 1 Section 1 Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales Previsión de demanda de una empresa del sector de la industria de alimentación Autor: Ignacio Fernández Muñoz Tutor: Luis Onieva Gimenez Dpto. Organización Industrial y Gestión de Empresas ΙΙ Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 3 Trabajo fin de Grado Grado de Ingeniería de las Tecnologías Industriales Previsión de demanda de una empresa del sector de la industria de alimentación Autor: Ignacio Fernández Muñoz Tutor: Luis Onieva Giménez Catedrático de la Universidad Dpto. de Organización Industrial y Gestión de Empresas ІІ Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2018 5 Trabajo fin de Grado: Previsión de demanda de una empresa del sector de la industria de alimentación Autor: Ignacio Fernández Muñoz Tutor: Luis Onieva Giménez El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2018 El Secretario del Tribunal 7 Resumen En este trabajo se ha analizado la demanda diaria de una empresa del sector de la industria alimentaria, concretamente de la industria de panadería, bollería y pastelería durante un periodo de dos años para posteriormente realizar un estudio de previsión de demanda sobre esta empresa, en un periodo de un ciclo anual. Para abordar este tema se comenzará con una introducción en la que se expondran los motivos por los que se realiza este trabajo y los objetivos de éste, para luego exponer los modelos de previsión de demanda que se pueden aplicar a diferentes series temporales. Este análisis se realiza para encontrar el método que mejor se ajusta a las características de demanda de la empresa estudiada. El objetivo es preveer la demanda de la forma más precisa posible, lo cual puede suponer un ejercicio mucho más eficiente de la empresa, y, por tanto, una mejora de los beneficios. La previsión de la demanda es muy compleja, pero con el estudio de las características del mercado y de la demanda de años anteriores es posible realizar una buena aproximación. El objetivo principal del trabajo será realizar la previsión agregada de las líneas de producción, y, posteriormente desagregar la demanda de un mes concreto en todos los productos del catálogo de la empresa. 9 Abstract The study in this Project is an analysis of the demand of a company in the industry of bakery and pastry in a period of 2 years for a posterior study of a demand forecast of this same company in a year cicle. To adress this issue, the project will begin with a brief introduction in which will be exposed the reasons and the main objectives to which this project is done. Then every different methodology to obtain the forecast of demand that can be applied to companies will be explained, as well as the types of demand that can appear in a Enterprise. The reason of this analysis is to find the method that applies better to the characteristics of the company studied. The objective of the above is the forecast of the demand the most precise way, which, translates in much more efficiency in the exercise of the company, therefore, a considerable improvement of benefits with the same amount of work done. This study, the previsión of demand, making it a exact forecast of the future demand is very complicated, but with a good study of the characteristics of the market and demand of past years it is posible to obtain an accurate forecast of demand. The main objective of this Project is to obtain the agregate previsión in different groups of production of the coming months of production, and, posteriorly, desagregate the demand of a specific month in all the elements manufactured. Figura 33: Residuos de previsión de demanda grupo 1, método Holt Winters multiplicativo, Alfa, beta y gamma optimizadas 52 Figura 34: Previsión de demanda grupo 1, método Holt Winters multiplicativo, alfa, beta y gamma optimizadas. 52 Figura 35: Demanda del grupo 2 53 Figura 36: Previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. 54 Figura 37: Residuos previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. 54 Figura 38: Previsión de demanda Pan Congelado, método Holt Winters, Alfa, beta y gamma optimizadas 55 Figura 39: Residuos previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. 55 Figura 40: Demanda histórica Harina y Productos Envasados 56 Figura 41: Demanda histórica Panes Especiales y Picos y rosquillas 56 Figura 42: Previsión de demanda Harinas, método de Holt Winters, Alfa, beta y gamma optimizadas. 57 Figura 43: Residuos de previsión de demanda Harinas, método de Holt Winters, Alfa, beta y gamma optimizadas. 57 Figura 44: Previsión de demanda Productos Envasados, método de Holt Winters, Alfa, beta y gamma optimizados. 58 Figura 45: Residuos previsión de demanda Productos Envasados, método de Holt Winters, Alfa, beta y gamma optimizados. 58 Figura 46: Residuos previsión de demanda de Panes Especiales, método de holt Winters, Alfa, beta y gamma optimizados 59 Figura 47: Previsión de demanda Panes Especiales, método de Holt Winters, Alfa, beta y gamma optimizados 59 Figura 48: Previsión de demanda Picos y Rosquillas, método de Holt Winters, Alfa, beta y gamma optimizados 60 Figura 49: Residuos previsión de demanda Picos y Rosquillas, método de Holt Winters, Alfa, beta y gamma optimizados. 60 Figura 50: Demanda histórica de P000-Varios 61 Figura 51: Demanda histórica de PRO-Provisional 61 Figura 52: Previsión de demanda de P000-Varios, método de Holt Winters, Alfa, beta y gamma optimizados. 62 Figura 53: Residuos previsión de demanda de P000-Varios, método de Holt Winters, Alfa, beta y gamma optimizados. 62 Figura 54: Previsión de demanda de PRO-Provisional, método de Holt Winters, Alpha, beta y gamma optimizados. 63 Figura 55: residuos previsión de demanda,, método de Holt Winters, Alpha, beta y gamma optimizados. 63 17 19 1 INTRODUCCIÓN 1.1 Motivación El proyecto consiste en calcular la previsión de demanda del próximo ciclo anual de una empresa del sector industrial de panadería, bollería y pastelería. La empresa en la que se realiza el estudio, aún no siendo una de las empresas más importantes de este sector, es una empresa importante. Aún así, no realiza previsión de demanda de sus productos, ni un estudio de las tendencias del mercado. Eso es precisamente lo que realizaremos en este trabajo. En la actualidad, es de vital importancia obtener una estimación de la futura actuación en el mercado de los poductos o servicios que oferta una empresa. Muchas empresas realizan cada cierta periodicidad la previsión de demanda de sus productos, debido a los grandes beneficios que puede suponer. Una correcta previsión de demanda permite una consiguiente planificación de la producción. Más ventajas que tiene una precisa previsión es la optimación de la coordinación de la cadena de suministro, para, de esta forma, minimizer riesgos de rotura de stock y también consegui la mejora del control del inventario. Una correcta previsión de demanda proporciona mayores ingresos. Mejoran los plazos de entrega y permite una reducción del inventario. La cadena de suministro permite la mejora de la compra estratégica de provisiones, y a su vez la mejora del aprovechamiento de los recursos. Otro aspecto a tener en cuenta es la satisfacción del cliente, que tendrá el producto que desea, en el momento que lo desea, lo que se traduce en futura demanda. Así mismo, a corto plazo se puede establecer la política de precios y la previsión financiera. A largo plazo, aunque la previsión de demanda es mucho menos precisa, podemos llegar a planificar la capacidad productiva, y así tomar decisiones como adquisición de nuevas instalaciones o nueva maquinaria y la planificación de diferentes actividades futuras, como nuevos productos, etc.. En resumen, la previsión de demanda permite una aumento de la eficiencia de la empresa, lo que permite la obtención de mayores beneficios, siendo éste el objetivo de cualquier actividad productiva. Figura 1. Objetivos de la previsión de demanda Fuente: economics discussion 20 1.2 Objetivo El objetivo principal del trabajo es realizar la prevision de la demanda de la empresa del sector industria de panadería, bollería y pastelería. La empresa estudiada tiene dos líneas de negocio; como proveedor de masas a panaderías locales y diferentes locales de venta alimentaria, como desayunos, bocaterías, etc.., y una línea de venta en locales propios. La cantidad de productos demandados diaria es muy alta. Aún siendo en el sector de la bollería y panadería, no disponer de provisiones de un producto puede hacer que el cliente adquiera otro producto, o que incluso se pierda. Para ello será necesaria la recopilacíón de datos históricos de la empresa para poder realizar el pronóstico de demanda, y de esta forma mejorar las actividades de nuestra empresa. El Proyecto está formado por tres bloques: Un primer bloque en el que se analizarán brevemente las técnicas de prevision de demanda, las necesidades que suponen para realizarla de forma corrrecta. Para esto es necesario anteriormente, entender los tipos de demanda que se presentan en la empresa, y de esta manera, elegir el método más idóneo para el tipo de demanda. En segundo lugar se recopilará información de la empresa, los datos históricos de demanda de años anteriores, tanto desagregada en productos, como agregada en los diferentes grupos que la empresa ha impuesto. Convertir estos datos en información con la que podamos trabajar, y de esta manera observar a que tipo de demanda responde la empresa sobre la que realizaremos el estudio, para posteriormente elegir el método adecuado para realizar su prevision. Finalmente, lograr una prevision de la demanda fiable con dicho método, y explicar qué alternativas puede tomar la empresa para obtener una mayor eficiencia y un mayor beneficio de su actividad. 21 1.3 La empresa La empresa en la que vamos a realizar el estudio es una empresa de carácter familiar que tiene origen en los años 70. Comenzó como una simple panadería de barrio, poco a poco la demanda era creciente y se comenzaron a abrir más panaderías ,en los que comenzaron a vender pastelería y bollería. Una vez afianzada en Sevilla como buena panadería y pastelería, adquirieron más locales hasta once que poseen actualmente. Al comienzo de su actividad, la empresa fabricaba los panes en la misma panadería donde posteriormente iban a ser despachados, pero al aumentar su producción y su número de locales se tomó la decisión de llevar toda la producción a un centro principal, para cada día transportar las masas a los locales, dónde se hornearía, para ser enajenados. Con la bollería y pastelería sucede lo mismo. De forma paralela al negocio de fabricación y venta física en tiendas, la empresa también actúa de proveedor de productos a panaderías locales. El sector de la panadería y pastelería se divide en dos segmentos: Producción, y distribución artesanal e industrial. En el Segundo es el segmento en el que la empresa estudiada se sitúa. Mientras que el sector de carácter artesanal sufre un estancamiento, el industrial está en continuo crecimiento. Así mismo el número de empresas de producción panadera y pastelera de forma industrial que concentra el 70% del Mercado total son 32, entre las que no se encuentra la empresa analizada, al ser una empresa de un tamaño medio, pero con actuación en una sola localidad. La empresa estudiada tiene una gran cuota de mercado en la localidad que actúa, aún teniendo competencia en la misma de las grandes empresas como Panusa, Horno la Parra, o Pan Polvillo. Sin embargo, la mayoría de los clientes de panaderías es clientela fiel, y acuden al mismo establecimiento de forma diaría para conseguir los productos. La fabricación de todos los productos en un mismo centro supone la actividad principal de la empresa, desde la cual son enviados a cada uno de los locales para ser liquidados. En la actualidad la empresa dispone de 15 camiones en su propiedad para el transporte de la mercancía al punto de venta, ya sean los locales propios, donde se enajenan o realizando rutas por diferentes locales, tanto bares, restaurantes y todo tipo de locales que ofrezcan la venta alimentaria, así como panaderías locales, por la provincia de Sevilla. La empresa la componen un total de 58 trabajadores, dedicados a trabajos de administración, de transporte, seguridad y la que está formado por más empleados, que es la labor de producción. En la labor de producción el trabajo principal es el de transporte de las materias y control, ya que casi la totalidad del proceso está automatizado, debido a la cantidad de productos fabricados, y al costoso trabajo y tiempo que conlleva la producción, por ejemplo, de moldear una masa de pan o mezclar todos los productos para realizar esta masa. La fabricación de los productos de panadería, bollería y pastelería ha sufrido un cambio. De la fabricación tradicional, tal y como se fabricaba el pan en los inicios de la empresa a una fabricación moderna, que es el proceso actual de producción de estos productos. Fabricación tradicional: Se puede resumir en la fabricación de un pan de forma artesana, en el que en el mismo local que se despacha, se produce la fabricación. Este proceso viene indicado en la siguiente imagen. Figura 2: Proceso de fabricación panadero anterior Fuente: TFG Durán Pedrianos, Candela 22 Fabricación moderna: En la actualidad se producen en grandes cantidades de forma congelada, para transportarla al local de venta, que realiza el proceso final de horneado, obteniendo el producto tal, y como se va a vender. Aumentan los precios de transporte, pero disminuyen los precios y el tiempo de producción. El proceso de fabricación moderna viene resumido en la siguiente imagen. Figura 3: Proceso de fabricación panadero moderno Fuente: TFG Durán Pedrianos, Candela 23 2 PREVISIÓN DE LA DEMANDA 2.1 Introducción En este apartado, introduciremos los tipos de previsiones existentes, así como, los tipos de demanda que se pueden dar en una empresa y los métodos utilizados para coseguir una prevision precisa. La previsión es un aspecto muy importante de muchos ámbitos empresariales y personales. Una empresa en su proceso productivo debe preveer muchos de sus procedimientos. Estos pueden actuar en diferentes ámbitos de la empresa. Todos estos van acompañados de su plan correspondiente. A una pevisión, le sucede un plan de actuación para satisfacer esa prevision. Existen diversos tipos de previsión, agrupados por sectores empresariales, cada uno con un plan de actuación a ese estudio. 2.1.1 Financiero Previsiones de ingresos: plan de inversiones. Previsiones de gastos: plan de financiación. 2.1.2 Personal Previsión de necesidades de personal en la empresa: Plan de personal Previsión de retribuciones: Plan de financiación. 2.1.3 Producción Previsión de costes de producción: Plan de producción Previsión de materias primas: Plan de compras y aprovisionamiento Previsión de mano de obra: Plan de personal 2.1.4 Comercial Previsión de precios: Plan comercial Ciclo de vida de los productos: Previsión de demanda: Plan de producción 2.2 Previsión de la demanda La previsión de la demanda supone una previsión que interviene en muchas de las otras anteriormente expuestas. Es una previsión importante para diferentes planificaciones. A partir de este, podremos fijar diferentes aspectos de las empresas y comenzar a optimizar los procesos que intervienen en estos. Nos referimos a gestión de stocks, planificación financiera, planificación de personal, planificación de instalaciones… Para realizar una previsión de demanda es necesario tener en cuenta muchos factores, de la empresa en la que se va a realizar, el producto o productos de los que se van a preveer, el horizonte temporal que se va a realizar dicha previsión o si el producto es un producto que es introducido en el mercado o por contrario, si el producto ya está instalado en el mercado. La previsión de la demanda supone, por tanto, realizar un pronostico de cómo va a actuar el mercado con respecto a los productos que se quieren estudiar. Si bien se habla de pronóstico, uno de los puntos a tener en cuenta en el pronóstico, es que no es un calculo exacto, siempre habrá un error, y por tanto todo estudio debe ser acompañado 24 de un análisis de error. La precisión de la previsión de la demanda depende en un alto porcentaje al horizonte temporal que imprimamos al estudio, de tal manera que, cuánto mayor sea el plazo que se estudie, menor será la precisión. Para la realización de la previsión de demanda, es necesario en primer lugar una recopilación de datos y de predicciones. Una vez que el producto se sitúa en el mercado se deben realizar continuos estudios sobre la demanda del producto, como varía con el tiempo, todos estos almacenarlos en forma de información. En el caso que el producto sea novedoso, se puede conseguir datos del producto y cómo perfeccionarlo. De esta forma los métodos de previsión se pueden dividir en dos. 2.2.1 Métodos cualitativos Los métodos cualitativos son procesos que se realizan en el caso que hay pocos datos históricos, por ejemplo, la introducción de un nuevo producto al mercado. Al no disponer de datos históricos, se basan en juicio humano y se convierte en una previsión muy subjetiva. Algunos de ellos son individuales, en grupos, analogías de productos similares, investigaciones de mercado, o el método Delphi, en el que intervienen un grupo de expertos. 2.2.2 Métodos cuantitativos Son los métodos que se aplican en el caso que los productos de los que se van a preveer, tengan una historia en el mercado larga, y, por tanto, se tengan datos fiables de su comportamiento pasado, siendo una actuación no aleatoria. Para realizar la previsión en este caso se utilizan métodos estádisticos de extrapolación, el método de BoxJenkins, proyecciones de tendencia o la utilización de los mismos métodos causales; son aquellos que se basan en indicadores de causa externa que intervienen en el comportamiento de la demanda del producto. 2.3 Tipos de demanda La demanda representa un conjunto de observaciones de una o varias referencias en distintos momentos de tiempo, teniendo esta una serie de componentes que la carácterizan, hay que tenerlos en cuenta para poder realizer su prevision futura. Estos son: • Tendencia: En un ciclo temporal, es muy raro encontrar una demanda exactamente igual, de modo que o incrementa o disminuye en un periodo de tiempo. • Estacionalidad: En un periodo de un año, todos los meses no tienen la misma demanda, apareciendo Figura 4: Métodos para previsión de demanda asociado a l ciclo de vida del producto Fuente: Apuntes previsión de demanda Diseño y Gestión de Sistemas productivos. 25 etapas durante el año, con demandas diferentes. • Variaciones: En toda empresa surgen errores o fallos, por ejemplo, proveedores con retardo, o roturas de stock, que significan un cambio accidental de la demanda, siendo imposible e predecir o pronosticar. Según las tres caráctericas definidas anteriormente, Podemos agupar las demandas en tres tipos, seguidas por los métodos de prevision de demanda de cada uno. 2.3.1 Demanda nivelada La serie de datos presenta desviaciones con respecto a una demanda media, la cual se mantiene constante. 𝐷𝑡= 𝐷 + 𝜀𝑡 Figura 7: Ejemplo 1 de demanda nivelada Figura 6: Demanda con estacionalidad Figura 6: Demanda con estacionalidad Figura 5 : Demanda con tendencia y variación Figura 6: Demanda con estacionalidad Figura 7: Ejemplo 1 de demanda nivelada 32 3.3 Procedimiento La realización de la previsión de demanda, require un proceso, que es efectivo, siguiendo una serie de pasos científicos y sistemáticos. El procedimiento es este. 3.3.1 Objetivo Para realizar un estudio de previsión de demanda, es necesario, en primer lugar, marcar el objetivo de realizarlo y diferentes subojetvos del tipo de estudio que se quiera realizar. Estos son: • Realizar un estudio de previsión de la demanda de un producto en todo el mercado o de los productos de la empresa. • Decidir el periodo de tiempo de realización del estudio, así como el coste, directamente ligado a la precisión. La siguiente imagen indica la relación entre el coste y la precisión de una previsión de la demanda. Figura 14: Procedimiento para la previsión de la demanda Fuente: economics discussion Figura 15: Gráfica del coste con respecto a la precisión de una previsión de demanda 33 3.3.2 Determinar el periodo de tiempo Determinar la perspectiva de tiempo para la previsión de demanda. Según los objetivos y las decisiones que se quieran tomar en la empesa, se decidirá el tiempo que cubrirá la previsión de demanda. 3.3.3 Seleccionar el método de previsión El método de previsión supone el paso más importante de la previsión de demanda. Existen diferentres métodos, que difieren según la empresa sobre la que se realiza el estudio, el mercado dónde actúa y la demada anterior. 3.3.4 Recopilación de información Requiere la recolección de información, de primera clase o de segunda clase La información de primera clase, viene dada por observaciones del mercado, entrevistas sobre los productos, y cuestionarios. La información de segunda clase es la obtenida de años anteriores. Esta información debemos convertirla en datos para posteriormente obtener la previsión de la demanda futura. 3.3.5 Estimación de los resultados Una vez recopilados los datos, es hora de aplicar el método que más se adecúa a la demanda histórica de los últimos años, para obtener la previsión de demanda 35 4 EL SECTOR 4.1 La industria alimentaria El sector en el que trabaja la empresa sobre la que se va a realizar el estudio, es el de Panadería y pastas alimenticias, que supone un subsector del total de industria alimentaria. A continuación se adjuntan las ventas netas, en miles de euros, de los diferentes subgrupos que constituyen la industria alimentaria Española, para los años 2015 y 2016, que son los últimos estudios realizados por el INE, (Instituto Nacional de Estadística), para hacernos una pequeña idea de cómo está evolucionando esta industria. El sector de “panadería y pastas alimenticias” supone el 8,49% en recaudación del total de industria alimentaria, lo que supone un mercado importante a nivel nacional. Los productos de pastelería y bollería, que vienen denominados como chocolates y otros productos de confitería, suponen un 2,80% de la facturación total de la industria alimentaria. Otra observación que tenemos que podemos realizar en los datos anteriores es el crecimiento total de facturación que ha recibido el sector panadero y de pastas alimenticias. Un crecimiento de 3,45% con respecto al año anterior, lo que supone que el sector de panadería está en crecimiento y que los productos ofertados de panadeía tienen más demanda. En años anteriores se produce un crecimiento, no tan notable como en este año. Sin embargo, podemos concluir que es un sector que está en crecimiento, por encima del crecimiento de la industria alimentaria. En el sector de “bollería y pastelería” sucede lo contrario que con el sector analizado anteriormente. Es un sector que en el último año ha sufrido un gran decrecimiento. Se trata de un decrecimiento de un 40%, el más grande de toda la industria alimentaria. Es el sector con menos facturación de ésta. Para concluir una vista general a la industria alimentaria y más en concreto a los sectores en los que la empresa estudiada, comprende sus productos, el 16,5% de la facturación de la industria española la compone el sector alimentario. Simboliza un gran porcentaje de la industria española. Tabla 1. Valor de subgrupos de industria alimentaria Fuente: Instituto nacional de estadística (INE) Total industria 2015 2016 % variación % industria alimentaria Industria Cárnica 24.703.726 24.698.904 -0,02% 25,98% Industria del pescado 4.944.360 5.751.863 16,33% 0,99% Preparación, conservación frutas y hortalizas 9.290.406 9.538.185 2,67% 10,03% Aceites y grasas 12.252.370 11.105.569 -9,36% 11,68% Productos lácteos 8.905.246 8.843.720 -0,69% 9,30% Molinerías, almidones y productos amiláceos 3.460.383 3.231.272 -6,62% 3,40% Panadería y pastas alimenticias 7.805.125 8.074.377 3,45% 8,49% Chocolates y otros productos de confitería 4.511.785 2.657.894 -41,09% 2,80% Otros productos alimenticios 7.369.238 9.631.218 30,69% 10,13% Productos alimentación de animales 9.433.966 11.542.717 22,35% 12,14% Total industria alimentaria 92.676.605 95.075.719 2,59% 100,00% Total industria 571.944.418 582.357.233 1,82% 36 4.2 Panadería y bollería Una vez estudiado la industria alimentaria en general, podremos centrarnos en la producción nacional de pan, bollería y pastelería. El sector de la panadería y pastelería se puede dividir en dos: • Producción artesanal: La producción artesanal, es la producción al por menor, principalmente caracterizada por una producción en el mismo lugar de distribución. Es un pan de mayor calidad en el proceso, en el que no hay ninguna congelación en el mism, lo cual, se suele traducir en una mejor calidad en el pan y pastelería. Poco a poco, este tipo de producción va disminuyendo, las mismas panaderías adquieren el pan de carácter industrial. Esto provoca un descenso en el número de empresas totales dedicadas al sector de pan y bollería. • Producción industrial: Se diferencia por el uso de masas congeladas, y de procesos de congelación. Desde la fabricación al punto de venta suele haber un proceso de transporte. Debido a la estandarización a la que tiende la sociedad española, este tipo de proceso va en aumento. Estando en alza las empresas que realizan esta fabricación. Suelen ser pocas empresas, que tiene una alta producción. La existencia de un organismo como es ASEMAC, asociación de empresas del sector industrial de panadería, bollería y pastelería, comprende las grandes empresas panaderas y de bollería y pastelería de España. Está formado por 32 empresas que comprenden la producción del 70% de masas congeladas y de gran producción de pan como de bolería y de pastelería. Los estudios realizados por este organismo nos permiten hacernos una idea del comportamiento que realizará nuestra empresa, ya que no siendo una gran empresa del sector, su actividad es a misma que la de estas empresas. Grupo Total 2016 Total 2017 variación Pan 767.522 787.200 2,50% Bollería y pastelería 158.256 170..482 7,90% Total 925.778 957.682 3,40% Tabla 2: Demanda en millones de kilogramos 2016/2017 Fuente: Asociación española del sector industria de panadería, bollería y pastelería (ASEMAC) Grupo Total 2015 Total 2016 variación Pan 751.000 768.000 2,20% Bollería y pastelería 144.000 158.000 9,90% Total 895.000 926.000 3,40% Tabla 3: Demanda en millones kilogramos 2015/2016 Fuente: Asociación española del sector industria de panadería, bollería y pastelería (ASEMAC) Como se puede observar, el sector de panadería, pastelería y bollería industrial está en crecimiento. La fabricación, en el año 2017, es de 957.682 millones de toneladas, que, al desagregarlos, lo forman 787.200 millones de toneladas en fabricación de pan, un 2,50% mayor que el año anterior, y 170.482 millones de toneladas de bollería y pastelería, fabricándose y siendo demandados un 7,90% más de cantidad de producto que en 2016. 37 Analizando los datos desde 2013, hasta 2017, siendo estos los últimos datos que podemos obtener, se puede observar, un continuo crecimiento de la demanda del grupo de panadería, siempre en el espectro de un 2% o 3% anual. Respecto al grupo de “pastelería y bollería”, también se da un crecimiento anual continuo, en el espectro de 7% a 10%. El mercado de panadería está en crecimiento, aunque un crecimiento anual pequeño, supone el entorno de la empresa estudiada tiene buen pronostico, información que teemos que tener en cuenta en la previsión de demanda. En el caso de la demanda de “pastelería y bollería” industrial el crecimiento es mucho mayor, teniéndolo en cuenta para la previsión de demanda. Hay que tener en consideración el consumo de pan en hogares, que en 2017 alcanzó una demanda de un total de 1.483.862,53 miles de kilogramos, lo que supuso un 2,46% respecto a 2016. . 4.2.1 Tamaño de las empresas del sector Por otro lado, el sector de panadería, pastas aimenticias y pastelería se agrupan la mayoría de las empresas entre los 19 asalariados, un total de un 59,50% del total. El segundo grupo es el de una empresa sin empleados con un 27,78% del total y el tercer grupo aglutina un 11,15% del total, que son de 10 a 49 empleados. El resto, que son las grandes y medianas empresas suponen un 1, 56% del total de empresas del sector. Empresa Industria alimentaria % Panadería, pastelería % sin empleados 7.397 26,24% 2.811 27,78% De 1 a 9 15.089 53,54% 6.020 59,50% De 10 a 49 4.687 16,63% 1.128 11,15% De 50 a 199 767 2,72% 130 1,28% Más de 200 245 0,87% 28 0,28% Total 28.185 100% 10.117 100% Tabla 5: Número de empresas agrupadas por extensión Fuente: Instituto Nacional de Estadística (INE) Como se puede observar, la mayoría de ampresas que conforman el sector de “panadería, bollería y pastas alimenticias” son microempresas, conformando casi el 85% del total. La actividad principal de las microempresas es la de elaboración y distribución de pan artesano. En este aspecto aparece una competencia muy alta, por el número de empresas. Sin embargo, las empresas de mediano y gran tamaño conforman la actividad de panes industriales en su gran medida. Esto no se traduce en una competencia baja en estas empesas, pero supone una menor volatilidad, con menos riesgo de ser afectado por lo que sucede en el mercado. Grupo Total 2016 Total 2017 variación Pan 1.521.271,79 1.483.862,53 -2,46% Tabla 4: Demanda de pan en los hogares en miles de kg Fuente: Asociación española del sector industria de panadería, bollería y pastelería (ASEMAC) 38 4.3 Andalucía Estudiando el consumo de productos de panadería en España, se puede divider el consume de estos productos por comunidad autónoma. Figura 16: Consumo de pan en hogares por Comunidad Autónoma en 2017 Fuente: Asociación española del sector industria de panadería, bollería y pastelería (ASEMAC) Como se puede observar, la comunidad con mayor demanda de productos de panadería es Andalucía. Esto se debe a ser la comunidad con más población del país. No siendo la comunidad con mayor consumo por persona, constitutye la comunidad donde más mercado de estos productos hay. La comunidad autónoma con mayor consumo por persona de pan es Galicia, seguido por Navarrra, Asturias, Castilla y León, País Vasco, Castilla La Mancha. Por el lado opuesto se encuentran Madrid y Baleares. C.C.A.A. 2016 2017 variación Galicia 43,18 43,87 1,60% Navarra 41,76 40,4 -3,26% Asturias 43,68 39,93 -8,59% País Vasco 38,88 38,04 -2,16% Castilla La Mancha 37,72 34,84 -7,64% Murcia 31,73 32,99 3,97% Andalucía 34,06 32,83 -3,61% La Rioja 34,43 32,18 -6,53% Islas Baleares 26,92 30,19 12,15% Madrid 26,17 26,94 2,94% Tabla 6: Consumo per cápita en comunidades autónomas Fuente: Datos de ASEMAC 39 Aunque el consumo de pan per capita ha disminuido en Andalucía, estos datos suelen afectar a las panaderías artesanales en gran medida, mientras que el pan industrial, que es a lo que nuestra empresa tiene dedicada su actividad, prácticamente no afecta, como hemos visto antes, la demanda de este pan está en alza. 41 5 ESTUDIO DE PREVISIÓN DE DEMANDA 5.1 Datos históricos La empresa estudiada posee un total de 500 referencias, aunque diariamente alrededor de 250 referencias son fabricacdas, realizando un informe diario de la cantidad de unidades producidas de cada una de las referencias. Al ser un número muy alto de referencias, para realizar el estudio se han agrupado todas estas referencias en los diferentes grupos, diferenciados principalmente por el tipo de pan que se realiza, y el proceso empleado en su producción. • COC: simboliza pan cocido. • CON: referido a pan congelado • ENV: referido a productos envasados • HAR: referido a Harinas y en este caso a otros productos como bolsas, servilletas o bolsas de papel • MOL: referido a moldes. • P: Supone aquellos productos que se comercializan sin ser tratados. Son recibidos por la empresa y son enviados a los locales de la misma forma que han sido recibidos. Dentro de este grupo hay diferentes subgrupos. • PES: referido a panes especiales • PIC: referidos a picos y rosquillas • PRE: referido a pan precocido • PRO: referido a provisional Para realizar el informe se reciben informes de producción diaria, de todos los días durante un periodo anterior. En concreto desde mayo 2016 a abril 2018. La tabla siguiente es un ejemplo de demanda mensual, tomando la de Abril de 2018. Grupo de producto Demanda Coc-pan cocido 1667142 Cong-pan congelado 283731 Env-productos envasados 76286 Har-harinas 117543,8 Mol-moldes 1325 P000-varios 13493,5 P007-fernando niño s.l 269 P012-suintra s.l 6 P011-p.b.papelbot s.l 2 Pes-panes especiales 22541 Pic-picos y rosquillas 21615 Pnm-pan molido 1042 Pre-pan precocido 364032 Pro-provisional 50 Tabla 7: Demanda del mes de abril 2018 48 históricos. En la demanda obtenida a partir de sus dos datos anteriores se puede ver una mayor variación por mes de los valores, lo que disminuye el error considerablemente, y se puede observar mejor la estacionalidad de la demanda del grupo estudiado. Por otro lado, con el segundo método la demanda sucede como atrasada. Cuando sube la demanda la previsión de demanda ha previsto una disminución de la demanda. Esto se debe a la estacionalidad de la demanda y a los periodos de los que se ha obtenido la demanda. Cuando realiza la media de un periodo bajo, como supone verano, está tomando datos para calcularlo de un periodo de demanda alta, invierno, y aumenta el error aún más. Hemos realizado la previsión de ventas de un grupo de productos con una demanda tendente y estacional con un método para una demanda estacional. Los errores calculados son muy grandes y por tanto este método no es válido. 5.2.2 Método exponencial simple Es otro método que se utiliza para la demanda nivelada, aún así, vamos a comprobar si es correcto utilizar este método para la previsión de la demanda de este grupo. El modelo exponencial simple consigue el valor de previsión de demanda de un mes a partir de la previsión del mes anterior y la demanda del mes anterior. Se puede observar que cuanto mayor es la Alpha, menor es el error cuadrático medio. Aún así al ser calculado de esta manera es un modelo para previsión de demanda nivelada. Estudiaremos dos modelos diferentes con dos alphas diferentes, utilizando en los dos casos el valor inicial de Si el primer valor histórico dado. Se estudiará este método para un Alfa de 0,5 y un Alfa de 0,95. 1550000 1600000 1650000 1700000 1750000 1800000 0 5 10 15 20 25 30 35 40 Var1 Exponencial / Simple / Var1 Var1 Exponencial(Var1) Límite inferior (95%) Límite superior (95%) -40000 -30000 -20000 -10000 0 10000 20000 30000 40000 50000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos Figura 24: Residuos de previsión de demanda grupo 1, método exponencial simple, Alfa 0,5 Figura 23: Previsión de demanda grupo 1, método exponencial simple, Alfa 0,5 49 La previsión realizada con Alfa igual a 0,5 tiene más en cuenta los dos factores, la demanda anterior, y la previsión de demanda del mes anterior. De esta forma, el error es muy grande, equivalente a 454 millones. Por otra parte, el modelo exponencial utilizando una Alfa muy grande de 0,95, como se puede observar en la gráfica, la previsión de demanda de un mes es equivalente a la demanda obtenida en el mes anterior, de esta manera los cambios estacionales no afectan en gran medida a la previsión y el error cuadratico medio es de 307 millones. La previsión de demanda sigue siendo imposible calcularlo con etse método para este proyecto, ya que cuando no hay datos que se vayan actualizando la S y la demanda del mes anterior es la misma, llegando a una demanda totalmente lineal, en la que siempre es el mismo valor. 5.2.3 Método exponencial doble Supone una doble suavizavión de la previsión, lo que permite obtener de una forma más exacta previsiones de demanda con tendencia, como sucede con el el grupo que queremos estudiar. Tendremos que dar un valor de Alfa, el cual, adquiere forma de importancia con respecto a la primera suavización o a la segunda. Si empleamos una Alfa pequeña, estamos dando más importancia a los valores previstos para el mes anterior, mientras que un Alfa grande permite una gran similitud con los valores históricos de demanda del mes anterior, mientras que a la pevisión no se le da tanta importancia. Se realizará el método con dos alphas; Alfa igual a 0,2 y Alfa igual a 0,9. Se comentará brevemente el estudio realizado para Alfa igual a 0,5. 1500000 1550000 1600000 1650000 1700000 1750000 1800000 0 5 10 15 20 25 30 35 40 Var1 Exponencial / Simple / Var1 Var1 Exponencial(Var1) Límite inferior (95%) Límite superior (95%) -40000 -30000 -20000 -10000 0 10000 20000 30000 40000 50000 60000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos Figura 26: Residuos de previsión de demanda grupo 1, método exponencial simple, Alfa 0,95 Figura 25: Previsión de demanda grupo 1, método exponencial simple, Alfa 0,95 50 Se puede observar que con un Alfa chico la previsión de la demanda los primeros meses esta muy desviada de la demanda que se obtiene, sin embargo, la tendencia de la demanda futura es creciente. Los últimos valores pronosticados tienen un error muy pequeño con respecto al valor real de demanda obtenido. Con un valor de Alfa alto, el error cuadratico medio es muy pequeño, de esta forma podría ser un método utilizable para la empresa estudiada, pero la previsión de demanda del año futuro es decreciente, todo lo contrario a lo que está expermientando la empresa. Brevemente, Al aplicar el método exponencial doble utilizando con un Alfa igual a 0,5 obtenemos un error cuadrático medio alto y la previsión de la demanda obtenida es nivelada. Es un método que no recoge la estacionalidad de la demanda del grupo estudiado, por lo que no es válido para la realización de un pronóstico de demanda de este subgrupo 1200000 2200000 3200000 4200000 5200000 6200000 7200000 0 5 10 15 20 25 30 35 40 Var1 Exponencial / Doble / Var1 Var1 Exponencial(Var1) Límite inferior (95%) Límite superior (95%) -7000000 -6000000 -5000000 -4000000 -3000000 -2000000 -1000000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos 1200000 1300000 1400000 1500000 1600000 1700000 1800000 1900000 2000000 2100000 2200000 0 5 10 15 20 25 30 35 40 Var1 Exponencial / Doble / Var1 Var1 Exponencial(Var1) Límite inferior (95%) Límite superior (95%) -1800000 -1600000 -1400000 -1200000 -1000000 -800000 -600000 -400000 -200000 0 200000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos Figura 28: Residuos previsión de demanda grupo 1, método exponencial doble, Alfa 0,9 Figura 27: Previsión de demanda grupo 1, método exponencial doble, Alfa 0,2 Figura 29: Previsión de demanda grupo 1, método exponencial doble, Alfa 0,9 Figura 30: Residuos previsión de demanda grupo 1, método exponencial doble, Alfa 0,9 51 5.2.4 Método de Holt Método de doble suavización utilizado para previsiones de demanda niveladas, sin estacionalidad. Atenúa directamente la tendencia al obtener la diferencia entre los valores sucesivos anteriores de la suavización exponencial. En este método se tendrá que dar valor a dos variables; alfa y beta. La Alfa determina la importancia otorgada a los datos más recientes con una Alfa elevada, o a datos más antiguos. La beta funciona de la misma forma, una beta elevada concede más velocidad a la suavicación, es decir a los cambios de tendencia, mientras que una beta baja suaviza la tendencia actual, traduciéndose en menos importancia a datos recientes. De forma práctica, los valores de alfa y beta son hallados con el método de prueba y error. Al ser una demanda con tendencia y con estacionalidad´conviene que sean las alfas y las betas altas, para, de esta forma, que la previsión del mes siguiente sea muy similar a la de este mes, de esta modela con menor error la estacionalidad, aunque estos valores no sean los comunes. Suelen ser entre 0,05 y 0,5. Con una beta alta conseguimos que la previsión de demanda futura sea en tendencia decreciente, por lo que no tomaremos estos datos, ya que es evidente que la demanda es creciente. El método más optimo calculado será el de Alfa igual a 0,8 y beta equivalente a 0,2. Son valores que dan la previsión futura Se puede observar lo comentado anteriormente, el valor de Alfa tan elevado, permite que la previsión de demanda sea muy parecida a la demanda del mes anterior. El error no es muy grande, y permite que la previsión de demanda siga siendo creciente. Este método se comprueba que es un método utilizado para demandas tendentes, pero no con estacionalidad, por lo que intentaremos un último método que sí está destinado a este tipo de demanda, con una triple suavización; El método HoltWinters. 1400000 1500000 1600000 1700000 1800000 1900000 2000000 0 5 10 15 20 25 30 35 40 Var1 Holt-Winters / Lineal (Holt) / Var1 Var1 Holt-Winters(Var1) Límite inferior (95%) Límite superior (95%) -40000 -30000 -20000 -10000 0 10000 20000 30000 40000 50000 60000 1357911 13 15 17 19 21 23 25 27 Residuo Residuos Figura 32: Residuos previsión de demanda grupo 1, método de Holt, Alfa 0,8, Beta 0,2 Figura 31: Previsión de demanda grupo 1, método de Holt, Alfa 0,8, Beta 0,2 52 5.2.5 Método de Holt-Winters Método de triple suavización, destinado a realizar previsiones en pprogresiones con tendencia y estacionales. El método de Winters emplea tres variables, parámetros de suavización que se hallaran como en el método de Holt, mediante ensayo y error. Emplea una variable de nivel, una de tendencia y una componente estacional en cada uno de los periodos. Optimizando los valores de Alfa, beta y gamma obtenemos: La periocidad de la estacionalidad es de un año, ya que en unn año es cuando vuelve a darse el mismo patrón de demanda, siendo en invierno una demando mayor que en verano. Por esto no se realiza un pronóstico en el primer año. El error cuadrático medio obtenido usando este método es de 202 millones, el más bajo de todos los métodos probadoa anteriormente. Esto es un indicativo de que este modelo es un modelo óptimo para realizar la previsión de demanda de este subgrupo. Por otra parte, observando la gráfica de Holt Winters, observamos que recoge con precisión la estacionalidad del producto, así como la tendencia, es por eso que utilizaremos este método para realizar la previsión de demanda paa el próximo año, de ste y de los siguientes grupos de productos. En el caso del grupo 1, la previsión de demanda será de: 1550000 1600000 1650000 1700000 1750000 1800000 0 5 10 15 20 25 30 35 40 Var1 Holt-Winters / Estacional multiplicativo / Var1 Var1 Holt-Winters(Var1) Límite inferior (95%) Límite superior (95%) -30000 -20000 -10000 0 10000 20000 30000 40000 50000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos Figura 33: Residuos de previsión de demanda grupo 1, método Holt Winters multiplicativo, Alfa, beta y gamma optimizadas Figura 34: Previsión de demanda grupo 1, método Holt Winters multiplicativo, alfa, beta y gamma optimizadas. 53 La tendencia de este grupo es de un 2,4% 5.3 Segundo bloque Formados por los sugrupos PREPan Cocido y CONG-Pan Congelado. Segundo bloque con más factuación de la empresa. Mes Demanda Mayo 1.634.277 Junio 1.633.194 Julio 1.632.022 Agosto 1.633.351 Septiembre 1.682.871 Octubre 1.693.943 Noviembre 1.707.630 Diciembre 1.712.497 Enero 1.688.255 Febrero 1.682.906 Marzo 1.666.252 Abril 1.674.986 Tabla 11:Previsión de demanda grupo 1 Mayo 2018Mayo 2019 250.000 270.000 290.000 310.000 330.000 350.000 370.000 Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre dicembre enero febrero marzo abril Demanda Segundo Sector CONG-PAN CONGELADO PRE-PAN PRECOCIDO Figura 35: Demanda del grupo 2 54 De nuevo nos encontramos con una demanda con tendencia ascendente, y con estacionalidad. En los periodos invernales aumenta la demanda con respecto a los periodos estivales, que disminuye la demanda. La tendencia es muy ligera. Se puede observar que las cáracteristicas de la demanda histórica de los últimos años es muy parecida a la de COCPan Cocido, de modo, que se utilizará el mismo método de Holt-Winters para realizar el prónostico de demanda. En el caso del subgrupo PRE-Pan Precocido: Obteniendo una previsión de demanda aproximada: Mes Demanda Mayo 362.856 Junio 362.788 Julio 364.493 Agosto 364.588 Septiembre 372.199 Octubre 378.926 Noviembre 386.980 Diciembre 389.518 Enero 385.182 Febrero 383.182 Marzo 385.532 Abril 385.604 Tabla 12: Previsión de demanda Pan Precocido, Mayo 2018-Mayo 2019 Realizamos lo mismo con el grupo CONGPan Congelado obteniendo los siguientes resultados: 330000 340000 350000 360000 370000 380000 390000 400000 410000 420000 0 5 10 15 20 25 30 35 40 Var1 Holt-Winters / Estacional multiplicativo / Var1 Var1 Holt-Winters(Var1) Límite inferior (95%) Límite superior (95%) -4000 -2000 0 2000 4000 6000 8000 10000 12345678910111213141516171819202122232425262728 Residuo Residuos Figura 37: Residuos previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. Figura 36: Previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. 55 Obteniendo una previsión de demanda: Mes Demanda Mayo 283.417 Junio 281.517 Julio 283.462 Agosto 285.041 Septiembre 291.190 Octubre 296.969 Noviembre 301.256 Diciembre 305.385 Enero 302.323 Febrero 298.781 Marzo 297.582 Abril 297.648 Tabla 13: Previsión de demanda Pan Congelado, Mayo 2018-Mayo 2019 La tendencia de este grupo es mayor, tiee una media de tendencia de un 3.0%. 260000 270000 280000 290000 300000 310000 320000 330000 0 5 10 15 20 25 30 35 40 Var1 Holt-Winters / Estacional multiplicativo / Var1 Var1 Holt-Winters(Var1) Límite inferior (95%) Límite superior (95%) -2000 -1000 0 1000 2000 3000 4000 5000 6000 7000 8000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Residuo Residuos Figura 39: Residuos previsión de demanda Pan Precocido, método Holt Winters, Alfa, beta y gamma optimizadas. Figura 38: Previsión de demanda Pan Congelado, método Holt Winters, Alfa, beta y gamma optimizadas 56 5.4 Tercer bloque Bloque formado por cuatro grupos de fabricación de productos panaderos. Formado por HAR-Harinas, ENVProductos Envasados, PES-Panes Especiales y PIC-Picos y Rosquillas. Será el último grupo de fabricación de productos panaderos estudiados, el resto de estos productos no se estudian por su pequeño valor para la empresa., ya que su fabricación es muy pequeña. Dentro de este bloque dividiremos en dos subgrupos, debido a la diferencia de unidades producidas entre Harinas y Productos Envasados, con respecto a Panes Especiales y Picos y Rosquillas. Figura 40: Demanda histórica Harina y Productos Envasados 60.000 70.000 80.000 90.000 100.000 110.000 120.000 130.000 Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre dicembre enero febrero marzo abril Demanda Harinas y Productos Envasados Series1 Series2 18.500 19.000 19.500 20.000 20.500 21.000 21.500 22.000 22.500 23.000 Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre dicembre enero febrero marzo abril Demanda Panes Especiales y Picos y Rosquillas Series1 Series2 Figura 41: Demanda histórica Panes Especiales y Picos y rosquillas 57 Las previsiones de demanda de los cuatros grupos se realizarán por separado En primer lugar el subgrupo HARHarinas: La previsión de la demanda será de: En segundo liugar el grupo ENV-Productos Envasados. Mes Demanda Mayo 114.847 Junio 114.096 Julio 114.619 Agosto 114.362 Septiembre 116.335 Octubre 118.256 Noviembre 120.296 Diciembre 121.267 Enero 117.015 Febrero 116.162 Marzo 117.462 Abril 117.686 Tabla 14: Previsión de demanda de grupo Harinas de mayo 2018/mayo 2019 -3000 -2000 -1000 0 1000 2000 3000 4000 5000 1357911 13 15 17 19 21 23 25 27 Residuo Residuos 105000 110000 115000 120000 125000 130000 010 20 30 40 Var1 Holt-Winters / Estacional multiplicativo / Var1 Var1 Holt-Winters(Var1) Límite inferior (95%) Límite superior (95%) Figura 42: Previsión de demanda Harinas, método de Holt Winters, Alfa, beta y gamma optimizadas. Figura 43: Residuos de previsión de demanda Harinas, método de Holt Winters, Alfa, beta y gamma optimizadas. 65 6 CONCLUSIÓN A partir del trabajo realizado, con el análisis desarrollado, se pueden extraer una serie de conclusiones. Éstas se basan en los resultados obtenidos a partir de los análisis con respecto a los objetivos descritos, y en otros aspectos significativos que pueden mejorar la producción y la actividad de la empresa. Al aplicar los métodos matemáticos para el cálculo de la previsión de la demanda, el objetivo principal es una simulación del comportamiento de los productos en el mercado, para de esta forma, adelantarnos y poder optimizar muchos procesos o probar diferentes alternativas con anterioridad. Estudiando la demanda histórica, de cada uno de los grupos en que se ha desagregado la fabricación total de la empresa, se observa que la serie temporal correspondiente es estacional y con tendencia. Aplicando varios métodos a los grupos y comparando su eror cuadrático medio, se llega a la conclusión que el método óptimo para hallar la previsión de la demanda de los diferentes grupos es el método de Holt-Winters multiplicativo. La principal ventaja de este método es que permite preveer la estacionalidad y la tendencia de las series temporales futuras, permitiendo una aproximación más precisa a la demanda real. Aplicando este método, se observa que los productos de panadería tienen un aumento del 2,6% en su demanda, en el año 2018/2019, mientras que los productos de bollería y pastelería aumentaran su demanda en una media de un 10,5%. Cada una de las decisiones que se toman en la empresa, permite realizar otras. Una de las primeras es la previsión de la demanda, que es el objeto del trabajo. A partir de este podremos obtener una planificación de la producción y su correspondiente optimización. Seguidamente, se podrá realizar un control del aprovisionamiento y proveedores y un mejor control del inventario, al igual que, una planificación de los trabajadores necesarrios en cada una de las estaciones anuales, debido a la estacionalidad, una previsión financiera o establecer una política de precios. Con los datos obtenidos, respecto a los productos de panadería se tendría que estudiar el objetivo de la empresa a largo plazo, ya que, con este crecimiento, en el año próximo no será necesario realizar grandes cambios en la empresa, sin embargo, si este crecimiento continúa es posible que la maquinaria no sea capaz de la fabricación a tiempo de los productos, o haya que optimizar los tiempos de transporte y adquirir nuevos vehículos para ello. Respecto a productos de pastelería y bollería, el aumento de demanda es mucho más grande. Al ser productos adquiridos por proveedores varios, podremos tomar decisiones de seguir adquiriéndolos de terceros, o comenzar una producción a parte. La previsión de la demanda es, por tanto, una de las primeras medidas realizadas en esta empresa para eficientar su actividad. Por último, el trabajo realizado busca hacer ver a la empresa estudiada la importancia de una previsión de la demanda, así como, optimizar la actividad empresarial a partir de ésta, con el consiguiente aumento de beneficios de la empresa. . 66 67 REFERENCIAS ONIEVA, L. ESCUDERO, A. CORTÉS, P. MUÑUZURI, J. GUADIX, J. Diseño y gestión de sistemas productivos. Edición Dextra (2017) C LARRAÑETA, JUAN. ONIEVA, LUIS. LOZANO, SEBASTIÁN. Métodos modernos de gestión de la producción. Edición Alianza editorial (1995). DURÁN PEDRIANES, CANDELA. Estudio de mercado de productos de panadería y pastelería en España: situación actual y perspectivas. (Trabajo de Fin de Grado) Universidad de Ciencias Económicas y Empresariales, Santiago de Compostela. (2016) NITISHA. Demand forecasting: Concept; Significance, Objectives and Factors, economicsdiscussion. http://www.economicsdiscussion.net/demand-forecasting/demand-forecasting-concept-significanceobjectives-and-factors/3557 ECHEVERRIA, S. Teoría económica de la empresa. Madrid–España, Ediciones Díaz de Santos. (1994) ASEMAC. Asociaciación española del sector industria de pandería, bollería y pastelería. ASEMAC. www.asemac.es/datos.php INE. Instituto nacional de estadística. INE. http://www.ine.es/ 68 69