Академический Документы
Профессиональный Документы
Культура Документы
LOS MOCHIS
INGENIERIA INDUSTRIAL
SEGUNDA UNIDAD
Grupo: 551
ASIGNATURA:
Administracin De Operaciones 1
IMPARTIDA:
M.C Diego Estrada Ruiz
PRESENTA:
Ayala Corral Liliana
Gastelm Domnguez Daniel Antonio
Lugo Arellano Carlos Omar
Morales Gaytn Roberto
Mures Iza Mario Giovanni
Pgina 1
VOCABULARIO BASICO:
puede
derivarse
Pgina 2
Pgina 3
REPASO FURMULAS:
Pgina 4
Seal de seguimiento
Pgina 5
PROBLEMAS RESUELTOS:
PROBLEMA RESUELTO 1
Sunrise Baking Company vende donas en una cadena de tiendas de alimentos. Debido a
errores de los pronsticos ha tenido una produccin excesiva o insuficiente. Los siguientes
datos son su demanda de docenas de donas en las ltimas cuatro semanas. Las donas se
hacen para el da siguiente; por ejemplo, la produccin de donas del domingo es para las
ventas del lunes, la produccin de donas del lunes es para las ventas del martes, etc., la
panadera cierra los sbados, de modo que la produccin del viernes debe satisfacer la
demanda de sbado y domingo.
Lunes
Martes
Mircoles
Jueves
Viernes
Sbado
Domingo
Hace 4
semanas
2200
2000
2300
1800
1900
Hace 3
semanas
2400
2100
2400
1900
1800
Hace 2
semanas
2300
2200
2300
1800
2100
Semana
pasada
2400
2200
2500
2000
2000
2800
2700
3000
2900
Pgina 6
Solucin
a) Promedio de movimiento simple, cuatro semanas
Pgina 7
PROBLEMA RESUELTO 2
Lo que sigue es la demanda real de un producto durante los ltimos seis trimestres. Con las
reglas 1 a 5 del Pronstico enfocado, encuentre la mejor regla para pronosticar el tercer
trimestre del ao.
Regla 1: Demanda de los prximos tres meses demanda de los ltimos tres meses.
Prueba de esta demanda en los ltimos tres meses: FII AI; por lo tanto, FII 1 400.
La demanda real fue de 1 000, as que 1 000 71.4%.
1 400
Regla 2: La demanda de este trimestre es igual a la demanda del mismo trimestre del ao
pasado.
Por lo tanto, el pronstico de la demanda del segundo trimestre de este ao ser de 700, el
monto de ese trimestre el ao anterior.
La demanda real fue de 1 000, as que 1 000 142.9%.
700
Regla 3: 10 por ciento ms que el ltimo trimestre.
FII 1 400 1.10 1 540
La demanda real fue de 1 000, y 1 000 64.9%.
1 540
Regla 4: 50% ms que el mismo trimestre del ao anterior.
FII 700 1.50 1 050
La demanda real fue de 1 000, y 1 000 95.2%.
1 050
Regla 5: Misma tasa de aumento o decremento de los ltimos tres meses.
1 400 1.167
1 200
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 8
Pgina 9
No hay suficientes pruebas para rechazar el modelo de pronstico, as que se aceptan sus
recomendaciones.
PROBLEMA RESUELTO 4
Vanse aqu los datos por trimestres de los ltimos 2 aos. Con estos datos, prepare,
mediante descomposicin, un pronstico para el ao siguiente.
Periodo
1
2
3
4
Real
300
540
885
580
Periodo
5
6
7
8
Real
416
760
1191
760
Solucin
(Observe que los valores que obtenga pueden ser ligeramente diferentes por redondeo. Los
valores dados aqu se obtuvieron con una hoja de clculo de Excel.)
Pgina 10
La columna 3 es el promedio estacional. Por ejemplo, el promedio del primer trimestre es:
300 416 358
2
La columna 4 es el promedio por trimestres (columna 3) dividido entre el promedio general
(679). La columna 5 son datos reales divididos entre el ndice estacional. Para determinar
y xy, puede trazarse la tabla siguiente:
Pgina 11
Ahora se calculan los resultados de la regresin para los datos sin factores estacionales.
Por consiguiente: los resultados de la regresin sin los factores estacionales son:
Y 500.6 39.64x
Pgina 12
Los mnimos cuadrados tratan de utilizar una lgica de tratar de ajustar los datos
registrados a una lnea central o lnea promedio, para tratar de obtener un valor
representativo dentro de esa lnea
4. Explique el procedimiento para crear un pronstico usando el mtodo de
descomposicin de la regresin por mnimos cuadrados.
Paso 1. Determinar el factor (o ndice) estacional.
Paso 2. Descontar las variaciones de temporada de los datos originales.
Paso 3. Trazar una recta de regresin por mnimos cuadrados para los datos
descontados de las variaciones de temporada.
Paso 4. Proyectar la recta de la regresin a travs del periodo por ser pronosticado.
Paso 5 crear el pronstico final mediante el ajuste de la recta de la regresin segn
el factor estacional.
5. D algunas reglas simples que usara para manejar la demanda del producto
de una empresa (un ejemplo es limitado al inventario disponible).
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 13
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se
venda en los tres meses siguientes.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender
probablemente en ese periodo de ese ao.
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en
los tres meses anteriores.
4. Es probable que se venda 50 por ciento ms en los tres meses siguientes que en
los mismos tres meses del ao anterior.
5. Cualquiera que haya sido el cambio porcentual de los ltimos tres meses de este
ao en comparacin con los mismos tres meses del ao pasado, ser
probablemente el mismo cambio porcentual que se tendr en los siguientes tres
meses del ao.
6. Qu estrategias se usan en supermercados, lneas areas, hospitales, bancos y
cereales para influir en la demanda?
En los supermercados se considera que la manera que influyen ellos es en el
brindar descuentos o promociones para los productos, adems de que solamente son
durante un cierto periodo. Lneas areas pues se podra considerar que de igual
manera brindando promociones o tambin con el movimiento de sus precios, los
hospitales es difcil de influir pero se puede considerar que influyen con las
campaas de salud que se encuentran por ciertas temporadas, los bancos de igual
manera es muy difcil que influyan pero con la realizacin de ciertos tramites solo
ciertos das o el vencimiento para el pago de sus tarjetas de crdito, las fabricas de
cereales influyen con el lanzamiento de promociones en conjunto con sus productos
o el lanzamiento de una nueva variedad del producto podra captar la atencin del
pblico
7. Todos los mtodos de pronstico que usan suavizacin exponencial, suavizacin
adaptativa y suavizacin exponencial con tendencia requieren valores iniciales
para que funcionen las ecuaciones. Cmo escogera el valor inicial para, por
ejemplo, ft-1?
Quiz la opcin mas viable sera el utilizar el valor de la demanda real del periodo
anterior.
8. De la eleccin de un promedio mvil simple, promedio mvil ponderado,
suavizacin exponencial y anlisis de regresin lineal, Qu tcnicas de
pronstico le parecera ms precisa? Por qu?
Probablemte la precisin de la tcnica en cuestiosn podra depender del total de
datos registrados con anterioridad, pero al final podramos considerar el mtododo
de regresin lineal como el ms exacto, debido a que busca que todos los datos
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 14
registrados antes se ajusten a una lnea central y a su vez basa en una tendencia
historica de los datos antes registrados.
9. D ejemplos que tengan una relacin multiplicadora de la tendencia estacional.
La venta de ropa, porque depende de la temporada del ao que estemos, la venta de
flores depende si se acerca una fecha como el da de las madres o el 14 de febrero,
la ventade tiles escolares cuando se acerca el regreso a clases.
10. Cul es la principal desventaja del pronstico diario con anlisis de regresin?
Su principal restriccin como su nombre lo implica, es que se supone que los datos
pasados y los pronsticos futuros caen sobre una recta.
11. Cules son los principales problemas de la suavizacin exponencial adaptada
para realizar pronsticos?
Su mayor desventaja es que retrasa los cambios de la demanda.
12. Cmo se calcula un ndice estacional a partir de un anlisis de recta de la
regresin?
Podemos considerar que el aspecto ms importante es, que la desviacin estndar
da un valor ms grande lo que permite un error mayor que la DMA lo cual provoca
que la DMA sea un poco mas apegada al valor central o se ajuste o no se disperse un
valor esperado de la realidad.
13. Comente las diferencias bsicas entre la desviacin absoluta media y la
desviacin estndar.
Que al ser modelos muy sofisticados muchas de las veces son muy complicados
para realizar un pronstico, adems de que muchas veces necesitamos datos que no
se tienen registrados con anterioridad, lo cual podra complicar nuestra actividad,
ademas de ser muy laboriosos.
14. Qu implicaciones tienen los errores de pronstico en la bsqueda de modelos
de pronstico estadstico muy complejos?
Para el manejo de inventarios, probablemente la principal rea donde se pueden
utilizar es donde existe la variacin durante periodos cortos, pero de preferencia que
sean variaciones notables, o cuando los datos que se tienen registrados son escasos
15. Cules son las ventajas ms fuertes del pronstico enfocado?
A corto plazo, el pronstico es necesario para predecir los requerimientos de
materiales, productos, servicios y otros recursos para responder a los cambios de la
Pgina 15
PROBLEMAS:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 16
Problema 1
La demanda de audfonos para estereofnicos y reproductores de discos compactos para
trotadores ha llevado a Nina Industries a crecer casi 50% en el ao pasado. El nmero de
trotadores sigue en aumento, as que Nina espera que la demanda tambin se incremente,
porque, hasta ahora, no se han promulgado leyes de seguridad que impidan que los
trotadores usen audfonos. La demanda de estreos del ao pasado fue la siguiente:
Mes
A)
Enero
Febrero
Marzo
Abril
Mayo
Junio
Demanda
(unidades)
4200
4300
4000
4400
5000
4700
En la pgina 484 y 485 podemos encontrar las siguientes frmulas para resolver el
problema:
La ecuacin de los mnimos cuadrados para la regresin lineal.
Donde
Y = Variable dependiente calculada mediante la ecuacin.
y = El punto de datos de la variable dependiente real.
a = Secante Y
b = Pendiente de la recta.
x = Periodo
Pgina 17
Donde
a = Secante Y
b = Pendiente de la recta
= Promedio de todas las y
= Promedio de todas las x
x = Valor x de cada punto de datos
y = Valor y de cada punto de datos
n = Nmero de punto de datos
Y = Valor de la variable dependiente calculada con la ecuacin de regresin
As como la frmula del error estndar estimado:
Donde
yi = Valor y de cada punto de datos
Yi = Valor y pronosticado con la ecuacin de mnimos cuadrados
n = Nmero de puntos de datos
xy
x2
y2
Demand
a(y)
4200
4200
4300
8600
1764000
0
1849000
0
Pgina 18
4000
12000
4400
17600
16
5000
25000
25
4700
28200
36
5300
37100
49
4900
39200
64
5400
48600
81
10
5700
57000
100
11
6300
69300
121
12
6000
72000
144
78
60200
418800
650
= 418800
= 650
= 5016.67
1600000
0
1936000
0
2500000
0
2209000
0
2809000
0
2401000
0
2916000
0
3249000
0
3969000
0
3600000
0
3080200
00
n = 12
= 6.5
b=
b=
b = 192.307
Pgina 19
Es
Para obtener los datos de la demanda pronosticada en el siguiente ao a parte de la ecuacin
obtenida debemos de sustituir los valores de los prximos meses en la posicin de x como
se muestra a continuacin:
Enero prximo =
Febrero prximo =
Marzo prximo =
= 6266658
= 6458965
= 6651272
Abril prximo =
= 6843579
Mayo prximo =
= 7035886
Junio prximo =
= 7228193
Julio prximo =
= 7420500
Agosto prximo =
Septiembre prximo =
Octubre prximo =
= 7612807
= 7805114
= 7997421
Noviembre prximo =
= 8189728
Diciembre prximo =
= 8382035
Mediante la misma tcnica anterior calculamos los datos para el ao actual y hacemos una
comparacin entre la demanda real y la estimada que se mostrara a continuacin
Pgina 20
Demand
a(y)
4200
4300
400
4400
500
4700
5300
4900
5400
5700
6300
6000
Y ao
actual
3958,97
4
4151,28
1
4343,58
8
4535,89
5
4728,20
2
4920,50
9
5112,81
6
5305,12
3
5497,43
5689,73
7
5882,04
4
6074,35
1
Y Prox.
Ao
6266,65
8
6458,96
5
6651,27
2
6843,57
9
7035,88
6
7228,19
3
7420,5
7612,80
7
7805,11
4
7997,42
1
8189,72
8
8382,03
5
nivel de confianza?
Para desarrollar este inciso, es necesario acudir a la frmula que se presenta en la pgina
486 del presente captulo, la cual se refiere al error estndar del estimado, o la forma en
que la recta se adapta a los datos:
=269.85
Posteriormentemultiplicamoselresultadopor3
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 21
=269.85(3)
=809.55 unidades a retener
PROBLEMA NUMERO 2
Enero
Febrer
o
Marzo
Abril
Mayo
Junio
Deman
da
12
11
15
12
16
15
Para resolver este inciso es necesario acudir a la frmula que se encuentra en la pgina
476 del presente captulo:
La ecuacin de promedio mvil ponderado es:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 22
=(
)(
)+(
)(
)+..+(
)(
Donde:
= Ponderacin dada a la ocurrencia real para el periodo t-1.
= Ponderacin dada a la ocurrencia real para el periodo t-2.
= Ponderacin dada a la ocurrencia real para el periodo t-n.
n = Nmero total de periodos en el pronstico.
Aplicamos la frmula:
= 0.60 (15)+0.30 (16)+0.10 (12)
= 9+4.8+1.2
=15
=
Dnde:
Pgina 23
=
= 14.333
b) Mediante suavizacin exponencial simple con =0.2 y un pronstico para junio
de 13, calcule el pronstico de julio. Haga todas las suposiciones que quiera.
Para resolver este inciso acudimos a la pgina 478, en la cual est la frmula para
suavizacin exponencial:
)
Donde:
= El pronstico suavizado exponencialmente para el periodo t.
= El pronstico suavizado exponencialmente para el periodo anterior.
= La demanda real para el periodo anterior.
= El ndice de respuesta deseado, o la constante de suavizacin.
Aplicando la frmula:
=13+0.3 (15-13)
=13.4 unidades.
Por lo tanto, el pronstico de julio es 13.4 unidades.
Donde
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 24
Mes(x)
1
2
3
4
5
6
21
Demand
a(y)
12
11
15
12
16
15
81
xy
x2
y2
12
22
45
48
80
90
297
1
4
9
16
25
36
91
144
121
225
144
256
225
1115
Y = Variable dependiente
calculada mediante la
ecuacin.
y = El punto de datos de la
variable dependiente real.
a = Secante Y
b = Pendiente de la recta.
x = Periodo
Donde
a = Secante Y
b = Pendiente de la recta
= Promedio de todas las y
= Promedio de todas las x
x = Valor x de cada punto de datos
y = Valor y de cada punto de datos
n = Nmero de punto de datos
Y = Valor de la variable dependiente calculada con la ecuacin de regresin
Pgina 25
= 297
= 91
n=6
= 13.5
= 3.5
b=
b=
b = 0.7714
Para determinar el valor de a sustituimos en:
a = 13.5 (0.7714) (3.5)
a = 10.8
Por la tato la ecuacin final de la forma Y = a + bx
Es
d) Con la ecuacin de regresin del punto anterior calcule el pronstico para julio
Julio es el mes nmero 7 por lo tanto sustituimos ste valor en la ecuacin
Y = 10.8+0.7714x
Y = 10.8+0.7714 (7)
Y = 16.20
PROBLEMA NUMERO 3:
Las siguientes tabulaciones son ventas unitarias reales para seis meses y un pronstico
inicial para
Enero.
Pgina 26
a) Calcule los pronsticos para los cinco meses restantes con suavizacin exponencial
simple con
0.2.
Mes
Enero
Febrero
Marzo
Abril
Mayo
junio
Demanda real
100
94
106
80
68
94
Pronostico
80
80+0.2(100-80)= 84
84+0.2(94-84)=86
86+0.2(106-86)=90
90+0.2(80-90)=88
88+0.2(68-88)= 84
PROBLEMA 4:
Zeus Computer Chips, Inc., tena contratos importantes para producir microprocesadores
tipo Pentium. El mercado ha ido a la baja en los ltimos 3 aos por los chips dual-core, que
Zeus no produce, as que tiene la penosa tarea de pronosticar el ao entrante. La tarea es
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 27
penosa porque la empresa no ha podido encontrar chips sustitutos para sus lneas de
productos. Aqu est la demanda de los ltimos 12 trimestres:
2005
2006
2007
I
4,800
I
3,500
I
II
3,500
II
2,700
II
III
4,300
III
3,500
III
IV
3,000
IV
2,400
IV
Use la tcnica de descomposicin para pronosticar los cuatro trimestres de 2008
3,200
2,100
2,700
1,700
Demanda (y)
xy
x2
y2
1
2
3
4
5
6
7
8
|9
10
11
12
78
4800
3500
4300
3000
3500
2700
3500
2400
3200
2100
2700
1700
37400
4800
7000
12900
12000
17500
16200
24500
19200
28800
21000
29700
20400
214000
1
4
9
16
25
36
49
64
81
100
121
144
650
23040000
12250000
18490000
9000000
12250000
7290000
12250000
5760000
10240000
4410000
7290000
2890000
125160000
Pgina 28
b=
a=
Y=
-203.496503
4439.39394
4439.393-203.496 (x)
2008
Y= 4439.393-203.496 (x)
4439.393-203.496 (1)
4439.393-203.496 (2)
4439.393-203.496 (3)
4439.393-203.496 (4)
Demanda
pronosticada
4235.897
4032.401
3828.905
3625.409
PROBLEMA 5:
Los datos de ventas de 2 aos son los siguientes. Los datos estn
acumulados con dos meses de ventas en cada periodo.
Pgina 29
a) Trace la grfica.
b) Componga un modelo de regresin lineal simple para los datos de ventas.
c) Adems del modelo de regresin, determine los factores multiplicadores del ndice
estacional. Se supone que un ciclo completo es de 1 ao.
d) Con los resultados de los incisos b) y c), prepare un pronstico para el ao entrante
Donde
Y = Variable dependiente calculada mediante la ecuacin.
y = El punto de datos de la variable dependiente real.
a = Secante Y
b = Pendiente de la recta.
x = Periodo
En el mtodo de mnimos cuadrados, las ecuaciones para a y b son
Pgina 30
Donde
a = Secante Y
b = Pendiente de la recta
= Promedio de todas las y
= Promedio de todas las x
x = Valor x de cada punto de datos
y = Valor y de cada punto de datos
n = Nmero de punto de datos
Y = Valor de la variable dependiente calculada con la ecuacin de regresin
xy
109
208
450
680
600
600
805
896
1431
1820
1386
1272
10257
x2
1
4
9
16
25
36
49
64
81
100
121
144
650
y2
11881
10816
22500
28900
14400
10000
13225
12544
25281
33124
15876
11236
209783
Pgina 31
= 10257
= 650
= 129.416
n = 12
= 6.5
b = 1.1363
Para determinar el valor de a sustituimos en:
a = 129.41667 (1.1363) (6.5)
a = 122.03
Por la tato la ecuacin final de la forma Y = a + bx
Es
Periodo(x)
Real (y)
Promedio
Factor
Demanda
del
Estacional s/Factor
Periodo
Estacional
1
109
112
0,865
125,950
2
104
108
0,835
124,623
3
150
154,5
1,194
125,647
4
170
176
1,360
125,005
5
120
123
0,950
126,260
6
100
103
0,796
125,647
7
115
0,865
132,883
8
112
0,835
134,210
9
159
1,194
133,186
10 ADMINISTRACION
182
1,360
133,829
DE OPERACIONES
SEGUNDA
UNIDAD
11
126
0,950
132,573
12
106
0,796
133,186
Total
1553
776,5
12
Promedio
129,42
129,42
1
Factores
Mulitiplicadores
del
ndice
estacional
Para calcular la columna
del promedio del periodo
realizamos una suma de
los periodos que
ocurrienten en las mimas
fechas y la dividimos en el
nmero de periodos. Por
ejemplo:
Ene-Feb =109
Ene-Feb =115
Pgina 32
Para calcular el Factor Estacional dividimos el promedio del periodo entre el promedio total
del perido. Por ejemplo:
Factor Estacional =
Para calcular la Demanda sobre Factor Estacional divimos la Demanda Real entre el Factor
Estacional. Por ejemplo:
Demanda s/ Factor Estacional =
= 125.95
Pronstico
Factor
Pronstico
Tendencia Estacional
final
13
136,800
X 0,865
118,390
14
137,940
X 0,835
115,113
15
139,070
X 1,194
166,024
16
140,210
X 1,360
190,678
17
141,350
X 0,950 SEGUNDA
134,342UNIDAD
ADMINISTRACION
DE OPERACIONES
18
142,480
X 0,796
113,397
Pgina 33
multiplicarlo por el factor estacional obtenido, para establecer un Pronstico final para el
ao entrante.
PROBLEMA 6:
Las seales de seguimiento calculadas con el historial de la demanda pasada de tres
productos son como sigue. Cada producto usa la misma tcnica de pronstico.
Pgina 34
MES
TS 1
TS 2
TS 3
-2,70
1,54
0,10
-2,32
-0,64
0,43
-1,70
2,05
1,08
-1,10
2,58
1,74
-0,87
-0,95
1,94
-0,05
-1,23
2,24
0,10
0,75
2,96
0,40
-1,59
3,02
1,50
0,47
3,54
10
2,20
2,74
3,75
Pgina 35
Conclusin: La seal de seguimiento fue negativa para los primeros 6 meses, esto nos
indica que para dichos meses las demandas fueron menores que lo que se haba
pronosticado. En cambio, a partir del mes 7, las seales de seguimiento fueron positivas, lo
cual es un indicador de que la demanda estuvo por encima de lo pronosticado.
Seal de Seguimiento del Producto 2
Conclusin: La seal de seguimiento de este producto confirma que las ventas estuvieron
por encima de lo pronosticado aunque con una leve dispersin en los meses 2, 5, 6 y 8 los
cuales fueron negativos, por debajo de lo pronosticado.
Seal de Seguimiento del Producto 3
Pgina 36
Conclusin: La seal de seguimiento es positiva en todos los meses, por lo tanto podemos
afirmar que la demanda real de este producto estuvo por encima de lo pronosticado con una
ventaja para la compaa, ya que la misma fue de carcter ascendente de un periodo a otro.
Este modelo de pronstico no es confiable porque la demanda no se acerca para nada a lo
establecido por el mismo.
Pgina 37
PROBLEMA 7:
Ventas
160
195
150
140
Trimestre
5
6
7
8
Ventas
215
240
205
190
Ventas
5
6
7
8
215
240
205
190
Ventas promedio
para cada
temporada (850/4)
212.5
212.5
212.5
212.5
Factor estacional
215/212.5= 1.01
240/212.5=1.12
205/212.5=0.96
190/212.5=0.89
Supngase que con estos factores se espera que la demanda del prximo ao sea de 900
unidades, se pronosticara que esto ocurrira.
Trimestres
del
prximo
ao
1
2
3
4
Total
Demanda
esperada para
prximo ao
Ventas promedio
para cada
temporada
(900/4)
225
225
225
225
Factor
estacional
X
X
X
X
1.01
1.12
0.96
0.89
Pronstico
estacional del
prximo ao
=
=
=
=
227.25
252
216
200.25
900
Pgina 38
PROBLEMA 8:
2006
2007
TRIMESTRE
CANTIDAD
(UNIDADES)
12
II
18
III
26
IV
16
16
II
24
III
28
IV
18
A continuacin se explicaran los pasos para la resolucin del problema #8 del captulo
Administracin y pronstico de la demanda.
Para ellos es importante conocer los significados de las siguientes palabras claves:
Tendencia: ajusta una recta matemtica de tendencias a los puntos de datos y la proyecta
en el futuro.
Factores estacionales: variacin peridica y predecible de la misma con un periodo
inferior o igual a un ao.
A) Trace a mano una recta (o haga una regresin con Excel).
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 39
Primeramente insertamos un grfico tipo lnea 2D con los datos de la tabla de unidades por
trimestres de los aos 2006 y 2007.
CANTIDAD
TRIMESTRE (UNIDADES)
2006
2007
12
II
18
III
26
IV
16
16
II
24
III
28
IV
18
Figura 1.1
Despus evaluamos con una regresin lineal por mnimos cuadrados los datos de la tabla
para encontrar la ecuacin de la tendencia de los aos 2006 y 2007 respecto a sus trimestres
anuales.
XY
X2
Y2
12
12
144
Pgina 40
Sumatoria
18
36
324
26
78
676
16
64
16
256
16
80
25
256
24
144
36
576
28
196
49
784
18
144
64
324
36
158
754
204
3340
1.024
15.143
Y=
15.143+1.023t
15.143+1.023t
Figura 1.2
16.167
17.190
18.214
19.238
5
20.262
ADMINISTRACION
DE OPERACIONES SEGUNDA UNIDAD
6
21.286
22.310
23.333
Pgina 41
15.143+1.023t
MES #
TRIMES
TRE
SUMA
REAL
DE LA ECUACIN DE
TENDENCIA
T=15.143+1.023t
PROPORCIN
DE SUMA
REAL /
TENDENCIA
2006
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 42
12
16.166
II
18
17.189
3
4
III
IV
26
16
18.212
19.235
0.74229865
1
1.04718133
7
1.42763013
4
0.831817
2007
5
16
20.258
II
24
21.281
III
28
22.304
IV
18
23.327
0.78981143
3
1.12776655
2
1.25538020
1
0.77163801
6
Figura 1.4
Ahora buscaremos los factores estacionales de cada trimestre evalundolo con los
trimestres correspondientes de ambos aos (2006 y 2007).
El factor estacional como ya lo mencionamos es la variacin peridica y predecible de la
misma con un periodo inferior o igual a un ao.
A continuacin se muestra el resultado estacional (figura 1.5):
MES
#
TRIMES
TRE
SUM
A
REAL
DE LA ECUACIN
DE TENDENCIA
T=15.143+1.023t
PROPORCI
FACTOR
N DE
ESTACIONAL
SUMA
(PROMEDIO DEL
REAL /
MISMO TRIMESTRE
TENDENCI
EN AMBOS AOS)
A
2006
1
12
16.166
II
18
17.189
0.742298
651
1.047181
337
Pgina 43
3
4
III
IV
26
16
1.427630
134
0.831817
18.212
19.235
2007
5
16
20.258
II
24
21.281
III
28
22.304
IV
18
23.327
0.789811
433
1.127766
552
1.255380
201
0.771638
016
I
II
III
0.766055
1.087474
1.341505
IV
0.801728
Figura 1.5
Ahora pasamos con el inciso C
C) Pronostique las ventas para 2008.
1. El clculo del pronstico para 2008 incluyendo los factores de tendencia y
estacional (FITS en ingls, forecast including trend and seasonal factors) utilizamos
la siguiente frmula:
FITSt =
Tendencia x estacional
Frmula de la tendencia:
Tendencia: 15.143+1.023t
I
II
0.766
1.088
Pgina 44
III
IV
1.342
0.802
FITSt =
Tendencia x estacional
I-2008 FITS9=
22.196
II-2008 FITS10=
26.269
III-2008 FITS11=
30.241
IV-2008 FITS12=
24.986
Figura 1.6
CONCLUSIN:
Como resultado obtenemos los datos en la siguiente tabla:
2006
2007
2008
TRIMESTRE
CANTIDAD
(UNIDADES)
12
II
18
III
26
IV
16
16
II
24
III
28
IV
18
22.196
II
26.269
III
30.241
IV
24.986
Pgina 45
Ao
Total de
unidades
2006
72.0
2007
86.0
2008
103.7
Pgina 46
PROBLEMA 9:
a) Con un promedio mvil de tres semanas, cul sera su pronstico para la semana
entrante?
Pgina 47
PROBLEMA 10:
Dada la siguiente historia, aplique un pronstico enfocado al tercer trimestre de este ao.
Use tres estrategias de pronstico enfocado.
Ao pasado
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Dicie
100
125
135
175
185
200 150
140
130
200
225
25
Este ao
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Dicie
125
135
135
190
200
190
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se venda en
los tres meses siguientes.
Pronstico (Abril, Mayo y Junio)
Pgina 48
Ao pasado
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Dicie
100
125
135
175
185
200 150
140
130
200
225
25
Este ao
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Dicie
125
135
135
190
200
190
150
140
130
Como La regla 2 fue la mejor para pronosticar los tres meses pasados, se usa esa
regla para predecir julio, agosto y septiembre de este ao. La regla 2 dice que lo que se
vendi en el mismo trimestre del ao pasado se vender probablemente en ese periodo de
este ao
Pgina 49
PROBLEMA 11:
A continuacin se da la demanda tabulada actual de un artculo durante un
periodo de nueve meses (de enero a septiembre). Su supervisor quiere probar dos mtodos
de prueba para ver cul result mejor en el periodo.
Pgina 50
MAD= 23.44
Ejemplo mes de abril = 0.30*150+(1-0.30)*116= 126.2
C) Use la MAD para decidir qu mtodo produjo el mejor pronstico en el periodo
de seis meses.
R= es mejor el mtodo de promedio mvil ya que es el menor.
Problema 12
Se aplic cierto modelo de pronstico para anticipar un periodo de seis
meses. Aqu estn la demanda pronosticada y la real:
MAD=
l RSFE l / n
50+75+75+50+50+50
6
350
6
MAD
TS
50
62.5
66.67
62.5
60
58.33
-1
-2
-3
-4
-5
-6
58.33
Pgina 51
TS=
RSFE / MAD
-350
58.33
-6
MAD
Aun que se muestre que el pronstico sea mayor a lo real, no hay suficientes pruebas para
rechazar el modelo de pronostico.
Pgina 52
PROBLEMA 13 :
13. Harlen Industries tiene un modelo de pronstico simple: se toma la demanda real del
mismo mes del ao anterior y se divide entre el nmero fraccional de semanas de ese mes.
Esto da una demanda semanal promedio para el mes. El promedio de esta semana se usa
como pronstico semanal del mismo mes este ao. La tcnica se us para pronosticar ocho
semanas de este ao, que se muestran a continuacin junto con la demanda real.
Las siguientes ocho semanas muestran el pronstico (basado en el ao pasado) y la
demanda real:
Donde
t = Nmero del periodo
A = Demanda real para el periodo
F = Demanda pronosticada para el periodo
n = Nmero total de periodos
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 53
| | = Smbolo utilizado para indicar el valor absoluto sin tomar en cuenta los signos
positivos o negativos
Para hacer el siguiente clculo elaboramos la siguiente tabla en Excel
Mes
1
2
3
4
5
6
7
8
At
137
133
150
160
180
170
185
205
Ft
140
140
140
140
140
150
150
150
Donde
RSFE = la
pronosticados, considerando la naturaleza del error
suma
corriente
de
los
errores
MAD = El promedio de todos los errores pronosticados (sin importar si las desviaciones son
positivas o negativas). Es el promedio de las desviaciones absolutas.
Para continuar con los clculos solicitados utilizamos el formato que se encuentra
en la pgina 483
Donde
Mes: nmero del mes del pronstico
Pronostico: cantidad aproximada de la demanda
Real: cantidad real de la demanda
Desviacin: la diferencia entre la cantidad pronosticada y la real
RSFE: la sumatoria acumulada entre las desviaciones considerando los signos
Desv. Abs.: el valor absoluto de la diferencia entre la cantidad pronosticada y la real (no
importan los signos)
Suma Desv. Abs. : La sumatoria acumulada de las Desv. Abs.
MAD: Cociente entre la Suma Desv. Abs. Y el Mes
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 54
At
Ft
1
2
3
4
5
6
7
8
137
133
150
160
180
170
185
205
140
140
140
140
140
150
150
150
-3
-7
10
20
40
20
35
55
-3
-10
0
20
60
80
115
170
3
7
10
20
40
20
35
55
3,00
5,00
6,67
10,00
16,00
16,67
19,29
23,75
-1,00
-2,00
0,00
2,00
3,75
4,80
5,96
7,16
TS = 7.16
En ste pronstico podemos apreciar como para las primeras semanas la demanda real es
inferior en a la demanda pronosticada, pero para el resto de las semanas el pronstico se
encuentra demasiado alejado de la realidad, pudiendo ocasionar una escases para cubrir la
demanda real, por cual el actual modelo de pronstico para la demanda no es
aceptable
Pgina 55
PROBLEMA 14:
La tabla siguiente contiene la demanda de los ltimos 10 meses.
a) Calcule el pronstico con suavizacin exponencial simple de estos datos con una
de 0.30 y un pronstico inicial (F1) de 31.
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
31
34
33
35
37
36
38
40
40
41
Suavizacin exponencial
simple
31
31
31.9
32.23
33.061
34.2427
34.76989
35.73893
37.01725
37.91208
MAD=2.903128
Ejemplo del mes 2= 0.30 * 31+ (1-0.30)* 31=31
Pronostico anterior( mes 1)
Demanda anterior
Pgina 56
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
31
34
33
35
37
36
38
40
40
41
Suavizacin exponencial
con tendencia
30
32
33.78
34.6589
35.89983
37.46968
38.1363
39.19066
40.60156
41.53505
MAD= 0.8640323
Pgina 57
PROBLEMA 15 :
Pronstico
800
850
950
950
1000
975
Real
900
1000
1050
900
900
1100
Donde
t = Nmero del periodo
A = Demanda real para el periodo
F = Demanda pronosticada para el periodo
n = Nmero total de periodos
| | = Smbolo utilizado para indicar el valor absoluto sin tomar en cuenta los signos
positivos o negativos
Pgina 58
Mes
1
2
3
4
5
6
At
900
1000
1050
900
900
1100
Ft
800
850
950
950
1000
975
Donde
RSFE = la suma corriente de los errores pronosticados, considerando la naturaleza del error
MAD = El promedio de todos los errores pronosticados (sin importar si las desviaciones son
positivas o negativas). Es el promedio de las desviaciones absolutas.
Para continuar con los clculos solicitados utilizamos el formato que se encuentra
en la pgina 483
Mes Pronstico Real Desviacin RSFE Desv. Abs. Suma Desv. Abs. MAD
Donde
Mes: nmero del mes del pronstico
Pronostico: cantidad aproximada de la demanda
Real: cantidad real de la demanda
Desviacin: la diferencia entre la cantidad pronosticada y la real
RSFE: la sumatoria acumulada entre las desviaciones considerando los signos
Desv. Abs.: el valor absoluto de la diferencia entre la cantidad pronosticada y la real (no
importan los signos)
Suma Desv. Abs. : La sumatoria acumulada de las Desv. Abs.
MAD: Cociente entre la Suma Desv. Abs. Y el Mes
Ts: Cociente entre el RSFE y el MAD
Pgina 59
Me
s
1
800
Desviaci
n
100
RSF
E
100
Desv.
Abs.
100
Suma Desv.
Abs.
100
850
150
250
150
250
950
100
350
100
350
100
0
105
0
900
950
-50
300
50
400
900
-100
200
100
500
110
0
100
0
975
125
325
125
625
2
3
At
Ft
900
MAD
100,0
0
125,0
0
116,6
7
100,0
0
100,0
0
104,1
7
1,00
2,00
3,00
3,00
2,00
3,12
Ts = 3.1
Las conclusiones a las que podemos llegar es que la demanda real supera al pronstico
elaborado, por lo cual probablemente no podamos abastecer la demanda real dentro de
nuestra institucin, al no estar preparados correctamente para la situacin que se presente
posiblemente
PROBLEMA 16:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 60
Supngase que sus existencias de mercanca para venta se mantienen sobre la base de la
demanda pronosticada. Si el personal de ventas de la distribuidora llama el primer da de
cada mes, calcule su pronstico de ventas con los tres mtodos solicitados aqu.
Pronostico mes
Demanda mes anterior (agosto)
PROBLEMA 17 :
Pgina 61
demanda
60
55
75
60
80
75
Promedio mvil
62.5
67.5
72.5
Pgina 62
demanda
Abril
Mayo
Junio
Julio
Agosto
Septiembre
octubre
60
55
75
60
80
75
Promedio mvil a
dos meses
57.5
65
67.5
70
77.5
PROBLEMA 18:
Pgina 63
1
23000
19000
2
27000
24000
3
18000
26400
4
9000
porcentaje %
56.82
Pgina 64
4-Es probables que se venda 50% ms en los tres meses siguientes de este ao en
comparacin al ao pasado.
ao pasado
este ao
trimestre
1
2
23000
27000
19000
24000
3
18000
27000
4
9000
porcentaje %
55.56
5-Cualquiera que haya sido el cambio porcentual de los ltimos 3 meses de este ao en
comparacin
con los mismos del ao pasado, ser probablemente el mismo cambio porcentual que tendr
los siguientes 3 meses.
trimestre
1
2
3
4
porcentaje %
ao pasado
23000
27000
18000
9000
este ao
19000
24000
16000
93.75
PROBLEMA 19:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 65
Indicaciones:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 66
Para calcular la seal de seguimiento con la desviacin absoluta media y la suma continua de
errores de pronostico utilice un programa determinado, en este caso utilizaremos el programa
Excel 2013.
Empezaremos introduciendo los datos que nos proporciona el problema uno por cada celda
hacia abajo, tomaremos cada rengln como un mes, entonces tendremos el pronstico y el real
de 5 meses. Ahora calcularemos la desviacin hacindole la siguiente operacin real menos
pronostico seleccionamos la celda que corresponda al primer mes del real y le restamos la
celda que corresponda al primer mes del pronstico, y as sucesivamente hasta concluir con
los 5 meses y de esa manera obtenemos la columna de desviacin.
Para calcular la columna correspondiente al RSFE sumamos la columna de desviacin,
colocando en la primera celda de RSFE la suma de la primera celda de desviacin, en la
segunda celda correspondiente a la columna de RSFE colocamos la suma de la primera celda
de RSFE mas la segunda celda correspondiente a la columna de desviacin, y as
sucesivamente hasta terminar los 5 meses.
Para calcular la columna de desv. Abs. Solamente le sacamos el valor absoluto a la columna de
desviacin colocando la siguiente formula ABS() esta frmula se la aplicamos a cada celda
de la desviacin y de esa manera obtendremos la columna de desv. Abs.
Para obtener la columna de suma de desv. Ab. solamente sumamos la columna de desv.
Abs. para obtener la columna del MAD solamente dividimos la primera celda de la columna
de suma de desv. Abs. Entre la primera celda de la columna mes correspondiente al mes 1
y de esa manera obtendremos la primera celda de la columna MAD, para obtener la segunda
celda de la columna MAD solamente dividimos la segunda celda de la columna de desv. Abs.
entre la segunda celda de la columna mes y as sucesivamente hasta concluir con los 5
meses.
Y por ltimo, para calcular la columna del ts simplemente aplicamos la formula TS=
RSFE/MAD a cada una de las celdas correspondientes.
Para representar de manera ms clara nuestra seal de seguimiento graficaremos para lo cual
seleccionaremos la columna correspondiente a los 5 meses del TS , una vez seleccionado
buscamos en la barra de herramientas insertar y buscamos el apartado de graficas y
seleccionamos algn tipo de grafica de dispersin.
Pgina 67
Conclusin:
Con la grafica y los datos de TS podemos corroborar como la realidad es menor que el
pronsticos a partir del mes 2 podemos notar que nuestra seal de seguimiento esta
decrementando, lo que nos indica una demanda menor para los meses siguientes, respecto al
pronstico.
PROBLEMA 20:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 68
a) Calcule un pronstico de promedio mvil simple a tres meses para los periodos 4 a
12.
Mes
Demanda real
4
5
6
7
8
9
10
11
12
MAD= 4.07
68
71
73
76
78
78
80
84
85
Pronostico promedio
movil
64.66
66.66
68.66
70.66
73.33
75.66
77.33
78.66
80.66
Pgina 69
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
11
12
62
65
67
68
71
73
76
78
78
80
84
85
Pronostico promedio
movil ponderado
65.4
67.1
69.3
71.4
74.1
76.4
77.6
79
81.6
MAD= 3.45
Ejemplo de solucin de promedio mvil ponderado para el mes
4=
67*0.50+65*0.30+62*0.20= 65.4
c) Calcule un pronstico de suavizacin exponencial simple para los
periodos 2 a 12 usando un pronstico inicial (F1) de 61 y una de 0.30.
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
11
12
62
65
67
68
71
73
76
78
78
80
84
85
Pronostico de
suavizacion
exponencial simple
61.3
62.41
63.787
65.05
66.83
68.68
70.87
73.01
74.51
76.15
78.51
MAD= 5.80
Ejemplo de solucin de suavizacin exponencial simple para el
mes dos=
0.30*62+(1-0.30)*61= 61.3
Pgina 70
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
11
12
62
65
67
68
71
73
76
78
78
80
84
85
Pronostico de
suavizacion
exponencial simple
63.678
66.01
68.33
70.22
72.52
74.77
77.36
79.82
81.39
82.95
85.35
MAD= 0.94
Pgina 71
PROBLEMA 21:
Haga un anlisis de regresin sobre la demanda sin factores estacionales para pronosticar la
demanda
en el verano de 2008, dados los siguientes datos histricos de la demanda.
1
2
3
4
5
6
7
8
Estacin
Primavera
Verano
Otoo
Invierno
Primavera
Verano
Otoo
Invierno
36
n=
Sxx
Syy
Sxy
r
y
x^2
Demanda
real
205
140
375
575
475
275
685
965
3695
8
42
527946.875
3822.5
0.81176017
y^2
xy
1
4
9
16
25
36
49
64
42025
19600
140625
330625
225625
75625
469225
931225
205
280
1125
2300
2375
1650
4795
7720
204
2234575
20450
xtest
ytest
a
b
4.5
461.875
52.3214286
91.0119048
Pgina 72
y1 (9)
y2 (10)
y3 (11)
871.428571
962.440476
1053.45238
Regresin
Residuos
Total
Promedio
Grados de
Suma de
de los
Valor
libertad
cuadrados cuadrados F
crtico de F
1 347893.006 347893.006 11.5929641 0.01440975
6 180053.869 30008.9782
7 527946.875
Coeficientes
Intercepcin
52.3214286
Variable X 1
91.0119048
Pgina 73
PROBLEMA 22 :
Los siguientes son los resultados de los ltimos 21 meses de ventas reales de cierto
producto.
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
2006
300
400
425
450
400
460
400
300
375
500
550
500
2007
275
375
350
425
400
350
350
275
350
Elabores un pronstico para el cuarto trimestre usando tres reglas de pronstico enfocado
(observe que para aplicar correctamente el procedimiento, las reglas se prueban primero en
el tercer trimestre; la de mejor desempeo se usa para pronosticar el cuarto trimestre). Haga
el problema con trimestres, en lugar de meses por separados.
1. Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se venda en
los tres meses siguientes.
Pronstico (Julio, Agosto y
Septiembre)
Pgina 74
Septiembre)
Demanda (Julio, Agosto y Septiembre) del 2006 = 1,075
2006
300
400
425
450
400
460
400
300
375
500
550
500
2007
275
375
350
425
400
350
350
275
350
500
550
500
Pgina 75
PROBLEMA 23 :
La demanda real de un producto en los tres meses anteriores fue :
a) Con un promedio mvil simple de tres meses, haga un pronstico para este mes.
400+350+325 = 1075
1075/3 = 358.33
Formula:
El pronstico para el mes actual seria de 358.33
Ft=At-1+ At-2+ At-3+ At-n
b) Si este mes la demanda real fue de 300 unidades, cul sera su pronstico para el
mes entrante?
Meses
Hace tres meses
Hace dos meses
El mes pasado
Mes actual
350+325+300= 975
975/3= 325
El pronstico para el mes entrante ser de 325
c) Con suavizacin exponencial simple, cul sera su pronstico para este mes si el
pronstico uniforme exponencial de hace tres meses fue de 450 unidades y la
constante de uniformidad fue de 0.20?
Meses
Hace tres meses
Hace dos meses
El mes pasado
Mes actual
Unidades
450
Pgina 76
Formula
unidades
400
350
325
Suavizacin exponencial
450
440
422
402.6
PROBLEMA 24:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 77
Despus de aplicar su modelo de pronstico durante seis meses, decide probarlo con MAD
y una seal de seguimiento. Lo que sigue es el pronstico y la demanda real del periodo de
seis meses:
Periodo
Pronostico
Real
mayo
junio
julio
agosto
septiembre
octubre
450
500
550
600
650
700
500
550
400
500
675
600
MAD=(|RSFE|)/(n)
TS=( RSFE)/(MAD)
desviacin
real
50
50
-150
-100
25
-100
-225
desviacin
acumulada(RSFE)
50
100
-50
-150
-125
-225
desviacin
absoluta
50
50
150
100
25
100
475
MAD= 475/6
= 79.16
seal de seguimiento= -225/79.16= -2.84
Pgina 78
Pgina 79
PROBLEMA 25 :
A continuacin se anotan las ganancias por accin de dos compaas, por trimestre, del
primer trimestre de 2004 al segundo de 2007. Pronostique las ganancias por accin para el
resto de 2007 y para 2008. Use suavizacin exponencial para pronosticar el tercer periodo
de 2007 y el mtodo de descomposicin de series de tiempos para pronosticar los ltimos
dos trimestres de 2007 y los cuatro trimestres de 2008 (es mucho ms fcil resolver el
problema en una hoja de clculo computarizada, para ver lo que sucede).
2004
2005
2006
2007
Donde
Ft = El pronstico suavizado exponencialmente para el periodo t
Ft-1 = El pronstico suavizado exponencialmente para el periodo anterior
At-1 = La demanda real para el periodo anterior
= El ndice de respuesta deseado, o la constante de suavizacin
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 80
Procedemos a elaborar la tabla en Excel y hacemos los clculos de manera ms sencilla con
la funcin de Autocompletar en Excel, a travs de la cual solo necesitamos programar una
celda.
PRONOSTICO PARA COMPAA A CON =0,10
PERIOD
AO Para
TRIMEST
COMPAA
programar
la celda deSUAVIZACIO
O
RE
A
N
Excel realizamos la siguiente
EXPONENCI
accin:
AL
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
2004
I
1,67
1. Damos clic en la celda
II
2,35
1,67
donde deseamos
III
1,11
1,74
calcular el pronstico
1,68
2. IVEscribimos1,15
los
2005
Isiguiente:1,56
1,62
II= (celda que
2,04contiene 1,62
IIIel pronstico
1,14
1,66
IVanterior+ 0,38
1,61
el
2006
Icoeficiente
0,29
1,48
se
IIsuavizacin
-0,18
1,36
que
IIImultiplica-0,97
1,21
a la
IVdiferencia0,20
0,99
entre la
real del
2007
Idemanda -1,54
0,91
periodo
anterior
y
el
II
0,38
0,67
IIIpronstico suavizado 0,64
del periodo anterior
3.
Un ejemplo
podraBser:
PRONOSTICO PARA
COMPAA
CON
=E20+0,1*(D20-E20)
=0,10
PERIOD
AO
TRIMEST COMPAA SUAVIZACIO
O
RE
A
N
PRONOSTICO PARA COMPAA A CON
EXPONENCI
=0,30
AL
PERIOD
AO
TRIMESTR
COMPAA
SUAVIZACION
1
2004
I
0,17
O
E
A
EXPONENCIAL
2
II
0,24
0,17
3
III
0,26
0,18
1
2004
I
1,67
4
IV
0,34
0,19
2
II
2,35
1,67
5
2005
I
0,25
0,20
3
III
1,11
1,87
6
II
0,37
0,21
4
IV
1,15
1,64
7
III
0,36
0,22
5
2005
I
1,56
1,50
8
IV
0,44
0,24
6
II
2,04
1,52
9
2006
I
0,33
0,26
7
III
1,14
1,67
10
II
0,40
0,26
8
IV
0,38
1,51
11
III
0,41
0,28
9
2006
I
0,29
1,17
12
IV
0,47
0,29
10
II
-0,18
0,91
13
2007
I
0,30
0,31
11
III
-0,97
0,58
14
II
0,47
0,31
12ADMINISTRACION DE OPERACIONES
IV
0,20
0,12
SEGUNDA UNIDAD
15
III
0,32
13
2007
I
-1,54
0,14
14
15
II
III
0,38
-0,36
-0,14
Pgina 81
PERIOD
O
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
2005
2006
2007
0,17
0,24
0,26
0,34
0,25
0,37
0,36
0,44
0,33
0,40
0,41
0,47
0,30
0,47
0,00
0,17
0,19
0,21
0,25
0,25
0,29
0,31
0,35
0,34
0,36
0,37
0,40
0,37
0,40
b) Con el mtodo
MAD para probar el
desempeo del modelo
de pronstico, ms
datos reales de 2004 al
segundo trimestre de
2007, qu tan bien
funcion el modelo?
Para calcular el
MAD en el
pronstico
utilizamos la
funcin ABS de
Excel a la
AO
2004
2005
2006
TRIMESTR
E
I
II
III
IV
I
II
III
IV
I
II
III
IV
COMPAA
A
1,67
2,35
1,11
1,15
1,56
2,04
1,14
0,38
0,29
-0,18
-0,97
0,2
SUAV. EXP.
MAD
1,67
1,74
1,68
1,62
1,62
1,66
1,61
1,48
1,36
1,21
0,99
0,68
0,63
0,53
0,06
0,42
0,52
1,23
1,19
1,54
2,18
0,79
Pgina 82
13
14
2007
I
II
-1,54
0,38
0,91
0,67
2,45
0,29
MADEl=MAD
12.52/
13es=igual a la sumatoria total entre el nmero de
total
0.96periodos calculados
PRONOSTICO PARA COMPAA B CON =0,10
AO
TRIMESTR COMPAA SUAV. EXP.
E
A
MAD = 1.56/13
MAD = 0.12 I
2004
0,17
II
0,24
0,17
III
0,26
0,18
IV
0,34
0,19
2005
I
0,25
0,20
II
0,37
0,21
III
0,36
0,22
IV
0,44
0,24
2006
I
0,33
0,26
II
0,4
0,26
III
0,41
0,28
IV
0,47
0,29
2007
I
0,3
0,31
II
0,47
0,31
PRONOSTICO PARA COMPAA A CON =0,30
PERIOD
O
MAD
1
2
3
4
5
6
7
8
9
10
11
12
13
14
0,07
0,08
0,15
0,05
0,16
0,14
0,20
0,07
0,14
0,13
0,18
0,01
0,16
PERIOD
O
1
TRIMESTR
E
I
COMPAA
A
1,67
SUAV.
EXP.
MAD
II
2,35
1,67
0,68
III
1,11
1,87
0,76
IV
1,15
1,64
0,49
1,56
1,50
0,06
II
2,04
1,52
0,52
III
1,14
1,67
0,53
IV
0,38
1,51
1,13
0,29
1,17
0,88
II
-0,18
0,91
1,09
9
10
AO
2004
2005
2006
Pgina 83
11
III
-0,97
0,58
1,55
12
IV
0,2
0,12
0,08
-1,54
0,14
1,68
II
0,38
-0,36
0,74
13
2007
14
MAD = 10.22/ 13 =
0.79
PARA COMPAA
=0,30
AO PRONOSTICO
TRIMES
COMPA
ACCIO B CON
FACT
PRONST
PERIOD
AO
COMPAA
SUAV.
MAD
TRE TRIMESTR
A A
NES
ESTACIO
ICO
O
E
A
EXP.
PROM.
NAL
1
2
2004
3
4
5
6
2005
7
8
9
10
2006
11
12
13
14
2007
2004
I
II
III
2005
IV
I
II
III
2006
IV
I
II
III
2007
IV
I
II
III
IV
2008 I
II
III
IV
I
II
III 1,67
IV 2,35
I 1,11
II 1,15
III 1,56
IV 2,04
I 1,14
II 0,38
III 0,29
IV -0,18
I -0,97
II 0,2
-1,54
0,38
0,17
0,24
1,57
0,26
1,57
0,34
1,57
0,25
1,57
0,37
1,28
0,36
1,28
0,44
1,28
0,33
1,28
0,4
-0,165
0,41
-0,165
0,47
-0,165
0,3
-0,165
0,47
-0,58
-0,58
-0,4825
-0,4825
0,17
1,06
0,19
1,50
0,21
0,71
0,25
0,73
0,25
1,22
0,29
1,59
0,31
0,89
0,35
0,30
0,34
-1,76
0,36
1,09
0,37
5,88
0,40
-1,21
0,37
2,66
-0,66
2,01
-0,41
0,07
0,07
0,13
0,00
0,12
1,67
0,07
2,35
0,13
1,11
0,02
1,15
0,06
1,56
0,05
2,04
0,10
1,14
0,10
0,38
0,10
0,29
-0,18
-0,97
0,20
-1,54
0,38
-0,97
0,20
MAD = 1.01/13 =
0.08
c) Con la
descomposicin del mtodo de pronstico por series de tiempo, pronostique las ganancias
por accin para los dos ltimos trimestres de 2007 y para los cuatro trimestres de
Pgina 84
AO
TRIMES
TRE
2004 I
II
III
IV
2005 I
II
III
IV
2006 I
COMPA
A B
0,17
0,24
0,26
0,34
0,25
0,37
0,36
0,44
0,33
ACCIO
NES
PROM.
0,2525
0,2525
0,2525
0,2525
0,355
0,355
0,355
0,355
0,4025
FACT
ESTACIO
NA
0,67
0,95
1,03
1,35
0,70
1,04
1,01
1,24
0,82
PRONST
ICO
0,17
0,24
0,26
0,34
0,25
Pgina 85
II
III
IV
2007 I
II
III
IV
2008 I
II
III
IV
0,4
0,41
0,47
0,3
0,47
0,4025
0,4025
0,4025
0,385
0,385
0,4125
0,4125
0,99
1,02
1,17
0,78
1,22
0,99
1,14
0,37
0,36
0,44
0,33
0,40
0,41
0,47
0,30
0,47
0,41
0,47
COMPAA A
AO
TRIMEST
RE
2004 I
II
III
IV
2005 I
II
III
IV
2006 I
II
III
IV
2007 I
II
III
IV
2008 I
II
III
IV
PRONSTICOS
SUAVIZACIN En ste DESC.
pronstico podemos
EXPONENCIAL
SERIES
apreciar que los resultados
TIEMPO
que obtendrn la compaa
=0,10 =0,30
del todo
0,00
0,00 A no sern
0,00
1,67
1,67 beneficiosos
0,00para la misma,
se esperan varios
1,74
1,87 puesto que
0,00
con prdidas
1,68
1,64 periodos0,00
1,62
1,50
1,67
1,62
1,52
2,35
1,66
1,67
1,11
1,61
1,51
1,15
1,48
1,17
1,56
1,36
0,91
2,04
1,21
0,58
1,14
0,99
0,12
0,38
0,91
0,14
0,29
0,67
-0,36
-0,18
0,64
-0,14
-0,97
0,20
-1,54
0,38
-0,97
0,20
Pgina 86
COMPAA B
PRONSTICOS
AO
TRIMEST
SUAVIZACIN
DESC.
En ste pronstico
RE
EXPONENCIAL
SERIES
podemos apreciar que la
TIEMPO
situacin
para
la
compaa
=0,10 =0,30
B
resulta
mucho ms 0,00
2004 I
0,00 ser 0,00
favorable,
pues
se
II
0,17
0,17
0,00
pronostica que la situacin
III
0,18
0,19
0,00
continuara un poco estable,
IV
0,19
0,21
0,00
adems de que no se
2005 I
0,20
0,25
0,17
esperan prdidas
II
0,21
0,25
0,24
III
0,22
0,29
0,26
IV
0,24
0,31
0,34
2006 I
0,26
0,35
0,25
II
0,26
0,34
0,37
III
0,28
0,36
0,36
IV
0,29
0,37
0,44
2007 I
0,31
0,40
0,33
II
0,31
0,37
0,40
III
0,32
0,40
0,41
IV
0,47
2008 I
0,30
II
0,47
III
0,41
IV
0,47
Pgina 87
PROBLEMA 26 :
Pgina 88
Ao
Ingresos (millones)
1997
4865.9
1998
5067.4
1999
5515.6
2000
5728.8
2001
5497.7
2002
5197.7
2003
5094.4
2004
5108.8
2005
5550.6
2006
5738.9
2007
5860
2008 5474.733
2009 5263.267
2010 5133.633
2011 5466.100
2000
5728.8
2001
5497.7
2002
5197.7 5474.73333
2003
5094.4 5263.26667
2004
5108.8 5133.63333
Pgina 89
PROBLEMA 27 :
Mark Price, nuevo gerente de produccin de Speakers y Company, tiene que averiguar qu
variable afecta ms la demanda de su lnea de bocinas para estereofnicos. No est seguro
de que el precio unitario del producto o los efectos de mayor marketing sean los principales
impulsores de las ventas y quiere aplicar un anlisis de regresin para averiguar qu factor
impulsa ms la demanda de su mercado.
La informacin pertinente se recopil en un extenso proyecto de marketing que se extendi
a los ltimos 10 aos y que se vaci en los datos siguientes:
Pgina 90
AO
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
VENTAS/
UNIDAD PRECIO/UN
(MILLARE
IDAD
S)
400
280
700
215
900
211
1300
210
1150
215
1200
200
900
225
1100
207
980
220
1234
211
925
227
800
245
PUBLICIDAD
(MILES DE
DLARES)
600
835
1100
1400
1200
1300
900
1100
700
900
700
690
Pgina 91
Suma de
cuadrados
485797.0185
Residuos
10
233407.2315
Total
11
719204.25
Intercepcin
Variable X 1
Coef
cient
es
3129.
0457
03
9.737
2649
8
Valor
crtic
o de
F
Error tpico
476.2291505
2.134355314
0.00
1038
7
Inferi
or
95%
2067
.941
03
14.4
9290
5
Pgina 92
Resumen
Estadsticas de la regresin
Coeficiente de correlacin
0.750422
mltiple
709
Coeficiente de determinacin
0.563134
R^2
242
0.519447
R^2 ajustado
667
177.2556
Error tpico
655
Observaciones
12
ANLISIS DE VARIANZA
Grados
de
libertad
Regresin
Residuos
Total
Suma de
cuadrados
405008.54
1
04
314195.70
10
96
11 719204.25
Pgina 93
Intercepcin
Variable X 1
Coefcien
tes
Error tpico
273.3500 199.52531
113
77
0.727247 0.2025583
253
38
PROBLEMA 28:
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 94
Suponga una Ft inicial de 300 unidades, una tendencia de 8 unidades, una alfa de 0.30 y
una delta de 0.40. Si la demanda real fue finalmente de 288, calcule el pronstico para el
siguiente periodo.
FORMULAS :
FITt-1=300+8=308
FT=308+0.3(288-308)= 302
Tt= 8+0.4(302-308)= 5.6
PROBLEMA 29:
Pgina 95
QUEJAS
ENERO
36
FEBRERO
45
MARZO
81
MES
QUEJAS
ABRIL
90
MAYO
108
JUNIO
144
Se usara promedio mvil a tres meses Cul habra sido el pronstico para Mayo?
1.- Se suman los tres meses antes de Mayo ya que esto nos ayudara a saber el pronstico
esperado para Mayo
2.- Se dividen entre los periodos que se piden.
Pronostico MAYO = Abril + Marzo + Febrero
Periodos
Pronostico MAYO = 90 + 81 + 45
3
Pronostico MAYO = 72
PROBLEMA 30 :
ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 96
Demanda real
270
356
398
456
358
500
410
376
Pronostico
341.33
327.064
332.8512
345.881
367.9048
365.9228
392.739
396.1912
Como podemos notar, solo en el ao 1998,2002 y 2005 el pronstico es mayor, pero en los
dems aos el pronstico no cubre la demanda real.
Pgina 97