CONTROL DE LA PRODUCCIN

1 semestre 2017
Aux. Alejandro Orozco

PRACTICA 1. PRONOSTICOS (Primera Parte)

Series Estables y Modelos de Correlacin

INTRODUCCIN

Los modelos de pronsticos de series de tiempo tratan de predecir el futuro en base en la informacin
pasada. Las cifras de ventas trimestrales recopiladas durante los ltimos aos se pueden utilizar para
pronosticar los trimestres futuros. El modelo de pronstico que una empresa debe utilizar depende de:

1. El horizonte de tiempo que se va a pronosticar.

2. La disponibilidad de los datos.
3. La precisin requerida.
4. El tamao del presupuesto de pronstico.
5. La disponibilidad de personal calificado.

Las Familias Estables son conjunto de datos que siguen un comportamiento estable en funcin del
tiempo. A este tipo de Familias pertenecen todos aquellos productos que sus ventas se mantienen en los
mismos niveles no importando la poca en que se encuentre, por ejemplo: Gasolina, Gas Propano,
Cemento, etc.

ENFOQUES DE LA PREVISION: Existen dos enfoques generales de las previsiones de la misma forma que
existen dos formas de abordar toda la planificacin de decisiones. Uno es el enfoque cualitativo o
subjetivo, en el cual se incorporan factores tales como la intuicin de la persona que toma decisiones,
emociones, experiencias personales y sistema de valores para realizar la previsin. El enfoque cuantitativo
emplea diferentes modelos matemticos que utilizan datos histricos y/o variables causales para prever la
demanda. En la prctica el ms efectivo suele ser una combinacin de los dos enfoques. Nuestro estudio
se basar en el enfoque cuantitativo.

Los pasos a seguir para efectuar un pronstico confiable inician con la tabulacin de informacin de ventas
histricas; en base a este grfico se efectan los Anlisis Primario y Secundario para luego determinar las
proyecciones de demanda futuras que, para nuestro caso en particular, denominamos Pronstico de
Riesgo; siendo este ltimo el objetivo del anlisis cuantitativo. Una planificacin eficiente, tanto a corto,
mediano o largo plazo, est en funcin de una efectiva previsin de demanda de los productos o servicios
que proveen las organizaciones.
OBJETIVOS

GENERAL

Establecer previsiones futuras confiables atendiendo la demanda potencial de la cartera de

clientes.

ESPECIFICOS

Determinar el anlisis primario a travs de la observancia en la tendencia de ventas histricas.

Determinar el anlisis secundario aplicado sobre un perodo congelado de ventas conocido para
encontrar la variabilidad de las proyecciones respecto de la demanda real histrica (error de
previsin).
Establecer las Proyecciones de demanda futura (Pronstico de Riesgo) para un perodo definido
en funcin del mtodo que mejor se acopl en la parte de anlisis secundario.

PASOS PARA ESTABLECER PRONOSTICOS (en general para cualquier Mtodo Cuantitativo):

1. GRAFICO O TABULACION DE DATOS:

Ploteo del conjunto de datos en un grfico Ventas contra Tiempo.

2. ANALISIS PRIMARIO:
Se observa detenidamente la forma y comportamiento que sigue la curva resultante para
identificarla o catalogarla dentro de un grupo de curvas conocido. A veces no se puede visualizar a
que tipo pertenece, por lo tanto se procede a alisar la curva; este procedimiento consiste en
incrementar o reducir la escala que se est utilizando, o bien, reducir la cantidad de perodos de
ventas reales ploteados.

3. ANALISIS SECUNDARIO:
Conociendo el grupo al que pertenece el conjunto de datos, se elige un perodo congelado de
ventas conocido (en nuestro caso ser igual a cuatro,) el cual se selecciona como los ltimos cuatro
valores de ventas reales del ltimo perodo a evaluar, con el fin de determinar Pronsticos de
Evaluacin para cada Mtodo Cuantitativo por analizar.

4. PRONOSTICO DE RIESGO:
Es la proyeccin de demanda futura que necesitamos conocer para un perodo especfico, se basa
en el Mtodo Cuantitativo que mejor error acumulado arroj durante la etapa de Anlisis
Secundario.
FUNDAMENTO CONCEPTUAL

TIPOS DE PRONOSTICOS: El pronstico se puede clasificar en cuatro tipos bsicos: modelos cualitativos,
mtodos cuantitativos (anlisis de series de tiempo y relaciones causales) y simulacin. Para efectos de la
prctica, nos centraremos en el estudio de los Mtodos Cuantitativos los cuales a su vez se clasifican,
atendiendo al comportamiento de las ventas histricas de un producto en particular, de la siguiente
manera:

A. Familias Estables o Modelos de Series Temporales

B. Anlisis de Correlacin (Familias Ascendentes Descendentes)
C. Modelos Cclicos (factor de estacionalidad)
D. Mtodo Combinado (una mezcla entre un modelo cclico y uno de correlacin)

A. FAMILIAS ESTABLES O MODELOS DE SERIES DE TIEMPO

Las tcnicas cualitativas son subjetivas y se basan en estimados y opiniones. El anlisis de series de
tiempo se basa en la idea de que es posible utilizar informacin relacionada con la demanda pasada para
predecir la demanda futura, es decir, observan lo que ha ocurrido a lo largo de un perodo de tiempo y
utilizan una serie de datos pasados para realizar una proyeccin futura.

Las Familias Estables son un conjunto de datos (ventas reales histricas) que siguen un comportamiento
estable a travs del tiempo. A este tipo de CURVAS pertenecen todos aquellos productos que sus ventas
se mantienen en los mismos niveles no importando la poca en que se encuentre, por ejemplo: Gasolina,
Gas Propano, Cemento, Pollo, etc.

METODOS CUANTITATIVOS DE LAS FAMILIAS ESTABLES

ltimo Perodo: El pronstico de un mes (n) en particular es la venta real del mes anterior (n-
1) y as sucesivamente para todo el perodo congelado de ventas elegido:

Pn = Vn-1

Promedio Aritmtico: El pronstico es el promedio de ventas reales de todos los meses

anteriores al mes que se va a proyectar, se utiliza cuando realmente nos interesa mucho el
historial pasado de las ventas reales (varios perodos), por lo tanto, el analista decide que tan
atrs va a promediar sus datos. Su forma general de clculo es la siguiente:

Pn =

n-1

Promedio Mvil Simple: Mtodo de Previsin que utiliza la media de los n perodos de datos
ms recientes para efectuar la proyeccin del perodo siguiente. Para nuestro caso en
particular, elegimos un ciclaje igual a cuatro (perodo congelado de ventas reales ):

Pn =

4
Promedio Mvil Ponderado: La sumatoria de las ponderaciones elegidas deben ser igual al
nmero de perodos a pronosticar, es decir, el valor del ciclaje elegido. En nuestro caso para
 efectos didcticos elegimos un ciclaje igual a cuatro, en otras palabras los valores escalares de
las ponderaciones suman cuatro, y cada uno de stos multiplica al valor de las ventas reales de
los cuatro meses anteriores al mes que necesitamos pronosticar (otorgndole mayor
ponderacin a los perodos ms recientes), ejemplo:

Ponderaciones: 0.5 0.8 1.2 1.5 = ( 0.5 + 0.8 + 1.2 + 1.5 ) = 4

Pn =

4

Recordatorio: Se sabe que sobre ponderando los meses ms recientes se obtiene una
proyeccin ms exacta.

PROMEDIO MOVIL PONDERADO EXPONENCIAL (Caso A):

Tcnica de previsin de media mvil ponderada en la que los datos se valoran por medio de una
funcin exponencial, su forma general es la siguiente:

Pn = Pn-1 + (Vn-1 Pn-1)

Dnde: Pn = nueva previsin

Pn-1 = previsin del ltimo perodo
Vn-1 = demanda real del ltimo perodo
= constante de alisado (alfa)

Factor alfa 0 1

Cuando tiende a cero: El pronstico se ve afectado por causas al azar (fallas atribuibles a
factores externos), estn fuera del alcance de nuestras manos, ej: Huelgas, Inasistencia del
Personal Operativo, Polticas Gubernamentales, etc.

Cuando tiende a uno: El pronstico depende de variables asignables al modelo, las causas
podran ser, entre otras: Falta de competitividad de los productos, obsolencia, estrategias
equivocadas para asimilar la demanda de mercado provocada por la existencia de productos
similares o sustitutos, etc.

El valor de lo decide el pronosticador; para efectos didcticos de la prctica elegimos = 0.5

 PROMEDIO MOVIL PONDERADO EXPONENCIAL (CASO B):

Este mtodo cuantitativo toma en cuenta la proyeccin de tendencia de los datos que, en
condiciones normales, tienden a desfasarse con respecto a las ventas reales. Al aplicar el concepto
de tendencia, se obtiene una proyeccin ms confiable del grupo de datos sobre los que se quiere
pronosticar; su formulacin general es:

Pn = Pn-1 + ( 1 ) / * Tn-1

Tn = (Vn Vn-1) + ( 1 ) * Tn-1

Tn-1 = Tendencia pivote = Vn-1 Vn-2 (slo la primer tendencia)

Donde Pn = proyeccin de evaluacin para el perodo n

Pn-1 = pronstico anterior = pronstico pivote = (Vn-2 + Vn-3 + Vn-4)/3
Tn-1 = tendencia pivote
= factor alfa

4.1 FRANJA SIMULADA: Mtodo matemtico que se utiliza para establecer el Pronstico de
Riesgo (Demanda Futura) de las Curvas Estables (existe la posibilidad de compararla con otro
tipo de curva) y est definido por la siguiente relacin:

Pn = Pn-1 + kTltima k = 1, 2, 3, .

a. El primer pronstico de riesgo es el ltimo pronstico de evaluacin del mtodo que menor
error acumulado (error de previsin) tiene despus de efectuar la comparacin entre los
distintos mtodos cuantitativos (tambin puede ser entre distintos tipos de Curva).
b. La tendencia ltima corresponde al ltimo pronstico de evaluacin y la tendencia pivote es
una anterior a aquella. Si quisiramos conocer el Pronstico de Riesgo del siguiente perodo
(iniciando por el mes de enero) entonces tendramos:

Penero = Pron evaluacin (dic)

Pfeb = Penero + Tdic
Pmar = Penero + 2Tdic Tdic = (Vdic Vnov) + (1 )*Tpivote
Pabr = Penero + 3Tdic Tpivote = Tnov = Vnov Voct
PROCEDIMIENTO DE SOLUCIN

HERRAMIENTAS A
PASOS DESCRIPCIN
UTILIZAR
Hoja milimetrada, regla,
Tabular y graficar la informacin histrica (ventas reales) para
PASO 1 lpiz, borrador
uno ms perodos de tiempo pasados
Hoja de Microsoft Excel

Establecer el Anlisis Primario observando la tendencia de las Diagramas X-Y

PASO 2
ventas reales Lpiz, borrador

Determinar el Anlisis Secundario estableciendo los Pronsticos Matrices

PASO 3 de Evaluacin (elegir un perodo congelado de ventas igual a los Lpiz, borrador, hojas,
ltimos cuatro meses del ltimo perodo de ventas reales) calculadora
Matrices
Evaluar todos los mtodos matemticos cuantitativos asociados
PASO 4 Lpiz, borrador, hojas,
a las familias estables y obtener los errores acumulados
calculadora
Matrices
Elegir el menor error acumulado seleccionndolo de los
PASO 5 Lpiz, borrador, hojas,
distintos modelos evaluados
calculadora
Matrices
Con el modelo matemtico que corresponde al menor error
PASO 6 Lpiz, borrador, hojas,
acumulado, determinar el Pronstico de Riesgo
calculadora
Hoja milimetrada, regla,
Tabular la tendencia del Pronstico de Riesgo contra las ventas lpiz, borrador
PASO 7
reales histricas y comparar los resultados Hoja de Microsoft Excel
Software del curso

ANALISIS Y RESOLUCION DEL CASO PRCTICO

DESCRIPCION DEL CASO (Familias Estables)

El historial de ventas reales de una compaa alimenticia durante los ltimos tres perodos ha mantenido
niveles estables en funcin del tiempo, debido principalmente a que su cartera de clientes se han
mantenido fieles a las polticas de ventas implementadas por la compaa.

Se encuentra ubicada en los alrededores de la zona sur de la ciudad capital y tiene una red de distribucin
de producto terminado a mayoristas que se caracteriza por la utilizacin de una red matricial clasificada
por puntos cardinales en todo el permetro de la ciudad capital.

La Gerencia General tiene la solicitud de un sector, ubicado al norte de la ciudad capital, para que le provea
de su producto alimenticio siguiendo la misma estrategia de repartos (red matricial) ya que el proveedor
que actualmente posee le ha fallado en la entrega de la materia prima que necesita procesar.

Tomando en cuenta la solicitud del nuevo cliente potencial, el Gerente General le ha pedido a la Gerencia
de Ventas y de Produccin para que le prepare un informe con las proyecciones estimadas a futuro
basndose en informacin histrica de ventas reales con que cuenta actualmente; primordialmente el
Gerente General est interesado en conocer la estimacin utilizando el punto de vista cuantitativo.
Las ventas histricas de los ltimos tres perodos se muestra a continuacin:

MES PERIODO 1 PERIODO 2 PERIODO 3

ENERO 689 679 699
FEBRERO 678 690 683
MARZO 690 684 700
ABRIL 695 695 688
MAYO 685 684 693
JUNIO 680 692 684
JULIO 698 685 678
AGOSTO 675 679 682
SEPTIEMBRE 684 687 685
OCTUBRE 681 697 680
NOVIEMBRE 679 675 686
DICIEMBRE 686 684 692

Determinar:
1. Grfico de ventas reales.
2. Efectuar el Anlisis Primario observando la tendencia que siguen los datos histricos.
3. Establecer el Anlisis Secundario utilizando los siguientes valores escalares de ponderaciones:
(0.3 0.7 1.2 1.8), con un ciclaje = 4.
4. Determinar la Proyeccin futura para el primer cuatrimestre del perodo 4.

SOLUCION DEL CASO PRCTICO (Familias Estables)

1. TABULACION DE DATOS:

Ventas de los ltimos tres perodos

800

700

600

500
Ventas

400

300

200

100

0
0 10 20 30 40 50 60
Mes
2. ANALISIS PRIMARIO:
Luego de analizar el comportamiento del juego de ventas de los tres perodos, se puede observar
que el comportamiento de la curva se mantiene constante alrededor de cierto nivel, por lo tanto se
clasifica como una Familia o Serie Estable.

3. ANALISIS SECUNDARIO:
Se procede a evaluar los Mtodos Cuantitativos para Familias Estables con el propsito de
encontrar las Proyecciones de Evaluacin, utilizando un ciclaje = 4, es decir, elegimos un perodo
congelado de ventas conocido igual a los ltimos cuatro meses del perodo tres (corresponde a los
meses 33, 34, 35 y 36):

ULTIMO PERIODO (Enfoque Simple)

MES VENTAS PROYECCION ERROR E

33 685 682 3 3
34 680 685 -5 8
35 686 680 6 14
36 692 686 6 20

PROMEDIO ARITMETICO
En este caso nos interesa todo el historial de ventas conocido, es decir, la totalidad de los tres
perodos completos. La proyeccin para el mes 33 es:

P33 = ( 32
1 ) / 32 ; y as sucesivamente hasta P36

P33 = ( 689+678+690+.+684+678+682) / 32 = 687

MES VENTAS PROYECCION ERROR E

33 685 687 -2 2
34 680 687 -7 9
35 686 686 0 9
36 692 686 6 15

PROMEDIO MOVIL SIMPLE:

Elegimos perodos de cuatro meses anteriores a la proyeccin que nos interesa conocer:

P33 = ( 32
29 ) / 4
P33 = ( 693 + 684 + 678 + 682 ) / 4 = 685

MES VENTAS PROYECCION ERROR E

33 685 685 0 0
34 680 683 -3 3
35 686 682 4 7
36 692 684 8 15
 PROMEDIO MOVIL PONDERADO:
Se enfatizan los cuatro ltimos meses ponderndolos con los escalares (0.5 ; 0.8 ; 1.2 ; 1.5)

P33 = ( 0.5*V29 + 0.8*V30 + 1.2*V31 + 1.5*V32 ) / 4

P33 = (0.5*693 + 0.8*684 + 1.2*678 + 1.5*682) / 4 = 683

MES VENTAS PROYECCION ERROR E

33 685 683 2 2
34 680 683 -3 5
35 686 682 4 9
36 692 684 8 17

PROMEDIO EXPONENCIAL CASO A (Alisado de Primer Orden)

Para efectos de clculo, usaremos un = 0.5
El Pronstico Pivote es P32 = (688 + 693 + 684 + 678 ) / 4 = 686

P33 = 686 + 0.5 ( 682 686 ) = 684

P34 = 684 + 0.5 ( 685 684 ) = 685
P35 = 685 + 0.5 ( 680 685 ) = 683
P36 = 683 + 0.5 ( 686 683 ) = 685

MES VENTAS PROYECCION ERROR E

33 685 684 1 1
34 680 685 -5 6
35 686 683 3 9
36 692 685 7 16

PROMEDIO EXPONENCIAL CASO B (Alisado con Ajuste de Tendencia)

Se aplica el concepto de Tendencia para obtener una proyeccin ms confiables, seguimos
utilizando = 0.5 y el Pronstico Pivote es el mismo valor que el anterior ( Ppivote = 686)
La Tendencia Pivote = T32 = 682 678 = 4

P33 = 686 + ( 1 0.5 ) / 0.5 * 4 = 690

T33 = 0.5(685-682) + ( 1 - 0.5 )*4 = 3.5

P34 = 690 + ( 1 0.5 ) / 0.5 * 3.5 = 694

T34 = 0.5(680-685) + ( 1 0.5 )*3.5 = -0.75

P35 = 694 + ( 1 0.5 ) / 0.5 * (-0.75) = 694

T35 = 0.5(686-680) + ( 1 0.5 )*(-0.75) = 2.625

P36 = 694 + ( 1 0.5 ) / 0.5 * 2.625 = 697

 MES VENTAS PROYECCION ERROR E
33 685 690 -5 5
34 680 694 -14 19
35 686 694 -8 27
36 692 697 -5 32

4. PRONOSTICO DE RIESGO: Utilizando el Mtodo Matemtico de Franja Simulada, la proyeccin

futura se basa en el mtodo que menor error acumulado tiene (Promedio Aritmtico y Promedio
Mvil Simple). para poder elegir cual Pronstico de Evaluacin se toma en cuenta de los dos
mtodos, es recomendable efectuar un breve anlisis cualitativo con el Departamento de Ventas
para tomar la decisin acertada; en este caso, para efectos didcticos, se elige el Promedio Mvil
para efectuar el Pronstico de los meses 37, 38, 39 y 40 de la siguiente manera:

P37 = P36 = 684 (Promedio Mvil Simple)

T36 = (V36 V35) + (1 )*T35
T36 = 0.5(692 686) + (1 0.5)*(686 680) = 6
P38 = 684 + 1(6) = 690
P39 = 684 + 2(6) = 696
P40 = 684 + 3(6) = 702

HOJA DE TRABAJO 1.1

(Para entregar al final de la Prctica)

Dada la siguiente serie de datos, establezca la previsin para los primeros tres meses del tercer perodo,
utilizando la secuencia metodolgica vista en la prctica.

MES PERIODO 1 PERIODO 2

1 446 455
2 455 441
3 454 438
4 452 456
5 444 451
6 448 445
7 440 450
8 447 451
9 439 448
10 438 440
11 442 442
12 448 439

Determinar:
1. Un grfico con una escala adecuada que muestre el comportamiento del juego de datos.
2. Realizar el Anlisis Primario y Secundario de las ventas reales (ciclaje = 4).
3. Establecer el Pronstico de Riesgo del primer cuatrimestre del perodo 3. Grafique los
resultados.
(Ponderaciones = 0.7 ; 0.9 ; 1.1 ; 1.3 ) ( = 0.5 )
 REPORTE 1.1
DESCRIPCION DEL CASO PROPUESTO

La compaa cementera GUATEMIX se dedica a la importacin de cemento proveniente de Costa Rica el

cul cumple con las normativas nacionales de construccin de todo tipo de obra. Sus precios son un 20%
menor a los de la cementera nacional y por esto sus ventas han crecido paulatinamente. La compaa
consciente de esa situacin, est evaluando la posibilidad de incrementar los pedidos de cemento; su
estrategia consiste en la compra de lotes mucho mayores, incrementar la cantidad de puntos de venta
alrededor del pas, asimismo generar fuentes de empleo a travs de la contratacin de personal para el
Departamento de Ventas que tenga como principal competencia la excelencia en Servicio a Clientes,
adems poseer cierto nivel tcnico en cuanto a las aplicaciones, preparacin, mezclas y fraguado del
cemento segn el tipo de construccin a realizar. Es por eso que se desea prever la demanda futura de su
producto Cemento Cinco Estrellas, para lo cual le proporciona los movimientos de ventas histricas de los
ltimos tres perodos, los cuales se detallan a continuacin:

MES VENTAS (2014) VENTAS (2015) VENTAS (2016)

ENERO 425 424 425
FEBRERO 420 412 413
MARZO 409 415 415
ABRIL 418 414 426
MAYO 428 420 422
JUNIO 410 417 410
JULIO 408 415 415
AGOSTO 420 410 418
SEPTIEMBRE 417 412 408
OCTUBRE 415 410 409
NOVIEMBRE 422 420 416
DICIEMBRE 420 418 422
Determinar:

Se le pide a usted, como Ingeniero Industrial, que utilice las herramientas a su alcance para
establecer el pronstico de demanda futura para los primeros seis meses del cuarto perodo

a) Estimar el Pronstico de Riesgo para los primeros cuatro meses del cuarto perodo (2017).
(Ponderaciones = 0.6 0.9 1.1 1.4) Utilizar = 0.2 & = 0.8
i. Qu mtodo le aconseja aplicar para distribuir los puntos de venta alrededor de la capital?
ii. Cules son las aptitudes y habilidades que debe poseer el personal a reclutar para atender
las sucursales de venta?
iii. Qu mtodo de Administracin de Personal utilizar para el reclutamiento y seleccin de
las personas que atendern a los clientes? Disee una Hoja de Especificaciones para el
puesto.

IMPORTANTE: Realizar los grficos de ventas contra tiempo en papel milimetrado. Comparar los
resultados obtenidos entre las distintas Familias, as como los datos trabajados a mano y los resultados
que arroja el Software de Pronsticos.
B. MODELOS DE CORRELACION (Ascendentes Descendentes)
A diferencia de la previsin de series temporales, los modelos de Previsin Causal normalmente consideran
diferentes variables que estn de alguna manera, correlacionadas con la cantidad que se va a predecir.
Una vez que stas variables afines han sido halladas, se construye el modelo que se utilizar para hacer la
previsin respectiva. El modelo cuantitativo de previsin causal ms comn es el ANALISIS DE REGRESION
Y CORRELACIN.

Anlisis de Regresin Lineal: Es un modelo matemtico directo para describir las relaciones funcionales
entre dos o ms variables (dependientes e independientes), este mtodo es ms poderoso que el de las
Series Temporales. En primer lugar, se observa el grfico de datos para ver si aparecen lineales (o por lo
menos una parte de ellos); el trmino regresin lineal se refiere a la clase de regresin especial en la que la
relacin entre las variables forma una recta.

La Regresin Lineal es til para el pronstico a largo plazo de eventos importantes, as como la planeacin
agregada. Aun cuando la demanda de productos individuales dentro de una familia puede variar en gran
medida durante un perodo, la demanda de toda la familia de productos es sorprendentemente suavizada.

Coeficiente de Correlacin: La ecuacin de regresin es una forma de expresar la naturaleza de la relacin

entre dos variables, muestra como una variable est relacionada con los valores y cambios de la otra
variable. El coeficiente de correlacin mide el grado de intensidad de la relacin lineal. Identificado
normalmente como r, el coeficiente de correlacin toma valores en el rango que va de -1 a +1, o sea, si r
est entre -1 y 0, indica que el conjunto de datos tiene una tendencia descendente; por otro lado, si los
valores estn entre 0 y +1, quiere decir que el conjunto de datos tiene una tendencia ascendente (en
ambos casos hablamos de la variable dependiente).

Mtodos Estadsticos de Evaluacin: En nuestro caso particular, para obtener los Pronsticos de
Evaluacin y de Riesgo, se tomarn en cuenta cuatro ecuaciones estadsticas relacionadas a la Regresin
Lineal. En realidad son ms de cincuenta las formas matemticas que describen este mtodo estadstico de
evaluacin. La forma general de las ecuaciones normales que utilizaremos es la siguiente:

ECUACION Forma General

LINEAL Y = a+b*x
LOGARITMICA Y = a + b * Ln x
EXPONENCIAL Y = a * bx
POTENCIAL Y = a * xb

Dnde: a = punto de interseccin en el eje Y, cuando x = 0

b = pendiente de la curva (valor positivo o negativo)
x = variable independiente (representa las unidades de tiempo)
y = variable dependiente (valores de pronstico requerido)
r = coeficiente de correlacin (valor entre -1 y +1)

El modelo matemtico a utilizar ser el de Anlisis de Regresin Lineal, ya que es el mtodo que relaciona
dos variables con determinado grado de correlacin y, a la vez, muestran un comportamiento ascendente-
descendente en funcin del tiempo. Para efectos didcticos, se evaluarn las cuatro ecuaciones normales
descritas arriba. El procedimiento de solucin es el siguiente:
PROCEDIMIENTO DE SOLUCIN

HERRAMIENTAS A
PASOS DESCRIPCIN
UTILIZAR
Hoja milimetrada, regla,
Tabular y graficar la informacin histrica (ventas reales) para
PASO 1 lpiz, borrador
uno ms perodos de tiempo pasados
Hoja de Microsoft Excel

Establecer el Anlisis Primario observando la tendencia de las Diagramas X-Y

PASO 2
ventas reales Lpiz, borrador

Determinar el Anlisis Secundario estableciendo los Pronsticos Matrices

PASO 3 de Evaluacin (elegir un perodo congelado de ventas igual a los Lpiz, borrador, hojas,
ltimos cuatro meses del ltimo perodo de ventas reales) calculadora
Evaluar las cuatro ecuaciones normales de Regresin Lineal para Regresin Lineal
PASO 4 obtener las variables a, b & r y determinar los cuatro errores Lpiz, borrador, hojas,
acumulados asociados a cada ecuacin calculadora cientfica
Matrices
Elegir el menor error acumulado seleccionndolo de las distintas
PASO 5 Lpiz, borrador, hojas,
ecuaciones de Regresin Lineal evaluadas
calculadora
Valuar de nuevo la totalidad de los datos histricos con la Regresin Lineal
PASO 6 ecuacin normal que tiene el menor error acumulado y Lpiz, borrador, hojas,
obtener nuevos valores para a, b & r calculadora cientfica
Determinar el Pronstico de Riesgo, valuando el perodo futuro Hoja milimetrada, regla,
PASO 7 que nos interesa, en la ecuacin normal con sus valores de a, b lpiz, borrador
& r obtenidos en el PASO 6. Tabular los resultados Software del curso

ANALISIS Y RESOLUCION DEL CASO PRCTICO

DESCRIPCION DEL CASO (Modelo de Correlacin)

Las compaas de telefona celular han crecido en forma exponencial debido al auge que ha tenido la
demanda de aparatos telefnicos inalmbricos. Entre otras causas, esto ha sido debido al mal servicio, que
hasta hace unos diez aos, la compaa telefnica nacional ha prestado a todos los usuarios.

Dicha circunstancia ha sido aprovechada por las compaas telefnicas que operan con celdas instaladas en
distintos puntos estratgicos alrededor del pas; el resultado ha sido la creacin de los denominados
telfonos mviles o celulares.

La demanda de dichos aparatos ha sido tan fuerte que son ahora varias compaas de telfonos celulares
quienes prestan el servicio a toda la poblacin. Esta situacin ha obligado a que cada compaa
implemente sus mejores tcticas y estrategias mercadolgicas por llegar a la mente del consumidor final.

Tomando en cuenta las ventas histricas de los ltimos tres perodos, se pretende predecir la demanda
futura del modelo PG-9110 que una de estas compaas de telefona mvil acaba de lanzar al mercado.
Los datos se muestran a continuacin:
 MES PERIODO 1 PERIODO 2 PERIODO 3
ENERO 750 1224 1550
FEBRERO 784 1208 1532
MARZO 815 1275 1508
ABRIL 872 1302 1578
MAYO 936 1350 1560
JUNIO 940 1405 1625
JULIO 980 1436 1706
AGOSTO 994 1475 1750
SEPTIEMBRE 1080 1464 1760
OCTUBRE 1165 1480 1796
NOVIEMBRE 1150 1504 1815
DICIEMBRE 1190 1525 1872

GRAFICO DE LAS VENTAS REALES:

Ventas para los primeros 36 meses

2000
1800
1600
1400
1200
Ventas

1000
800
600
400
200
0
0 10 20 30 40
Mes

Determinar:
1. El Anlisis Primario y Secundario para el juego de datos conocido, utilizando un ciclaje = 4
(realizar los clculos utilizando el Software de Aplicacin y tambin ingresando datos en los
programas que poseen las calculadoras cientficas). Comparar.
2. El Pronstico de Riesgo para el primer semestre del perodo nmero cuatro.
3. Dibujar el grfico con los datos resultantes del Pronstico de Riesgo comparndolos contra
las ventas reales conocidas. Interpretar el resultado obtenido.

SOLUCION DEL CASO PRCTICO (Modelo de Correlacin)

1. ANALISIS PRIMARIO: Observando la tendencia que sigue el juego de datos, se observa que las ventas
tienen una tendencia creciente conforme pasa el perodo de tiempo; por lo tanto, clasificamos este
conjunto de datos como un MODELO DE CORRELACIN.
2. ANALISIS SECUNDARIO: Se calculan los valores de a , b & r para cada curva estadstica a travs del
Mtodo de Regresin Lineal (se ingresan 32 datos). Los resultados son los siguientes:

ECUACION FORMA GENERAL a b r

LINEAL y = a + bx 788.95 30.05 0.9837
LOGARITMICA y = a + b Ln x 421.27 346.74 0.9596
EXPONENCIAL y = a * bx 830.11 1.0249 0.9660
POTENCIAL y = a * xb 621.24 0.2746 0.9739

Se procede a valuar cada ecuacin con los valores del perodo congelado de ventas elegido, es decir, los
meses del 33 al 36:

i. EC. LINEAL:
MES VENTAS PROYECCION ERROR E
33 1760 1781 -21 21
34 1796 1811 -15 36
35 1815 1841 -26 62
36 1872 1871 1 63

ii. EC. LOGARITMICA

MES VENTAS PROYECCION ERROR E
33 1760 1634 -126 126
34 1796 1644 -152 278
35 1815 1654 -161 439
36 1872 1664 -208 647

iii. EC. EXPONENCIAL

MES VENTAS PROYECCION ERROR E
33 1760 1872 -112 112
34 1796 1916 -120 232
35 1815 1964 -149 381
36 1872 2013 -141 522

iv. EC. POTENCIAL

MES VENTAS PROYECCION ERROR E
33 1760 1623 137 137
34 1796 1637 159 296
35 1815 1650 165 461
36 1872 1662 210 671

El mtodo que menor error acumulado tiene es la forma LINEAL (63) , asimismo tambin tiene el factor de
correlacin ms cercano a uno (0.9837).

3. PRONOSTICO DE RIESGO: Se calculan nuevos valores de a , b & r solamente para la Ecuacin de

Regresin Lineal, tomando en cuenta la totalidad de las ventas reales (36 meses):
 Ec. Lineal y = 791.71 + 29.81x r = 0.9882

PRONOSTICO DE
MES
RIESGO
37 1895
38 1925
39 1955
40 1985
41 2014
42 2044

HOJA DE TRABAJO 1.2

(Para entregar al final de la prctica)

A continuacin se presentan los datos de ventas de dos perodos de un determinado producto. Establezca
la demanda futura del primer cuatrimestre del perodo tres utilizando el mtodo que considere adecuado:

MES PERIODO 1 PERIODO 2

ENERO 1200 1800
FEBRERO 1300 1900
MARZO 1330 1950
ABRIL 1400 2000
MAYO 1500 2100
JUNIO 1520 2200
JULIO 1550 2300
AGOSTO 1600 2350
SEPTIEMBRE 1700 2400
OCTUBRE 1710 2500
NOVIEMBRE 1720 2600
DICIEMBRE 1750 2700
 REPORTE 1.2

DESCRIPCION DEL CASO PROPUESTO:

El restaurante DELICIAS TROPICALES se encuentra ubicado en el departamento de Izabal a orillas de Rio

Dulce, se dedica a la venta de platillos de mariscos, cuentan con una receta que ha pasado de generacin
en generacin para la realizacin de su famoso caldo de mariscos al estilo Livingston siendo su platillo
principal.

Sus ventas han crecido a travs del tiempo y por esto el gerente desea ampliar las instalaciones del
restaurante as como implementar un pequeo hostal con 6 habitaciones.

Para esto el gerente proporciona los datos de ventas reales de los ltimos tres perodos anuales (2014,
2015 y 2016) por cada mes, para que se le estimen las ventas potenciales de los primeros seis meses del
ao 2016, y as analizar la factibilidad de la inversin.

MES VENTAS (2014) VENTAS (2015) VENTAS (2016)

ENERO 350 440 585
FEBRERO 355 455 605
MARZO 375 485 630
ABRIL 395 475 655
MAYO 420 490 670
JUNIO 405 510 655
JULIO 430 515 650
AGOSTO 450 525 680
SEPTIEMBRE 465 560 700
OCTUBRE 460 585 695
NOVIEMBRE 450 575 710
DICIEMBRE 450 570 705

En nuestro caso, el perodo congelado de ventas sern los ltimos cuatro meses del ao 2017

Determinar:

a) Un grfico de Ventas contra Tiempo.

b) Desarrollar los Anlisis Primario y Secundario para el conjunto de ventas histricas.
c) Estimar la Proyeccin futura para el primer semestre del ao 2017 en base a la evaluacin
realizada de los tres ltimos aos.
d) Analizar y proponer en forma individual lo siguiente:
i. Le aconsejara adquirir un financiamiento bancario?
ii. Debe arriesgarse en la implementacin de un hostal o diversificar sus productos?

IMPORTANTE: Realizar los grficos de ventas contra tiempo en papel milimetrado. Comparar los
resultados obtenidos entre las distintas Familias, as como los datos trabajados a mano y los resultados
que arroja el Software de Pronsticos.
CONCLUSIONES

Los mtodos cuantitativos matemticos son herramientas que nos ayudan a predecir la demanda
futura de productos y/o servicios, partiendo del anlisis de informacin histrica proporcionada por
el Departamento de Ventas.
Los productos que no tienen mucha competencia en el mercado se caracterizan por seguir
tendencias estables en el tiempo, manteniendo su demanda potencial sin muchos altibajos,
ejemplo de ellos pueden ser: cemento, pollo, combustibles, azcar.
Cuando un producto posee una demanda cada vez ms creciente o por el contrario, aquellos
productos que por sus caractersticas el ciclo de vida se encuentra en su etapa terminal (salen del
mercado consumidor), se identifican con curvas que utilizan modelos matemticos de Regresin
Lineal para estimar la proyeccin futura.
Existen dos puntos de vista muy importantes para analizar la previsin de la demanda futura:
Cualitativo y Cuantitativo, sobre lo cual la proyeccin ms confiable ser aquella que combine
eficientemente ambos puntos de vista tomando en cuenta los factores internos y externos
asociados a cada punto de vista.

BIBLIOGRAFIA
TORRES, Sergio : CONTROL DE LA PRODUCCION Editorial c c Dapal. Tercera Edicin. Ao 2013.
Guatemala, C. A.

CHASE, Richard , JACOBS, Robert & AQUILANO, Nicholas : ADMINISTRACION DE OPERACIONES.

Produccin y Cadena de Suministros. Editorial McGraw-Hill. Duodcima Edicin. Ao 2009.

HEIZER, Jay & RENDER, Barry: DIRECCION DE LA PRODUCCION. Decisiones Tcticas. Editorial Prentice-
Hall. Sexta Edicin. Impreso en Espaa. Ao 2001.

HERNANDEZ CASTEJON, Nestor Omar: MANUAL DE CONTROL DE LA PRODUCCION Examen General

Pblico (Tesis). USAC. Guatemala, marzo de 1993.

FUNDAMENTOS DE GERENCIA Y CONTROL DE LA PRODUCCION Documento obtenido a travs de la

Red de Internet.