Introducción

Los pronósticos son utilizados para poder predecir la demanda del consumidor de
productos o servicios, aunque se pueden predecir una amplia gama de sucesos
futuros que pudieran de manera potencial influir en el éxito. Pronosticar es el arte y
la ciencia de predecir los eventos futuros. Puede involucrar el manejo de datos
históricos para proyectarlos al futuro, mediante algún tipo de modelo matemático.
Puede ser una predicción del futuro subjetiva o intuitiva. O bien una combinación
de ambas, es decir, un modelo matemático ajustado por el buen juicio de un
administrador.
Sin embargo, pocos negocios pueden darse el lujo de evitar el proceso del
pronóstico sólo en espera de lo que pueda suceder para tomar entonces las
oportunidades. La planeación efectiva depende del pronóstico de la demanda para
los productos de la compañía.
4.6 Las ventas mensuales en Telco, Batteries, Inc., fueron como sigue
Mes Ventas
Enero 20
Febrero 21
Marzo 15
Abril 14
Mayo 13
Junio 16
Julio 17
Agosto 18
Septiembre 20
Octubre 20
Noviembre 21
Diciembre 23

a) Grafique los datos de las ventas mensuales

b) Pronostique las ventas para enero usando cada una de las técnicas
siguientes
i. Método intuitivo
ii. Un promedio móvil de 3 meses
iii. Un promedio móvil ponderado de 6 meses empleando 0.1, 0.1, 0.1,
0.2, 0.2 y 0.3, con las ponderaciones más altas a los meses más
recientes
iv. Suavizamiento exponencial con a = 0.3 y un pronóstico para
septiembre de 18.
v. Una proyección de tendencia.
 c) Con los datos proporcionados, ¿Qué método le permitiría elaborar el
pronóstico de ventas para el próximo mes de marzo? Suavizamiento
exponencial

Método intuitivo
Ventas para enero = 23
Promedio Móvil
20 + 21 + 23
= 21.33 = 21
3
Ventas para enero = 21
Promedio Móvil ponderado
(17)(0.1) + (18)(0.1) + (20)(0.1) + (20)(0.2) + (21)(0.2) + (23)(0.3)
= 20.6 = 21
1
Ventas para enero = 21
Suavizamiento exponencial
𝑂𝑐𝑡𝑢𝑏𝑟𝑒 = 18 + 0.3(20 − 18) = 18.6 = 19
𝑁𝑜𝑣𝑖𝑒𝑚𝑏𝑟𝑒 = 19 + 0.3(20 − 19) = 19.3 = 19
𝐷𝑖𝑐𝑖𝑒𝑚𝑏𝑟𝑒 = 19 + 0.3(21 − 19) = 19.6 = 20
𝐸𝑛𝑒𝑟𝑜 = 20 + 0.3(23 − 20) = 20.9 = 21
Ventas para enero = 21
Proyección de tendencia
 Mes Demanda(y) X X2 XY
Enero 20 1 1 20
Febrero 21 2 4 42
Marzo 15 3 9 45
Abril 14 4 16 56
Mayo 13 5 25 65
Junio 16 6 36 96
Julio 17 7 49 119
Agosto 18 8 64 144
Septiembre 20 9 81 180
Octubre 20 10 100 200
Noviembre 21 11 121 231
Diciembre 23 12 144 276
218 78 650 1474

12(1474)−78(218) 218 (0.39)(78)

𝑏= = 0.39 − = 15.63 𝑦 = 15.63 + (0.39)(13) = 20.7
12(650)−782 12 12

4.7 La demanda real de los pacientes en la clínica médica Omaha Emergency

para las primeras seis semanas de este año es como sigue:
Semana Num. Real de pacientes
1 65
2 62
3 70
4 48
5 63
6 52
El administrador de la clínica, Marc Shmeiderjans, quiere que usted pronostique la
demanda de pacientes en la clínica para la semana 7 usando estos datos. Usted
decide usar un promedio móvil ponderado para encontrar este pronóstico. Su
método utiliza cuatro niveles de demanda real, con ponderaciones de 0.333 en el
periodo actual, de 0.25 hace un periodo, de 0.25 hace dos periodos, y de 0.167
hace tres periodos.
¿Cuál es el valor de su pronóstico? 57
(70)(0.167) + (48)(0.25) + (63)(0.25) + (52)(0.333)
= 56.756 = 57
1
4.8 Las temperaturas máximas diarias en Saint Louis durante la última semana
fueron las siguientes: 93, 94, 93, 95, 96, 88, 90 (ayer)
a) Pronostique la temperatura máxima para hoy usando un promedio móvil de 3
días
 b) Pronostique la temperatura máxima para hoy usando un promedio móvil de 2
días
96+88+90
𝑎) = 91.333 = 91
3
88+90
𝑏) = 89
2

4.9 Dell usa el chip CR5 en algunas de sus computadoras portátiles. Los precios
del chip durante los últimos 12 meses fueron como sigue:
Mes Precio por chip Mes Precio por chip
Enero 1.8 Julio 1.8
Febrero 1.67 Agosto 1.83
Marzo 1.7 Septiembre 1.7
Abril 1.85 Octubre 1.65
Mayo 1.9 Noviembre 1.7
Junio 1.87 Diciembre 1.75

d) Calcule el pronóstico para cada mes usando suavizamiento exponencial y

un pronóstico inicial para enero de 1.8. Utilice primero a = .1, después a =
.3 y por último a = .5. Empleando MAD, ¿Qué “a” es mejor? 0.3
𝐹𝑒𝑏𝑟𝑒𝑟𝑜 = 1.8 + 0.1(1.8 − 1.8) = 1.8 𝐴𝑔𝑜𝑠𝑡𝑜 = 1.8 + 0.1(1.8 − 1.8) = 1.8
𝑀𝑎𝑟𝑧𝑜 = 1.8 + 0.1(1.67 − 1.8) = 1.78 𝑆𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 1.8 + 0.1(1.83 − 1.8) = 1.8
𝐴𝑏𝑟𝑖𝑙 = 1.78 + 0.1(1.7 − 1.78) = 1.77 𝑂𝑐𝑡𝑢𝑏𝑟𝑒 = 1.8 + 0.1(1.7 − 1.8) = 1.79
𝑀𝑎𝑦𝑜 = 1.77 + 0.1(1.85 − 1.77) = 1.78 𝑁𝑜𝑣𝑖𝑒𝑚𝑏𝑟𝑒 = 1.79 + 0.1(1.65 − 1.79) = 1.78
𝐽𝑢𝑛𝑖𝑜 = 1.78 + 0.1(1.9 − 1.78) = 1.79 𝐷𝑖𝑐𝑖𝑒𝑚𝑏𝑟𝑒 = 1.78 + 0.1(1.7 − 1.78) = 1.77
𝐽𝑢𝑙𝑖𝑜 = 1.79 + 0.1(1.87 − 1.79) = 1.8 𝐸𝑛𝑒𝑟𝑜 = 1.77 + 0.1(1.75 − 1.77) = 1.77

Mes Demanda real Demanda Error absoluto MAD

pronosticada del pronostico
1 1.8 1.8 0 0
2 1.67 1.78 .11 .055
3 1.7 1.77 .18 .06
4 1.85 1.78 .25 .0625
5 1.9 1.79 .36 .072
6 1.87 1.8 .43 .071
7 1.8 1.8 .43 .061
8 1.83 1.8 .46 .0575
9 1.7 1.79 .55 .0611
10 1.65 1.78 .68 .068
11 1.7 1.77 .75 .0681
12 1.75 1.77 .77 .0641
 𝐹𝑒𝑏𝑟𝑒𝑟𝑜 = 1.8 + 0.3(1.8 − 1.8) = 1.8
𝑀𝑎𝑟𝑧𝑜 = 1.8 + 0.3(1.67 − 1.8) = 1.76
𝐴𝑏𝑟𝑖𝑙 = 1.76 + 0.3(1.7 − 1.76) = 1.74
𝑀𝑎𝑦𝑜 = 1.74 + 0.3(1.85 − 1.74) = 1.77
𝐽𝑢𝑛𝑖𝑜 = 1.77 + 0.3(1.9 − 1.77) = 1.81
𝐽𝑢𝑙𝑖𝑜 = 1.81 + 0.3(1.87 − 1.81) = 1.82
𝐴𝑔𝑜𝑠𝑡𝑜 = 1.82 + 0.3(1.8 − 1.82) = 1.82
𝑆𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 1.82 + 0.3(1.83 − 1.82) = 1.82
𝑂𝑐𝑡𝑢𝑏𝑟𝑒 = 1.82 + 0.3(1.7 − 1.82) = 1.78
𝑁𝑜𝑣𝑖𝑒𝑚𝑏𝑟𝑒 = 1.78 + 0.3(1.65 − 1.78) = 1.74
𝐷𝑖𝑐𝑖𝑒𝑚𝑏𝑟𝑒 = 1.74 + 0.3(1.7 − 1.74) = 1.73
𝐸𝑛𝑒𝑟𝑜 = 1.73 + 0.3(1.75 − 1.73) = 1.73

Mes Demanda real Demanda Error absoluto MAD

pronosticada del pronostico
1 1.8 1.8 0 0
2 1.67 1.76 .09 .045
3 1.7 1.74 .13 .043
4 1.85 1.77 .21 .0525
5 1.9 1.81 .3 .06
6 1.87 1.82 .35 .0583
7 1.8 1.82 .37 .0528
8 1.83 1.82 .38 .0475
9 1.7 1.78 .46 .0511
10 1.65 1.74 .55 .055
11 1.7 1.73 .58 .0527
12 1.75 1.73 .6 .05

𝐹𝑒𝑏𝑟𝑒𝑟𝑜 = 1.8 + 0.5(1.8 − 1.8) = 1.8
𝑀𝑎𝑟𝑧𝑜 = 1.8 + 0.5(1.67 − 1.8) = 1.73
𝐴𝑏𝑟𝑖𝑙 = 1.73 + 0.5(1.7 − 1.73) = 1.71
𝑀𝑎𝑦𝑜 = 1.71 + 0.5(1.85 − 1.71) = 1.78
𝐽𝑢𝑛𝑖𝑜 = 1.78 + 0.5(1.9 − 1.78) = 1.84
𝐽𝑢𝑙𝑖𝑜 = 1.84 + 0.5(1.87 − 1.84) = 1.85
𝐴𝑔𝑜𝑠𝑡𝑜 = 1.85 + 0.5(1.8 − 1.85) = 1.82
𝑆𝑒𝑝𝑡𝑖𝑒𝑚𝑏𝑟𝑒 = 1.82 + 0.5(1.83 − 1.82) = 1.82
𝑂𝑐𝑡𝑢𝑏𝑟𝑒 = 1.82 + 0.5(1.7 − 1.82) = 1.76
𝑁𝑜𝑣𝑖𝑒𝑚𝑏𝑟𝑒 = 1.76 + 0.5(1.65 − 1.76) = 1.7
𝐷𝑖𝑐𝑖𝑒𝑚𝑏𝑟𝑒 = 1.7 + 0.5(1.7 − 1.7) = 1.7
𝐸𝑛𝑒𝑟𝑜 = 1.7 + 0.5(1.75 − 1.7) = 1.72

Mes Demanda real Demanda Error absoluto MAD

pronosticada del pronostico
1 1.8 1.8 0 0
2 1.67 1.73 .06 .03
3 1.7 1.71 .07 .023
4 1.85 1.78 .14 .035
5 1.9 1.84 .2 .04
6 1.87 1.85 .22 .036
7 1.8 1.82 .24 .034
8 1.83 1.82 .25 .031
9 1.7 1.76 .31 .034
10 1.65 1.7 .36 .036
11 1.7 1.7 .36 .032
12 1.75 1.72 .39 .032
4.10 Los datos recopilados en las inscripciones anuales para un seminario de Seis
sigma en Quality College se muestran en la tabla siguiente:
Año 1 2 3 4 5 6 7 8 9 10 11
Inscripciones 4 6 4 5 10 8 7 9 12 14 15

a) Desarrolle un promedio móvil de 3 años para pronosticar las inscripciones

del año 4 al año 12
b) Estime la demanda de nuevo para los años 4 a 12 con un promedio móvil
ponderado donde la inscripción del año más reciente tenga un peso de 2 y
en los otros dos años un peso de 1.
4+6+4 8+7+9
𝐴ñ𝑜 4 = = 4.66 = 5 𝐴ñ𝑜 9 = =8
3 3
6+4+5 7 + 9 + 12
𝐴ñ𝑜 5 = =5 𝐴ñ𝑜 10 = = 9.33 = 9
3 3
4 + 5 + 10 9 + 12 + 14
𝐴ñ𝑜 6 = = 6.33 = 6 𝐴ñ𝑜 11 = = 11.66 = 12
3 3
5 + 10 + 8 12 + 14 + 15
𝐴ñ𝑜 7 = = 7.66 = 8 𝐴ñ𝑜 12 = = 13.66 = 14
3 3
10 + 8 + 7
𝐴ñ𝑜 8 = = 8.33 = 8
3

4 + 6 + 4(2) 8 + 7 + 9(2)
𝐴ñ𝑜 4 = = 4.5 = 5 𝐴ñ𝑜 9 = = 8.25 = 8
4 4
6 + 4 + (2)5 7 + 9 + 12(2)
𝐴ñ𝑜 5 = =5 𝐴ñ𝑜 10 = = 10
4 4
4 + 5 + 10(2) 9 + 12 + 14(2)
𝐴ñ𝑜 6 = = 7.25 = 7 𝐴ñ𝑜 11 = = 12.25 = 12
4 4
5 + 10 + 8(2) 12 + 14 + 15(2)
𝐴ñ𝑜 7 = = 7.75 = 8 𝐴ñ𝑜 12 = = 14
4 4
10 + 8 + 7(2)
𝐴ñ𝑜 8 = =8
4

4.11 a) Use suavizamiento exponencial con constante de suavizamiento de 0.3 para

pronosticar las inscripciones al seminario del problema 4.10. Para comenzar el
procedimiento, suponga que el pronóstico para el año 1 fue una inscripción de 5,000
personas.

b) ¿Cuál es la MAD?
a)

Año 1 2 3 4 5 6 7 8 9 10 11
Inscripciones 4 6 4 5 10 8 7 9 12 14 15
(000)
Pronostico 5 5 5 5 5 7 7 7 8 9 11

Año 2
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 5 + .3( 4 − 5)

𝐹𝑡 = 4.7
Año 3
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 5 + .3( 6 − 5)
𝐹𝑡 = 5.3
Año 4
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 5 + .3( 4 − 5)
𝐹𝑡 = 4.7
Año 5
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 5 + .3( 5 − 5)
𝐹𝑡 = 5

Año 6
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 5 + .3( 10 − 5)

𝐹𝑡 = 6.5
Año 7
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 7 + .3(8 − 7)

𝐹𝑡 = 7.3
Año 8
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 7 + .3( 7 − 7)
𝐹𝑡 = 7
Año 9
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 7 + .3( 9 − 7)

𝐹𝑡 = 7.6
Año 10
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 8 + .3( 12 − 8)
𝐹𝑡 = 9.2
Año 11
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 9 + .3( 14 − 9)
𝐹𝑡 = 10.5

b)
Ʃ|𝑅𝑒𝑎𝑙 − 𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜|
𝑀𝐴𝐷 =
𝑛
Año Inscripciones (000) Pronostico 𝛼 = 0.3 Desviación Absoluta
para 𝛼 = 0.3
1 4 5 1
2 6 5 1
3 4 5 1
4 5 5 0
5 10 5 5
6 8 7 1
7 7 7 0
8 9 7 2
 9 12 8 4
10 14 9 5
11 15 11 4

Suma de desviaciones absolutas = 24

n = 11
24
𝑀𝐴𝐷 =
11
𝑀𝐴𝐷 = 2.18
4.12 Considere los siguientes niveles de demanda real y pronosticada para las
hamburguesas Big Mac en un restaurante McDonald’s local.

Día Demanda Real Demanda Pronosticada

Lunes 88 88
Martes 72 88
Miércoles 68 84
Jueves 48 80
Viernes 72

El pronóstico para el lunes se obtuvo observando el nivel de demanda para lunes y

estableciendo el nivel pronosticado a este mismo nivel real. Los pronósticos subsecuentes
se obtuvieron usando suavizamiento exponencial con una constante de suavizamiento de
0.25. Usando este método de suavizamiento exponencial, ¿cuál es el pronóstico para la
demanda de Big Mac el viernes?

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 80 + .25( 48 − 80)
𝐹𝑡 = 72
4.13 Como se puede observar en la tabla siguiente, la demanda de cirugías para trasplante
de corazón en el Hospital General de Washington ha aumentado de manera estable durante
los últimos años:

Año 1 2 3 4 5 6
Trasplantes 45 50 52 56 58 ?
de corazón

El director de servicios médicos pronosticó hace 6 años que la demanda en el año 1 sería
de 41 cirugías.
a) Use suavizamiento exponencial, primero con una constante de suavizamiento de .6 y
después de .9, y desarrolle el pronóstico para los años 2 a 6.
b) Utilice un promedio móvil de 3 años para pronosticar la demanda de los años 4, 5 y 6.

a) Suavizamiento = 0.6

Año 2

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 41 + 0.6( 45 − 41)
𝐹𝑡 = 43.4
Año 3
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 43 + 0.6( 50 − 43)
𝐹𝑡 = 47.2
Año 4
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 47 + 0.6( 52 − 47)

𝐹𝑡 = 50

Año 5
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 50 + 0.6( 56 − 50)

𝐹𝑡 = 53.6
Año 6
𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )
𝐹𝑡 = 54 + 0.6( 58 − 54)

𝐹𝑡 = 56.4

Año 1 2 3 4 5 6
Trasplantes 45 50 52 56 58 ?
de corazón
𝛼 = 0.6 41 43 47 50 54 56

a) Suavizamiento = 0.9
Año 2

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 41 + 0.9( 45 − 41)

𝐹𝑡 = 44.6
Año 3

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 45 + 0.9( 50 − 45)
𝐹𝑡 = 49.5
Año 4

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 50 + 0.9( 52 − 50)
𝐹𝑡 = 51.8

Año 5

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 52 + 0.9( 56 − 52)
𝐹𝑡 = 55.6

Año 6

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 56 + 0.9( 58 − 56)
𝐹𝑡 = 57.8

Año 1 2 3 4 5 6
Trasplantes 45 50 52 56 58 ?
de corazón
𝛼 = 0.6 41 43 47 50 54 56
𝛼 = 0.9 41 45 50 52 56 58

b)

Ʃ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
𝑛
Año 4

Ʃ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
𝑛

45 + 50 + 52
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
3
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 = 49

Año 5

Ʃ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
𝑛

50 + 52 + 56
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
3
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 = 52.6

Año 6

Ʃ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
𝑛

52 + 56 + 58
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
3
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 = 55.3

Año 1 2 3 4 5 6
Trasplantes 45 50 52 56 58 ?
de corazón
𝛼 = 0.6 41 43 47 50 54 56
𝛼 = 0.9 41 45 50 52 56 58
Promedio X X X 49 53 55
móvil a 3
meses

4.15 Retome el problema resuelto 4.1 de la página 140. Use un promedio móvil de 3 años
para pronosticar las ventas de Volkswagen Beetle en Nevada durante 2008. ¿Cuál es la
MAD?

Año Ventas Pronostico

2003 450 410
2004 495
2005 518
 2006 563
2007 584
2008 ¿?

Año 2008
Ʃ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑝𝑟𝑒𝑣𝑖𝑜𝑠
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
𝑛

518 + 563 + 584

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 =
3

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀𝑜𝑣𝑖𝑙 = 555

Año Ventas Pronostico Desviación MAD

Absoluta
2003 450 410 40 40
2004 495 422 113 56.5
2005 518 444 187 62.33
2006 563 466 284 71
2007 584 495 373 74.6
2008 555

Suma de desviación absoluta: 407

Ʃ|𝑅𝑒𝑎𝑙 − 𝑃𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜|
𝑀𝐴𝐷 =
𝑛

407
𝑀𝐴𝐷 =
6

𝑀𝐴𝐷 = 67.8

4.17 Retome el problema resuelto 4.1. Usando constantes de suavizamiento de .6 y .9,

desarrolle pronósticos para las ventas de Volkswagen Beetle. ¿Qué efecto tiene la
constante de suavizamiento en el pronóstico? Use MAD para determinar cuál de las tres
constantes de suavizamiento (.3, .6 y .9) da el pronóstico más acertado.

Año Ventas Pronostico 𝛼 = 0.3 Pronostico 𝛼 = 0.6 Pronostico 𝛼 = 0.9

2003 450 410 410 410
2004 495 422
2005 518 444
2006 563 466
2007 584 495
2008 522

Suavizamiento = 0.6
Año 2004

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 410 + 0.6( 450 − 410)

𝐹𝑡 = 434
Año 2005

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 434 + 0.6( 495 − 434)
𝐹𝑡 = 470.6

Año 2006

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 471 + 0.6( 518 − 471)
𝐹𝑡 = 499.2
Año 2007

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 499 + 0.6( 563 − 499)
𝐹𝑡 = 537.4
Año 2008

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 537 + 0.6( 584 − 537)
𝐹𝑡 = 565.2

Año Ventas Pronostico 𝛼 = 0.3 Pronostico 𝛼 = 0.6 Pronostico 𝛼 = 0.9

2003 450 410 410 410
2004 495 422 434
2005 518 444 471
2006 563 466 499
2007 584 495 537
2008 522 565

Suavizamiento = 0.9
Año 2004

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 410 + 0.9( 450 − 410)
𝐹𝑡 = 446

Año 2005

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 446 + 0.9( 495 − 446)
𝐹𝑡 = 490.1
Año 2006

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 490 + 0.9( 518 − 490)
𝐹𝑡 = 515.2
Año 2007

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 515 + 0.9( 563 − 515)
𝐹𝑡 = 558.2
Año 2008

𝐹𝑡 = 𝐹−1 + 𝛼( 𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 558 + 0.9( 584 − 558)
𝐹𝑡 = 581.4

Año Ventas Pronostico 𝛼 = 0.3 Pronostico 𝛼 = 0.6 Pronostico 𝛼 = 0.9

2003 450 410 410 410
2004 495 422 434 446
2005 518 444 471 490
2006 563 466 499 515
2007 584 495 537 558
2008 522 565 581
MAD 𝛼 = 0.3
Año Ventas Pronostico Desviación MAD
Absoluta
2003 450 410 40 40
2004 495 422 113 56.5
2005 518 444 187 62.33
2006 563 466 284 71
2007 584 495 373 74.6
2008 522

MAD 𝛼 = 0.6
Año Ventas Pronostico Desviación MAD
Absoluta
2003 450 410 40 40
2004 495 434 101 50.5
2005 518 471 148 49.33
2006 563 499 212 53
2007 584 537 259 51.8
2008 565

MAD 𝛼 = 0.9
Año Ventas Pronostico Desviación MAD
Absoluta
2003 450 410 40 40
2004 495 446 89 44.5
2005 518 490 117 39
2006 563 515 165 41.25
2007 584 558 191 38.2
2008 581

La constante de suavizamiento 𝛼 = 0.9 da un pronóstico más acertado.

Problema 4.18

Considere los siguientes niveles de la demanda real (At ) y pronosticada (Ft ) para
un producto:
 Periodo de tiempo t Demanda real At Demanda Pronosticada
Ft
1 50 50
2 42 50
3 56 48
4 46 50
5 49

El primer pronóstico, F1, se obtuvo observando A1 y estableciendo F1 igual a A1.

Los pronósticos subsecuentes se obtuvieron mediante suavizamiento exponencial.
Usando el método de suavizamiento exponencial, encuentre el pronóstico para el
quinto periodo. (Sugerencia: Primero es necesario encontrar la constante de
suavizamiento, α).

α=0.2

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )

𝐹𝑡 = 50 + 0.2(46 − 50)

𝐹𝑡 = 49.2 ≈ 49

Problema 4.37

Las ventas de las pasadas 10 semanas registradas en la tienda de música Johnny

Ho en Columbus, Ohio, se muestran en la tabla siguiente. Pronostique la demanda
para cada semana, incluyendo la semana 10, usando suavizamiento exponencial
con α = .5 (pronóstico inicial = 20)
Semana Demanda Semana Demanda
1 20 6 29
2 21 7 36
3 28 8 22
4 37 9 25
5 25 10 28

a) Calcule la MAD.

Error Error MAD RSFE Señal de

Semana Demanda Pronósticos
Absoluto control
1 20 20 0 0 0 0 0
2 21 20 1 1 0.5 1 2
3 28 21 7 7 2.66 8 3.007
4 37 24 13 13 5.25 21 4
5 25 31 -6 6 5.4 15 2.77
6 29 28 1 1 4.66 16 3.433
7 36 28 8 8 5.14 24 4.66
8 22 32 -10 10 5.75 14 2.43
9 25 27 -2 2 5.33 12 2.25
10 28 26 2 2 5 14 2.8

Pronósticos

Para la semana 1 tomamos de pronostico 20 unidades

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )
 Semana 2
𝐹𝑡 = 20 + 0.5(20 − 20) = 20
Semana 3
𝐹𝑡 = 20 + 0.5(21 − 20) = 20.5 ≈ 21
Semana 4
𝐹𝑡 = 20.5 + 0.5(28 − 20.5) = 24.25 ≈ 24
Semana 5
𝐹𝑡 = 24.25 + 0.5(37 − 24.25) = 30.625 ≈ 31
Semana 6
𝐹𝑡 = 30.625 + 0.5(25 − 31) = 27.625 ≈ 28
Semana 7
𝐹𝑡 = 27.625 + 0.5(29 − 28) = 28.125 ≈ 28
Semana 8
𝐹𝑡 = 28.125 + 0.5(36 − 28) = 32.125 ≈ 32
Semana 9
𝐹𝑡 = 32.125 + 0.5(22 − 32) = 27.125 ≈ 27
Semana 10
𝐹𝑡 = 27.125 + 0.5(25 − 27) = 26.125 ≈ 26

Error

Semana 1
𝐸𝑟𝑟𝑜𝑟 = 20 − 20 = 0
Semana 2
𝐸𝑟𝑟𝑜𝑟 = 21 − 20 = 1
Semana 3
𝐸𝑟𝑟𝑜𝑟 = 28 − 21 = 7
Semana 4
𝐸𝑟𝑟𝑜𝑟 = 37 − 24 = 13
Semana 5
𝐸𝑟𝑟𝑜𝑟 = 25 − 31 = −6
Semana 6
 𝐸𝑟𝑟𝑜𝑟 = 29 − 28 = 1
Semana 7
𝐸𝑟𝑟𝑜𝑟 = 36 − 28 = 8
Semana 8
𝐸𝑟𝑟𝑜𝑟 = 22 − 32 = −10
Semana 9
𝐸𝑟𝑟𝑜𝑟 = 25 − 27 = −2
Semana 10
𝐸𝑟𝑟𝑜𝑟 = 28 − 26 = 2
MAD

Semana 1
Σ|𝐸𝑟𝑟𝑜𝑟| 0
𝑀𝐴𝐷 = = =0
𝑛 1
Semana 2
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1
𝑀𝐴𝐷 = = = 0.5
𝑛 2
Semana 3
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7
𝑀𝐴𝐷 = = = 2.66 = 3
𝑛 3
Semana 4
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13
𝑀𝐴𝐷 = = = 5.25
𝑛 4
Semana 5
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6
𝑀𝐴𝐷 = = = 5.4
𝑛 5
Semana 6
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6 + 1
𝑀𝐴𝐷 = = = 4.66
𝑛 6
Semana 7
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6 + 1 + 8
𝑀𝐴𝐷 = = = 5.14
𝑛 7
Semana 8
 Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6 + 1 + 8 + 10
𝑀𝐴𝐷 = = = 5.75
𝑛 8
Semana 9
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6 + 1 + 8 + 10 + 2
𝑀𝐴𝐷 = = = 5.33
𝑛 9
Semana 10
Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 1 + 7 + 13 + 6 + 1 + 1 + 8 + 10 + 2 + 2
𝑀𝐴𝐷 = = =5
𝑛 10

b) Calcule la señal de control.

RSFE

Semana 1
𝑅𝑆𝐹𝐸 = 0
Semana 2
𝑅𝑆𝐹𝐸 = 0 + 1 = 1
Semana 3
𝑅𝑆𝐹𝐸 = 1 + 7 = 8
Semana 4
𝑅𝑆𝐹𝐸 = 8 + 13 = 21
Semana 5
𝑅𝑆𝐹𝐸 = 21 − 6 = 15
Semana 6
𝑅𝑆𝐹𝐸 = 15 + 1 = 16
Semana 7
𝑅𝑆𝐹𝐸 = 16 + 8 = 24
 Semana 8
𝑅𝑆𝐹𝐸 = 24 − 10 = 14
Semana 9
𝑅𝑆𝐹𝐸 = 14 − 2 = 12
Semana 10
𝑅𝑆𝐹𝐸 = 12 + 2 = 14

Señal de control

Semana 1
𝑅𝑆𝐹𝐸 0
= =0
𝑀𝐴𝐷 0
Semana 2
𝑅𝑆𝐹𝐸 1
= =2
𝑀𝐴𝐷 0.5
Semana 3
𝑅𝑆𝐹𝐸 8
= = 3.007
𝑀𝐴𝐷 2.66
Semana 4
𝑅𝑆𝐹𝐸 21
= =4
𝑀𝐴𝐷 5.25
Semana 5
𝑅𝑆𝐹𝐸 15
= = 2.77
𝑀𝐴𝐷 5.4
Semana 6
𝑅𝑆𝐹𝐸 16
= = 3.433
𝑀𝐴𝐷 4.66
Semana 7
𝑅𝑆𝐹𝐸 24
= = 4.66
𝑀𝐴𝐷 5.14
Semana 8
𝑅𝑆𝐹𝐸 14
= = 2.43
𝑀𝐴𝐷 5.75

Semana 9
 𝑅𝑆𝐹𝐸 12
= = 2.25
𝑀𝐴𝐷 5.33
Semana 10
14
𝑅𝑆𝐹𝐸 = = 2.8
5
Problema 4.43

En la tabla siguiente se muestran las llamadas de emergencia hechas al sistema

911 durante las últimas 24 semanas en Gainesville, Florida:

Semana 1 2 3 4 5 6 7 8 9 10 11 12
Llamadas 50 35 25 40 45 35 20 30 35 20 15 40
Semana 13 14 15 16 17 18 19 20 21 22 23 24
Llamadas 55 35 25 55 55 40 35 60 75 50 40 65

a) Calcule el pronóstico suavizado exponencialmente de las llamadas para cada

semana. Suponga un pronóstico inicial de 50 llamadas en la primera semana,
y use α = .2. ¿Cuál es el pronóstico para la semana 25?

Pronostico
Semana Llamadas
con a=0.2
1 50 50
2 35 50
3 25 47
4 40 43
5 45 42
 6 35 43
7 20 41
8 30 37
9 35 36
10 20 35
11 15 32
12 40 29
13 55 31
14 35 36
15 25 36
16 55 34
17 55 38
18 40 41
19 35 41
20 60 40
21 75 44
22 50 50
23 40 50
24 65 48
25 85 51

Para la semana 1 tomamos de pronostico 50 unidades

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )
Semana 2
𝐹𝑡 = 50 + 0.2(50 − 50) = 50
Semana 3
 𝐹𝑡 = 50 + 0.2(35 − 50) = 47
Semana 4
𝐹𝑡 = 47 + 0.2(25 − 47) = 42.6 ≈ 43
Semana 5
𝐹𝑡 = 43 + 0.2(40 − 43) = 42.4 ≈ 42
Semana 6
𝐹𝑡 = 42 + 0.2(45 − 42) = 42.6 ≈ 43
Semana 7
𝐹𝑡 = 43 + 0.2(35 − 43) = 41.4 ≈ 41
Semana 8
𝐹𝑡 = 41 + 0.2(20 − 41) = 36.8 ≈ 37
Semana 9
𝐹𝑡 = 37 + 0.2(30 − 37) = 35.6 ≈ 36
Semana 10
𝐹𝑡 = 35.6 + 0.2(35 − 36) = 26.125 ≈ 35

Semana 11
𝐹𝑡 = 35 + 0.2(20 − 35) = 32
Semana 12
𝐹𝑡 = 32 + 0.2(15 − 32) = 28.6 ≈ 29
Semana 13
𝐹𝑡 = 29 + 0.2(40 − 29) = 31.2 ≈ 31
Semana 14
𝐹𝑡 = 31 + 0.2(55 − 31) = 35.8 ≈ 36
Semana 15
𝐹𝑡 = 36 + 0.2(35 − 36) = 35.8 ≈ 36
Semana 16
𝐹𝑡 = 36 + 0.2(25 − 36) = 33.8 ≈ 34
Semana 17
𝐹𝑡 = 34 + 0.2(55 − 34) = 38.2 ≈ 38
Semana 18
 𝐹𝑡 = 38 + 0.2(55 − 38) = 41.4 ≈ 41
Semana 19
𝐹𝑡 = 41 + 0.2(40 − 41) = 40.8 ≈ 41

Semana 20
𝐹𝑡 = 41 + 0.2(35 − 41) = 39.2 ≈ 40
Semana 21
𝐹𝑡 = 40 + 0.2(60 − 40) = 44
Semana 22
𝐹𝑡 = 44 + 0.2(75 − 44) = 50.2 ≈ 50
Semana 23
𝐹𝑡 = 50 + 0.2(50 − 50) = 50

Semana 24
𝐹𝑡 = 50 + 0.2(40 − 50) = 48
Semana 25
𝐹𝑡 = 48 + 0.2(65 − 48) = 51.4 ≈ 51

b) Pronostique de nuevo cada periodo usando α = .6.

Pronostico
Semana Llamadas
con a=0.6
1 50 50
2 35 50
3 25 41
4 40 31
5 45 36
6 35 43
7 20 38
8 30 27
9 35 29
 10 20 33
11 15 25
12 40 19
13 55 32
14 35 46
15 25 39
16 55 31
17 55 45
18 40 51
19 35 44
20 60 39
21 75 52
22 50 66
23 40 56
24 65 46
25 85 57

Para la semana 1 tomamos de pronostico 50 unidades

𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝐴𝑡−1 − 𝐹𝑡−1 )
Semana 2
𝐹𝑡 = 50 + 0.6(50 − 50) = 50
Semana 3
𝐹𝑡 = 50 + 0.6(35 − 50) = 41
Semana 4
𝐹𝑡 = 41 + 0.6(25 − 41) = 31.4 ≈ 31
Semana 5
𝐹𝑡 = 31 + 0.6(40 − 31) = 36.4 ≈ 36
Semana 6
𝐹𝑡 = 36 + 0.6(45 − 36) = 42.6 ≈ 43
Semana 7
𝐹𝑡 = 43 + 0.6(35 − 43) = 38.2 ≈ 38
Semana 8
𝐹𝑡 = 38 + 0.6(20 − 38) = 27.2 ≈ 27
Semana 9
𝐹𝑡 = 27 + 0.6(30 − 27) = 28.8 ≈ 29
Semana 10
𝐹𝑡 = 29 + 0.6(35 − 29) = 32.6 ≈ 33

Semana 11
𝐹𝑡 = 33 + 0.6(20 − 33) = 25.2 ≈ 25
Semana 12
𝐹𝑡 = 25 + 0.6(15 − 25) = 19
Semana 13
𝐹𝑡 = 19 + 0.6(40 − 19) = 31.6 ≈ 32
Semana 14
𝐹𝑡 = 32 + 0.6(55 − 32) = 45.8 ≈ 46
Semana 15
𝐹𝑡 = 46 + 0.6(35 − 46) = 39.4 ≈ 39
Semana 16
𝐹𝑡 = 39 + 0.6(25 − 39) = 30.6 ≈ 31
Semana 17
𝐹𝑡 = 31 + 0.6(55 − 31) = 45.4 ≈ 45
Semana 18
𝐹𝑡 = 45 + 0.6(55 − 45) = 51
Semana 19
𝐹𝑡 = 51 + 0.6(40 − 51) = 44.4 ≈ 44

Semana 20
𝐹𝑡 = 44 + 0.6(35 − 44) = 38.6 ≈ 39
Semana 21
𝐹𝑡 = 39 + 0.6(60 − 39) = 51.6 ≈ 52
Semana 22
 𝐹𝑡 = 52 + 0.6(75 − 52) = 65.8 ≈ 66
Semana 23
𝐹𝑡 = 66 + 0.6(50 − 66) = 56.4 ≈ 56

Semana 24
𝐹𝑡 = 56 + 0.6(40 − 56) = 46.4 ≈ 46
Semana 25
𝐹𝑡 = 46 + 0.6(65 − 46) = 57.4 ≈ 57

c) Las llamadas reales durante la semana 25 fueron 85. ¿Qué constante de

suavizamiento proporciona un pronóstico superior? Explique y justifique la
medida de error que use. P
R= Con a=0.6 ya que es un valor más cercano a la unidad del intervalo de 0
a 1.

Problema 4.47

La empresa City Cycles acaba de comenzar a vender la nueva bicicleta de montaña

Z-10, con las ventas mensuales que se muestran en la tabla siguiente. Primero, el
copropietario Amit quiere pronosticar con suavizamiento exponencial estableciendo
inicialmente el pronóstico de febrero igual a las ventas de enero con α = .1. La
copropietaria Bárbara quiere usar un promedio móvil de tres periodos.

Ventas Amit Bárbara Error de Error de

Amit Bárbara
Enero 400 400 400 0 0
Febrero 380 400 -20
Marzo 410 398 12
Abril 375 399 397 -24 -22
Mayo 405 397 388 8 17
a) ¿Existe una tendencia lineal fuerte en las ventas a través del tiempo?

Amit Bárbara
Y X X^2 XY Y X X^2 XY
Enero 400 400 160000 160000 Enero 400 0 0
Febrero 380 400 160000 152000 Febrero 380 0 0
Marzo 410 398 158404 163180 Marzo 410 0 0
Abril 375 399 159361 149700 Abril 375 397 157609 148875
Mayo 405 397 157434 160696 Mayo 405 388 150544 157140
5 ∗ 160696 − 405 ∗ 397
𝑏= =
5 ∗ 157434 − 3972
5 ∗ 157140 − 405 ∗ 388
𝑏= =
5 ∗ 150544 − 3882
1.02086216
1.02086216

1.02086216
 b) Complete la tabla con las cifras que Amit y Bárbara pronostican separadamente
para mayo y los meses anteriores.
c) Suponga que las ventas reales para mayo resultan ser de 405. Complete las
columnas de la tabla y luego calcule la desviación absoluta media para los
métodos de Amit y Bárbara.

Amit Bárbara
Σ|𝐸𝑟𝑟𝑜𝑟|
𝑀𝐴𝐷 =
𝑛
Enero Σ|𝐸𝑟𝑟𝑜𝑟| 0
𝑀𝐴𝐷 = = =0
𝑛 1
Febrero Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 20
𝑀𝐴𝐷 = = = 10
𝑛 2
Marzo Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 20 + 12
𝑀𝐴𝐷 = = = 10.66
𝑛 3
≈ 11
Abril Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 20 + 12 + 24 Σ|𝐸𝑟𝑟𝑜𝑟| 22
𝑀𝐴𝐷 = = 𝑀𝐴𝐷 = = = 22
𝑛 4 𝑛 1
= 14
Mayo Σ|𝐸𝑟𝑟𝑜𝑟| 0 + 20 + 12 + 24 + 8 Σ|𝐸𝑟𝑟𝑜𝑟| 22 + 17
𝑀𝐴𝐷 = = 𝑀𝐴𝐷 = =
𝑛 5 𝑛 2
= 12.8 ≈ 13 = 19.5 ≈ 20

d) Con base en estos cálculos, ¿cuál método parece ser más preciso?

El método de Amit permite obtener mayor cantidad de pronósticos que el de Bárbara

ya que se analizan en un menor margen de error y se obtiene más datos que por
periodos.
Conclusión

En esta serie de problemas desarrollados se utilizaron las formas básicas y sencillas

para la elaboración de pronósticos, los pronósticos fueron obtenidos a partir de la
demanda real del producto, pero utilizando métodos como el suavizamiento
exponencial y la obtención por periodos.

De los métodos utilizados para la obtención de los pronósticos se comprobó la

diferencia del intervalo de suavizamiento el cual debe está en un intervalo de entre
cero y uno para la resolución de problemas por este método, este método resulto
ser más preciso para la obtención de pronósticos que el método por intervalos, ya
que esta misma dejaría huecos vacíos dentro de las tablas de pronósticos.

Esta serie de métodos son realmente útiles para la elaboración de pronósticos de

cuánto tiempo podría durar un material en el inventario o la materia prima en una
línea de producción.

La forma utilizada para determinar cuál metodología fue la más precisa en el

momento de realizar pronósticos fue a partir de la desviación media absoluta, ya
que a partir de esta misma analizaba el error obtenido en cada pronostico, el cual
error hace referencia a la diferencia del valor real obtenido respecto al pronóstico
obtenido.

Usando el método de suavizamiento exponencial se obtenía una desviación más

pequeña al analizar datos más precisos respecto a los antecedentes de los
pronósticos y al tener más datos la desviación absoluta media fue en menor
cantidad.

La línea de tendencia de los pronósticos se realizó de una manera muy sencilla ya

que se buscó la pendiente de los puntos iniciales y finales de la serie de datos
disponibles en el pronóstico.
 La señal de control la obtuvimos mediante la desviación del pronóstico realizado
respecto a la demanda de los productos en el inventario. La noción de promedio
ponderado se utiliza para nombrar a un método de cálculo que se aplica cuando,
dentro de una serie de datos, uno de ellos tiene una importancia mayor.

Capitulo12. Cuadro sinóptico de los tipos de inventarios

TIPOS DE
INVENTARIOS

Inventario materias primas: este Inventario de trabajo de Inventario para mantenimiento

inventario se puede usar para
desnuir a los proveedores del
proceso de producción, sin embargo
el enfoque preferido consiste en
eliminar la variabilidad en
cantidad, calidad de tiempo de
entrega del proveedor así que la
separación no es necesaria.
procesos: es de componentes o
materias primas que han sufrido
ciertos cambios pero no están
terminados. El WI Pexiste tiempo
requerido para hacer un producto
y reducir el tiempo del ciclo
disminuye el inventario
reparación y operaciones: son necesarios
para mantener productivos la maquinaria y
los procesos. Estos inventarios existen
aunque no se conocen la necesidad y los
tiempos de mantenimiento y reparación
de algunos equipos.

Inventarios de productos terminados: esta constituido por

productos completos que esperan un embarque .los bienes
terminados pueden entrar en inventario para conocer las demandas
futuras del cliente