Вы находитесь на странице: 1из 17
UNIVERSIDAD TECNOLOGICA DE HONDURAS Catedrático: Ing. Walther Francisco Santos Asignatura: Administración de la

UNIVERSIDAD TECNOLOGICA DE HONDURAS

Catedrático:

Ing. Walther Francisco Santos

Asignatura:

Administración de la Producción I

Responsable:

Arely Castro López (201210010516)

Titulo:

Pronósticos (modulo 5)

17/07/2014

Mapa mental

Mapa mental

Desde tiempos antiguos, como sociedad o de manera individual, hemos querido

conocer que sucederá en el futuro, y así estar preparados para afrontarlo. Las organizaciones no son la excepción. Ellas también desean saber lo que sucederá en

el futuro, cuáles serán los cambios en el mercado, cuáles serán los cambios en la

demanda y en la economía, entre otros sucesos, para poder reaccionar de acuerdo

a ellos y con esto reducir los efectos negativos, y si es posible aprovecharlos

obteniendo una mayor rentabilidad económica. Por lo cual se utilizan distintos métodos de pronósticos para predecir la demanda y reducir en la mayor medida posible la incertidumbre. Sabemos que los pronósticos no son totalmente exactos. Ningún modelo de pronósticos es preciso. Para seleccionar el modelo de pronóstico más adecuado para predecir la demanda, debemos determinar el error de los modelos de pronóstico que queremos utilizar, en relación a los valores reales de demanda. El modelo de pronóstico con el menor margen de error será el más

adecuado para predecir la demanda.

de error será el más adecuado para predecir la demanda. Tipos de pronósticos Las organizaciones utilizan

Tipos de pronósticos Las organizaciones utilizan tres tipos principales de pronósticos en la planeación de operaciones futuras:

Los pronósticos económicos: abordan el ciclo del negocio al predecir tasas de inflación, suministros de

Los pronósticos económicos: abordan el ciclo del negocio al predecir tasas de inflación, suministros de dinero, construcción de viviendas, producto interno bruto, índice de precio del consumidor, devaluación de la moneda y otros indicadores de planeación.

Los pronósticos tecnológicos se refieren a las tasas de progreso tecnológico, las cuales pueden resultar en el nacimiento de nuevos e interesantes productos, que requerirán nuevas plantas y equipo.

Los pronósticos de la demanda son proyecciones de la demanda de productos o servicios de una compañía

Para determinar el modelo de pronóstico más adecuado es necesario contar con datos muy precisos de la demanda. Se deben utilizar varios modelos de pronósticos considerando varias condiciones, para obtener el modelo más adecuado para predecir la demanda. No nos podemos basar en unos dos o tres escenarios se deben considerar todas las posibilidades que se pueden presentar.

El pronóstico es la única estimación de la demanda hasta que se conoce la demanda

El pronóstico

es

la

única estimación de la demanda hasta que se conoce la

demanda real

Los pronósticos casi nunca son perfectos. Esto significa que factores externos no predecibles o controlables suelen afectar el pronóstico. Las compañías deben admitir esta realidad. Además de esto tenemos que comprender las variaciones estacionales pues es importante para planear la capacidad en las organizaciones que manejan picos en la carga de trabajo. Esto incluye a las compañías de energía eléctrica durante los periodos de frío o calor intensos, a los bancos los viernes por la tarde, y a trenes subterráneos y autobuses durante las horas de tráfico matutino o vespertino

durante las horas de tráfico matutino o vespertino La mayoría de las técnicas de pronóstico suponen

La mayoría de las técnicas de pronóstico suponen la existencia de cierta estabilidad subyacente en el sistema. En consecuencia, algunas empresas automatizan sus

predicciones a través de software para pronósticos computarizados y después sólo vigilan de cerca aquellos productos cuya demanda es errática.

Tanto los pronósticos de familias de productos como los de productos agregados son más precisos que los pronósticos para productos individuales. Por ejemplo: Una empresa productora de leche le es más seguro pronosticar la demanda de leche en general, que calcular la demanda individual de cada presentación de leche que elabore. En definitiva es posible imaginar la dificultad que implica determinar los valores futuros de algunas variables independientes comunes

(como índices de desempleo, producto nacional bruto, índices de precios, y otros).Gracias a las técnicas que disponemos hoy en día.

de desempleo, producto nacional bruto, índices de precios, y otros).Gracias a las técnicas que disponemos hoy

Ejercicios

1. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses. Aquí están la demanda pronosticada y la real:

seis meses. Aquí están la demanda pronosticada y la real: Calcule la desviación absoluta media para

Calcule la desviación absoluta media para el pronóstico.

MAD =

Demanda real pronostico

 

Numero de periodos utilizados

Mes

Pronostico

Real

Error porcentual absoluto

 

Abril

250

200

250

200 = 50

 

Mayo

325

250

325

250 = 75

 

Junio

400

325

400

325 = 75

 

Julio

350

300

350

300 = 50

Agosto

375

325

375

325 = 50

Septiembre

450

400

450

400 = 50

   

Sumatoria

 

350

MAD = 350/6 = 58.33

La desviación absoluta media para el pronóstico es de 58.33

2. Se usó un modelo de pronóstico específico para adelantar la demanda de un producto. Los pronósticos y la demanda correspondiente que se presentaron a continuación se dan en la tabla. Use las técnicas MAD para el modelo de pronóstico.

tabla. Use las técnicas MAD para el modelo de pronóstico. Año Real Pronostico Error porcentual absoluto

Año

Real

Pronostico

Error porcentual absoluto

Octubre

700

660

700

660 = 40

Noviembre

760

840

760

840 = - 80

Diciembre

780

750

780

750 = 30

Enero

790

835

790

835 = - 45

Febrero

850

910

850

910 = -60

Marzo

950

890

950

890 = 60

       

-25

MAD = -25/6 = -4.17

3. A continuación se presentan dos pronósticos semanales realizados mediante dos métodos diferentes para el número de galones de gasolina, en miles, demandado en una gasolinera local. También se muestran los niveles reales de demanda, en miles de galones:

Calcule el MAD para cada modelo de pronóstico y determine el más adecuado de los

Calcule el MAD para cada modelo de pronóstico y determine el más adecuado de los dos para predecir la demanda.

Semana

 

Método 1

Demanda real

Error porcentual absoluto

1

 

0.90

0.70

 

0.90

0.70 = 0.20

2

 

1.05

1.00

 

1.05

1.00 = 0.05

3

 

0.95

1.00

0.95 1.00 = - 0.05

4

 

1.20

1.00

 

1.20

1.00 = 0.20

       

0.40

MAD = 0.40/4 = 0.10

 

Semana

Método 2

Demanda real

Error porcentual absoluto

   

1

0.80

0.70

0.80

0.70 = 0.10

2

1.20

1.00

1.20

1.00 = 0.20

3

0.90

1.00

0.90 1.00 = -0.10

4

1.11

1.00

1.11

1.00 = 0.11

       

0.31

MAD = 0.31/4 = 0.77

Analizando los resultados de MAD para estos métodos podemos observar que de los métodos el que tiene el menor MAD es el método 2 por lo tanto es el más adecuado.

4. La demanda de audífonos para estereofónicos y reproductores de discos compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El número de trotadores sigue en aumento, así que Nina espera que la demanda también se incremente, porque, hasta ahora, no se han promulgado leyes de seguridad que impidan que los trotadores usen audífonos. La demanda de estéreos del año pasado fue la siguiente:

Utilice proyección de tendencia para determinar una ecuación de tendencia y pronostique la demanda para

Utilice proyección de tendencia para determinar una ecuación de tendencia y pronostique la demanda para el mes de Enero del próximo año.

Mes

Periodo (x)

Demanda (y)

X2

XY

Enero

 

1 4,200

1

4,200

Febrero

 

2 4,300

4

8,600

Marzo

 

3 4,000

9

12,000

Abril

 

4 4,400

16

17,600

Mayo

 

5 5,000

25

25,000

Junio

 

6 4,700

36

28,200

Julio

 

7 5,300

49

37,100

Agosto

 

8 4,900

64

39,200

Septiembre

 

9 5,400

81

48,600

Octubre

 

10 5,700

100

57,000

Noviembre

 

11 6,300

121

69,300

Diciembre

 

12 6,000

144

72,000

 

X = 78

Y= 60,200

X2 = 650

XY = 418,800

Σx= 78/12 = 6.5

Σy= 60200/12 = 5016.67

b=

xy

-

n x

y

/ x2 n x2

b=

192.31

418,800 (12) (6.5) (5016.67) /650 (12) (6.5)2

a=

y

- b(x) = 5016.67 (192.31) (6.5) = 3766.65

y>= a + bx

y>= 3766.65 + 192.31x

=

27,499.74 / 143

=

Demanda para Enero = 3766.65 + 192.31 (13) = 3766.65 + 2500.03 = 6267

Demanda para Enero del próximo año sería de 6267

5. A continuación se da la demanda tabulada actual de un artículo durante un periodo de nueve meses (de enero a septiembre). Utilice proyección de tendencias para determinar la demanda del mes de Octubre.

de tendencias para determinar la demanda del mes de Octubre. Mes Periodo (x) Demanda (y) X2

Mes

Periodo (x)

Demanda (y)

X2

XY

Enero

 

1 110

1

110

Febrero

 

2 130

4

260

Marzo

 

3 150

9

450

Abril

 

4 170

16

680

Mayo

 

5 160

25

800

Junio

 

6 180

36

1080

Julio

 

7 140

49

980

Agosto

 

8 130

64

1040

Septiembre

 

9 140

81

1260

 

X = 45

Y = 1310

X2 = 285

XY = 6,660

X =

45/9 = 5

b=

1310/9

= 145.56

b= 6660 (9) (5) (145.56) / 285 (9) (5)2

a= 145.56 (1.83) (5)

= 136.41

= 1.83

Demanda mes de octubre = 136.41 1.83 (10) = 155

La demanda para el mes de octubre sería de 155

6. La asistencia a un parque de diversiones ha sido la siguiente:

asistencia a un parque de diversiones ha sido la siguiente: a) Calcule los índices estacionales usando

a)

Calcule los índices estacionales usando todos los datos.

Estación

2005

2006

2007

Invierno

73

65

89

Primavera

104

82

146

Verano

168

124

205

Otoño

74

52

98

Demanda promedio invierno = 73+65+89/3 = 75.67 = 76 (promediado) Demanda promedio primavera = 104+82+146/3 = 110.67 = 111 (promediado) Demanda promedio verano = 168+124+205/3 = 165.67 = 166 (promediado) Demanda promedio otoño = 74+52+98/3 = 74.67 = 75 (promediado)

Demanda promedia estacional = 428/4 = 107

Índice estacional para invierno = 76/107 = 0.71 Índice estacional para primavera = 111/107 = 1.04 Índice estacional para verano = 166/107 = 1.55 Índice estacional para otoño = 75/107 = 0.70

 

Demanda

Demanda

Demanda

Demanda

Demanda

Índice

promedio

promedio

estacional

para el

estacional

periodo

Estación

2005

2006

2007

     

Invierno

73

65

89

76

107

0.71

Primavera

104

82

146

111

107

1.04

Verano

168

124

205

166

107

1.55

Otoño

74

52

98

75

107

0.70

       

=428

   

b) Si espera que la demanda para el año 2008 sea de 6,000 personas, ¿Cuál será la demanda para cada trimestre? Demanda promedio para el año 2008 6000/4 = 1500 asistentes Invierno = 1500*0.71 = 1065 Primavera = 1500*1.04 = 1560 Verano = 1500*1.55 = 2325 Otoño = 1500*0.70 = 1050

Trimestre 2008

Asistentes

Invierno

1065

Primavera

1560

Verano

2325

Otoño

1050

7. En el pasado, la distribuidora Arup Mukherjee vendió un promedio de 1,000 llantas radiales cada año. En los dos años anteriores vendió 200 y 250, respectivamente, durante el otoño, 350 y 300 en invierno, 150 y 165 en primavera, y 300 y 285 en verano. Con una ampliación importante en puerta, Mukherjee proyecta que las ventas se incrementarán el próximo año a 1,200 llantas radiales. ¿Cuál será la demanda en cada estación?

Demanda promedio invierno = 200+250/2 = 225 Demanda promedio primavera = 350+300/2 = 325

Demanda promedio verano = 150+165/2 = 158 Demanda promedio otoño = 300+285/2 = 292

Demanda promedio estacional = 1000/4 = 250

Índice estacional para invierno = 225/250 = 0.90 Índice estacional para primavera = 325/250 = 1.30 Índice estacional para verano = 158/250 = 0.63 Índice estacional para otoño = 292/250 = 1.17

 

Demanda

Demanda

Demanda

Demanda

Índice

promedio

promedio

estacional

para el

estacional

periodo

Estación

Año 1

Año 2

     

Invierno

200

250

225

250

0.90

Primavera

350

300

325

250

1.30

Verano

150

165

158

250

0.63

Otoño

300

285

292

250

1.17

     

= 1000

   

Demanda promedio para el próximo año

1200/4 = 300

Demanda para cada estación

Invierno = 300*0.90= 270 Primavera = 300*1.30 = 390 Verano= 300*0.63 = 189 Otoño = 300*1.17 = 351

Trimestre para el próximo año

Demanda

Invierno

270

Primavera

390

Verano

189

Otoño

351

8. El administrador de Coffee Palace, Joe Felan, sospecha que la demanda de cafés con leche sabor moca depende de su precio. Con base en observaciones históricas, Joe ha recopilado los siguientes datos que muestran el número de cafés de este tipo vendidos a seis precios diferentes:

Usando estos datos, ¿cuántos cafés con leche sabor moca pronosticaría usted para ser vendidos de

Usando estos datos, ¿cuántos cafés con leche sabor moca pronosticaría usted para ser vendidos de acuerdo con una regresión lineal simple si el precio por taza fuera de $1.80?

Precio (X)

Demanda (Y) Cafés vendidos

X2

XY

$2.70

760

$7.29

2052

$3.50

510

$12.25

1785

$2.00

980

$4.00

1960

$4.20

250

$17.64

1050

$3.10

320

$9.61

992

$4.05

480

$16.40

1944

X= 19.55

Y= 3300

X2= 67.19

XY= 9783

_

X = 19.55/6 = 3.26

_

Y = 3300/6 = 550 _

_ b= xy n x

_

/ x2 nx2

y

b= 9783 (6) (3.26) (550) / 67.19 (6) (3.26)2 = 975/3.42 = 285.08 _

a=

_

y

- bx

a= 550 (285.08) (3.26) = 379.36

y> = a+bx y> = 379.36 + 285.08x

Demanda de venta si el precio fuera $1.80

y> = 379.36 + 285.08 (1.80) = 379.36 + 513.15 = 892.5 = 893 (promediado)

Con un precio por taza fuera de $1.80 se vendería un promedio de 893 tazas

9. Los siguientes datos relacionan las cifras de ventas del pequeño bar de la casa de huéspedes Marty and Polly Starr, en Marathon, Florida, con el número de huéspedes registrados en la semana:

con el número de huéspedes registrados en la semana: a) Desarrolle una regresión lineal que relacione

a) Desarrolle una regresión lineal que relacione las ventas del bar con los huéspedes (no con el tiempo).

Semana

Huéspedes (x)

Ventas del bar

X2

XY

(Y)

1

16

$330

256

$5280

2

12

$270

144

$3240

3

18

$380

324

$6840

4

14

$300

196

$4200

 

X= 60

Y= 1280

X2= 920

XY= 19560

_

x = 60/4 = 15

_

 

y = 1280/4 = 320

b= 19560 (4) (15) (320) / 920 (4) (15)2 = 360 / 20 = 18

a= 320 18(15) = 50

y> = 50 + 18x

b) Si el pronóstico para la semana siguiente es de 20 huéspedes, ¿de cuánto se espera que sean las ventas?

Pronóstico para la semana siguiente y> = 50+18(20) = 50+360 = 410 Las ventas se espera que sean de $410.