Apuntes Parcial 2

INSTUTUTO TECNOLOGICO DE
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
Los Mochis Sinaloa, Septiembre 2014

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD
Pgina 1
VOCABULARIO BASICO:
Demanda dependiente Necesidades de un producto o servicio

incitadas por la demanda de otros servicios o productos. Esta demanda
interna no tiene que ser pronosticada, pero puede calcularse sobre la
base de la demanda de otros productos o servicios.
Demanda independiente Demanda que no
directamente de la demanda de otros productos.
puede
derivarse
Anlisis de series de tiempo Tipo de pronstico en que se anticipa la

demanda futura con datos relacionados a la demanda anterior.
Suavizacin exponencial Tcnica de pronstico por series de tiempo,
en la que cada incremento de los datos de la demanda anterior aminora
en (1
Constante de suavizacin alfa () Parmetro de la ecuacin de
suavizacin exponencial que controla la velocidad de reaccin a las
diferencias entre los pronsticos y la demanda real.
Constante de suavizacin delta () Parmetro adicional de la
ecuacin de suavizacin exponencial que comprende un ajuste de la
tendencia.
Desviacin absoluta media (MAD) Error promedio del pronstico
usando valores absolutos de error de cada pronstico anterior.
Seal de seguimiento Medida que indica si el promedio del pronstico
concuerda con alzas o bajas verdaderas de la demanda.
Pgina 2
Pronstico de regresin lineal Tcnica de pronstico en la que se

presume que los datos previos y las proyecciones a futuro caen sobre
una recta.
Relacin causal Situacin en la que un suceso es causa de otro. Si el
suceso est muy distante en el futuro, sirve como base para un
pronstico.
Pronstico enfocado Mtodo de pronosticar en el que se ensayan
varias tcnicas mediante simulacin computarizada. La mejor tcnica o
el mejor conjunto de tcnicas se aplica al pronstico real.
Planeacin, pronstico y resurtido en colaboracin Herramienta
de Internet para coordinar pronsticos, produccin y adquisiciones en la
cadena de suministro de una compaa.
Pgina 3
REPASO FURMULAS:
Promedio mvil simple
Promedio mvil ponderado
Suavizacin exponencial simple
Suavizacin exponencial con tendencia
Desviacin absoluta media

Pgina 4
Seal de seguimiento
Regresin de mnimos cuadrados
Error estndar del estimado
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
Haga Un pronstico para esta semana segn este esquema:

a) Diario, con un promedio mvil de cuatro semanas.
b) Diario, con un promedio mvil ponderado de 0.40, 0.30, 0.20 y 0.10 para las
ltimas cuatro semanas.
c) Sunrise tambin planea sus compras de ingredientes para la produccin de pan. Si la
semana pasada se pronostic una demanda de pan de 22 000 hogazas y slo se

demandaron 21 000, cul debe ser la demanda que pronostique Sunrise para esta
semana, con una suavizacin exponencial de =
0.10?
d) Supngase, con el pronstico hecho en c), que la demanda de esta semana resulta ser
ms bien de
22 500 hogazas. Cul debe ser el pronstico de la demanda siguiente?
Pgina 6
Solucin
a) Promedio de movimiento simple, cuatro semanas
b) Promedio ponderado con pesos de 0.40, 0.30, 0.20 y 0.10.
c) Pronstico de suavizacin exponencial de la demanda de pan.
d) Pronstico exponencialmente suavizado
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.
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
Pgina 8
FII 700 1.167 816.7

816.7
La regla 4 fue la que ms se acerc a pronosticar el ltimo trimestre: 95.2% o apenas 4.8%
menos.
Usando esta regla (50% ms que el mismo trimestre del ao anterior) puede pronosticarse
el tercer trimestre
del ao como 50% ms que el tercer trimestre del ao pasado, o sea
Este ao FIII 1.50 AIII (ao pasado)
FIII 1.50 (900) 1 350 unidades
PROBLEMA RESUELTO 3
Se us un modelo de pronstico especfico para adelantar la demanda de un producto. Los
pronsticos y la demanda correspondiente que se presentaron a continuacin se dan en la
tabla. Use las tcnicas MAD y de seal de seguimiento para evaluar la exactitud del modelo
de pronstico.
Real
Pronosticada
Octubre
700
660
Noviembre
760
840
Diciembre
780
750
Enero
790
835
Febrero
850
910
Marzo
950
890
Solucin
Evale el modelo de pronstico con MAD y seal de seguimiento.
MAD 315 52.5

6
Pgina 9
Seal de seguimiento 55 1.05

52.5
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
PREGUNTAS DE REPASO Y DISCUSIN:

1. Cul es la diferencia entre demanda dependiente e independiente?
La demanda dependiente es la demanda de un producto o servicio provocada por la
demanda de otros productos o servicios, mientras que la independiente no se deriva
directamente de la demanda de otros productos
2.Examine la ilustracin 15.4 y seale qu modelo usara para a) la demanda de
trajes de bao, b) la demanda de casas nuevas, c) consumo de electricidad, d)
planes de expansin de nuevas plantas.
A) La demanda de trajes de bao:Se debra utilizar el mtodo de descomposicin de
series de tiempos,
B) La demanda de casas nuevas: se debera utilizar un modelo de regresin causal
quizs utilizando como base el nmero de personas que se casan en un ao,
C) El consumo de electricidad: se debera utilizar un modelo de exponencial
aminorado
D) Los planes de expansin de nuevas plantas: se debera utilizar un mtodo
exponencial aminorado simple por que como la planta va a ser nueva no vamos
a tener datos registrados.
3. En qu se justifica
regresin lineal?
el mtodo de mnimos cuadrados en el anlisis de
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).
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
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
demanda adems del uso de reglas simples y el uso de programas de simulacin en

computadora.
PROBLEMAS:
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
Con un anlisis de regresin por mnimos cuadrados,

cul estimara que fuera la demanda de cada mes del
ao entrante? Con una hoja de clculo, siga el formato
general de la ilustracin 15.11. Compare sus resultados con los obtenidos usando la
funcin pronstico de la hoja de clculo.
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
En el mtodo de mnimos cuadrados, las ecuaciones para a y b son
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
Primero determinamos el valor de b con la frmula:

Mes(x)
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
Para determinar el valor de a sustituimos en:

a = 5016.67 (192.307) (6.5)
a = 3766.667
Por la tato la ecuacin final de la forma Y = a + bx
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
A) Para tener alguna seguridad de cubrir la

demanda, Nina decide usar tres errores
estndar por seguridad. Cuntas unidades
adicionales debe retener para alcanzar este
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
Pgina 21
=269.85(3)
=809.55 unidades a retener
PROBLEMA NUMERO 2
La demanda histrica del producto es:

Mes
A)Usando un promedio mvil

0.30 y 0.10, calcule el
Enero
Febrer
o
Marzo
Abril
Mayo
Junio
Deman
da
12
11
15
12
16
15
ponderado con pesos de 0.60,

pronstico de julio.
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:
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
a) Con el promedio mvil simple a tres meses, determine el pronstico de julio.

Para realizar el presente inciso acudiremos a la frmula que se encuentra en la
pgina 474, la cual es de promedio mvil simple.
La ecuacin de promedio mvil simple es:
=
Dnde:
= Pronstico para el siguiente periodo.

n = Nmero de periodos para promediar.
=Ocurrencia real en el periodo pasado.
Pgina 23
=Ocurrencias reales hace dos periodos, hace tres periodos, y as
sucesivamente, hasta hace n periodos.

Aplicando la frmula:
=
= 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.
c) Con un anlisis de regresin lineal simple, calcul la ecuacin de relacin de los

datos precedentes de la demanda.
Donde
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
x = Periodo
Donde
a = Secante Y
Pgina 25
= 297
= 91
n=6
= 13.5
= 3.5
b=
b=
b = 0.7714
a = 13.5 (0.7714) (3.5)
a = 10.8
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
Pronostico= pronostico anterior + alfa (demanda real anterior-pronostico anterior)

b) Calcule el MAD de los pronsticos.
94-84=10
106-84=20
80-90=10
68-88=20
94-84=10
R= 70 /5= 14 = MAD
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
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
Descomposicin con regresin por mnimos cuadrados

Trimestre (x)
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
Clculo de la ecuacin de regresin lineal
Pgina 28
b=
a=
Y=
-203.496503
4439.39394
4439.393-203.496 (x)
Demanda pronosticada para el ao 2008

Trimestre
(x)
1
2
3
4
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
Para el modelo de regresin simple se utiliza la siguiente frmula
Donde
Y = Variable dependiente calculada mediante la ecuacin.
y = El punto de datos de la variable dependiente real.
a = Secante Y
x = Periodo
Pgina 30
Donde
a = Secante Y
Mes (x) Ventas(y)

1
109
2
104
3
150
4
170
5
120
6
100
7
115
8
112
9
159
10
182
11
126
12
106
78
1553
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
a = 129.41667 (1.1363) (6.5)
a = 122.03
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
Promedio del perido =
Para calcular el Factor Estacional dividimos el promedio del periodo entre el promedio total
del perido. Por ejemplo:
Factor Estacional =
= 0.865 posteriormente se repite para la otra mitad del perido
Para calcular la Demanda sobre Factor Estacional divimos la Demanda Real entre el Factor
Estacional. Por ejemplo:
Demanda s/ Factor Estacional =
= 125.95
Para el inciso d) y el prnostico del ao entrate utilizaremos la siguiente tabla

Periodo
Pronstico
Factor
Pronstico
Tendencia Estacional
final
Lo que hicimos para elaborar esta

tabla fue sustiuir los valores del
periodo en la ecuacin obtenida
previamente
y
posteriormete
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
Comente las seales de seguimiento de cada producto y seale sus implicaciones.
Primeramente se grafican las seales de seguimiento (TS) de cada producto en el programa

Excel para obtener una grfica individual que posteriormente se analizara.
Seal de Seguimiento del Producto 1
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.
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.
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:
En la tabla siguiente se muestran los 2 aos previos de informacin de las ventas

trimestrales. Supngase que hay tendencias y factores estacionales y que el ciclo estacional
es de un ao. Use series de tiempo de descomposicin para pronosticar las ventas
trimestrales del ao siguiente:
Trimestre
1
2
3
4
Ventas
160
195
150
140
Trimestre
5
6
7
8
Ventas
215
240
205
190
Factor estacional = ventas de los ltimos 4 trimestres / 4

Factor estacional =215+240+205+190/4 = 212.5
Trimestre
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:
Tucson Machinery, Inc., fabrica mquinas controladas numricamente que se venden a un

precio promedio de 0.6 millones de dlares cada una. Las ventas de estas mquinas durante
los 2 aos anteriores son:
2006
2007
TRIMESTRE
CANTIDAD
(UNIDADES)
12
II
18
III
26
IV
16
16
II
24
III
28
IV
18
A) Trace a mano una recta (o haga una regresin con Excel).

B) Encuentre la tendencia y los factores estacionales.
C) Pronostique las ventas para 2008.
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).
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
La cual resulta as:
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
Evaluamos la tabla con las frmulas de la figura 1.2

Encontrando los siguientes resultados:
=
1.024
15.143
Y=
15.143+1.023t
Al haber encontrado la frmula de regresin lineal

Y=
15.143+1.023t
La evaluamos para poder trazar la lnea de tendencia en el grfico de
Figura 1.2
16.167
17.190
18.214
19.238
la figura 1.1, la cual como resultado nos mostrara lo siguiente:
5
20.262
ADMINISTRACION
DE OPERACIONES SEGUNDA UNIDAD
6
21.286
22.310
23.333
Pgina 41
Encontramos que en la pendiente asciende y el trimestre nmero 8 correspondiente al ao

2007 es el que muestra mayor alcance con un valor de 23.33 (este dato nos servir ms
adelante) y el dato con menor alcance es el que nos da el valor de a=15.143,
(grficamente no se muestra dado que nos interesan los comportamientos de los trimestres
1-8).
Al encontrar resulto el inciso A, pasamos con el inciso B.
B) Encuentre la tendencia y los factores estacionales.
1. Buscamos encontrar primeramente la tendencia la cual la encontraremos con la
frmula que encontramos de regresin lineal, consiste en buscar el dato con

menos alcance (como lo vimos en el inciso a #3) que es el valor a=15.143, esto
quiere decir que es el dato en el cual si sustituyes en la formula t=0 da ese valor
como resultado:
Tendencia=
15.143+1.023t
En otras palabras la ecuacin se deriva tomando el valor 15.143 ms un aumento de

(23.333 15.143) / 8 periodos por el valor de t que es el nmero de trimestre en el cual
queremos obtener la tendencia. Por consiguiente tambin buscaremos el proporcin de las
unidades de cada trimestre entre la tendencia de cada trimestre para poder encontrar el
siguiente C)
Resultado evaluando la frmula de tendencia (figura 1.4):
MES #
TRIMES
TRE
SUMA
REAL
DE LA ECUACIN DE
TENDENCIA
T=15.143+1.023t
PROPORCIN
DE SUMA
REAL /
TENDENCIA
2006
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
En la cual, primeramente ocupamos:
Frmula de la tendencia:
Tendencia: 15.143+1.023t
Factor estacional (tabla de resultados):

FACTOR ESTACIONAL
(PROMEDIO DEL MISMO
TRISMESTRE EN AMBOS
AOS, 2006 Y 2007)
I
II
0.766
1.088
Pgina 44
III
IV
1.342
0.802
2. Evaluamos la frmula con los datos correspondientes, el resultado se muestra en la

figura 1.6:
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
Donde obtendremos como pronstico que en el ao 2008 se vendern mas mquinas

controladas numricamente las cuales se venden a un precio de 0.5 millones de dlares
cada una.
Ao
Total de
unidades
2006
72.0
2007
86.0
2008
103.7
Con un aumento de 14 unidades vendidas del ao 2006 al 2007 y en el ao 2007 y 2008

habr una diferencia de 17.7 unidades segn el pronstico.
Pgina 46
PROBLEMA 9:
No todos los artculos de su tienda de artculos de papelera estn distribuidos

uniformemente en lo que concierne a la demanda, as que usted decide pronosticar la
demanda para planear su surtido. Los datos pasados de libretas de cuentas usuales, para el
mes de agosto, son los siguientes:
a) Con un promedio mvil de tres semanas, cul sera su pronstico para la semana
entrante?
b) Con suavizacin exponencial con =0.20, si el pronstico exponencial de la semana

3 se calcul como el promedio de las 2 primeras semanas
Cul ser su pronstico para la semana 5?
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
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)
Demanda (Enero, Febrero y Marzo)
Demanda (Enero, Febrero y Marzo) = 125+135+135= 395

En la realidad se vendi 580 (190+200+190), el pronstico fue de 395/580=68.1% de lo
que podemos concluir que fue 31.9% bajo.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese
periodo de este ao (esto dara cuenta de los efectos estacionales).
Demanda (Abril, Mayo y junio) Ao pasado
Demanda (Abril, Mayo y Junio) Ao pasado = 175+185+200 = 560

En la realidad se vendi 580 (190+200+190), el pronstico fue de 560/580 = 96.55% de lo
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en los tres
meses anteriores.
Pgina 48
Demanda (Enero, Febrero y Marzo) * 1.10
Demanda (Enero, Febrero y Marzo) * 1.1 = 434.5

En la realidad se vendi 580(190+200+190), el pronstico fue de 434.5/580=74.91% de lo
Ao pasado
100
125
135
175
185
200 150
140
130
200
225
25
Este ao
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.
a) Pronostique de abril a septiembre con un promedio mvil a tres meses.

Mes
Promedio mvil
Abril
130
Mayo
150
Junio
160
Julio
170
Agosto
160
Septiembre
150
MAD=23.33
Ejemplo mes abril= 110+130+150/3=130
b) Mediante suavizacin exponencial simple con una alfa de 0.3, calcule de abril a
septiembre.
Mes
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Suavizacin exponencial simple

116
126.2
139.34
145.538
155.87
151.11
144.77
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:
Encuentre la seal de seguimiento y diga si cree que el modelo usado da respuestas

aceptables.
No.
DEMANDA
Abs( RSF RSFE

Meses
PRONOSTICO
RSFE
#
REAL
RSFE E Desv.) (Abs)
1
Abril
250
200
-50
-50
50
50
2
Mayo
325
250
-75
-125
75
125
3
Junio
400
325
-75
-200
75
200
4
Julio
350
300
-50
-250
50
250
5
Agosto
375
325
-50
-300
50
300
6 Septiembre
450
400
-50
-350
50
350
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:
a) Calcule la MAD de los errores de pronstico.

b) Con RSFE, calcule la seal de seguimiento.
c) Basndose en sus respuestas de a) y b), comente el mtodo de pronstico de Harlen.
La frmula para calcular el MAD es la siguiente:
Donde
t = Nmero del periodo
A = Demanda real para el periodo
F = Demanda pronosticada para el periodo
n = Nmero total de periodos
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
Debido a que el problema tambin nos pide calcular

la seal de seguimiento
debemos emplear la
siguiente frmula
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
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
Pgina 54
Ts: Cociente entre el RSFE y el MAD

Efectuando los clculos necesarios tenemos la siguiente tabla ya terminada
Mes
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
Desviacin RSFE Desv. Abs.
MAD = 100.37/8 = 22.30
-3
-7
10
20
40
20
35
55
-3
-10
0
20
60
80
115
170
3
7
10
20
40
20
35
55
Suma Desv. Abs. MAD

3
10
20
40
80
100
135
190
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
A continuacin se muestra un grfico que permite a preciar mejor la seal de seguimiento
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
b) Calcule el pronstico de suavizacin exponencial con tendencia para estos datos,

con una de 0.30, de 0.30, un pronstico de tendencias inicial (T1) de 1 y un
pronstico uniforme exponencial inicial de 30.
Mes
Demanda real
1
2
3
4
5
6
7
8
9
10
31
34
33
35
37
36
38
40
40
41
con tendencia
30
32
33.78
34.6589
35.89983
37.46968
38.1363
39.19066
40.60156
41.53505
MAD= 0.8640323
c) Calcule la desviacin absoluta media (MAD) de cada pronstico. Cul es el mejor?

Es mejor utilizar la suavizacin exponencial con tendencia ya que el MAD es menor
que la suavizacin exponencial simple
Pgina 57
PROBLEMA 15 :
En este problema, va a probar la validez de su modelo de pronstico. A continuacin se dan

los pronsticos de un modelo que ha usado y la demanda real producida
Semana
1
2
3
4
5
6
Pronstico
800
850
950
950
1000
975
Real
900
1000
1050
900
900
1100
Use el mtodo establecido en el texto para calcular la MAD y la seal de seguimiento.

Despus decida si el modelo de pronstico que ha usado proporciona resultados razonables.
La frmula para calcular el MAD es la siguiente:
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
Para hacer el siguiente clculo elaboramos la siguiente tabla en Excel

Pgina 58
Mes
1
2
3
4
5
6
At
900
1000
1050
900
900
1100
Ft
800
850
950
950
1000
975
Debido a que el problema tambin nos pide calcular

la seal de seguimiento
debemos emplear la
siguiente frmula
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
Efectuando los clculos necesarios tenemos la siguiente tabla ya terminada

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 = 625/6 = 104.16
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
A continuacin se muestra un grfico que permite a preciar mejor la seal de seguimiento
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:
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.
a) Con un promedio mvil simple de tres meses, cul es el pronstico para

septiembre?
R= 140+180+170/3= 163.33
b) Con un promedio mvil ponderado, cul es el pronstico para septiembre con
valores relativos de 0.20, 0.30 y 0.50 para junio, julio y agosto, respectivamente?
R= 170*0.50+180*0.30+140*0.20= 167
c) Mediante suavizacin exponencial simple, y suponiendo que el pronstico de junio
fue de 130, pronostique las ventas de septiembre con una constante de suavizacin
de 0.30.
R= 0.30*170+(1-0.30)*147.1= 153.97
Pronostico mes
Demanda mes anterior (agosto)
PROBLEMA 17 :
La demanda histrica de un producto es como sigue:

Pgina 61
a) Con un promedio mvil simple a cuatro meses, calcule un pronstico para

octubre.
mes
Abril
Mayo
Junio
Julio
Agosto
Septiembre
octubre
demanda
60
55
75
60
80
75
Promedio mvil
62.5
67.5
72.5
Respuesta=suma de las demandas de los 4 meses anteriores a octubre / 4=

75+80+60+75 / 4= 72.5
b) Mediante suavizacin exponencial simple con 0.2 y un pronstico para

septiembre 65, calcule un pronstico para octubre.
0.20* 75+(1-0.20)* 65= 67
c) Mediante regresin lineal simple, calcule la recta de la tendencia de los datos
histricos. En el eje de las x, sea abril 1, mayo 2, etc., mientras que en el
eje de las y est la demanda.
Pgina 62
En algunos meses como junio, agosto y septiembre su demanda real est

por debajo del pronstico.
d) Calcule un pronstico para octubre.
mes
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
Respuesta= 75+80 /2= 77.5
PROBLEMA 18:
Pgina 63
Con el procedimiento de pronstico enfocado descrito en el texto, pronostique las ventas

esperadas para el cuarto trimestre de este ao.
Las ventas por trimestre del ltimo ao y los tres primeros trimestres de este ao se
presentan as:
1-Lo que se haya vendido en los tres ltimos meses ser probablemente lo que se venda en los tres
siguientes
trimestre
1
2
3
4 porcentaje %
ao pasado
23000
27000
18000
9000
este ao
19000
24000
24000
62.5
2-Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese periodo
de este ao
trimestre
1
2
3
4 porcentaje %
ao pasado
23000
27000
18000
9000
este ao
19000
24000
18000
83.33
3-Es probable que se venda 10% ms en los siguientes tres meses que en los tres
anteriores
trimestre
ao pasado
este ao
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
Se us la regla nmero 5 debido a que fue la ms acertada en el trimestre anterior.
PROBLEMA 19:
Pgina 65
En la tabla siguiente se muestra la demanda predicha de un producto con cierto mtodo de

pronstico, junto con la demanda real.
a) Calcule la seal de seguimiento con la desviacin absoluta media y la suma continua de

errores de Pronstico.
b) Comente si su mtodo de pronstico da buenas predicciones.
Indicaciones:
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:
Pgina 68
Su gerente trata de determinar qu mtodo de pronstico usar. Basndose en los siguientes

datos histricos, Calcule el siguiente pronstico y especifique que qu procedimiento
utilizara.
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
Ejemplo como pronosticar por promedio movil simple mes 4= 67+65+62/3=

64.66
=3 demandas anteriores/3= pronostico promedio movil simple
b) Calcule el promedio mvil ponderado a tres meses con pesos de 0.50,

0.30 y 0.20 para los periodos 4 a 12.
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
d) Calcule el pronstico de suavizacin exponencial con componente de

tendencia para los periodos 2 a 12 con un pronstico de tendencia inicial
(T1) de 1.8, un pronstico de suavizacin exponencial inicial (F1) de 60,
una de 0.30 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
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
Anlisis de regresin con la herramienta

de excel
Resumen
Estadsticas de la regresin
Coeficiente de
correlacin
mltiple
0.81176017
Coeficiente de
determinacin
R^2
0.65895457
R^2 ajustado 0.60211366
Error tpico
173.230997
Observaciones
8
ANLISIS DE VARIANZA
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)
Demanda (Abril, Mayo y Junio)
Demanda (Abril, Mayo y Junio) = 1,175

En la realidad se vendi 975 (350+275+350), el pronstico fue de 1,175/975= 120.51% de
lo que podemos concluir que fue 20.51% ms alto el pronstico.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese
periodo de este ao (esto dara cuenta de los efectos estacionales).
Demanda (Julio, Agosto y Septiembre) del 2006
Pgina 74
Septiembre)
Demanda (Julio, Agosto y Septiembre) del 2006 = 1,075
En la realidad se vendi 975 (350+275+350), el pronstico fue de 1,075/975 = 110.25% de

lo que podemos concluir que fue 10.25 % ms alto el pronstico.
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en los tres
meses anteriores.
Septiembre)
Demanda (Abril, Mayo y Junio) * 1.10
Demanda (Abril, Mayo y junio) * 1.1 = 1,292.5

En la realidad se vendi 975(350+275+350), el pronstico fue de 1292.5/975=132.56% de
lo que podemos concluir que fue 32.56% ms alto el pronstico.
Como La regla 2 fue la mejor para pronosticar los tres meses pasados, se usa esa
regla para predecir Octubre,
Noviembre
y
Diciembre
de 2007. 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
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
500
550
500
Pronstico del 4to Trimestre= 1,550
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
Demanda real -unidades

400
350
325
300
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
Para el segundo mes

450+.20 (400-450)=440
Formula
Para el mes pasado

440+.20 (350-440)=422
Ft=Ft-1+ (At-1 Ft-1)
Para l mes actual

422+.20 (325-422)=402.6
Meses
Hace tres meses
Hace dos meses
El mes pasado
Mes actual
unidades
400
350
325
450
440
422
402.6
El pronstico para la suavizacin exponencial seria 402.6
PROBLEMA 24:
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
Se puede observar en la grafica anterior que el pronstico es mayor a la demanda. Esto

quiere decir que no hay suficientes pruebas para rechazar el modelo de pronstico, as
que se aceptan sus recomendaciones
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
Ganancias por accin

Trimestre Compaa A Compaa B
I
1,67
0,17
II
2,35
0,24
III
1,11
0,26
IV
1,15
0,34
I
1,56
0,25
II
2,04
0,37
III
1,14
0,36
IV
0,38
0,44
I
0,29
0,33
II
-0,18
0,40
III
-0,97
0,41
IV
0,20
0,47
I
-1,54
0,30
II
0,38
0,47
a) Para el mtodo de suavizacin exponencial, tome el primer trimestre de 2004 como el

pronstico inicial. Haga dos pronsticos: uno con = 0.10 y otro con = 0.30.
Para efectuar el pronstico emplearemos la siguiente frmula:
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
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
PRONOSTICO PARA COMPAA B CON =0,30

AO
TRIMEST
COMPAA
SUAVIZACION
RE
A
EXPONENCIAL
2004
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
diferencia entre la demanda real y el pronstico

PERIOD
O
1
2
3
4
5
6
7
8
9
10
11
12
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
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
2008. Hay algn factor estacional en las ganancias?
Para calcular el Factor estacional primeramente calculas en promedio de las

acciones durante el periodo, y posteriormente procedemos a dividir el valor de la
accin del mes entre el promedio de las acciones por mes.
Para el clculo del pronstico multiplicamos el promedio de las acciones por el
factor estacional del mes
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
d) Use sus pronsticos y comente sobre cada compaa
A continuacin se muestra una comparacin entre los 3 pronsticos elaborados para

las compaas con las diferentes tcnicas antes solicitadas
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 :
A continuacin se encuentran los ingresos por ventas de una compaa de servicios

pblicos grande de 1997 a 2007. Pronostique los ingresos de 2008 a 2011. Use su buen
juicio, intuicin o sentido comn en cuanto a qu modelo o mtodo usar, as como el
periodo de datos que incluir.
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
*Para resolver este problema consideramos necesario graficar y observar

que
la tendencia de las ventas a travs de los aos de la empresa es a crecer ligeramente
a largo plazo, pero se observan movimientos cclicos que se
repiten.
Se visualiza una onda sinodal de movimientos oscilatorios crecientes y decrecientes
Por lo que para resolver el problema de forma que nos diera de la manera ms exacta
posible
utilizamos el promedio mvil simple de cuando la curva tienda hacia abajo en el 200, 2001,
2002 y 2003
para calcular el pronstico de 2008,2009,2010 (que es cuando la curva tendra que estar abajo
otra vez como lo vemos en
la grfica, cada 3 aos se da la amplitud mxima del ciclo) y para calcular el de 20011 (la curva
ya tiende a subir otra vez)
utilizamos el promedio mvil simple de la ltima vez que la curva subi en
2004,2005,2006
en la grfica podemos observar que este mtodo respeta el patrn de la lnea de
tendencia.
Si hubiramos utilizado otro mtodo tal vez no estaramos tan cerca de la demanda real como
este pronstico.
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
Anlisis de regresin por precio/unidad

Coeficiente de correlacin
0.821866
mltiple
54
Coeficiente de determinacin
0.675464
R^2
61
0.643011
R^2 ajustado
071
152.7767
Error tpico
101
Observaciones
12
ANLISIS DE VARIANZA
Grados
de
libertad
Regresin
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
Anlisis de regresin publicidad
Pgina 92
Resumen
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:
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
Pronostico= FT+ Tt= 302+5.6= 307.6
PROBLEMA 29:
Pgina 95
La tabla siguiente contiene un nmero de quejas recibidas en una tienda departamental

durante los primeros seis meses de operacin.
MES
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 :
Pgina 96
El siguiente es el nmero de cajas de vino merlot vendidos en la vinatera Connor Owen en

un periodo de 8 aos.
Estime el valor de uniformidad calculado a fines de 2001, usando un modelo de

suavizacin exponencial con un valor alfa de 0.20. Use la demanda promedio de 1998 a
2000 conforme a su pronstico inicial.
Pronostico inicial= 270+356+398/3=341.33
Ejemplo Ao 1999= 0.20*270+(1-0.20)*341.33= 327.064
Ao
1998
1999
2000
2001
2002
2003
2004
2005
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

Apuntes Parcial 2

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apuntes Parcial 2

Diunggah oleh

Hak Cipta:

Format Tersedia

INSTUTUTO TECNOLOGICO DE

Los Mochis Sinaloa, Septiembre 2014

Demanda dependiente Necesidades de un producto o servicio

Anlisis de series de tiempo Tipo de pronstico en que se anticipa la

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Pronstico de regresin lineal Tcnica de pronstico en la que se

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Promedio mvil simple

Promedio mvil ponderado

Suavizacin exponencial simple

Suavizacin exponencial con tendencia

Desviacin absoluta media

Regresin de mnimos cuadrados

Error estndar del estimado

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Haga Un pronstico para esta semana segn este esquema:

semana pasada se pronostic una demanda de pan de 22 000 hogazas y slo se

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

b) Promedio ponderado con pesos de 0.40, 0.30, 0.20 y 0.10.

c) Pronstico de suavizacin exponencial de la demanda de pan.

d) Pronstico exponencialmente suavizado

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

FII 700 1.167 816.7

MAD 315 52.5

Seal de seguimiento 55 1.05

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

PREGUNTAS DE REPASO Y DISCUSIN:

el mtodo de mnimos cuadrados en el anlisis de

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

demanda adems del uso de reglas simples y el uso de programas de simulacin en

Con un anlisis de regresin por mnimos cuadrados,

En el mtodo de mnimos cuadrados, las ecuaciones para a y b son

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Primero determinamos el valor de b con la frmula:

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Para determinar el valor de a sustituimos en:

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

A) Para tener alguna seguridad de cubrir la

La demanda histrica del producto es:

A)Usando un promedio mvil

ponderado con pesos de 0.60,

a) Con el promedio mvil simple a tres meses, determine el pronstico de julio.

= Pronstico para el siguiente periodo.

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

=Ocurrencias reales hace dos periodos, hace tres periodos, y as

sucesivamente, hasta hace n periodos.

c) Con un anlisis de regresin lineal simple, calcul la ecuacin de relacin de los

En el mtodo de mnimos cuadrados, las ecuaciones para a y b son

Primero determinamos el valor de b con la frmula:

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Pronostico= pronostico anterior + alfa (demanda real anterior-pronostico anterior)

Descomposicin con regresin por mnimos cuadrados

Clculo de la ecuacin de regresin lineal

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Demanda pronosticada para el ao 2008

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Para el modelo de regresin simple se utiliza la siguiente frmula

ADMINISTRACION DE OPERACIONES SEGUNDA UNIDAD

Primero determinamos el valor de b con la frmula:

Mes (x) Ventas(y)