Ella piensa que una previsión precisa de las ventas le ayudaría a planificar sus necesidades de transporte
para comprobar la precisión de los resultados:
a. Efectuar un análisis de la demanda de cada uno de los modelos de cortadoras de césped, a fin d
b. Evaluar el modelo de pronóstico que mejor describa el comportamiento de la demanda para cad
c. Aplicar el modelo seleccionado, para calcular el pronóstico de la demanda para el año 2017 para
ped de tamaño medio reunió en la siguiente tabla los datos de los envíos de los últimos diez años:
ecesidades de transporte. Empleando los últimos cuatro años como datos base para la estimación, y reservando los
NOV DIC
2.281 2.464
1.943 2.227
462 1.256
494 960
580 601
478 844
2.816 2.738
2.313 2.295
550 1.294
573 1042
754 723
520 907
3.518 3.422
3.303 2.980
763 1.422
773 1.389
793 860
564 1161
4.690 4.074
3.753 3.974
930 1.896
1029 1.983
852 924
783 1.350
5.269 5.222
4.467 4.621
999 2.130
1.429 2.716
1199 1.215
1043 1.687
7.527 5.614
5.956 5.133
1175 2.695
1.605 2.952
1.556 1.266
1.353 1.738
10.171 7.485
6.403 6.259
1.468 2.994
1.743 3.174
1.604 1.543
1.503 2.318
10.595 8.409
7.623 7.276
1.983 3.607
2.178 3.565
1.956 2.143
1.855 2.934
11.515 9.555
10.301 9.210
2.643 4.746
2.447 4.689
2.222 3.018
2.060 3.534
15.992 11.652
11.705 9.796
2.812 5.582
2.812 5.582
2.314 3.969
2.314 3.969
Observamos el crecimiento por cada mes, por ejemplo el mes de enero de 2007 se inició con 624 unida
2008 del mismo mes fue de 790 unidades y así sucesivamente los siguientes meses y años del mismo m
Se observa que los meses
aumento de unidades por mes y una disminución al mes siguiente, por ejemplo en al año 2014 se inicia
1,675 unidades, aumenta al mes de febrero con 3,752 y disminuye en el mes de marzo con 1,791
comportamiento se evidencia en cada año desde el 2207 al 2016.
Chart T
1204.000
1123 1106.000
1081.000
1017.000 1012.000
977.000
932.000
858.000 885
840.000
790.000
731.000
624
534
2.043
2.172
1.441
1.675 6.669
5.070
3.752
3.265
2.775
1.944
1.246
1.340
1.381 2.925
2.107
1.648
1.791 5.736
4.016
2.662
2.831
3.012
2.396
1.405
1.561
1.678
1 7.945
5.800
4.814
3.514
2.882
2.393
1.494
1.892 7.400
6.394
6.661
5.179
4.558
3.814
4.286
3.434
2.954
2
624
534
2.172
2.043
1.441
1.675 6.669
5.070
3.752
3.265
2.775
1.944
1.246
1.340
1.381 2.925
2.107
1.648
1.791 5.736
4.016
2.662
2.831
3.012
2.396
1.405
1.561
1.678
1 7.945
5.800
4.814
3.514
2.882
2.393
1.494
1.892 7.400
6.394
6.661
5.179
4.558
3.814
4.286
3.434
2.954
2
ENE FEB MAR ABR MAY JUN
Chart Title
5.308
2.172
8.457
6.144
694
939
1.429
6.669
6.512
15.027
474
5.027
2.925
10.634 4.408
7.945
10.664
26.866
771 5.353
8.112
12.093
14.938
709
15.357
635
502
282
624 777 857 977
880 4.384
7.400
4.663
12.508
934
1.978
1206.000 1123
461
1
885 804 3
849
4.659
5.736
8.174 4.345
8.398
12.860
15.960
722
1
18.574
1
658
534
1.444
3.846 4.296
3.507 2
1
1.901
5.762 1.380
4.895 2
1.446
1.938 1
2
2.712
3.963 2.895
2.145
ENE FEB MAR ABR MAY JUN JUL AGO
2007 10103010 Bá s i ca 2007 10103020 Bás i ca Pl us 2007 10103110 Adapter 2007 10103120 Hura cán
2016 10103010 Bá s i ca 2016 10103020 Bás i ca Pl us 2016 10103110 Adapter 2016 10103120 Hura cán
1123
461
1
885 804 3
849
4.659
5.736
8.174 4.345
8.398
12.860
15.960
722
1
18.574
1
658
534
1.444
3.846 4.296
3.507 2
1
1.901
5.762 1.380
4.895 2
1.446
1.938 1
2
2.712
3.963 2.895
2.145
ENE FEB MAR ABR MAY JUN JUL AGO
2007 10103010 Bá s i ca 2007 10103020 Bás i ca Pl us 2007 10103110 Adapter 2007 10103120 Hura cán
2016 10103010 Bá s i ca 2016 10103020 Bás i ca Pl us 2016 10103110 Adapter 2016 10103120 Hura cán
ABR MAY JUN JUL AGO SEP OCT
1.307 885 2.156 2.252 849 479 898
1.405 1106 2.954 2.421 1195 646 1056
1.561 1.494 3.434 2.660 1.513 687 1.200
1.678 1.892 3.814 3.204 2.130 967 1.394
2.396 2.393 4.286 4.329 2.566 1.362 1.810
2.662 2.882 4.558 4.604 2.949 1.433 2.513
2.831 3.514 5.179 5.291 4.095 2.047 3.027
3.012 4.814 6.394 6.225 5.686 2.326 3.784
4.016 5.800 6.661 6.552 7.788 2.802 4.025
5.736 7.945 7.400 8.398 8.112 3.295 4.148
Chart Title
1195.000 1175.000
1056.000
999.000
967.000
930.000
898
849
763.000
687.000
646.000
550.000
479 462
7.400
6.394
6.661
5.179
4.558
3.814
4.286
3.434
2.954
2 8.398
6.225
6.552
5.291
4.329
4.604
3.204
2.421
2.660
2 8.112
7.788
5.686
4.095
2.566
2.949
2.130
1.513 3.295
2.802
2.047
2.326
1.362
1.433 3.784
4.025
4.148
2.513
3.027
1.394
1.810
1.200 2.643
2.812
1.983
1.468
550.000
479 462
7.400
6.394
6.661
5.179
4.558
3.814
4.286
3.434
2.954
2 8.398
6.225
6.552
5.291
4.329
4.604
3.204
2.421
2.660
2 8.112
7.788
5.686
4.095
2.566
2.949
2.130
1.513 3.295
2.802
2.047
2.326
1.362
1.433 4.148
3.784
4.025
2.513
3.027
1.394
1.810
1.200 2.812
2.643
1.983
1.468
JUN JUL AGO SEP OCT NOV
1
2
2.712
3.963 2.895
2.145 1.943
2.281 1
2.227
2.464
JUL AGO SEP OCT NOV DIC
ter 2007 10103120 Hura cán 2007 10103210 Eléctri ca 2007 10103310 Robl e
ter 2016 10103120 Hura cán 2016 10103210 Eléctri ca 2016 10103310 Robl e
1.162
1044.000 494 960
4.345
8.398 3
849
12.860
15.960
722
1 1.212
734.000
462
1
2
2.712
3.963 2.895
2.145 1.943
2.281 1
2.227
2.464
JUL AGO SEP OCT NOV DIC
ter 2007 10103120 Hura cán 2007 10103210 Eléctri ca 2007 10103310 Robl e
ter 2016 10103120 Hura cán 2016 10103210 Eléctri ca 2016 10103310 Robl e
NOV DIC
462 1.256
550 1.294
763 1.422
930 1.896
999 2.130
1175 2.695
1.468 2.994
1.983 3.607
2.643 4.746
2.812 5.582
1175.000
999.000
930.000
763.000
550.000
462
2.643
2.812
1.983
1.468 5.582
4.746
3.607
2.695
2.994
2.130
1.294
1.422
1.896
1
550.000
462
2.812
2.643
1.983
1.468 5.582
4.746
3.607
2.695
2.994
2.130
1.896
1.422
1.294
1
NOV DIC
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
AÑO ENE FEB MAR
2007 502 777 461
2008 533 903 659
2009 586 1.237 793
2010 770 1.526 1003
2011 1040 1.658 1.412
2012 1194 2.302 1.535
2013 1.420 2.587 1.849
2014 1.560 3.315 2.641
2015 1.695 4.669 2.750
2016 2.172 6.669 2.925
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
Evaluando el modelo de pronóstico se observa que el mejor comportamiento que describa para la
demanda es el Pronostico Lineal, ya que es la que mantiene la línea ascendente de la producción
ABR MAY JUN JUL AGO
1.307 885 2.156 2.252 849
1.405 1106 2.954 2.421 1195
1.561 1.494 3.434 2.660 1.513
1.678 1.892 3.814 3.204 2.130
2.396 2.393 4.286 4.329 2.566
2.662 2.882 4.558 4.604 2.949
2.831 3.514 5.179 5.291 4.095
3.012 4.814 6.394 6.225 5.686
4.016 5.800 6.661 6.552 7.788
5.736 7.945 7.400 8.398 8.112
1.000
0.500
0.000
2013 2014
AÑO ENE FEB MAR
2007 1206 3.846 3.507
2008 1.586 4.135 3.897
2009 2.086 4.752 4.931
2010 2.745 5.725 5.540
2011 2.950 7.532 6.442
2012 3.105 10.759 7.001
2013 3.880 11.694 8.140
2014 4.458 12.992 10.175
2015 5.715 13.675 13.938
2016 6.144 15.027 15.357
8.000
7.000
Se aplicara el modelo Pronostico Lineal porque es el que
mantiene la línea ascendente de la producción, tal como lo 6.000
demuestra el grafico, para el año 2017, Tendencia que se 5.000
presenta en los demás meses del año
4.000 3.880
3.000
2.000
1.000
0.000
2013
2013 2014
2013 2014
6.000
Se aplicara el modelo Pronostico Lineal porque es el que
mantiene la línea ascendente de la producción, tal como lo 5.000
demuestra el grafico, para el año 2017, Tendencia que se
presenta en los demás meses del año
4.000
3.000
2.398
2.000
1.000
0.000
2013
-200.000
-300.000
-400.000
-500.000
-600.000
ABR MAY JUN JUL AGO
1.307 885 2.156 2.252 849
1.405 1106 2.954 2.421 1195
1.561 1.494 3.434 2.660 1.513
1.678 1.892 3.814 3.204 2.130
2.396 2.393 4.286 4.329 2.566
2.662 2.882 4.558 4.604 2.949
2.831 3.514 5.179 5.291 4.095
3.012 4.814 6.394 6.225 5.686
4.016 5.800 6.661 6.552 7.788
5.736 7.945 7.400 8.398 8.112
AÑO 2017
3.000
2.473
2.500
2.172
2.043
2.000
1.675
1.441
1.500
1.000
0.500
0.000
2013 2014 2015 2016 PRONOSTICO 20
Column B
ABR MAY JUN JUL AGO
5.762 4.895 1.938 3.963 2.145
7.026 6.705 2.280 4.555 2.822
8.892 7.534 2.590 5.422 2.970
11.114 8.370 2.816 6.162 3.855
11.823 10.332 4.022 7.800 5.073
13.435 11.109 5.434 9.068 6.588
14.142 13.886 6.547 9.856 7.319
15.043 18.765 9.221 10.597 7.956
16.531 19.344 11.383 12.768 11.205
18.574 26.866 12.508 15.960 14.938
AÑO 2017
8.000
7.000
6.000 6.144
5.715
5.000
4.458
4.000 3.880
3.000
2.000
1.000
0.000
2013 2014 2015 2016 P RO N Ö
AÑO 2017
9.144
J
8.457 13.000
7.527 12.86
12.800
6.474
52 12.600
12.400
12.200
12.000
11.800
2016
AÑO 2017
5.353
4.764
3.812
3.164
AÑO 2017
6.000
5.000
4.000
3.633
3.000
2.725
2.398
2.000
1.000
0.000
2013 2014 2015
AÑO 2017
0.000 5.000
4.500
0.000 1.429
2016 PRONÖSTICO 2017
4.000
0.000
3.500
0.000
3.000 2.93
0.000 2.500
2.318
0.000 2.000
1.500
0.000
-545.892 1.000
0.000
0.500
0.000
2013 2014
SEP OCT NOV DIC
479 898 462 1.256
646 1056 550 1.294
687 1.200 763 1.422
967 1.394 930 1.896
1.362 1.810 999 2.130
1.433 2.513 1175 2.695
2.047 3.027 1.468 2.994
2.326 3.784 1.983 3.607
2.802 4.025 2.643 4.746
3.295 4.148 2.812 5.582
2.473
PRONOSTICO 2017
SEP OCT NOV DIC
734 1044 2.281 2.464
873 1.429 2.816 2.738
1027 1.624 3.518 3.422
1.333 1.888 4.690 4.074
1.402 2.121 5.269 5.222
1.507 2.524 7.527 5.614
2.065 2.773 10.171 7.485
2.829 3.555 10.595 8.409
3.449 3.949 11.515 9.555
3.965 4.708 15.992 11.652
7.062
6.144
16 P RO N Ö ST I CO 2 0 1 7
12.86
12.800
12.600
12.400
12.200 12.2135
12.000
11.800
2016 PRONÖSTICO 2017
6.153
5.353
17
5.216
4.598
AÑO 2017
.000
.500 4.577
.000 3.969
.500 3.534
.000 2.934
.500
2.318
.000
.500
.000
.500
.000
2013 2014 2015 2016 PRONÖSTICO 2017