Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBLEMA RESUELTO 1
Sunrise Baking Company vende donas en una cadena de tiendas de alimentos.
Debido a errores de los pronósticos ha tenido una producción excesiva o
insuficiente. Los siguientes datos son su demanda de docenas de donas en las
últimas cuatro semanas. Las donas se hacen para el día siguiente; por ejemplo, la
producción de donas del domingo es para las ventas del lunes, la producción de
donas del lunes es para las ventas del martes, etc., la panadería cierra los sábados,
de modo que la producción del viernes debe satisfacer la demanda de sábado y
domingo.
TRIMESTRE
I II III IV
Año pasado 1 200 700 900 1 100
Este año 1 400 1 000
SOLUCIÓN
Regla 1: Demanda de los próximos tres meses =demanda de los últimos tres
meses.
Prueba de esta demanda en los últimos tres meses:
FII = AI; por lo tanto, FII =1 400.
La demanda real fue de 1 000, así que 1 000 = 71.4%.
1 400
1 400 =1.167
1 200
La regla 4 fue la que más se acercó a pronosticar el último trimestre: 95.2% o apenas
4.8% menos.
Usando esta regla (50% más que el mismo trimestre del año anterior) puede
pronosticarse el tercer trimestre del año como 50% más que el tercer trimestre del
año pasado, o sea
REAL PRONOSTICADA
Octubre 700 660
Noviembre 760 840
Diciembre 780 750
Enero 790 835
Febrero 850 910
Marzo 950 890
SOLUCIÓN
Evalúe el modelo de pronóstico con MAD y señal de seguimiento.
Los datos fueron recabados Véanse aquí los datos por trimestres de los últimos 2
años. Con estos datos, prepare, mediante descomposición, un pronóstico para el
año siguiente.
SOLUCIÓN
(Observe que los valores que obtenga pueden ser ligeramente diferentes por
redondeo. Los valores dados aquí se obtuvieron con una hoja de cálculo de Excel.)
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 índice estacional.
Para determinar X2 y XY, puede trazarse la tabla siguiente:
PERIODO DEMANDA X2 XY
X S/FACTOR
ESTACIONAL
(Y D)
1 568.99 1 569.0
2 564.09 4 1 128.2
3 578.92 9 1 736.7
4 587.79 16 2 351.2
5 789.01 25 3 945.0
6 793.91 36 4 763.4
7 779.08 49 5 453.6
8 770.21 64 6 161.7
Sumas 36 5 432 204 26 108.8
Promedio 4.5 679
Ahora se calculan los resultados de la regresión para los datos sin factores
estacionales.
b =39.64
a=Y −bx
a=679−39.64 (4.5)=500.6
Por consiguiente: los resultados de la regresión sin los factores estacionales son:
Y =500.6 +39.64x
TRIMESTRE
I II III IV
Año pasado 1 320 770 990 1 210
Este año 1 330 950
SOLUCIÓN
Regla 1: Demanda de los próximos tres meses = demanda de los últimos tres
meses.
Prueba de esta demanda en los últimos tres meses:
FII = AI; por lo tanto, FII =1 300.
La demanda real fue de 950, así que 950 = 71.4%.
1 330
1 330 =1.01
1 320
La regla 4 fue la que más se acercó a pronosticar el último trimestre: 82.3% o apenas
17.7% menos.
Usando esta regla (50% más que el mismo trimestre del año anterior) puede
pronosticarse el tercer trimestre del año como 50% más que el tercer trimestre del
año pasado, o sea
REAL PRONOSTICADA
Octubre 770 627
Noviembre 836 798
Diciembre 858 713
Enero 869 793
Febrero 935 865
Marzo 1 045 845
SOLUCIÓN
Evalúe el modelo de pronóstico con MAD y señal de seguimiento.
Véanse aquí los datos por trimestres de los últimos 2 años. Con estos datos,
prepare, mediante descomposición, un pronóstico para el año siguiente.
SOLUCIÓN
(Observe que los valores que obtenga pueden ser ligeramente diferentes por
redondeo. Los valores dados aquí se obtuvieron con una hoja de cálculo de Excel.)
La columna 5 son datos reales divididos entre el índice estacional. Para determinar
X2 y XY, puede trazarse la tabla siguiente:
PERIODO DEMANDA X2 XY
X S/FACTOR
ESTACIONAL
(Y D)
1 611.32 1 611.32
2 607.3 4 1 215
3 625 9 1 875
4 632.32 16 2 529.3
5 847.2 25 4 236
6 855.21 36 5 131.3
7 841 49 5 887
8 829.3 64 6 634.4
Sumas 36 5 848.7 204 28 119.32
Promedio 4.5 733.3
Ahora se calculan los resultados de la regresión para los datos sin factores
estacionales.
b= (28119.32) − (8)(4.5)(733.3)
(204) − (8) (4.5)2
b =40.96
a=Y−bx
a=733.3−40.96 (4.5)=548.98
Por consiguiente: los resultados de la regresión sin los factores estacionales son:
Y =548.98 + 40.96x
http://myslide.es/documents/altavox-electronics-55a0d2ba4e349.html
http://documents.mx/documents/altavox-electronics.html
http://myslide.es/documents/altavox-electronics.html
http://es.slideshare.net/pabloscdlm/administracion-de-la-cadena-de-
suministrosunil-chopra-3-edicion
CASO: ALTAVOXELECTRONICS
PREGUNTAS
1. Piense en usar un modelo de promedio móvil simple. Experimente con modelos
que usan datos de cinco y tres semanas anteriores. A continuación se dan datos
previos de cada región. Evalúe los pronósticos que se habrían hecho en las 13
últimas semanas tomando como criterios la desviación absoluta promedio y la señal
de seguimiento.
3. Altavox estudia una nueva opción para distribuir el modelo VC202 en la que, en
lugar de cinco proveedores, tenga sólo uno. Evalúe esta opción analizando la
exactitud de un pronóstico basado en la demanda agregada en todas las regiones.
Use el modelo que crea que es el mejor a partir de sus análisis de las partes 1 y 2.
Use un nuevo criterio que se calcule tomando la MAD y dividiéndola entre la
demanda promedio. Este criterio se llama error porcentual absoluto promedio
(MAPE) y mide el error de un pronóstico como porcentaje de la demanda promedio.
¿Cuáles son las ventajas y desventajas de la demanda agregada desde el punto de
vista del pronóstico? ¿Hay otras cosas que deben considerarse cuando se pasan
de varias distribuidoras a una sola?
SOLUCION:
Primeramente hallamos el
Promedio Móvil Simple de las 3 últimas semanas:
Atlanta 37 23 55 40 40 39
Boston 44 30 45 50 42 42
Chicago 95 35 45 47 47 42
Dallas 43 38 47 42 48 42
Los Ángeles 38 48 56 50 46 51
TOTAL 257 174 248 229 223
El promedio móvil simple calculado es sobre las 3 últimas semanas la cual nos da
un pronóstico de cuánto van a ser las ventas en la semana 14.
ATLANTA
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
11 23 39
12 55 36
13 40 40
14 40
BOSTON
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
11 30 42
12 45 40
13 50 41
14 43
CHICAGO
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
11 35 53
12 45 49
13 47 48
14 48
DALLAS
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
11 38 42
12 47 42
13 42 43
14 43
LOS ANGELES
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
11 48 49
12 56 49
13 50 50
14 50
ATLANTA
SUAVIZACION EXPONENCIAL α=0.4
SEMANA VENTAS X
1 37 41
2 58 39
3 30 47
4 38 40
5 45 39
6 42
BOSTON
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
1 35 44
2 40 41
3 48 40
4 18 43
5 62 43
6 45
CHICAGO
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
1 48 49
2 44 48
3 72 47
4 22 57
5 62 43
6 51
DALLAS
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
1 43 44
2 64 43
3 40 52
4 35 47
5 42 42
6 42
LOS ANGELES
SUAVIZACION EXPONENCIAL α=0.2
SEMANA VENTAS X
1 48 49
2 56 49
13 50 50
14 50