PROBLEMAS RESUELTOS

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.

Hace 4 Hace 3 Hace 2 Semana

Semanas Semanas Semanas Pasada
Lunes 2.200 2.400 2 300 2 400
Martes 2.000 2 100 2 200 2 200
Miércoles 2.300 2 400 2 300 2 500
Jueves 1.800 1 900 1 800 2 000
Viernes 1.900 1 800 2 100 2 000
Sábado
Domingo 2.800 2 700 3 000 2 900

Haga Un pronóstico para esta semana según este esquema:

a) Diario, con un promedio móvil de cuatro semanas.
b) Diario, con un promedio móvil ponderado de 0.40, 0.30, 0.20 y 0.10 para las
últimas cuatro semanas.
c) Sunrise también planea sus compras de ingredientes para la producción de pan.
Si la semana pasada se pronosticó una demanda de pan de 22 000 hogazas y sólo
se demandaron 21 000, ¿cuál debe ser la demanda que pronostique Sunrise para
esta semana, con una suavización exponencial de α= 0.10?
d) Supóngase, con el pronóstico hecho en c), que la demanda de esta semana
resulta ser más bien de 22 500 hogazas. ¿Cuál debe ser el pronóstico de la
demanda siguiente?
SOLUCIÓN
a) Promedio de movimiento simple, cuatro semanas

Lunes 2 400 +2 300 +2 400 +2 200 = 9 300 = 2 325 docenas

4 4
Martes 2 000 +2 100 +2 200 +2 200 = 8 500 = 2 125 docenas
4 4
Miércoles 2.300 +2 400 +2 300 +2 500 = 9 500 = 2 375 docenas
4 4
Jueves 1.800 +1 900 +1 800 +2 000 = 7 500 = 1 875 docenas
4 4
Viernes 1.900 +1 800 +2 100 +2 000 = 7 800 = 1 950 docenas
4 4
Sábado y 2.800 +2 700 +3 000 +2 900= 11 400 = 2 850 docenas
domingo 4 4

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

(0.10) (0.20) (0.30) (0.40)

Lunes 220 + 480 + 690 + 960 = 2 350
Martes 200 + 420 + 660 + 880 = 2 160
Miércoles 230 + 480 + 690 + 1 000 = 2 400
Jueves 180 + 380 + 540 + 800 = 1 900
Viernes 190 + 360 + 630 + 800 = 1 980
Sábado y 280 + 540 + 900 + 1 160 = 2 880
domingo
1 300 + 2 660 + 4 110 + 5 600 = 13 670

c) Pronóstico de suavización exponencial de la demanda de pan.

Ft = F t−1 + α(A t−1−F t−1)
=22 000 + 0.10 (21 000 − 22 000)
=22 000 − 100 =21 900 hogazas
d) Pronóstico exponencialmente suavizado
F t+1 = 21 900 + 0.10 (22 500 – 21 900)
=21 900 + 0.10 (600) =21 960 hogazas
PROBLEMA RESUELTO 2
Lo que sigue es la demanda real de un producto durante los últimos seis trimestres.
Con las reglas 1 a 5 del pronóstico enfocado, encuentre la mejor regla para
pronosticar el tercer trimestre del año.

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

Regla 2: La demanda de este trimestre es igual a la demanda del mismo trimestre

del año pasado.
Por lo tanto, el pronóstico de la demanda del segundo trimestre de este año será de
700, el monto de ese trimestre el año anterior.

La demanda real fue de 1 000, así que 1 000 =142.9%.

700

Regla 3: 10 por ciento más que el último 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% más que el mismo trimestre del año 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 últimos tres meses.

1 400 =1.167
1 200

FII =700 ×1.167 =816.7

La demanda real fue de 1 000, así que 1 000 =122.4%.

816.7

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

Este año FIII = 1.50 AIII (año pasado)

FIII =1.50 (900) =1 350 unidades

PROBLEMA RESUELTO 3

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 y de señal de seguimiento
para evaluar la exactitud del modelo de pronóstico.

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.

Demanda Demanda Desviación Desviación Desviación

real pronosticada real acumulada absoluta
(RSFE)
Octubre 700 660 40 40 40
Noviembre 760 840 −80 −40 80
Diciembre 780 750 30 −10 30
Enero 790 835 −45 −55 45
Febrero 850 910 −60 −115 60
Marzo 950 890 60 −55 60
Desviación total = 315

MAD = 315 = 52.5

6

Señal de seguimiento = −55 =−1.05

52.5

No hay suficientes pruebas para rechazar el modelo de pronóstico, así que se

aceptan sus recomendaciones. Las funciones
PROBLEMA RESUELTO 4

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.

Periodo Real Periodo Real

1 300 5 416
2 540 6 760
3 885 7 1 191
4 580 8 760

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.)

(1) (2) (3) (4) (5)

Periodo Real Promedio del Factor Demanda
x Y periodo estacional s/factor
Estacional
1 300 358 0.527 568.99
2 540 650 0.957 564.09
3 885 1 038 1.529 578.92
4 580 670 0.987 587.79
5 416 0.527 789.01
6 760 0.957 793.91
7 1 191 1.529 779.08
8 760 0.987 770.21
Total 5 432 2 716 8.0
Promedio 679 679 1

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 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= (26108) − (8)(4.5)(6 79)

(204) − (8) (4.5)2

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

PERIODO PRONÓSTICO FACTOR PRONÓSTICO

TENDENCIA ESTACIONAL FINAL
9 857.4 x 0.527 = 452.0
10 897.0 x 0.957 = 858.7
11 936.7 x 1.529 = 1 431.9
12 976.3 x 0.987 = 963.4
PROBLEMAS POR RESOLVER
PROBLEMA 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.

Hace 3 Hace 2 Semana

Semanas Semanas Pasada
Lunes 2 640 2 645 2 640
Martes 2 310 2 530 2 420
Miércoles 2 640 2 645 2 750
Jueves 2 090 2 070 2 200
Viernes 1 980 2 415 2 200
Sábado
Domingo 2 970 3 450 3 190

Haga Un pronóstico para esta semana según este esquema:

a) Diario, con un promedio móvil de tres semanas.
b) Diario, con un promedio móvil ponderado de 0.50, 0.30 y 0.20 para las últimas
cuatro semanas.
c) Sunrise también planea sus compras de ingredientes para la producción de pan.
Si la semana pasada se pronosticó una demanda de pan de 22 000 hogazas y sólo
se demandaron 20 000, ¿cuál debe ser la demanda que pronostique Sunrise para
esta semana, con una suavización exponencial de α= 0.05?
d) Supóngase, con el pronóstico hecho en c), que la demanda de esta semana
resulta ser más bien de 23 500 hogazas. ¿Cuál debe ser el pronóstico de la
demanda siguiente?
SOLUCIÓN
a) Promedio de movimiento simple, cuatro semanas

Lunes 2 640 + 2 645 + 2 640 = 7 925= 2 642 docenas

3 3
Martes 2 310 +2 530 +2 420 = 7 260 = 2 420 docenas
3 3
Miércoles 2 640 +2 645 +2 750 = 8 035 = 2 678 docenas
3 3
Jueves 2 090 +2 070 +2 200 = 6 360 = 2 120 docenas
3 3
Viernes 1 980 +2 415 +2 200 = 6 595 = 2 198 docenas
3 3
Sábado y 2 970 +3 450 +3 190= 9 610 = 3 203 docenas
domingo 3 3

b) Promedio ponderado con pesos de 0.50, 0.30 y 0.20.

(0.50) (0.30) (0.20)

Lunes 1 320 + 794 + 528 = 2 642
Martes 1 155 + 759 + 484 = 2 398
Miércoles 1 320 + 794 + 550 = 2 664
Jueves 1 045 + 621 + 440 = 2 106
Viernes 990 + 725 + 440 = 2 155
Sábado y 1 485 + 1035 + 638 = 3 158
domingo
7 315 + 4 728 + 3 080 = 15 123

c) Pronóstico de suavización exponencial de la demanda de pan.

Ft = F t−1 + α(A t−1−F t−1)
=22 000 + 0.05 (20 000 − 22 000)
=22 000 + 0.05 (-2 000)
=21 900 hogazas
d) Pronóstico exponencialmente suavizado
F t+1 = 21 900 + 0.05 (23 500 – 21 900)
=21 900 + 0.05 (1 600)
=21 900 + (80) = 21 980 hogazas
PROBLEMA RESUELTO 2
Lo que sigue es la demanda real de un producto durante los últimos seis trimestres.
Con las reglas 1 a 5 del pronóstico enfocado, encuentre la mejor regla para
pronosticar el tercer trimestre del año.

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

Regla 2: La demanda de este trimestre es igual a la demanda del mismo trimestre

del año pasado.
Por lo tanto, el pronóstico de la demanda del segundo trimestre de este año será de
700, el monto de ese trimestre el año anterior.

La demanda real fue de 950, así que 950 =123.4%.

770

Regla 3: 10 por ciento más que el último trimestre.

FII =1 330 ×1.10 =1 463

La demanda real fue de 950, y 950 =64.9%.

1 463

Regla 4: 50% más que el mismo trimestre del año anterior.

FII =770 ×1.50 =1 155

La demanda real fue de 950 y 950 =82.3%.

1 155
Regla 5: Misma tasa de aumento o decremento de los últimos tres meses.

1 330 =1.01
1 320

FII =770 ×1.01 =777.70

La demanda real fue de 950, así que 950 =122.2%.

777.70

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

Este año FIII = 1.50 AIII (año pasado)

FIII =1.50 (990) =1 485 unidades

PROBLEMA RESUELTO 3

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 y de señal de seguimiento
para evaluar la exactitud del modelo de pronóstico.

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.

Demanda Demanda Desviación Desviación Desviación

real pronosticada real acumulada absoluta
(RSFE)
Octubre 770 627 143 143 143
Noviembre 836 798 38 181 38
Diciembre 858 713 145 326 145
Enero 869 793 76 402 76
Febrero 935 865 70 472 70
Marzo 1 045 845 200 672 200
Desviación total = 672

MAD = 672 = 112

6

Señal de seguimiento = −55 =−1.05

52.5

No hay suficientes pruebas para rechazar el modelo de pronóstico, así que se

aceptan sus recomendaciones.
PROBLEMA RESUELTO 4

Véanse aquí los datos por trimestres de los últimos 2 años. Con estos datos,
prepare, mediante descomposición, un pronóstico para el año siguiente.

Periodo Real Periodo Real

1 324 5 449.28
2 583.20 6 820.80
3 955.80 7 1286.28
4 626.40 8 820.80

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.)

(1) (2) (3) (4) (5)

Periodo Real Promedio del Factor Demanda
x Y periodo estacional s/factor
Estacional
1 324 386.5 0.53 611.32
2 583 702 0.96 607.3
3 956 1121 1.53 625
4 626 723.5 0.99 632.32
5 449 0.53 847.2
6 821 0.96 855.21
7 1286 1.53 841
8 821 0.99 829.3
Total 5866 2933 8.02
Promedio 733.3 733.3 1

La columna 3 es el promedio estacional. Por ejemplo, el promedio del primer

trimestre es:

324 +449.3 =386.7

2

La columna 4 es el promedio por trimestres (columna 3) dividido entre el promedio

general (733.3).

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

Altavox es fabricante y distribuidor de muchos instrumentos y aparatos electrónicos,

como multímetros digitales analógicos, generadores de función, osciloscopios,
contadores de frecuencia y otras máquinas para pruebas y mediciones.
Altavox vende una línea de medidores de prueba que son populares entre los
electricistas profesionales. El modelo VC202 se vende, a través de seis
distribuidoras, a las tiendas de menudeo de Estados
Unidos. Las distribuidoras están en Atlanta, Boston, Chicago, Dallas y Los Ángeles
y fueron escogidas para atender regiones diferentes.
El modelo VC202 se ha vendido bien durante años por su confiabilidad y sólida
construcción. Altavox no lo considera un producto estacional, pero hay alguna
variabilidad en la demanda. En la tabla de la página siguiente se muestra la
demanda del producto en las últimas 13 semanas.
Estos datos se encuentran en una hoja de cálculo de Excel, Altavox Data, contenida
en el DVD del libro. La demanda de las regiones varía entre un máximo de 40
unidades en promedio semanal en Atlanta y 48 unidades en Dallas. Los datos de
este trimestre están muy cerca de la demanda del trimestre pasado.
La gerencia quisiera que usted experimentara con algunos modelos de pronóstico
para determinar cuál debe usarse en un nuevo sistema que va a establecerse. El
nuevo sistema está programado para usar uno de dos modelos: promedio móvil
simple o suavización exponencial.

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:

PROMEDIO MOVIL SIMPLE

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.

PROMEDIO MOVIL SIMPLE DE 5 SEMANAS:

PROMEDIO MOVIL SIMPLE

SEMANA 5 4 3 2 1 PMS
ATLANTA 45 30 30 58 37 42
 BOSTON 62 10 48 40 35 41
CHICAGO 62 22 72 44 48 50
DALLAS 42 35 40 64 43 45
LOS 43 40 54 46 35 44
ANGELES
TOTAL 259 153 244 252 198

Después de realizar el PMS, seguimos con el PMP de las 5 semanas

PROMEDIO MOVIL SIMPLE

SEMANA 5 4 3 2 1 PMS
ATLANTA 45 30 30 58 37 41
BOSTON 62 10 48 40 35 40
CHICAGO 62 22 72 44 48 50
DALLAS 42 35 40 64 43 45
LOS 43 40 54 46 35 43
ANGELES
TOTAL 259 153 244 252 198

2. A continuación, piense en usar un modelo de suavización exponencial simple.

En su análisis, pruebe dos valores alfa, 0.2 y 0.4. Use los mismos criterios para
evaluar el modelo como en la parte 1. Suponga que el pronóstico inicial anterior
para el modelo usando un valor de alfa de 0.2 es el promedio de las últimas tres
semanas. Para el modelo que usa un alfa de 0.4, suponga que el pronóstico anterior
es el promedio de las cinco semanas pasadas.
 Al igual que la primera parte realizamos la suavización para las 3 últimas
semanas utilizando el factor =0.2, asimismo lo separamos porαciudades:

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

 Luego procedemos a realizar la suavización exponencial para las 5

semanas utilizando el factor α = 0.4, al igual que el anterior lo separamos
por ciudades:

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