Está en la página 1de 80

Forecasting & Demand Planning

SESIONES
aLD INTERMEDIAS

MAESTRÍA
SUPPLY CHAIN MANAGEMENT

MBA Ing. Aldo de la Cruz González


BIBLIOGRAFÍA

o Ling, R. (marzo,2000). Para la verdadera integración empresarial, primero recurra a SOP. Traducido de APICS The
performance advantage pp. 1-8. (AR21408)
o Vollmann, T., Berry, W., Whybark, D. (1996). Administración de la demanda. En Administración integral de la producción
y de los inventarios (pp.69-96)(425p.). México D.F. : Limusa. (C21678)
o Gálvez, T. (febrero,2005). Efectividad de los pronósticos para SCM. Énfasis Logística pp. 12-24. (AR38939)
o Ibídem. Sistemas de pronósticos a corto plazo (pp.97-119). (C21411)
o Schroeder, R. (2005). Pronósticos. En Administración de operaciones: casos y conceptos contemporáneos (pp.228-262)
(601p.) (2a ed). México D.F. : McGraw Hill . (C21603)
o Manager´s guide to forecasting; David M. Georgoff and Robert G. Murdick
o Hanke, J., Wichern, D. (2010). Métodos de promedios móviles de suavización.
o Pronósticos en los negocios (pp.107-163)(9a ed). México, D.F. : Prentice Hall.
o Hanke, J., Wichern, D. (2010). La metodología Box-Jenkins (ARIMA). En Pronósticos en los negocios (pp.399-480)(9a
ed). México, D.F. : Prentice Hall.
o Forecasting automobile sales; Syed Shahabuddin; Department of Management Science and Operations Management,
Central Michigan University, Michigan, USA
o Douglas, M. (abril,2005). Continuidad en la cadena de abastecimiento ante el embate de las contingencias. Inbound
Logistics México pp. 57-63. (AR41368)
o O'Reilly, J. (junio,2006). Construyendo para el futuro. Inbound Logistics México pp. 52-58. (AR41371)
o Schroeder, R. (2005). Selección de tecnología. En Administración de operaciones:casos y conceptos contemporáneos
(pp.99-123)(601p.) (2a ed). México D.F. : McGraw Hill . (C21601)
o Forcinio, H. (septiembre,2005). RFID llamado a todos los integradores de sistemas. Inbound Logistics México pp. 51-
55.
o Douglas, M. (abril,2005). Sistemas ERP, la solución para fabricantes por proceso : alimentos y bebidas, los beneficiados
. Inbound Logistics México, 2 (3) pp. 16-19. (AR29465)

En adición, se ha tomado como material de consulta las presentaciones de los siguientes cursos y autores:
o Forecasting & Demand Planning: Germán Velásquez y Fernando Madariegue / Rubén Chumpitaz, Semana Internacional
o Gerencia de Operaciones y Métodos de Optimización: Aldo Bresani
o PEPSICO India, Implementación de un Proceso S&OP
TRABAJO GRUPAL 1

Identificar cuál es la metodología para pronósticos utilizada


por su empresa.
Identifique el procedimiento para ejecución de pronósticos.
¿Dónde se encuentra ubicada la actividad de pronosticar en
su organización?

Se sugiere: Realizar entrevistas con personal de Control de


stocks, Ventas y compras.
Pronósticos

Plan Largo Plazo y


Planeamiento Agregado

Dimensionamiento de Planta,
almacenes, Decisiones de
localización, Requerimientos de
inversión, Actividades de
Planificación
Ciclo de Vida del Producto y Pronóstico
Ciclo de Vida del Producto y Pronóstico

INTRODUCCIÓN

CRECIMIENTO

MADUREZ

DECLIVE
Los escenarios Posibles

CONTINUIDAD CAMBIO EN REFORMA REVOLUCIÓN


CONTINUIDAD
Estabilidad OK OK OK X
estructural del
sistema

Constancia de OK OK X X
las tasas de
influencia

Regularidad en OK X X X
la evolución de
los factores
explicativos
METODOS DE EXTRAPOLACIÓN MODELOS PROSPECTIVA
PREVISIÓN EXPLICATIVOS ?
METODOS PARA
PRONOSTICAR
PASOS BÁSICOS PARA
PRONOSTICAR LA DEMANDA
5
4
3
ESTABLECER
MEDIDAS DE
2 DETERMINAR
TÉCNICA
APROPIADA DE
DESEMPEÑO Y
ERROR
ENTENDER PRONÓSTICO
CLIENTES Y
FACTORES QUE
1 INTEGRAR PLAN Y
PRONOSTICO
INFLUYEN EN EL
PRONOSTICO

OBJETIVO DEL
PRONOSTICO
2. Integrar Plan y Pronóstico

Estrategias y Políticas
Ventas PRONOSTICO

Capacidad de planta
Maquinarias
Equipos
Recursos
Materias primas
Almacenes
Fuerza de trabajo
…entre otros.
3. Entender Clientes y Factores
que influyen …

Clientes internos y externos


¿Todos los clientes son
iguales?
¿compran al mismo tiempo?
¿los mismos volúmenes?
4. Determinar técnica apropiada
de pronóstico …

¿Enlatados?
¿Métodos Cuantitativos?
¿Cualitativos?
¿Cuál?
¿Un poco de todo?

... O diseño mi método


¿?
PRONÓSTICOS
TENDENCIA
PRONÓSTICOS
ESTACIONALIDAD
PRONÓSTICOS
CICLO Y COMPONENTE IRREGULAR
5. Medida de desempeño y error

REDEFINIR
DEFINIR
MODELO
MODELO DE DE PRONOSTICO
PRONÓSTICO
PRONÓSTICO

¿DENTRO DE
ANÁLISIS
PARAMETROS?

DEFINICIÓN
DE ERROR
Medición de Exactitud del Pronóstico
ERROR
PRECISIÓN Y PRONÓSTICOS

Las herramientas de precisión para realizar pronósticos


se cimientan en tres criterios. Estos son:

 Los modelos que mejor se ajustan a los datos


históricos.
 Medidas de precisión que existen.
 Otros criterios para la selección del mejor modelo de
pronóstico.
Los modelos que mejor se ajustan
a los datos históricos

Un modelo que ajusta bien a los datos históricos no


necesariamente pronostica bien.
Sin embargo, por razones metodológicas, costo y tiempo
evaluamos la precisión de los modelos de pronósticos en
función de la capacidad de ajuste a los datos históricos.

Se recomienda dividir la información en dos conjuntos.

 El primero, o datos de control, es utilizado para encontrar el mejor


modelo de pronóstico.
 El segundo, o datos de predicción, es utilizado para verificar el
modelo y no debe incluirse en el análisis inicial.
Medidas de Precisión

Utilizamos el error de pronóstico, como la mejor medida de


precisión, el error es la diferencia entre lo pronosticado y la
observación real.

La forma básica de medir el error es:

Hay múltiples formas de medir el error:

 Error absoluto
 Error relativo
 Error Cuadrático

¿Y cual usamos?.
Formas usuales de
calcular el error
… Otras formas de medir el error
Monitoreo y control de Pronósticos

La señal de control nos da una manera de saber en el tiempo,


el nivel de desempeño de nuestros pronósticos y que no se
vean afectados por un punto aislado sino mas bien por los
resultados acumulados.

Si queremos ver un símil, podríamos ver el monitoreo de la


señal de control como los la evaluación mediante “límites de
control”

Para el calculo de la señal de control necesitamos tener:


•El error medio absoluto
•El error simple acumulado
Señal de Control

Error Simple acumulado RSFE


Señal de control = =
Error Medio Absoluto MAD

RSFE (Running sum of the forecast error)


MAD (Mean absolute deviation)
Señal de Control

SC > 0 Implica que la demanda es mayor que el pronóstico

SC < 0 Implica que la demanda es menor que el pronóstico

Un MAD equivale aproximadamente a 0.8 σ

2 MAD equivalen entonces a 1.6 σ

3 MAD equivalen a 2.4 σ

… y así sucesivamente
+ / - 2 MAD, el 89% de los datos
+ / - 3 MAD, el 98% de los datos
+ / - 4 MAD, el 99.9% de los datos
Otros criterios para la selección
del mejor modelo de pronóstico

La precisión es importante en la selección de un modelo


para pronóstico, pero no es la única condición a
considerar, existen otras características como:

 Tamaño u horizonte de tiempo de los datos históricos.


 Comportamiento de la información.
 Tipo de relación del pronóstico
 Número de variables que intervienen en el modelo
MÉTODOS DE PRONÓSTICOS
3-4
MÉTODOS CUALITATIVOS
MÉTODOS CUALITATIVOS

OPINIÓN DE EXPERTOS:

Se basa en opinión de gente con amplio conocimiento


del mercado a evaluar, tendencias, factores decisivos
y/o que tienen información adicional del mercado.

El método DELPHI es usado dentro de esta categoría


para darle mayor validez, confiabilidad e
independiencia al resultado.
METODO DELPHI

Método que estudia el futuro, en lo que se refiere a la


evolución de los factores del entorno tecno-socio-
económico y sus interacciones.
Se basa en la estructuración de un proceso de
comunicación grupal, es efectivo a la hora de permitir a
un grupo de individuos, tratar un problema complejo.
Interrogación a un grupo de expertos en forma individual
con la ayuda de cuestionarios sucesivos, apoyados por
los resultados de rondas anteriores, a fin de poner
manifiesto convergencias de opiniones y deducir
eventuales consensos.
METODO DELPHI

La calidad de los resultado depende:


 De la elaboración de los cuestionarios.
 La elección de los expertos consultados y su compromiso.
Delimitar contexto y horizonte de la previsión del tema.
 Explicar a los expertos en que consiste el método.

Se emplea bajo las siguientes condiciones:


 No existen datos históricos con que trabajar
 Impacto de factores externos es mayor al de los internos
 Consideraciones éticas y morales dominan sobre
económicas y tecnológicas
METODO DELPHI: CARACTERÍSTICAS

Iteración y realimentación controlada: Se presenta


varias veces el mismo cuestionario, lo que disminuye la
variabilidad, consigue que los expertos vayan conociendo los
diferentes puntos y puedan ir modificando su opinión.

 Respuesta del grupo en forma estadística: La


información se presenta a los expertos no solo como punto de
vista mayoritario sino al detalle indicando el grado de acuerdo.

 Anonimato: Ningún experto conoce la identidad de los


otros que componen el grupo de debate.

 Heterogeneidad: Pueden participar expertos de


diferentes ramas de actividad.
Fuente: Revista Iberoamericana de educación.
METODO DELPHI: FASES

1ª Fase. Definición de objetivos.


Formulación del problema y objetivo general compuesto por:
Objetivo del estudio, marco espacial de referencia y horizonte
temporal para el estudio.

2ª Fase. Selección de expertos


Dimensión cualitativa: Selección en función del objetivo
prefijado y atendiendo criterios de experiencia, posición,
responsabilidad, acceso a información y disponibilidad.
Dimensión Cuantitativa: Elección de tamaño de
muestra en función a recursos y tiempo disponible.
METODO DELPHI: FASES
Formación del panel. Captación de expertos (panel estable)
Se debe informar: Objetivo, Criterio de selección, Calendario
y tiempo máximo, resultados esperados, usos potenciales y
recompensa prevista
3ª Fase. Elaboración y lanzamiento de los cuestionarios.
Deben facilitar la respuesta por parte de los encuestados.
Las respuestas son cuantificadas y ponderadas.
4ª Fase. Explotación de resultados. Se busca reducir
dispersión y precisar la opinión media consensuada.
Segundo envío: Se informa resultados de la primera
consulta, debiendo dar una nueva respuesta. Se extraen las
razones de las diferencias y se realiza una evaluación de
ellas. De ser necesario se realizar una tercera ronda.
METODO DELPHI: VENTAJAS

 Logra obtener información de puntos de vista sobre


temas muy amplios o muy específicos. Cubre una variedad
muy amplia de campos.
 El horizonte de análisis puede ser variado.
 Permite la participación de gran número de personas,
sin que se forme el caos, elimina o aminora los efectos
negativos de las reuniones de grupo “Cara-Cara”
 Explora de forma sistemática y objetiva problemas que
requieren la concurrencia y opinión cualificada.
EL PROCESO
DELPHI
METODO DELPHI: DESVENTAJAS

Elevado costo.
 Tiempo de ejecución (todo el proceso)
 Requiere masiva participación para que los resultados
tengan significancia estadística.
El grupo debe tener un alto grado de correspondencia
con los temas a ser tratados en el ejercicio.
 Una parte crítica del método son las preguntas del
cuestionario.
 Sesgos en la elección correcta de los participantes.
 Elevado número de deserciones debido al tiempo.
CASO A REVISAR:
TRABAJO GRUPAL 2

APLICACIÓN DEL MÉTODO DELPHI PARA IDENTIFICAR LOS


FACTORES CLAVE DE FIDELIZACIÓN ENTRE PROVEEDOR
Y CLIENTE DENTRO DEL SECTOR ELÉCTRICO

Fuente:
Revista Tecnología y Desarrollo
VOLUMEN X. AÑO 2012
José Muruais Rodríguez

En base a lo expuesto, realice un estudio de expertos sobre los


factores que afectan la demanda de su empresa, o de un
producto específico de ella y las perspectivas futuras de estos
factores. (Esto le servirá para el análisis de escenarios)
MÉTODOS CUALITATIVOS

FUENTES DIRECTAS:

Enfoque en Ventas

Encuesta de Mercado
Encuestas de Mercado y modelos Basados en
Presunciones

 Canales
 Distribución
 Fuerza de Venta
 Encuestas de
Mercado
TIPOS DE MUESTREO

PROBABILÍSTICO NO
PROBABILÍSTICO

ALEATORIO ESTRATI SISTE POR


SIMPLE FICADO MÁTICO DIRIGIDOS CUOTAS
GRUPOS
Aspectos básicos para muestreo

Definir el tamaño de muestra (n): (NO depende de tamaño de


población)

 Nivel de confiabilidad: Lo dan ustedes.


 Máximo error que estamos dispuestos a tolerar. (Lo dan ustedes)
 Variabilidad (homegenidad o heterogenidad de la población)

e : error
p : Proporción de ocurrencia estimada

Si la muestra (n) es mas grande que el 5% de la población (N), entonces el


tamaño de la muestra finita será:
Suponga que usted desea determinar el número de clientes que
comprarán una nueva oferta. Si se desea tener una precisión de
+/- 3% (error), y usted estima que el 20% realizará la compra
Ejemplo: nivel de aprobación presidencial

Con un 90% de confiabilidad y 5% error: Resultado: Aprobación: 52%


Interpretación: La aprobación del presidente está entre 47% y 57% con un
90% de confiabilidad.
Muestra requerida: 271

Con 99% de confiabilidad y 1% de error: Resultado: 54%


La aprobación del presidente está entre 53% y 55% con un 99% de
confiabilidad.
Muestra Requerida: 16,588
Ejercicio 3: Caso Conservas Mr Tuna
Adaptado de Caso Mar Azul, x Mag. Daniel Diez Canseco Terry, USIL

Mr Tuna está evaluando ingresar al mercado Limeño con su producto Filete de Atún
“Mr Tuna” enriquecido con aceite de sacha inchi, con una presentación de 200 gr.
Lima cuenta con una población de 8´200,000 habitantes según data del 2006.
En los últimos seis años el crecimiento de Lima ha sido de 1.20%; 1.23%; 1.25%;
1.27%; 1.30% y 1.33% hasta el año 2006.

La familia limeña promedio está conformada por 4 integrantes y se estima que este
promedio se mantendrá.

Mr Tuna esta dirigido a los niveles A2, B y C1 que representan el 8%, 13% y
12.22% de la población en Lima respectivamente.

Se espera Obtener una participación de Mercado de 5%

Se aplicó una encuesta para obtener mayores detalles y los resultados fueron los
adjuntos.
1. ¿Sra., su familia consume productos marinos envasados? Si 90% No 10 %

2. De las siguientes presentaciones, indique la preferencia de su familia


Lomito de Atún 32 % Filete de Caballa 18 % Grate de Sardina 42 % Sardina en conserva 8 %

3. C0mpraría una nueva presentación de «Filete de Atún en aceite de Sacha Inchi»


Si 50 % Posiblemente si 15 % Indiferente 20 % No 15 %

4. ¿Cuál es el lugar de compras elegido por Usted?


Supermercados 45 % Puestos de mercado 25 % Bodegas 18 % Centros Mayoristas 12 %

5. Sra., nos indicaría el consumo mensual familiar de «Filete de Atún en aceite de


Sacha Inchi», expresado en unidades como conservas?
1 a < 2 70 % 2 a < 4 20 % 5 a más 10 %

Adicionalmente, se tiene la información de que los precios por unidad de venta (Caja de 48
unidades) serían, de acuerdo al canal de venta: Supermercados S/. caja 120 / Puestos de
Mercados S/. caja 115 / Bodegas S/. caja 125 /Centros Mayoristas S/. caja 110
Estime las ventas en unidades, en cajas y en soles.
Pronóstico
estimado
de Ventas
en S/.

Precio
Promedio
ponderado Consumo
por Lata Ponderado
anual de
Consumo latas por
anual Total familia
de latas
TRABAJO GRUPAL 3

1. Revise el caso: “Develando la incertidumbre de demanda


con Demantra: el caso Coca Cola Femsa”
2. Evalúe la encuesta de AMR Research, que considera los
principales aspectos que influyen en la variación de la demanda.
3. En base al caso Coca Cola Fensa y a la encuesta de AMR,
deben analizar la influencia de cada uno de los factores
indicados en ambos casos en la demanda de sus empresas

4. Si considera que existen factores adicionales en su negocio,


inclúyalos.

Hagan un gráfico que represente el impacto de cada factor en


la variabilidad de sus pronósticos (Escala de 0 a 10)
Hagan un gráfico que represente el impacto de cada factor en
los aspectos claves de la organización.(Escala de 0 a 10)
MÉTODOS CUANTITATIVOS
5-6
18-3

SERIES DE TIEMPO:

Predicen bajo el supuesto que las ventas futuras son una


función del pasado.

Toman como base datos históricos y con ellos y


determinados métodos, buscan predecir el comportamiento
futuro y hacer un pronóstico.

Entre ellos tenemos el Enfoque intuitivo, Promedio móvil,


Promedio móvil ponderado, Suavizamiento exponencial,
Proyección de tendencias y método multiplicativo
(Proyección de tendencia y estacionalidad)
18-3

SERIES DE TIEMPO:
Componentes

Colección de datos obtenidos en un periodo, como


semanas, meses o trimestres.
Constan de cuatro componentes:

1. Tendencia:
Es la dirección a largo plazo de una serie de tiempo.
2. Variación cíclica:
Comprende el ascenso y el descenso de una serie de
tiempo en periodos mayores de un año.
18-4

SERIES DE TIEMPO:
Componentes
3. Variación estacional
Esquema o patrón de cambio en una serie de
tiempo en un año.
Estos patrones tienden a repetirse cada año.
4. Variación irregular
4.1 Variaciones episódicas: Impredecibles,
pero identificables, como una inundación;
4.2 Variaciones residuales: Eventos aleatorios
por naturaleza.
PRONOSTICO DE CONSUMO
18-8

Método del promedio móvil

 Se usa para alisar (suavizar) una serie de tiempo.


 Se logra “moviendo” la media aritmética a lo largo
de la serie de tiempo.
 ¿Cuántas observaciones usar?
 Es el método básico usado para medir la fluctuación
estacional.
 Para aplicarlo, los datos deben seguir una tendencia
bastante lineal y tener un patrón de fluctuación
rítmico definido.
 Cada observación, sin importar cual sea su
antigüedad, recibe el mismo peso.
Método del promedio móvil

¿3 periodos?, ¿4 periodos?, ¿12 periodos?


18-8

Método del promedio móvil


Ponderado

 Similar al promedio móvil, la diferencia radica en


el peso que se le dá a cada observación.
 La suma de todos los pesos debe dar 1.0 (ó
100%)
 Normalmente se le dá mayor peso a la última
y/o últimas observaciones.
 Para aplicarlo, los datos deben seguir una
tendencia bastante lineal y tener un patrón de
fluctuación rítmico definido.
Método del promedio móvil
Ponderado

70% / 20% / 10% vs 10% / 20% / 70%


18-8

Método de Suavizamiento
exponencial
También llamado “de Alisamiento exponencial”, se usa para la
previsión de ventas a corto plazo basado en el principio de
extrapolación directa de las ventas observadas en el pasado.

Se busca condiciones de estabilidad de la estructura de la


demanda, constancia de la sensibilidad de la demanda a sus
determinantes y regularidad en la evolución de estos
determinantes.

Asigna a cada observación del pasado un « peso » menos


importante en función de la antigüedad de la observación.

Existe el Suavizamiento exponencial Simple, de Holt y de Winters;


nosotros revisaremos el simple.
Método de Suavizamiento
exponencial

El pronóstico se calcula sobre la totalidad de observaciones


disponibles.

Los coeficientes de ponderación disminuyen con la antigüedad de la


observación, siguiendo una progresión geométrica decreciente.

La previsión para el tiempo « t » es un promedio ponderado de la ultima


observación conocida y de la previsión realizada en el periodo
precedente. La nueva previsión se obtiene corrigiendo la anterior
previsión en una fracción del ultimo error de previsión observado
Método de Suavizamiento
exponencial
Método de Suavizamiento
exponencial
Según el valor atribuido a la constante de alisamiento Alpha, el sistema de
previsión tendrá una « memoria » mas o menos larga.

El rol de Alpha es muy importante en el proceso de alisamiento: de este valor


depende la estabilidad y la tasa de respuesta de la serie alisada.

Si queremos una tasa de respuesta elevada, el peso de la ultima observación


debe ser importante; si queremos que la serie alisada sea muy estable, se
asigna un valor pequeño para la constante de alisamiento.

La fórmula inicial también se puede expresar de la siguiente forma:

?
18-5

Proyección de tendencia lineal

La ecuación de la tendencia a largo plazo (lineal)


se estima con la ecuación de mínimos cuadrados
para el tiempo t:

Y '  a  bt
tY  (Y )(t ) / n
b
 t 2  ( t ) 2 / n
Y  t 
a  b 
n  n 
18-6

EJEMPLO

Al propietario de Strong Homes le gustaría tener un pronóstico para el


siguiente par de años de la cantidad de casas nuevas que se
construirán en el área de Pittsburgh. La tabla siguiente da el número de
casas construidas en el área en los últimos 5 años.

AÑO VENTAS (Miles)

1994 4.3
1995 5.6
1996 7.8
1997 9.2
1998 9.7
18-7

EJEMPLO 1 continuación

Desarrolle una ecuación de la tendencia mediante el método de


mínimos cuadrados, el periodo 1 es 1994. ¿Cuál es la estimación
de ventas de casas para el año 2000?

a = 3.00, b = 1.44
Entonces Y’ = 3.00 + 1.44(7) = 13.08
18-9

Tendencias no lineales
Si la tendencia es no lineal pero los incrementos tienden a ser un
porcentaje constante, los valores de Y se convierten en logaritmos y la
ecuación de mínimos cuadrados se determina con ellos.
log( Y ' )  [log( a)]  [log( b)]t
18-10

Reconocimiento de la Variación estacional


Proyección de Tendencia y Estacionalidad
Método Multiplicativo
9.0

8.0

7.0

6.0

5.0

4.0
Ventas (Miles) Promedio Movil Centrado

3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Proyección de Tendencia y Estacionalidad
Método Multiplicativo

Este modelo reconoce que las series de tiempo tienen


un componente irregular (I), uno estacional (S) y uno de
tendencia (T).

El modelo multiplicativo se explica con la formula:


18-11

Determinación del índice estacional

Paso 1: Establecer el total móvil para la serie de


tiempo.
Paso 2: Determinar el promedio móvil para la serie
de tiempo.
Paso 3: Centrar los promedios móviles.
Paso 4: Calcular el índice estacional específico
para cada periodo dividiendo los valores de Y entre
los promedios móviles centrados.
Paso 5: Organizar los índices estacionales
específicos en una tabla.
Paso 6: Aplicar el factor de corrección.
9.0

8.0

7.0

6.0

5.0
Índices de
Estacionalidad

4.0
Ventas (Miles) Promedio Movil Centrado

3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
18-12

Desestacionalización de datos

Un conjunto común de índices es útil al ajustar una


serie (por ejemplo, ventas)

La serie resultante (ventas) se llama ventas


desestacionalizadas o ventas con ajuste estacional.

La razón para desestacionalizar una serie (ventas) es


eliminar la fluctuación estacional para poder estudiar
la tendencia y el ciclo.
9.0
Ventas
Ventas desestacionalizadas
8.0

7.0

6.0

5.0
10.0
4.0 9.0

8.0
3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 7.0

6.0

5.0
y = 0.1471x + 5.0996
4.0
Ventas
3.0
Ventas desestacionalizadas
2.0
Lineal (Ventas desestacionalizadas)
1.0

0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
10.0

9.0

8.0

7.0

6.0

5.0
y = 0.1471x + 5.0996
4.0
Ventas
3.0 Ventas desestacionalizadas

2.0 Pronóstico

Lineal (Ventas desestacionalizadas)


1.0

0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
TRABAJO Grupal 4 :

(a) Resolver el caso Specialty Packaging


Corporation.

(b) Evalúe en una empresa, la utilidad de utilizar


algún método de pronóstico relacionado con series
de tiempos, en que caso lo utilizararía. (Promedios
móviles, suavización, Métodos con estacionalidad)
MÉTODOS CUANTITATIVOS
SESIONES FINALES
PRESENTACIÓN DE TRABAJOS
CONTROL