Está en la página 1de 15

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA Nombre: K’atojil José Rafael Sis

CENTRO UNIVERSITARIO DE OCCIDENTE


DIVISION DE CIENCIAS DE LA INGENIERIA Valey
CENTRO UNIVERSITARIO DE OCCIDENTE
CONTROL DE LA PRODUCCION Carnet: 2014-31313
ING.MARIA ELENA

CAPÍTULO 15 ADMINISTRACIÓN Y PRONÓSTICO DE LA DEMANDA

1. La demanda de audífonos para estereofónicos y reproductores de discos


compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en
el año pasado. El número de trotadores sigue en aumento, así que Nina
espera que la demanda también se incremente, porque, hasta ahora, no se
han promulgado leyes de seguridad que impidan que los trotadores usen
audífonos. La demanda de estéreos del año pasado fue la siguiente:

a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que


fuera la demanda de cada mes del año entrante? Con una hoja de cálculo,
siga el formato general de la ilustración 15.11. Compare sus resultados con
los obtenidos usando la función pronóstico de la hoja de cálculo.
x y Xy x^2 y^2 Y (y-Y)^2

1 4200 4200 1 17640000 3958.9744 58093.3399

2 4300 8600 4 18490000 4151.2821 22117.0138

3 4000 12000 9 16000000 4343.5898 118053.951


4 4400 17600 16 19360000 4535.8975 18468.1305

5 5000 25000 25 25000000 4728.2052 73872.4133

6 4700 28200 36 22090000 4920.5129 48625.9391

7 5300 37100 49 28090000 5112.8206 35036.1278

8 4900 39200 64 24010000 5305.1283 164128.939

9 5400 48600 81 29160000 5497.436 9493.7741

10 5700 57000 100 32490000 5689.7437 105.19169

11 6300 69300 121 39690000 5882.0514 174681.032

12 6000 72000 144 36000000 6074.3591 5529.27575

Total: 78 60200 418800 650 308020000 728205.128

x prom 6.5 a= 192.3077

y prom 5016.67 b= 3766.6667

Y = a +bx

Mes Pronostico

13 6266.6668

14 6458.9745

15 6651.2822

16 6843.5899

17 7035.8976

18 7228.2053
b) Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres
errores estándar por seguridad. ¿Cuántas unidades adicionales debe
retener para alcanzar este nivel de confianza?

∑𝑛𝑖=1(𝑦 − 𝑌)2 728205.128


𝑆𝑥𝑦 = √ = √ = 269.85
𝑛−2 12 − 2

2. La demanda histórica del producto es:

a) Usando un promedio móvil ponderado con pesos de 0.60, 0.30 y 0.10,


calcule el pronóstico de julio.
𝐹𝑗𝑢𝑙𝑖𝑜 = 0.6 ∗ 15 + 0.3 ∗ 16 + 0.1 ∗ 12 = 15.0
b) b) Con el promedio móvil simple a tres meses, determine el pronóstico de
julio.
𝐹𝑗𝑢𝑙𝑖𝑜 = (15 + 16 + 12)/3 = 14.3
c) Mediante suavización exponencial simple con α = 0.2 y un pronóstico para
junio de 13, calcule el pronóstico de julio. Haga todas las suposiciones que
quiera.
𝐹𝑗𝑢𝑙𝑖𝑜 = 𝐹𝑗𝑢𝑛𝑖𝑜 + 𝛼(𝐴𝑗𝑢𝑛𝑖𝑜 − 𝐹𝑗𝑢𝑛𝑖𝑜 ) = 13 + 0.2 ∗ (15 − 13) = 13.4
d) Con un análisis de regresión lineal simple, calcule la ecuación de relación
de los datos precedentes de la demanda.
Utilizando Excel: 𝑌 = 10.8 + 0.77𝑥
e) Con la ecuación de regresión del punto d), calcule el pronóstico para julio.
𝐹𝑗𝑢𝑙𝑖𝑜 = 10.8 + 0.77 ∗ 7 = 16.2
3. Las siguientes tabulaciones son ventas unitarias reales para seis meses y
un pronóstico inicial para enero.

a) Calcule los pronósticos para los cinco meses restantes con suavización
exponencial simple con α = 0.2.
α: 0.2
Mes Real Pronostico Diferencia:
Enero 100 80 20
Febrero 94 84 10
Marzo 106 86 20
Abril 80 90 10
Mayo 68 88 20
Junio 94 84 10

Total: 90

b) Calcule el MAD de los pronósticos.


∑|𝐴𝑡 − 𝐹𝑡 | 90
𝑀𝐴𝐷 = = = 15
𝑛 6
4. Zeus Computer Chips, Inc., tenía contratos importantes para producir
microprocesadores tipo Pentium. El mercado ha ido a la baja en los últimos
3 años por los chips dual-core, que Zeus no produce, así que tiene la penosa
tarea de pronosticar el año entrante. La tarea es penosa porque la empresa
no ha podido encontrar chips sustitutos para sus líneas de productos. Aquí
está la demanda de los últimos 12 trimestres:

Use la técnica de la descomposición para pronosticar los cuatro trimestres de


2008.
x y Factor temporada x^2 Promedio c Y

1 4800 1.23 1 3900 3958.9744

2 3500 0.89 4 3575 4151.2821

3 4300 1.12 9 3375 4343.5898

4 3000 0.76 16 3175 4535.8975

5 3500 1.23 25 3025 4728.2052

6 2700 0.89 36 2950 4920.5129

7 3500 1.12 49 2800 5112.8206

8 2400 0.76 64 2600 5305.1283


9 3200 1.23 81 2425 5497.436

10 2100 0.89 100 2166.66667 5689.7437

11 2700 1.12 121 2200 5882.0514

12 1700 0.76 144 1700 6074.3591

5. Los datos de ventas de 2 años son los siguientes. Los datos están
acumulados con dos meses de ventas en cada “periodo”.

a) Trace la gráfica.

Ventas
200

180

160

140
Ventas
120

100

80
1 2 3 4 5 6 7 8 9 10 11 12
b) Componga un modelo de regresión lineal simple para los datos de ventas.
x y Factor temporada x^2 Promedio bimestral Y

1 109 0.865 1 112 123.166664

2 104 0.835 4 108 124.303028

3 150 1.194 9 154.5 125.439392

4 170 1.36 16 176 126.575756

5 120 0.95 25 123 127.71212

6 100 0.796 36 103 128.848484

7 115 0.865 49 129.984848

8 112 0.835 64 131.121212

9 159 1.194 81 132.257576

10 182 1.36 100 133.39394

11 126 0.95 121 134.530304

12 106 0.796 144 135.666668

x prom 6.5 a= 1.136364


y prom 129.42 b= 122.0303

Y = a +bx
6. Las señales de seguimiento calculadas con el historial de la demanda
pasada de tres productos es como sigue. Cada producto usa la misma
técnica de pronóstico.

Comente las señales de seguimiento de cada producto y señale sus implicaciones.


5.00

4.00

3.00

2.00
TS 1
1.00
TS 2
0.00
TS 3
1 2 3 4 5 6 7 8 9 10
-1.00

-2.00

-3.00

-4.00

 TS 1: Debido a que existe un aumento rápido en la tendencia, el pronóstico


pronto estará fuera de los límites, por lo tanto el pronóstico no es confiable.
 TS 2: Al estar dentro de los límites el pronóstico es aceptable.
 TS 3: Al igual que el primer pronóstico, existe un aumento rápido en la
tendencia, el pronóstico pronto estará fuera de los límites, por lo tanto el
pronóstico no es confiable.

7. En la tabla siguiente se muestran los 2 años previos de información de las


ventas trimestrales. Supóngase que hay tendencias y factores estacionales y
que el ciclo estacional es de 1 año. Use series de tiempo de descomposición
para pronosticar las ventas trimestrales del año siguiente.

x y Promedio por x^2 Factor de Demanda fuera


mismo periodo temporada de temporada

1 160 187.5 1 1.003 152.21

2 195 217.5 4 1.164 162.12

3 150 177.5 9 0.95 172.03

4 140 165 16 0.883 181.94

5 215 25 1.003 191.85

6 240 36 1.164 201.76


7 205 49 0.95 211.67

8 190 64 0.883 221.58

x prom 6.5 a= 9.91


y prom 186.88 b= 142.3

Periodo Pronostico

9 231.49

10 241.4

11 251.31

12 261.22

8. Tucson Machinery, Inc., fabrica máquinas controladas numéricamente,


que se venden a un precio promedio de 0.5 millones de dólares cada una.
Las ventas de estas máquinas durante los 2 años anteriores son:
a) Trace a mano una recta (o haga una regresión con Excel®).
x y Tendencia Tendencia actual Factor de temporada x*y

1 12 16.17 0.742 0.766 12

2 18 17.19 1.047 1.087 36

3 26 18.21 1.427 1.341 78

4 16 19.24 0.832 0.802 64

5 16 20.26 0.79 80

6 24 21.29 1.128 144

7 28 22.31 1.255 196

8 18 23.33 0.771 144

x prom 6.5 a= 9.91


y prom 19.75 b= 142.3

b) Encuentre la tendencia y los factores estacionales.


c) Pronostique las ventas para 2008.
periodo Y Factor de Pronóstico
temporada

9 24.32 0.766 18.62912

10 25.34 1.087 27.54458

11 26.36 1.341 35.34876

12 27.38 0.802 21.95876


9. No todos los artículos de su tienda de artículos de papelería están
distribuidos uniformemente en lo que concierne a la demanda, así 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 móvil de tres semanas, ¿cuál sería su pronóstico para la


semana entrante?
700 + 600 + 400
𝐹5 = = 576
3
b) Con suavización exponencial con α = 0.20, si el pronóstico exponencial de
la semana 3 se calculó como el promedio de las dos primeras semanas
[(300 + 400)/2 = 350], ¿cuál sería su pronóstico para la semana 5?
𝐹4 = 𝐹3 +∝∗ (𝐴3 − 𝐹3 ) = 350 + 0.2 ∗ (600 − 350) = 400
𝐹5 = 𝐹4 +∝∗ (𝐴4 − 𝐹4 ) = 400 + 0.2 ∗ (700 − 400) = 460

10. Dada la siguiente historia, aplique un pronóstico enfocado al tercer


trimestre de este año. Use tres estrategias de pronóstico enfocado.

 Estrategia A: Lo que vendimos en los últimos tres meses es lo que


probablemente vendamos en los próximos tres meses. Por lo tanto, nuestro
pronóstico es 395. Actual fue 580. 395/580 = 68%.
Estrategia B: Lo que vendimos en el mismo período de tres meses el año
pasado, probablemente lo vendamos en ese período de tres meses este
año. Por lo tanto, nuestro pronóstico es 560. Real fue 580. 560/580 = 97%
Estrategia C: Probablemente vendamos un 10 por ciento más en los
próximos tres meses de lo que vendimos en los últimos tres meses. Nuestro
pronóstico es 1.10 (395) = 434.5. Real fue 580. 434.5 / 580 = 75%.

El mejor método fue B. Al aplicarlo al tercer trimestre de este año, se obtiene un


pronóstico de 420.

11. A continuación se da la demanda tabulada actual de un artículo durante


un periodo de nueve meses (de enero a septiembre). Su supervisor quiere
probar dos métodos de prueba para ver cuál resultó mejor en el periodo.

a) Pronostique de abril a septiembre con un promedio móvil a tres meses.


b) Mediante suavización exponencial simple con una alfa de 0.3, calcule de
abril a septiembre.
c) Use la MAD para decidir qué método produjo el mejor pronóstico en el
periodo de seis meses.
Mes Real Móvil a Desviación Suavización Desviación
3 meses exponencial
α=0.3

Enero 110.00

Febrero 130.00

Marzo 150.00 130.00

Abril 170.00 130.00 40.00 136.00 34.00


Mayo 160.00 150.00 10.00 146.20 13.80

Junio 180.00 160.00 20.00 150.34 29.66

Julio 140.00 170.00 30.00 159.24 19.24

Agosto 130.00 160.00 30.00 153.47 23.47

Septiembre 140.00 150.00 10.00 146.43 6.43

MAD 23.33 21.10

12. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis


meses. Aquí están la demanda pronosticada y la real:
Encuentre la señal de seguimiento y diga si cree que el modelo usado da
respuestas aceptables.
Real Desviación Desviación Desviación Desviación MAD TS
acumulada absoluta absoluta
acumulada

200 -50 -50 50 50 50.00 -1

250 -75 -125 75 125 62.50 -2

325 -75 -200 75 200 66.67 -3

300 -50 -250 50 250 62.50 -4

325 -50 -300 50 300 60.00 -5

400 -50 -350 50 350 58.33 -6

El patrón de la señal de seguimiento es constantemente decreciente, y para el


mes de septiembre se ha desviado 6 unidades MAD de lo real, por lo que el
promedio no es bueno.