Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Práctica 1. Pronósticos (Primera Parte) PDF
Práctica 1. Pronósticos (Primera Parte) PDF
INTRODUCCIÓN
OBJETIVO
Para la práctica nos concentraremos en métodos cuantitativos, estos se pueden clasificar en cuatro
tipos distintos según el comportamiento de ventas histórico de un producto en particular de la
siguiente manera:
El análisis de series temporales se basa en la idea de que es posible usar la información relacionada
con la demanda pasada para predecir la demanda futura. Estas familias siguen un comportamiento
“estable” a través del tiempo.
Los productos que tienen esta demanda pertenecen a empresas que forman parte de oligopolios o
monopolios.
• Último período: El pronóstico de un mes (n) en particular es la venta real del mes anterior
(n-1) y así sucesivamente para todo el período congelado de ventas elegido.
𝑷𝒏 = 𝑽𝒏−𝟏
∑𝒏−𝟏
𝟏 𝑽𝒆𝒏𝒕𝒂𝒔 𝑹𝒆𝒂𝒍𝒆𝒔
𝑷𝒏 =
𝒏−𝟏
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
• Promedio móvil simple: El pronóstico utiliza la media de los n períodos de datos más
recientes para efectuar la proyección del período siguiente. Para el caso de la práctica se
utilizarán 4 períodos de ventas.
∑𝒏−𝟒
𝒏−𝟏 𝑽𝒆𝒏𝒕𝒂𝒔 𝒓𝒆𝒂𝒍𝒆𝒔
𝑷𝒏 =
𝟒
• Promedio móvil ponderado: La sumatoria de las ponderaciones elegidas deben ser igual al
número de períodos a pronosticar, es decir, el valor del ciclaje elegido. En el caso de la
práctica usaremos un ciclaje igual a 4, en otras palabras, los valores escalares de las
ponderaciones suman 4 y cada uno de estos multiplica al valor de las ventas reales de los
cuatro meses anteriores al mes que necesitamos pronosticar (otorgándole mayor
ponderación a los más recientes para obtener una proyección más exacta).
𝑬𝒋𝒆𝒎𝒑𝒍𝒐 𝒅𝒆 𝒑𝒐𝒏𝒅𝒆𝒓𝒂𝒄𝒊𝒐𝒏𝒆𝒔:
𝑚𝑒𝑠 𝑚á𝑠 𝑙𝑒𝑗𝑎𝑛𝑜 = 0.5
𝑚𝑒𝑠 𝑖𝑛𝑡𝑒𝑟𝑚𝑒𝑑𝑖𝑜 = 0.8
𝑚𝑒𝑠 𝑖𝑛𝑡𝑒𝑟𝑚𝑒𝑑𝑖𝑜 = 1.2
𝑚𝑒𝑠 𝑚á𝑠 𝑐𝑒𝑟𝑐𝑎𝑛𝑜 = 1.5
𝟒
∑ 𝒑𝒐𝒏𝒅𝒆𝒓𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟎. 𝟓 + 𝟎. 𝟖 + 𝟏. 𝟐 + 𝟏. 𝟓 = 𝟒
𝟏
∑𝑛−4
𝑛−1 𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 ∗ 𝑉𝑒𝑛𝑡𝑎𝑠 𝑟𝑒𝑎𝑙𝑒𝑠
𝑃𝑛 =
𝑛
• Promedio móvil ponderado exponencial (caso A): Técnica de previsión de media móvil en
la que los datos se valoran por medio de una función exponencial.
α = constante de alisado
Donde:
• Franja simulada: Se utiliza para establecer el Pronóstico de Riesgo de las curvas estables
(existe la posibilidad de compararla con otro tipo de curva) y está definido por la siguiente
relación:
𝑃𝑛 = 𝑃𝑛−1 + 𝑘 ∗ 𝑇ú𝑙𝑡𝑖𝑚𝑎
Donde:
k = 1, 2, 3 ….
Por ejemplo, si quisiéramos conocer el pronóstico del siguiente período iniciando por el mes
de enero, tendríamos:
PROCEDIMIENTO DE SOLUCIÓN
El historial de ventas de una compañía alimenticia durante los último tres períodos ha mantenido
niveles estables en función del tiempo, debido a que sus clientes se han mantenido fieles a las
políticas de ventas implementadas por la compañía.
La Gerencia General tiene la solicitud de un sector de clientes para que les provea de su producto
alimenticio siguiendo la misma estrategia de repartos ya que el proveedor que actualmente posee
les ha fallado en la entrega de materia prima que necesitan procesar.
Tomando en cuenta la solicitud del nuevo cliente potencial, el Gerente General le ha pedido a la
Gerencia de Ventas y de Producción para que le prepare un informe con las proyecciones estimadas
a futuro basándose en la información histórica de ventas reales con la que cuentan actualmente. El
Gerente General está interesado en conocer la estimación utilizando el punto de vista cuantitativo.
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
Determine:
*Se recomienda colocar los datos en meses del 1 al 36 para realizar las gráficas y cálculos más
fácilmente.
VENTA REAL
800
700
600
500
0 5 10 15 20 25 30 35 40
2. Efectúe el análisis primario observando la tendencia que siguen los datos históricos.
Luego de analizar los datos de ventas de los 36 meses presentados, se puede observar que el
comportamiento de la curva se mantiene constante en un rango de 25 cajas siendo el dato mayor
700 y el menor 675, la variación está en 0.1%, por lo tanto se puede clasificar como serie estable.
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
3. Efectúe el análisis secundario utilizando los siguientes valores escalares de ponderaciones: (0.3,
0.7, 1.2, 1.8) con 4 ciclos.
Procedemos a evaluar las ventas con todos los métodos cuantitativos para familias estables con el
propósito de encontrar las proyecciones de evaluación, usando un ciclaje de 4, es decir, elegimos
los últimos cuatro meses del período correspondientes a los meses 33, 34, 35 y 36.
VENTA EN UNIDADES
MES VENTA REAL PRONÓSTICO ERROR ∑|𝐸|
o PROMEDIO ARITMÉTICO
El pronóstico es el promedio de ventas de todos los meses anteriores al mes que se va a proyectar.
∑32
1 𝑉𝑒𝑛𝑡𝑎𝑠
𝑃33 =
32
VENTA EN UNIDADES
MES VENTA PRONÓSTICO ERROR ∑|𝐸|
REAL
SEPTIEMBRE 33 685 686.19 -1.19 1.2
OCTUBRE 34 680 686.15 -6.15 7.3
NOVIEMBRE 35 686 685.97 0.03 7.4
DICIEMBRE 36 692 685.88 6.12 13.5
ENERO 37 ? 686.29
Se hace un promedio de los "n" períodos de datos más recientes para hacer la proyección del
período siguiente.
VENTA EN UNIDADES
MES VENTA PRONÓSTICO ERROR ∑|𝐸|
REAL
SEPTIEMBRE 33 685 684.25 0.75 0.8
OCTUBRE 34 680 682.25 -2.25 3.0
NOVIEMBRE 35 686 681.25 4.75 7.8
DICIEMBRE 36 692 683.25 8.75 16.5
La sumatoria de las ponderaciones elegidas debe ser igual al número de períodos a pronosticar, es
decir:
Ponderaciones: 0.5 + 0.8 + 1.2 + 1.5 =4
Recomendación: Dar una ponderación más alta a los meses más recientes para lograr una
proyección más exacta.
Para obtener el promedio móvil se multiplica el valor de la venta real * ponderación asignada y se
divide entre el número de ciclos.
VENTA EN UNIDADES
∑|𝐸|
MES VENTA REAL PRONÓSTICO ERROR
SEPTIEMBRE 33 685 682.58 2.42 2.4
OCTUBRE 34 680 682.58 -2.58 5.0
NOVIEMBRE 35 686 681.65 4.35 9.4
DICIEMBRE 36 692 683.50 8.50 17.9
Para poder comenzar a pronosticar a partir del mes 33 necesitamos el pronóstico del mes 32, el cual
vamos a obtener con cualquiera de los métodos anteriores (Pronóstico Pivote).
VENTA EN UNIDADES
MES VENTA REAL PRONÓSTICO ERROR ∑|𝐸|
Se aplica el concepto de tendencia para obtener una proyección más confiable, se continuará
usando α=0.5.
Para poder comenzar a pronosticar a partir del mes 33 necesitamos el pronóstico del mes 32, el cual
vamos a obtener con cualquiera de los métodos anteriores (Pronóstico Pivote).
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
También necesitamos una tendencia inicial que obtendremos del pronóstico pivote.
VENTA
MES REAL PRONÓSTICO TENDENCIA INICIAL
AGOSTO 32 682 686 4
VENTA ∑|𝐸|
MES REAL TENDENCIA PRONÓSTICO ERROR
SEPTIEMBRE 33 685 3.5 690 -5.00 5.0
OCTUBRE 34 680 -0.75 694 -13.50 18.5
NOVIEMBRE 35 686 2.625 693 -6.75 25.3
DICIEMBRE 36 692 4.3125 695 -3.38 28.6
𝑃37 = 683.25 (𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑚𝑒𝑠 36 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 𝑠𝑖𝑚𝑝𝑙𝑒)
Usando el método de franja simulada
VENTA EN UNIDADES
∑|𝐸|
T inicial = 692-686= 6
T final = α (Vdic -V nov) + (1-α) * T inicial
T final = 0.5(692 - 686) + (1-0.5)(6)= 6
Dada la siguiente serie de datos, establezca la previsión para los primeros tres meses del tercer
período, utilizando la secuencia metodológica vista en la práctica.
DETERMINAR:
1. Un gráfico con una escala adecuada que muestre el comportamiento del juego de datos.
3. Establecer el Pronóstico de Riesgo del primer cuatrimestre del período 3. Grafique los
resultados. (Ponderaciones = 0.7; 0.9; 1.1; 1.3) (α = 0.5)
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
REPORTE 1.1
DESCRIPCIÓN DEL CASO PROPUESTO
La compañía distribución Inditex tiene sus oficinas centrales en España y es uno de los mayores
grupos de distribución del mundo, Zara pertenece a este grupo y es una de las principales empresas
de moda rápida o fast fashion o mejor dicho, son los creadores de este método de venta.
Zara afirma que el cliente es el centro de su particular modelo de negocio, integrando el diseño,
fabricación, distribución y venta a través de una amplia red de tiendas propias en todo el mundo.
Los precios de Zara son más altos que los precios promedio del mercado para las tiendas de ropa
dirigidas a los segmentos B y C, sin embargo, son prendas aspiracionales y en más de una ocasión
los clientes se ven seducidos por comprar alguna prenda en esta tienda.
Para Zara Guatemala, es de suma importancia contar con los más recientes modelos de la cadena y
para esto deben de tener un extremadamente exacto pronóstico de sus ventas mensuales,
semanales y diarias, están sujetos a que la cadena únicamente envía 1 o 2 prendas de cada talla en
cada estilo y su bodega es de solamente 10m2.
Debido a lo anterior se desea preveer la demanda futura de la prenda #45 de la colección de verano
2020, para lo cual se le proporcionan los movimientos de ventas históricas de los últimos 3 períodos
de una prenda similar:
• https://www.youtube.com/watch?v=vxwj4AYN_Ao
• https://www.youtube.com/watch?v=tf6pYM4FZbE
• https://www.youtube.com/watch?v=_TSINqg9-ok
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
Se le pide a usted, como Ingeniero Industrial, que utilice las herramientas a su alcance para
establecer el pronóstico de demanda futura para los primeros 4 meses del 2020.
1. Estimar el Pronóstico de Riesgo para los primeros cuatro meses del 2020 (Ponderaciones = 0.6
0.9 1.1 1.4) Utilizar α = 0.5
IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel milimetrado.
2. Describa el método que utiliza Inditex para distribuir a los puntos de venta alrededor del mundo.
4. Investigue como funciona la herramienta “Previsiones” en Excel, úsela y compare los datos
obtenidos con el método de Pronóstico de Riesgo aprendido en clase vs los resultados que
muestra Excel, analice que diferencias muestra y aporte un comentario al respecto.
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
B. MODELOS DE CORRELACION (Ascendentes – Descendentes)
Análisis de Regresión Lineal: Es un modelo matemático directo para describir las relaciones
funcionales entre dos o más variables (dependientes e independientes), este método es más
poderoso que el de las Series Temporales. En primer lugar, se observa el gráfico de datos para ver
si aparecen lineales (o por lo menos una parte de ellos); el término regresión lineal se refiere a la
clase de regresión especial en la que la relación entre las variables forma una recta.
La Regresión Lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la
planeación agregada. Aun cuando la demanda de productos individuales dentro de una familia
puede variar en gran medida durante un período, la demanda de toda la familia de productos es
sorprendentemente suavizada.
Métodos Estadísticos de Evaluación: En nuestro caso particular, para obtener los Pronósticos de
Evaluación y de Riesgo, se tomarán en cuenta cuatro ecuaciones estadísticas relacionadas a la
Regresión Lineal. En realidad son más de cincuenta las formas matemáticas que describen este
método estadístico de evaluación. La forma general de las ecuaciones normales que utilizaremos es
la siguiente:
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
El modelo matemático a utilizar será el de Análisis de Regresión Lineal, ya que es el método
que relaciona dos variables con determinado grado de correlación y, a la vez, muestran un
comportamiento ascendente descendente en función del tiempo. Para efectos didácticos, se
evaluarán las cuatro ecuaciones normales descritas arriba. El procedimiento de solución es el
siguiente:
PROCEDIMIENTO DE SOLUCIÓN
Las compañías de telefonía celular han crecido en forma exponencial debido al auge que ha tenido
la demanda de aparatos telefónicos inalámbricos. Entre otras causas, esto ha sido debido al mal
servicio, que hasta hace unos diez años, la compañía telefónica nacional ha prestado a todos los
usuarios.
Dicha circunstancia ha sido aprovechada por las compañías telefónicas que operan con celdas
instaladas en distintos puntos estratégicos alrededor del país; el resultado ha sido la creación de los
denominados teléfonos móviles o celulares.
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
La demanda de dichos aparatos ha sido tan fuerte que son ahora varias compañías de teléfonos
celulares quienes prestan el servicio a toda la población. Esta situación ha obligado a que cada
compañía implemente sus mejores tácticas y estrategias mercadológicas por llegar a la mente del
consumidor final.
Tomando en cuenta las ventas históricas de los últimos tres períodos, se pretende predecir la
demanda futura del modelo PG-9110 que una de estas compañías de telefonía móvil acaba de lanzar
al mercado. Los datos se muestran a continuación:
Determinar:
1. El Análisis Primario y Secundario para el juego de datos conocido, utilizando un ciclaje = 4 (realizar
los cálculos utilizando el Software de Aplicación y también ingresando datos en los programas que
poseen las calculadoras científicas). Comparar.
3. Dibujar el gráfico con los datos resultantes del Pronóstico de Riesgo comparándolos contra las
ventas reales conocidas. Interpretar el resultado obtenido.
ANÁLISIS SECUNDARIO
FORMA
ECUACIÓN GENERAL a b r
Líneal y = a + bx 788.95 30.05 0.9677
Logarítmica y = a + b ln x 473.52 318.3 0.9038
Exponencial y = a *b^x 830.11 0.0249 0.9332
Potencial y = a * x ^b 621.24 0.2746 0.9484
EC. LINEAL
EC. LOGARÍTMICA
EC. POTENCIAL
El método que menor error acumulado tiene es el método de la ecuación Lineal 62.20, también
tiene el factor de correlación más cercano a 1 (R=0.9677).
PRONÓSTICO DE RIESGO
Se calculan los valores a, b y r solamente para la ecuación lineal tomando en cuenta la totalidad de
las ventas reales (36 meses).
MES VENTAS
37 1894.72
38 1924.53
39 1954.34
40 1984.15
41 2013.96
42 2043.77
PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
REPORTE 1.2
Sus ventas han crecido a través del tiempo y por esto el gerente desea ampliar las instalaciones del
restaurante, así como implementar un pequeño hostal con 6 habitaciones.
Para esto el gerente proporciona los datos de ventas reales de los últimos tres períodos anuales
(2013, 2014 y 2015) por cada mes, para que se le estimen las ventas potenciales de los primeros seis
meses del año 2016, y así analizar la factibilidad de la inversión.
En nuestro caso, el período congelado de ventas serán los últimos cuatro meses del año 2015
Determinar: