Práctica 1. Pronósticos (Primera Parte) PDF

PRÁCTICA DE CONTROL DE LA PRODUCCIÓN
PRIMER SEMESTRE 2020
PRÁCTICA NO. 1 PRONÓSTICOS (PRIMERA PARTE)

SERIES ESTABLES Y MODELOS DE CORRELACIÓN
INTRODUCCIÓN
El control de la producción es la función de dirigir o regular el movimiento metódico de los

materiales por todo el ciclo de fabricación, desde la requisición de materias primas, hasta la entrega
del producto terminado, mediante la transmisión sistemática de instrucciones a los subordinados,
según el plan que se utiliza en las instalaciones del modo más económico.
El laboratorio de control de la producción es un curso donde el estudiante aprende a maximizar los

recursos con que cuenta la planta de producción para producir con mayor calidad, mayor
productividad y menor costo, va dirigido para aquellos estudiantes que trabajan en una planta
industrial ya como profesionales.
OBJETIVO
• Establecer previsiones futuras confiables atendiendo la demanda potencial del mercado.
PASOS PARA ESTABLECER PRONÓSTICOS
1. Graficar la base de datos ventas vs tiempo.

2. Análisis primario del gráfico
o Observar la forma y comportamiento de la curva, si a simple vista no se observa
alguna tendencia se puede alisar la curva (incrementar o reducir la escala que se
está usando) o bien, reducir la cantidad de períodos de venta graficados.
3. Análisis secundario
o Conociendo el gráfico al que pertenece el grupo de datos, se elige un período
congelado de ventas conocido (para los ejemplos de la práctica será igual a 4),
seleccionando los últimos 4 valores de ventas reales del último período a evaluar,
con el fin de determinar Pronósticos de evaluación para cada método cuantitativo.
4. Pronóstico de riesgo
o Proyección de demanda futura que necesitamos conocer par aun período
específico, se basa en el método cuantitativo que mejor error acumulado arrojó
durante la etapa de análisis secundario.
FUNDAMENTO CONCEPTUAL DE LA PRÁCTICA:
El pronóstico se puede clasificar en cuatro tipos básicos: modelos cualitativos, métodos

cuantitativos de series de tiempo, métodos cuantitativos de relaciones causales y simulación.
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:
A. Familias estables o modelos de series temporales

B. Análisis de correlación (familias ascendentes y descendentes)
C. Modelos cíclicos (estacionalidad)
D. Método combinado (modelo cíclico y de correlación)
1. FAMILIAS ESTABLES O MODELOS DE SERIES TEMPORALES
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.
MÉTODOS CUANTITATIVOS PARA LAS FAMILIAS ESTABLES
• 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
• Promedio aritmético: El pronóstico es el promedio de ventas reales de todos los meses

anteriores al mes que se va a proyectar, se usa cuando nos interesa mucho el historial de
ventas reales. El analista decide que tan atrás va a promediar sus datos.
∑𝒏−𝟏
𝟏 𝑽𝒆𝒏𝒕𝒂𝒔 𝑹𝒆𝒂𝒍𝒆𝒔
𝑷𝒏 =
𝒏−𝟏
• 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.
𝑃𝑛 = 𝑃𝑛−1 +∝ (𝑉𝑛−1 − 𝑃𝑛−1 )

Donde:
Pn = Pronóstico para el período n
P n-1 = Pronóstico para el período anterior a n
V n-1 = Venta real para el período anterior a n
α = constante de alisado
El valor de α lo define el pronosticador, para efectos de la práctica elegiremos α=0.5 sin

embargo la teoría indica lo siguiente:
o Cuando α tiende a 0: El pronóstico se ve afectado por factores externos.
o Cuando α tiende a 1: El pronóstico depende de variables asignables al modelo.
• Promedio móvil ponderado exponencial (caso B): Toma en cuenta la proyección de

tendencia de los datos que, en condiciones normales, tienden a desfasarse con respecto a
las ventas reales.
(1 − 𝛼)
𝑃𝑛 = 𝑃𝑛−1 + ∗ (𝑇𝑛−1 )
𝛼
𝑇𝑛 = 𝛼 (𝑉𝑛 − 𝑉𝑛−1 ) + (1 − 𝛼)(𝑇𝑛−1 )
𝑇𝑛−1 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑝𝑖𝑣𝑜𝑡𝑒 = 𝑉𝑛−1 − 𝑉𝑛−2 (sólo para la primer tendencia)
Donde:
Pn = Pronóstico para el período n

𝑃𝑛−1 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 = 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑝𝑖𝑣𝑜𝑡𝑒 = (𝑉𝑛−2 + 𝑉𝑛−3 + 𝑉𝑛−4 )/3
𝑇𝑛−1 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑝𝑖𝑣𝑜𝑡𝑒
α= factor
• 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 ….
o El primer pronóstico de riesgo es el último pronóstico de evaluación del método

que menor error acumulado tiene después de efectuar la comparación entre los
distintos métodos cuantitativos.
o La tendencia última corresponde al último pronóstico de evaluación y la tendencia
pivote es una anterior a aquella.
Por ejemplo, si quisiéramos conocer el pronóstico del siguiente período iniciando por el mes
de enero, tendríamos:
P enero = Pronostico de evaluación diciembre
P febrero = P enero + T dic
T dic = α (V dic – V nov ) + (1- α )* T pivote
T pivote = T nov = V nov – V oct

P mar = P enero + 2 T dic
P abr = P enero + 3 T dic
PROCEDIMIENTO DE SOLUCIÓN
PASOS DESCRIPCIÓN HERRAMIENTAS

1 Tabular y graficar la información histórica (ventas reales) para Hoja milimetrada, regla
uno o más períodos anteriores.
2 Establecer el análisis primario Gráfico del paso 1
3 Establecer el análisis secundario Fórmulas, calculadora
4 Evaluar todos los métodos matemáticos cuantitativos y Fórmulas, calculadora
obtener los errores acumulados
5 Elegir el modelo que tenga como resultado el menor error Fórmulas, calculadora
acumulado
6 Con el modelo seleccionado, determinar el pronóstico de Fórmulas, calculadora
riesgo.
7 Tabular la tendencia contra las ventas reales históricas y Fórmulas, calculadora
comparar los resultados.
ANÁLISIS Y RESOLUCIÓN DEL CASO PRÁCTICO
DESCRIPCIÓN DEL CASO
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.
Las ventas en los últimos tres años se muestran a continuación:
MES 2017 2018 2019

1 689 679 699
2 678 690 683
3 690 684 700
4 695 695 688
5 685 684 693
6 680 692 684
7 698 685 678
8 675 679 682
9 684 687 685
10 681 697 680
11 679 675 686
12 686 684 692
Determine:
1. Gráfico de ventas reales
*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.
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.
o ÚLTIMO PERÍODO (ENFOQUE SIMPLE)
*El pronóstico de un mes es equivalente a la venta del mes anterior*
VENTA EN UNIDADES
MES VENTA REAL PRONÓSTICO ERROR ∑|𝐸|
SEPTIEMBRE 33 685 682 3 3

OCTUBRE 34 680 685 -5 8
NOVIEMBRE 35 686 680 6 14
DICIEMBRE 36 692 686 6 20
ENERO 37 ? 692
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
o PROMEDIO MÓVIL SIMPLE
Se hace un promedio de los "n" períodos de datos más recientes para hacer la proyección del
período siguiente.
Se tomará un ciclo de 4 meses, esto depende según el analista.

MES VENTA REAL MES VENTA PROYECTADA

SEPTIEMBRE 33 685 ENERO 37 685.75
OCTUBRE 34 680
NOVIEMBRE 35 686
DICIEMBRE 36 692
PROMEDIO 685.75
Pronosticando para los meses 33 al 36.
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
o PROMEDIO MÓVIL PONDERADO
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.
0.5 ∗ 𝑉29 + 0.8 ∗ 𝑉30 + 1.2 ∗ 𝑉31 + 1.5 ∗ 𝑉32

𝑃33 = = 683
4
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
o PROMEDIO MÓVIL PONDERADO EXPONENCIAL CASO A (Alisado de primer orden)
Para efectos de la práctica se usará 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).
En este caso, promedio móvil simple.
(𝑉28 + 𝑉29 + 𝑉30 + 𝑉31 )

∗ 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑝𝑖𝑣𝑜𝑡𝑒 = 𝑃32 = = 686
4
MES VENTA REAL PRONÓSTICO

AGOSTO 32 682 686 Obtenido con promedio móvil simple
VENTA EN UNIDADES
MES VENTA REAL PRONÓSTICO ERROR ∑|𝐸|
SEPTIEMBRE 33 685 684 1.13 1.1

OCTUBRE 34 680 684 -4.44 5.6
NOVIEMBRE 35 686 682 3.78 9.3
DICIEMBRE 36 692 684 7.89 17.2
o PROMEDIO EXPONENCIAL CASO B (ALISADO CON AJUSTE DE TENDENCIA)
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).
En este caso, promedio móvil simple.
(𝑉28 + 𝑉29 + 𝑉30 + 𝑉31 )

∗ 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑝𝑖𝑣𝑜𝑡𝑒 = 𝑃32 = = 686
4
MES VENTA REAL PRONÓSTICO

AGOSTO 32 682 686 Obtenido con promedio móvil simple
También necesitamos una tendencia inicial que obtendremos del pronóstico pivote.
𝑇32 = 𝑉32 − 𝑉31 = 682 − 678 = 4

Iniciamos a pronosticar con los siguientes datos:
VENTA
MES REAL PRONÓSTICO TENDENCIA INICIAL
AGOSTO 32 682 686 4
Ejemplo para el mes 33:

𝑇33 = 0.5(685 − 682) + (1 − 0.5) ∗ 4 = 3.5
1 − 0.5
𝑃33 = 686 + ∗ 4 = 690
0.5
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
RESUMEN DE ERRORES ACUMULADOS
MÉTODO ERROR ACUMULADO

Último período 20
Promedio aritmético 13.5
Promedio móvil simple 16.5
Promedio móvil ponderado 17.9
Promedio móvil ponderado exponencial A 17.2
Promedio móvil ponderado exponencial B 28.6
4. Establecer el pronóstico de riesgo del primer cuatrimestre del año 2020.
𝑃37 = 683.25 (𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑚𝑒𝑠 36 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑚ó𝑣𝑖𝑙 𝑠𝑖𝑚𝑝𝑙𝑒)
Usando el método de franja simulada
*Recordando del promedio móvil simple
VENTA EN UNIDADES
∑|𝐸|
MES VENTA REAL PRONÓSTICO ERROR

SEPTIEMBRE 33 685 684.25 0.75 0.75
OCTUBRE 34 680 682.25 -2.25 3
NOVIEMBRE 35 686 681.25 4.75 7.75
DICIEMBRE 36 692 683.25 8.75 16.5
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
MES VENTA REAL

ENERO 37 683.25
FEBRERO 38 689.25
MARZO 39 695.25
ABRIL 40 701.25
HOJA DE TRABAJO 1.1

(Para entregar al final de la Práctica)
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.
2. Realizar el Análisis Primario y Secundario de las ventas reales (ciclaje = 4).
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)
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:
MES 2017 2018 2019

Enero 36 40 39
Febrero 35 46 44
Marzo 44 46 50
Abril 30 47 51
Mayo 46 39 37
Junio 47 43 43
Julio 40 39 36
Agosto 46 44 35
Septiembre 46 50 44
Octubre 47 51 30
Noviembre 39 37 46
Diciembre 43 43 47
Conozcan más sobre Inditex:
• https://www.youtube.com/watch?v=vxwj4AYN_Ao
• https://www.youtube.com/watch?v=tf6pYM4FZbE
• https://www.youtube.com/watch?v=_TSINqg9-ok
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.
3. Tomando como referencia la importancia de un buen pronóstico, análisis de la demanda y

conocimiento del mercado, ¿Cuáles son las aptitudes y habilidades que debe poseer un
encargado de tienda de Zara? ¿Qué método de Administración de Personal utilizará para el
reclutamiento y selección de las personas que atenderán a los clientes? Diseñe un descriptor de
puesto con nombre del puesto, responsabilidades y requerimientos mínimos.
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.
B. MODELOS DE CORRELACION (Ascendentes – Descendentes)
A diferencia de la previsión de series temporales, los modelos de Previsión Causal normalmente

consideran diferentes variables que están de alguna manera, correlacionadas con la cantidad que
se va a predecir. Una vez que éstas variables afines han sido halladas, se construye el modelo que
se utilizará para hacer la previsión respectiva. El modelo cuantitativo de previsión causal más común
es el ANALISIS DE REGRESION Y CORRELACIÓN.
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.
Coeficiente de Correlación: La ecuación de regresión es una forma de expresar la naturaleza de la

relación entre dos variables, muestra como una variable está relacionada con los valores y cambios
de la otra variable. El coeficiente de correlación mide el grado de intensidad de la relación lineal.
Identificado normalmente como r, el coeficiente de correlación toma valores en el rango que va de
-1 a +1, o sea, si r está entre -1 y 0, indica que el conjunto de datos tiene una tendencia descendente;
por otro lado, si los valores están entre 0 y +1, quiere decir que el conjunto de datos tiene una
tendencia ascendente (en ambos casos hablamos de la variable dependiente).
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:
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
ANÁLISIS Y RESOLUCIÓN DEL CASO PRÁCTICO
DESCRIPCIÓN DEL CASO (Modelo de Correlación)
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.
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:
GRÁFICO DE VENTAS REALES

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.
2. El Pronóstico de Riesgo para el primer semestre del período número cuatro.
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
MES VENTAS PROYECCIÓN ERROR |E|

33 1760 1780.6 -20.60 20.60
34 1796 1810.65 -14.65 35.25
35 1815 1840.7 -25.70 60.95
36 1872 1870.75 1.25 62.20
EC. LOGARÍTMICA

33 1760 1586.46 173.54 173.54
34 1796 1595.96 200.04 373.58
35 1815 1605.19 209.81 583.39
36 1872 1614.15 257.85 841.24
EC. EXPONENCIAL

33 1760 1887.971 -127.97 127.97
34 1796 1935.572 -139.57 267.54
35 1815 1984.373 -169.37 436.92
36 1872 2034.404 -162.40 599.32
EC. POTENCIAL

33 1760 1622.719 137.28 137.28
34 1796 1636.076 159.92 297.20
35 1815 1649.151 165.85 463.05
36 1872 1661.958 210.04 673.10
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).
Y = 791.71 + 29.811x R= 0.9765
MES VENTAS
37 1894.72
38 1924.53
39 1954.34
40 1984.15
41 2013.96
42 2043.77
HOJA DE TRABAJO 1.2

(para entregar al final de la práctica)
A continuación, se presentan los datos de ventas de dos períodos de un determinado producto.
Establezca la demanda futura del primer cuatrimestre del período tres utilizando el método que
considere adecuado:
REPORTE 1.2
DESCRIPCIÓN DEL CASO PROPUESTO

El restaurante “DELICIAS TROPICALES” se encuentra ubicado en el departamento de Izabal a orillas
de Rio Dulce, se dedica a la venta de platillos de mariscos, cuentan con una receta que ha pasado
de generación en generación para la realización de su famoso “caldo de mariscos al estilo Livingston”
siendo su platillo principal.
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:
a) Un gráfico de Ventas contra Tiempo.

IMPORTANTE: Realizar los gráficos de ventas contra tiempo en papel milimetrado.
b) Desarrollar los Análisis Primario y Secundario para el conjunto de ventas históricas.
c) Estimar la Proyección futura para el primer semestre del año 2016 en base a la evaluación
realizada de los tres últimos años.
d) Analizar y proponer en forma individual lo siguiente:
i. ¿Le aconsejaría adquirir un financiamiento bancario?
ii. ¿Debe arriesgarse en la implementación de un hostal o diversificar sus productos?

Práctica 1. Pronósticos (Primera Parte) PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Práctica 1. Pronósticos (Primera Parte) PDF

Cargado por

Copyright:

Formatos disponibles

PRÁCTICA DE CONTROL DE LA PRODUCCIÓN

PRIMER SEMESTRE 2020

PRÁCTICA NO. 1 PRONÓSTICOS (PRIMERA PARTE)

El control de la producción es la función de dirigir o regular el movimiento metódico de los

El laboratorio de control de la producción es un curso donde el estudiante aprende a maximizar los

• Establecer previsiones futuras confiables atendiendo la demanda potencial del mercado.

PASOS PARA ESTABLECER PRONÓSTICOS

1. Graficar la base de datos ventas vs tiempo.

FUNDAMENTO CONCEPTUAL DE LA PRÁCTICA:

El pronóstico se puede clasificar en cuatro tipos básicos: modelos cualitativos, métodos

A. Familias estables o modelos de series temporales

1. FAMILIAS ESTABLES O MODELOS DE SERIES TEMPORALES

MÉTODOS CUANTITATIVOS PARA LAS FAMILIAS ESTABLES

• Promedio aritmético: El pronóstico es el promedio de ventas reales de todos los meses

𝑃𝑛 = 𝑃𝑛−1 +∝ (𝑉𝑛−1 − 𝑃𝑛−1 )

Pn = Pronóstico para el período n

P n-1 = Pronóstico para el período anterior a n

V n-1 = Venta real para el período anterior a n

El valor de α lo define el pronosticador, para efectos de la práctica elegiremos α=0.5 sin

• Promedio móvil ponderado exponencial (caso B): Toma en cuenta la proyección de

𝑇𝑛−1 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑝𝑖𝑣𝑜𝑡𝑒 = 𝑉𝑛−1 − 𝑉𝑛−2 (sólo para la primer tendencia)

Pn = Pronóstico para el período n

o El primer pronóstico de riesgo es el último pronóstico de evaluación del método

P enero = Pronostico de evaluación diciembre

P febrero = P enero + T dic

T dic = α (V dic – V nov ) + (1- α )* T pivote

T pivote = T nov = V nov – V oct

P abr = P enero + 3 T dic

PASOS DESCRIPCIÓN HERRAMIENTAS

ANÁLISIS Y RESOLUCIÓN DEL CASO PRÁCTICO

DESCRIPCIÓN DEL CASO

Las ventas en los últimos tres años se muestran a continuación:

MES 2017 2018 2019

1. Gráfico de ventas reales

o ÚLTIMO PERÍODO (ENFOQUE SIMPLE)

*El pronóstico de un mes es equivalente a la venta del mes anterior*

SEPTIEMBRE 33 685 682 3 3

o PROMEDIO MÓVIL SIMPLE

Se tomará un ciclo de 4 meses, esto depende según el analista.

MES VENTA REAL MES VENTA PROYECTADA

Pronosticando para los meses 33 al 36.

o PROMEDIO MÓVIL PONDERADO

0.5 ∗ 𝑉29 + 0.8 ∗ 𝑉30 + 1.2 ∗ 𝑉31 + 1.5 ∗ 𝑉32

o PROMEDIO MÓVIL PONDERADO EXPONENCIAL CASO A (Alisado de primer orden)

Para efectos de la práctica se usará α = 0.5

En este caso, promedio móvil simple.

(𝑉28 + 𝑉29 + 𝑉30 + 𝑉31 )

MES VENTA REAL PRONÓSTICO

SEPTIEMBRE 33 685 684 1.13 1.1

o PROMEDIO EXPONENCIAL CASO B (ALISADO CON AJUSTE DE TENDENCIA)

En este caso, promedio móvil simple.

(𝑉28 + 𝑉29 + 𝑉30 + 𝑉31 )

MES VENTA REAL PRONÓSTICO

𝑇32 = 𝑉32 − 𝑉31 = 682 − 678 = 4

Ejemplo para el mes 33:

RESUMEN DE ERRORES ACUMULADOS

MÉTODO ERROR ACUMULADO

4. Establecer el pronóstico de riesgo del primer cuatrimestre del año 2020.

*Recordando del promedio móvil simple

MES VENTA REAL PRONÓSTICO ERROR

MES VENTA REAL

HOJA DE TRABAJO 1.1

2. Realizar el Análisis Primario y Secundario de las ventas reales (ciclaje = 4).

El pronóstico de un mes es equivalente a la venta del mes anterior