PRONOSTICOS

PREGUNTAS PARA ANÁLISIS:

1. ¿Qué es unun modelo

modelo de pronóst
pronósto
o u!l"#
u!l"#!t$
!t$o
o % u&ndo es !prop
!prop"!do
"!do su us
uso'
o'
Pronósto u!l"#!t$o: 
u!l"#!t$o:  Este método es apropiado cuando los datos confables son
escasos o diciles de emplear.
Las técnicas cualitavas
cualitavas se usan cuando no se ene disponibilidad de inormación
histórica o los datos son escasos, por ejemplo cuando se introducen
introducen producto nuevo al
mercado. Usan el criterio de la persona y ciertas relaciones para transormar
inormación cualitava en esmados cuantavos.

aracter!scas "enerales#
$ %e posee poca inormación.
$ E&iste alta incerdumbre.
$ %e ene escasa capacidad de proceso.
$ 'ori(onte de mediano o lar"o pla(o.

(. Ident)*u
Ident)*ue e % desr"+!
desr"+! +re
+re$eme
$emen#e
n#e los dos en,o*u
en,o*ues es -ener
-ener!les
!les del pronóst
pronósto.
o.
'ayy dos en
'a eno)u
o)ueses "e
"ener
nerale
aless al prono
pronos
sca
carr ta
tall como
como e&e&is
iste
ten
n dos manmanereras
as de
abordar todos los modelos de decisiones.
 El an*lisis cuantavo.
 El eno)ue cualitavo.
 Los pronóscos cuantavos uli(an una variedad de modelos matem*cos )ue se
apoyan en datos históricos o en variables causales para pronoscar la demanda.
Los pronós
pronóscos
cos cualita
cualitavos
vos o subjevos
subjevos incorpor
incorporan an a)uellos
a)uellos actor
actores
es como la
intuición, las emociones, las e&periencias personales y el sistema de valores de
)uien toma la decisión pata lle"ar al pronósco. Las empresas empican uno u otro
eno
eno)ue
)ue,, per
peroo en la pr*c
pr*cca
ca,, la combi
combinac
nación
ión de ambambos
os es cacasi
si siempr
siempree m*s
eecva.

. Id
Iden
ent)
t)*u
*ue
e los
los #r
#res
es /o
/or"
r"0o
0on#
n#es
es de temp
tempo
o p!r
p!r! pr
pron
onós
óst
tos
os.. Es#!
Es#!+l
+le0
e0!
! un!
un!

dur!"ón
Los !pro"m!
!pro"m!d!
tes de d!
hori(ontes
hori(on p!r! !d!
empo uno. an en corto,
se idenfc
idenfcan corto, mediano o intermed
intermedio,
io, o lar"o
pla(o. El de corto
corto ene una duración de hasta
hasta un a+o, el de mediano
mediano pla(o va de 
meses hasta  a+os, y es de lar"o pla(o son de  a+os en adelante.

2. 3es
3esr"
r"+!
+! +r
+re$
e$em
emen
en#e
#e los
los p!so
p!soss ne
nee
es!
s!r"
r"os
os p!r!
p!r! des!
des!rr
rrol
oll!
l!rr un s"s#
s"s#em
em!! de
pronóstos.
 -eterminar el uso del pronósco.
 %eleccionar los aspectos )ue se re)uieren pronoscar.
 -eterminar el hori(onte de empo del pronósco.
 %eleccionar los modelos de pronósc
pronósco.o.
 ecopilar los datos necesarios para elaborar el pronósco.

 eali(ar pronósco.
 /alidar e implementar los resultados.
 

4. Un !dm"n"s#
!dm"n"s#r!
r!dor
dor esé
esépt
pto
o pr
pre-u
e-un#
n#!! p!r!
p!r! *ué puede
puede us!rs
us!rsee un pronós
pronóst
too de
med"!no pl!0o5 su-"ér!le #res usos o propós"#os pos"+les.
Un pronósco de mediano pla(o se e&ende de  meses a  a+os, es 0l para
planear las ventas, la producción, el presupuesto, y el 1ujo de eecvo, as! como
para anali(ar los diversos planes de operaciones. %e consideran cuesones m*s
"lobales. Un método eecvo es el an*lisis de re"resión.

6. Epl
Epl"*
"*ue
ue *ué
*ué #é
#én
n"
"!s
!s de pr
pron
onós
óst
tos
os77 omo
omo pr
prom
omed
ed"o
"oss mó
mó$"
$"le
les7
s7 pr
prom
omed
ed"o
"oss
mó$"les ponder!dos % su!$"0! m"en#o eponen"!l7 no son !prop"!d!s p!r! l!s
ser"es de d!#os *ue presen#!n un! #enden"!.
El suavi(a miento e&ponencial a dierencia
dierencia de los promedios móviles, este
método pronosca otor"ando una ponderación a los datos dependiendo del peso
)ue ten"an dentro del c*lculo del pronósco. Esta ponderación se lleva a cabo
a través de otor"arle
otor"arle un valor a la constante de suavi(ación,
suavi(ación, )ue puede ser
mayor )ue cero y menor )ue uno.

8. ¿9u&l
¿9u&l es l! d",
d",er
eren
en"!
"! +&s
+&s"!
"! en#r
en#re
e pr
prome
omed"o
d"oss mó
mó$"le
$"less pon
ponder
der!do
!doss % su!$"0
su!$"0!!
m"en#o eponen"!l'
El prome
promedio
dio móvil
móviles
es ponder
ponderado
ados#
s# Es
Este
te méto
método
do con
consis
siste
te en asi
asi"na
"narr un a
act
ctor
or de
ponderación disnto para cada dato. 2eneralmente, a la observación o dato m*s
reciente a parr del )ue se )uiere hacer el pronósco, se le asi"na el mayor peso, y
este peso disminuye en los valores de datos m*s an"uos.

El suavi(a miento e&ponencial emplea un promedio ponderado de la serie de empo

pasada
pas ada como
como pronó
pronós
sco3
co3 es un cas
casoo especi
especial
al del
del méto
métododo de prome
promedio
dioss móvile
móviless
ponderados en el cual sólo se selecciona un peso o actor de ponderación# el de la
observación m*s reciente.
En la pr*cca comen(amos haciendo )ue 45, el primer valor de la serie de valores
uniormados,, sea i"ual a 65, )ue es el primer valor real de la serie.
uniormados

. ¿9u&le
¿9u&less son los #res mé#
mé#odo
odoss emp
emple!
le!dos
dos p!r
p!r!! med"r
med"r l! e
e!t
!t#ud
#ud de u!l*u
u!l*u"er
"er
mé#odo de pronóstos' ¿9ómo de#erm"n!r;! us#ed s" es me<or un! re-res"ón de
ser"es de tempo o un su!$"0! m"en#o eponen"!l
eponen"!l p!r! un! !pl"!"ón espe;)!'

Las ventajas
ventajas de uli(ar el método de suavi(a
suavi(a miento por la re"ente
re"ente del cole"io es m*s
e&acto )ue los dem*s, pero la constante es determinado por ella por lo tanto es muy
probable )ue no se lle"
lle"ue
ue a una
una respuesta
respuesta confable, es por ello )ue se recomienda
)ue un consultor, determine el modelo de re"resión )ue se basa en datos históricos
)ue dar!an m*s confabilidad a los resultados.
 

=. In$est
In$est-ue
-ue % desr
desr"+!
"+! +re$em
+re$emen#e
en#e el mé#odo
mé#odo 3elp/".
3elp/". ¿9ómo
¿9ómo podr
podr;!
;! us!rlo !l-uno
!l-uno
de los <e,es p!r! los *ue us#ed /! #r!+!<!do'
El método
método -elphi
-elphi es )ue aapart
partee de su "rupo
"rupo de e&pe
e&perto
rtoss se ene un p pers
ersonal
onal )ue
ayuda en la toma de decisiones al preparar
preparar,, distribuir,
distribuir, recolectar
recolectar y resumir una

serie de cuesonarios
La técnica )ue seesreali(an
o método -elphi a un "rupo
un proceso de personas,
de "rupo )ue ene cuyos
como juicios
fn un se valora.
pronósco
por consenso. El proceso necesita de un "rupo de e&pertos internos o e&ternos de la
empresa )uienes recaban opiniones por escrito sobre el punto )ue se discute.

1>. 79u&l es l! pr"n"p!l d",eren"! en#re un modelo de ser"es de tempo % un modelo

!so"!t$o'
E&ist
E&isten
en cie
ciert
rtas
as dier
dierenc
encias
ias entr
entree pronó
pronós
sco
co de ser
series
ies de empo
empo,, los mode
modelos
los
pronósco asociavo casi siempre consideran varias variables )ue est*n relacionadas
con la cira por predecir. Una ve( )ue se encuentran estas variables relacionadas. %e
construye un modelo estad!sco )ue se usa para pronoscar el elemento 8el interés9.
Este eno)ue es m*s poderoso )ue los métodos de series de empo )ue incluyen solo
variables históricas para la variable )ue se pronosca.

El an*lisis asociavo puede considerar muchos actores. :or ejemplo, las ventas de
computadoras personales ;<= se relacionan con el presupuesto para publicidad de
;<
;<=
= lo loss prec
precio
ioss de la comp
compa+a+!a
!a,, lo
loss prec
precio
ioss de la comp
compet
eten
enci
cia,
a, es
estr
trat
ate"
e"ia
iass
promocionales e incluso con la econom!a nacional y los !ndices de desempleo. En este
caso las ventas de computadoras se denominan la variable dependiente y las otras
va
varia
riable
bless se lla
llaman
man va
varia
riable
bless indepe
independi
ndien
ente
tes.
s. El trtraba
abajo
jo del admini
administ
stra
rador
dor es
desarrollar la mejor relación es estad!sca entre las ventas de : y las variables
independientes, El modelo de pronóscos asociavo uantavo m*s com0n es el
an*lisis de re"resión fnal.

11. 3e)n! *ué

*ué es un! sser"e
er"e de t
tempo.
empo.
:or serie de empo nos reerimos a datos estad!scos )ue se recopilan, observan o
re"istran en intervalos de empo re"ulares 8diario, semanal, semestral, anual, entre
otros9. /isualmente,
/isualmente, es una curva )ue evoluciona a lo lar"o del empo. :or ejemplo, las
ventas diarias de un producto pueden representarse como una serie de empo.

El térmi
término
no ser
serie
ie de em
empopo se aplica
aplica por ejempl
ejemplo
o a dadato
toss re
re"is
"istr
trado
adoss en orma
orma
periódica )ue muestran, por ejemplo, las ventas
ventas anuales totales de almacenes, el valor
trimestral total de contratos de construcción otor"ados, el valor trimestral del :;<

En el sector minorista o en el de manuactura, las series de empo son importantes

por)ue
por)ue son las rerepr
prese
esent
ntac
acion
iones
es m*s canóni
canónica
cass del
del 1ujo
1ujo de ar>
ar>cul
culos
os vendi
vendido
do o
prod
produc
ucid
ido.
o. La re
repr
pres
esen
enta
taci
ción
ón de dadato
toss come
comercrcia
iale
less como
como seseri
ries
es de eemp
mpo
o
"eneralmente ayuda a los encar"ados a visuali(ar la acvidad de sus comercios.
 

1(. ¿Qué e,e#o

e,e#o tene el $!lor de l! ons#!n
ons#!n#e
#e de su!$"0!
su!$"0! m"en#
m"en#o o en l! ponder!"
ponder!"ón
ón
d!d! ! los $!lores re"en#es'
El eno)ue de suavi(a miento e&ponencial
e&ponencial es *cil de usar y se ha aplicado con é&ito en
pr*ccamente todo po de ne"ocios. %in embar"o, el valor apropiado de la constante
de suavi(a miento, ?, puede hacer la dierencia entre un pronósco preciso y uno
im
impr
prec
ecis
iso.
o. %e el
eli"
i"en
en va
valo
lore
ress al
alto
toss de ? cuan
cuando
do el prom
promed
edio
io suby
subyac
acen
ente
te ene
ene
probabilidades de cambiar. %e emplean valores bajos de ? cuando el promedio en )ue

se basa es
objevo es bastante estable.
obtener el @l ele"ir
pronósco m*s los valores de la constante de suavi(a miento, el
preciso.

1. Epl"
Epl"*ue
*ue el $!
$!lor
lor *ue tenen los ;nd ;nd"e
"ess es#!
es#!"on
"on!le
!less !l pr
prono
onost!r
st!r.. ¿En *ué
d")eren los p!#rones ;l"os % los p!#rones eses#!"on!les'
#!"on!les'
Los ciclos son como las variaciones estacionales de los datos, pero ocurren cada varios
a+os, no semanas, meses o trimestres. El pronósco de variaciones c!clicas en una
serie de empo es dicil. Esto se debe a )ue los ciclos incluyen una variedad de
actores )ue

12. ¿Qué #én"!

#én"! de pronósto
pronósto d! m&s "mpor#!n"!
"mpor#!n"! ! los $!lore
$!loress re"
re"en#
en#es'
es' ¿9ómo
/!e es#o'
 El pronóstico de la demanda

 Da origen
industria a varias
entera, clases
a una dede
línea proyecciones. Por ejemplo,
productos o bien un pronóstico
a una marca individual.puede
Puedereferirse a una
aplicarse a la
totalidad de un mercado o a un segmento en particular. La estimación puede basarse en
factores generales o en un plan específico de comercialización. Por lo tanto, para que un
pronóstico se entienda y sea til, es importante aclarar e!actamente qu" cosa describe.

14. Epl"*ue on sus prop"!s

prop"!s p!l!+r!s *ué es un pron
pronósto
ósto !d!p#!+
!d!p#!+le.
le.
Un pronósco
pronósco adaptable se re refere
fere al monitoreo
monitoreo por computadora
computadora de las se+ales de
control y al ajuste autom*co cuando una se+al rebasa el limite prestable
prestable por ejemplo,
cuando se aplica al suavi(a miento e&ponencial, primero se seleccionan los defcientes
@ 6 < con base en valores )ue minimi(an el error de pronosco y después se ajustan de
acuerdo con ellos, cuando la computadora
computadora capta una se+al de control
control e)uivocada. Este
proceso se llama suavi(a miento adaptable.

16. ¿9u&l es el propós"#o

propós"#o de l!s se?!les
se?!les de on#r
on#rol'
ol'
Un sis
sistem
temaa de con
contro
troll es un conj
conjunt
untoo de dispo
disposiv
sivos
os encar"
encar"ados
ados de admin
administ
istrar
rar,,
ordenar, diri"ir o re"ular el comportamiento de otro sistema, con el fn de reducir las
probabilidades de allo y obtener los resultados deseados. :or lo "eneral, se usan
sistemas de control industrial en procesos de producción industriales para controlar
e)uipos o m*)uinas.

E&isten dos clases comunes de sistemas de control,

E&isten control, sistemas de la(o abierto y sistemas
de la(
la(o
o ce
cerr
rrado
ado.. En los sist
sistema
emass de con
contr
trol
ol de la(
la(o
o abiert
abierto
o la salida
salida se "e
"ener
neraa
dependiendo de la entrada3 mientras )ue en los sistemas de la(o cerrado la salida
depende de las consideraciones y correcciones reali(adas por la retroalimenta
retroalimentación.
ción. Un
sistema de la(o cerrado es llamado también sistema de control con realimentación. Los
sistemas de control m*s modernos en in"enier!a auto
 

18
18.. Epl
Epl"*
"*ue
ue on
on sus
sus prprop
op"!
"!ss p!l!+
p!l!+r!
r!ss u&l
u&l es el s"-n
s"-n")
")!
!do
do del
del oe)
oe)"
"en
en#e
#e de
orr
orrel
el!
!"ó
"ón.
n. An!l
An!l"
"e
e el s"-n
s"-n")
")!
!do
do de un $! $!lo
lorr ne-!
ne-!t$
t$o
o del
del oe)
oe)"
"en
en#e
#e de
orrel!"ón.
El valor del coefciente de correlación interesa determinar si tal valor obtenido muestra
)ue las variables A e 6 est*n relacionadas en realidad o tan solo presentan dicha
relación como consecuencia del a(ar. En otras palabras, nos pre"untamos por la
si"nifcación de dicho coefciente de correlación.

Un coefciente
cierta de correlación
probabilidad, se dice de
)ue es dierente )uecero.
es si"nifcavo si se puede
=*s estrictamente, en afrmar,
términoscon una
estad!scos, pre"untarse por la si"nifcación de un cierto coefciente de correlación no
es otra cosa )ue pre"untarse por la probabilidad de )ue tal coefciente proceda de una
población cuyo valor sea de cero. @ este respecto, como siempre, tendremos dos
hipótesis posibles#

'B# r&y CB El coefciente de correlación obtenido procede de una población cuya

correlación es cero 8C B9
'5# C r &y CB El coefciente de correlación obtenido procede de una població
poblaciónn cuyo
coefciente de correlación es disnto de cero 8 C B9.

%e dice )ue la relación es perecta ne"ava cuando e&actamente en la medida )ue

aumenta una variable disminuye la otra. ;"ual )ue en el caso anterior esto sucede para
relaciones uncionales e&actas, propio de las ciencias sicas. :or ejemplo, la relación
entre presión y volumen se ajusta a este caso. El "r*fco )ue muestra la relación ser!a
del po#

1
1.. ¿9u&
¿9u&ll es l! d",
d",er
eren
en"
"!! en
en#r
#re
e un!
un! $!
$!r"
r"!+
!+le
le depe
depend
nd"e
"en
n#e % un!
un! $!
$!r"
r"!+
!+le
le
"ndepend"en#e'
 Variable independiente:
Fenómeno a la que se le va a evaluar su capacidad para influir, incidir o afectar a
otras variables.
Su nombre lo explica de mejor modo en el hecho que de no depende de algo para
estar allí:
 

Es aquella caracter
característic
ística
a o prop
propiedad
iedad que se supone ser la causa
la causa del fenómeno
estudiado.. En in
estudiado inve
vest
stig
igac
ació
ión
n ex
expe
peri
rime
ment
ntal
al se ll
llam
ama
a as
así,
í, a la vavari
riab
able
le qu
quee el
inve
invest
stig
igad
ador
or ma
mani
nipu
pula
la.. u
uee soson
n ma
mani
nipu
pula
lada
dass ex
expe
peri
rime
ment
ntal
alme
ment
ntee po
porr un
investigador.

 Variable dependiente:
!ambios sufridos por los sujetos como consecuencia de la manipulación de la
 variable independiente por parte del experimentador. En este caso el nombre lo
dice de manera explícita, va a depender de algo que la hace variar.
"ropiedad o característica que se trata de cambiar mediante la manipulación de la
 variable independiente.
#as variables dependientes son las que se miden.

1=. @en"one
@en"one !l-unos e<emp
e<emplos
los de "ndus#r"
"ndus#r"!s
!s !,e#!d
!,e#!d!s
!s por l! es#!"on!
es#!"on!l"d!d.
l"d!d. ¿Por
*ué es#os ne-o"os dese!r;!n no depender de l! es#!"on!l"d!d'
Las a"r!colas son un ejemplo de la variación de clima, los laboratorios de an*lisis, se
ene variación en tanto de empo, donde por la ma+ana se ene el mayor !ndice
de clientes. -e i"ual orma el turismo donde se observa en periodos espec!fcos del
a+o.
Un movo por lo )ue las empresas no desean depender de la estacionalidad es
por)ue le resulta un poco dicil pronoscar su demanda, donde se necesita ajustar
con una recta de tendencia.
tendencia.

 4*brica de helados.
 4*brica de panetones.
 @"encia de trismo.

(>. 3é !l-unos e<emplos

e<emplos de "ndus
"ndus#r"!s
#r"!s donde el pronóst
pronósto
o de l! dem!nd! depende
depende
de l! dem!nd! de o#ros produ#os.
 ;ndustria de ladrillos.
 ;ndustria automotri(
;ndustria de los erli(antes.


(1. ¿Qué
¿Qué ourr
ourree on nues#
nues#r!
r! !p!"
!p!"d!d
d!d p!r
p!r!! pr
prono
onost
st!r
!r u!ndo
u!ndo prprono
onost
st!
!mos
mos
per"odos !d! $e0 m&s le<!nos en el ,u#uro'
Los pronóscos a corto pla(o enden a ser m*s precisos )ue los de lar"o pla(o.
Los actores
actores )ue in1uyen
in1uyen en la demandan cambian todos los d!as, por tanto, en
la medida )ue el hori(onte de empo se alar"a, es m*s probable )ue la
precisión del pronósco disminuya.

PRBLE@AS
 

1.
A?o 5 D   F G H I J 5B 55
3em!nd! H J F J 5 I 5D 5 J 55 H

a9 2r
2raf
af)ue
)ue los da
dato
toss an
ante
terio
riore
res.
s. 7Kbser
7Kbserva
va al"una
al"una tende
tendenci
ncia,
a, ciclos
ciclos o va
varia
riacio
ciones
nes
aleatorias

b9 o
ome
men(n(an
ando
do en el a+o  y ha
hast
staa el a+o 5D
5D,, pron
pronos
os)
)ue
ue la dema
demand
ndaa usan
usando
do
promedios móviles de  a+os. 2raf)ue su pronósco en la misma "r*fca )ue los
datos ori"inales.

 JM5MINC5B
 5MIM5DNC55
 IM5DM5NC 55
 5DM5MJNC55.
 5MJM55NC55
 JM55MHNCJ

El pronósco para el a+o 5D ene una demanda de J

 

c9 omen(
omen(and
andoo en el a+o  y hasta
hasta el a+o 5D, pronos
pronos)u
)uee la demand
demandaa usand
usandoo un
promedio móvil de  a+os con ponderaciones de .5, . y .G, usando G para el a+o
m*s reciente. 2raf)ue su pronósco en la misma "r*fca.

A?o dem!nd! promed"o m

mo
o$"l ponder!do en  !?os resul#!do
5 H

D J
 F
 J J8G9MF89MJ859N5B H.I
F 5 58G9MJ89MF859N5B 55
G I I8G9M589MJ859N5B J.G
H 5D 5D
5D8G9MI89M5859N5B 5B.J
I 5 5
58G9M5D89MI859N5B 5D.D
J J J8
J8G9M589M5D859N5B 5B.F
5B 55 55
558G9MJ89M5859N5B 5B.G
55 H H8G9M5589MJ859N5B I.
5D

d9 @l compa
comparar
rar cada
cada pronósco
pronósco con
contra
tra los datos ori"inales, 7cu*l parece
parece proporcionar
proporcionar
mejores resultados

 :roporciona mejores resultado el a+o G con J.G un pronósco

:roporciona pronósco promedio, en
comparación con la demanda real I.
 

(. L!s $en#!s mensu!les en Telo

Telo B!Cer"es7 In.7 ,ueron omo s"-ue:

=es /entas
E4enberreoro D
DB
5
=ar(o 5F
@bril 5
=ayo 5
Ounio 5G
Oulio 5H
@"osto 5I
%epembre DB
Kctubre DB
Poviembre D5
-iciembre D

a9 2raf)ue
2raf)ue los da
datos
tos de
de las ventas
ventas m
mensua
ensuales.
les.

b9 :ronos)ue las ven

ventas
tas para
para enero usando cada una de las
las técnicas
técnicas si"uientes#
si"uientes#
i9 =étodo iin
ntuivo.
 

ii9 Un promedio móvil de  meses.

%ea el cuadro#

@es $en#!s Promed"o mó$"l en  meses 

Enero DB
De+rero D5
@!rso 5F
A+r"l 5 FG 5I.GGGGGGH
@!%o 5 FB 5G.GGGGGGH
un"o 5G D 5
ul"o 5H  5.
A-os#o 5I G 5F.
Setem+re DB F5 5H
#u+re DB FF 5I.
No$"em+re D5 FI 5J.
3""em+re D G5 DB.

ii
ii99 Un pr
promed
omedio io m
móv
óvil
il p
pon
onde
derrad
ado
o de G m
mes
eses
es emp
emple
lean
ando
do.. 5, B
B.5
.5,, B.5,
B.5, B.D
B.D,,
B.D y B., con las ponderaciones m*s altas a los meses m*s recientes.

iv9 %uavi(a miento e&ponencial con a C B. y un pronósco para sepembre de

5I.
%ea el cuadro#

  mes $en#!s pronosto

Enero DB
De+rero D5
@!rso 5F
A+r"l 5
@!%o 5
un"o 5G
ul"o 5H
A-os#o 5I
Setem+re DB 5I.G
#u+re DB 5J.BD
No$"em+re D5 5J.G5
3""em+re D DB.GDJI

v9 Una proyección de tendencia.

c9 on los datos

datos proporciona
proporcionados,
dos, 7)ué método
método le permi
permir!a
r!a elaborar
elaborar el pronósc
pronósco
o
 

de ventas para el pró&imo mes de mar(o

 El su!$"0!
su!$"0! m"en
m"en#o
#o po#en"!l.

. L!s #emper!#ur!s m&"m!s d"!r"!s en S!"n# Lou"s dur!n#e l! Fltm! sem!n! ,ueron
l!s s"-u"en#es: =7 =27 =7 =47 =67 7 => !%erH.

a9 :ronos)ue
:ronos)ue la ttempera
emperatura
tura m*&ima
m*&ima para
para hoy usando un promedio móvil de  d!as.
3;!s #emper!#ur! promed"o mó$"l en  d;!s
L J
= J
= J
O JG DIB J.
/ II DI J.
% JB DHH JD.
- DH =1.

La temperatura pronoscada es J5..

b9 :ronos)u
:ronos)uee la te
tempera
mperatura
tura m*&ima
m*&ima para
para hoy usando
usando un promedio
promedio móvil de D d!as.
3;!s #emper!#ur! promed"o mó$"l en ( d;!s (
L J
= J
= J 5IH J.F
O JG 5IH J.F
/ II 5IJ J.F
% JB 5I JD
- 5HI =

La temperatura de pronoscada en dos d!as IJ.

c9 alcule
alcule la desviac
desviación
ión absolut
absolutaa media con base
base en un promedi
promedio
o móvil de D d!as.
d!as.

3;!s #emper!#ur! promed"o mó$"l en ( des$"!"ón

d;!s !+solu#! med"!
L J
= J
= J J.F B.F
O JG J.F D.F
/ II J.F G.F
% JB JD D
- = 11.4
(.84
 

d9 alc
alcule
ule el error
error cuadr*
cuadr*co
co medio
medio para un promed
promedio
io móvil de D d!a
d!as.
s.

3;!s #!emper!#ur pr
prom
omed
d;!s ed"o
"o mó$"
mó$"ll en ( des$"!"ón
med"! !+solu#! error
u!dr&to
L J
= J
= J J.F B.F B.DF
O JG J.F D.F G.DF
/ II J.F G.F D.DF
% JB JD D 
- = 11.4 FD.HF
(.84 1.184

e9 alcule
alcule el error
error porcent
porcentual
ual abso
absoluto
luto medio
medio para el pro
promedi
medio
o móvil de D d!as.

3;!s #emper!#ur pr
prom
omed
ed"o
"o mó$"
mó$"ll en ( des$"!"ón !+solu#! error
! d;!s med"! poren#u!l
L J
= J
= J J.F B.F B.FHGBJ
O JG J.F D.F D.GB5GGGGH
/ II J.F G.F H.IGGGG
% JB JD D D.DDDDDDDDD
- = 11.4 5D.HFBIGJ
(.84 .184=68
 

2. A ontnu!"ón se presen#!n dos pronóstos sem!n!les re!l"0!dos med"!n#e dos

mé#odos d",eren#es p!r! el nFmero de -!lones de -!sol"n!7 en m"les7 dem!nd!do en
un! -!sol"ner! lo!l. T!m+"én
T!m+"én se mues#r!n los n"$eles re!les de dem!nd!7 en m"les de
-!lones:

Pronóstos
Sem!n! @é#odo 1 @é#odo ( 3em!nd! re!l
5 B.JB B.IB B,HB
D 5.BF 5.DB 5.BB
 B.JF B.JB 5.BB
 5.DB 5.55 5.BB
 

7u*les son los valores de la =@- y el =%E para cada método

%ea el cuadro#

sem!n! @é#odo 1 3em!nd! re!l EPA

5 B.J B.H B.D

D 5.BF 5 B.BF
 B.JF 5 QB.BF
 5.D 5 B.D
  >.= >.8 >.2

-onde#

=@-# B.NCB.5B

sem!n! @é#odo 1 3em!nd! re!l EPA

5 B.I B.H B.5

D
 5
B..D
J 5
5 B.D
QB.5
 5.55 5 B.55
  >.1
-onde#
=@-# B.5NCB.HH

Kbservando los dos métodos de =@- para estos métodos podemos observar )ue de
los métodos el )ue ene menor =@- es el método D por lo tanto es el m*s adecuado.

4. 9ons"dere los s"-u"en#es n"$eles de l! dem!nd! re!l A #H % pronost!d!

pronost!d! D H p!r! un
t 

produ#o:

Per"odo de tempo 3em!nd! re!l 3em!nd! pronost!d!

# A1 D#
5 FB FB
D D FB
 FG I
 G FB
F

El primer pronósco, 4 t, se obtuvo observando @ 5  y estableciendo 4 5  i"ual a @5. Los

pronóscos
pronósc os subsecuentes
subsecuentes se obtuvieron mediante suavi(amiento
suavi(amiento e&ponencial.
e&ponencial. Usando
el método
método de sua
suavi(a
vi(amien
miento
to e&p
e&ponenc
onencial,
ial, encuent
encuentre
re el pronósc
pronóscoo para
para el )uinto
)uinto
periodo. 8%u"erencia# :rimero es necesario encontrar la constante de suavi(amiento,
?9.
 

EJEMPLO: Pronóstico con tendencia incluida

Suponga un inicio donde el valor de Ft es 100 unidades, una tendencia de
diez unidades, una alfa de 0!0 " una delta de 0#0 Si la de$anda real
resultara de 11%,
11%, en lugar de las 100 del pronóstico, calcule el pronóstico
pr onóstico
para el per&odo entrante
Solución: Si se su$an el pronóstico inicial " la tendencia
ten dencia se tendr':

F()t * 1 + Ft * 1  )t * 1 + 100  10 + 110

La -t * 1 real est' dado por 11% Por lo tanto,
Ft + F()t*1  α.-t*1 / F()t * 1 + 110
110  0!.11%
0!.11% * 110
110+11
+1110
10 
)t + )t*1  αδ.-t*1 / F()t * 1 + 10
10 .0!. 0#.11% * 11
110+10#
0+10# 
F()t + Ft  )t + 1110  10#+ 1!1#
Si en lugar de 1!1#, la realidad resultara 1!0, la secuencia se repetir&a "
el pronóstico para el prói$o periodo ser&a:
Ft  1 + 1!1#  0!.1!0 / 1!1# + 1!102
)t  1 + 10#  .0!.0#.1!0 / 1!1# + 10!!
F()t  1 + 1!102  10!! + 1#1!3

6. oJ!rd Ke"ss7 prop"e#!r"o de un! tend! d"s#r"+u"dor! de "ns#rumen#os mus"!les7

ree *ue l! dem!nd! de #!m+ores +!<os puede es#!r rel!"on!d! on el nFmero de
!p!r""ones en #ele$"s"ón del popul!r -rupo de ro S#one Temple P"lo#s dur!n#e el
mes p!s!do. Ke"ss /! reop"l!do los d!#os *ue se mues#r!n en l! #!+l! s"-u"en#e:

3em!nd! de #!m+ores +!<os  G H F 5B H

Ap!r""ones en #ele$"s"ón
  H G I F
de Slone Temple P"lo#s

a9 2raf)ue
2raf)ue concon esto
estoss datos par
paraa saber si una ecuación
ecuación lineal
lineal podr!a describi
describirr la
relación )ue hay entre las apariciones en televisión del "rupo y la venta de
tambores bajos.
b9 Use el mét
método
odo de re"resión
re"resión por m!ni
m!nimos
mos cuadrad
cuadradosos para obtener
obtener una ecuación
ecuación
de pronósco.
c9 7u*l
7u*l ser!a su es
esmac
maciónión de las venta
ventass de tambores
tambores bajos
bajos si los %tone
%tone Rempl
Remplee
:ilots hubiesen aparecido nueve veces en televisión el mes anterior
d9 7u*
7u*les
les son el coefc
coefcient
ientee de correla
correlación
ción 8r9 y el coefcient
coefcientee de determi
determinaci
nación
ón
D
8r 9 para este modelo, y )ué si"nifcan
 

8. En el p!s!do7 l! d"s#r"+u"dor! Arup @u/er<ee $end"ó un promed"o de 17>>> ll!n#!s

r!d"!les !d! !?o. En los dos !?os !n#er"ores $end"ó (>> % (4>7 respet$!men#e7
dur!n#e el o#o?o7 4> % >> en "n$"erno7 14> % 164 en pr"m!$er!7 % >> % (4 en
$e
$er!
r!no.
no. 9on un! !mp!mpl"!
l"!"ón
"ón "mp
"mpor#
or#!n
!n#e
#e en puer#
puer#!7
!7 @u/er
@u/er<ee
<ee pr
pro%
o%e#
e#!! *ue l!s
$e
$en#
n#!s
!s se "n
"nre
remen
men#!r
#!r&n
&n el pr
pró
ó"mo
"mo !?o ! 17(>>
17(>> ll!n#!s
ll!n#!s r!
r!d"!
d"!les
les.. ¿9u&l
¿9u&l ser
ser&& l!
dem!nd! en !d! es#!"ón'
%olución#

-emanda promedio invierno# DBBMDFBND CDDF

-emanda promedio primavera# FBMBBNDCDF
-emanda promedio verano#
verano# 5FBM5GFND C 5
5FI
FI
-emanda promedio oto+o# BBMDIFND C DJD

-emanda promedio estacional#

estacional# 5BBBN C DFB

demanda demanda -emanda -emanda Sndice

promedio promedio estacional
para el estacional
periodo
Estación @+o 5 @+o D
;nvierno DBB DFB DDF DFB B.JB
:rimavera FB BB DF DFB 5.B
/erano 5FB 5GF 5FI DFB B.G
Kto+o BB DIF DJD DFB 5.5H
C 5BBB

-emanda promedio para el pró&imo

pró&imo a+o# 5DBBN C BB
-emanda para cada estación#
 ;nvierno# BB & B.JB C DHB

 :rimave
:rimavera#
/erano# ra#
BBBB & 5.B
& B.G C JB
C 5IJ
 Kto+o# BB & 5.5H C F5

. Br"!n Bule% /! des!rroll!do el s"-u"en#e modelo de pronósto:

pronósto:

 C G M .&

donde C demanda de aires acondicionados @(tec y

& C la temperatura e&terior 8T49

a9 :ronos)ue la demanda de @(tec cuando la temperatura es de HBT4.

HBT4.
b9 7u*l es la demanda cuando la temperatura es de IBT4
 

c9 7u*l es la demanda cuando la tempera

temperatura
tura es de JBT4

=. Sund!r B!l!r"s/n!n7 -eren#e -ener!l de Pre"s"ón En-"neer"n- 9orpor!ton PE9H7

ree *ue los ser$""os de "n-en"er;! de l!s empres!s de ons#ru"ón de !rre#er!s
*ue on#r!#!n
on#r!#!n ! su omp!?;! se rel!"on!n d"re#!men#
d"re#!men#e
e on el $olumen de ne-o"os
de ons#ru"ón
-eo-r&)!. de !rre#er!s
Se pre-un#! *ue on#r!#!
s" re!lmen#e ! l!s
es de es#! omp!?;!s
,orm!7 u+"!d!s
% s" lo es7 en su &re!
¿le !%ud!r;! es#!
"n,orm
"n,orm!"
!"ón
ón ! pl!ne!
pl!ne!rr me<or
me<or sus opeoper!
r!"o
"ones
nes prprono
onost
st!n
!ndo
do l! !ntd!
!ntd!d d de sus
ser$
ser$"
""o
"oss de "n-e
"n-en"
n"er
er;!
;! re
re*u
*uer
er"do
"doss po
porr l!s
l!s empr
empreses!s
!s de ons
ons#r#ru
u"
"ón
ón en !d!
!d!
#r"mes#re del !?o' En l! #!+l! s"-u"en#e se presen#!n los d!#os de $en#!s de sus
ser$""os % mon#os #o#!les de los on#r!#os de ons#ru"ón de !rre#er!s de los
Fltmos  #r"mes#res:

Tr"mes#re 1 (  2 4 6 8 
/entas de servicios de I 5B 5F J 5D 5 5D 5G
:E 8en miles de dólares9
ontratos frmados 5F 5HD 5H 5HI 5IF 5JJ DBF DDG
8en miles de dólares9

a9 Usando
Usando estos
estos dat
datos,
os, desarrol
desarrolle
le una ecuació
ecuaciónn de re"resió
re"resión
n para predec
predecir
ir el niv
nivel
el de
demanda de los servicios de :E.
b9 -et
-etermi
ermine
ne el coefcie
coefcient
ntee de corr
correlac
elación
ión y el error
error est*nda
est*ndarr de la esmación.
esmación.

PRBLE@AS

5. Las venta
ventass del popular <eetle
<eetle de /ols
/olsVa"
Va"enen 8/W9 han crecido
crecido de manera
manera estable
estable
duran
durante
te los 0lmos
0lmos F a+os
a+os en los esesta
table
blecim
cimien
iento
toss de Pev
Pevada
ada 8v
8vea
ea la ta
tabla
bla
si"uiente9. El "erente de ventas pronoscó en DBBD )ue las ventas de DBB ser!an
de 5B /W. Use suavi(aQmiento e&ponencial con una ponderación a C .B para
desarrollarr los pronóscos de DBB a DBBI.
desarrolla

@no /entas :ronósco

DBB FB 5B
DBB JF
DBBF F5I
DBBG FG
DBBH FI
DBBI 
 

Rarea de diaposiva#
@ connuación se desarrollar* un ejemplo )ue permir* visuali(ar cómo se determinan
las tresPX
R@<L@ (onas 8@Q<Q9
5# Datos en un inventario
inventario constuido por DB ar>culos#
a obtener del inventario

@rt. PT onsumo anual 8Y9 osto unitario

5 FBB B.F
D FBBB B.HF
 5FBB 5.D
 FBB 5.DF
F BBB D
G GBBB D
H 5HH 
I HBBB F
J 5FBB I
5B 5JFD I
55 GBBB 5B
5D 5BBBB 5B.F
5 GBBB 5.G
5 BGB 5
5F 5DG 5F
5G DBBB 5F
5H GFBB DI
5I HBBB B
5J JBB 5

#olución$
. Para este ejemplo, como tenemos un inventario constituido por %& artículos, cada artículo
representa el '( dentro del total )*&&(+ %& art. '(-

#e debe determinar la participación monetaria de cada artículo en el valor total del inventario.
Para ello se debe construir una tabla )ver tabla %- de acuerdo a lo siguiente$

/olumna n0 *$ /orresponde al n0 de artículo.

/olumna
/olum na n0 %$ Lo
Loss po
porce
rcenta
ntaje
jes
s de par
partic
ticipa
ipació
ción
n de cad
cada
a ar
artíc
tículo
ulo en la can
cantid
tidad
ad tot
total
al de
artículos. Para nuestro ejemplo, como tenemos un inventario constituido
constituido por %& artículos, cada
artículo representa el '( dentro del total )*&&(+ %& art. '(-
 

/olumna n0 $ 1epresenta la valorización de cada artículo. Para obtenerla, multiplicamos su

precio unitario por su consumo. 2l pie de la columna obtenemos el valor de nuestro inventario
de los %& artículos.

/olumna n0 3$ 4os muestra el ( que representa cada una de las valorizaciones en el valor total
del inventario.

%. 25ora se deben reordenar las columnas * y 3, tomando las participaciones de cada artículo
en sentido decreciente, lo que dar6 origen a la tabla 3.

7abla 3. Determinación de la participación monetaria de cada artículo en el valor total de

inventario.

. 7razado de la gr6fica y determinación de zonas 28/.

 

 2 partir
partir de los datos de la tabla % y la gr6fica se puede
puede observar que
que unos pocos artículos
artículos son
los de mayor valorización. #i solo se controlaran estrictamente los tres primeros, se estaría
controlando apro!imadamente el 9&( del valor del inventario.

 2signamos la zona 2 para estos artículos. /ontrolan

/ontrolandodo tambi"n los art. , 9 y **, se estaría
controlando, en forma apro!imada, el :%( del valor del inventario.
);ona 8-

#e ve claramente en la gr6fica que el *'( del inventario justifica el 9&( del valor, mientras que
el &( del mismo justifica el :%( de dic5o valor< a su vez, el =&( del inventario justifica el *:(
del valor. #i se tiene en cuenta los costos de mantenimiento y de control de estos ltimos, se
llega a la conclusión que no es necesario controlarlos estrictamente, ya que son de poca
valorización, y que debe mantenerse el mínimo stoc> posible de los mismos.

La asignación de las zonas 2, 8 y / en la gr6fica que estamos analizando se realizó en función

dell alt
de alto
o ( de valvalor
oriza
izació
ción
n de los tre
tres
s pr
prime
imero
ros
s art
artícu
ículos
los )%)%',3
',3=(,
=(, *:.
*:.''(
''( y *9 *9.&:
.&:(,
(,
respectivamente-, sin embargo, las zonas pueden asignarse de forma diferente, por ejemplo,
incluyendo en la zona 2 los seis primeros artículos, que representan alrededor del :&( del
valor del inventario, en la zona 8 los siguientes tres artículos, y los restantes en la zona /. De
esta forma, controlando el &( del inventario )zona 2- se estaría controlando apro!imadamente
el :&( del valor del mismo.
 

?bservando las zonas 2 y 8 de la gr6fica que se da a continuación, se puede ver que el 3'(
del inventario justifica alrededor del @&( de su valor y que el ''( del inventario justifica,
apro!imadamente, el *&( del mismo valor 

 
UNIVERSIDAD NACIONAL DE SAN
ANTONIO ABAD DEL CUSCO

FACULT
ACULTAD DE INGENIERÍA
INGENIERÍA DE PROCESOS
PROCESOS

ESCUELA PROFESIONAL DE INGENIERIA QUÍMICA

Ingeniería de prod!!i"n

ALUMNO# RUD$ TTITO TTITO

 

CUSCO'PERU
()*+