Universidad de San Carlos de Guatemala

Facultad de Ingeniería
Escuela de Mecánica Industrial
Área de Producción
Control de la Producción, sección B
Inga.: Rocío Medina

Investigación 1
Curvas para pronóstico de demanda estable

María del Pilar Estrada García 201602602

José Rodrigo Marroquin Tinti 201314483

Guatemala, 14 de agosto de 2020

 INTRODUCCION

Un pronostico de demanda se refiere a la estimación de las ventas de un producto

durante un determinado tiempo futuro, ya sea en cantidad de producto o de
unidades monetarias. Existen diferentes métodos para poder predecir las
cantidades de ventas como lo son: el método del último periodo, método
aritmético, método del promedio movió y sus variables. Estos métodos se utilizan
cuando se categoriza a familias de producto con una demanda estable, esto
quiere decir que la demanda sigue algún tipo de tendencia.
Se debe de considerar que los métodos para el calculo de pronostico de ventas
para familias estables, generan un tipo de error acumulado, por lo que se debe
considerar emplear el método que más sea factible para la empresa, este será el
que provea el menor error posible.
 OBJETIVOS

Objetivo General

 Evaluar la demanda del mercado para estimar ventas de un producto

durante un determinado periodo de tiempo.

Objetivos Específicos

1. Desarrollar las ecuaciones normales correspondientes al método y evaluar

la factibilidad de cumplimiento del plan de producción.

2. Obtener los datos que serán relevantes para hacer el pronóstico de

demanda

3. Ordenar los procesos productivos y bienes de una empresa.

 MARCO TEORICO

Pronósticos de demanda Ascendente / descendente.

Los modelos de Previsión Causal normalmente consideran diferentes variables
que están de alguna manera, correlacionadas con la cantidad que se va a
predecir, el resultado del pronóstico de la demanda es un pronóstico de ventas,
que suele abarcar un periodo de 1 año.
Algunos métodos para pronosticar la demanda. Una compañía puede pronosticar
las ventas mediante un método de “arriba abajo” descendente o de “abajo a arriba”
ascendente.
Si se utiliza el método de arriba abajo los administradores deben:
En el pronóstico de abajo a arriba, los administradores siguen un procedimiento de
dos pasos:
1. Hacer un pronóstico de las condiciones económicas generales.
2. Determinar el potencial de mercado de un producto.
3. Medir la participación del mercado que tiene la empresa o que proyecta
captar.
4. Pronosticar las ventas de su marca del producto.
En el pronóstico de abajo a arriba, los administradores siguen un procedimiento de
dos pasos:
1. Para hacer estimaciones de la demanda futura obtienen información de
segmentos del mercado o de las unidades organizacionales (vendedores o
sucursales) en la compañía.
2. Se incorporan estimaciones para obtener un pronóstico total.

 Curva de regresión lineal

Es un modelo matemático directo para describir las relaciones funcionales entre
dos o más variables (dependientes e independientes), una variable dependiente Y,
las variables independientes Xi y un término aleatorio ε. Si utilizamos un sistema
de coordenadas cartesianas para representar la distribución bidimensional,
obtendremos un conjunto de puntos conocido con el diagrama de dispersión, cuyo
análisis permite estudiar cualitativamente, la relación entre ambas variables. El
siguiente paso, es la determinación de la dependencia funcional entre las dos
variables x e y que mejor ajusta a la distribución bidimensional. Se denomina
regresión lineal cuando la función es lineal, es decir, requiere la determinación de
dos parámetros: la pendiente y la ordenada en el origen de la recta de regresión
Y =ax+ b
Supuestos del modelo de regresión lineal
Para poder crear un modelo de regresión lineal es necesario que se cumpla con
los siguientes supuestos:
 Que la relación entre los parámetros sea lineal.
 Que los errores en la medición de las variables explicativas sean
independientes entre sí.
 Que los errores tengan varianza constante.
 Que los errores tengan una esperanza matemática igual a cero.
 Que el error total sea la suma de todos los errores.
El coeficiente de correlación
Es otra técnica de estudiar la distribución bidimensional, que nos indica la
intensidad o grado de dependencia entre las variables X e Y. El numerador es el
producto de las desviaciones de los valores X e Y respecto de sus valores medios.
En el denominador tenemos las desviaciones cuadráticas medias de X y de Y.
El coeficiente de correlación puede valer cualquier número comprendido entre -1 y
+1.
 Cuando r=1, la correlación lineal es perfecta, directa.
 Cuando r=-1, la correlación lineal es perfecta, inversa
 Cuando r=0, no existe correlación alguna, independencia total de los
valores X e Y

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.

 Curva exponencial
Las funciones exponenciales tienen la forma f(x) = bx, donde b > 0 y b ≠ 1. Al igual
que cualquier expresión exponencial, b se llama base y x se llama exponente.
Esta función exponencial tiene una gráfica que se acerca mucho al eje x porque se
extiende a la izquierda (conforme x se vuelve más negativa), pero nunca toca el
eje x. Conocer la forma general de las funciones exponenciales es útil para
graficar ecuaciones o funciones exponenciales específicas.
Hacer una tabla de valores también es útil, porque puedes usar la tabla para
encontrar la curva de la gráfica con más precisión. Algo que recordar es que la
base tiene un exponente negativo, entonces tomas el recíproco de la base para
hacer el exponente positivo.

Observa que la forma es similar a la forma cuando b > 1, pero esta vez la gráfica
se acerca al eje x cuando x > 0, en lugar de x < 0. Esto es un decaimiento
exponencial. En lugar de que los valores de la función “crezcan” conforme
aumentan los valores de x, como sucedía antes, los valores de la función “decaen”
o disminuyen conforme los valores de x aumentan. Se acercan cada vez más a 0.
 Curva logarítmica
Las escalas logarítmicas se definen en función de las potencias de la cantidad
subyacente (base), o se tiene que estar de acuerdo en medir la cantidad en
unidades fijas.
Las bases de logaritmos más empleadas son 10 (base de los logaritmos
decimales) y el número e (base de los logaritmos naturales o neperianos).
Si la magnitud a representar no es una potencia entera de la base de logaritmos
empleada, para representar dicha medida en la escala logarítmica habrá que
añadirle una constante aditiva.
  Curvas polinómicas
Una curva polinomial es una expresión algebraica constituida por una suma finita
de productos entre variables (valores no determinados o desconocidos) y
constantes (números fijos llamados coeficientes), o bien una sola variable. Las
variables pueden tener exponentes de valores definidos naturales incluido el cero
y cuyo valor máximo se conocerá como grado del polinomio.
Es frecuente el término polinómico (ocasionalmente también el anglicismo
polinomial), como adjetivo, para designar cantidades que se pueden expresar
como polinomios de algún parámetro, como, por ejemplo: tiempo polinómico, etc.
Los polinomios son objetos muy utilizados en matemáticas y en ciencia. En la
práctica, son utilizados en cálculo y análisis matemático para aproximar cualquier
función derivable
 CONCLUSIONES

1. El pronóstico es una herramienta muy útil que estima el resultado que se

dará en el futuro tomando como referencia datos anteriores. Pronóstico de
demanda se puede calcular con distintas curvas, entre los cuales se puede
mencionar, curva de regresión lineal, curva exponencial curva logarítmica y
curva polinómica. Existen varios tipos de planificación de producción, las
cuales dependen de su uso y aplicación.

2. Es importante elaborar un modelo de pronóstico de producción basado en

métodos matemáticos, debido a la capacidad de obtener información de
meses anteriores para los productos de la línea de alto movimiento.

3. Se debe de realizar un ordenamiento adecuado dentro de la empresa

mediante un sistema de control de calidad, colocando puntos críticos de
control y evaluándolos mediante algún método numérico matemático, esto
hará que se optimicen dichos procesos y se reduzcan los peligros de
perdida.
 BIBLIOGRAFIA

 Dagnino, S. J. (2014). Regresión lineal. Rev. Chil. Anest, 43, 143-149.

 http://www.sc.ehu.es/sbweb/fisica/cursoJava/numerico/regresion/regresion.
htm#C%C3%B3digo%20fuente
 https://www.montereyinstitute.org/courses/DevelopmentalMath/TEXTGROU
P-15-19_RESOURCE/U18_L1_T1_text_final_es.html