TRABAJO DE

CAMPO FINAL
Trabajo Final, Elaborar el Pronóstico de demanda con Método
de variación Estacional

Autores:

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W;

Inga Bruno G.

Curso:

Gestión Táctica de Operaciones

Docente:

Mg. Juan Alejandro Ortega Saco

May.-22
 TRABAJO DE CAMPO FINAL

Contenido

Contenido ........................................................................................................................... 1

Introducción ....................................................................................................................... 2

I. Variación Estacional .................................................................................................... 3

1.1. Desarrollo del Pronóstico de Demanda ............................................................... 3

1.2. Interpretación .................................................................................................... 8

Conclusiones .................................................................................................................... 10

Bibliografía ...................................................................................................................... 11

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 1
 TRABAJO DE CAMPO FINAL

Introducción

La forma más utilizada para el análisis de las tendencias futuras es realizar

pronósticos, la función de un pronóstico de variación estacional, o estacionaria cíclica

permite hallar el valor esperado o pronostico cuando existen fluctuaciones periódicas de

la serie de tiempos, esto generalmente como resultado de la influencia de fenómenos de

naturaleza económica, como, por ejemplo: Las temporadas de ventas. Ahora bien, el

modelo de variación estacional en su forma más simple no considera la posibilidad de

que dicho comportamiento estacional de la demanda, también se vea afectada por una

tendencia creciente o decreciente.

Además, la variación estacional es aquella que tiene un patrón regular

durante el mismo periodo de tiempo. Por lo general, el margen de tiempo puede ser de un

año, y los periodos pueden ser semanas o meses, el enfoque más sencillo para pronosticar

series estacionales se basa en los factores estacionales multiplicativos es un número que

indica el valor relativo de una serie en cualquier periodo comparado con el valor promedio

a lo largo de un año.

El presente trabajo se realizó con la finalidad de conocer el modelo de variación

estacional siendo una herramienta importante para toda organización siendo uno de los

aspectos relevantes de gestión asociados con el clima de los negocios, ya que por medio

de ellos se puede tener mejores conocimientos sobre un tema en particular. Cabe resaltar,

dentro del desarrollo de este trabajo podemos llegar a observar los conceptos de variación

estacional y otros temas de interés.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 2
 TRABAJO DE CAMPO FINAL

I. Variación Estacional

El modelo de variación estacional, estacionaria o cíclica permite hallar el valor

esperado o pronóstico cuándo existen fluctuaciones (movimientos ascendentes y

descendentes de la variable) periódicas de la serie de tiempo, esto generalmente como

resultante de la influencia de fenómenos de naturaleza económica. “El componente

estacional se estima mediante un índice estacional, para calcular las observaciones de la

serie histórica se expresan como un promedio móvil centrado de acuerdo con el número

de periodos en el ciclo estacional” (Montemayor, 2013, p. 92). Estos ciclos corresponden

a los movimientos en una serie de tiempo, que ocurren año tras año en los mismos meses

o períodos del año y relativamente con la misma intensidad.

Si el comportamiento histórico de la demanda de un producto tiene un marcado

comportamiento estacional una alternativa de pronóstico a evaluar es aquel que utiliza de

forma exclusiva los índices estacionales (también conocido como factores estacionales o

variación estacional). El modelo de variación estacional es un modelo óptimo para

patrones de demanda sin tendencia y que presenten un comportamiento cíclico, por

ejemplo, la demanda de artículos escolares, la cual tiene un comportamiento cíclico de

conformidad con el calendario escolar.

1.1. Desarrollo del Pronóstico de Demanda

A continuación, un ejemplo que permite observar su utilización: La empresa de

softwares Megasoft tiene disponibles los datos de ventas de notebooks de los últimos 2

años, divididos en 8 trimestres. Si la demanda esperada para el próximo año es de 2.000

notebooks, estime la demanda para los próximos 4 trimestres llevando en cuenta el factor

estacionalidad.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 3
 TRABAJO DE CAMPO FINAL

Tabla 1

Datos de demanda de notebooks

Trimestre Demanda Trimestre Trimestre

1 300 5 416

2 540 6 760

3 885 7 1191

4 580 8 760

Nota. Representa los datos de ventas de notebooks de 2 años

1.1.1. Pronóstico de Demanda Trimestral

Tabla 2

Datos de intersección y pendiente

Intersección 361.00

Pendiente 70.67

Nota. Representa datos de los cálculos de intersección y pendiente.

Tabla 3

Datos de demanda de notebooks

Pronostico Pronostico
Periodo Año Trimestre Demanda Regresion Indice Estacional Estacionalidad
Lineal con Tendencia
1 Trimestre 1 300 431.67 0.53 228

2 2020 Trimestre 2 540 502.33 0.96 481

3 Trimestre 3 885 573.00 1.53 876

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 4
 TRABAJO DE CAMPO FINAL

4 Trimestre 4 580 643.67 0.99 635

5 Trimestre 1 416 714.33 0.53 377

6 Trimestre 2 760 785.00 0.96 751

2021
7 Trimestre 3 1191 855.67 1.53 1308

8 Trimestre 4 760 926.33 0.99 914

9 Trimestre 1 997.00 0.53 526

10 Trimestre 2 1067.67 0.96 1022

2022
11 Trimestre 3 1138.33 1.53 1740

12 Trimestre 4 1209.00 0.99 1193

Nota. Representa cálculo de datos de la demanda de los próximos cuatro trimestres.

Figura 1

Grafico de proyeccion

Pronostico Estacionalidad
2000
1800
1600
1400
1200
1000
800
600
400
200
0
Trimestre 1

Trimestre 1

Trimestre 1
Trimestre 2

Trimestre 3

Trimestre 4

Trimestre 2

Trimestre 3

Trimestre 4

Trimestre 2

Trimestre 3

Trimestre 4

2020 2021 2022

Demanda Pronostico Regresion Lineal

Indice Estacional Pronostico Estacionalidad con Tendencia

Nota. Representa proyección de ventas de los siguientes cuatro trimestres para el año

2022.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 5
 TRABAJO DE CAMPO FINAL

1.1.2. Pronóstico de Demanda Mensual

Tabla 4

Datos de intersección y pendiente

Intersección 127.55

Pendiente 7.74

Nota. Representa datos de los cálculos de intersección y pendiente.

Tabla 5

Datos de demanda de notebooks

Pronostico
Pronostico
Indice Estacionalidad
Periodo Año Trimestre Demanda Regresion
Estacional con
Lineal
Tendencia
1 Ene 100 137.29 0.50 68

2 Feb 100 145.04 0.50 72

3 Mar 100 152.78 0.50 76

4 Abr 180 160.52 0.91 145

5 May 180 168.26 0.91 152

6 Jun 180 176.01 0.91 159

2020
7 Jul 295 183.75 1.45 266

8 Ago 295 191.49 1.45 277

9 Set 295 199.23 1.45 288

10 Oct 193 206.98 0.93 193

11 Nov 193 214.72 0.81 173

12 Dic 193 222.46 0.81 180

13 Ene 139 230.20 0.50 115

2021
14 Feb 139 237.95 0.50 119

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 6
 TRABAJO DE CAMPO FINAL

15 Mar 139 245.69 0.50 122

16 Abr 253 253.43 0.91 229

17 May 253 261.18 0.91 236

18 Jun 253 268.92 0.91 243

19 Jul 397 276.66 1.45 400

20 Ago 397 284.40 1.45 411

21 Set 397 292.15 1.45 422

22 Oct 253 299.89 0.93 280

23 Nov 253 307.63 0.81 248

24 Dic 253 315.37 0.81 255

25 Ene 323.12 0.50 161

26 Feb 330.86 0.50 165

27 Mar 338.60 0.50 169

28 Abr 346.34 0.91 314

29 May 354.09 0.91 321

30 Jun 361.83 0.91 328

2022
31 Jul 369.57 1.45 534

32 Ago 377.31 1.45 545

33 Set 385.06 1.45 557

34 Oct 392.80 0.93 366

35 Nov 400.54 0.81 324

36 Dic 408.28 0.81 330

Nota. Representa cálculo de datos de la demanda mensual del año 2022.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 7
 TRABAJO DE CAMPO FINAL

Figura 4

Grafico de proyeccion

Pronostico Estacionalidad
600

500

400

300

200

100

0
Ene Mar May Jul Set Nov Ene Mar May Jul Set Nov Ene Mar May Jul Set Nov
2020 2021 2022

Demanda Pronostico Regresion Lineal

Indice Estacional Pronostico Estacionalidad con Tendencia

Nota. Representa proyección de ventas de los siguientes meses del año 2022.

1.2. Interpretación

Según los cálculos de demanda de los notebooks por el Pronóstico Estacionalidad

con Tendencia nos muestran las cantidades en unidades que se venderán en siguientes

cuatro trimestres a su vez se realizaron de manera mensual teniendo una variación en

Pronostico Estacionalidad con Tendencia con una diferencia de 368 unidades que serán

vendidos en el 2022.

Tabla 6

Cantidad de notebooks

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 8
 TRABAJO DE CAMPO FINAL

Trimestre Demanda Trimestre Demanda Diferencia

1 526 1 495 31

2 1022 2 962 61

3 1740 3 1636 104

4 1193 4 1020 173

Total 4481 4112 368

Nota. Representa una comparación de proyección de ventas calculados en forma trimestral y

mensual

Además, podemos mencionar que la venta esta dimensionado de esta manera en

el Trimestre 1 está en 47.3 % por debajo del promedio de ventas, en el Trimestre 2 en 4.3

% por debajo del promedio de ventas, en el Trimestre 4 en 1.3 % por debajo del promedio

de ventas, mientras en el trimestre 3 está en 52.9 por encima del promedio de la venta.

Tabla 6

Cantidad de notebooks

Año Trimestre Índice Estacional %

Trimestre 1 0.527 52.70%

Trimestre 2 0.957 95.70%

2022
Trimestre 3 1.529 152.90%

Trimestre 4 0.987 98.70%

Nota. Representa proyección de ventas en porcentajes

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 9
 TRABAJO DE CAMPO FINAL

Conclusiones

Se concluye que en los próximos cuatro trimestres se llegaran a vender un total de

4481 unidades de notebooks, siendo 2481 notebooks más de lo esperado. Siendo un

método más factible para poder realizar pronósticos estacionarios como periodos o

trimestres, ya que fácilmente se determina el promedio estacional, índice estacional y el

pronóstico para los siguientes años.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 10
 TRABAJO DE CAMPO FINAL

Bibliografía

Huertas García,R. Domíngues Galcerán, R. (2015). Decisiones estratégicas para la dirección

de operaciones en empresas de servicio y turística. Barcelona, España: Universidad de
Barcelona.

Amaya, J. A. (Enero del 2010). Toma de Decisiones Gerenciales. Métodos Cuantitativos para la
administración. Bogota, D.C: Ecoe Ediciones.

Gallegos, E. M. (2005). Método de Pronóstico para Negocios . Monterrey, Mexico: Tecnológico

de Monterrey.

Ayala Chamorro A; Cubas Mondragón, D; Cherres Peche W; Inga Bruno G.

pág. 11