PRONÓSTICOS

PRESENTADO A:
NATALIA RODRIGUEZ SANCHEZ

PRESENTADO POR:
Manuel salvador arroyo florez

Planeación de la
producción

Facultad de
ingeniería

Corporación universitaria
iberoamericana.
2022
 INTRODUCCIÓN

los conceptos de los sistemas de métodos de pronósticos y sus aplicaciones hasta la

fecha han sido temas muy importantes puesto que su aplicación nos ahorra mucho
tiempo al momento de dar solución a un problema. Tanto para las personas como
para las empresas. los conceptos básicos de estos temas y algunas de sus
aplicaciones en ingeniería industrial no solo nos representan las situaciones en el
momento, también las del pasado y futuro por medio de una gráfica elaborada a
partir del problema planteado.
 JUSTIFICACIÓN

En el siguiente trabajo mostramos algunos temas con sus respectivas

investigaciones con la intención de aplicar y desarrollar técnicas de interpretación
analítica frente a estos temas de gran interés, logrando un conocimiento más
específico acerca de los conceptos básicos de los métodos de pronósticos y algunas
de sus aplicaciones en ingeniería industrial en temas matemáticos. Este es un gran
tema que tratamos a diario en nuestra comunidad o fuera de ella. Nos propusimos a
realizar la siguiente investigación con su repuesta y formula justificadas, apoyadas
por los diferentes recursos que nos brinda el educador, por medio de libros y
conocimientos previos referentes al tema.
 OBJETIVOS

General

Comprender diversos métodos de pronósticos y sus aplicaciones para la ejecución

de análisis de información arrojada de los procesos asociados a la producción de
bienes o servicios.

Específicos

Comprender los conceptos claves para la realización del taller propuesto

Explicar de forma coherentes los temas tratados en la investigación

Fomentar una grata actitud positiva para la solución de

los ...diferentes temas que se nos da en el ámbito del trabajo y
con explicaciones Coherentes
 Planeación de la producción

Taller

Actividad 1 - Pronósticos

1. ¿Cuál es la diferencia entre demanda dependiente e independiente?

RTA: Demanda Independiente es aquella que se genera a partir de decisiones ajenas
a la empresa, por ejemplo, la demanda de productos terminados acostumbra a ser
externa a la empresa en el sentido en que las decisiones de los clientes no son
controlables por la empresa (aunque sí pueden ser influidas). También se clasificaría
como demanda independiente la correspondiente a piezas de recambio.
Demanda Dependiente Es la que se genera a partir de decisiones tomadas por la
propia empresa, por ejemplo, aún si se pronostica una demanda de 100 coches para
el mes próximo (demanda independiente) la Dirección puede determinar fabricar 120
este mes, para lo que se precisaran 120 carburadores, 120 volantes, 600 ruedas…,
etc. La demanda de carburadores, volantes, ruedas es una demanda dependiente de
la decisión tomada por la propia empresa de fabricar 120 coches. Es importante esta
distinción, porque los métodos a usar en la gestión de stocks de un producto variarán
completamente según éste se halle sujeto a demanda dependiente o independiente.
Cuando la demanda es independiente se aplican métodos estadísticos de previsión de
esta demanda, generalmente basados en modelos que suponen una demanda
continua, pero cuando la demanda es dependiente se utiliza un sistema MRP
generado por una demanda discreta. El aplicar las técnicas clásicas de control de
inventarios a productos con demanda dependiente (como se hacía antes del MRP)
genera ciertos inconvenientes
Este tipo de demanda normalmente es una de varios tipos de demandas que deciden cuánto
producto fabricar. La demanda de cliente o demanda independiente es la demanda del
producto terminado, mientras que la demanda dependiente es la necesidad del fabricante de
conseguir las partes para construir el producto

2. A partir de esta guía, señale qué método usaría para:

a) La demanda de trajes de baño.

RTA: La demanda del traje de baño se podría pronosticar utilizando suavización exponen
exponencial. El horizonte de tiempo es corto, la complejidad del modelo y el costo es baja,
la exactitud del modelo es justa y los requisitos de datos son muy bajos.

b) La demanda de casas nuevas.

RTA: La demanda de casas nuevas puede pronosticarse con la regresión lineal. Los
horizontes temporales son largos, la complejidad del modelo es medianamente alta, la
precisión es alta y los requisitos de datos son también.
 c) Consumo de electricidad.

RTA: Regresión causal. Los modelos se pueden utilizar para prever el uso de energía
eléctrica. El horizonte temporal es largo y el modelo de complejidad es bastante alto, la
precisión y requerimientos del modelo son altos.

Ilustración: Guía para seleccionar un método de pronóstico apropiado.

Fuente: D’Alessio. (2004). Administración y dirección de la producción.

3.el método mínimo cuadrado trata de ajustar la recta de los datos que
minimizan la suma de los cuadrados de la distancia vertical entre cada punto
de datos y el punto correspondiente en la recta. Si se traza una recta a través
del área general de los puntos, la diferencia entre el punto y la recta es y-y
4. Explique el procedimiento para crear un pronóstico usando el método de
descomposición de la regresión por mínimos cuadrados.

RTA: Paso 1:

Se debe calcular el factor debe calcular el factor de estacionalidad, realizando un cociente entre el
valor pronosticado según el Promedio o Media Móvil Simple con n=12 y el valor real de la demanda.

Paso 2: Se calcula el factor de estacionalidad promedio para cada período. Este procedimiento se
facilita al trabajar con Tablas Dinámicas.

Paso3: Se ajusta cada factor promedio, multiplicándolo por el factor de estacionalidad K, calculado
de:

 Presentar ecuación en el grafico

 Presentar el valor R cuadrado en el grafico
Paso 4: Calcular la tendencia de la serie de tiempo ajustando los datos a una regresión lineal,
donde la n lineal, donde la variable dependiente corresponde a la demanda (Y) y la variable
independiente a los períodos (X).

Para este propósito se puede aplicar el procedimiento de forma muy sencilla en Excel a través de
las siguientes alternativas:

1. Hacer un Gráfico de Línea con los valores de la demanda real como se muestra en la
imagen a continuación: Luego sobre el gráfico de línea con el mouse o teclado seleccionar
con el botón derecho la opción “Agregar línea de tendencia”. Por defecto se ofrece la
alternativa de tendencia lineal (no modificar) y debemos seleccionar las siguientes
opciones. Una vez realizado lo anterior obtendremos el gráfico que muestra el ajuste de la
regresión y su ecuación.

Paso 5: Se calcula el factor cíclico de la serie histórica a partir de la siguiente expresión:

(𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑟 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) ∗ 100
𝑘=
∑ 𝐼𝑛𝑑𝑖𝑐𝑒𝑠 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑠
Paso 6: Determinar el factor cíclico promedio para cada período. En este paso al igual que en el
Paso 2 una Tabla Dinámica resulta de bastante ayuda. Una vez completado el Paso 6 estamos en
condiciones de realizar un pronóstico de demanda utilizando la fórmula:

𝑆(𝑡) = 𝑇(𝑡) ∗ 𝑌 ∗ 𝐶 + µ

Dónde:

 S= Valor pronosticado
 T= Factor de tendencia
 C= Componente cíclico
 Y= Componente estacional
 μ= Variación no sistemática

5.Dé algunas reglas simples que usaría para manejar la demanda del producto
de
una empresa (un ejemplo es “limitado al inventario disponible”).
RTA: Para satisfacer la demanda de un producto es necesario conocer el comportamiento
del consumidor o sus necesidades, de manera que se deben hacer estudios con este
objetivo y diseñar las estrategias de marketing en función a los objetivos que se
persiguen, esto es, satisfacer a los clientes para conseguir unos objetivos mayores dentro
de la empresa. Se debe estudiar el comportamiento del consumidor, el que consume,
compra o utiliza un producto o servicio, de manera que se sepa qué va a hacer, qué
quiere, qué necesita, qué compraría, qué desea y si este se encuentra o no satisfecho. El
consumidor debe ser el punto más importante a tener en cuenta en las estrategias de
marketing, sabiendo qué compra, quién compra, cómo lo compra, por qué compra,
cuándo compra, dónde compra, cuánto compra y cómo lo utiliza. cómo lo utiliza. En
función a esto se hacen los estudios pertinentes para conocer sus necesidades concretas
y la forma de satisfacerlas. Las necesidades pueden estar relacionadas con las
satisfacciones básicas, aunque también pueden tener que ver con satisfacciones más
específicas. Las necesidades también pueden ser concretas, inconcretas e irrealizables.
6. De la elección de un promedio móvil simple, promedio móvil ponderado,
suavización exponencial y análisis de regresión lineal, ¿qué técnicas de pronóstico
le parecería más precisa? ¿Por qué?

RTA: Probablemente la precisión de la técnica en cuestión podría depender del total de datos
registrados con anterioridad, pero al final podríamos considerar el método de regresión lineal
como

El más exacto, debido a que busca que todos los datos registrados antes se ajusten a una línea
central y a su vez se basa en una tendencia histórica de datos registrados.

7.Dé ejemplos que tengan una relación multiplicadora de la tendencia

estacional.

RTA: Lo más importante es indicar que una tendencia multiplicadora en la tendencia estacional,
implica que la tendencia no es una suma sobre la base original sino un porcentaje y por ende todo
crece en ese porcentaje. Es decir, la tendencia no es que aumente en 5 productos la cantidad
vendida, sino en un 5%, por ejemplo, lo que implica que, si en enero se vendían 100 productos y
en junio 200, la tendencia multiplicadora indicará que en enero se venderán 105 productos y en
junio 210.

Consumo de drogas las adiciones obligan las personas a consumir mas a medida
que pasa el tiempo Sobre población en pueblos y ciudades, de los hijos de
generaciones siguientes
8. ¿Cuál es la principal desventaja del pronóstico diario con análisis de regresión?

RTA: Su desventaja es que se basa solamente en el pasado y esta influenciado por los
hechos recientes, por lo cual si no se tiene los datos completos cuando el
monitoreo de estos es estacional izado no se va a poder pronosticar con exactitud,
es más trabajoso que los anteriores.
9. ¿Qué implicaciones tienen los errores de pronóstico en la búsqueda de modelos
de pronóstico estadístico muy complejos?
RTA: Los errores de pronóstico pueden causar confusión en un estudio complejo por
lo que los pronósticos y estimaciones pueden ser erróneas
10. ¿Las relaciones causales son potencialmente más útiles para qué componente
de una serie temporal?
RTA: Son potencialmente útiles para las variaciones aleatorias
 Conclusión:

Colocamos a prueba nuestras habilidades matemáticas haciendo énfasis en los

problemas y el trabajo cooperativo, sustentando los temas abordados y respuestas
de forma correcta y concreta. Además, aprendimos abarcar temas más teóricos
como son los conceptos básicos de los sistemas diversos de métodos de
pronósticos con el enfoque de sistemas y algunas de sus aplicaciones en
ingeniería industrial.
 Bibliografías:

Recursos de revisión básica: (Clic para abrir la bibliografía de la unidad .)

 Holguín Vidal, C. J. (2010). Capítulo 3. Pronósticos de demanda.

Fundamentos de control y gestión de inventarios. (pp. 63 -159). Programa
Editorial Universidad del Valle.
 Mora Gutiérrez L. A. (2007). Pronósticos de demanda e inventarios: métodos
futurísticos. AMG.

Recursos complementarios o de apoyo: (Clic para abrir la bibliografía de la

unidad .)

 Vargas Buenahora, H. A. (2014). Modelos de inventarios.