TALLER ADMINISTRACION DE LA

PRODUCCION

INTEGRANTES

LEOANRDO JOSE ACEVEDO; JOSF

ZEPHIRN;FABIO ARTEAGA
 ejercicio 1

La demanda de audífonos para estereofónicos y reproductores de discos compactos

para trotadores ha llevado a Nina Industries a crecer casi 50% en el año pasado. El
número de trotadores sigue en aumento, así que Nina espera que la demanda también
se incremente, porque, hasta ahora, no se han promulgado leyes de seguridad que
impidan que los trotadores usen audífonos. La demanda de estéreos del año pasado fue
la siguiente:

a) Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la demanda de cada mes del
año entrante? Con una hoja de cálculo, siga el formato general de la ilustración 15.11. Compare sus resultados
con los obtenidos usando la función pronóstico de la hoja de cálculo

AÑO MES DEMANDA (Y) X 𝑋^2

Enero 4200 1 1
Febrero 4300 2 4
Marzo 4000 3 9
Abril 4400 4 16
Mayo 5000 5 25
Junio 4700 6 36
ANTERIOR
Julio 5300 7 49
Agosto 4900 8 64
Septiembre 5400 9 81
Octubre 5700 10 100
Noviembre 6300 11 121
Diciembre 6000 12 144
TOTAL 60200 78 650

DEMANDA HISTORICA
7000
6300
6000
6000 5700
5300 5400
5000 4900
5000 4700
4200 4300 4400
4000
4000
3000
2000
1000
0
er
o
er
o zo ril ay
o
ni
o li o to br
e
br
e
br
e
br
e
En br ar Ab M Ju Ju g os m tu m m
e M tie c
F A O vie cie
S ep No Di
 1000
0
er
o
er
o zo ril ay
o
ni
o li o to br
e
br
e
br
e
br
e
En br ar Ab M Ju Ju g os m tu m m
e M tie c
F A O vie cie
S ep No Di

b) ¿A partir de la evaluación del error de pronósticos y usando el análisis de variables tales como la desviación media absoluta
y la señal de rastreo determine que tan probable es que los resultados establecidos se cumplan?

Demanda Demanda
Mes Error Valor absoluto (ABS) (MAD)
real pronosticada

Enero 4200 6267 -2066.67 2066.67 2066.67

Febrero 4300 6459 -2158.97 2158.97 2112.82
Marzo 4000 6651 -2651.28 2651.28 2292.31
Abril 4400 6844 -2443.59 2443.59 2330.13
Mayo 5000 7036 -2035.90 2035.90 2271.28
Junio 4700 7228 -2528.21 2528.21 2314.10
Julio 5300 7421 -2120.51 2120.51 2286.45
Agosto 4900 7613 -2712.82 2712.82 2339.74
Septiembre 5400 7805 -2405.13 2405.13 2347.01
Octubre 5700 7997 -2297.44 2297.44 2342.05
Noviembre 6300 8190 -1889.74 1889.74 2300.93
Diciembre 6000 8382 -2382.05 2382.05 2307.69
PROMEDIO= -2307.69 2307.69 2275.93

PROBABILIDAD DE ÉXITO 33%

PROBABILIDAD DE FRACASO 67%
 Pronosticos
Función
por metodo
X.Y AÑO X pronostico
de minimos
de excel
cuadrados
4200 13 6267 6267
8600 14 6459 6459
12000 15 6651 6651
17600 16 6844 6844
25000 17 7036 7036 N
28200 18 7228 7228 b
FUTURO
37100 19 7421 7421 a
39200 20 7613 7613
48600 21 7805 7805
57000 22 7997 7997
69300 23 8190 8190
72000 24 8382 8382
418800

DEMANDA PRONOSTICADA POR METODO DE

6300
MINIMOS CUADRADO
6000
5700 9000
8382
8500 8190
7805 7997
8000 7613
7421
7500 7228
6844 7036
7000 6651
6459
6267
6500
6000
5500
e e e
br br br 5000
ctu m m
O vie cie er
o ro zo ril ay
o
ni
o li o to br
e
br
e
br
e
br
e
No Di En bre ar Ab Ju Ju os tu
F e M M Ag em Oc
vie
m
cie
m
pti Di
Se No
 6500
6000
5500
e e e
br br br 5000
ctu m m
O vie cie er
o ro zo ril ay
o
ni
o li o to br
e
br
e
br
e
br
e
No Di En bre ar Ab Ju Ju os tu
F e M M Ag em Oc
vie
m
cie
m
pti Di
Se No

desviación media absoluta

se cumplan?

INTERPRETACION

Señal de
rastreo

-1
-2 La probabilidad que se presente este
-3
comportamiento en el año entrante es
del 33%, una probabilidad baja, esto
-4 es causado por los valores negativos
-5 que superan los limites establecidos
-6 que son ±1 y ±4, donde hay datos que
-7
toman valores hasta de -12. Donde lo
esperado es que sean valores que
-8 oscilen entre el limite establecido.
-9
-10
-11
-12
-6.5
 12
192.307692
3766.66667

DE

8382
190

e e
br br
m em
ci
Di
 e e
br br
m em
ci
Di
 EJERCICIO 2

Tucson Machinery, Inc., fabrica máquinas controladas numéricamente, que se

venden a un precio promedio de 0.5 millones de dólares cada una. Las ventas
de estas máquinas durante los 2 años anteriores son:

2006 2007
CANTIDAD CANTIDAD
TRIMESTRE
(Unidades)
TRIMESTRE
(Unidades) VENTA
I 12 I 16
II 18 II 24 30
III 26 III 28
25
IV 16 IV 18
20

Cantidad (unidades)
18

15
12
10

0
I II
I II

B)

PROMEDIO PROMEDIO
AÑO TRIMESTRE PERIODO (x) VENTAS REALES
VENTAS ESTACIONAL

I 1 12 14 13.1666666666667
II 2 18 21 13.1666666666667
2006
III 3 26 27 13.1666666666667
IV 4 16 17 13.1666666666667
I 5 16 14 13.1666666666667
II 6 24 21 13.1666666666667
2007
III 7 28 27 13.1666666666667
IV 8 18 17 13.1666666666667
TOTAL 158 158 105.333333333333

c)

Y (15.143 +
AÑO TRIMESTRE PERIODO (x) S ESTACIONALIZAR
1.0238*x)
I 9 24.3572 1.06329113924 25.8987949367089

2008
 II 10 25.381 1.59493670886 40.4810886075949
2008
III 11 26.4048 2.05063291139 54.1465518987342
IV 12 27.4286 1.29113924051 35.4141417721519

INTERPRETACIÓN:

Basandose en el pronostico obtenido se

espera que en el año 2008 ; 1) En
primer trimestre se logre vender la
cantidad minina comparada con los otros
tres trimestres (26 unidades) .
2) En el segundo
trimestre se ve un incremento en la
tendencia positiva (40 unidades).
3) El tercer trimestre
es el mas alto de las ventas (54 unidades)
. 4)En el cuarto timestre
empieza el descenso de las ventas (35
unidades) .
 A)

VENTAS HISTORICAS: AÑO 2006 & 2007

30 28
26
25 24

20
Cantidad (unidades)

18 18
16 16
15
12
10

0
I II III IV
I II III IV
Trimestre

VENTAS
S (Indice VENTAS Y (15.143 +
ESTACIONALIZADAS
estacional) DESESTACIONALIZADAS 1.0238*x)
(PRONOSTICO)
1.0632911392 11.2857142857143 16.1668 17.1900151898734
1.5949367089 11.2857142857143 17.1906 27.4179189873418 a
2.0506329114 12.679012345679 18.2144 37.3510481012658 b
1.2911392405 12.3921568627451 19.2382 24.8391949367089
1.0632911392 15.047619047619 20.262 21.5444050632911
1.5949367089 15.047619047619 21.2858 33.9495037974684
2.0506329114 13.6543209876543 22.3096 45.7488
1.2911392405 13.9411764705882 23.3334 30.1266683544304

PRONOSTICO
(Unidades)
26
40
54
35

AÑO 2008
60
54
50
40
40 35
Unidades

30 26

20

10

0
9 10 11 12
Periodo

PRONOSTICO (Unidades)
18

15.1430
1.0238
 A continuación, se da la demanda tabulada actual de un artículo durante un period
EJERCICIO 3 quiere probar dos métodos de prueba para ver cuál r

A) Pronostique de abril a octubre haciendo uso de un promedio móvil simple con n=2; n=3
B) Pronostique de abril a octubre haciendo uso de promedio móvil ponderado con n=3 con ponderaciones w1=0,5; w2=0,
D)C)Evalué
Mediante suavización
el error exponencial
del pronóstico de las simple estime
técnicas las ventas
utilizadas de marzo
y determiné cuála es
octubre
la más
conveniente y por qué.

MES

ENERO
FEBRERO
MARZO
ABRIL
MAYO
VENTAS REALES JUNIO
JULIO
200 180
180 170
160 AGOSTO
160 150
130
140
130
140 SEPTIEMBRE
140
120 110 OCTUBRE
100
80
60
40
20
0
RO ZO IL O O LIO O E E
RO E R AY NI ST BR BR
E
BR AR AB M JU JU O M U
EN M AG IE T
FE PT OC
SE
GRAFICOS DE PRONOSTICOS

180
PROMEDIO MOVIL SIMPLE
160 165
170
160
N=2 180
PROMEDIO MOVIL SIMPLE
170 N
160 160
160 140 160 150
135 135
140 120 140 130
120 120
100 100
80 80
60 60
40 40
20 20
0 0
IL O O .. RE
O RO Z O R AY
IO LIO T E. RO RO Z O RI
L O
NI
O LIO O
ER E AR AB JU
N
JU OS TI B E E AR AB AY JU OS
T
EN BR M M G EP TU EN BR M JU P
FE A S OC
FE
M AG SE

SUAVIZACIÓN EXPONENCIAL 200

PROMEDIO MOVIL PONDERA
160 SIMPLE 152 N=3
156 161
172
156
150 150 136
150 145 146 145
141
140 134 100
130
130
120 50
110
IL E 0
R O RO Z O R AY
O
N IO LIO TO BR RE IL
NE BR
E AR AB M JU JU OS M UB RO E RO ZO R AY
O
NI
O LIO ST
O
E
FE
M AG IE
OC
T E
BR AR AB M JU JU O
PT EN M AG IE
SE FE PT
S E
 150 150 136
150 145 146 145
141
140 134 100
130
130
120 50
110
O O IL O E E 0
O IO LIO O
R
RE
R
AR
Z R AY N ST BR BR RO ZO IL O IO LIO TO
NE AB M JU JU O M U ER
O R AY N
E
FE
B M AG IE
OC
T
BR
E AR AB M JU JU OS
PT EN M G IE
SE FE A PT
S E

D
ERRORES DE PRONÓSTICO (promedio movil simple N=2)
MESES VENTAS REALES PRONÓSTICO ERROR ABS
ENERO 110
FEBRERO 130
MARZO 150 120 30 30
ABRIL 170 140 30 30
MAYO 160 160 0 0
JUNIO 180 165 15 15
JULIO 140 170 -30 30
AGOSTO 130 160 -30 30
SEPTIEMBRE 140 135 5 5
PROMEDIO 20 20

ERRORES DE PRONÓSTICO (promedio movil simple N=3)

MESES VENTAS REALES PRONÓSTICO ERROR ABS
ENERO 110
FEBRERO 130
MARZO 150
ABRIL 170 130 40 40
MAYO 160 150 10 10
JUNIO 180 160 20 20
JULIO 140 170 -30 30
AGOSTO 130 160 -30 30
SEPTIEMBRE 140 150 -10 10
ERROR 0 23.3333333

ERRORES DE PRONÓSTICO (promedio movil ponderado N=3)

MESES VENTAS REALES PRONÓSTICO ERROR ABS
ENERO 110
FEBRERO 130
MARZO 150
ABRIL 170 136 34 34
MAYO 160 156 4 4
JUNIO 180 161 19 19
JULIO 140 172 -32 32
AGOSTO 130 156 -26 26
SEPTIEMBRE 140 143 -3 3
ERROR -0.666666666667 19.6666667
 ERRORES DE PRONÓSTICO (SUAVIZACIÓN EXPONENCIAL SIMPLE)
MESES VENTAS REALES PRONÓSTICO ERROR ABS
ENERO 110
FEBRERO 130
MARZO 150 130 20 20
ABRIL 170 134 36 36
MAYO 160 141 19 19
JUNIO 180 145 35 35
JULIO 140 152 -12 12
AGOSTO 130 150 -20 20
SEPTIEMBRE 140 146 -6 6
ERROR 10.285714285714 21.1428571

INTERPRETACIÓN:

El error del pronostico para cada una de las tecnicas planteadas de evidenc
tecnica con mayor porcentaje de ocurrencia es la de suavizacion exponencia
que esta tecnica tiene una probabilidad de 86%. La señal de rastreo tambien
que las otras tecnicas.
un artículo durante un periodo de nueve meses (de enero a septiembre). Su supervisor
odos de prueba para ver cuál resultó mejor en el periodo

ponderaciones w1=0,5; w2=0,3 y w3= 0,2

marzo
né cuála es
octubre
la más
a) b)
PROMEDIO MOVIL PROMEDIO MOVIL PROMEDIO MOVIL
X VENTAS REALES
SIMPLE N=2 SIMPLE N=3 PONDERADO N=3
1 110
2 130
3 150 120
4 170 140 130 136
5 160 160 150 156
6 180 165 160 161
7 140 170 170 172
8 130 160 160 156
9 140 135 150 143
10 135 137 137

W1
PONDERACIONES W2
W3

N
Ft-1
At-1

O MOVIL SIMPLE
170 N=3
160 160
150 150
130 137

IL O IO IO O .. E
AY L T E. BR
UN JU OS TI
M J G EP TU
A S OC

O MOVIL PONDERADO
N=3
156 161
172
156
143
136 137

L E E
RI AY
O
NI
O LIO ST
O
BR BR
M JU JU O M T U
AG PT
IE
OC
S E
136 137

L O E E
RI AY N IO LIO ST
O
BR BR
M JU JU O M T U
AG PT
IE
OC
S E

ovil simple N=2)

MAD SR

30 1
30 2
20 3
18.75 4
21 2.1429
22.5 0.6667 MIXTO
20 1 F 14%
23.1785714 1.97278911564626 E 86%

ovil simple N=3)

MAD SR

40 1
25 2
23.3333333 3
25 1.6
26 0.3846 MIXTO
23.3333333 0 F 33%
27.1111111 1.33076923076923 E 67%

il ponderado N=3)
MAD SR

34 1
19 2
19 3
22.25 1.1236
23 -0.0435 MIXTO
19.6666667 -0.2034 F 33%
22.8194444 1.14612123570666 E 67%
PONENCIAL SIMPLE)
MAD SR

20 1
28 2
25 3
27.5 4
24.4 4.0164
23.6666667 3.2958 MIXTO
21.1428571 3.4054 F 14%
24.2442177 2.95965335655938 E 86%

s planteadas de evidencio que la

suavizacion exponencial simple ya
eñal de rastreo tambien es mayor
s.
c)
SUAVIZACIÓN
EXPONENCIAL SIMPLE

130
134
141
145
152
150
146
145

0.5
0.3
0.2

0.2
130
130
 EJERCICIO

Mark Price, nuevo gerente de producción de Speaker y Company, tiene que averiguar
qué variable afecta más la demanda de su línea de bocinas para estereofónicos. No está
seguro de que el precio unitario del producto o los efectos de mayor marketing sean los
principales impulsores de las ventas y quiere aplicar un análisis de regresión para
averiguar qué factor impulsa más la demanda de su mercado. La información pertinente
se recopiló en un extenso proyecto de marketing que se extendió a los últimos 10 años
y que se vació en los datos siguientes

VENTAS/ PUBLICIDAD
AÑO UNIDAD PRECIO/UNIDAD X1 (MILES DE
(MILLARES) Y DOLARES) X2
1996 400 280 600
1997 700 215 835
1998 900 211 1100
1999 1300 210 1400
2000 1150 215 1200
2001 1200 200 1300
2002 900 225 900
2003 1100 207 1100
2004 980 220 700
2005 1234 211 900
2006 925 227 700
2007 800 245 690

𝒀=𝑩_𝟎+𝑩_𝟏∗𝑿_𝟏+𝑩_𝟐∗𝑿_𝟐

a) Realice en Excel® un análisis de regresión basado en estos datos. Con sus

resultados, conteste las preguntas siguientes
Coeficientes
Intercepción 2191.33736222301
Variable X1 -6.90937992507974
Variable X2 0.325020440576497

b) Qué variable, el precio o la publicidad, tiene un mayor efecto en las ventas y cómo
se sabe?

Teniendo en cuenta el análisis de regresión que se realizó, el cual arrojó, que los coefientes para X1 es de -
6,90 y para X2 es de 0.325. Cabe resaltar que X1 corresponde al precio unitario del producto y X2 a la
publicidad. Esto indica que, por cada unidad de precio unitario que aumente se reduce -6,90 a las ventas, y
por cada unidad de publicidad que aumente, asimismo aumentarán 0,325 las ventas. También, se observa
en las graficas el comportamiento que tienen las ventas a medida que el valor de la publicidad aumenta,
también las ventas aumentan, pero también a medida que aumenta el precio, disminuyen las ventas, en
mayor proporción (-6,90). Además teniendo en cuenta las graficas en la que se observa el comportamiento
de cada variable con respecto a la ventas, se evidencia que el indique de correlación (R2) en la grafica del
precio vs ventas es mayor, al de la grafica de ventas vs publicidad, lo cual indica que existe mayor relación
entre el precio unitario y las ventas, aunque la relación es inversamente proporcional ya que mientras
aumente el precio las ventas disminuyen. En conclusión, la variable que tiene mayor efecto en las ventas e
el precio unitario del producto.
 c) Pronostique las ventas anuales promedio de bocinas de Speaker and Company basándose
regresión, si el precio fue de 300 dólares por unidad y el monto gastado en publicidad (en m

utilizamos la siguiente formula

𝒀=𝑩_𝟎+𝑩_𝟏∗𝑿_𝟏+𝑩_𝟐∗𝑿_𝟐

desarrollo

𝒀=𝟐𝟏𝟗𝟑,𝟑𝟒−𝟔.𝟗𝟎∗(𝟑𝟎𝟎)+𝟎,𝟑𝟐𝟓∗(𝟗𝟎𝟎)

𝒀=𝟒𝟓𝟓𝟔,𝟔𝟔
IO
GRAFICOS

VENTAS/PUBLICIDAD
1400 1400

1200 1200

1000 1000
Ventas/ Unidad

Ventas/ Unidad
800 800

600 600

400 400

200 200

0 0
500 600 700 800 900 1000 1100 1200 1300 1400 1500 190 200
Publicidad

n las ventas y cómo

efientes para X1 es de -
el producto y X2 a la
uce -6,90 a las ventas, y
as. También, se observa
a publicidad aumenta,
minuyen las ventas, en
erva el comportamiento
ón (R2) en la grafica del
e existe mayor relación
onal ya que mientras
r efecto en las ventas es
 nd Company basándose en los resultados de la
tado en publicidad (en miles) fue de 900 dólares.

X1= al precio unitario

variables X2= al monto gastando en publicidad
B0= corresponde a la intersección,

Pronostico de ventas
Y= 4556.66974

CONCLUSION

En conclusión, pronosticando las

ventas anuales promedio de bocinas
de Speaker and Company teniendo en
cuenta en los resultados de la
regresión, se puede decir que se
vendarán 4556 unidades, si el precio
es de 300 dólares por unidad y el valor
de la publicidad sea de 900 dólares.
GRAFICOS

VENTAS/PRECIO
1400

1200

1000
Ventas/ Unidad

800

600

400

200

0
190 200 210 220 230 240 250 260 270 280 290
Precio unidad
 a) Realice en Excel® un análisis de regresión basado en estos dato
conteste las preguntas siguientes.
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.854969139337787
Coeficiente de determinación R^2 0.730972229219997
R^2 ajustado 0.671188280157774
Error típico 146.623446705045
Observaciones 12

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 2 525718.333886996
Residuos 9 193485.916113004
Total 11 719204.25

Coeficientes Error típico

Intercepción 2191.33736222301 826.082598038759
Variable X 1 -6.90937992507974 2.91589072706125
Variable X 2 0.325020440576497 0.238512792680875

Análisis de los residuales

Observación Pronóstico para Y Residuos

1 451.72324754658 -51.7232475465802
2 977.21274621224 -277.21274621224
3 1090.98068266533 -190.980682665331
4 1195.39619476336 104.60380523664
5 1095.84520702266 54.1547929773383
6 1231.98794995651 -31.9879499565075
7 929.245275598915 -29.245275598915
8 1118.61820236565 -18.6182023656497
9 898.788087109014 81.2119128909857
10 1025.97659455003 208.023405449969
11 850.422427633456 74.5775723665439
12 722.803384576256 77.1966154237441
nálisis de regresión basado en estos datos. Con sus resultados,
conteste las preguntas siguientes.

VARIANZA
Promedio de los cuadrados F Valor crítico de F
262859.166943498 12.2268977 0.00271698354671208
21498.4351236671

Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0%

2.65268553946732 0.02635991 322.608696006679 4060.0660284393 322.60869600668
-2.36956064949776 0.04193915 -13.5055830192382 -0.3131768309213 -13.505583019238
1.36269605048551 0.2060985 -0.214532981805548 0.8645738629585 -0.2145329818055

Variable X 2 Curva de regresión ajustada

1400

1200

1000

800
Y

600

400

200

0
500 600 700 800 900 1000 1100 1200 1300 1400
Variable X 2
 Superior 95,0%
4060.06602844
-0.3131768309
0.86457386296

da Variable X 1 Curva de reg

1400

1200

1000

800
Y
Pronóstico para Y
Y

600

400

200

0
00 1300 1400 1500 190 200 210 220 230 240 250
Variable X 1
e X 1 Curva de regresión ajustada

Y
Pronóstico para Y

230 240 250 260 270 280 290

Variable X 1