Instituto Politécnico Nacional

(IPN)
Unidad Profesional Interdisciplinaria de Ingeniería y
Ciencias Sociales y Administrativas
(UPIICSA)

Unidad de Aprendizaje:
Pronósticos e inventarios

Profesor:
Arvizu Rivera Jose Luis

Secuencia:
3AV61

Nombre del Equipo:

Los Galacticos

Integrantes:
● García Laredo Iván
● Rosales Merino Leonardo Saúl
● Díaz Padrón Luis Abdiel
● García Martínez Luis Gerardo

Empresa:
Benotto
 Índice

Introducción
Actividad Empresarial acerca de la empresa de Benotto
Marco teórico de las Técnicas de Pronóstico basadas en Serie de Tiempo
Métodos de promedios móviles simples
- Promedio móvil simple
- Ejemplo promedio móvil simple
- Promedio móvil doble
- Ejemplo de promedio móvil doble
Atenuación Exponencial
- Atenuación exponencial simple
- Ejemplo de atenuación exponencial simple
-Atenuación exponencial doble
-Ejemplo de atenuación exponencial doble
Mínimos cuadrados
-Ejemplo de mínimos cuadrados
Caso práctico de Aplicación de las técnicas de Pronósticos Referidas
-Caso práctico Prom. móvil simple y doble
-Caso práctico de Aes y Aed
-Caso práctico mínimos cuadrados
Caso práctico Aes y Aed
Caso práctico Mínimos Cuadrados
Conclusión
Glosario
Bibliografía

1
 Introducción

Uno de los primeros pasos de cualquier proceso de planeación y presupuestación es la

elaboración de un buen pronóstico, principalmente de la demanda, de las ventas o de
variables financieras como los tipos de cambio, las tasas de interés, etc. De este
pronóstico depende la planeación de la producción, de las compras, de los
requerimientos de mano de obra, de los recursos financieros, etc., por lo que, sin lugar
a duda, se convierte en información muy valiosa y determinante para alcanzar las
metas de cualquier organización.

La elaboración del pronóstico puede ser simple o compleja, dependiendo de distintos

factores. Muchas veces la variable que se va a pronosticar es afectada por factores
cíclicos y estacionales, y otras veces influyen elementos de muy difícil previsión. En
cualquier caso la experiencia y el conocimiento experto son vitales, pero a veces esto no
es suficiente para la elaboración de un buen pronóstico.

El optimismo o pesimismo del planeador podrían afectar sus proyecciones, por lo que
resulta de gran utilidad el empleo de técnicas que permiten medir la tendencia, la
estacionalidad, entre otros. El uso de estas técnicas junto con la experiencia y grado de
conocimiento del planeador, le pueden llevar a lograr mejores pronósticos, con los cuales
podrá realizar una correcta planeación de las actividades empresariales.

Este trabajo pretende brindar conocimientos básicos en la elaboración de pronósticos

que sean útiles como premisas del proceso de planeación de cualquier organización.

Como principales destrezas y habilidades, permite desarrollar está el lograr la capacidad

de obtener la información necesaria para aplicar un método de pronóstico, la
identificación de patrones de comportamiento de los datos y la aplicación de diferentes
modelos de series de tiempo y algunos modelos causales.

2
 Actividad empresarial
Acerca de la empresa benotto

BENOTTO fue creada en 1931 por Giacinto Benotto, un joven corredor de 24 años, en
Torino, Italia. Al poco tiempo producía 500 bicicletas diarias, un número récord para los
años 30.

Giacinto fue el segundo de una familia de ocho hermanos, hijo de campesinos

cultivadores de uva, como sucedía comúnmente en esa época, tuvo que dejar la
escuela en la primaria para ayudar a sus padres en las labores del campo.

Apasionado por el ciclismo desde pequeño, cuando tenía 11 años, su mamá, con
mucho sacrificio, le regaló una bicicleta que compró por 100 liras y a los pocos años
empezó a participar en competencias amateur.

Después de 20 años, el Sr. Benotto en compañía de su esposa y sus hijas decide

probar nuevos horizontes en América. Es así como el 21 de agosto de 1952 llega a
Guadalajara, México; iniciando así una de las páginas más relevantes en la historia de
la industria de la bicicleta y del ciclismo mexicano.

En 1953 se va a la Ciudad de México donde decide radicar definitivamente para

continuar la labor de posicionamiento de una de las marcas de bicicletas más
reconocidas en el mundo entero. BENOTTO, ganadora de 11 campeonatos mundiales,
ha apoyado a cientos de corredores amateurs y profesionales, entre los que destacan:
Antonio Bevilacqua, Francesco Moser, Eddy Merckx, Greg Lemond, Ole Ritter, Gregor
Braun, Raúl Alcalá, Martín Rodriguez, Elia Frosio, Alfio Ferrari, Fabio Lana, Rebecca
Twigg, Silvio Martinello e Isabel León entre muchos otros.

Miles de profesionales en todo el mundo confían en la calidad y seguridad de las

Bicicletas, partes y accesorios BENOTTO.

Sin duda, la clave del éxito se basa en el empeño que BENOTTO pone en la calidad de
sus productos y en la búsqueda constante de innovaciones que le permita permanecer
siempre a la vanguardia dentro de la industria bicicletera mundial. Su catálogo de
productos es el más amplio en el mercado, cercano a los 100 modelos de bicicletas
para niños, jóvenes y adultos de Ruta, Montaña, Cross, Paseo y Trabajo.

3
Con planes para los próximos 10 años y todavía activo, en sus 40 kilómetros
dominicales en bicicleta, lo sorprendió un cáncer en la garganta y murió en tan solo
cinco meses el 29 de mayo de 1990, a los 83 años.

Giacinto había planificado con tiempo su sucesión. Había conseguido un socio con
gran capacidad de dirección y amplios conocimientos en el área administrativa y fiscal,
sabía que por las venas de su familia fluía su misma pasión por la marca Benotto: Lea,
su inseparable esposa, Bettina y Teresa, sus hijas, estaban suficientemente
capacitadas para continuar con la labor comercial y llevar la empresa por el camino
correcto.

Confió a su esposa la propiedad accionaria quien, llegado el momento, haría los

movimientos necesarios para transferirla a sus hijas con el fin de fortalecer el gobierno
corporativo y asegurar la continuidad de Bicicletas Benotto, empresa que después de
86 años de su fundación se sigue sustentando en el legado de Don Antonio Giacinto
Benotto Sachetto.

En la actualidad Bicicletas BENOTTO cuenta con una planta de ensamblaje que

produce cerca de medio millón de bicicletas al año y posee una red, en expansión, con
26 tiendas en el territorio Mexicano. Con más de 500 empleados que día a día ponen
su esfuerzo y dedicación en continuar la labor, sigue creciendo y cultivando éxitos
deportivos y empresariales, siempre comprometidos con el bienestar de sus clientes y
consumidores.

Misión

Ser la empresa líder en la industria de la bicicleta; asimismo desarrollar, fabricar e

innovar en medios de transporte no contaminantes como lo es la bicicleta con la mejor
tecnología, componentes y accesorios.

Lograr que la empresa sea considerada como punto de referencia de nuestros

competidores y la marca preferida del consumidor.

Garantizar la calidad de nuestros procesos y servicios para lograr una fuerte presencia
y el reconocimiento internacional de nuestras marcas y la amplia gama de productos.

Tener un equipo humano altamente profesional que goce de amplias posibilidades de

desarrollo.

4
Estar orgullosos de nuestro liderazgo y de nuestra constante contribución al deporte, a
la salud y a la ecología. Ser una fructífera alternativa para nuestros colaboradores,
inversionistas y socios comerciales.
Visión

Mantener el compromiso de la empresa que consiste en satisfacer las necesidades

humanas de transporte, recreación, deporte y salud. Ofrecer siempre productos y
servicios de calidad a nuestros clientes.

Contribuir al crecimiento integral de nuestro equipo humano, de nuestros inversionistas

y de nuestros socios comerciales.

Fomentar el desarrollo social generando empleo, bienestar y respeto al medio

ambiente.

Marco teórico de las Técnicas de Pronóstico basadas en Serie de

Tiempo
Promedio móvil simple
El método de Media Móvil Simple (o Promedio Móvil Simple) es un procedimiento de
cálculo sencillo que pertenece a la categoría de pronósticos de Series de Tiempo, es
decir, que utiliza información histórica del desempeño de la variable que se desea
pronosticar para poder generar un pronóstico de la misma a futuro. Es decir, se considera
válida la premisa que el pasado es de utilidad para predecir el futuro.

El escenario ideal para la utilización del método de Media Móvil Simple es cuando la
demanda real no presenta mayores variaciones de corto plazo, no presenta una
tendencia marcada e idealmente no presenta estacionalidades.

En este contexto, por ejemplo, se podría esperar que muchos productos alimenticios
presentan estas características (arroz, aceite, azúcar, etc) y por tanto su aplicación en
principio puede resultar adecuada.

La función matemática que permite obtener un pronóstico utilizando Media Móvil Simple
es:

5
Donde Ft es la demanda pronosticada para el período t y At la demanda real para el
período t. La constante o parámetro n determina el número de períodos a promediar.

Mientras mayor sea el valor de n el pronóstico suele presentar menor variabilidad y

aproximar una tendencia de la serie de tiempo. Por cierto, esto último no necesariamente
es mejor y por tanto se pueden utilizar distintos valores de n para efectos de evaluación
y luego comparar el desempeño.

Ejemplo de ejercicio

De acuerdo al promedio de ventas de bicis por semana dentro de una sucursal, se desea
pronosticar cuál es la mejor opción

Promedio móvil con n=2

El promedio móvil más simple que podemos obtener es con dos datos históricos, es
decir, n=2. No podemos pronosticar las ventas de la semana 1 ni las ventas de la semana
2 porque no tenemos dos datos anteriores en ninguno de los dos casos. Debemos
comenzar con el pronóstico F3 de la semana 3 utilizando los datos históricos D1 y D2.
correspondientes a las ventas de la semana 1 y semana 2.

, ETC

Promedio móvil con n=3

En este caso no podemos pronosticar las ventas de las semanas 1, 2 y 3, ya que

necesitamos 3 datos históricos para hacerlo. El primer pronóstico que podemos realizar
es el correspondiente a la semana 4.

, ETC

Promedio móvil con n=4

El primer pronóstico que podemos realizar es el correspondiente a la semana 5, ya que

necesitamos 4 datos históricos para el pronóstico.

6
 , ETC

De ahí sacamos la suma de cada columna de n=2, n=3 y n=4

Suma n=2 : 758

Suma n=3: 701

Suma n=4: 598

En base a esta técnica podemos observar que en conclusión el mejor pronóstico es de

n=4 que dio 598 unidades, es menor con respecto a los otros datos. En conclusión, el
promedio móvil simple es una herramienta útil para obtener una mejor comprensión de
los resultados de sus productos. Esto les ayudará a adaptar sus estrategias de acuerdo
a la información recopilada, lo que contribuirá a mejorar los resultados de sus
productos.
Promedio móvil doble

7
Este método calcula promedios móviles en conjunto y se deduce un segundo conjunto
como un promedio móvil del primer conjunto.Una forma de pronosticar series de tiempo
que tienen una tendencia lineal, consiste en utilizar la técnica de promedios móviles
dobles. El método de Promedio Móvil Doble (PMD) calcula un conjunto de promedios
móviles y después se calcula un segundo conjunto como promedio móvil del primero.
Mt = (Dt + Dt – 1 + Dt – 2 +………+ Dt – (n + 1)) / n Donde: Dt = demanda real en el
periodo t. n = número de periodos en el promedio móvil.
Seguido se usa la ecuación (2) para calcular el segundo promedio móvil: (2) Mt‟ = (Mt +
Mt – 1 + Mt – 2 +………+ Mt – (n + 1)) / n
Se emplea la ecuación (3) para desarrollar un pronóstico, sumando al promedio móvil
simple la diferencia entre el promedio móvil simple y el segundo promedio móvil.
(3) at = Mt + (Mt – Mt‟) = 2Mt – Mt
La ecuación (4) es un ajuste añadido, que es similar a la medida de cambio a lo largo
de la serie: (4) bt = [2/(n-1)] [Mt – Mt‟]

Ejemplo de promedio móvil doble

Con base en las ventas siguientes , calcule el pronóstico utilizando el método de

promedio móvil doble con N=3 y m=1

8
9
10
 Atenuación exponencial simple

El método de atenuación exponencial simple trabaja a través de una constante de

suavización alfa (α) que tiene un valor comprendido entre 0 y 1, aunque en la aplicación
real su valor suele variar entre 0,05 y 0,50.

La constante funciona como un factor de ponderación (si, parecido al pronóstico móvil

ponderado) y su variación se hace de acuerdo a nuestra necesidad de darle más peso
a datos recientes (alfa α más elevado) o a datos anteriores (alfa α más bajo). En este
sentido, si α=1, nuestro pronóstico de demanda del próximo periodo será exactamente
igual al del periodo actual.

En consecuencia, el alfa que elijamos estará relacionado con el índice de respuesta

deseado y la naturaleza del producto. ¿Por qué? Veamos. Por ejemplo, teniendo un
producto o servicio con demanda estable a través del año, nuestra constante de
suavización tenderá a ser pequeña (0,10 por ejemplo), debido a que, no requerimos un
elevado índice de respuesta frente a los cambios entre la demanda real y la demanda
pronosticada.

Caso contrario es cuando la compañía comienza a tener un crecimiento en su

demanda, lo que va a requerir un alfa más elevado (0,30 por ejemplo) para dar mayor
importancia a la demanda reciente.

Ejemplo de atenuación exponencial simple

Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la

ciudad capital de un país. Por ser la ciudad que congrega más habitantes, han decidido
comenzar ofreciendo servicio de seguro para coches.

Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán
contratados por las personas de la ciudad capital, para lo cual usarán como dato inicial
los seguros de vehículos contratados en otra ciudad con menos habitantes pero con
mayor posicionamiento en el mercado.

El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por

personas, pero la demanda para ese periodo fue de 3200. La compañía según su
criterio asigna α=0,35.

La demanda del próximo periodo es:

Ft= 2869+0.35(3200-2869)=2984.85

11
Este mismo ejercicio lo realizó a través del año, obteniendo la siguiente tabla
comparativa entre lo realmente obtenido (demanda – segunda columna) y lo
pronosticado en ese momento (tercer columna).

Gráficamente, esta tabla sería:

12
 Atenuación exponencial doble

El método de suavizamiento exponencial doble consiste en realizar dos suavizaciones

exponenciales a partir de las cuales se obtiene un pronóstico. El cálculo consiste en
aplicar una expresión a los valores observados en la serie de tiempo y luego se realiza
una segunda expresión a la serie atenuada obtenida mediante la primera suavización.
De acuerdo a los valores calculados, después de realizar las dos primeras
suavizaciones, se utiliza una notación distinta como expresión final con la cual se
calculan los valores que constituyen al pronóstico.

Ejemplo

En la Tabla 1 se muestran las ventas de los últimos seis meses de un producto de

papelería, con base en esta información calcule el pronóstico para el siguiente periodo
utilizando suavizamiento exponencial doble.
Considerar una constante de suavizamiento de 0.4

Periodo 1 2 3 4 5 6

13
Ventas 1,200 1,290 1,350 1,490 1,510 1,680

Resultado
Los resultados para todos los periodos y el pronóstico para el siguiente
periodo se presentan en la Tabla 2. Para este caso m=1 debido a que se
requiere el pronóstico para el siguiente periodo

14
 Mínimos cuadrados

Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de la

optimización matemática, en la que, dados un conjunto de pares ordenados —variable
independiente, variable dependiente— y una familia de funciones, se intenta encontrar
la función continua, dentro de dicha familia, que mejor se aproxime a los datos (un
"mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.
En su forma más simple, intenta minimizar la suma de cuadrados de las diferencias en
las ordenadas (llamadas residuos) entre los puntos generados por la función elegida y
los correspondientes valores en los datos. Específicamente, se llama mínimos
cuadrados promedio (LMS) cuando el número de datos medidos es 1 y se usa el
método de descenso por gradiente para minimizar el residuo cuadrado. Se puede
demostrar que LMS minimiza el residuo cuadrado esperado, con el mínimo de
operaciones (por iteración), pero requiere un gran número de iteraciones para
converger.
Su expresión general se basa en la ecuación de una recta y = mx + b. Donde m es la
pendiente y b el punto de corte, y vienen expresadas de la siguiente manera:

Σ es el símbolo sumatorio de todos los términos, mientras (x, y) son los datos en estudio
y n la cantidad de datos que existen.

El método de mínimos cuadrados calcula a partir de los N pares de datos experimentales

(x, y), los valores m y b que mejor ajustan los datos a una recta. Se entiende por el mejor
ajuste aquella recta que hace mínimas las distancias de los puntos medidos a la recta.

15
Teniendo una serie de datos (x, y), mostrados en un gráfico o gráfica, si al conectar punto
a punto no se describe una recta, debemos aplicar el método de mínimos cuadrados,
basándonos en su expresión general:

Cuando se haga uso del método de mínimos cuadrados se debe buscar una línea de
mejor ajuste que explique la posible relación entre una variable independiente y una
variable dependiente. En el análisis de regresión, las variables dependientes se designan
en el eje y vertical y las variables independientes se designan en el eje x horizontal. Estas
designaciones formarán la ecuación para la línea de mejor ajuste, que se determina a
partir del método de mínimos cuadrados.

Ejemplo del método de mínimos cuadrados

Para entender con claridad la aplicación del método veamos un ejemplo:

Encontrar la recta que mejor se ajusta a los siguientes datos:

Veamos el gráfico:

16
Necesitamos encontrar una recta y = mx + b. Debemos aplicar el método de mínimos
cuadrados. Como ya sabemos entonces, primero centraremos el valor (x ∙ y):

Segundo por las expresiones de m y b debemos encontrar el valor x²:

17
Ahora podemos obtener los valores de las sumatorias de cada columna:

Sustituimos en cada una de las expresiones:

La recta obtenida con el método de los mínimos cuadrados es la siguiente:

Observemos el gráfico:

18
Vemos que la recta corta al eje y en 11,48 y en el eje x en 13,57. Por lo tanto, si queremos
saber dónde corta en el eje x igualamos la ecuación y = 0:

Despejamos x:

Casos prácticos de aplicación:

19
La empresa Benotto desea conocer el pronóstico de su demanda de uno de sus
diseños para el mes de agosto utilizando el método de promedio móvil simple (PMS)
con una n=2 y 3

n= 2

n= 3

20
Benotto desea conocer el pronóstico de la demanda del mismo producto para el mes
de noviembre y diciembre con el promedio móvil doble (PMD):

a= 2 (1005) – 856= 1154

x= 4 para noviembre y 5 para diciembre

b= 2/2-1 (1005 – 856) = 298

Ynoviembre = 1154 + 298 (4) = 2,346 unidades

Ydiciembre = 1154 + 298 (5) = 2,644 unidades

Aproximación exponencial simple:

Benotto desea calcular el pronóstico de ventas para el mes de octubre de su nuevo y

mejorado diseño de bicicletas, para ello toman en cuenta un factor de ponderación de
0.25 y 0.35, si en los últimos 9 meses han tenido la siguiente información.

21
Sabiendo que 0.35 es la mejor AES calcular para el pronóstico del segundo trimestre
del siguiente año (AED)

Donde:

a= (2) AES - AED

a= 2 (31.69) - 26.74= 36.64

22
 Conclusión.
Como pudimos apreciar en este trabajo de investigación y análisis tenemos diferentes
métodos para pronosticar y determinar las ventas o el inventario; nos quedamos con los
conocimientos adquiridos en la materia y en este trabajo de investigación que fue hecho
con el fin de aprender, desarrollarnos y adquirir mayores habilidades en el campo laboral.

El menor error promedio es ∞= 0.35 por lo que el pronóstico para el año 2023 será de
31.69, debido a que tiene el menor error promedio. La atenuación exponencial doble es
una técnica útil que permite modelar la propagación de ondas a través de medios
absorbentes. Es una herramienta práctica para calcular la atenuación de la señal entre
dos puntos, ya que proporciona una forma sencilla de calcular la pérdida de potencia de
la señal con la distancia. Esta técnica también es útil para modelar la propagación de
ondas electromagnéticas a través de medios absorbentes, como la atmósfera terrestre.

Glosario
1. Pronóstico: Predicción de la evolución de un proceso o de un hecho futuro a
partir de criterios lógicos o científicos.
2. Método: Modo ordenado y sistemático de proceder para llegar a un resultado o
fin determinado.
3. Constante: Que no se interrumpe y persiste en el estado en que se encuentra,
sin variar su intensidad.
4. Promedio: Resultado que se obtiene al dividir la suma de varias cantidades por
el número de sumandos.
5. Demanda: Petición o solicitud de algo, especialmente si consiste en una
exigencia o se considera un derecho.
6. Técnica: Conjunto de procedimientos o recursos que se usan en un arte, en una
ciencia o en una actividad determinada, en especial cuando se adquieren por
medio de su práctica y requieren habilidad.
7. Calidad: Conjunto de propiedades inherentes a una cosa que permite
caracterizarla y valorarla con respecto a las restantes de su especie.
8. Patrones: Persona que emplea obreros en su propiedad o negocio, en especial
en trabajos de tipo manual.
9. Ecuación: Igualdad entre dos expresiones que contiene una o más variables.
10. Tendencia: Inclinación o disposición natural que una persona tiene hacia una
cosa determinada.
11. Datos: Información concreta sobre hechos, elementos, etc., que permite
estudiarlos, analizarlos o conocerlos.
12. Estrategia: Serie de acciones muy meditadas, encaminadas hacia un fin
determinado.

23
13. Cálculo: Acción de hacer las operaciones matemáticas necesarias para
averiguar el resultado, el valor o la medida de algo, en expresión numérica.
14. Estimación: Es el proceso de encontrar una estimación, o aproximación, que es
un valor que es utilizable para algún propósito incluso si los datos de entrada
pueden estar incompletos, inciertos o inestables.
15. Serie de tiempo: es una sucesión de datos medidos en determinados
momentos y ordenados cronológicamente. Los datos pueden estar espaciados a
intervalos iguales o desiguales.
16. Premisa: es cada una de las proposiciones anteriores a la conclusión del
argumento. En un argumento válido, las premisas implican la conclusión, pero
esto no es necesario para que una proposición sea una premisa: lo único
relevante es su lugar en el argumento, no su rol.
17. Adquisición: La compra es el proceso que utiliza una empresa u organización
para adquirir bienes o servicios para lograr sus objetivos
18. Estacionalidad: La estacionalidad es un comportamiento o patrón que a veces
observamos en una serie de tiempo. Consiste en subidas y bajadas periódicas
que se presentan en forma regular en la serie de tiempo. Al tiempo entre un
``pico'' y otro en una serie de datos, se le llama período estacional
19. Variabilidad: La variabilidad es la dispersión de los valores de una variable en
una distribución teórica o en una muestra.
20. Almacén de consolidación: Su principal función es agilizar los procesos
logísticos, como por ejemplo almacenando los pedidos por referencias.

24
 Bibliografía

colaboradores de Wikipedia. (2023, 26 febrero). Mínimos cuadrados. Wikipedia, la

enciclopedia libre. https://es.wikipedia.org/wiki/M%C3%ADnimos_cuadrados

P. (2022, 22 febrero). ▷El Método de mínimos cuadrados: definición y ejemplos☑. Mi

Profe. https://miprofe.com/minimos-cuadrados/}

Betancourt, D. (2022, 22 febrero). Suavización exponencial simple para pronosticar la

demanda. Ingenio Empresa. https://www.ingenioempresa.com/suavizacion-

exponencial-simple/

Promedio móvil—ArcGIS Insights | Documentación. (s. f.).

https://doc.arcgis.com/es/insights/2022.2/analyze/moving-average.htm

Promedio móvil doble | Esquemas y mapas conceptuales de Ingenieria de

Mantenimiento | Docsity. (s. f.). https://www.docsity.com/es/promedio-movil-doble-

1/7249824/

Delgado, J. M. C. (2023, 26 marzo). Promedio Móvil Simple (PMS). Series de tiempo.

http://industrialopusnova.blogspot.com/2015/09/administracion-de-las-operaciones-

i.html

tienda.benotto.com. (s. f.). Home. Benotto México. https://tienda.benotto.com/

25