Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso:
ADMINISTRACIÓN DE OPERACIONES I
LITROS USADOS
420
400
380
360
340
320
ago-31 sep-07 sep-14 sep-21 sep-28 oct-05
a) Pronostique la demanda para la semana del 12 de octubre usando un
promedio móvil de 3 semanas.
SEMANA LITROS
n=3
DE USADOS
ago-31 360
sep-07 389
sep-14 410
sep-21 381 386.33
sep-28 368 393.33
oct-05 374 386.33
oct-12 374.33
Con base al promedio móvil aplicado el pronóstico para la semana del 12 de octubre
es de 374.33 litros de sangre
b) Utilice un promedio móvil ponderado de tres semanas, con ponderaciones de
0.1, 0.3 y 0.6, usando .6 para la semana más reciente. Pronostique la
demanda para la semana del 12 de octubre.
n=3
Sem 1 = 0.1
SEMANA DE LITROS USADOS
sem 2 = 0.3 y
sem 3 = 0.6
ago-31 360
sep-07 389
sep-14 410
sep-21 381 398.70
sep-28 368 390.50
oct-05 374 376.10
oct-12 372.90
Con base al promedio móvil ponderado obtenemos que el pronóstico para la semana
del 12 de octubre es de 372.90 litros de sangre
c) Calcule el pronóstico para la semana del 12 de octubre usando suavización
exponencial con un pronóstico de 360 para el 31 de agosto y α= 0 .2.
SEMANA LITROS
Pronóstico
DE USADOS
con a= 0.2
ago-31 360 360
sep-07 389 360
sep-14 410 366
sep-21 381 375
sep-28 368 376
oct-05 374 374
oct-12 374
Pronóstico
AÑO DEMANDA
con a= 0.4
1 7 6.00
2 9 6.40
3 5 7.44
4 9 6.46
5 13 7.48
6 8 9.69
7 12 9.01
8 13 10.21
9 9 11.32
10 11 10.39
11 7 10.64
12 9.18
Gráfica del comportamiento de la demanda:
DEMANDA
14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11
Año
DEMANDA
Pronósticos
14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12
Con base a la gráfica, podemos notar que el pronóstico intuitivo queda por debajo
del pronóstico con alfa igual a 0.4, teniendo 7 como demanda esperada, en cambio
en el año 12 con la aplicación de alfa se esperan 9 de demanda.
4.6 Las ventas mensuales en Yazici Batteries, Inc., fueron las siguientes:
b) Pronostique las ventas para enero usando cada una de las técnicas
siguientes:
i) Método intuitivo.
iii) Un promedio móvil ponderado de 6 meses empleando 0.1, 0.1, 0.1, 0.2, 0.2 y
0.3, con las ponderaciones más altas para los meses más recientes. iv)
Suavización exponencial con a= 0.3 y un pronóstico para septiembre de 18.
Pronósti Promedi n=6 Mes 1 = 0.1,
Pronóstico con
MES VENTAS co o Móvil Mes 2 = 0.1, Mes 3 =
a= 0.3
Intuitivo n= 3 0.1, Mes 4 = 0.2, Mes 5=
0.2 y Mes 6= 0.3
Enero 20
Febrero 21 20
Marzo 15 21
Abril 14 15 18.67
Mayo 13 14 16.67
Junio 16 13 14.00
Julio 17 16 14.33 15.80
Agosto 18 17 15.33 15.90
Septiemb
re 20 18 17.00 16.20 18
Octubre 20 20 18.33 17.30 18.6
Noviembr
e 21 20 19.33 18.20 19.02
Diciembr
e 23 21 20.33 19.40 19.614
Pron. Enero 23 21.33 20.60 20.6298
Con base a los pronósticos obtenidos con los diversos criterios solicitados, se puede
observar que el que indica un mayor pronóstico para el mes de enero es el intuitivo
y por el otro lado, el pronóstico con menor valor es el ponderado.
Demanda para el mes de Marzo (mes 15) = 15.63 +0.39 (15) = 21.48
4.22 Retome el problema 4.21. Complete los cálculos del pronóstico de suavización
exponencial con ajuste de tendencia para los periodos 7, 8 y 9. Confirme que sus
cifras para Ft, Tt y FITt correspondan a las de la tabla 4.1 (pág. 118).
Continuando con los cálculos de los tres periodos siguientes se obtiene lo siguiente,
así mismo se anexa la tabla con los datos para la comprobación de cada dato
calculado
Demanda real
𝑦̅ = 126 + 18𝑥
4.40 Con los datos del problema 4.39, aplique una regresión lineal para estudiar la
relación que hay entre el índice de robos y la carga de pacientes de la doctora Fok.
Si el índice de robos se incrementa a 131.2 en el año 11, ¿cuántos pacientes con
fobia atenderá la doctora Fok? Si el índice de robos cae a 90.6, ¿cuál es la
proyección de pacientes?
Número
de índice de
Año x^2 xy
pacientes robos (x)
(y)
6 55 89 7,921.00 4,895.00
9 58 103.3
10,670.89 5,991.40
𝑦̅ = 1.684 + 0.54𝑥
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
MES
B) ECM: 10861.80
C) EPAM: 35.04
600
PRONÓSTICO DE LA DEMANDA
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ventas Pronostico
𝐸𝑡 = 𝛽𝑒𝑡 + (1 − 𝛽)𝐸𝑡−1
𝑀𝑡 = 𝛽|𝑒𝑡| + (1 − 𝛽)𝑀𝑡−1
a) Aplique el método de Trigg y Leach a los datos del problema 22. Use las
desviaciones absolutas medias para comparar la exactitud de esos
pronósticos con los obtenidos en el problema 22, con suavizamiento
exponencial simple. Suponga que 𝐸𝑡 = 𝑒1 (el error observado en enero) y que
𝑀1 = |𝑒1|. Use 𝛽 = 0.1
70
60
50
40
30
20
10
0
1 2 3 4
a) ¿para qué tipos de series de tiempo dará pronósticos más precisos el método
de Trigg Leach de rapidez de respuesta adaptativa, y bajo qué circunstancias
dará pronósticos menos precisos. Comente la conveniencia de usar ese
método en casos en los que los pronósticos no se vigilan o monitorean
estrechamente:
Para el método de Trigg-Leach se necesita un sistema de tiempo agrupados o en
trimestres para una mayor precisión de pronostico pues no se vigilan estrechamente
PROBLEMAS COMPLEMENTARIOS (LIBRO SCHROEDER)
COMPORTAMIENTO DE LA DEMANDA
25
20
15
10
0
1 2 3 4 5 6 7
DÍA
1 10 11 2 13
PRONÓSTICO DE LA DEMANDA
25
20
15
10
0
1 2 3 4 5 6 7
DÍA
Con los resultados propuestos por el pronóstico, podemos ver que sí hay cierto
ajuste con la demanda real, incluso ambos siguen una tendencia creciente y como
debe ocurrir, los datos pronosticados se encuentran entre los límites de la demanda
real.
b) Calcule el valor de MAD y la señal de seguimiento para los datos. Utilice valor
de 𝑀𝐴𝐷0 = 0.
1 10 10.00
2 12 10.00
3 13 10.40
4 15 10.92
5 17 11.74
6 20 12.79
7 21 14.23
25 PRONÓSTICO DE LA DEMANDA
20
15
10
5 2 3 4 5
0 DÍAS
1
DEMANDA PRONÓSTICO (Ft) 6 7
Si se emplea un método de suavización simple para pronosticar estos datos,
efectivamente encontraremos que nuestros pronósticos siempre estarán por
debajo de la demanda real y que no debemos utilizarlo porque, en un hipotético
caso donde utilicemos esto y decidamos producir esta cantidad de cegadoras no
satisfaceremos la demanda del mercado y ahí habría un costo de oportunidad,
pues otra empresa podría producir las cegadoras necesarias y ganarnos el
mercado.
COMPORTAMIENTO DE LA DEMANDA
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
DÍAS
1 80 90 25 115
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
DÍAS
C. ¿Será éste un buen modelo para los datos? No, de hecho, los pronósticos
están por arriba de la demanda real, esto ocurre por la gran variación que hay en la
demanda de un día a otro y dado que la suavización exponencial toma los valores
de la demanda y pronósticos del período anterior, se desajusta y nos recomienda
siempre producir más de lo que se demanda, a la larga utilizar este pronóstico para
la demanda nos generará costos mayores y desperdicios en los productos porque,
las donas son alimento que como todos tiene su ciclo de vida y se pudren, al haber
sobreproducción nadie las comprará y si se quedan para vender al siguiente día
perdería calidad y la empresa se ganaría una mala reputación.
140
PRONÓSTICO CON PM
120
100
80
60
40 3 4 5 6 7 8 9 10 11 12 13
20 DÍAS
0
Demanda Pronóstico (PM)
1 2 14
3. The SureGrip Tire Company produce llantas de distintos tamaños y formas. La
demanda de las llantas tiende a seguir un patrón estacional trimestral con una
tendencia. Para un tipo particular de llantas, las estimaciones actuales de la
compañía son como sigue: 𝐴0 = 10,000, 𝑇0 = 1,000, 𝑅0 = 0.8, 𝑅−1 = 1.2, 𝑅−2 =
1.5 y 𝑅−3 = 0.75
Dt At Tt Rt (Razón Ft Dt-Ft
t
(Demanda) (Promedio) (Tendencia) Estacional) (Pronóstico) (Error)
-3 0.75
-2 1.5
-1 1.2
Dt At Tt Rt (Razón Ft Dt-Ft
t
(Demanda) (Promedio) (Tendencia) Estacional) (Pronóstico) (Error)
-3 0.75
-2 1.5
-1 1.2
c) Actualice de nuevo los pronósticos para el año siguiente retomando los datos de
las demandas del segundo trimestre.
Dt At Tt Rt (Razón Ft Dt-Ft
t
(Demanda) (Promedio) (Tendencia) Estacional) (Pronóstico) (Error)
-3 0.75
-2 1.5
-1 1.2
0 10,000 1,000 0.8
PRONÓSTICO DE LA DEMANDA
25,000
20,000
15,000
10,000
5,000
0
1 2 3 4 5
PERÍODO
Demanda Pronóstico
Como podemos ver, el pronóstico para los dos primeros meses con la demanda que
se conoce, es cercana, pero tenemos un pequeño exceso en el error, por lo que los
pronósticos están ligeramente sobreestimados.
4. La administración considera que existe un patrón estacional en los datos
anteriores para Donut-Hole Shop (problema 2), y que los dos primeros días de
una semana representan un primer nivel: el tercero y cuarto días, un segundo
nivel, y el quinto, sexto y séptimo un tercer nivel; por lo tanto, se han sugerido
tres factores estaciones: 𝑅0 = 0.9, 𝑅−1 = 1.3, 𝑅−2 = 0.8
COMPORTAMIENTO DE LA DEMANDA
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
DÍAS
At Tt Rt (Razón Ft Dt-Ft
Día Demanda
(Promedio) (Tendencia) Estacional) (Pronóstico) (Error)
-2 0.8
-1 1.3
0 85 0 0.9
1 80 86.50 0.15 0.812 69.32 10.68
2 95 85.29 0.014 1.281 110.899 -15.899
3 120 90.11 0.495 0.943 81.544 38.456
4 110 95.08 0.942 0.847 78.019 31.981
5 75 92.28 0.567 1.235 118.967 -43.967
6 60 89.92 0.275 0.916 85.069 -25.069
7 50 87.08 -0.036 0.820 73.719 -23.719
8 85 85.22 -0.218 1.211 104.941 -19.941
9 99 87.32 0.013 0.937 79.958 19.042
10 110 92.02 0.482 0.857 75.817 34.183
11 90 90.68 0.300 1.189 110.162 -20.162
12 80 90.42 0.244 0.932 84.987 -4.987
13 65 89.18 0.095 0.844 76.528 -11.528
14 50 84.55 -0.377 1.129 100.081 -50.081
120
100
80
60
40
20
0
1 2 3 4 5 6 7
DÍA
Demanda Ft (Pronóstico)
COMPORTAMIENTO DE LA DEMANDA
30,000
25,000
20,000
15,000
10,000
5,000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
MES
Enero - 0.8
12
Febrero - 1.8
11
Marzo - 0.9
10
Abril -9 1.6
Mayo -8 2
Junio -7 1
Julio -6 0.7
Agosto -5 0.6
Septiembre -4 0.7
Octubre -3 1.2
Noviembre -2 0.9
Diciembre -1 0.6
0 15,000
0.
Mes t Dt At Rt Ft (Error) MAD TS
Enero - 0.8
12
Febrero - 1.8
11
Marzo - 0.9
10
Abril -9 1.6
Mayo -8 2
Junio -7 1
Julio -6 0.7
Agosto -5 0.6
Septiembre -4 0.7
Octubre -3 1.2
Noviembre -2 0.9
Diciembre -1 0.6
0 15,000
Febrero 2 23,000
Marzo 3 15,800
Abril 4 20,500
Mayo 5 25,100
Junio 6 16,200
Julio 7 12,000 14,950.00 14,925.00 0.803
Agosto 8 10,300 14,900.00 14,946.29 0.690
Septiembre 9 11,800 14,992.58 15,021.75 0.786
Octubre 10 14,000 15,050.92 15,071.75 0.930
Noviembre 11 10,700 15,092.58 15,059.25 0.710
Diciembre 12 7,600 15,025.92 15,009.25 0.506
Enero 13 11,800 14,992.58 14,971.75 0.788
Febrero 14 24,111 14,950.92 14,942.58 1.613
Marzo 15 16,500 14,934.25 14,900.92 1.106
Abril 16 21,000 14,867.58 14,880.08 1.412
Mayo 17 24,300 14,892.58 14,900.92 1.631
Junio 18 15,800 14,909.25 14,892.58 1.060
Julio 19 11,500 14,875.92 14,950.92 0.771
Agosto 20 10,100 15,025.92 14,929.63 0.674
Septiembre 21 11,000 14,833.33 14,766.67 0.743
Octubre 22 14,300 14,700.00 14,633.33 0.975
Noviembre 23 10,900 14,566.67 14,637.50 0.746
Diciembre 24 7,200 14,708.33 14,737.50 0.489
Enero 25 13,600 14,766.67 14,804.17 0.920
Febrero 26 21,800 14,841.67 14,870.83 1.467
Marzo 27 14,900 14,900.00 14,962.50 0.998
Abril 28 19,400 15,025.00 15,004.17 1.292
Mayo 29 26,000 14,983.33 14,970.83 1.736
Junio 30 16,500 14,958.33 14,958.33 1.103
Julio 31 12,400
Agosto 32 10,800
Septiembre 33 12,500
Octubre 34 13,800
Noviembre 35 10,600
Diciembre 36 8,100
Con ayuda del Excel obtenemos la ecuación de regresión lineal que nos ayudará a
calcular los pronósticos para el año siguiente:
Promedio Factor
t Mes Pronóstico
predicho estacional
Este gráfico representa los datos pronosticados para el siguiente período anual.
30000.00
25000.00
20000.00
15000.00
10000.00
5000.00
0.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
MES
En este gráfico final, como podemos notar, se agrega el período anual 4 y algo que
se debe comentar es el comportamiento que se pronostica, pues tal como años
anteriores, el comportamiento conserva su estacionalidad y aunque no se conocen
los datos reales de la demanda, es posible que sea el mejor ajuste entre todos los
métodos presentados, incluso su comportamiento es muy similar a los del primer
año del cual tenemos datos reales.
Referencias
Jay, R. B. (2014). principios de administracion de operaciones . En
R. B. heizer, principiso de administracion de operaciones
(pág. 180). pearson educacion, 2014 .