Ingeniería Industrial

PLANEACION DE LA PRODUCCION
Actividad 1
Pronósticos

Presentado por:

JONATHAN BALLESTEROS ROA

LEIDY NAYIBE GALVIS NIETO

OSWALDO VARELA ROSAS

Presentado a:

JOHANNA MILDRED MENDEZ SAYAGO

CORPORACIÓN UNIVERSITARIA IBEROAMERICANA

INGENIERÍA INDUSTRIAL

BOGOTÁ 2022
 Actividad 1 - Pronósticos

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

Demanda independiente: es la demanda de productos finalizados son decisión

de cada consumidor. Esta demanda acostumbra a ser externa a la empresa
porque las decisiones de los clientes no son controlables por la compañía.

Demanda dependiente: Se trata de la demanda que se genera a partir de las

decisiones tomadas por la misma organización. En ella impacta la demanda
independiente de productos finales, puesto que se toma en cuenta la solicitud para
realizar el cálculo de las materias primas que intervienen en su fabricación.

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

a) La demanda de trajes de baño: Suavización exponencial con tendencia, ya

que permite hacer pronósticos en determinados periodos de tiempo, y su
pronostico se hace necesario a corto plazo por la dinámica del mercado.

b) La demanda de casas nuevas: Regresión lineal, importante en este caso por

la cantidad de variables que pueden afectar, además por el espacio de tiempo
necesario para evaluar las tendencias.

c) Consumo de electricidad: Promedio móvil ponderado y suavización

exponencial simple, dado a que el pronostico obedece a una media en términos
generales.

Ilustración: Guía para seleccionar un método de pronóstico apropiado.

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

4. Explique el procedimiento para crear un pronóstico usando el método de

descomposición de la regresión por mínimos cuadrados.

Rta: El método de los mínimos cuadrados se utiliza para calcular la recta de

regresión lineal que minimiza los residuos, esto es, las diferencias entre los
valores reales y los estimados por la recta. Se revisa su fundamento y la forma de
calcular los coeficientes de regresión con este método.

Se utiliza cuando estamos trabajando con datos con alto error, tratando que la
función matemática siga la tendencia de los datos no es necesario que pase por
todos los puntos.

Definimos los parámetros

𝑓(𝑥) 𝑐𝑢𝑟𝑣𝑎 𝑐𝑜𝑛 𝑙𝑎 𝑞𝑢𝑒 𝑠𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑛 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

𝑦𝑖 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒, 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑑𝑒𝑗𝑎𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟

𝑥𝑖=𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑑𝑒𝑗𝑎𝑛 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟

𝑒𝑖=𝑒𝑟𝑟𝑜𝑟 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠

Minimizar la suma de los errores hallando (E)

𝑒𝑖 = 𝑦1 − 𝑓(𝑥1 )

Minimizamos el error cuadrático

Aproximamos el conjunto de puntos a través de una línea recta determinamos las

constantes 𝑎0 + 𝑎1
 𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥

https://anestesiar.org/2020/la-distancia-mas-corta-el-metodo-de-los-minimos-
cuadrados/

5. Dé algunas reglas simples que usaría para manejar la demanda del producto de una
empresa (un ejemplo es “limitado al inventario disponible”).

- capacidad de fabricación
- capacidad de compra
- comportamiento del producto en el mercado
- capacidad de compra
- volumen de inventarios
- tamaño y volumen de la demanda

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?

Promedio de móvil simple ya que solo requiere del pronóstico anterior y la

demanda real y la constante de suavización, Al ser un modelo exponencial, es
más preciso. Le da más importancia la demanda más reciente.

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

 Una tiende logra vender gran cantidad de productos las compañías y externas
quienes los distribuyen y quien lo fabrican también presentan un buen crecimiento.
 Los artículos escolares los cuales tiene un comportamiento cíclico de acuerdo
con la demanda escolar
 Las cenas navideñas y que tienen un comportamiento cíclico de acuerdo con las
fechas decembrinas
8. ¿Cuál es la principal desventaja del pronóstico diario con análisis de regresión?

Rta: Simplifica demasiado los problemas al asumir una relación lineal entre las
variables es decir asume una regresión lineal entre la variable dependiente e
independiente tomado que tienen el mismo comportamiento

9. ¿Qué implicaciones tienen los errores de pronóstico en la búsqueda de modelos de

pronóstico estadístico muy complejos?

Rta: Nos permite tomar decisión frente a cuál es el mejor método de pronóstico y
se logra determinar cuando algo en la previsión de la demanda no está bien

10. ¿Las relaciones causales son potencialmente más útiles para qué componente
de una serie temporal?

Rta: Para componentes estacionarios a corto y mediano plazo, y para

componentes con tendencia a largo plazo.