Guía de

Ejercicios
Propuestos

(Gestión de
Operaciones l)

14217

Semana 2 a 4

1
INDUSTRIA VIRTUAL 2020 2
1) Una cadena de ferreterías experimentó la demanda siguiente para pinturas durante el mes pasado. El
procedimiento normal de pronóstico es utilizar las ventas semanales correspondientes al año anterior como
pronóstico para este año. Calcular el MAD y el sesgo e interpretar cada uno.

Pronóstico de la
Semana demanda (galones) Demanda real (galones)
Junio 1 1.320 1.310
Junio 8 1.335 1.325
Junio 15 1.350 1.325
Junio 22 1.370 1.360

Solución:
|1320 − 1310| + |1335 − 1325| + |1350 − 1325| + |1370 − 1360|
𝑀𝐴𝐷 = = 13,75
4

(1310 − 1320) + (1325 − 1335) + (1325 − 1350) + (1360 − 1370)

𝑆𝑒𝑠𝑔𝑜 = = −13,75
4
El MAD es un promedio de las desviaciones absolutas y, por lo tanto, expresa dimensión del error, lo
que indica un error de 13.75 galones en cada predicción, algo así como un 13.75/1344 ≈1%.
El sesgo indica la tendencia direccional de los errores de predicción y está sobreestimada en 13.75
galones.

2) En el área de Atlanta, el número de llamadas diarias para solicitar reparación de las copiadoras Speedy se
ha registrado como sigue:

OCTUBRE LLAMADAS
1 92
2 127
3 103
4 165
5 132
6 111
7 174
8 97

a) Prepare un pronóstico por promedio móvil de tres periodos en relación con estos datos, ¿cuál es el error de
cada día?
b) Prepare un pronóstico por promedio móvil ponderado para tres periodos utilizando pesos de w 1 = 0.5, w2 =
0.3, w3 = 0.2
c) ¿Cuál de los dos pronósticos es mejor?
d) Prepare pronósticos por Suavizamiento exponencial para los siguientes casos:
i. 𝛼 = 0,1 y F1 = 90
ii. 𝛼 = 0,3 y F1 = 90
Solución:

a) y b)

OCTUBRE At Ft (a) et (a) |et| (a) Ft (b) et (b) |et| (b)

1 92 ---- ---- ---- ---- ---- ----
2 127 ---- ---- ---- ---- ---- ----
3 103 ---- ---- ---- ---- ---- ----
4 165 107,33 57,67 57,67 108 57 57
5 132 131,67 0,33 0,33 138,8 -6,8 6,8
6 111 133,33 -22,33 22,33 136,1 -25,1 25,1
7 174 136 38,00 38,00 128,1 45,9 45,9
8 97 139 -42,00 42,00 146,7 49,7 49,7

c) Según el criterio del MAD:

MAD(a) = 32,07 MAD(b) = 36,9

Es mejor (a) porque tiene menor MAD igual a 32,07.

d)

OCTUBRE Ft (i) Ft (ii)

1 90 90
2 90,2 90,6
3 93,88 101,52
4 94,79 101,96
5 101,81 120,87
6 104,83 124,21
7 105,45 120,25
8 112,3 136,37

3) La Yummy Ice Cream Company proyecta la demanda de helados utilizando Suavizamiento exponencial de
primer orden. La última semana el pronóstico fue de 100.000 galones de helados y en realidad se vendieron
80.000.
a) Utilice  = 0,1 y prepare un pronóstico para la siguiente semana.
b) Calcule el pronóstico utilizando  = 0,2 y  = 0,3 para este problema. ¿Qué valor de  brinda el mejor
pronóstico suponiendo que la demanda verdadera es de 95.000 galones?
 Solución:

a)

Fproxima semana = 100.000 + 0,1 (80.000 −100.000) = 98.000

El pronóstico para la próxima semana es de 98.000 galones de helados.

b)
Alfa Dreal Dpronosticada Error
 = 0,2 95.000 96.000 -1.000
 = 0,3 95.000 94.000 1.000

Ambos valores de alfa proporcionan un pronóstico igualmente desviado del valor real, sólo difieren en
el hecho de que con  = 0,2 se hace una sobreestimación de la demanda real en 1.000 unidades, y con 
= 0,3 se hace una subestimación de la demanda real también en 1.000 unidades. Es decir, no se puede
decir con estos datos proporcionados, que algún valor de alfa sea mejor que otro.

4) En la Tabla siguiente, se presentan la demanda mensual de la compañía “Rocky”.

Mes Unidades Mes Unidades

Mayo 100 Septiembre 105
Junio 80 Octubre 110
Julio 110 Noviembre 125
Agosto 115 Diciembre 120

a) Usando el método de suavizamiento exponencial, pronostique el número de unidades demanda de Junio a

Diciembre, asumiendo que el pronóstico inicial para el mes de Mayo fue de 105 unidades. (=0.2)
b) Calcule el porcentaje de Error Absoluto y el MAD.
c) Calcule la señal de rastreo al final del mes de Diciembre y opine sobre el desempeño del método de
pronóstico.
Solución:

a)
𝐹𝑡+1 = 𝐹𝑡 + 𝛼(𝐷𝑡 − 𝐹𝑡 )

Mes Demanda Dt Pronóstico Ft

Mayo 100 105
Junio 80 105+0,2·(100–105) = 104,0
Julio 110 104,0+0,2·(80–104,0) = 99,2
Agosto 115 99,2+0,2·(110–99,2) = 101,4
Septiembre 105 101,4+0,2·(115–101,4) = 104,1
Octubre 110 104,1+0,2·(105–104,1) = 104,3
Noviembre 125 104,3+0,2·(110–104,3) = 105,4
Diciembre 120 105,4+0,2·(125–105,4) = 109,3

b)

Demanda Error Error Error

Mes t Pronóstico Ft porcentual absoluto
mensual Dt Et absoluto
Mayo 100 105 -- -- --
Junio 80 104 -24 24 30%
Julio 110 99 11 11 10%
Agosto 115 101 14 14 12.2%
Septiembre 105 104 1 1 0.9%
Octubre 110 104 6 6 5.4%
Noviembre 125 105 20 20 16%
Diciembre 120 109 11 11 9.2%
Total 39 87 83.7%

87
𝑀𝐴𝐷 = = 12,4
7
83,7
𝑀𝐴𝑃𝐸 = = 12%
7
c)
La señal de rastreo
∑ 𝐸𝑇 39
𝑆𝑅 = = = 3,15
𝑀𝐴𝐷 12,4

La señal de rastreo no excede a ± 6, por lo tanto, existe una baja probabilidad de que se hallen grandes
desviaciones en el pronóstico.
5) La demanda de alas de pollo de un restaurante local durante las seis semanas anteriores ha sido la siguiente:

Semana 1 2 3 4 5 6

Demanda 650 521 563 735 514 596

a) Haga un pronóstico de la demanda para la semana 7, mediante un promedio móvil de cinco periodos.
b) Haga un pronóstico de la demanda para la semana 7 mediante un promedio móvil ponderado de tres
periodos. Utilice los siguientes pesos para hacerlo:
W1= 0,5; W2=0,3 y W3=0,2
c) Haga el pronóstico de la demanda para la semana 7 mediante el suavizamiento exponencial. Utilice un valor
= 0,1 y suponga que el pronóstico para la semana 6 era de 600 unidades.
d) Calcule el Sesgo, el MAD y el MAPE.
e) ¿Qué suposiciones se hacen para cada uno de los pronósticos anteriores?

Solución:
a)
(596 + 514 + 735 + 563 + 521)
𝐹7 = = 585,8
5
b)
𝐹7 = 596 ∙ 0,5 + 514 ∙ 0,3 + 735 ∙ 0,2 = 599,2
c)
𝐹7 = 𝐹6 + 𝛼(𝐷6 − 𝐹6 ) = 600 + 0,1(596 − 600) = 599,6
d)
Promedio Móvil Simple de cinco periodos:
Semana
Dt Ft et |et| |et|% = |et|/Dt·100
(t)
1 650 ---- ---- ---- ----
2 521 ---- ---- ---- ----
3 563 ---- ---- ---- ----
4 735 ---- ---- ---- ----
5 514 ---- ---- ---- ----
6 596 596.6 -0.6 0.6 0.10%

Promedio Móvil Ponderado de tres periodos:

Semana
Dt Ft et |et| |et|% = |et|/Dt·100
(t)
1 650 ---- ---- ---- ----
2 521 ---- ---- ---- ----
3 563 ---- ---- ---- ----
4 735 567.8 167.2 167.2 22.75%
5 514 640.6 -126.6 126.6 24.63%
6 596 590.1 5.9 5.9 0.99%
 Suavizamiento exponencial: NO SE PUEDE CALCULAR, FALTAN MÁS DATOS.
Promedio Promedio
Suavizamiento
Medida Móvil Móvil
Exponencial
Simple Ponderado
Sesgo -0.6 15.5 No se puede calcular
MAD 0.6 99.9 No se puede calcular
MAPE 0.1% 16.12% No se puede calcular

e) Se supuso que:
• La demanda futura será como la cantidad demandada pasada.
• No hay tendencia, estacionalidad y efectos cíclicos.
• En el promedio móvil, todos los datos pesan igual.
• En el promedio ponderado los datos más recientes pesan más.
• En el suavizamiento exponencial el valor de 𝛼 = 0.1 pone poco peso a la demanda actual y mucho
peso al pronóstico pasado.

6) La demanda de National Cereal, uno de los cereales favoritos para el desayuno entre personas nacidas en
la década de los 70 en CerealLand, está en una etapa de decadencia. La compañía desea vigilar
cuidadosamente la demanda. Para ello ha utilizado el método de suavización exponencial ajustado a
la tendencia con 𝛼 = 0,1 y 𝛽 = 0,3. Al final de diciembre, la estimación de enero para el número
promedio de cajas vendidas para cada mes fue de 900.000 y las tendencias de -50.000 por mes. En la
tabla siguiente se presenta la historia de las ventas reales para los meses de enero a marzo:

MES VENTAS
Enero 890.000
Febrero 800.000
Marzo 825.000

a) Genere usted los pronósticos para los meses de febrero, marzo y abril.
b) Calcule el Sesgo, MAD y MAPE. ¿Qué opina de los resultados?
c) Si la tendencia sigue a la baja, ¿este método de predicción sigue siendo válido?

Solución:
a) y b)
MES At Ft Tt PITt SESGOt MADt MAPEt
Enero 890.000 900.000 -50.000 850.000 ---- ---- ----
Febrero 800.000 899.000 -35.300 863.700 -63.700 63.700 7,96%
Marzo 825.000 889.100 -27.680 861.420 -50.060 50.060 6,19%
Abril ---- 882.690 -21.299 861.391 ---- ---- ----

De los resultados podemos ver que la estimación inicial dada es una subestimación, y lo
calculado representa una sobreestimación de las ventas reales.
 c)
Si la tendencia es a la baja, este método de pronóstico es válido, así como otros, en la medida que se
corrijan los parámetros alfa y beta, o se tenga bien definida la señal de rastreo, dado que el pronóstico
del mes de marzo tuvo una desviación no menor respecto al último periodo.

7) Las llamadas de emergencia del 911 en Florida durante las pasadas 24 semanas son las indicadas:

Semanas Llamadas Semanas Llamadas

1 50 13 55
2 35 14 35
3 25 15 25
4 40 16 55
5 45 17 55
6 35 18 40
7 20 19 35
8 30 20 60
9 35 21 75
10 20 22 50
11 15 23 40
12 40 24 65

a) Calcule la previsión exponencialmente alisada de llamadas para cada semana. Suponga una previsión inicial
de 50 llamadas en la primera semana y utilice un 𝛼 = 0.1, ¿cuál es la previsión para la semana 25?
b) Utilizando la tabla anterior prevea las llamadas de la semana 2 hasta la 25 con un alisado exponencial con
ajuste de tendencia. Suponga que la previsión inicial es de 50 llamadas para la semana uno y una tendencia
inicial de 0, utilice las constantes de alisado de 𝛼 = 0.3 y 𝛽 = 0.1. ¿Es este modelo mejor que el
pronosticado en la pregunta anterior?
 Solución:

Semanas Llamadas F(=0.1) F(=0.3) Tendencia PITt |e1| |e2|

1 50 50,00 50,00 0,00 50,00 -- --
2 35 50,00 50,00 0,00 50,00 15,00 15,00
3 25 48,50 45,50 -0,45 45,05 23,50 20,05
4 40 46,15 39,35 -1,02 38,33 6,15 1,67
5 45 45,54 39,55 -0,90 38,65 0,53 6,35
6 35 45,48 41,18 -0,65 40,54 10,48 5,54
7 20 44,43 39,33 -0,77 38,56 24,43 18,56
8 30 41,99 33,53 -1,27 32,26 11,99 2,26
9 35 40,79 32,47 -1,25 31,22 5,79 3,78
10 20 40,21 33,23 -1,05 32,18 20,21 12,18
11 15 38,19 29,26 -1,34 27,92 23,19 12,92
12 40 35,87 24,98 -1,63 23,35 4,13 16,65
13 55 36,28 29,49 -1,02 28,47 18,72 26,53
14 35 38,16 37,14 -0,15 36,99 3,16 1,99
15 25 37,84 36,50 -0,20 36,30 12,84 11,30
16 55 36,56 33,05 -0,53 32,52 18,44 22,48
17 55 38,40 39,63 0,19 39,82 16,60 15,18
18 40 40,06 44,24 0,63 44,87 0,06 4,87
19 35 40,05 42,97 0,44 43,41 5,05 8,41
20 60 39,55 40,58 0,15 40,73 20,45 19,27
21 75 41,59 46,41 0,72 47,13 33,41 27,87
22 50 44,93 54,98 1,51 56,49 5,07 6,49
23 40 45,44 53,49 1,21 54,70 5,44 14,70
24 65 44,90 49,44 0,68 50,12 20,10 14,88
25 46,91 54,11 1,08 55,19 -- --
MAD 13,25 12,56

Luego, el mejor pronóstico es el de b), por tener menor MAD.

8) El número de intervenciones quirúrgicas de corazón que se realizan en el Hospital General de Heratville ha

aumentado sin cesar en los últimos años. La administración del hospital está buscando el mejor método para
pronosticar la demanda correspondiente a esas operaciones en 1998. Aquí se muestran los datos de los últimos
cinco años. Hace seis años, el pronóstico para 1993 era de 41 operaciones:

AÑO DEMANDA
1993 45
1994 50
1995 52
1996 56
1997 58
La administración del hospital está considerando el uso de los siguientes métodos de pronósticos:
i. Suavizamiento exponencial doble con alfa = 0,6 y beta = 0,5. Utilice una tendencia inicial igual a 5 para
1993.
ii. Promedio móvil ponderado de tres años, usando ponderaciones de (3/6), (2/6) y (1/6), y asignando mayor
ponderación a los datos más recientes.
iii. Modelo de regresión Y = 42,6 + 3,2·X, donde Y es el número de operaciones quirúrgicas y X representa el
índice correspondiente al año (por ejemplo, X = 1 para 1993).
¿Qué método de Pronóstico se deberá seleccionar? Si:
a) El MAD es el criterio de rendimiento seleccionado por la administración.
b) El MSE (Cuadrado del Error Medio) es el criterio de rendimiento seleccionado.
c) El MAPE (Error Porcentual Medio Absoluto) es el criterio seleccionado por la administración.

Solución:

i. Suavizamiento exponencial doble:

Año Dt Ft Tt PITt et MAD MSE MAPE

1993 45 41 5 46 ---- ---- ---- ----
1994 50 43.4 3.7 47.1 2.9 2.9 8.4 5.8%
1995 52 47.4 3.8 51.2 0.8 1.9 4.5 3.7%
1996 56 50.1 3.3 53.4 2.6 2.1 5.2 4.0%
1997 58 53.7 3.4 57.1 0.9 1.8 4.1 3.4%
1998 56.3 3.0 59.3 ---- ---- ---- ----

ii. Promedio Móvil Ponderado de tres años:

Año Dt Ft et MAD MSE MAPE

1993 45 ---- ---- ---- ---- ----
1994 50 ---- ---- ---- ---- ----
1995 52 ---- ---- ---- ---- ----
1996 56 50.2 5.8 5.8 34.0 10.4%
1997 58 53.7 4.3 5.1 26.4 8.9%
1998 56.3 ---- ---- ---- ----

iii. Modelo de regresión lineal simple:

Año X Dt Ft = Y(X) et MAD MSE MAPE

1993 1 45 45.8 -0.8 0.8 0.6 1.8%
1994 2 50 49 1 0.9 0.8 1.9%
1995 3 52 52.2 -0.2 0.7 0.6 1.4%
1996 4 56 55.4 0.6 0.7 0.5 1.3%
1997 5 58 58.6 -0.6 0.6 0.5 1.3%
1998 6 61.8 ---- ---- ---- ----
 a) Se elige el modelo de regresión lineal por tener un menor MAD = 0.6
b) Se elige el modelo de regresión lineal por tener un menor MSE = 0.5
c) Se elige el modelo de regresión lineal por tener un menor MAPE = 1.3%

9) El administrador de la empresa de limpieza de alfombras Aladín S.A., ubicada en Agraba, necesita pronosticar
la demanda por sus servicios para el año 2001. Los datos disponibles por él son los siguientes:

Trimestre 1996 1997 1998 1999 2000

1 50 70 100 100 110
2 350 370 585 725 850
3 530 590 830 1.160 1.390
4 100 170 285 215 250
TOTAL 1.030 1.200 1.800 2.200 2.600

Como Ud., actualmente está de vacaciones por Agraba, y se ha hecho amigo de él, ha decidido
ayudarlo, dado que Ud. hizo un curso de Administración de Producción en la prestigiosa Universidad
de Santiago. Por lo tanto, pronostique la demanda por limpieza de alfombras para cada período
trimestral del año 2001. (Utilice índice de estacionalidad).

Solución:

1º Proyectar la demanda total para el año 2001

Dado que la demanda total tiene una tendencia al alza, utilizaremos regresión lineal:

X Y X·Y X2
1 1030 1030 1
2 1200 2400 4
3 1800 5400 9
4 2200 8800 16
5 2.600 13.000 25
Total 8.830 30.630 55

Sea el modelo por estimar:

̂ + 𝑏̂𝑋
̂=𝑎
𝑌

5 ∙ 30630 − 15 ∙ 8830
𝑏̂ = = 414
5 ∙ 55 − 152

8830 15
𝑎 ̂ − 𝑏̂𝑋 =
̂=𝑌 − 414 ∙ = 524
5 5
Entonces
̂ = 524 + 414 ∙ 𝑋
𝑌
 Luego para el año 2001 se obtiene:

𝑌(6) = 524 + 414 ∙ 6 = 3008

Otra manera de calcular el pronóstico para el año 2001 es mediante tasas

2600
−1
𝑖 = 1030 = 0,3811
4
̂ (2001) = 1030(1 + 0,3811 ∙ 5) = 2993
𝑌

2º Determinar los índices de estacionalidad con los datos actuales:

8830
̅ 𝑇𝑟𝑖𝑚𝑒𝑠𝑡𝑟𝑎𝑙 =
𝐷 = 2207.5
4

Demanda Total
Trimestre Índice de Estacionalidad
Trimestral
1 430 430/2.207,5 = 0,1948
2 2.880 2.880/2.207,5 = 1,3046
3 4.500 4.500/2.207,5 = 2,0385
4 1.020 1.020/2.207,5 = 0,4621
 = 8.830  8.830/4 = 2.207,5

Luego, para el año 2001, la demanda promedio trimestral es 3.008/4 = 752

3º Aplicar el Índice de Estacionalidad (calculado anteriormente para cada trimestre), sobre la demanda
promedio trimestral del año 2001:
Trimestre Pronostico trimestral año 2001
1 752·0,1948 = 146,5
2 752·1,3046 = 981,1
3 752·2,0385 = 1.532,9
4 752·0,4621 = 347,5
Suma  3.008

Nota: Otras opciones de resolución más largas, son válidas en torno a estas cifras.
10) El volumen de correspondencia diaria que reciben cada semana las oficinas de correo de Mailville, se registra
en la siguiente tabla, que corresponde a dos semanas representativas y están expresadas en miles de piezas
postales.

Día Semana 1 Semana 2

Domingo 5 8
Lunes 20 15
Martes 30 32
Miércoles 35 30
Jueves 49 45
Viernes 70 70
Sábado 15 10
Total 224 210

Si el director de correos estima que tendrá que clasificar 230.000 piezas de correo durante la semana
próxima, pronostique usted, ¿cuál será el volumen correspondiente para cada día de la semana?

Solución:

Semana 1 Semana 2
Factor de Factor de
Día Volumen Volumen
estacionalidad estacionalidad
Domingo 5 5/32=0.156 8 8/30=0.266
Lunes 20 20/32=0.625 15 15/30=0.500
Martes 30 30/32=0.937 32 32/30=1.066
Miércoles 35 35/32=1.093 30 30/30=1.000
Jueves 49 49/32=1.531 45 45/30=1.500
Viernes 70 70/32=2.187 70 70/30=2.333
Sábado 15 15/32=0.468 10 10/30=0.333
Total 224 210
Promedio 32 30

Para la próxima semana, se tiene diariamente:

Volumen Promedio Esperado = 230.000 / 7 = 32.857

Resultados
Día Factor prom · vol prom esperado
Domingo 0.2114·32.857 = 6.948
Lunes 0.562·32.857 = 18.482
Martes 1.002·32.857 = 32.926
Miércoles 1.046·32.857 = 34.397
Jueves 1.515·32.857 = 49.799
Viernes 2.260·32.857 = 74.271
Sábado 0.401·32.857 = 13.177
Total 230.000
11) Un alumno de ingeniería industrial presentó un pronóstico para la captura del jurel en Chile. Para ello, realizó
una regresión lineal simple, considerando como variable los años comprendidos entre 1992 y 2001. El resultado
de la regresión es el siguiente:
𝑏0 = 626,153
𝑏1 = −312252,4
𝑅2 = 0,6121
La tabla considerada para hacer la regresión es la siguiente:

Toneladas de
Año
jurel
1992 3212060
1993 3236244
1994 1011117
1995 4404193
1996 3883326
1997 2917064
1998 1612912
1999 1219689
2000 1234299
2001 1649933
Fuente: SERNAPESCA
Respecto al estudio de la demanda realizado por el alumno, ¿qué comentario le merece en términos de
lo enseñado en el curso?

Solución:
Graficando los datos, podemos observar:

1. No es adecuado realizar una regresión lineal simple como técnica dada la poca linealidad entre las variables
consideradas, además ocurrieron pronósticos negativos y R2 es bajo.
2. El gráfico adjunto muestra cierta estacionalidad o ciclo en la captura del jurel, esto puede deberse a períodos
de veda, ciclo de reproducción del jurel, fenómenos climáticos como el niño o la niña, en consecuencia, habrá
que estudiar una serie más larga a fin de encontrar ciclos, estacionalidad, tendencia, etc. que ayuden a realizar un
pronóstico.
3. Se sugiere realizar un pronóstico causal, dado que hay variables explicativas que pueden ayudar a hacer un
buen pronóstico o revisar la posibilidad de aplicar un suavizamiento doble (Tendencia y estacionalidad), si
tenemos una serie más larga.
12) ¿Qué tipo de componentes por series de tiempo esperaría usted en los siguientes casos?
a) Ventas mensuales de leche en un supermercado
b) Demanda diaria de llamadas telefónicas
c) Demanda mensual de periódicos

Solución:
a) Tendencia, azar.
b) Estacional (fines de semana, vacaciones), tendencia, azar.
c) Tendencia, estacional (fines de semana), aleatorio.

13) ¿En base a qué factores se debe seleccionar un método de pronóstico?

Solución:
- Sofisticación del usuario y del sistema.
- El uso o las características de la decisión.
- El patrón de los datos.
- El tiempo y los recursos disponibles.
- La disponibilidad de los datos.
14) ¿Cuáles son las desventajas del modelo de pronóstico de promedios móviles?

Solución:
- El incremento en el valor de n suaviza mucho más las fluctuaciones, pero el método lo hace menos sensitivo a
los cambios reales en la información.
- Los promedios móviles no pueden reconocer bien la tendencia (se mantienen dentro de los niveles del pasado
y no predican un cambio de nivel)

15) Se pidió que todos los vendedores de una compañía realizarán pronósticos de las ventas de sus territorios
para el año siguiente. Estos pronósticos se sumarán por línea de producto, distrito, región y por último a nivel
nacional. Describa los problemas que surgen al utilizar este pronóstico para decisiones específicas sobre
inventario y la programación de las máquinas.

Solución:
- Es bastante improbable que el personal de ventas pueda predecir con seguridad un producto individual en
menos de un mes, lo que influye sobre todo en la programación de las máquinas.
- Si manejamos a nivel agregado el pronóstico para propósito de control, no se entenderá.

16) ¿Existen diferencias entre el pronóstico de demanda y el pronóstico de ventas?

Solución:
La demanda y las ventas no siempre son lo mismo. Cuando la demanda no se ve limitada por la
capacidad u otras políticas administrativas, el pronóstico de ésta será el mismo que el pronóstico de
ventas. En caso contrario, las ventas podrían ser ligeramente inferiores a la demanda de los clientes.