1.

Análisis de ventas (Datos de 3 a 5 años)

El producto seleccionado para analizar son la Chapas, dado que es uno de los más
cotizados por la empresa, es decir, el que genera mayor venta anual de la empresa Metal
Iron Company. Por ende, los datos obtenidos de las ventas históricas fueron obtenidas
de la empresa. Por ello, observamos que las ventas históricas de los productos, como las
chapas se encuentran en constante movimientos según en los años desde 2018 hasta
2022 en la siguiente tabla:

PERIOD
AÑO MES O REAL
2018 Enero 1 958
2018 Febrero 2 962
2018 Marzo 3 1039
2018 Abril 4 1060
2018 Mayo 5 1113
2018 Junio 6 1020
2018 Julio 7 1325
2018 Agosto 8 1030
2018 Setiembre 9 1025
2018 Octubre 10 1150
2018 Noviembre 11 850
2018 Diciembre 12 826
2019 Enero 13 700
2019 Febrero 14 650
2019 Marzo 15 625
2019 Abril 16 630
2019 Mayo 17 650
2019 Junio 18 670
2019 Julio 19 559
2019 Agosto 20 680
2019 Setiembre 21 750
2019 Octubre 22 660
2019 Noviembre 23 690
2019 Diciembre 24 682
2020 Enero 25 685
2020 Febrero 26 750
2020 Marzo 27 795
2020 Abril 28 820
2020 Mayo 29 750
2020 Junio 30 793
2020 Julio 31 805
2020 Agosto 32 765
2020 Setiembre 33 600
2020 Octubre 34 803
2020 Noviembre 35 800
2020 Diciembre 36 1125
2021 Enero 37 975
2021 Febrero 38 970
2021 Marzo 39 1010
2021 Abril 40 1050
2021 Mayo 41 1200
2021 Junio 42 1300
2021 Julio 43 800
2021 Agosto 44 690
2021 Setiembre 45 960
2021 Octubre 46 855
2021 Noviembre 47 980
2021 Diciembre 48 750
2022 Enero 49 960
2022 Febrero 50 900
2022 Marzo 51 1150
2022 Abril 52 1310
2022 Mayo 53 1220
2022 Junio 54 1075
2022 Julio 55 1210
2022 Agosto 56 1500
Gráfico de Ventas:

Demanda Mensuales por año

1600
1400
1200
2018
1000
2019
800 2020
600 2021
2022
400
200
0
o ro zo ril yo ni
o lio to br
e re br
e
br
e
er re ar Ab Ma Ju Ju os ub
En Feb M Ag tiem Oct viem ciem
Se No Di

Fuente: Elaboración propia

2. Modelos de Pronósticos Aplicados:

En este parte del trabajo esperamos tratar de encontrar el modelo de pronóstico
más cercano a las ventas reales de Metal Iron Company. Por esa razón, se
desarrollará el pronostico de ventas de acuerdo a diferentes modelos, los cuales
son:
 Modelo de Promedio Móvil:
Para el modelo de pronóstico promedio móvil tomamos 2 diferentes “n”,
donde los valores de fueron para un caso donde n=3 y otro donde n=4,
para hacer realizar el promedio. Además, se trabajó con total de 56
meses. Para este pronóstico sacamos los promedios para cada caso de “n”
cuyo fin es identificar cual de los dos periodos se obtiene mayor
precisión al comprarse con demanda. En las siguientes graficas tomamos
los datos desde 2018 hasta 8 meses del año 2022.
 Promedio Movil con n=3
1600

1400

1200

1000

800

600

400

200

0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55

Demanda Pronostico

Fuente: Elaboración propia

 Promedio Movil con n=4
1600

1400

1200

1000

800

600

400

200

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55

Demanda Pronostico

Fuente: Elaboración propia

 Modelo Promedio Móvil Ponderado:

Sabemos que para el modelo de promedio móvil ponderado debemos
calcular el pronóstico asignándole un peso diferente a cada dato; en
cambio, en el promedio móvil no se daba estas complicaciones. En este
caso, trabajamos con los valores de n=3 y n=4; por lo tanto, el peso de
cada dato dependerá que valor de “n” tome. Además, sabemos que con
este pronostico se acerca más a los valores reales.
 Promedio Movil Ponderada con n=3
1600

1400

1200

1000

800

600

400

200

0
1 3 5 7 9 11 13 15 1 7 1 9 2 1 2 3 2 5 2 7 2 9 31 33 35 37 39 41 43 45 4 7 4 9 5 1 5 3 5 5

Demanda Pronostico

Fuente: Elaboración propia

Promedio Movil Ponderada con n=4

1600

1400

1200

1000

800

600

400

200

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55

Demanda Pronostico

Fuente: Elaboración propia

 Modelo Suavizamiento Exponencial Simple:

 En modelo presente la constante de suavización se le conoce como alfa;
dado que, brinda mayor ponderación a las demandas recientes que a los
otros periodos anteriormente realizados; sin embargo, si la constante
resulta menor ocurre los contrarios.
También para obtener el valor de alfa se logro usar la herramienta Solver
de Excel, para así obtener el alfa con el que se logró obtener el mínimo
valor de error absoluto(MAD).Además, el valor de alfa que se obtuvo es
de 0.638 .

Modelo de Suavizamiento Simple

1600
Fuente: Elaboración propia
1400

1200

1000

800

600

400

200

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55

Demanda Pronóstico

 Modelo Suavizamiento Exponencial Tendencias de Ajuste:

Este modelo es similar al modelo de suavización exponencial simple, ya
que también se trabaja con constantes de suavización, pero en este caso
de Suavizamiento exponencial se presente dos constantes de suavización
donde vienen hacer: alfa (α )y beta ( β ¿,donde uno para el promedio y en
la tendencia. Además, que este tipo de caso se cuenta con un pronostico
inicial y un valor en la tendencia.
También como logramos calcular el alfa en el Suavizamiento
Exponencial se realizo lo mismo pasos para calcular la beta donde se uso
la herramienta Solver de Excel para poder obtener el menor valor, donde
los valores obtenidos tanto para alfa y beta fueron 0,06045 y 0,99999
respectivamente.
 Modelo de Suavizamiento Exponencial Tendencias de
Ajuste
1600

1400

1200

1000

800

600

400

200

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55

Demanda Pronostico incluyendo tendencia FITt

Fuente: Elaboración propia

 Modelo de Análisis de Regresión Lineal:

Este modelo agrupa variables dependientes, donde viene para este caso
serían los meses y con una o más variables independientes, que vienen
hacer las demandas de los años (desde 2018 hasta los 8 meses del 2022).

Modelo de Analisis de Regresion Lineal

1600
1400
1200
1000
800
600
400
200
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55

Demanda Pronosticos
 Fuente: Elaboración propia

3. Selección de Modelo de Pronostico (Medición de errores):

Después de obtener los resultados de cada pronóstico, se procedió a sacar los
errores de todos los pronósticos calculados, con el fin de encontrar que tan buen
desempeño tiene cada modelo al compararlo consigo mismo usando datos de las
demandas. Para que los cálculos de estas no sirvan para tomar mejores

n=3
114,02515
MAD Suma de error absoluto promedio 7
12,633339
MAPE Suma de error porcentual absoluto promedio 9
24789,538
MSE Error cuadrado Medio 8
decisiones. Las medidas que se procedieron a sacar son el MAD (Desviación
absoluta media), MAPE (Error porcentual absoluto medio) y MSE (Error
cuadrático medio).
 Modelo Promedio Móvil:
En este modelo se logro obtener 2 errores dado por cada “n” (n=3 y n=4).
Por lo que, en la siguiente tabla se verá los resultados de ambos, así
como, se elegirá que “n” es el más adecuado.

n=4
119,69711
MAD Suma de error absoluto promedio 5
13,335537
MAPE Suma de error porcentual absoluto promedio 2
26174,693
MSE Error cuadrado Medio 5
 Según podemos observar los datos en ambas tablas, podemos concluir
que Modelo Promedio Móvil con n=3 es la mejor opción porque
comparando las tablas el que tiene valores más bajos es el n=3 y eso
significa que su precisión es mayor que al de n=4.

 Modelo Promedio Ponderado Móvil:

Para la medición de error de este modelo, se logró obtener errores por
cada “n” (n=3 y n=4). Por lo que, en las siguientes tablas se puede
apreciar los resultados de los errores de cada “n” y se tendrá elegirá el
más adecuado.

n=3
MAD Suma de error absoluto promedio 111,487421
MAPE Suma de error porcentual absoluto promedio 12,3140539
MSE Error cuadrado Medio 22908,7154

n=4
MAD Suma de error absoluto promedio 113,732692
MAPE Suma de error porcentual absoluto promedio 12,6186123
MSE Error cuadrado Medio 23705,0094
Según podemos observar los datos en ambas tablas, podemos concluir
que Modelo Promedio Ponderado Móvil con n=3 es la mejor opción
porque comparando las tablas el que tiene valores más bajos es el n=3 y
eso significa que su precisión es mejor comparada que al de n=4.

 Resumen de Errores Suavización Exponencial Simple:

106,38086
MAD Suma de error absoluto promedio 5
11,715450
MAPE Suma de error porcentual absoluto promedio 1
21023,119
MSE Error cuadrado Medio 6
  Resumen de Errores Suavización Exponencial de Tendencia de
Ajuste:

MAD Suma de error absoluto promedio 45,0946838

MAPE Suma de error porcentual absoluto promedio 5,66712465
MSE Error cuadrado Medio 14519,1322

 Resumen de Errores Análisis de regresión Lineal:

MAD Suma de error absoluto promedio 45,6097857

MAPE Suma de error porcentual absoluto promedio 4,72592523
MSE Error cuadrado Medio 13018,8617