Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Segundo Laboratorio de Planeación y Control de La Producción
Segundo Laboratorio de Planeación y Control de La Producción
PRODUCCIÓN
INTEGRANTES
CARLOS ENRIQUE DIAZ LUNAR
ESCUELA DE INGENIERÍAS
FACULTAD DE INGENIERÍA INDUSTRIAL
UNIVERSIDAD PONTIFICIA BOLIVARIANA
SECCIONAL BUCARAMANGA
2023
CASO I. La empresa Mecalux S.A.S, considera el estudio de estimación de la demanda de
láminas de acero inoxidable. Para ello se dispone de la información histórica de los datos,
tal como se presenta en la Tabla 1. El gerente de operaciones de la empresa considera que
se pueden presentar algunos datos atípicos referentes a comportamientos de solicitud de
productos; ya que en algunas oportunidades se ha desarrollado producción de discos para
frenos para nuevos mercados emergentes durante el año 2022. Por lo tanto, se debe
hacer un análisis de la información histórica semanal de la demanda de láminas de acero,
de tal forma que se pueda trabajar con los datos correctos para la estimación de la
demanda del mes de Marzo de 2023.
Tabla 1. Demanda semanal de láminas de acero que requiere la empresa Mecalux S.A.S
Fuente: Autor
Con base en la información anterior:
La demanda de láminas de acero inoxidable exhibe una oscilación a lo largo del mismo eje
horizontal durante un período de tiempo, lo que indica un comportamiento estacionario
sin ningún patrón discernible. Según el gráfico proporcionado, hay una fluctuación en la
demanda, con un pico de 244 y un mínimo de 99. Vale la pena señalar que hay algunos
valores anómalos en las semanas 10, 24 y 34.
b) Hacer un análisis escrito de la autocorrelación serial y autocorrelación parcial de la
serie de tiempo (espectros de información excluyendo los datos atípicos), de tal
forma que justifique los posibles factores que influyen en el comportamiento de la
serie de tiempo.
Correlograma
1
0.8
0.6
0.4
0.2 Correlograma
0
-0.2 1 3 5 7 9 11 13 15 17 19 21 23 25
-0.4
-0.6
-0.8
-1
Se puede notar que existe una transformación, el histograma de frecuencia del espectro de
información es una función continua sin una forma estándar definida y se puede concluir
que el espectro de información es una función no periódica y, por lo tanto, es esencialmente
estacionario.
e) Obtener el pronóstico de láminas de acero para la primera semana del mes de marzo
de 2023, considerando la técnica de suavización exponencial simple.
Se obtuvo un pronóstico de 140 láminas de acero inoxidable para la primera semana del
mes de marzo del año 2023 mediante la técnica de suavización exponencial simple.
f) ¿Cuál es la mejor estimación de la demanda de láminas de acero inoxidable? Con
base en esta respuesta construya un intervalo de predicción utilizando la siguiente
expresión:
√ 1
IP( 1−α ) %= ^y t ± t (α /2 ),(n−1) 1+ + ECM
n
Cuando se detalla la información histórica de la demanda de placas de acero inoxidable,
podemos concluir que la serie de tiempo tiene un comportamiento estacionario con alta
oscilación, es decir, seguimos utilizando el método de predicción de la secuencia
estacionaria, el mejor pronóstico es el cuadrado de suavizado exponencial. error de 1194 y
el error cuadrático medio de 1194. Esto difiere del método de pronóstico simple de
1196,28, que da una demanda de 140 tarjetas en la semana 54.
CASO II. La empresa Corralita S.A.S, considera la importancia de evaluar el precio de
compra de insumos para el tratamiento de suelo en la agroindustria. Se sabe que el costo
por kilogramo de un fertilizante tiene una fluctuación que debe ser considerada en el
proceso de estimación futura para la planificación de un presupuesto logístico de compra
de este insumo requerido por la empresa. Se sabe que la información recolectada del
precio de compra del fertilizante (por kilogramo) se basa en datos mensuales, tal como se
presenta en la Tabla 2.
Fuente: Autor
Correlograma
1
0.8
0.6
0.4
Correlograma
0.2
0
-0.2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0.4
-0.6
-0.8
-1
Se observan niveles de auto correlación que aceptan la hipótesis alterna, es decir, que bajo
un nivel de significancia del 12%, existe suficiente evidencia estadística para afirmar que la
serie es estacionaria de baja fluctuación, ya que todos los datos corresponden a la hipótesis
Ho.
d) Obtener el pronóstico del precio de compra de fertilizante para el mes 37,
considerando la técnica de promedio simple.
N Real Pronostico ECM
1 132,5 - -
2 113,5 132,5 361
3 137,8 123 219
4 192,1 127,9 4117,4
5 128,2 144,0 248,9
6 128,5 140,8 151,8
7 126,5 138,8 150,5
8 119,6 137,0 303,3
9 123,3 134,8 133,1
10 119,4 133,6 200,4
11 109,3 132,1 521,7
12 107,6 130,1 504,6
13 137,4 128,2 84,8
14 103,5 128,9 645,2
15 118,7 127,1 70,3
16 142,7 126,5 261,6
17 121,5 127,5 36,5
18 133,4 127,2 38,7
19 113,6 127,5 194,0
20 138,7 126,8 141,7
21 139,5 127,4 146,7
22 128,6 128,0 0,40
23 128,2 128,0 0,04
24 125,5 128,0 6,27
25 128,6 127,9 0,49
26 126,6 127,9 1,76
27 110,5 127,9 301,96
28 119,5 127,2 59,80
29 114,6 127,0 152,70
30 135,7 126,5 84,07
31 141,6 126,8 217,96
32 131,6 127,3 18,38
33 122,5 127,4 24,47
34 105,7 127,3 466,43
35 109,6 126,7 291,10
36 121,8 126,2 19,13
37 126,1 10175,8
√ 1
IP( 1−α ) %= ^y t ± t (α /2 ),(n−1) 1+ + ECM
n
Concluyendo que la información histórica temporal de los precios de los fertilizantes es est
able con fuertes fluctuaciones, se siguen utilizando métodos de pronóstico de series establ
es y lo mejor es el pronóstico simple con un error cuadrático medio promedio de 303.25.
A diferencia del método de pronóstico de suavizado exponencial con un error cuadrático
medio de 311,1, lo que significa que el precio del fertilizante será 126 en la semana 37.
CASO III. Considerar que lo han contratado a usted como analista de información para el
estudio de proyección de mercadeo de nuevos productos de aseo para el hogar. Dentro
del estudio, se establece que se puede tener una relación entre las técnicas de
pronósticos asociadas a factores estacionarios de baja fluctuación; por tanto, se puede
asumir que según el número de observaciones históricas se puede estimar el factor
estacionario de la suavización exponencial.
Para esto se debe considerar una consistencia en función de la varianza del error en los
dos modelos de pronósticos disponibles (promedio simple y suavización exponencial
simple). Se puede interpretar que:
2 2
σ error promedio =σ error suavización
∑ yt−1
var ( Et )=σ + var ( t=1
2
)
n
n
1
var ( Et )=σ +( 2 ) var ( ∑ yt−1)
2
n t =1
2 1
n ( )
var ( Et )=σ + 2 ( n σ )
2
d)
( )
2
2 σ
var ( Et )=σ +
n
var ( Et )=σ 2+ 1+ ( 1n )
σ²error promedio = σ²error suavización
1 α
1+ =1+
n 2−α
1 α
=
n 2−α
b) ¿Qué pasa con el valor del factor estacionario de la suavización exponencial simple
cuando el tamaño de las observaciones es un valor muy grande? Justifique su respuesta.
nα =2−α
nα +α =2
α (n+1)=2
2
α=
(n−1)
2
lim α =( )
limn−1
lim α =0