ESTUDIO DEL

TRABAJO
INGENIERIA INDUSTRIAL

2021 - II 1
ESTUDIO DEL
TRABAJO
SESIÓN 02:
INGENIERIA INDUSTRIAL
Los Pronósticos en la Administración de Operaciones

2021 - II 2
TEMARIO

Tema 1: Métodos de Pronósticos

Tema 2: Métodos de Pronósticos

Tema 3: Métodos de Pronósticos

Tema 4: Métodos de Pronósticos

3
 Objetivo de la Sesión

Al finalizar la sesión 2, el estudiante comprende la importancia de la

Dirección Táctica de Operaciones.
VIDEO MOTIVACIONAL:
 PREGUNTAS:

• Pregunta 1
N° 1
• Pregunta 2
N° 2

• Pregunta 3
N° 3

Participa en el chat o levantando la mano del ZOOM

6
LOS PRONÓSTICOS DE LA
ADMINISTRACIÓN DE
OPERACIONES
MÉTODOS DE PRONÓSTICOS DE LA
ADMINISTRACIÓN DE OPERACIONES
MÉTODOS DE PRONÓSTICOS DE LA
ADMINISTRACIÓN DE OPERACIONES
MÉTODOS DE PRONÓSTICOS DE LA
ADMINISTRACIÓN DE OPERACIONES
 MÉTODO DE PROMEDIO MÓVIL SIMPLE

At-1 + At-2 + …. + At-n

Ft = n

Donde Ft es la demanda pronosticada para el

periodo “t” y At la demanda real para el periodo
“t”. La constante o parámetro “n” determina el
número de periodos a promediar.
En la tabla que a continuación se muestra el
procedimiento de pronóstico de demanda con
media móvil simple con n=3. Por ejemplo, el
pronóstico de abril se obtiene promediando los
valores de enero, febrero y marzo:
Notar que los pronósticos no consideran decimales
(decisión arbitraria).
MÉTODO DE PROMEDIO MÓVIL SIMPLE
 MÉTODO DE PROMEDIO MÓVIL SIMPLE

1
2
3
4
5
6
7
8
9
10
11
12
 2 cm
1 cm

1 cm
3 cm

9 cm

13 cm
MÉTODO DE PROMEDIO MÓVIL SIMPLE
MÉTODO DE PROMEDIO MÓVIL SIMPLE

230
 MÉTODO DE PROMEDIO MÓVIL SIMPLE

Demanda Prom. móvil Prom. móvil

Meses Periodo
observada bimestral pentamestral
Enero 1 6,341
i o de
r c ic Febrero 2 5,693
Eje ción Marzo 3 6,508
l i c a
ap Abril 4 6,170
Mayo 5 6,561
Con la siguiente información, Junio 6 6,168
hallar los pronósticos bimestral Julio 7 6,176
y pentamestralmente.
Agosto 8 5,754
Hacer la gráfica respectiva.
Setiembre 9 6,207
Octubre 10 6,477
Noviembre 11 6,360
Diciembre 12 6,565
Diferencias
MÉTODO DE PROMEDIO MÓVIL PONDERADO
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Ejemplo de aplicación de un Pronóstico Móvil

Ponderado.
Un almacén ha determinado que el mejor pronóstico
se encuentra determinando con 4 datos y utilizando
los siguientes factores de ponderación: 40%, 30%,
20% y 10%. Determinar el pronóstico para el
periodo 5.

Periodo Ventas (unid)

Mes 1 100,000
Mes 2 90,000
Mes 3 105,000
Mes 4 95,000
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10%
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20%
luego efectuar la sumatoria de los Mes 3 105,000 30%
productos: Mes 4 95,000 40%
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10%
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20%
luego efectuar la sumatoria de los Mes 3 105,000 30%
productos: Mes 4 95,000 40%
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10 %
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20%
luego efectuar la sumatoria de los Mes 3 105,000 30%
productos: Mes 4 95,000 40%
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10 %
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20 %
luego efectuar la sumatoria de los Mes 3 105,000 30%
productos: Mes 4 95,000 40%
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10 %
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20 %
luego efectuar la sumatoria de los Mes 3 105,000 30 %
productos: Mes 4 95,000 40%
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10 %
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20 %
luego efectuar la sumatoria de los Mes 3 105,000 30 %
productos: Mes 4 95,000 40 %
Total = 100 %
 MÉTODO DE PROMEDIO MÓVIL PONDERADO

Solución:

Periodo Ventas (unid) Ponderación

En este caso el primer paso consiste en Mes 1 100,000 10 %
multiplicar a cada periodo por su
correspondiente factor de ponderación, Mes 2 90,000 20 %
luego efectuar la sumatoria de los Mes 3 105,000 30 %
productos: Mes 4 95,000 40 %
Total = 100 %

5 = (100,000 x 0.10) + (90,000 x 0.20) + (105,000 x 0.30) + (95,000 x 0.40)

5 = 10,000 + 18,000 + 31,500 + 38,000

5 = 97,500 unidades
MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE
MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE
 MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE

Caso de aplicación:
MES PERIODO DEMANDA
Una empresa de consumo masivo lleva registro de Ene 1 1,800
la demanda mensual de uno de sus productos para Feb 2 1,600
el periodo de un año. Con la información que se Mar 3 1,750
presenta en el siguiente cuadro y empleando
valores de alfa de 0.3; 0.6 y 0.8 se pide hallar el Abr 4 2,100
pronóstico para el periodo 13 ( mes de enero del May 5 3,045
siguiente año). Evaluar el ajuste del método para
Jun 6 2,750
cada uno de los valores de alfa propuestos.
Jul 7 2,350
Ago 8 1,950
Set 9 2,050
Oct 10 3,250
Nov 11 2,500
Dic 12 2,010
 MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE

Caso de aplicación:
MES PERIODO DEMANDA Alfa = 0.3 Alfa = 0.6 Alfa = 0.8
Para el periodo 2 (mes de febrero) siempre es
Ene 1 1,800
igual a la demanda del primer periodo = 1,800
Feb 2 1,600
Mar 3 1,750
Abr 4 2,100
May 5 3,045
Jun 6 2,750
Jul 7 2,350
Ago 8 1,950
Set 9 2,050
Oct 10 3,250
Nov 11 2,500
Dic 12 2,010
Ene 13
MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE
MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Fórmula:

= Pronóstico del periodo t

= Intersección de la línea con el eje

= Pendiente (positiva o negativa)

= Periodo de tiempo
MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Fórmulas:

= Promedio de la variable dependiente (ventas o demanda)

= Promedio de la variable independiente (tiempo)

MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Ejemplo de aplicación

La juguetería GABY desea estimar mediante Mes Ventas (unidades)

regresión lineal simple o mínimos cuadrados las 1 enero 7,000
ventas de su nuevo carrito infantil “Mate”. La
información del comportamiento de las ventas de 2 febrero 9,000
todos sus almacenes de la cadena se presenta en el 3 marzo 5,000
siguiente tabulado: 4 abril 11,000
5 mayo 10,000
6 junio 13,000

El primer paso para encontrar el pronóstico del mes 7 (julio) consiste en hallar la pendiente,
para ello efectuamos los siguientes cálculos:
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

SOLUCIÓN POR EL MÉTODO MATEMÁTICO

= (7,000 x 1) + (9,000 x 2) + (5,000 x 3) + (11,000 x 4) + (10,000 x 5) + (13,000 x 6)

= 212,000

= (7,000 + 9,000 + 5,000 + 11,000 + 10,000 + 13,000)

= 55,000
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

SOLUCIÓN POR EL MÉTODO MATEMÁTICO

= ( 1 + 2 + 3 + 4 + 5 + 6)

= 21

= ( 12) + (22) + (32) + (42) + (52) + (62)

= 91
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

SOLUCIÓN POR EL MÉTODO MATEMÁTICO

= ( 1 + 2 + 3 + 4 + 5 + 6)2

= 441

( 6 ( 212,000 ) ) − (55,000 𝑥 21)

𝑏=
( 6 𝑥 91 ) − 441
𝑏=1,114.28
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Luego, y dado que ya se tiene el valor de la pendiente “b” procedemos a

calcular el valor de “a”, para ello efectuamos los siguientes cálculos:

( 7,000+9,000+5,000+11,000+10,000+13,000 )
¿
6

= 9,166.67

( 1 +2 +3 + 4 +5 +6 )
¿
6

= 3.5

= 9,166.67 – (1,114.28 x 3.5)

= 5,266.68
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

SOLUCIÓN POR EL MÉTODO MATEMÁTICO

Por último determinamos el pronóstico del mes 7 (julio), para ello

efectuamos el siguiente cálculo:

= 5,266.68 + (1,114.28 x 7)

= 13,067

Podemos así determinar que el pronóstico de ventas para el periodo 7 es

equivalente a 13,067 unidades.
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

SOLUCIÓN POR EL MÉTODO GRÁFICO

Valor Valor N° de Pronóstico

Periodo
de “a” de “b” periodo Operación Redondeado
1 5,266.68 1,114.28 1 6,380.96 6,381

2 5,266.68 1,114.28 2 7,495.24 7,495

3 5,266.68 1,114.28 3 8,609.52 8,610

Valor Valor N° de Pronóstico 4 5,266.68 1,114.28 4 9,723.80 9,724

Periodo
de “a” de “b” periodo Operación Redondeado 5 5,266.68 1,114.28 5 10,838.08 10,838
7 5,266.68 1,114.28 7 13,066.64 13,067 6 5,266.68 1,114.28 6 11,952.36 11,952

8 5,266.68 1,114.28 8 14,180.92 14,181

9 5,266.68 1,114.28 9 15,295.20 15,295

10 5,266.68 1,114.28 10 16,409.48 16,409

 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

 
    Meses Ventas
                                                 
16000
                                                  1 enero 7,000
                                                 
14000
                                                  2 febrero 9,000
13000
                                                 
12000 3 marzo 5,000
                                                 
11000
                                                  4 abril 11,000
10000 10000
                                                 
9000
                                                  5 mayo 10,000
8000
                                                 
7000                                                   6 junio 13,000
6000
                                                 
5000
                                                 
4000
                                                 
                                                 
2000
                                                 
                                                   
0 1 2 3 4 5 6 7 8 9 10 11 12
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Valor Valor N° de Pronóstico

Periodo
  de “a” de “b” periodo Operación Redondeado
   
1 5,266.68 1,114.28 1 6,380.96 6,381
                                                 
16000
                                                  6 5,266.68 1,114.28 6 11,952.36 11,952
                                                 
14000
                                                 
                                                 
12000
11952                                                  
                                                 
10000
                                                 
                                                 
8000
                                                 
6381                                                  
6000
                                                 
                                                 
4000
                                                 
                                                 
2000
                                                 
                                                   
0 1 2 3 4 5 6 7 8 9 10 11 12
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Valor Valor N° de Pronóstico

Periodo
  de “a” de “b” periodo Operación Redondeado
   
1 5,266.68 1,114.28 1 6,380.96 6,381
1640916000                                                  
                                                  6 5,266.68 1,114.28 6 11,952.36 11,952
15295
1418114000                                                  
                                                 
13067                                                  
12000
11952                                                  
                                                 
10000
                                                 
                                                 
8000
                                                 
6381                                                  
6000
                                                 
                                                 
4000
                                                 
                                                 
2000
                                                 
                                                   
0 1 2 3 4 5 6 7 8 9 10 11 12
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Valor Valor N° de Pronóstico

Periodo
  de “a” de “b” periodo Operación Redondeado
   
1 5,266.68 1,114.28 1 6,380.96 6,381
1640916000                                                  
                                                  6 5,266.68 1,114.28 6 11,952.36 11,952
15295
1418114000                                                  
                                                 
13067                                                  
Valor Valor N° de Pronóstico
12000 Periodo
11952                                                   de “a” de “b” Periodo Operación Redondeado
                                                 
10000 7 5,266.68 1,114.28 7 13,066.64 13,067
                                                 
                                                  8 5,266.68 1,114.28 8 14,180.92 14,181
8000
                                                 
6381                                                   9 5,266.68 1,114.28 9 15,295.20 15,295
6000
                                                 
                                                  10 5,266.68 1,114.28 10 16,409.48 16,409
4000
                                                 
                                                 
2000
                                                 
                                                   
0 1 2 3 4 5 6 7 8 9 10 11 12
 MÉTODO DE REGRESIÓN LINEAL o MÍNIMOS CUADRADOS

Valor Valor N° de Pronóstico

Periodo
  de “a” de “b” periodo Operación Redondeado
   
1 5,266.68 1,114.28 1 6,380.96 6,381
1640916000                                                  
                                                  6 5,266.68 1,114.28 6 11,952.36 11,952
15295
1418114000                                                  
                                                 
13067                                                  
Valor Valor N° de Pronóstico
12000 Periodo
11952                                     Línea
    de
  tendencia
        de “a” de “b” Periodo Operación Redondeado
                                                 
10000 7 5,266.68 1,114.28 7 13,066.64 13,067
                                                 
                                                  8 5,266.68 1,114.28 8 14,180.92 14,181
8000
                                                 
6381                                                   9 5,266.68 1,114.28 9 15,295.20 15,295
6000
                                                 
                                                  10 5,266.68 1,114.28 10 16,409.48 16,409
4000
                                                 
                                                 
2000
                                                 
                                                   
0 1 2 3 4 5 6 7 8 9 10 11 12