You are on page 1of 61

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

I LABORATORIO DE
PLANEAMIENTO Y
CONTROL DE LA
PRODUCCIN

Planeamiento y
control de la
produccin
Docente: ZAVALETA VALVERDE, HUGO
Integrantes:
Rebaza Arias, Rogger
Rojas Falconi, Luca
Vargas Uriol, Yordin
Yupanqui Cruz, Jhon
Zavaleta Castillo, Alexis

UNT

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

I LABORATORIO DE PLANEAMIENTO Y CONTROL DE LA PRODUCCIN


ASPECTO TERICO
1. Qu es la administracin de la demanda?
La administracin de la demanda, es una responsabilidad conjunta que forma parte de la
comunicacin interfuncional. Hablar de administracin de la demanda podra
considerarse como una intromisin a otra de las funciones relacionadas con el control y
la planificacin. Ya que es considerada una de las responsabilidades de marketing y
ventas. (Chapman, 2006), pero esto no es as, ya que es en realidad una funcin de
interrelacin con las dems reas funcionales, encargada de administrar tanto la
demanda interna de cada rea (produccin, mantenimiento, etc.) como la demanda
externa, los clientes.
La administracin de la demanda no puede convertirse simplemente en una tarea pasiva
de levantamiento de pedidos, tomando nota de cualquier pedido que deseen los clientes
y comprometindose a entregarlo en la fecha que se seale. Para administrar la demanda
es preciso que haya una coordinacin. Uno de los motivos importantes por los que la
administracin de la demanda es un factor clave que deben comprender los
profesionales de la planificacin y el control es que cierta demanda es interna respecto
de la propia compaa, asumiendo varias formas que incluyen requerimientos de cada
rea interna de la empresa (Chapman, 2006).
rea funcional
En el rea de marketing se pronostica cmo va a crecer el mercado, cul va a ser la
participacin propia y de los competidores, cul ser la tendencia de precios, cules
sern los nuevos productos que sacudirn el mercado, es esta rea principalmente la que
se encarga de esta operacin. Pero todas las reas funcionales realizan una
administracin de demanda segn sus requerimientos.
2. Cmo puede una empresa administrar la demanda?
La administracin de la demanda de una empresa debe estar en funcin a estas 4
actividades que son el pronstico, el procesamiento de rdenes, el hacer compromisos
de entrega y la interaccin entre planeacin y control de produccin y el mercado
(Nieto, 2009).
Para que la empresa administre la demanda debe adoptar e integrar el uso de tcnicas
estas tcnicas para administrar a los clientes. La empresa actual no solo debe disear
estrategias para atraer clientes nuevos y crear transacciones con ellos, sino que adems
debe retener a sus clientes actuales y crear relaciones duraderas al ofrecer un valor
superior y satisfaccin a los clientes (Kotler & Armstrong, 2013). La empresa tiene el
trabajo de reconocer las formas de demanda y adaptar sus estrategias de mercadeo a
ella, debido a que la demanda en s tiene variadas formas y rara vez es estable (Vera,
2015). Por lo tanto, el mercado debe direccionar la demanda hacia un producto
especfico y a la vez administrar los distintos problemas que pueden presentarse en
relacin con la misma y para lograr lo antes mencionado se tiene que planear el material
y la capacidad de los recursos, se debe identificar todas las fuentes de demanda.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

3. Cul es la fuente principal de demanda para los bienes y servicios que


producen las siguientes empresas?
Una planta de fabricacin de bateras para una empresa automotriz:
- Empresa fabricante de automviles
Un hospital general:
- Los pacientes
Un fabricante de fuentes de energa para computadoras:
- Las computadoras
Un restaurante familiar en un centro comercial:
- Comensales que transitan en el centro comercial
4. explicar la diferencia entre prediccin y planeacin?
En la administracin de la produccin y de las operaciones comerciales, las
predicciones son parte integral de la planeacin de un negocio. De su grado de precisin
dependen la supervivencia, el crecimiento y la rentabilidad a largo plazo, as como la
eficiencia y la efectividad a corto plazo.
Prediccion.- La prediccin implica usar varios mtodos diferentes de estimacin
para determinar posibles resultados futuros de la empresa.
La prediccin consiste en anticipar el comportamiento cuantitativo y cualitativo de
las variables econmicas a partir del conocimiento de su comportamiento pasado y
presente. Hay diversos mtodos de prediccin, desde aquellos que hacen un listado
de factores que puedan influir en el curso futuro de los acontecimientos, hasta los
mtodos ms sofisticados que utilizan ciertas tcnicas economtricas y modelos
matemticos.
Planificacin.- Utiliza estos posibles resultados obtenidos por la prediccin para
determinar anticipadamente cules son los objetivos que debern alcanzarse y qu
debe hacerse para lograrlos de la mejor manera posible.
As, a partir de la elaboracin de los objetivos que debern alcanzarse la planeacin
determina a priori qu se debe hacer, cundo, quin debe hacerlo y de qu manera.
As, la planeacin se hace en base a planes. Un conjunto de planes forma la
planeacin.
5. Cul es el marco temporal de una prediccin econmica? De una prediccin
tecnolgica? Hallar un ejemplo de cada una en una publicacin de negocios.
Prediccin econmica: Se trata de la previsin de corto, medio y largo plazo.
Ejemplo:
A nivel global, se espera que la inflacin general suba a 2,8%, en la medida en que
los efectos de la cada de los precios en las materias primas comiencen a esfumarse.
La inflacin subyacente debera mantenerse estable, con diferencias clave entre los
mercados desarrollados y los emergentes. Para finales de ao, el desempleo en
Estados Unidos debera alcanzar 4,5%, provocando un ligero incremento en la
inflacin en el prximo ao, incluyendo la inflacin en los salarios y precios en
0,5% y 0,2%, respectivamente. La inflacin en los mercados emergentes podra
desacelerarse a 3,8%, por debajo del 4,3% de 2015. El patrn ms fuerte en 18 aos
por parte del fenmeno de El Nio representa un potencial riesgo al alza para la
inflacin, particularmente en Asia y Amrica Latina.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Prediccin tecnolgica: Se trata de la previsin a medio y largo plazo de la


evolucin de las tecnologas.
Ejemplo:
Fabricantes de celulares y computadoras tienen previsto lanzar su tableta en los
prximos meses del 2011. "Su precio est comprendido entre US$400 y 800. Y est
previsto que incorporen telfono mvil, acceso Wi Fi, pantallas tctiles a todo color
y una multitud de aplicaciones", seala el estudio. Sin embargo, Deloitte asegura
que estos dispositivos tuvieron una "limitada aceptacin". "Hoy no existe demanda
para las tablets, no se sabe si algn da la habr", concluye el estudio.
6. Cmo se desempea el mtodo de Delphi? Debe encuestarse a ciudadanos
comunes o expertos? Por qu?
El mtodo Delphi es una herramienta ampliamente reconocida, que se emplea con
bastante frecuencia en la implementacin de investigaciones tanto a pequea como
a gran escala, involucrando a expertos de los campos que se requieran y obteniendo
como poderosa ventaja la validez igualitaria de opinin de los informantes
implicados. La Metodologa Delphi es capaz de manejar grandes cantidades de
informacin eliminando de forma segura aquellos inputs que no aportan
informacin til, y es capaz de ofrecer soluciones y respuestas confiables que
pueden ser usados por los distintos agentes involucrados en los sectores empresarial
y formativo.
Se debe encuestarse a los expertos, el mtodo Delphi procede por medio de la
interrogacin a expertos con la ayuda de cuestionarios sucesivos, a fin de poner de
manifiesto convergencias de opiniones y deducir eventuales consensos. Las
preguntas se refieren, por ejemplo, a las probabilidades de realizacin de hiptesis o
de acontecimientos con relacin al tema de estudio (que en nuestro caso sera el
desarrollo futuro del sector que estamos analizando). La calidad de los resultados
depende, sobre todo, del cuidado que se ponga en la elaboracin del cuestionario y
en la eleccin de los expertos consultados.
Por lo descrito anterior, para aplicar el mtodo Delphi no se consideran personas
comunes, sino expertos.
7. Qu es serie de tiempo?
Una serie de tiempo es una lista de fechas, cada una de las cuales se asocia a un valor
(un nmero). Las series de tiempo son un modo estructurado de representar datos.
Visualmente, es una curva que evoluciona a lo largo del tiempo.
Cules son los componentes de una serie de una serie de tiempo?
Tendencia: La tendencia a largo plazo de una serie de aumentar o disminuir (tendencia
creciente o tendencia decreciente).
Estacionalidad: La fluctuacin peridica en las series de tiempo dentro de un perodo
determinado. Estas fluctuaciones forman un patrn que tiende a repetirse de un perodo
estacional al siguiente.
Ciclos: Largas desviaciones de la tendencia debido a factores diferentes de la
estacionalidad. Los ciclos por lo general se producen durante un intervalo de tiempo
extenso, y los tiempos que transcurren entre los picos o valles sucesivos de un ciclo no
necesariamente son iguales.
Movimiento irregular
El movimiento que queda despus de explicar los movimientos de tendencia,
estacionales y cclicos; ruido aleatorio o error en una serie de tiempo.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Qu componentes estn presentes en todas las series de tiempo?


Son los siguientes Tendencia, Estacionalidad y Ciclos
8. Enunciar varias tcnicas cualitativas de prediccin. Con base en que horizonte
de tiempo se utilizan?
Los pronsticos cualitativos o subjetivos: involucran algunos factores importantes tales
como la intuicin, emociones, experiencias personales del que toma la decisin, y
sistemas de valores para alcanzar un pronstico.
Se consideran cuatro tcnicas de pronstico cualitativo diferentes:
a.- Jurado de opinin ejecutiva o consenso del comit ejecutivo:
Las predicciones pueden desarrollarse interrogando a un pequeo grupo de altos
ejecutivos eruditos de diferentes departamentos y forman un comit para analizar sus
opiniones en cuanto a los valores futuros de las ventas y de otros aspectos por predecir.
Esta tcnica permite la fusin de las opiniones de una seccin de expertos nter
funcionales, pero los factores sociales o la presencia de un miembro poderoso puede
impedir que el grupo llegue a un verdadero consenso, llegndose prcticamente en la
mayora de los casos a un pronstico negociado. Se utiliza a menudo en combinacin
con modelos estadsticos, y se obtiene una estimacin de grupo sobre la demanda. Esta
tcnica es relativamente econmica y es la ms utilizada en predicciones a mediano y
largo plazo.
b.- Mtodo DELPHIS:
Se utiliza para lograr un consenso dentro de un comit. En este mtodo se involucra un
grupo de expertos que comparten informacin y eventualmente llegan a un consenso en
una prediccin a largo plazo con respecto a las tecnologas del futuro o las ventas
futuras de un nuevo producto.
En el mtodo DELPHIS los miembros del panel usualmente se ubican en diferentes
lugares y participan desde el anonimato. Esto ayuda a reducir la influencia de los
ejecutivos poderosos y los efectos arrolladores de la opinin mayorista. Aunque tome
ms tiempo hacer la prediccin, el resultado tiende a ser ms preciso que los generados
por medio del enfoque de consenso del comit ejecutivo. Cada miembro del panel llena
un cuestionario preparado y lo devuelve al coordinador de la empresa, quien sintetiza
los resultados y los utiliza para preparar un nuevo cuestionario. Cada respuesta se
retroalimenta en cada sesin., el nuevo cuestionario y el resultado resumido del primero
se envan a los miembros del panel con informacin utilizada por ellos que todava no
est disponible para los otros. Despus de repasar los resultados resumidos e
informacin nueva, los miembros del panel defienden o modifican sus puntos de vista
originales. El proceso se repite hasta que se logre una prediccin de consenso o hasta
llegar a un nmero determinado de iteraciones. Pudiesen requerirse hasta seis sesiones
antes de alcanzar consenso sobre los pronsticos
c.- Estructura de la fuerza de ventas:
En muchas compaas la fuerza de ventas entra en contacto directo con los clientes, lo
cual constituye una buena fuente de informacin que considera las intenciones de los
clientes a corto y mediano plazo. Las estimaciones de ventas se obtienen
individualmente a partir de cada uno de los miembros de la fuerza de ventas. Estas

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

estimaciones se combinan a fin de elaborar una estimacin de las ventas en todas las
regiones o zonas. Este conocimiento puede ayudar a la empresa a lograr una prediccin
con rapidez y bajo costo.
El administrador de distrito emplea los estimados de ventas individuales para crear una
prediccin de distrito. Los administradores deben ajustarlos estimados individuales para
reducir las inclinaciones optimistas(o la pesimista, s la fuerza de ventas recibe bonos
por exceder las proyecciones).Las predicciones de distrito se combinan entonces hasta
crear una prediccin global.
d.- Encuesta a los clientes:
Una empresa tambin puede hacer sus predicciones en los planes establecidos de
compras futuras de sus clientes actuales y potenciales mediante una encuesta a los
clientes.
Esta informacin puede obtenerse directamente por medio de encuestas personales, por
telfono, correo o por fax para determinar los volmenes de productos que la empresa
puede adquirir en cada periodo en el futuro y se prepara un pronstico de ventas
combinando las respuestas individuales de los cliente. Una vez combinada la
informacin proveniente de las empresas, normalmente se ajusta por un factor de
experiencia que tiene en cuenta la relacin histrica entre los requerimientos
establecidos de los clientes y las compras reales, as como la proporcin anticipada del
mercado de los fabricantes. Estas cifras de ajuste se utilizan como prediccin de la
demanda. La mejor informacin es la que se solicita a los clientes. Para muchas
empresas esto no es prctico y solicitar una muestra representativa de sus planes es
suficiente.
Existen muchas maneras de estructurar las muestras; las simples y estratificadas al azar,
las sistemticas y las de grupo se encuentran entre las estructuras ms comunes.
Puede ayudar no solamente a preparare el pronstico sino tambin a mejorar el diseo
del producto y la planeacin de productos nuevos.
9. Enunciar varias tcnicas cuantitativas de prediccin. Con base en que
horizonte de tiempo se utilizan?
Las tcnicas o mtodos cuantitativos de prediccin se dividen en modelos de series de
tiempo y modelos causales. A continuacin se presentan varias tcnicas de prediccin
cuantitativos con base en su horizonte de tiempo.
Mtodo
Promedio Simple
Promedios mviles
Promedios mviles
dobles
Suavizamiento
exponencial simple
Suavizamiento

SERIE DE TIEMPO
Se usa una regla simple que pronostica igual al
ltimo valor o igual ms o menos algn porcentaje
El pronstico es simplemente un promedio de los n
ms recientes.
El pronstico es el promedio del promedio de los n
ms recientes (para series con tendencia moderada)
Los pronsticos son promedios mviles ponderados
exponencialmente, donde los ltimos valores tienen
mayor peso (ST con patrn horizontal)
Los pronsticos son promedios mviles ponderados

H
tiempo
CP
CP
CP
CP
CP-LP

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

exponencial doble
(Holt)
Suavizamiento
exponencial doble
(Brown)
Suavizamiento
exponencial triple
(Winters)

exponencialmente, donde los ltimos valores tienen


mayor peso (para ST con tendencia)
Los pronsticos son promedios mviles ponderados
exponencialmente, donde los ltimos valores tienen
mayor peso (para ST con tendencia)
Los pronsticos son promedios mviles ponderados
exponencialmente, donde los ltimos valores tienen
mayor peso (para ST con tendencia)
Las series de tiempos se dividen en sus componentes
Descomposicin:
de tendencia: estacional cclica y aleatoria,
Se propone un modelo de regresin de serie de
Box-Jenkins
tiempo, estadsticamente probado modificado y
vuelto a probar hasta que sea satisfactorio
CAUSALES
Se usan una o ms variables asociadas para
Regresin y
pronosticar por medio de la ecuacin de mnimos
correlacin
cuadrados (regresin) o de una asociacin
(correlacin) con una variable explicativa
Se usa una solucin por ecuaciones simultneas de
Economtricos
regresin mltiple para una actividad econmica
Abreviatura: CP= corto plazo, MP= mediano plazo, LP= largo plazo

UNT

CP
CP-LP
CP-LP
MP-LP

CP-MP
CP-LP

Tabla1. Tcnicas de prediccin cuantitativos con base en su horizonte de tiempo.

10. Qu es suavizacin? Por qu se utiliza en prediccin? En qu tcnicas de


prediccin cuantitativa se utiliza?
La suavizacin exponencial es una tcnica de pronstico de series de tiempo
(promedios mviles) que pondera los datos histricos exponencialmente para
que los datos ms recientes tengan ms peso en el promedio mvil. Con la
suavizacin exponencial simple, el pronstico Ft se construye con la prediccin
del ltimo periodo Ft-1 ms una porcin de la diferencia entre el valor de la
demanda real del periodo anterior At-1 y el pronstico del periodo anterior Ft-1.
Ft = Ft- + (At- Ft-)
La constante de suavizacin es un nmero entre 0 y 1 que entra multiplicando
en cada pronstico, pero cuya influencia declina exponencialmente al volverse
antiguos los datos.
Se usa en prediccin para eliminar las fluctuaciones que estn presentes en una
serie las cuales no permiten observar su verdadero comportamiento, esto se logra
a partir de ajustar los datos histricos a una nueva serie en la cual se pueda
determinar el verdadero comportamiento de esta.
Es utilizado en tcnicas cuantitativas como, el mtodo de promedio mvil,
suavizacin exponencial simple, suavizacin exponencial doble y suavizacin
con tendencia y estacionalidad.
11. Que se determina en la suavizacin exponencial?
Es un mtodo de promedio mvil ponderado muy refinado que permite calcular el
promedio de una serie de tiempo, asignando a las demandas recientes mayor
ponderacin que a las demandas anteriores. Es el mtodo de pronstico formal que se
usa ms a menudo, por su simplicidad y por la reducida cantidad de datos que requiere.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

A diferencia del mtodo de promedio mvil ponderado, que requiere n periodos de


demanda pretrita y n ponderaciones, la suavizacin exponencial requiere solamente
tres tipos de datos: el pronstico del ltimo periodo, la demanda de ese periodo y un
parmetro suavizador, alfa, cuyo valor flucta entre 0 y 1.0. Para elaborar un pronstico
con suavizacin exponencial, ser suficiente que se calcule un promedio ponderado de
la demanda ms reciente y el pronstico calculado para el ltimo periodo. En la
suavizacin exponencial se asignan pesos a los datos pasados tal que los pesos
disminuyen al hacerse los datos ms antiguos, esto es que en un proceso cambiante, esto
es que los datos recientes son ms validos que los datos antiguos. Este mtodo solo
necesita el pronstico ms reciente, una constante de suavizacin (es un valor arbitrario
entre 0 y 1) y el ltimo dato real, y as se elimina la necesidad de almacenar grandes
cantidades de datos pasados.
La suavizacin exponencial requiere un valor de inicio. Si se tienen datos disponibles se
puede emplear un promedio sencillo para iniciar el proceso; si los datos no son seguros
se puede hacer una prediccin subjetiva. La frmula a emplear es la siguiente:

Donde:
=Pronostico ponderado o suavizado para un periodo futuro.
Alfa =Constante de suavizacin (0<

<1)

=Dato real de] periodo T


= Pronostico del periodo T
Qu se establece en la suavizacin exponencial con una tendencia? Por qu?
Establece que se atena en forma directa la tendencia y la pendiente al utilizar una
constante de atenuacin diferente para cada una de ellas. Es decir, el pronstico de
suavizacin con una tendencia es ptimo para patrones de demanda que presentan una
tendencia, al menos localmente, y un patrn estacional constante, porque as se pretende
eliminar el impacto de los elementos irregulares histricos mediante un enfoque en
perodos de demanda reciente.
La serie suavizada exponencialmente (primera suavizacin)

Con esta ecuacin se atena la serie en forma exponencial de manera similar a como se
haca en el caso de la suavizacin exponencial simple, la diferencia radica en que se
agrega un trmino para tomar en cuenta la tendencia.
La ecuacin con la cual se estima la tendencia es la que siguiente:

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

La estimacin de la tendencia es calculada al obtener la diferencia entre los valores


sucesivos de la atenuacin exponencial, ya que estos se atenuaron con fines de
aleatoriedad, su diferencia constituye una estimacin de la tendencia de los datos.
Y al final se obtiene el pronstico para m periodos hacia el futuro por medio de la
posterior expresin matemtica.

Donde:
Valor atenuado
Constante de atenuacin
Es el valor real de la serie de tiempo en el periodo t
Es la constante de atenuacin utilizada para estimar la tendencia.
Estimacin de la tendencia.
Es el nmero de periodos a pronosticar en el futuro.
Es el pronstico de m periodos hacia el futuro.
12. Qu es un modelo causal? cules son las diferencias entre prediccin de
series de tiempo y prediccin de modelo causal?
El modelo causal se denomina as porque en la explicacin de la variable o
variables objeto de estudio intervienen factores explicativos externos. Este modelo
requiere la identificacin de otras variables que se relacionan de la manera causa
efecto con la variable que se desea predecir (Moreno, 2012). Una vez identificadas
estas variables relacionadas, se construye un modelo estadstico que pretende
describir la relacin entre estas variables y la variable que se desea pronosticar
(Campos & Celeste, 2014).
Las diferencias entre prediccin de series de tiempo y prediccin de modelo causal
se basan en que la primera prediccin se utiliza cuando los valores futuros de una o
dos variables puede predecirse utilizando como informacin lo sucedido en el
pasado; en cambio en el caso de la prediccin de modelo causal, este identifica las
relaciones que produjeron (o causaron) los resultados observados en el pasado
(Gonzlez, 2009). Cabe mencionar que el uso de variables explicativas en un
modelo requiere ms esfuerzo y ms informacin que predecir a partir de un
modelo de series temporales puro.
13. Qu factores debe tenerse en cuenta al elegir una tcnica de prediccin?

Periodo
Patrn de los datos
Costo del pronstico
Exactitud deseada
Disponibilidad de la informacin
Facilidad de operar y entender

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

14. Deben las empresas utilizar una combinacin de tcnicas cualitativas y


cuantitativas en sus actividades de prediccin? Explicar, Quin debe
encargarse de la prediccin de la empresa?
Las empresas deben utilizar las tcnicas cualitativas porque gracias a estas tcnicas
se combina y promedia las opiniones de expertos. Utilizan el juicio y las opiniones
de conocedores para predecir resultados futuros. Ya que se originan ideas nuevas en
conjunto para encontrar soluciones a un problema, adems que se logra tomar
decisiones por consenso y escoger el camino que se va escoger.
Gracias a las tcnicas cualitativas se puede predecir el futuro utilizando expertos en
el rea a la cual pertenece el problema, adems se puede dar opiniones o puntos de
vista en la solucin de un problema sin presentar oposiciones de los dems y si la
decisin es de tipo se hace o no se hace. Los factores relacionados con la decisin
final pueden ser supremamente complejos y su investigacin muy amplia. Se le
asigna a un grupo o persona la tarea de enumerar las ventajas del problema, y a
otros la enumeracin de todas las desventajas (Altamirano, 2014).
Las tcnicas cualitativas logra el acercamiento de los trabajadores de la gerencia de
la empresa para una negociacin.
Las empresas tambin deben utilizar tcnicas cuantitativas, porque Cuantitativa
(Anlisis de series temporales). Ajusta una lnea de tendencia a una ecuacin
matemtica y proyecta hacia el futuro por medio de esta ecuacin. Adems esta
tcnica aplica un conjunto de reglas matemticas a una serie de datos anteriores
para predecir resultados futuros.
Todas las diferentes reas de una empresa son las encargadas de generar sus propios
pronsticos de acuerdo al rea de su trabajo (Gestiopolis, 2013), por ejemplo:
En el rea de marketing se pronostica cmo va a crecer el mercado, cul va
a ser la participacin propia y de los competidores, cul ser la tendencia de
precios, cules sern los nuevos productos que sacudirn el mercado, etc.
En el rea de produccin se hacen pronsticos sobre el costo y la
disponibilidad de la materia prima, el costo y la disponibilidad de la mano
de obra, cundo se requerir mantenimiento para los equipos, cul ser la
capacidad de planta necesaria para atender la demanda, etc.
En el rea financiera se pronostica cul ser la tasa de inters de referencia
para los crditos, cul ser el nivel de cuentas incobrables, cunto capital se
requerir para ampliar la capacidad propia, etc.
En recursos humanos se requieren pronsticos sobre el nmero de
trabajadores, la rotacin de personal, las tendencias de ausentismo, las
necesidades de capacitacin, etc.
En el plano estratgico se pronostica acerca de factores econmicos,
cambios de precios, costos, crecimiento de lneas de productos, etc.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

15. Por qu las empresas desean medir los errores de prediccin? Qu medidas
de errores de prediccin se utilizan?
Se desea medir los errores de prediccin puesto que es importante la eleccin de un
mtodo o tcnica que produzca mejores resultados traducidos en errores menores.
Es as que se opta por mtodos que muestren errores moderados en su prediccin a
otra que por lo regular tenga errores pequeos, pero que ocasionalmente arroje
algunos en extremo grandes.
Los errores de prediccin que usan son:
Error absoluto de la media (MAD)
Error absoluto porcentual de la media (MAPE)
Desviacin porcentual absoluta de la media (PMAD)
Error cuadrtico de la media (MSE)
Raz del error cuadrtico de la media (RMSE)
Bibliografa:
Altamirano. (2014). Taller de Administracin. Recuperado el 15 de Septiembre de 2016, de
https://sites.google.com/site/tdadmonealtamirano/home/unidad4mecanicadelprocesoad
ministrativo/4-1-planeacion/4-1-3-tecnicas-cuantitativas-y-cualitativas-de-planeacion
Campos, L., & Celeste, M. (2014). Mtodos cuntitativos. Recuperado el 14 de Septiembre de
2016, de http://contecni.jimdo.com/
Chapman, S. (2006). Planeacin y control de la produccin. Mexico: Pearson Education.
Gestiopolis.
(2013).
Recuperado
el
15
de
Septiembre
de
2016,
http://www.gestiopolis.com/que-es-un-pronostico-caracteristicas-y-metodos/

de

Gonzlez, M. (2009). La prediccon econmica. En Sarriko - on (pgs. 16 - 17). Espaa.


Kotler, P., & Armstrong, G. (2013). Marketing en un Mundo Cambiante. En Fundamentos de
Marketing (pg. 37). Mxico : Pearson Educacion.
Moreno, E. (2012). Prediccin con series de tiempo y regresin. Tecnologas de sistemas para
pymes(4), 36 -58.
Nieto, P. (2009). Administracin de la demanda. Recuperado el 14 de Septiembre de 2016, de
https://produccioneinventarios.wordpress.com/administracion-de-la-capacidad-2/
Vera, F. (2015). THE EFREECOMMERCE GROUP. Recuperado el 14 de Septiembre de 2016,
de
http://efreecommerce.blogspot.pe/2015/04/como-administrar-la-demanda-delos.html

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

ASPECTO PRCTICO
1. Los datos recolectados para la demanda de sacos de 50 kg de
semilla de pasto en el Ministerio de Agricultura se muestran en la
siguiente tabla. Desarrollar un promedio mvil de tres aos para
pronosticar las ventas. Despus, determinar una vez ms la
demanda con un promedio mvil ponderado en el cual las ventas
en el ao ms reciente se les dan un peso de 2 y a las ventas de
los otros dos aos se les da un peso de 1 a cada uno. Cul
mtodo cree que sea mejor?
ao

1 2 3 4 5 6 7 8 9

demanda (miles de
sacos)

4 6 4 5

1
1
8 7 9
0
2

1
0
1
4

1
1
1
5

a) Promedio mvil de 3 aos


A
O
8
9
10

Deman
da
9
12
14

Demanda en "n" periodos


previos
25
24
28

PMS
(Prediccin)
8.33
8.00
9.33
DMA

Error del
Pronstico
0.67
4.00
4.67
3.11

b) Promedio mvil ponderado


PES
OS
2
1
1

A
O
8
9
10

Deman
da
9
12
14

PMP
(Prediccin)
8.75
8.00
8.75
DMA

Error del
Pronstico
0.25
4.00
5.25
3.17

2. Desarrollar un promedio mvil de dos y de cuatro aos para la


demanda de semillas de pasto del problema 1.
Ao
Demanda (miles de
sacos)
Solucin

1 2 3 4 5

6 7 8 9

4 6 4 5 1
0

8 7 9 1
2

1
0
1
4

1
1
1
5

Para el clculo del promedio mvil de dos y de cuatro aos se utiliz la


siguiente frmula:

Donde;
n = 2 (Primer caso)
n = 4 (Segundo caso)
Primer caso: Promedio mvil de dos aos
Promedio mvil de cuatro aos
Ao

Segundo caso:

Ao Promedio mvil (miles de


s (miles de sacos)
Promedio mvil
5
4.75
6
6.25
7
6.75
8
7.5
9
8.5
10
9
11
10.5

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN


s
3
4
5
6
7
8
9
10
11

UNT

sacos)
5
5
4.5
7.5
9
7.5
8
10.5
13

3. Para elegir el pronstico ms adecuado, se analizar


Desviacin Media Absoluta, como se muestra a continuacin:

la

Cuadro 3.1. DMA para Promedio Mvil de 2 aos.


Promedio mvil de Pronstico
Error del
2 aos
(P)
pronstico (E)
(3 Ao)
5
1.0
(4 Ao)
5
0.0
(5 Ao)
4.5
5.5
(6 Ao)
7.5
0.5
(7 Ao)
9
2.0
(8 Ao)
7.5
1.5
(9 Ao)
8
4.0
(10 Ao)
10.5
3.5
(11 Ao)
13
2.0
Desv. Media Absoluta (DMA)
2.22

Grfico 3.1. Comparacin de la demanda actual vs e pronstico


mvil de 2 aos.
En el grfico 3.1, se puede apreciar que la correlacin entre el modelo usado
y la demanda actual es alta, lo cual se ha corroborado mediante la DMA,
que es de 2.22 (Cuadro 01).
Cuadro 3.2. DMA para Promedio Mvil de 4 aos.
Promedio mvil
Pronstico
Error del
de 4 aos
(P)
pronstico

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

(5 Ao)
4.75
(6 Ao)
6.25
(7 Ao)
6.75
(8 Ao)
7.5
(9 Ao)
8.5
(10 Ao)
9
(11 Ao)
10.5
Desv. Media Absoluta (DMA)

UNT
(E)
5.25
1.75
0.25
1.5
3.5
5
4.5
3.107

Grfico 3.2. Comparacin de la demanda actual vs e pronstico mvil de 4


aos.
El grfico 3.2 muestra que no existe una adecuada correlacin entre el
pronstico mvil de 4 aos y la demanda actual, y adems la DMA es la ms
alta de todos los modelos desarrollados: 3.107 (Cuadro 2).
Cuadro 3.3. DMA para Promedio Mvil de 3 aos.
Promedio mvil de 3 Pronstico
Error del
aos
(P)
pronstico (E)
(4 Ao)
4.67
0.333
(5 Ao)
5.00
5.000
(6 Ao)
6.33
1.667
(7 Ao)
7.67
0.667
(8 Ao)
8.33
0.667
(9 Ao)
8.00
4.000
(10 Ao)
9.33
4.667
(11 Ao)
11.67
3.333
Desv. Media Absoluta (DMA)
2.542

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Grfico 3.3 Comparacin de la demanda actual vs e pronstico mvil de 3


aos.
El modelo del grfico 3.3 es tambin adecuado para pronosticar; sin
embargo, el modelo del pronstico mvil de 2 aos y el pronstico mvil
ponderado de 3 aos tienen una menor DMA (Cuadro 3).
Cuadro 3.4. DMA para Promedio PONDERADO Mvil de 3 aos.
Promedio mvil
Pronstico
PONDERADO de
(P)
3 aos
(4 Ao)
4.50
(5 Ao)
5.00
(6 Ao)
7.25
(7 Ao)
7.75
(8 Ao)
8.00
(9 Ao)
8.25
(10 Ao)
10.00
(11 Ao)
12.25
Desv. Media Absoluta (DMA)

Error del
pronsti
co (E)
0.50
5.00
0.75
0.75
1.00
3.75
4.00
2.75
2.313

Grfica 3.4. Comparacin de la demanda actual vs e pronstico mvil


PONDERADO de 3 aos.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

El grfico 3.4 muestra que el pronstico mvil ponderado de 3 aos tambin


puede ser utilizado para modelar; aunque, se puede apreciar que en los
aos 3 y 4 no se ajusta a los data de las ventas actuales.
Cuadro 3.5. DMA para cada tipo de pronstico.
DM
A
2.22
Promedio mvil de dos aos
2
3.10
Promedio mvil de 4 aos
7
2.54
Promedio mvil de 3 aos
2
Promedio mvil PONDERADO de 2.31
3 aos
3
*DMA: Desviacin Media Absoluta.
Tipo de Pronstico

La demanda actual muestra que no existe un patrn en las ventas, sino que
hay fluctuaciones que necesitan ser estudiadas y analizadas; no obstante,
en los ltimos 7 aos, la demanda ha tenido una tendencia positiva, por lo
que se puede considerar que el mejor modelo sera el promedio mvil
ponderado de 3 aos, pues, este modelo permite proyectar el efecto de
las ventas ms recientes, al darle un mayor peso al ao inmediato anterior.
De otro lado, podra tambin utilizarse el modelo de promedio mvil
simple de 2 aos, debido a que no slo por el hecho de que posee una
menor Desviacin media absoluta, sino que tambin tiene un mayor ajuste
en la correlacin de los datos de la demanda actual con la pronosticada y
puede ser muy til si se asume que las fluctuaciones de la demanda son
ms o menos constantes en los prximos aos.
4. Utilizar la suavizacin exponencial con una constante de
suavizacin de 0.3 para pronosticar la demanda de semillas de
pato del problema 1. Asumir que el pronstico del ltimo periodo
para el ao 1 es de 5000 sacos para iniciar el procedimiento.
Preferira utilizar el modelo de suavizacin exponencial o el
modelo de promedio ponderado desarrollado en el problema 1?
Explicar su respuesta.
Pronstico del ltimo periodo (Ao 1) = 5000 sacos
= 0.3
A
o

Demanda
(Sacos)

Alfa=0
.3

4000

5000

6000

4700.0
0

4000

5090.0
0

5000

10000

8000

7000

4763.0
0
4834.1
0
6383.8
7
6868.7

Error
1000.0
0
1300.0
0
1090.0
0
237.00
5165.9
0
1616.1
3
131.29

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

9000

12000

10

14000

11

15000

1
6908.1
0
7535.6
7
8874.9
7
10412.
48

UNT

2091.9
0
4464.3
3
5125.0
3
4587.5
2
2057.1
9

DMA

Resultados del ejercicio 1.


a) Para el promedio mvil simple
A
o
1
2
3
4

Deman
da
4000
6000
4000
5000

10000

8000

7000

9000

12000

10

14000

11

15000

P. M.
Simple

4666.67
5000.00
6333.33
7666.67
8333.33
8000.00
9333.33
11666.67
DMA

Error

333.33
5000.0
0
1666.6
7
666.67
666.67
4000.0
0
4666.6
7
3333.3
3
2375.0
0

b) Para el promedio mvil ponderado


Ao
1
2
3
4
5
6
7
8
9
10
11

Demanda
4000
6000
4000
5000
10000
8000
7000
9000
12000
14000
15000

P. M. Ponderado

Error

4500.00
5000.00
7250.00
7750.00
8000.00
8250.00
10000.00
12250.00
DMA

500.00
5000.00
750.00
-750.00
1000.00
3750.00
4000.00
2750.00
2125.00

Al comparar la desviacin media absoluta (DMA) obtenido por el modelo de


suavizacin exponencial con las desviaciones del promedio mvil simple y
ponderado, podemos observar que el modelo de suavizacin exponencial al

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

tener un menor valor de DMA; entonces permite realizar un pronstico con


mayor exactitud y sera el ms indicado de utilizar.
5) Resolucin Ejercicio 5

Ao
2011
2012
2013
2014
2015
2016

Ventas
450
495
518
563
584

Pronstic
o
410

Constantes de suavizacin: 0,6 y 0,9

Ao
2011
2012
2013
2014
2015
2016

Ventas
450
495
518
563
584

Pronstic
o
410

Constante de
Suavizacin()
0.6
0.9
434
471
499
537
565

446
490
515
558
581

PROBLEMA 6
Utilizar un modelo de pronstico mvil de tres aos para
pronosticar las ventas del problema 5
Pronstico promedio mvil simple

AO
2011
2012
2013
2014
2015
2016
Pronstico 2014
PMS=

= 488

VENTAS
450
495
518
563
584
555

PRONSTI
CO
410
495
518
488
525
555

ERROR
40
75
59
-

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Pronstico 2015
PMS=

= 525

Pronstico 2016
PMS=
DMA=

= 555
= 58

SOLUCIN 7
Utilizando el mtodo de proyeccin de tendencia, desarrollar un modelo de
pronstico para las ventas del problema 5.
Solucin
La ecuacin lineal que usamos en este tipo de pronstico es la siguiente:

Donde:
X = Aos
Y = Cantidad de ventas
a = es la interseccin con el eje y
b = pendiente de la lnea de regresin
Ahora, graficamos la tendencia lineal con una recta de los aos y ventas
dados en el problema 5.
Datos del problema
Ao

Ventas

2011
2012
2013
2014
2015
2016

450
495
518
563
584
?

Pronstic
o
410

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Segn el grfico, obtenemos los siguientes datos:


a
b

-67115
33.597518610
4
Finalmente, reemplazando los datos de a y b en la primea ecuacin dada,
nos quedar el modelo de pronstico para las ventas:

8. utilizara la suavizacin exponencial con una constante de


suavizacin de 0.3, un promedio mvil de tres meses, o tendencia
para predecir las ventas del problema 5?. Refirase a los problemas
5y7
ao

ventas

2011
2012
2013
2014
2015
2016

450
495
518
563
584
622.6

PRONOSTI
promedi
tendencia
CO = 0.3
o mvil

410
454.6
422.0
488.2
443.9
521.8
487.7
466.1
555.4
525.3
495.2
589.0
555.0
521.8
622.6
96.9
7.6
75.3
error del pronostico
88.8
5
58.7
DMA
92.8
6.3
67
Tabla. Pronostico con alfa =3; tendencia y promedio mvil.
De acuerdo con los resultados obtenidos para cada caso, y analizando el
error del pronstico y la desviacin media absoluta para cada pronostico se
concluye que el mejor mtodo para calcular el pronstico de las ventas es el
mtodo de tenencia, ya que presenta el menor valor de desviacin media
absoluta, comparado con los dems casos.
9. La demanda para ciruga de trasplante corazn en un hospital de
estados unidos ha crecido constantemente en los aos pasados,
como se aprecia en los siguiente tabla
Ao

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Cirugas
realizadas de
45
50
52
56
58
?
trasplante
corazn
El director de los servicios mdicos predijo hace 6 aos que la
demanda en el ao 1 sera de 41 cirugas
a. Use la suavizacin exponencial, primero con una constante de
suavizacin de 0.6 y posteriormente con una de 0.9, para desarrollar
pronsticos para los aos 2 a 6.
b. Utilice un promedio mvil de 3 aos para pronosticar las demandas
de los aos 4,5 y 6.
c. Use el mtodo de proyeccin de tendencia para pronosticar la
demanda en los aos 1 a 6.
d. Con DMA como criterio, Cul de los cuatro sistemas anteriores de
pronstico es el mejor?
Parte A
=0.6
=0.9
Pronostic Pronostic
Demanda
o
o
45
41
41
50
43
45
52
47
49
56
50
52
58
54
56
?
56
58

Ao
1
2
3
4
5
6
Parte B

Ao

Demanda

1
2
3
4
5
6

45
50
52
56
58
?

Pronostic
o

49
53
55

Parte C
Ao

Demanda

1
2
3
4
5
6

45
50
52
56
58
?

Pronostic
o
46
49
52
55
59
62

Error
-1
1
0
1
-1

Parte D
El mtodo de proyeccin de tendencia es el que mejor pronstico arrojo ya
que su desviacin media absoluta fue 0.8 la cual es la ms ptima de los 4
sistemas estudiados.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

10. Un cuidadoso anlisis de costo de operacin de un automvil


fue hecho por una empresa. Se desarroll el siguiente modelo: Y=
4000+0.20X; donde: Y = costo anual, X = Km manejados.
a) Si un automvil maneja 15000 Km este ao, cul es el costo de
operacin pronosticado para este automvil?
b) Si un automvil maneja 25000 Km este ao, cul es el costo de
operacin pronosticado para este automvil?
Tabla x. Resultados de las preguntas a y b
X
15000
25000

Y
7000
9000

c) Suponga que un automvil se manej 15000 km y el costo anual de


operacin fue de $6000, mientras que un segundo automvil se manej
25000 km y el costo de operacin real fue de $10000. Calcule la desviacin
media absoluta.
Tabla x. Clculo de la desviacin media absoluta

X
15000
(real)
15000
25000(Re
al)
25000

Y
6000
7000
9000
10000

11. Con los siguientes datos, utilice la suavizacion exponencial ( =


0.2) para desarrollar un pronostico de demanda. Asuma que el
pronostico para el periodo inicial es de 5.
demand pronosti
a
co
1
7
5
2
9
5.4
3
5
6.1
4
9
5.9
5
13
6.5
6
8
7.8
Tabla. Pronstico de la demanda con un valor de = 0.2
periodo

En las tabla se muestra el pronstico de la demanda con un valor de = 0.2


para los 6 periodos.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

12) Con los siguientes datos, utilice la regresin por mnimos


cuadrados para derivar una ecuacin de pronostico Cul es su
estimado de la demanda para el periodo?
Periodo

Deman
da

11

10

13

Donde:
: Pronostico del periodo t
: Interseccin de la lnea con el eje
: Pendiente
: Periodo de tiempo
: Promedio de la variable dependiente (demanda)
: Promedio de la variable independiente

El primer paso para determinar el pronstico del periodo 7 consiste


en hallar la pendiente, para ello efectuaremos los siguientes clculos:

=1.11428

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Luego, y dado que ya tenemos el valor de la pendiente b procedemos


a calcular el valor de a, para ello efectuamos los siguientes clculos:

Por ltimo se determina que el pronstico del mes 7:

13. Las ventas de aspiradoras LUX en los ltimos 13 meses se


muestran a continuacin
Mes
Venta
s
(miles
)

En
e

Feb

Mar

Abr

May

Ju
n

Jul

Ago

Se
t

Oc
t

No
v

Di
c

En
e

11

14

16

10

15

17

11

14

17

12

14

16

11

a) Utilizando un promedio mvil con tres periodos, determinar la


demanda de aspiradoras para el prximo febrero

b) Usando un promedio mvil ponderado con tres periodos, determinar


la demanda de aspiradoras para febrero. Usar 3,2 y 1para los pesos
de los periodos ms reciente, segundo ms reciente y tercero ms
reciente, respectivamente. Por ejemplo, si se estuviera pronosticando
la demanda para febrero, noviembre tendra un peso de 1; diciembre
tendra un peso de 2; y enero tendra un peso de 3.

c) Qu otros factores puede considerar LUX en sus pronsticos de


ventas?
- Temporada
14. El gerente de operaciones de una distribuidora de instrumentos
musicales cree que la demanda de bombos puede estar relacionada
con el nmero de apariciones por televisin del popular grupo de
rock Lbido durante el mes previo. El gerente ha recolectado los
datos que se muestran en la siguiente tabla.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN


Aparicin en TV de
Lbido
Demanda de bombos

UNT

10

a) Graficar estos datos para ver si una ecuacin lineal puede


describir la relacin entre los shows en televisin del grupo y
las ventas de bombos.

Figura. Demanda de bombos vs Aparicin en TV de Lbido


A partir de los seis puntos de datos se puede apreciar que existe una
ligera relacin positiva entre la variable independiente, las
apariciones en TV y la variable dependiente: la demanda de bombos.
b) Utilizar el mtodo de regresin de mnimos cuadrados para
derivar una ecuacin del pronstico.
Aparicin en TV de
Demanda de
Lbido
bombos
x2
xy
(x)
(y)
3
3
9
9
4
6
16
24
7
7
49
49
6
5
36
30
8
10
64
80
5
8
25
40

33
39
199
232

Entonces el pronstico se puede expresar mediante:

c) Cul es el estimado de ventas de bombos si Lbido toco en


televisin nueve meses el ltimo mes?
Para estimar las ventas del ltimo mes aplicamos la ecuacin
determinada en el enunciado b:

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

15. Un estudio para determinar la correlacin entre los depsitos


bancarios y los ndices de precios a consumidores en la ciudad de
Trujillo, revelaron lo siguiente (Basado en 5 aos de datos):

a) Encontrar el coeficiente de correlacin, Que significancia tiene para


usted?
Hallar: r=? ; n=5
/
1
2
3
4
5

20

15

55

130

1) Calculamos las medias con las siguientes formulas:


/
/
2) Para hallar la covarianza, primero es necesario encontrar:
/
/

/
3) Calculamos la Covarianza
/
/

70

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

4) Calcular el coeficiente de correlacin:


/

No es una correlacin muy fuerte, debido a que el coeficiente de correlacin


no est muy cercano a 1 ni a -1.
b) Cul es el error estndar estimado?
Tomando en cuenta la Ecuacin Lineal, se deber encontrar los valores para
a y b:
/
//

Donde a = 1 y b = 1
Entonces la Ecuacin lineal ser:
/

/
1
2
3
4
5

/
2
3
4
5
6
20

1
2
3
4
5
15

/
2
1
0
-1
-2

4
1
0
1
4
10

As obtendremos la Varianza y Desviacin Estndar:


//

Entonces el error estndar ser:


/

16. la doctora Mostacero, una psicloga de Trujillo, se especializa


en tratar pacientes que tienen fobias y temores al salir de casa. La
siguiente tabla muestra el nmero de pacientes que ha tenido la
doctora Mostacero cada ao durante los ltimos 10 aos. Tambin
relaciona la tasa de robos en Trujillo durante el mismo ao.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

Ao

Tasa de
crimen

1
2
3
4
5
6
7
8
9
10

58.3
61.1
73.4
75.7
81.1
89
101.1
94.8
103.3
116.2

UNT

n de
pacient
es
36
33
40
41
40
56
60
54
58
61

Usando el mismo anlisis de tendencia Cuntos pacientes atender la


doctora en los aos 11, 12 y 13? Qu tan bien encaja el modelo en los
datos?
Solucin
ao (X)

N de
pacientes (Y)

XY

36

36

2
3
4
5
6
7
8
9
10
55
5.5

33
40
41
40
56
60
54
58
61
479
47.9

4
9
16
25
36
49
64
81
100
385

66
120
164
200
336
420
432
522
610
2906

/
A=3.2909
B=29.8
Con la tendencia de mnimos cuadrados para los aos 11, 12 y 13 la doctora
atender respectivamente 66, 69 y 73 pacientes respectivamente.
17. Utilizando los datos del problema anterior, aplicar la regresin
lineal para estudiar la relacin entre la tasa de crmenes y la carga
de pacientes de la Dra. Mostacero. Si la tasa de robos se
incrementa a 131.2 en el ao 11 Cuntos pacientes con fobia

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

atender la Dra. Mostacero? Si la tasa de crmenes baja a 90.6


Cul es la proyeccin de sus pacientes?
Solucin:
Caso I:
Tasa de incremento de robos (crmenes) al ao 2011:
pacientes =?

31.2%; Nmero de

Caso II:
Tasa de crmenes baja a 90.6 %; Nmero de pacientes=?
Ao
Nmer
o de
pacien
tes
Tasa
de
crmen
es

1
2
3
4
5
36 33 40 41 40

6
5
5

7
8
60 54

9
58

10
61

11
75.3 50.9
1
2

58.3 61 73 75 81
.1 .4 .7 .1

8
9

10 94
1.1 .8

10
3.3

11
6.2

131.
2
CAS
OI

90.6

CAS
O II

/
Figura 1. Nmero de pacientes vs Tasa de crmenes
Podemos apreciar en el caso nmero uno, que a medida que la tasa de
crmenes (robos), se incrementa a 131.2 para el ao 11, el nmero de
pacientes ser 75.3112086. Incrementndose este ltimo con respecto al
ao anterior.
Sin embargo cundo la tasa de crmenes baja a 90.6 para el ao 11, el
nmero de pacientes se reduce a 50.9238948. Con respecto al ao
anterior.
18. Los contadores del gobierno Regional La Libertad crean que
varios ejecutivos viajeros presentaban comprobantes de viaje
inusualmente altos al regresar de viajes de negocios. Los
contadores
tomaron
una
muestra
de
200
comprobantes
presentados desde el ao pasado; posteriormente desarrollaron la
siguiente ecuacin de regresin mltiple, relacionando el costo
esperado del viaje (y), el nmero de das de viaje (
viajada (

, y la distancia

en km:
..(i)

El coeficiente de correlacin calculado fue de 0.68.


a. Si Publio Castro regresa de un viaje de 300 km por el
que estuvo fuera durante cinco das, cul es la
cantidad esperada que debe reclamar como gastos?

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Datos:
Reemplazamos en la ecuacin (i):

Rpt: Publio Castro debe reclamar como gastos 452.5 dlares.


b. Publio Castro reclam una solicitud de reembolso por $
685. Qu debe hacer el contador?
Al presentar un coeficiente de correlacin menor a 0.7, el
contador debera reformular la ecuacin, ya que sta
presenta un coeficiente de correlacin directa del tipo
media (no existe un grado de relacin aceptable entre las
variables), con lo cual es evidente que la ecuacin arrojara
datos no confiables.
-

Adems de ello el contador debe exigir al trabajador el


soporte o comprobante que avale todos los gastos que l
ha realizado a nombre de la empresa.

c. Se deben incluir otras variables? cules? Por qu?


S se debe de incluir otras variables como:
- El costo de vida x da (distinto en cada lugar)
- La estacionalidad
Porque el costo de vida es diferente para cada lugar (esto
incluye el hospedaje, alimentacin y pasajes dentro del lugar x
da). Adems la estacionalidad es muy importante, ya que en
algunas fechas del ao el precio del pasaje aumenta en gran
manera como en los feriados, fechas de celebracin, etc.
19) Resolucin Ejercicio 19
/

a
b1
b2
b3

7.5
3.5
4.5
2.5

a) 7.5+3.5x2+4.5x3+2.5x9=50.5
b) 7.5+3.5x3+4.5x5+2.5x1=43
c) 7.5+3.5x4+4.5x7+2.5x2=58
a)
b)

X1
2
3

X2
3
5

X3
9
1

Y
50.5
43

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN


c)

UNT
2

58

20) El siguiente modelo de regresin mltiple fue desarrollado para predecir el


desempeo del trabajo, de acuerdo con el ndice de evaluacin de desempeo en
el trabajo, en una compaa que se bas en la calificacin del examen de
preempleo y el promedio de calificaciones de la universidad (GPA).
; Donde:
Y = ndice de evaluacin de desempeo de trabajo
= Calificacin del examen de pre empleo
= GPA universitario
a) Pronosticar el ndice de desempeo del trabajo para un solicitante de GPA de 3.0
y calificacin de 80 en el examen de preempleo
b) Pronosticar el ndice de desempeo del trabajo para un solicitante con GPA de
2.5 y calificacin de 70 en el examen de preempleo.

21.La SUNAT de La Libertad obtuvo los siguientes datos de recoleccin de


impuestos sobre ventas anuales y registros de automviles nuevos
Tabla 20.1. Recoleccin de datos de impuestos sobre ventas anuales y registro de
automvles nuevos.

Recoleccin de impuestos sobre ventas


1 1.4 1.9 2 1.8 2.1 2.3
anuales (millones)
Registros de automviles nuevos
10 12 15 16 14 17 20

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

a) Para determinar la ecuacin de regresin de mnimos cuadrados, se procedi a


realizar la grfica para correlacionar los datos de la tabla anterior:
Grfica 20.1. Impuestos ventas anuales (millones) VS Automviles nuevos

Por lo tanto la ecuacin de la grfica ser: y = 0.1308x - 0.1581


b) Para saber la recoleccin de impuestos sobre ventas anuales (millones) cuando
los registros de automviles nuevos sean 22, se determinara con la ecuacin de
regresin de mnimos cuadrados, anteriormente calculada:
Y = 0.1308*(22) - 0.1581
Y=2.7195
Por lo tanto la recoleccin de impuestos sobre ventas anuales ser de 2.72
millones.
c) El coeficiente de correlacin de los datos es: R2: 0.9341.

22. Las Millas voladas por pasajeros en Lan Per, una empresa de enlace que da
servicio en la ciudad de Lima, se muestran para las 12 pasadas.
Tabla 22.1. Recoleccin de datos
Mes
1 2 3 4 5 6 7 8 9 10 11 12
Millas reales 17 21 19 23 18 16 20 18 22 20 15 22
a) Asumiendo que el pronstico inicial para la semana 1 fue de 17 000 millas,
utilizar la suavizacin exponencial para calcular las millas de las semanas 2 a la
12. Emplear = 0.2.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Utilizando la siguiente frmula:


Donde: Pn = Pronstico nuevo
Pu = Pronstico del ltimo perodo
= Constante de suavizacin
Du = demanda real dl ltimo perodo
Tabla 22.2. Pronstico
Mes
1
2
3
4
5
6
7
8
9
10
11
12

Millas
reales
17
21
19
23
18
16
20
18
22
20
15
22

Pronstico
17.0
17.0
17.8
18.0
19.0
18.8
18.3
18.6
18.5
19.2
19.4
18.5

b) Cul es la DMA para este modelo?


El DMA se calcula con la siguiente ecuacin:

Donde: DMA = Desviacin media absoluta


Error del pronstico = Demanda Pronstico
n = nmero de perodos de informacin = 12 perodos (meses)
Tabla 22.3.Se calcula la DMA con los datos de la tabla anterior
Mes Millas reales Pronstico
1
2
3
4
5
6
7
8
9
10
11

17
21
19
23
18
16
20
18
22
20
15

17.0
17.0
17.8
18.0
19.0
18.8
18.3
18.6
18.5
19.2
19.4

Error del
Pronstico
0.0
4.0
1.2
5.0
-1.0
-2.8
1.7
-0.6
3.5
0.8
-4.4

lError del
Pronsticol
0.0
4.0
1.2
5.0
1.0
2.8
1.7
0.6
3.5
0.8
4.4

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

12

22

18.5

3.5

UNT

3.5
28.6

23. Se cree que los viajes en autobs en la ciudad de Lima durante los meses de
verano estn vinculados con el nmero de turistas que visitan esa ciudad durante
los ltimos 12 aos se obtuvo:
Tabla 23.1. Recoleccin de datos.
AO Nmero de
turistas (x)
1
7
2
2
3
6
4
4
5
14
6
15
7
16
8
12
9
14
10
20
11
15
12
7

Viajes (miles)
(y)
1.5
1
1.3
1.5
2.5
2.7
2.4
2
2.7
4.4
3.4
1.7

a) Al graficar los datos se observa que tienen un R2=0.84, que es relativamente


alto, por lo que s es razonable aplicar un modelo lineal.

Grafico 23.1 Nmero de turistas por semana

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

b) El modelo que se obtendra seria: y = 0.1593x + 0.506


Grafico 23.2. Nmero de turistas por semana obtenido

c) La relacin esperada seria.


Siendo y = 0.1593x + 0.506
Si:
x = nmero de turistas en miles
Y= viajes miles
Cuando x=10
Y=2.1 mil turistas cuando visiten 10 mil turistas.
d) Cuando no hay turistas segn el modelo.
X=0
Entonces y=0.506 miles de viajes
Cuando no haya turistas solo habr 506 viajes.
e) Error estndar
Se elabora la siguiente tabla.
Tabla 23.2. Error estndar

UNT

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

AO Nmero de
turistas (x)
1
7
2
2
3
6
4
4
5
14
6
15
7
16
8
12
9
14
10
20
11
15
12
7
Luego por:

Se tiene:

Viajes
(miles) (y)
1.5
1
1.3
1.5
2.5
2.7
2.4
2
2.7
4.4
3.4
1.7

UNT

x*y

Y^2

X^2 Y

11.3477
1.6492
8.7708
4.5728
38.3068
43.4325
48.8768
29.0112
38.3068
73.84
43.4325
11.3477

2.6279652
0.6799652
2.1368592
1.3069062
7.4867904
8.3839203
9.331803
5.8447898
7.4867904
13.630864
8.3839203
2.6279652

49
4
36
16
196
225
256
144
196
400
225
49

1.6211
0.8246
1.4618
1.1432
2.7362
2.8955
3.0548
2.4176
2.7362
3.692
2.8955
1.6211

0.4074

f) Coeficiente de correlacin, de la tabla anterior, aplicando:

Se obtiene: r = 0.9167
24. Las llamadas de emergencia al sistema 911 de la ciudad de Lima, durante las 24
semanas se muestran a continuacin :
Tabla 24.1. Datos
Semana
1
2
3
4
5
6
7
8

Llamada
50
35
25
40
45
35
20
30

Semana
9
10
11
12
13
14
15
16

Llamada
35
20
15
40
55
35
25
55

Semana
17
18
19
20
21
22
23
24

Llamada
55
40
35
60
75
50
40
65

a. Calcular el pronstico de suavizacin exponencial de llamadas para cada


semana. Asumir un pronstico inicial de 50 llamadas en la primera semana, y
utilizar = 0.1. Cul es el pronstico para la semana 25?

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

SOLUCIN:
Tabla 24.2 Pronstico
SEMANA Llamada PRONSTICO
1
50
50
2
35
50
3
25
49
4
40
47
5
45
46
6
35
46
7
20
45
8
30
43
9
35
42
10
20
41
11
15
39
12
40
37
13
55
37
14
35
39
15
25
39
16
55
38
17
55
40
18
40
42
19
35
42
20
60
41
21
75
43
22
50
46
23
40
46
24
65
45
25
47
b. Pronosticar de nuevo para cada periodo empleando = 0.6.
SOLUCIN
Tabla 24.3. Pronstico
SEMANA
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Llamada
50
35
25
40
45
35
20
30
35
20
15
40
55
35

PRONSTICO
50
50
41
31
36
41
37
27
29
33
25
19
32
46

UNT

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

15
16
17
18
19
20
21
22
23
24
25

25
55
55
40
35
60
75
50
40
65

UNT

39
31
45
51
44
39
52
66
56
46
57

c. Las llamadas reales durante la semana 25 fueron 85. Qu constante de


suavizacin ofrece un pronstico mejor? Explicar y justificar la medida de error
utilizada.
SOLUCIN:
La constante de suavizacin que ofrece un pronstico mejor es el = 0.6; este
valor es utilizado debido a que al acercarse al valor 0.6 arroj un valor ms
cercano al nmero de llamadas en la semana 25.
25. Hidrandina S.A ha recolectado informacin de la demanda de energa elctrica
en su mbito regional durante los ltimos dos aos:
Tabla25.1. Demanda en MW de energa elctrica en los ltimos 24 meses
Demanda en megawatts
Mes
Ao pasado Este ao
Enero
5
17
Febrero
6
14
Marzo
10
20
Abril
13
23
Mayo
18
30
Junio
15
38
Julio
23
44
Agosto
26
41
Setiembre 21
33
Octubre
15
23
Noviembre 12
26
Diciembre 14
17
a. Cules son las debilidades de las tcnicas estndares de pronstico cuando se
aplican a este conjunto de datos?
Para un pronstico de demanda utilizando modelos de series de tiempo y modelos
causales (regresin lineal) se debe seguir cierta tendencia gradual, ascendente o
descendente, de los datos a travs del tiempo, sin embargo se observa que estos
datos no persiguen estas tendencias , y en la primera serie de datos hacia el periodo

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

de setiembre se observa un decrecimiento en la demanda, en la segunda serie de


datos se observa este decrecimiento se da por el mes de agosto, esta irregularidad en
los datos , no permitira modelar por ejemplo un anlisis con regresin lineal.
b. Debido a que los modelos usados no son realmente apropiados aqu, proponga su
propio sistema para pronosticar. Aunque no exista una solucin perfecta para atacar
datos como estos (en otras palabras, no hay respuesta 100 % correctas o incorrectas),
justifique su modelo.

Figura25.1. Tendencia de la demanda de energa elctrica durante los 24 ltimos


meses
Como se observa en la figura la tendencia del consumo de energa elctrica sigue una
tendencia positiva durante los 8 primeros meses de los dos ltimos aos, asumiendo que
este modelo se mantenga el modelo propuesto es el siguiente:

Figura 25.2. Modelo propuesto


Se plantea crear dos proyecciones, una que cubra los meses de enero a agosto y otra que
cubra los meses restantes del ao para los cuales se usaran las pendientes de las
ecuaciones en la figura 3.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

c. Pronostique la demanda para cada mes del ao prximo, utilizando su modelo


Para pronosticar la demanda del prximo ao, nos valdremos del modelo planteado que
consiste en reemplazar la pendiente y una constante adecuada a las formulas resultantes
del ao anterior.

Figura 25.4. Tendencia de la demanda del siguiente ao usando el modelo


planteado.
Como se observa en la figura 4 la tendencia del siguiente ao usando el modelo
planteado tendr la misma forma que los aos anteriores, el consumo de energa se
representa en el siguiente cuadro:

Demanda en megawatts
Este
Mes
Ao pasado ao
Enero
5
17
Febrero
6
14
Marzo
10
20
Abril
13
23
Mayo
18
30
Junio
15
38
Julio
23
44
Agosto
26
41
Setiembre 21
33
Octubre
15
23
Noviembre 12
26
Diciembre 14
17

Prximo ao
(Proyeccin)
23.9
28.3
32.6
37.0
41.4
45.7
50.1
54.4
48.5
43.0
37.5
32.0

Tabla25.2. Demanda en MW de energa elctrica en los ltimos 24 meses

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

26. La asistencia a la atraccin del complejo Turstico El Mirador, se muestra a


continuacin:
Visitantes
(en cientos)
2013 Invierno
73
Primavera 104
Verano
168
Otoo
74
2014 Invierno
65
Primavera 82
Verano
124
Otoo
52
2015 Invierno
89
Primavera 146
Verano
205
Otoo
98
Ao

Trimestre

SOLUCIN:
AO

Invierno

Primavera

Verano

Otoo

2013
2014
2015

73
65
89

104
82
146

168
124
205

74
52
98

TOTAL
ANUAL
419
323
538

PROMEDIO

76

111

166

75

427

PROMEDIO
TRIM.

107

IND.
ESTACIONALIDAD

0.71

1.04

1.55

0.70

4.00

27. Liseth cabeza, administradora del centro comercial el virrey, ha utilizado


extrapolacin de series de tiempo para pronosticar las ventas al menudeo para
los prximos cuatro trimestres. Las ventas estimadas son de $120,000,
$140,000, $160,000 y $180,000 para los trimestres respectivos. Los ndices
estacionales para los cuatro trimestres son de 1.25, 0.90, 0.75 y 1.15,
respectivamente. Calcular un pronstico de ventas estacionalizado o ajustado.

TRIMES
TRE

VENTA
NDI
PRONOSTIC CE
ADA

PRONST
ICO

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

120,000

1.25

150,000

140,000

0.90

126,000

160,000

0.75

120,000

180,000

1.15

207,000

28. La demanda histrica para los pasteles frescos de milagros Baca, en miles de
unidades:
Tabla X. Demanda histrica de los pasteles frescos Milagritos Baca
Mes
Enero Febrero Marzo Abril Mayo Junio
Demanda (miles) 14
12
12
11
17
16
a) Pronstico del mes de julio usando el mtodo de promedio mvil ponderado:
PMPjulio= (0.6*16+0.3*17+0.1*11)/(0.6+0.3+0.1)
PMPjulio= 15.8
b) Pronstico del mes de julio usando el mtodo de promedio mvil simple:
PMSjulio= (16+17+11)/3
PMSjulio= 14.67
c) Pronstico del mes de julio usando el mtodo de suavizacin exponencial:
Pjulio= Pjunio+ *(Djunio-Pjunio)
Pjulio= 14 + 0.1*(16-14)
Pjulio= 14.2
29. La siguiente tabla contiene ventas reales de cebada (en miles de toneladas
mtricas) para seis meses y la prediccin para enero:
a. calcular las predicciones para los 5 meses restantes utilizando suavizacin
exponencial con alfa = 0,3.
b. calcular la desviacin media absoluta y la inclinacin para las predicciones.
Calculo del DMA

Mes
Enero

=
0.3
=
0.5
Demanda Real Prediccin error Prediccin error
102
82
20
82
20

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

Febrero 94
88.0
6
Marzo 105
89.8
15.2
Abril
87
94.4
-7.4
Mayo
70
92.2
-22.2
Junio
99
85.5
13.5
Desviacin absoluta total
25.1
DMA
4.18
Tabla2. Prediccin de la demanda con alfa 0,3 y alfa 0,5.

UNT

92
93
99
93
81.5

2
12
-12
23
17.5
62.5
10.41

Se observa que la suavizacin con alfa 0.3 es la que mejor representa los datos reales de
demanda de cebada.

30. Los resultados de utilizar tres modelos diferentes de prediccin son:


Perodo de
ventas
1
2
3
4
5

Prediccin
A B C
22 23 18
26 28 29
30 33 29
31 33 37
33 34 32

Real
25
32
29
38
40

Qu mtodo es aconsejable? Por qu?


SOLUCIN:
Perodo de
ventas
1
2
3
4
5
Promedio

Prediccin
A B C
22 23 18
26 28 29
30 33 29
31 33 37
33 34 32

Real
25
32
29
38
40

Desviacin estndar
A
B
2.12132034 1.41421356
4.24264069 2.82842712
0.70710678 2.82842712
4.94974747 3.53553391
4.94974747 4.24264069
3.39411255 2.96984848

C
4.94974747
2.12132034
0
0.70710678
5.65685425
2.68700577

El mtodo aconsejable es el C, ya que presenta una menor desviacin estndar


promedio.
31. Para Distribuidora de Alimentos S.A., la cantidad de solicitudes por telfono
es un buen indicador de ventas para dentro de una semana. Los datos recientes
son los siguientes:
Semana
1 2 3 4 5 6 7 8
Llamadas 8 9 11 10 11 13 16 12

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Cul es la prediccin de llamadas para la semana entrante? Qu modelo funciona


mejor? Por qu?
A) PROMEDIO MVIL SIMPLE

B) PROMEDIO MVIL PONDERADO

Semana 1 2 3 4 5 6 7 8
Peso
3 2 1 4 3 1 2 3
Llamadas 8 9 11 10 11 13 16 12
Usaremos n=8 y asumimos pesos

C) SUAVIZACIN EXPONENCIAL
Asumimos
0.55, Pu 1= 7
Semana
1
2
3
4
5
6
7
8
9

D) Proyeccin con tendencia


Dnde:
X = Semanas
Y = llamadas

Llamadas
8
9
11
10
11
13
16
12

Pronstico
7.55
8.1
9.2
8.65
9.2
10.3
11.95
9.75
10.9875
DMA= 1.92

Error
0.45
0.9
1.8
1.35
1.8
2.7
4.05
2.25

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

a = interseccin
b = pendiente de la lnea de regresin
Semana
1
2
3
4
5
6
7
8

Llamadas
8
9
11
10
11
13
16
12

Pronstico
8.3333
9.1666
9.9999
10.8332
11.6665
12.4998
13.3331
14.1664

Error
-0.3333
-0.1666
1.0001
-0.8332
-0.6665
0.5002
2.6669
-2.1664

DMA 1.04165

Entpnces para la semana 9:

Se observa que el mtodo de proyeccin de tendencia lineal presenta la menor


desviacin media absoluta (DMA) es decir, este sera el mejor mtodo a aplicar

32. ) La demanda para las bombas de agua de seis pulgadas de la empresa


GLORISA en los primeros nueve meses del 2010 fue:
Meses

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

Demanda 114

126

151

167

161

183

UNT

138

133

140

Las predicciones de demanda de marzo a setiembre se hicieron con el promedio


mvil de tres meses y la suavizacin exponencial Cmo escoger el mejor mtodo
de prediccin?
a) Mtodo de promedio mvil
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre

Demanda
114
126
151
167
161
183
138
133
140

P. Mvil (3 meses)

Error

130.33
148.00
159.67
170.33
160.67
151.33
DMA

36.67
13.00
23.33
-32.33
-27.67
-11.33
0.28

a) Mtodo de suavizacin exponencial


Como valor de la constante se desconoce, se aplica la frmula de clculo:
=
n: nmero de periodos
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre

Demanda
114
126
151
167
161
183
138
133
140

Alfa=0.2 Error

126.00
131.00
138.20
142.76
150.81
148.25
145.20
DMA

25.00
36.00
22.80
40.24
-12.81
-15.25
-5.20
12.97

Para este caso se elige el mtodo de promedio mvil de tres meses porque tiene una
menor desviacin media absoluta que el otro mtodo, con un valor de 0.28. Esto se
justifica con la teora que nos dice que un modelo de promedio mvil es ptimo para
patrones de demandas aleatorias o niveladas donde se pretende eliminar el impacto de
los elementos irregulares histricos mediante un enfoque en perodos de demanda
reciente.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

33. En el distrito de San Isidro de la ciudad de Lima, la cantidad de llamadas


diarias para reparar las fotocopiadoras IBM es:
Fecha
1
2
3
4
5
6
7
8 9
Llamadas 100 137 121 112 145 125 187 89 140
a) Calcular la prediccin del promedio mvil de tres periodos y el error de
prediccin diario
b) Calcular la prediccin del promedio mvil ponderado de tres periodos con
pesos de 0.5, 0.3 y 0.1
Cul prediccin es mejor? Por qu?
a) Promedio mvil:
Fecha Llamadas
1
2
3
4
5
6
7
8
9
DMS

100
137
121
112
145
125
187
89
140

Promedio
mvil Error

119.33
123.33
126.00
127.33
152.33
133.67

7.33
21.67
1.00
59.67
63.33
6.33
26.56

b) Promedio mvil ponderado


Fecha Llamadas

Promedio
movil promedio

Error

1
2
3
4
5
6
7
8

114.67
128.89
120.67
124.44
143.00

2.67
16.11
4.33
62.56
54.00

100
137
121
112
145
125
187
89

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

9
140
DSM

141.67

UNT

1.67
23.56

Para determinar la mejor prediccin, se calcula la desviacin media absoluta


(DMA) y observamos que la prediccin del promedio mvil ponderado es
menor, por lo cual se concluye es la mejor prediccin dado que los datos
pronosticados se asemejan ms a los datos reales.
34. . Con los datos del problema anterior, preparar las predicciones con la
suavizacin exponencial con
cuando

y la prediccin de 92 llamadas para el da; y

con una prediccin de 92 llamadas para el primer perodo. Cul

modelo de prediccin es mejor?


Fecha
1
2
3
4
5
6
7
8 9
Llamadas 100 137 121 112 145 125 187 89 140
Determinamos el pronstico para

Fecha Llamadas
1
100
2
137
3
121
4
112
5
145
6
125
7
187
8
89
9
140
Promedio

Pronstico (0.1)
92.8
96.5
94.9
94.0
97.3
95.3
101.5
91.7
96.8

mediante la siguiente frmula

Pronstico (0.3)
94.4
105.5
100.7
98.0
107.9
101.9
120.5
91.1
106.4

Error (0.1)
7.20
29.56
21.57
16.07
32.90
23.76
45.72
3.03
30.86
23.41

Error (0.3)
5.60
22.99
16.78
12.50
25.59
18.48
35.56
2.36
24.00
18.21

Para determinar el modelo que mejor predice los resultados calculamos el promedio del
error hallado, y observamos que el modelo que mejor predice los resultados es el
modelo con el

ya que posee un valor promedio de error menor.

35. Automotors Import Export S.A vendi+o en los ltimos seis meses del 2010, la
siguiente cantidad de veh+iculos usados:
Mes

Julio Agosto Septiembre Octubre Noviembre Diciembre

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

Ventas

88

60

68

47

UNT

92

99

a. Preparar una prediccin de ventas para cada mes empezando con una prediccin
de demanda de 85 unidades y = 0.2 para el mes de julio.
MES

VENTAS PREDICCIN

JULIO
AGOSTO
SETIEMBRE
OCTUBRRE
NOVIEMBRE
DICIEMBRE
b. Calcular la desviacin media

88
85.6
60
80.48
68
77.98
47
71.79
92
75.83
99
80.46
absoluta; utilizar una desviacin media absoluta

igual a cero para el mes de junio.


MES

VENTAS PREDICCIN

JULIO
AGOSTO
SETIEMBRE
OCTUBRRE
NOVIEMBRE
DICIEMBRE

88
60
68
47
92
99

85.6
80.48
77.98
71.79
75.83
80.46

Error del
promedio
2.4
20.5
10.0
24.8
16.2
18.5

SUMATORIA 92.4
15.4

DMA

c. Son correctas la desviacin media absoluta?


Si son correctas
d. Reelaborar el problema con = 0.1, = 0.3 y = 0.4 Qu modelo da la mejor
prediccin? Por qu?
0.1
MES

VENTAS

JULIO
AGOSTO

0.3

0.4

PREDICCIN

Error del
Error del
Error del
PREDICCIN
PREDICCIN
promedio
promedio
promedio

88

85.3

2.7

85.9

2.1

86.2

1.80

60

80.2

20.2

80.7

20.7

81.0

20.96

SETIEMBRE

68

77.8

9.8

78.2

10.2

78.4

10.37

OCTUBRRE

47

71.6

24.6

71.9

24.9

72.1

25.09

NOVIEMBRE 92

75.7

16.3

76.0

16.0

76.1

15.92

DICIEMBRE

80.4

18.6

80.6

18.4

80.7

18.34

SUMATORIA

92.3

SUMATORIA

92.4

SUMATORIA

92.49

DMA

15.38

DMA

15.40

DMA

15.41

99

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

36. La demanda mensual de alas de pollo en el mercado mvil ha sido


Semana
1
2
3
4
5
6
Demanda 650 543 580 742 504 612
a. Calcular la demanda para la semana 7 utilizando el promedio mvil simple
de cinco periodos
b. Calcular la demanda para la semana 7 utilizando el promedio mvil
ponderado de tres periodos con pesos de 0.5, 0.3 y 0.2
c. Calcular la demanda para la semana 7 utilizando la prediccin exponencial
con = 0.1 y una prediccin de 600 unidades para la semana 6
d. Cul es la mejor prediccin? Qu suposiciones hubo en cada prediccin?
Solucin
a.

alas de pollo

b.

alas de pollo

c.

alas de pollo

37. La demanda de patines en una tienda local de artculos deportivos para las 8
semanas anteriores fue:
a.

Prediccin utilizando un promedio mvil para 3 periodos.


Semana Demanda
1
2
3
4
5
6

122
130
98
121
96
152

Pronostico
(PMS)

117
116
105

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN


7
8

113
124

UNT

123
120

b. Prediccin utilizando un promedio mvil ponderado para 3 periodos con


pesos 0.6, 0.3 y 0.1.
Semana Demanda
1
2
3
4
5
6
7
8

c.

122
130
98
121
96
152
113
124

Pronostico
(PMP)

110
115
104
132
123

Modelacin de suavizacin exponencial, =0.6.


Semana
1
2
3
4
5
6
7
8

Demanda
122
130
98
121
96
152
113
124

Pronostico

120
121
106
134
121

d. Anlisis del mejor modelo :

Desviacin media absoluta para el 1 caso de un promedio mvil


para 3 periodos.

Semana Demanda Pronostico Error IErrorI


1

122

suma
IErrorI

DMA

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

2
3
4
5
6
7
8

130
98
121
96
152
113
124

117
116
105
123
120

4
-20
47
-10
4

4
20
47
10
4

122
130
98
121
96
152
113
124

110
115
104
132
123

11
-19
48.3
-19.1
1

11
19
48
19
1

4
12
24
20
17

suma
IErrorI

DMA

11
30
78
97
98

11
15
26
24
20

Desviacin media absoluta para el 3 caso de una suavizacin


exponencial.

Semana Demanda Pronostico Error IErrorI


1
2
3
4
5
6
7
8

4
25
72
82
85

Desviacin media absoluta para el 2 caso de un promedio mvil


ponderado para 3 periodos.

Semana Demanda Pronostico Error IErrorI


1
2
3
4
5
6
7
8

UNT

122
130
98
121
96
152
113
124

120
121
106
134
121

1
-25
46
-21
3

1
25
46
21
3

suma
IErrorI

DMA

1
26
72
93
96

1
13
24
23
19

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

De acuerdo a los resultados de la DMA, el mejor modelo utilizado es el promedio mvil


de 3 pero
38. Una embotelladora local de gaseosa tiene las siguientes ventas ( en miles de
nuevos de soles) en un periodo de cinco aos.

Trimestre
1
2
3
4

AO
1
2
346 361
468 483
375 390
279 300

3
381
494
392
296

4
401
515
416
355

5
408
520
436
420

a). Calcular la prediccin de ventas para el primer trimestre del ao 6 utilizando un


promedio mvil de tres periodos.
Ao: 3, 4 y 5
Trimestre
1

AO
3
4
5
381 401 408

Para el periodo 6 la prediccin ser 396,67 miles de nuevos soles.

b). Calcular la prediccin utilizando un promedio mvil ponderado de tres perodos con
pesos de 0.5, 0.3 y 0.2.

c. Utilizar un modelo de suavizacin exponencial con =0.2. Supngase que la


prediccin para el trimestre 1 del ao 1 fue de 346

AO
1
2
3

DEMANDA
346
361
381

PREDICCION
346
346
343

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

4
5
6

401
408

UNT

335.4
322.28
305.136

La prediccin para el ao 6 es de 306.156 miles de nuevos soles


39. Los precios de la gasolina para los ltimos 10 meses fueron:
Mes
1 2
3
4
5
6
7 8
9
10
Precio Real 1.2 1.23 1.27 1.29 1.27 1.29 1.3 1.31 1.29 1.3
Calcular para cada periodo la prediccin, la tendencia y la desviacin media absoluta de
los siguientes modelos:
a. Promedio mvil de tres perodos

PMS =

Mes

Demanda

Demanda en
PMS
"n" periodos
(Prediccin)
previos

5
6
7

1.27
1.29
1.3

3.79
3.83
3.85

1.26
1.28
1.28
DMA

Error del
Pronstico
0.01
0.01
0.02
0.01

b. Promedio mvil ponderado de tres periodos con pesos de 0.6, 0.3 y 0.1

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

PMP =

Mes Demanda PMP (Prediccin) Error del Pronstico


5
6
7

1.27
1.29
1.3

1.248
1.276
1.284
DMA

0.022
0.014
0.016
0.02

c. Un modelo de suavizacin exponencial con =0.1. Supngase que la prediccin


para el periodo 1 fue de 1.20

AO Demanda Prediccin
1
2
3
4
5
6
7
8
9
10

1.2
1.23
1.27
1.29
1.27
1.29
1.3
1.31
1.29
1.3

1.20
1.20
1.20
1.21
1.22
1.22
1.23
1.24
1.24
1.25
DMA

Error del
Pronstico
0.00
0.03
0.07
0.08
0.05
0.07
0.07
0.07
0.05
0.05
0.05

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

40. Una cadena minoritaria de lentes ha experimentado con los precios de venta de
los lentes de contacto y obtuvo:

Tabla x. Demanda de lentes de contactos al cambiar los precios


Promedio de
lentes por da 200 190 188 180 170 162 160
Precio por
lentes, en $ 24 26 27 28 29 30 32
Para determinar el pronstico de la demanda para cualquier precio, se encontr la
ecuacin que relacionen los datos de la tabla anterior. De esta manera se ha realizado la
siguiente grfica:
Grfica x. Demanda de lentes (unidades) Vs. Precio ($)

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

De la grfica anterior se obtuvo que su ecuacin es:


y = -5.5714x + 334.57
Por lo tanto la demanda cuando los lentes tengan un valor de 20$ ser:
Y= -55714*20 + 334.57
Y= 223.142 $

41. El objetivo del anlisis de regresin como mtodo causal es pronosticar la


demanda da partir de una o ms causas (variables independientes). Este anlisis se
hace de la siguiente manera, utilizando la ecuacin:

Primero se deben estimar los parmetros. Lo logramos con el mtodo de los mnimos
cuadrados, para ello utilizamos las siguientes ecuaciones:

Hallados los valores a y b, procedemos a dar solucin al pronstico (Y). Primero lo


haremos para la demanda en hogares:

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

b
a

Ao
(X)
1
2
3
4
5
6
7
8
9
10
Sumatoria 5.5

UNT

3.28484848
29.7333333

Hogares (Y) XY

X2

Y2

Pronstico (Y)

36
33
40
41
40
55
60
54
58
61
47.8

1
4
9
16
25
36
49
64
81
100
385

1296
1089
1600
1681
1600
3025
3600
2916
3364
3721
23892

33.02
36.30
39.59
42.87
46.16
49.44
52.73
56.01
59.30
62.58

36
66
120
164
200
330
420
432
522
610
2900

As mismo para la demanda de incursiones:


b
a

Ao
(X)
1
2
3
4
5
6
7
8
9
10
Sumatoria 5.5

1.52
12.98

Incursiones (Y) XY

X2

Y2

Pronstico (Y)

14.6
15.3
18.4
18.9
20.2
22.3
25.3
23.5
25.8
29.1
21.34

1
4
9
16
25
36
49
64
81
100
385

213.16
234.09
338.56
357.21
408.04
497.29
640.09
552.25
665.64
846.81
4753.14

14.5
16.02
17.54
19.06
20.58
22.1
23.62
25.14
26.66
28.18

14.6
30.6
55.2
75.6
101
133.8
177.1
188
232.2
291
1299.1

Ahora, con las ecuaciones que hallamos, podemos reemplazar y hallar los pronsticos
para los aos 11 y 12 como requiere el problema.

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Ao Hogares Incursiones
11 65.87
29.7
12 69.15
31.22
A continuacin se presentan los grficos con la demanda real y la demanda pronosticada

Finalmente hallamos el grado de error del pronstico, con el error estndar de


estimacin (Syx), con la frmula presentada a continuacin:

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

Para Hogares: 40.22


Para Incursiones: 17.7

UNT

PLANEAMIENTO Y CONTROL DE LA PRODUCCIN

UNT

Bibliografa
Altamirano,
2014.
Taller
de
Administracin.
[En
lnea]
Available
at:
https://sites.google.com/site/tdadmonealtamirano/home/unidad4mecanicadelprocesoad
ministrativo/4-1-planeacion/4-1-3-tecnicas-cuantitativas-y-cualitativas-de-planeacion
[ltimo acceso: 15 Septiembre 2016].
Gestiopolis,
2013.
[En
lnea]
Available
at:
http://www.gestiopolis.com/que-es-un-pronostico-caracteristicas-ymetodos/
[ltimo acceso: 15 Septiembre 2016].

You might also like