UNIVERSIDAD TECNOLOGICA DE HONDURAS

Catedrático:

Ing. Walther Francisco Santos

Asignatura:

Administración de la Producción I

Responsable:

Arely Castro López (201210010516)

Titulo:

Pronósticos (modulo 5)

17/07/2014

Mapa mental

Desde tiempos antiguos, como sociedad o de manera individual, hemos querido

conocer que sucederá en el futuro, y así estar preparados para afrontarlo. Las

organizaciones no son la excepción. Ellas también desean saber lo que sucederá en

el futuro, cuáles serán los cambios en el mercado, cuáles serán los cambios en la

demanda y en la economía, entre otros sucesos, para poder reaccionar de acuerdo

a ellos y con esto reducir los efectos negativos, y si es posible aprovecharlos

obteniendo una mayor rentabilidad económica. Por lo cual se utilizan distintos

métodos de pronósticos para predecir la demanda y reducir en la mayor medida

posible la incertidumbre. Sabemos que los pronósticos no son totalmente exactos.

Ningún modelo de pronósticos es preciso. Para seleccionar el modelo de pronóstico

más adecuado para predecir la demanda, debemos determinar el error de los

modelos de pronóstico que queremos utilizar, en relación a los valores reales de

demanda. El modelo de pronóstico con el menor margen de error será el más

adecuado para predecir la demanda.

Tipos de pronósticos Las organizaciones utilizan tres tipos principales de

pronósticos en la planeación de operaciones futuras:

Los pronósticos económicos: abordan el ciclo del negocio al predecir tasas de

inflación, suministros de dinero, construcción de viviendas, producto interno bruto,

índice de precio del consumidor, devaluación de la moneda y otros indicadores de

planeación.

Los pronósticos tecnológicos se refieren a las tasas de progreso tecnológico, las

cuales pueden resultar en el nacimiento de nuevos e interesantes productos, que

requerirán nuevas plantas y equipo.

Los pronósticos de la demanda son proyecciones de la demanda de productos o

servicios de una compañía

Para determinar el modelo de pronóstico más adecuado es necesario contar con

datos muy precisos de la demanda. Se deben utilizar varios modelos de pronósticos

considerando varias condiciones, para obtener el modelo más adecuado para

predecir la demanda. No nos podemos basar en unos dos o tres escenarios se

deben considerar todas las posibilidades que se pueden presentar.

El pronóstico es la única estimación de la demanda hasta que se conoce la

demanda real

Los pronósticos casi nunca son perfectos. Esto significa que factores externos no

predecibles o controlables suelen afectar el pronóstico. Las compañías deben

admitir esta realidad. Además de esto tenemos que comprender las variaciones

estacionales pues es importante para planear la capacidad en las organizaciones

que manejan picos en la carga de trabajo. Esto incluye a las compañías de energía

eléctrica durante los periodos de frío o calor intensos, a los bancos los viernes por la

tarde, y a trenes subterráneos y autobuses durante las horas de tráfico matutino o

vespertino

La mayoría de las técnicas de pronóstico suponen la existencia de cierta estabilidad

subyacente en el sistema. En consecuencia, algunas empresas automatizan sus

predicciones a través de software para pronósticos computarizados y después sólo

vigilan de cerca aquellos productos cuya demanda es errática.

Tanto los pronósticos de familias de productos como los de productos agregados

son más precisos que los pronósticos para productos individuales. Por ejemplo: Una

empresa productora de leche le es más seguro pronosticar la demanda de leche en

general, que calcular la demanda individual de cada presentación de leche que

elabore. En definitiva es posible imaginar la dificultad que implica determinar los

valores futuros de algunas variables independientes comunes

(como índices de desempleo, producto nacional bruto, índices de precios, y

otros).Gracias a las técnicas que disponemos hoy en día.

Ejercicios

1. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis

meses. Aquí están la demanda pronosticada y la real:

Calcule la desviación absoluta media para el pronóstico.

MAD = Demanda real – pronostico

Numero de periodos utilizados

Mes Pronostico Real Error porcentual

absoluto

Abril 250 200 250 – 200 = 50

Mayo 325 250 325 – 250 = 75

Junio 400 325 400 – 325 = 75

Julio 350 300 350 – 300 = 50

Agosto 375 325 375 – 325 = 50

Septiembre 450 400 450 – 400 = 50

Sumatoria 350

MAD = 350/6 = 58.33

La desviación absoluta media para el pronóstico es de 58.33

2. Se usó un modelo de pronóstico específico para adelantar la demanda de un

producto. Los pronósticos y la demanda correspondiente que se presentaron a

continuación se dan en la tabla. Use las técnicas MAD para el modelo de

pronóstico.

Año Real Pronostico Error porcentual

absoluto

Octubre 700 660 700 – 660 = 40

Noviembre 760 840 760 – 840 = - 80

Diciembre 780 750 780 – 750 = 30

Enero 790 835 790 – 835 = - 45

Febrero 850 910 850 – 910 = -60

Marzo 950 890 950 – 890 = 60

-25

MAD = -25/6 = -4.17

3. A continuación se presentan dos pronósticos semanales realizados

mediante dos métodos diferentes para el número de galones de gasolina, en

miles, demandado en una gasolinera local. También se muestran los niveles

reales de demanda, en miles de galones:

Calcule el MAD para cada modelo de pronóstico y determine el más adecuado de los

dos para predecir la demanda.

Semana Método 1 Demanda real Error porcentual absoluto

1 0.90 0.70 0.90 – 0.70 = 0.20

2 1.05 1.00 1.05 – 1.00 = 0.05

3 0.95 1.00 0.95 – 1.00 = - 0.05

4 1.20 1.00 1.20 – 1.00 = 0.20

0.40

MAD = 0.40/4 = 0.10

Semana Método 2 Demanda real Error porcentual absoluto

1 0.80 0.70 0.80 – 0.70 = 0.10

2 1.20 1.00 1.20 – 1.00 = 0.20

3 0.90 1.00 0.90 – 1.00 = -0.10

4 1.11 1.00 1.11 – 1.00 = 0.11

0.31

MAD = 0.31/4 = 0.77

Analizando los resultados de MAD para estos métodos podemos observar que de los

métodos el que tiene el menor MAD es el método 2 por lo tanto es el más adecuado.

4. La demanda de audífonos para estereofónicos y reproductores de discos

compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en el

año pasado. El número de trotadores sigue en aumento, así que Nina espera

que la demanda también se incremente, porque, hasta ahora, no se han

promulgado leyes de seguridad que impidan que los trotadores usen

audífonos. La demanda de estéreos del año pasado fue la siguiente:

Utilice proyección de tendencia para determinar una ecuación de tendencia y

pronostique la demanda para el mes de Enero del próximo año.

Mes Periodo (x) Demanda (y) X2 XY

Enero 1 4,200 1 4,200

Febrero 2 4,300 4 8,600

Marzo 3 4,000 9 12,000

Abril 4 4,400 16 17,600

Mayo 5 5,000 25 25,000

Junio 6 4,700 36 28,200

Julio 7 5,300 49 37,100

Agosto 8 4,900 64 39,200

Septiembre 9 5,400 81 48,600

Octubre 10 5,700 100 57,000

Noviembre 11 6,300 121 69,300

Diciembre 12 6,000 144 72,000

X = 78 Y= 60,200 X2 = 650 XY = 418,800

Σx= 78/12 = 6.5

Σy= 60200/12 = 5016.67

b= xy - n x y / x2 – n x2

b= 418,800 – (12) (6.5) (5016.67) /650 – (12) (6.5)2 = 27,499.74 / 143 =

192.31

a= y - b(x) = 5016.67 – (192.31) (6.5) = 3766.65

y>= a + bx

y>= 3766.65 + 192.31x

Demanda para Enero = 3766.65 + 192.31 (13) = 3766.65 + 2500.03 = 6267

Demanda para Enero del próximo año sería de 6267

5. A continuación se da la demanda tabulada actual de un artículo durante un

periodo de nueve meses (de enero a septiembre). Utilice proyección de

tendencias para determinar la demanda del mes de Octubre.

Mes Periodo (x) Demanda (y) X2 XY

Enero 1 110 1 110

Febrero 2 130 4 260

Marzo 3 150 9 450

Abril 4 170 16 680

Mayo 5 160 25 800

Junio 6 180 36 1080

Julio 7 140 49 980

Agosto 8 130 64 1040

Septiembre 9 140 81 1260

X = 45 Y = 1310 X2 = 285 XY = 6,660

X = 45/9 = 5

b= 1310/9 = 145.56

b= 6660 – (9) (5) (145.56) / 285 – (9) (5)2 = 1.83

a= 145.56 – (1.83) (5) = 136.41

y> = 136.41 + 1.83x

Demanda mes de octubre = 136.41 – 1.83 (10) = 155

La demanda para el mes de octubre sería de 155

6. La asistencia a un parque de diversiones ha sido la siguiente:

a) Calcule los índices estacionales usando todos los datos.

Estación 2005 2006 2007

Invierno 73 65 89

Primavera 104 82 146

Verano 168 124 205

Otoño 74 52 98

Demanda promedio invierno = 73+65+89/3 = 75.67 = 76 (promediado)

Demanda promedio primavera = 104+82+146/3 = 110.67 = 111 (promediado)

Demanda promedio verano = 168+124+205/3 = 165.67 = 166 (promediado)

Demanda promedio otoño = 74+52+98/3 = 74.67 = 75 (promediado)

Demanda promedia estacional = 428/4 = 107

Índice estacional para invierno = 76/107 = 0.71

Índice estacional para primavera = 111/107 = 1.04

Índice estacional para verano = 166/107 = 1.55

Índice estacional para otoño = 75/107 = 0.70

Demanda Demanda Demanda Demanda

promedio para el periodo

Demanda

promedio estacional

Índice

estacional

Estación 2005 2006 2007

Invierno 73 65 89 76 107 0.71

Primavera 104 82 146 111 107 1.04

Verano 168 124 205 166 107 1.55

Otoño 74 52 98 75 107 0.70

=428

b) Si espera que la demanda para el año 2008 sea de 6,000 personas, ¿Cuál

será la demanda para cada trimestre?

Demanda promedio para el año 2008

6000/4 = 1500 asistentes

Invierno = 1500*0.71 = 1065

Primavera = 1500*1.04 = 1560

Verano = 1500*1.55 = 2325

Otoño = 1500*0.70 = 1050

Trimestre 2008 Asistentes

Invierno 1065

Primavera 1560

Verano 2325

Otoño 1050

7. En el pasado, la distribuidora Arup Mukherjee vendió un promedio de 1,000

llantas radiales cada año. En los dos años anteriores vendió 200 y 250,

respectivamente, durante el otoño, 350 y 300 en invierno, 150 y 165 en

primavera, y 300 y 285 en verano. Con una ampliación importante en puerta,

Mukherjee proyecta que las ventas se incrementarán el próximo año a 1,200

llantas radiales. ¿Cuál será la demanda en cada estación?

Demanda promedio invierno = 200+250/2 = 225 Demanda promedio primavera = 350+300/2 = 325

Demanda promedio verano = 150+165/2 = 158

Demanda promedio otoño = 300+285/2 = 292

Demanda promedio estacional = 1000/4 = 250 Índice estacional para invierno = 225/250 = 0.90

Índice estacional para primavera = 325/250 = 1.30 Índice estacional para verano = 158/250 = 0.63

Índice estacional para otoño = 292/250 = 1.17

Demanda Demanda Demanda promedio

para el

periodo

Demanda promedio estacional

Índice estacional

Estación Año 1 Año 2

Invierno 200 250 225 250 0.90

Primavera 350 300 325 250 1.30

Verano 150 165 158 250 0.63

Otoño 300 285 292 250 1.17

= 1000

Demanda promedio para el próximo año

1200/4 = 300

Demanda para cada estación

Invierno = 300*0.90= 270

Primavera = 300*1.30 = 390

Verano= 300*0.63 = 189

Otoño = 300*1.17 = 351

Trimestre para

el próximo año

Demanda

Invierno 270

Primavera 390

Verano 189

Otoño 351

8. El administrador de Coffee Palace, Joe Felan, sospecha que la demanda de

cafés con leche sabor moca depende de su precio. Con base en observaciones

históricas, Joe ha recopilado los siguientes datos que muestran el número de

cafés de este tipo vendidos a seis precios diferentes:

Usando estos datos, ¿cuántos cafés con leche sabor moca pronosticaría usted para

ser vendidos de acuerdo con una regresión lineal simple si el precio por taza fuera

de $1.80?

Precio (X) Demanda (Y) Cafés vendidos

X2 XY

$2.70 760 $7.29 2052

$3.50 510 $12.25 1785

$2.00 980 $4.00 1960

$4.20 250 $17.64 1050

$3.10 320 $9.61 992

$4.05 480 $16.40 1944

X= 19.55 Y= 3300 X2= 67.19 XY= 9783

_

X = 19.55/6 = 3.26

_

Y = 3300/6 = 550

_ _ _

b= xy – n x y / x2 – nx2

b= 9783 – (6) (3.26) (550) / 67.19 – (6) (3.26)2 = 975/3.42 = 285.08

_ _

a= y - bx

a= 550 – (285.08) (3.26) = 379.36

y> = a+bx

y> = 379.36 + 285.08x

Demanda de venta si el precio fuera $1.80

y> = 379.36 + 285.08 (1.80) = 379.36 + 513.15 = 892.5 = 893 (promediado)

Con un precio por taza fuera de $1.80 se vendería un promedio de 893 tazas

9. Los siguientes datos relacionan las cifras de ventas del pequeño bar de la

casa de huéspedes Marty and Polly Starr, en Marathon, Florida, con el número

de huéspedes registrados en la semana:

a) Desarrolle una regresión lineal que relacione las ventas del bar con los

huéspedes (no con el tiempo).

Semana Huéspedes (x) Ventas del bar (Y)

X2 XY

1 16 $330 256 $5280

2 12 $270 144 $3240

3 18 $380 324 $6840

4 14 $300 196 $4200

X= 60 Y= 1280 X2= 920 XY= 19560

_

x = 60/4 = 15

_

y = 1280/4 = 320

b= 19560 – (4) (15) (320) / 920 – (4) (15)2 = 360 / 20 = 18

a= 320 – 18(15) = 50

y> = 50 + 18x

b) Si el pronóstico para la semana siguiente es de 20 huéspedes, ¿de

cuánto se espera que sean las ventas?

Pronóstico para la semana siguiente

y> = 50+18(20) = 50+360 = 410

Las ventas se espera que sean de $410.