Gestión de la Producción - Pronóstico de la demanda.

Instituto Tecnológico Superior de Alvarado

Ing. En Gestión Empresarial

Profesor:

José Manuel Barrios Carballo

Alumno(s):

Páez Hernández Sergio

Cano Fernández Teresa de Jesús

Asignatura:

Gestión de la Producción I.

Trabajo:

Reporte de investigación de la unidad II: Pronóstico de la

demanda.

Semestre:

6°

Fecha de entrega:

Martes 12 de Marzo de 2013

Páez Hernández Sergio Cano Fernández Teresa de Jesús

Gestión de la Producción I Página 2

Índice

Introducción 4

Objetivos del documento 5

Importancia Estrategia del pronóstico y la demanda. 6

Características que definen a la demanda. 7

Patrones de la demanda 7

Métodos cualitativos para estimar la demanda. 10

Estimación del Personal de Ventas 10

Opinión Ejecutiva 11

Investigación de Mercado 12

Método Delphi 12

Lineamientos para usar pronósticos cualitativos 13

Métodos cuantitativos para estimar la demanda. 13

Regresión Lineal 14

Métodos de Series de tiempo 17

Pronóstico Empírico 17

Estimación del Promedio 18

Inclusión de una tendencia 23

Monitoreo y control de los pronósticos. 26

Elaboración de pronósticos con software específico. 27

Proceso para elaborar un pronóstico mediante una hoja de cálculo

en Microsoft Excel. 28



Conclusión

38

Bibliografía 39



Introducción

Una de las directrices cruciales en la administración de las cadenas de producción es la

planificación de la demanda de los clientes. La cual comenzara con los pronósticos de

precisos. Formular pronósticos de la demanda que sirven de base para los procesos de

planificación de servicios, producción, inventarios e ingresos. Por lo general, pronosticar

se entiendo como el proceso de elaborar la visión más probable de lo que será la

demanda futura, dado un conjunto de suposiciones sobre las tecnologías, competidores,

precios, marketing, gastos y campañas de venta.

La planificación, es el proceso de tomar decisiones administrativas acerca de cómo

utilizar los recursos para responder mejor a los pronósticos de la demanda. En general los

pronósticos van ligados con los planes de la empresa, ya que no es posible tomar

decisiones sino hasta que se hayan formulado pronósticos que ofrezcan, dentro de lo

razonable, una visión precisa de lo que será la demanda.

En el presente documento se analiza la importancia estrategia en la que influye un

pronóstico en relación con la demanda, las características que definen a la demanda,

algunos métodos cuantitativos, como las series de tiempo y métodos cualitativos para

pronosticar dicha demanda, además de como monitorear y controlar dichos pronósticos y

la implementación de un software específico en el pronóstico de la demanda.



Objetivos del documento

Analizar la importancia estratégica de los pronósticos.

Analizar las diferentes series de tiempo y sus características específicas.

Comparar los distintos métodos cualitativos que existen.

Identificar las características que distinguen a la demanda.

Conocer el proceso práctico de un pronóstico cuantitativo.

Usar un software específico en la resolución de un ejercicio.



Importancia estratégica del pronóstico y la demanda.

El pronóstico es la base de la planeación corporativa a largo plazo. En las áreas

funcionales de finanzas y contabilidad, los pronósticos proporcionan el fundamento para la

planeación de presupuesto y control de costos.

El marketing depende del pronostico de ventas para planear productos nuevos; él

personal de producción y operaciones utiliza los pronósticos para tomar decisiones

periódicas que comprenden la selección de procesos, la planeación de las capacidades y

la distribución de las instalaciones, así como para tomar decisiones continuas cerca de la

planeación de la producción, la programación y el inventario.

El pronóstico de la demanda consiste en estimar las ventas de un producto durante un

determinado periodo futuro. Las organizaciones utilizan tres tipos importantes de

pronósticos en las operaciones futuras de la planificación.

El objetivo de un pronostico es reducir la incertidumbre acerca de lo que puede acontecer

en el futuro proporcionando información cercana ala realidad, qué permite tomar

decisiones.

“La formulación de pronósticos o proyección es una técnica para utilizar experiencias

pasadas con la finalidad de predecir expectativas del futuro”.

En las organizaciones los pronósticos se utilizan para tres propósitos importantes:

Decidir si la demanda es suficiente para justificar la entrada al mercado.

Determinar las necesidades a largo plazo de la capacidad para el diseño de

instalaciones.

Determinar las fluctuaciones a corto plazo en la demanda para la planeación de la

producción, la programación de la fuerza de trabajo, la planeación de los

materiales y otras necesidades.



Características que definen la demanda

Por demanda entendemos la cantidad de un bien o servicio que demandan los

consumidores dependiendo del precio y otros factores, como la renta de los consumidores

y el precio de otros bienes. Los consumidores potenciales deciden cuánto van a comprar

de un bien o servicio en función de su precio y otros muchos factores, incluyendo sus

propios gustos, la información, los precios de los demás bienes, la renta y las acciones del

gobierno. Los gustos de los consumidores determinan lo que compran. Los consumidores

no compran alimentos que no les gustan, obras de art que odian o ropa que consideran

pasada de modo o incómoda. Análogamente, la información sobre la utilidad de un bien

afecta las decisiones de un consumidor. Los factores que caracterizan a la demanda del

mercado son los siguientes:

Los precios de los demás viene también afectan a las decisiones de comprar de

los consumidores, si el precio de un sustitutivo cercano es mucho más bajo que el

precio de nuestro bien o servicio, puede que opte por esa otra marca.

La renta desempeña un papel esencial a la hora de determinar qué y cuándo va a

comprar. La gente con una gran fortuna puede comprar varios artículos aunque

sea por lujo.

Las normas y regulaciones del gobierno afectan a las decisiones de compra.

Los impuestos sobre las ventas elevan el precio que debe pagar el consumidor por

un bien, y los límites de impuestos por el gobierno sobre la utilización de un bien

puede afectar a su demanda.

Otros factores que también caracterizan a la demanda es la temporada, es decir,

si la mayoría de los consumidores tienen teléfonos celulares, el resto de ellos

puede que quieran adquirir uno. Otro ejemplo seria, la venta de árboles de navidad

es sustancialmente mayor en diciembre que en cualquier otro momento del año.

La cantidad de un bien que los consumidores están dispuestos a comprar a un

determinado precio, manteniendo los demás factores que influyen sobre las comprar, es

la cantidad demanda.

Patrones de la demanda

En la raíz de la mayoría de las decisiones de negocios se encuentra el reto de pronosticar

la demanda del cliente. Se trata de una tarea difícil porque la demanda de bienes y



servicios suelen variar considerablemente. Por ejemplo, es previsible que la

demanda de fertilizantes para el césped aumente en los meses de primavera y verano; sin

embargo, en los fines de semana específicos en lo que la demanda es más intensa, ésta

depende de factores incontrolables, como el clima. Las observaciones repetidas de la

demanda de un producto o servicio en el orden en que se realizan forman un patrón que

se conoce como serie de tiempo. Los cinco patrones básicos de la mayoría de las series

de tiempo aplicable a la demanda son:

1. Horizontal.- La fluctuación de los datos en torno de una media constante.

2. Tendencia.- El incremento o decremento sistemático de la media de las serie a

través del tiempo.

3. Estacional.- Un patrón repetible de incrementos o decrementos de la demanda,

dependiendo de la hora del día, la semana, el mes o la temporada.

4. Cíclico.- Una pauta de incrementos o decrementos graduales y menos previsibles

de la demanda, los cuales se presentan en el transcurso de periodos más largos

(años o decenios).

5. Aleatorio.- La variación imprevisible de la demanda.

Los patrones cíclicos provienen de dos influencias. La primera de ella es el ciclo

económico, que incluye diversos factores por lo que la economía pasa de una recesión a

una expansión en el transcurso de varios años. La otra influencia es el ciclo de vida del

producto o servicio en cuestión, en el cual se reflejan las etapas de la demanda, desde el

desarrollo hasta la declinación.

Cuatro de los patrones de demanda (horizontal, de tendencia, estacional y cíclico) se

combinan en diversos grados para definir el patrón fundamental de tiempo de demanda

que corresponde a un producto o servicio. El quinto patrón, la variación aleatoria, es

resultado de causas fortuitas y, por lo tanto, no puede pronosticarse.



Existen dos tipos de demanda:

Demanda dependiente: es la demanda de un producto o servicio que se deriva de la

demanda de otros productos o servicios.

Demanda independiente: esta demanda no se deriva directamente de la de otros

productos.

Los pronósticos de la demanda pueden ser crecientes o decrecientes, y tener naturaleza

lineal o no lineal.



Métodos cualitativos para estimar la demanda

Los pronósticos de los métodos cuantitativos sólo son posibles cuando existen una

cantidad suficiente de datos históricos, que a menudo se conoce como archivo de historial

en varios paquetes comerciales de software. Sin embargo el archivo de historial puede no

existir, como en los casos en que se lanza al mercado un nuevo producto o se espera un

cambio en la tecnología. Por otro lado, el archivo historial puede existir, pero al no ser

demasiado útil cuando ciertos acontecimientos (como las presentaciones de nuevos

producto o los paquete especiales) se reflejan en los datos pasados, o cuando se espera

ciertos acontecimientos ocurran en el futuro.

En algunos casos los métodos cualitativos son la única manera práctica de realizar un

pronóstico. En otros casos, los métodos cualitativos también pueden usarse para

modificar los pronósticos generados por le métodos cuantitativos para prever sucesos

especiales próximos que, de lo contrario, no se reflejarían en el pronóstico. Por último, los

métodos cualitativos pueden usarse para ajustar el archivo de historial que se analizará

con métodos cuantitativos para descontar el impacto de acontecimientos especiales

únicos que ocurrieron en el pasado. Si no se usan los métodos cualitativos, los

cuantitativos producirían pronósticos no confiables.

Los cuatro métodos cualitativos que se unas actualmente con más éxito son:

1) Las estimaciones del personas de ventas;

2) La opinión ejecutiva;

3) La investigación de mercado; y

4) El método Delphi.

Estimaciones del personal de ventas

A veces, la mejor información sobre la demanda futura proviene de las personas que

están más cerca de los clientes externos. Las estimaciones del personal de ventas son

pronósticos compilados a partir de estimaciones realizadas periódicamente por miembros

del personal de ventas de compañías. Este método tiene varias ventajas:

El personal de ventas es el grupo que tiene mayores probabilidades de saber qué

productos o servicios comprarán los clientes en el futuro cercano y en qué

cantidades.



Los territorios de ventas están divididos a menudo en distritos o

regiones. La información desglosada de este modo puede ser útil para pronósticos

de administración de inventarios, distribución y contratación de personal de ventas.

Los pronósticos de individuos miembros del personal de ventas puede combinarse

fácilmente para obtener las cifras correspondientes a ventas regionales o

nacionales.

Pero dicho método también tiene varias desventajas:

Los perjuicios individuales de los vendedores pueden introducir sesgos en el

pronóstico; además, algunas personas son optimistas por naturaleza y otras son

más cautelosas.

Es posible que él personas de ventas no siempre perciba la diferencia entro que el

cliente “quiere” (lista de deseos) y lo que el cliente “necesita” (una compra

necesaria).

Si la empresa utiliza las ventas individuales como medida del desempeño, el

personal de ventas puede subestimar sus pronósticos para que su propio

desempeño parezca bueno cuando superen esas proyecciones, o para tener que

esforzarse solamente hasta alcanzar las ventas mínimas requeridas.

El tiempo que el vendedor utiliza haciendo el pronóstico no lo usa vendiendo.

Algunos consideran que este costo de oportunidad de este pronóstico es su mayor

desventaja.

Opinión ejecutiva

Cuando se piensa lanzar un nuevo producto o servicio, el personal de ventas no siempre

es capaz de hacer estimaciones precisas de la demanda. La opinión ejecutiva es un

método de pronóstico en el cual se hace un resumen de las opiniones, experiencia y

conocimientos técnicos de uno o varios gerentes para llegar a un solo pronóstico. La

opinión ejecutiva puede usarse para modificar un pronóstico de ventas existente, a fin de

tomar en cuenta circunstancias inusitadas, como una nueva promoción de ventas o

acontecimientos internacionales inesperados. La opinión ejecutiva también puede usar

para elaborar pronósticos tecnológicos. El ritmo acelerado del cambio tecnológico

dificulta la tarea de mantenerse al tanto de los últimos adelantos. La clave para la

utilización eficaz de la opinión ejecutiva consiste en asegurarse de que el pronóstico no



refleje una serie de modificaciones independientes, sino un consenso de los

ejecutivos acerca de un pronóstico unificado.

Investigación de mercado

La investigación de mercado consiste en un método sistemático para determinar el

grado de interés del consumidor externo por un producto o servicio, mediante la creación

y puesta a prueba de diversas hipótesis por medio de encuestas encaminadas a la

recopilación de datos. La realización de un estudio de investigación de mercado incluye el

diseño de un cuestionario, la decisión de cómo administrarlo, la selección de una muestra

representativa y el análisis de la formación aplicando el buen juicio y herramientas

estadísticas para interpretar las respuestas. El objetivo es hacer predicciones sobre el

tamaño y estructura del mercado de bienes y/o servicios específicos. Estas predicciones

(pronósticos) están basadas por lo general en pequeñas muestras y son cualitativas, en el

sentido de que los datos originales generalmente consisten en evaluaciones subjetivas

por parte de los clientes. A pesar de que la investigación de mercado produce información

importante, una de sus desventajas son las numerosas salvedades y limitaciones que

suelen incluir sus conclusiones.

La investigación de mercados es un actividad importante en la mayoría de las empresas

fabricantes de productos a clientes. También juega un papel cada vez más importante en

el proceso político y electoral.

Método Delphi

El método Delphi es un proceso para obtener el consenso dentro de un grupo de

expertos, al tiempo que se respeta el anonimato de sus integrantes. Esta forma de

pronósticos es útil cuando no existen datos históricos sobre los cuales puedan

desarrollarse modelos estadísticos y cuando los gerentes de la empresa no tienen

experiencia en la cual fundamentar proyecciones bien informadas. Un coordinador envía

preguntas a cada uno de los miembros del grupo de expertos externos, quienes tal vez

ignoran quién más está participando. El coordinador preparara un resumen estadístico

de las respuestas, además de un sumario, de los argumentos que vienen a propósito de

algunas de ellas. El informe se envía al mismo grupo para otra ronda de opiniones y los

participantes pueden modificar sus respuestas anteriores si así lo desean. Las rondas

continúan hasta llegar a un consenso.



El método Delphi se usa para elaborar pronósticos a largo plazo de la demanda

de productos y proyecciones de ventas de los nuevos productos.

Lineamientos para usar pronósticos cualitativos.

La necesidad de usar pronósticos cualitativos es muy clara cuando no existen datos

cuantitativos que permitan aplicar enfoques de pronóstico también cuantitativos. Sin

embargo, los métodos cualitativos pueden utilizarse en combinación con enfoques

cuantitativos a fin de mejorar la calidad del pronóstico. Entre los lineamientos aplicables a

sus usos para ajustar pronósticos cuantitativos, figuran los siguientes:

Ajustar los pronósticos cuantitativos cuando éstos tienden a ser imprecisos y la

persona que toma las decisiones posee un conocimiento contextual importante.

Por conocimiento contextual se entiende el conocimiento que se obtiene por

experiencia en el ejercicio de una actividad, como en el caso de las relaciones de

causa y efecto, los indicios ambientales y la información sobre las organizaciones

que pueden tener efecto en la variable que se va a pronosticar. Muchas veces no

es posible incorporar estos factores a los enfoques de pronósticos de tipo

cuantitativo.

Realizar ajustes a los pronósticos cuantitativos para compensar sucesos

específicos. A menudo, ciertos sucesos específicos, como las compañías de

publicidad, las actividades de los competidores o los acontecimientos

internacionales, no se reconocen en los pronósticos cuantitativos y es preciso

tomarlos en cuenta al elaborar un pronóstico definitivo.

Métodos cuantitativos para estimar la demanda

Los métodos cuantitativos se emplean cuando se dispone de datos históricos y se puede

identificar la relación entre el factor que se intenta pronosticar y otros factores externos o

internos (por ejemplo, las acciones del gobierno o las promociones publicitarias). Estas

relaciones se expresan en términos matemáticos y suelen ser muy complejas. Los

métodos cuantitativos proporcionan herramientas de pronóstico más avanzadas y son

excelentes para prever los puntos de cambio en la demanda y preparar pronósticos a

largo plazo. Aunque existen muchos métodos cuantitativos, nos ocuparemos aquí de los

más conocidos y los que se utilizan más comúnmente entre todos esos métodos.



Regresión Lineal

En la regresión lineal, una variable, conocida como variable dependiente, está relacionada

con una o más variables independientes por medio d una ecuación lineal. La variable

dependiente s la que el gerente desea pronosticar. Se supone que las variables

independientes, influye en la variable dependiente y, por ende, son la “causa” de los

resultados observados en el pasado.

En los modelos de regresión lineal más sencillos, la variable dependiente es función de

una sola variable independiente y, por lo tanto, la relación teórica es una línea recta:

𝑌 = 𝑎 + 𝑏𝑋

Donde

Y= variable dependiente

X= variable independiente

a= intersección de la recta con el eje Y

b= pendiente de la recta

El objetivo del análisis de regresión lineal es encontrar los valores de a y b que minimicen

la suma de las desviaciones cuadráticas de los puntos de datos reales que estarán

representados gráficamente.

El coeficiente de correlación de la muestra, r, mide la dirección y la fuerza de la relación

entre la variable independiente y la variable dependiente. Los valores de r pueden fluctuar

entre -1.00 y 1.00. Un coeficiente de correlación de 1.00 implica que los cambios

registrados de uno a otro periodo en la dirección de la variable independiente, siempre

van acompañados por cambios de la variable dependiente en la misma dirección. Un r de

-1.00 significa que los decrementos de la variable independiente siempre van

acompañados de incrementos en la variable dependiente y viceversa. Cuando r tiene

valor de cero, significa que no existe relación lineal entre las variables. Cuando más se

aproxime el valor de r a -1.00 o 1.00, tanto más adecuado será el ajuste de la línea de

regresión con respecto a los puntos gráficos.



𝑟 = ∑(𝑋 − �̅�)(𝑌 − �̅�)

√∑(𝑋 − 𝑋)̅̅ ̅2 ∗ ∑(𝑌 − �̅�)

El coeficiente de determinación de la muestra mide la cantidad de variación que presenta

la variable dependiente con respecto a su valor medio de regresión. El coeficiente de

determinación es igual al cuadrado del coeficiente de correlación o 𝑟2. El valor de 𝑟2

oscila entre 0.00 y 1.00. Las ecuaciones de regresión, cuyo valor de 𝑟2 se aproxima a

1.00, son deseables porque significa que las variaciones de la variable dependiente y el

pronóstico generado por la ecuación de regresión están estrechamente relacionadas.

𝑟2 = (∑(𝑋 − �̅�)(𝑌 − �̅�)

√∑(𝑋 − 𝑋)̅̅ ̅2 ∗ ∑(𝑌 − �̅�))

2

El error estándar de estimado 𝑆𝑦𝑥 mide la proximidad con que los datos de la variable

dependiente se agrupan alrededor de la línea de regresión. Aunque es semejante a la

desviación estándar de la muestra, mide el error de la variable dependiente, Y, con

respecto a la línea de regresión, en lugar de medirlo con respecto a la media. En

consecuencia, es la desviación estándar de la diferencia entre la demanda real y la

estimación obtenida con la ecuación de regresión. Al determinar qué variable

independiente se incluirá en la ecuación de regresión, se debe elegir la que tenga error

estándar más pequeño del estimado.

Ejercicio:

Chicken Palace ofrece periódicamente comidas que incluyen cinco piezas de pollo para

llevar a casa, a precios especiales. Sea Y el número de comidas vendidas y X el precio.

Con base en las observaciones históricas y los cálculos que se presentan en la siguiente

tabla, determine la ecuación de regresión, el coeficiente de correlación y el coeficiente de

determinación. ¿Cuántas comidas piensa Chicken Palace que logrará vender a $3.00

cada una?



Solución:

X Y

2.7 760 -117.18 0.311364 44100

3.5 510 -9.68 0.058564 1600

2 980 -540.94 1.582564 184900

4.2 250 -282.6 0.887364 90000

3.1 320 36.34 0.024964 52900

4.05 480 -55.44 0.627264 4900

∑19.55 ∑3300 ∑-969.5 ∑3.492084 ∑378400

X̅ =∑ X

n=

19.55

6= 3.258

Y̅ =∑ Y

n= 550

𝑏 =∑(𝑋 − �̅�)(𝑌 − �̅�)

∑(𝑋 − �̅�)2=

−969.5

3.492084= −277.63

𝑎 = �̅� − (𝑏 ∗ �̅�) = 550 − (−277.63 ∗ 3.258) = 1454.51

𝑟 = ∑(𝑋 − �̅�)(𝑌 − �̅�)

√∑(𝑋 − 𝑋)̅̅ ̅2 ∗ ∑(𝑌 − �̅�)=

−969.5

√(3.492084 ∗ 378400)= −0.84

𝑟2 = (∑(𝑋 − �̅�)(𝑌 − �̅�)

√∑(𝑋 − 𝑋)̅̅ ̅2 ∗ ∑(𝑌 − �̅�))

2

= (−969.5

√(3.492084 ∗ 378400))

2

= 0.71

La línea de regresión es 𝑌 = 𝑎 + 𝑏𝑋 = 1454.51 − 277.63𝑋. El coeficiente de correlación es

de -0.84, lo cual refleja una muestra negativa entra las variables. El coeficiente de

(𝑋 − �̅�)(𝑌 − �̅�) (𝑋 − �̅�)2 (𝑌 − �̅�)2



determinación es de 0.71, el cual es relativamente pequeño, lo que indica que

otras variables (además del precio) afectan perceptiblemente las ventas.

Métodos de serie de tiempo

En lugar de emplear variables independientes para el pronóstico como en los modelos de

regresión, los métodos de series de tiempo usan información histórica que sólo se refiere

a la variable dependiente. Estos métodos se basan en la suposición de que el patrón de

las variables dependientes en el pasado habrá de continuar en el futuro. En el análisis de

series de tiempo se identifican los patrones fundamentales de la demanda que se

combinan para producir el patrón histórico observado en la variable dependiente, después

de lo cual se elabora un modelo capaz de reproducir dicho patrón.

Pronóstico empírico

Un método que se usa con frecuencia en la práctica es el pronóstico empírico, en el

cual el pronóstico de la demanda para el siguiente periodo es igual a la demanda

observada en el periodo actual (𝐷𝑡). De esta manera, si la demanda real del miércoles ha

sido de 35 clientes, la demanda pronosticada para el jueves será de 35 clientes. Si la

demanda del jueves es de 42 clientes, la demanda pronosticada para el viernes será de

42 clientes.

El método de pronóstico empírico se puede adaptar para tomar en cuenta una tendencia

de la demanda. El incremento o decremento observado en la demanda de los últimos

periodos se usa para ajustar la demanda actual a fin de llegar a un pronóstico. Suponga

que la demanda fue de 120 unidades en la última semana y de 108 unidades en la

semana anterior. El incremento de la demanda fue de 12 unidades en un semana, por lo

que el pronóstico para la siguiente semana sería d 120+12=132 unidades. Si la demanda

real de la semana siguiente resultara de 127 unidades, el siguiente pronóstico sería de

127+7=134 unidades.

La ventaja del método de pronóstico empírico son su simplicidad y su bajo costo. Este

método funciona mejor cuando los patrones horizontales, de tendencia o estacionales son

estables y la variación aleatoria es pequeña. Cuando la variación aleatoria es grande, el

uso del valor de la demanda en el último periodo para estimar la del periodo siguiente

puede producir pronósticos sumamente variables que no son útiles para pronósticos de



planificación. Sin embargo, si su nivel de precisión es aceptable, el pronóstico

empírico es un método atractivo para el pronóstico con series de tiempo.

Estimación del promedio

Cada serie de tiempo de demanda tiene por lo menos dos de los cinco patrones de la

demanda: el horizontal y el aleatorio. También puede tener patrones de tendencia,

estacionales y cíclicos. El patrón horizontal de una serie de tiempo se basa en la media de

las demandas, para ellos existen los métodos de pronóstico en los que se estima el

promedio de una serie de datos a través de series de tiempo.

Promedios móviles simples.- El método de promedio móvil simple se usa para

estimar el promedio de una serie de tiempo de demanda y, por lo tanto, para suprimir los

efectos de las fluctuaciones aleatorias. Este método resulta útil cuando la demanda no

tiene tendencias pronunciadas ni influencias estacionales. La aplicación de un modelo de

promedio móvil requiere simplemente calcular la demanda promedio para los n periodos

más recientes, con el fin de usarla como pronóstico para el siguiente periodo. Para el

periodo siguiente, una vez que se conoce la demanda, la demanda más antigua incluida

en el promedio anterior, se sustituye por la demanda más reciente y el promedio se

“mueve” de un periodo a otro.

En términos específicos, el pronóstico correspondiente de 𝑡 + 1 se calcula como sigue:

𝐹𝑡+1 =𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑎𝑠 ú𝑙𝑡𝑖𝑚𝑎𝑠 𝑛 𝑑𝑒𝑚𝑎𝑛𝑑𝑎𝑠

𝑛=

𝐷1 + 𝐷𝑡−1 + 𝐷𝑡−2 + ⋯ + 𝐷𝑡−𝑛+1

𝑛

Donde

𝑛 = Número total de períodos incluidos en el promedio

𝐷𝑡= Demanda real en el periodo t

𝐹𝑡+1= Pronóstico para el periodo t+1

Con el método de promedio móvil, el pronóstico de la demanda en el periodo siguiente

será igual al promedio calculado al final de este periodo.



En cualquier método de pronóstico, es importante medir la precisión de los

pronósticos. El error de pronósticos, es simplemente la diferencia que se obtiene al

restar el pronóstico de la demanda real en cualquier periodo determinado, o

𝐸𝑡 = 𝐷𝑡 − 𝐹𝑡

Donde

𝐸𝑡 = Error de pronóstico en el periodo t.

𝐷𝑡 = Demanda real en el periodo t.

𝐹𝑡 = Pronóstico para el periodo t.

El método de promedio móvil puede requerir el uso de todos los periodos pasados de

demanda que se desee. Generalmente, la estabilidad de la serie de demanda determina

cuántos periodos será necesario incluir. Las series de demanda estables son aquellas

para las cuales el promedio cambia solamente en forma infrecuente. Deberán utilizarse

valores grandes de n en las que seas susceptible a cambios en el promedio subyacente.

Promedios móviles ponderados.- En el método de promedio móvil simple, todas las

demandas tiene la misma ponderación en el promedio, es decir, 1/n. En el método de

promedio móvil ponderado, cada una de las demandas históricas que intervienen en el

promedio puede tener su propia ponderación. La suma de las ponderaciones es igual a

1.00. Por ejemplo, en un modelo con promedio móvil ponderado de tres periodos, al

periodo más reciente se le puede asignar una ponderación de 0.50, al segundo más

reciente se le asigna una ponderación de 0.30, y al tercero más reciente, una de 0.20. El

promedio se obtiene multiplicando la ponderación de cada periodo por el valor

correspondiente a dicho periodo y sumando finalmente los productos:

𝐹𝑡+1 = 0.50𝐷𝑡 + 0.30𝐷𝑡−1 + 0.20𝐷𝑡−2

Las ventajas del método del promedio móvil ponderado es que permite destacar la

demanda reciente sobre la demanda anterior. Este pronóstico suele responder mejor a los

cambios registrados en el promedio fundamental de la serie de demandas que el

pronóstico de promedio móvil simple. No obstante, el pronóstico de promedio móvil

ponderado seguirá retrasándose con respecto a la demanda porque sólo calcula

promedios de la demanda en el pasado. Este retraso es especialmente notable cuando



existe una tendencia, porque el promedio de las serie de tiempo se va

incrementando o disminuyendo en forma sistemática.

El método de promedio móvil ponderado presenta los mismos inconvenientes que el

método de promedio móvil simple: es necesario recopilar los datos de una n periodos de

la demanda para poder calcular el promedio correspondiente a cada periodo. Recopilar

esta cantidad de datos no es un gran problema en situaciones sencilla.

Ejercicio

Polish General´s Pizza Parlor es un pequeño restaurante que atrae a los parroquianos

aficionados al sabor de las pizzas europeas. Una de sus especialidades es la pizza Polish

Prize. El gerente de la empresa tiene que pronosticar la demanda semanal de esas pizzas

especiales para saber cuántas bases de pasta será necesario pedir cada semana. En las

últimas fechas, la demanda ha sido la siguiente:

Pronostique la demanda de pizzas para el periodo comprendido entre el 23 de junio y el

14 de julio, usando el método de promedio móvil simple con n=3. Repita después el

pronóstico, utilizando el método de promedio móvil ponderado con n=3 y ponderaciones

de 0.50, 0.30 y 0.20, aplicando 0.50 a la demanda más reciente.

Solución

Semana Actual Pronóstico de promedio

móvil simple para la

semana siguiente

Pronóstico de promedio móvil

ponderado para la semana

siguiente

16 de Junio 52 + 65 + 50

3= 55.7

[(0.5 ∗ 52) + (0.3 ∗ 65) + (0.2 ∗ 50)] = 55.5

23 de Junio 56 + 52 + 65

3= 57.7

[(0.5 ∗ 56) + (0.3 ∗ 52) + (0.2 ∗ 65)] = 56.6

30 de Junio 55 + 56 + 52

3= 54.3

[(0.5 ∗ 55) + (0.3 ∗ 56) + (0.2 ∗ 52)] = 54.7



7 de Julio 60 + 55 + 56

3= 57

[(0.5 ∗ 60) + (0.3 ∗ 55) + (0.2 ∗ 56)] = 57.7

Suavización exponencial.- El método de suavizamiento exponencial es un método de

promedio móvil ponderado muy refinado que permite calcular el promedio de una serie de

tiempo, asignando a las demandas recientes mayor ponderación que a las demandas

anteriores. Es el método de pronósticos formal que se usa más a menudo por su sencillez

y por la reducida cantidad de datos que requiere. A diferencia del método de promedio

móvil ponderado, que requiere n periodos de demanda pasada y n ponderaciones, el

método de suavizamiento exponencial necesita solamente tres datos: el pronóstico del

último periodo, la demanda de ese periodo y un parámetro de suavizamiento, alfa (α),

cuyo valor fluctúa entre 0 y 1.0. Para elaborar un pronóstico con suavizamiento

exponencial, simplemente se calcula un promedio ponderado de la demanda más reciente

y el pronóstico calculado para el último periodo. La ecuación correspondiente a este

pronóstico es:

𝐹𝑡+1 = ∝ (𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑡𝑒𝑠 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1−∝)(𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

𝐹𝑡+1 = ∝ 𝐷𝑡 + (1−∝)𝐹𝑡

La siguiente es una ecuación equivalente:

𝐹𝑡+1 = 𝐹𝑡+∝ (𝐷𝑡 − 𝐹𝑡)

Esta forma de la ecuación muestra que el pronóstico para el periodo siguiente es igual al

pronóstico del periodo actual más una proporción de error del pronóstico correspondiente

al periodo actual.

El énfasis que se hace en los niveles de demanda más recientes puede ajustarse

modificando el parámetro de suavizamiento. Los valores más grandes de α hacen énfasis

en los niveles recientes de la demanda y dan lugar a pronósticos que tiene mejor

capacidad de respuestas ante los cambios en el promedio fundamental. Con valores de α

más pequeños, se considera más uniformemente la demanda pasada y se producen

pronósticos más estables. Este método es similar al ajuste del valor de n ponen énfasis en



la demanda reciente y los valores más grandes conceden mayor ponderación a

la demanda pasada.

Para poner en marcha el suavizamiento exponencial se requiere un pronóstico inicial. Hay

dos formas de obtener ese pronóstico inicial: usar la demanda de último periodo, o si se

dispones de datos históricos, calcular el promedio de varios periodos recientes de

demanda. El efecto de estimación inicial del promedio sobre las estimaciones sucesivas

del mismo disminuye a través del tiempo porque, con el suavizamiento exponencial, las

ponderaciones asignadas a las demandas históricas sucesivas que se utilizan para

calcular el promedio disminuyen exponencialmente.

En virtud de que el suavizamiento exponencial es sencillo y requiere un mínimo de datos,

su utilización es económica y atractiva para las empresas que realizan miles de

pronósticos para cada periodo. Sim embargo, su sencillez se convierte en desventaja

cuando el promedio fundamental se modifica, como en el caso de las series de demanda

que muestran un tendencia. Igual que con cualquier método enfocado únicamente en el

supuesto de un promedio estable, los resultados del suavizamiento exponencial se

retrasan con respecto a los cambios registrados en el promedio fundamental de la

demanda. Los valores de α más altos pueden ayudar a reducir errores de pronóstico

cuando se produce un cambio en el promedio; sin embargo, seguirá habiendo retrasos si

el promedio cambia sistemáticamente. En general, si se requieren valores grandes de α

(por ejemplo >0.50) para una aplicación de suavizamiento exponencial, es muy probable

que se requiera un modelo más complejo a causa de las presencia de una tendencia o

una influencia estacional significativa en las series de demanda.

Ejercicio

La demanda mensual de unidades manufacturadas por Acme Rocket Company ha sido la

siguiente:



Aplique el método de suavizamiento exponencial para pronosticar el número de

unidades de junio a enero. El pronóstico inicial de mayo fue de 105 unidades; α=0.2.

Solución

Mes Actual (t) 𝑭𝒕+𝟏 = 𝑭𝒕+∝ (𝑫𝒕 − 𝑭𝒕) Pronóstico para el mes

t+1

Mayo 0.2(100) + 0.8(105) = 104 Junio

Junio 0.2(80) + 0.8(104) = 99.2 Julio

Julio 0.2(110) + 0.8(99.2) = 101.4 Agosto

Agosto 0.2(115) + 0.8(101.4) = 104.1 Septiembre

Septiembre 0.2(105) + 0.8(104.1) = 104.3 Octubre

Octubre 0.2(110) + 0.8(104.3) = 105.4 Noviembre

Noviembre 0.2(125) + 0.8(105.4) = 109.3 Diciembre

Diciembre 0.2(120) + 0.8(109.3) = 111.4 Enero

Inclusión de una tendencia

En una serie de tiempo, una tendencia es un incremento o decremento sistemático en el

promedio de la serie a través del tiempo. Cuando existe una tendencia significativa, los

métodos de suavizamiento exponencial deben modificarse; de lo contrario, los pronósticos

siempre estarán por arriba o por debajo de la demanda real.

Para mejorar el pronóstico, es necesario calcular una estimación de la tendencia.

Comenzaremos calculando la estimación actual de dicha tendencia, que no es sino la

diferencia entre el promedio de la serie calculado en el periodo actual y el promedio

calculado en el último periodo. Para obtener una estimación de la tendencia a largo plazo,

se pueden promediar las estimaciones actuales. El método para estimar una tendencia es

similar al que se emplea para estimar el promedio de la demanda con el suavizamiento

exponencial.

El método para incorporar una tendencia en un pronóstico suavizado exponencialmente

se conoce como método de suavizamiento exponencial ajustado a la tendencia. En

este enfoque, se suavizan las estimaciones del promedio y la tendencia, para lo cual se



requieren dos constantes de suavizamiento. Se calcula el promedio y la

tendencia para cada periodo:

𝐴𝑡 = α(Demanda en este periodo) + (1 − α){Promedio

+ Estimación de la tendencia en el último periodo}

𝐴𝑡 = α𝐷𝑡 + (1 − α)(𝐴𝑡−1 + 𝑇𝑡−1)

𝑇𝑡 = 𝛽(𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑒𝑠𝑡𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 − 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜) + (1

− 𝛽)(𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑙 ú𝑙𝑡𝑖𝑚𝑜 𝑝𝑒𝑟𝑖𝑜𝑑𝑜)

𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1) + (1 − 𝛽)𝑇𝑡−1

𝐹𝑡+1 = 𝐴𝑡 + 𝑇𝑡

Donde

𝐴𝑡= Promedio suavizado exponencialmente de la serie en el periodo t.

𝑇𝑡 = Promedio suavizado exponencialmente de la tendencia en el periodo t.

α = Parámetro de suavizamiento para el promedio, con un valor de entre 0 y 1.

β = Parámetro de suavizamiento para la tendencia, con un valor entre 0 y 1.

𝐹𝑡+1 = Pronóstico para el periodo t+1.

Para realizar un pronóstico para periodos posteriores al siguiente, se multiplica la

estimación de la tendencia (𝑇𝑡) por el número de periodos adicionales que se desea

incluir en el pronóstico, y se suman los resultados al promedio actual (𝐴𝑡). Así, el

suavizamiento exponencial ajustado a la tendencia difiere de los métodos explicados

anteriormente. En esos métodos, el pronóstico para todos los periodos futuros es el

mismo que el pronóstico para el siguiente periodo.

Las estimaciones del promedio y la tendencia correspondientes al último periodo que se

requieren en el primer pronóstico pueden obtenerse a partir de datos del pasado o

basarse en una estimación aproximada si no existen datos históricos. Para encontrar los

valores de α y β, es frecuente que el analista ajuste sistemáticamente α y β hasta obtener

los errores de pronóstico más bajos posibles. Este proceso puede llevar a cabo un



ambiente experimental, usando el modelo para pronosticar las cifras históricas

de la demanda.

El método de suavizamiento exponencial ajustado a la tendencia ofrece la ventaja de que

es capaz de ajustar el pronóstico a los cambios registrados en la tendencia. Sin embargo,

cuando la tendencia está cambiando, cuanto más se proyecta hacia el futuro la estimación

de la tendencia, tanto más impreciso será el pronóstico. Por eso, es conveniente restringir

la utilización de los métodos de series de tiempo a los pronósticos a largo plazo.

Ejercicio

La demanda de Krispee Crunchies, uno de los cereales favoritos para el desayuno entre

las personas nacidas en la década de 1940, ésta en una etapa de decadencia. La

compañía desea vigilar cuidadosamente la demanda que tiene este producto ahora que

se aproxima al final de su ciclo de vida. Se ha utilizado el método de suavizamiento

exponencial ajustado a la tendencia con α=0.1 y β=0.2. Al final de diciembre, la

estimación actualizada del número promedio de cajas vendidas cada mes 𝐴𝑡, fue de

900,000 y la tendencia actualizada 𝑇𝑡1 fue de -50,000 por mes. En la tabla siguiente se

presenta el historial de las ventas reales de enero, febrero y marzo. Genere los

pronósticos para febrero, marzo y abril.

Solución

Se conoce la condición inicial a finales d diciembre y la demanda real de enero, febrero y

marzo. Ahora se debe actualizar el método de pronóstico y preparar un pronóstico para

abril. Las ecuaciones que se usarán con el método de suavizamiento exponencial

ajustado a la tendencia son las siguientes:

𝐴𝑡 = α𝐷𝑡 + (1 − α)(𝐴𝑡−1 + 𝑇𝑡−1)

𝑇𝑡 = 𝛽(𝐴𝑡 − 𝐴𝑡−1) + (1 − 𝛽)𝑇𝑡−1

𝐹𝑡+1 = 𝐴𝑡 + 𝑇𝑡



Para enero tenemos:

𝐴𝑡 = 0.1(890,000) + 0.9(900,000 − 50,000) = 854,000 𝑐𝑎𝑗𝑎𝑠

𝑇𝑡 = 0.2(854,000 − 900,000) + 0.8(−50,000) = −49,200 𝑐𝑎𝑗𝑎𝑠

𝐹𝑡+1 = 854,000 − 49,200 = 804,800 𝑐𝑎𝑗𝑎𝑠

Para febrero tenemos:

𝐴𝑡 = 0.1(800,000) + 0.9(854,000 − 49,200) = 804,320 𝑐𝑎𝑗𝑎𝑠

𝑇𝑡 = 0.2(804,320 − 854,000) + 0.8(−49,200) = −49,296 𝑐𝑎𝑗𝑎𝑠

𝐹𝑡+1 = 804,320 − 49,296 = 755,024 𝑐𝑎𝑗𝑎𝑠

Para marzo tenemos:

𝐴𝑡 = 0.1(825,000) + 0.9(804,320 − 49,296) = 762,022 𝑐𝑎𝑗𝑎𝑠

𝑇𝑡 = 0.2(762,022 − 804,320) + 0.8(−49,296) = −47,897 𝑐𝑎𝑗𝑎𝑠

𝐹𝑡+1 = 762,022 − 47,897 = 755,024 𝑐𝑎𝑗𝑎𝑠

Monitoreo y control de los pronósticos

Los especialistas siempre están tratando de hacer mejores estimaciones acerca de lo que

ocurrirá en el futuro al afrontar la incertidumbre. El propósito fundamental de los

pronósticos es hacer buenas estimaciones en las cuales basar los modelos para la toma

de decisiones. Los pronósticos constituyen la problemática fundamental dentro de la

gestión de la actividad de una empresa debido ala complejidad de los problemas

encontrados cuando se pronostica y a su impacto sobre todas las decisiones de la

empresa.

El sistema de pronósticos necesita retroalimentación para asegurar los mejores

resultados. El control del pronóstico es parte del proceso de retroalimentación. Intenta

determinar si el pronóstico se desvía de los resultados reales debido a la aleatoriedad o a

un cambio esencial en el proceso. Las variaciones aleatorias deben ignorarse, pero las no

aleatorias exigen cambios en los parámetros del modelo o incluso en el modelo mismo.

Los conceptos presentados en esta sección se pueden usar para controlar cualquier



sistema de pronósticos que produzca un pronóstico numérico, aún aquellos

basados en técnicas cualitativas de pronósticos.

El error del pronóstico es la base para el control. Primero se determina el error del

pronóstico y su varianza. Después se usa la varianza para hacer afirmaciones

probabilísticas, como que el error debe exceder cierto valor sólo una vez cada 20. Estas

afirmaciones se usan para determinar si el desempeño del sistema es el esperado; si no

cumple con las expectativas hay que corregirlo.

Elaboración de pronósticos en software especifico

En muchas aplicaciones de pronósticos a corto plazo, las computadoras son

indispensables. Con frecuencia, las empresas tienen que preparar pronósticos para ciento

o incluso miles de producto o servicios en forma reiterada. Por ejemplo, una amplia red de

instanciaciones de servicio médico necesita calcular pronósticos de la demanda de cada

uno de sus servicios en cada departamento. Esta operación implica grandes volúmenes

de datos que deben manipularse con frecuencia. Los analistas tienen que examinar las

series de tiempo que corresponden a cada producto o servicio a fin de elaborar un

pronóstico. Sin embargo, ahora se dispone de nuevo software que facilitara la tarea de

elaborar los pronósticos y coordinarlos entre minoristas y proveedores.

Existen muchos paquetes de software para pronósticos que pueden usarse en

computadoras de cualquier tamaño y ofrecen una amplia variedad de capacidad de

pronósticos y formatos de informes, entre ellos figuran los de Manugistic, Forescast Pro

y SAS. Típicamente, los paquetes de software para pronósticos leen los datos contenidos

en archivos de hoja de cálculo, tranzan gráficos de los datos y los pronósticos y guardan

los archivos de pronósticos para mostrar los resultados en hojas de cálculo. Los precios

de estos programas varías entre $150 y más de $10,000 pesos, dependiendo de las

funciones de análisis de datos que contengan. El diseño de estos programas para

computadoras personales y su precio relativamente bajo ponen a estos paquetes al

alcance de cualquier empresa.

Los paquetes de cómputo se han convertido en indispensable para algunas compañías,

sobre todo las que manejan una amplia variedad de productos y mercados.



Paquetes estadísticos. Incluyen solo lo necesario para realizar estadísticas y

series de tiempo, aquí se encuentra Minitab, SAS, SPSS, Eviews, Cristal Ball Predictor y

hojas de cálculo (Excel).

Paquetes de pronósticos Han sido diseñados específicamente para aplicaciones de este

tipo, es decir se trata de software especializado en proyección de ventas.Podemos

mencionar a TSP (Micro TSP ), Total Forecasting System, Easy Forecasting plus,

Forecast Master, Forecast Pro , Expert Choice, Forecasting HP.

Proceso para elaborar un pronóstico mediante una hoja de cálculo en

Microsoft Excel.

Microsoft Excel, es una aplicación de hoja de cálculo que permite la elaboración gráficos y

operaciones de uso estadístico. En esta ocasión se empleara el uso de este software para

elaborar un pronóstico de regresión lineal. Para ello es recomendable seguir los

siguientes pasos:

1) Identificar las operaciones a realizar al igual que las variables, constantes,

formulas, etc. Para este caso se realizara el ejercicio que se muestra a

continuación:

Chicken Palace ofrece periódicamente comidas que incluyen cinco piezas de pollo

para llevar a casa, a precios especiales. Sea Y el número de comidas vendidas y X el

precio. Con base en las observaciones históricas y los cálculos que se presentan en la

siguiente tabla, determine la ecuación de regresión, el coeficiente de correlación y el

coeficiente de determinación. ¿Cuántas comidas piensa Chicken Palace que logrará

vender a $3.00 cada una?



2) Iniciar Microsoft Excel en su computadora.

3) En la hoja de cálculo diseñar una tabla de acuerdo al tipo de pronostico que se

desea realizar, en esta ocasión se tratara de un pronóstico de regresión lineal, por

lo que se recomienda seguir el formato que se muestra a continuación:

4) Colocar los datos correspondientes en cada columna de acuerdo a los

datos que nos proporcione el ejercicio:



5) Para obtener los valores de �̅� y �̅�, utilizaremos la ecuación de promedio

del sistema Microsoft Excel. Primero, seleccionaremos la celda donde se ubicara

el resultado de �̅� o �̅�, en este caso será �̅�, del cual ubicaremos su resultado en la

celda C12 e implementaremos la fórmula de promedio introduciendo la siguiente

leyenda: “=Promedio” en la barra de fórmula.

6) Luego de identificar la función de promedio, el siguiente paso es proporcionar los

datos numéricos para estimar la �̅�, en la barra de fórmulas, justo después de

haber escrito la leyenda de “=Promedio”, entre paréntesis, colocaremos la

ubicación de los datos, los cuales se ubican de la celda B4 a la celda B9,

expresándolo de la siguiente manera: “=Promedio (B4:B9)” y finalizando con un

Enter. Este proceso es similar para calcular �̅� solo debe tenerse en cuenta la

ubicación de los datos de los valores de Y.



7) Para realizar el cálculo de la ecuación (𝑋 − �̅�)(𝑌 − �̅�) se implementara la siguiente

formula: “= (B4-3.2583)*(C4-550)” en la celda D4. Donde B4 representara el valor

de X y C4 el valor de Y, el valor de 3.2853 y 550 representan los valores de �̅� y �̅�

respectivamente.



8) Para realizar la misma operación en las demás celdas, únicamente ubicamos el

cursor en un cuadro color blanco ubicado en la esquina inferior derecha de la

celda y arrastramos el cursor hasta la celda D9 y así obtendremos los resultados

de los demás valores.

9) Ahora, calcularemos la ecuación (𝑋 − �̅�)2, para ello, colocaremos la siguiente

formula en la celda E4: “= (B4-3.2583)*(B4-3.2583)” y finalizamos con un Enter

para obtener el resultado.



10) Para obtener los resultados en las demás celda, realizamos el mismo

procedimiento explicado en el paso número 8.

11) Para calcular la ecuación (𝑌 − �̅�)2, para ello, colocaremos la siguiente formula en

la celda F4: “= (C4-550)*(C4-550)” y finalizamos con un Enter para obtener el

resultado e igualmente obtendremos el resto de los resultados en las demás

celdas realizando el procedimiento en el paso número 8.



12) El siguiente paso es calcular la suma de las columnas de X, Y y el resto

de las ecuaciones. Para ello nos ubicaremos al final de cada columna de la tabla,

por ejemplo, para calcular la suma de la columna X, seleccionamos la celda B10 y

en ella con ayuda del comando autosuma ubicado en la parte derecha de la

pestaña de Inicio, automáticamente sumara todos los valores comprendidos

desde la celda B4 a la celda B9 o en la celda B10 colocamos la siguiente formula

que automáticamente nos dará la suma de los valores en la columna X:”= SUMA

(B4:B9)”. Este proceso debe realizarse con el resto de las columnas para así

obtener las sumas de estas.



13) Ahora, calcularemos los valores respectivos de b y a. Para calcular b,

seleccionamos la celda E12 y en ella escribimos la siguiente formula: “=D10/E10” y

damos un Enter y dará el resultado de b. Para a seleccionamos la celda E13 y

escribimos las siguiente formula: “=550-(E12*3.258)” e igualmente damos un Enter

y arrojara el resultado.



14) Por último, calcularemos el coeficiente de correlación r y el coeficiente

de determinación 𝑟2. Para calcular el coeficiente de correlación, seleccionamos la

celda H12 e insertamos la siguiente formula: “=D10/RCUAD (E10*F10)” y para

obtener el valor del coeficiente de determinación nos ubicamos en la celda H13 e

insertamos la siguiente formula: “= (D10/RCUAD (E10*F10))*(D10/RCUAD

(E10*F10))”.



De esta forma se concluye este ejercicio, cabe mencionar que esta hoja

cálculo se adaptó a un problema de regresión lineal, por lo que no es recomendable

seguir este formato para otros ejercicios ya sea de promedios móviles simples,

ponderados, etc. Se recomienda la consultar a un experto que domine el software

Microsoft Excel para elaborar futuros pronósticos, ya que este documento solo fue

una breve introducción a la elaboración de uno.



Conclusión

Un pronóstico será la predicción de acontecimientos futuros que se utilizaran por lo

general siempre en el proceso de planificación. El contar con pronósticos precisos

garantizara el éxito de la estrategia de una organización. Los métodos de pronósticos

pueden basarse en modelos matemáticos que utilizan los datos históricos disponibles que

ayudan a tener una visión numérica de lo que será la demanda o en métodos cualitativos

que aprovechan la experiencia administrativa y el juicio de los clientes, o pueden ser una

combinación de ambas, cualquiera de estos métodos proporcionan las herramientas

necesarias para una planificación adecuada. El uso de las tecnologías no se queda atrás,

la implementación de un software específico, simplifica y optimiza el tiempo de cálculo de

los pronósticos.

Conocer y aplicar correctamente los métodos de pronósticos para el cálculo de la

demanda ayudaran a planificar las acciones que deberá tomar la empresa.



Bibliografía

Eppen, G.D. Gould, F.J. Schmidt, C.P. Moore, Jeffrey. Weatherford, Larry. Investigación

de Operaciones en la ciencia administrativa. Quinta Edición 2000. Editorial Prentice-Hall.

México, D.F.

Krajewski, Lee. Ritzman, Larry. Malhotra, Manoj. Administración de Operaciones. Octava

Edición. 2008. Editorial Pearson educación. México, D.F.

Nicholson, Walter. Teoría microeconómica principios básicos y aplicaciones. Octava

Edición. Editorial Thomson. México, D.F.

Microsoft. MOS (CORE) Excel 2007 Referencia rápida visual. (Perspection) Mc. Graw Hill

1999. ISBN: 8448124421 12. Pérez, César.

Sipper Daniel / Bulfin Robert L., Planeación y control de la producción, 1ª edición, 1ª

impresión, México D.F., Mc. Graw Hill, Junio 1999, pp. 151-152.

Monks Joseph G. Administración de operaciones, serie Schaum., 1ª edición, México D.F.,

Mc. Graw Hill., p.p. 163 – 165.

Gestión de la Producción - Pronóstico de la demanda.

Business

Transcript of Gestión de la Producción - Pronóstico de la demanda.