Professional Documents
Culture Documents
MTODOS CUANTITATIVOS
DEMANDA PONDERADO
12 0.10
11 0.30
15 0.60 3.80
12 11.40
16 25.80
15 4.30
B) con el promedio mvil simple a 3 meses determine el pronostico de julio
DEMANDA SIMPLE
12
11
15 12.6666667
12 12.6666667
16 14.3333333
15 14.3333333
2 Anlisis de tendencia para demanda
Datos demanda
Longitud 6
Nmero de valores faltantes 0
Yt = 10.80 + 0.771*t
Medidas de exactitud
MAPE 9.21916
MAD 1.21905
MSD 1.84762
Pronsticos
Perodo Pronstico
7 16.2
#3 DEMANDA SIMPLE
abril 60
mayo 55
junio 75
julio 60 62.5
agosto 80 67.5
septiembre 75 72.5
octubre 72
x y xy x2 y2
1 abril 60 60 1 3600
2 mayo 55 110 4 3025
3 junio 75 223 9 5625
4 julio 60 240 16 3600
5 agosto 80 400 25 6400
6 septiembre 75 450 36 5625
7 octubre 67 91
Anlisis de tendencia para demanda
Datos demanda
Longitud 6
Nmero de valores faltantes 0
Yt = 54.00 + 3.86*t
Medidas de exactitud
MAPE 9.2192
MAD 6.0952
MSD 46.1905
Pronsticos
Perodo Pronstico
7 81
Demanda a) b)
Junio 140
Julio 180
Agosto 170 167
septiembre 163.3
c) ft=130+0.30(170-130)
Ft=143
#5
Con un promedio simple a 3 meses Cul es el pronostico para este mes?
Si este mes la demanda real fue de 300 unidades Cul seria su pronostico para el mes entrante?
Con suavizacin exponencial simple Cul seria su pronostico para este mes si el pronostico
uniforme exponencial de hace 3 meses fue de 450 unidades y la constante de uniformidad
a=0.20
meses ventas
Ene-feb 109
Mar-abril 104
May.jun 150
Jul-ago 170
sep.-oct 120
Nov-dic 100
Jul-ago 121
Sep-oct 141.33
Nov-dic 146.66
Ene-feb 130
#6
A)calcule los pronsticos para los cinco meses restantes con suavizacin
exponencial con a=0.2
real pronostico a)
Enero 100 80 84
Febrero 94 80 82.8
Marzo 106 80 85.2
Abril 80 80 80
Mayo 68 80 77.6
junio 94 80 82.8
mes demanda real desviacion rsfe desv.abs desv.abs suma MAD ts=RSFE/MAD
1 80 100 20 20 20 20 20 1
2 80 94 14 34 14 34 17 2
3 80 106 26 60 26 60 20 3
4 80 80 0 60 0 60 15 4.0
6 80 94 14 62 14 86 14.3333333 4.33
Anlisis de tendencia para demanda
demanda
Datos demanda
#7 4200 Longitud 6
4300 Nmero de valores faltantes 0
4000
4400 Ecuacin de tendencia ajustada
5000 Yt = 3933 + 143*t
4700
Medidas de exactitud
5000
MSD 49365.1
9 5219.05
4800
10 5361.90
4600 11 5504.76
12 5647.62
4400
4200
MSD 2.18367
Medidas de exactitud
13 MAPE 9.71595
MAD 1.31429
MSD 2.18367
12
Pronsticos
11 Perodo Pronstico
8 15.3714
1 2 3 4 5 6 7 8
ndice
Grfica de anlisis de tendencia de DEMANDA
METODO SUAVIZADO EXPONDENCIA I ORDEN
Este mtodo es muy utilizado en la vida real, para hacer pronsticos. Su fortaleza radica en tener
una forma de medicin del error tomado como un factor de correccin, entre lo que se pronostic
y lo que ocurri realmente. Para ello se hace uso de un factor de atenuacin denominado alfa, el
cual tericamente debe tener un valor entre 0 y 1, pero por lo cual no excede no excede 0.3 o
0.4
BROWN
General +1 = + (1 )
Simplificada +1 = + ( )
D\Semana 1 2 3 4 5 6 7 8
200 250 175 186 225 285 305 190
EJEMPLO
Se tiene informacin respecto a las ventas semanales, generados por una demanda en la
microempresa de artculos electrodomsticos, lo cual se muestra en el cuadro. Se desea hallar
pronsticos con suavizado exponencial utilizando = 0.35 y = 0.25 y un pronstico inicial
de 200 en ambos casos.
D\Semana 1 2 3 4 5 6 7 8
200 250 175 186 225 285 305 190
Solucin
Hacemos los pronsticos respectivos aplicando la formula simplificada: +1 =
+ ( ) y obtenemos los siguientes resultados en la hoja de clculo.
Deman
=0.35 EMC EMA =0.25 EMC EMA
da
200 200 0 0 200 0 0
2500.0 2500.0
250 200 50.00 200 50.00
0 0
1806.2 1406.2
175 217.5 42.50 212.50 37.50
5 5
186 202.63 276.39 16.63 203.13 293.27 17.13
225 196.81 794.89 28.19 198.84 684.15 26.16
6134.9 6338.9
285 206.67 78.33 205.38 79.62
Luego hallamos los errores y vemos cual es la mejor opcin con un = 0.35 o un = 0.25
EMA ( = 0.35)= EMA/7 = 50.78
EMA ( = 0.25)= EMA/7 = 49.93, Nos conviene con un = 0.25 ya que es tiene un menor
error que un = 0.35.
En esta propuesta se trabaja con el factor tendencia, por lo cual se utiliza otro parmetro de
atenuacin, para poder hacer frente en 2 rutas: El error del pronstico el error de tendencia.
Lo usual es que el factor , sea mayor que el factor , sin embargo no es una regla. Para su
clculo se debe utilizar las siguientes relaciones.
= + 1 (1 +1 )
= 1 + (1 )1
+1 = + )
EJEMPLO
Considerando los siguientes parmetros A0 = 200, 0 =10, = = 0.10 Hacer el
pronstico y evaluar.
D\Sem 1 2 3 4 5 6 7 8
ana 200 250 175 186 225 285 305 190
1 = 1 + 1 0.10 (0 +0 ) 1 = 1 0 + (1 )0
1 = 0.10 200 + 0.9 (210) 1 = 0.10 209 200 + 0.9 10
1 = 209 1 = 1 + 1 1 = 9.9
1 = 209 + 9.9
1 = 218.9
As sucesivamente continuamos hallar los siguientes pronsticos en la hoja de clculo
Tt b0 b1t
Valor de tendencia de las ventas
Tt de bicicletas en el periodo t
Interseccin con la lnea de
b0 tendencia
Pendiente de la Lnea de
b1 Tendencia
Frmula para b1 y b0
b1
tY t Y
t t n
t t n
2 2
b0 Y b1t
Yt valor real de la serie de tiempo en el periodo t
n nmero de periodos
Y Yt n de la serie de tiempo
valor promedio
t t n valor promedio de t
Proyeccin de Tendencias
Ejemplo Ventas de Bicicletas
Proyeccin de Tendencias
b1= 1.1
b0= 20.4
Proyeccin de Tendencias
35
30
25
Ventas (Yt) en
20 miles
15
Tendencia
10
5
0
1 2 3 4 5 6 7 8 9 10
Cundo utilizar un pronstico de
regresin lineal?
El pronstico de regresin lineal simple es un modelo ptimo para
patrones de demanda con tendencia (creciente o decreciente), es
decir, patrones que presenten una relacin de linealidad entre la
demanda y el tiempo.
ANALISIS DE REGRESION
Determina la intensidad entre las variables a travs de
coeficientes de correlacin y determinacin.
El coeficiente de correlacin(R)es una medida de asociacin
entre las variables aleatorias X y Y, cuyo valor vara entre -1 y
+1.
MES DEMANDA
1 7000
2 9000
3 5000
4 11000
5 10000
6 13000