Ejercicio 01: Método Promedio Móvil El Jefe de operaciones de la fábrica de persianas TapaSol S.A, desea establecer un
Views 174 Downloads 3 File size 224KB
Ejercicio 01: Método Promedio Móvil
El Jefe de operaciones de la fábrica de persianas TapaSol S.A, desea establecer un pronóstico d siguiente semana de su producto estrella "Ofimati". A continuación se presenta la demanda hist las 20 últimas semanas. se pide: Utilice el método del promedio móvil para 3, 4 y 5 períodos Luego valide su modelo y seleccionar el criterio mas apropiado Haga una representación gráfica de su modelo. Haga una interpretación de los resultados obtenidos
Demanda de los 20 últimos semanas N=3 Semana
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Demanda Real 356 383 365 373 399 342 390 338 395 322 450 310 410 344 470 330 412 354 450 400
Pronóstico
368.00 373.67 379.00 371.33 377.00 356.67 374.33 351.67 389.00 360.67 390.00 354.67 408.00 381.33 404.00 365.33 405.33 401.33
Error de Pronóstico
5.00 25.33 -37.00 18.67 -39.00 38.33 -52.33 98.33 -79.00 49.33 -46.00 115.33 -78.00 30.67 -50.00 84.67 -5.33 -401.33
Error Absoluto
5.00 -20.33 16.67 -2.00 37.00 -1.33 51.00 -47.33 31.67 -17.67 28.33 -87.00 -9.00 -39.67 10.33 -74.33 -69.00 332.33
medio Móvil
A, desea establecer un pronóstico de demanda para la uación se presenta la demanda histórica del ventas de
numero de la MAD DEBE ESTAR ENTRE +-3.75MAD
ado
últimos semanas MAD
5.00 -7.67 0.44 -0.17 7.27 5.83 12.29 4.83 12.24 5.27 7.36 -0.50 -1.15 -3.90 -2.96 -7.42 -11.04 8.04
Error Acumulado
0.00 5.00 30.33 -6.67 12.00 -27.00 11.33 -41.00 57.33 -21.67 27.67 -18.33 97.00 19.00 49.67 -0.33 84.33 79.00 -322.33
Señal de Rastreo
1.00 -3.96 -15.00 -72.00 -3.72 1.94 -3.34 11.86 -1.77 5.25 -2.49 -194.00 -16.47 -12.72 0.11 -11.37 -7.16 -40.11
Chart Title 50.00 0.00
0
5
10
-50.00 -100.00 -150.00 -200.00 -250.00
DeSmenanldae-rRParsotrne
Chart Title
5
10
15
DeSmenanldae-rRParsotrneostico
20
25
Ejercicio 02: Método Promedio Ponder
Ripley, para su línea de electrodomesticos desea pronosticar la demanda de Televisores que octubre del presente año. A continuación se presenta la demanda de los 20 períodos previos. S El pronosticar las ventas para el siguiente mes aplicar el promedio móvil ponderado de los últimos 3 meses con factores 2, 3 y 4 respectivamente. Valide su modelo y seleccionar el criterio mas apropiado Haga una representación gráfica de su modelo. Haga una interpretación de los resultados obtenidos
Demanda de los 12 últimos meses Mes
1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 16.00 17.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Demanda Real 1,004 1,150 1,030 1,057 1,139 997 1,092 1,033 1,063 1,003 1,014 1,074 1,040 959 1,142 958 1,035 1,150 1,129 997
Pronóstico
1,060.25 1,094.00 1,055.75 1,071.25 1,065.25 1,046.25 1,047.75 1,028.25 1,038.50 1,032.75 1,021.75 1,053.75 1,024.75 1,023.50 1,071.25 1,068.00 1,077.75
Error de Pronóstico
78.75 -97.00 36.25 -38.25 -2.25 -43.25 -33.75 45.75 1.50 -73.75 120.25 -95.75 10.25 126.50 57.75 -71.00 -1077.75
Error Absoluto
78.75 175.75 139.50 177.75 180.00 223.25 257.00 211.25 209.75 283.50 163.25 259.00 248.75 122.25 64.50 135.50 1213.25
Señal de Rastr eo
omedio Ponderado
car la demanda de Televisores que venderá el mes de manda de los 20 períodos previos. Se solicita:
promedio móvil ponderado de los
2 últimos meses Error Acumulado
MAD
78.75 127.25 131.33 142.94 150.35 162.50 176.00 180.41 199.79 193.65 190.89 196.56 232.85 194.98 186.28 183.11 243.71
Señal de Rastr eo
0.00 78.75 -18.25 18.00 -20.25 -22.50 -65.75 -99.50 -53.75 -52.25 -126.00 -5.75 -101.50 -91.25 35.25 93.00 22.00 -1055.75
Señal de Restreo
Chart Title 1.00 -0.14 0.14 -0.14 -0.15 -0.40 -0.57 -0.30 -0.26 -0.65 -0.03 -0.52 -0.39 0.18 0.50 0.12 -4.33
2.00 1.00 0.00 -1.00 -2.00 -3.00 -4.00 -5.00
0
2
4
6
8
10
Chart Title
6
8
10
12
14
16
18
Ejercicio 03: Método Suavizado Exponec
En el puerto del Callao se descarga azúcar procedente de países latinoamericanos. El adm operaciones del puerto desea emplear el método de suavizado exponencial para pronosticar descarga para el siguiente período. Asume que el pronóstico del primer período fue de 1075 tn. S su modelo y grafíquelo. El pronosticar la demanda de azúcar para el mes 13, para ello utiliza valores de alfa de 0.10, 0.80, 0.50. Valide su modelo y seleccionar el criterio mas apropiado Haga una representación gráfica de su modelo. Haga una interpretación de los resultados obtenidos alfa
0.10
Demanda de los 12 últimos meses c 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00
ALFA
Demanda Real 1155 1128 1095 1125 1140 1170 1230 1170 1215 1140 1146 1185 1158.25
Pronóstico 1075 1083 1088 1088 1092 1097 1104 1117 1122 1131 1132 1134 1139
Error de Pronóstico 80 45 8 37 48 73 126 53 93 9 14 51 20
Error Absoluto 80 35 28 -9 -57 -131 -257 -310 -403 -412 -425 -477 -496
Error de Pronóstico
Error Absoluto
MAD 80 58 48 33 15 -9 -44 -78 -114 -144 -169 -195 -218
0.50
c 1.00 2.00
Demanda Real 1155 1128
Pronóstico 1075
MAD
3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00
ALFA
1095 1125 1140 1170 1230 1170 1215 1140 1146 1185
0.80
c 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00
Demanda Real 1155 1128 1095 1125 1140 1170 1230 1170 1215 1140 1146 1185
Pronóstico 1075
Error de Pronóstico
Error Absoluto
MAD
do Exponecial
tinoamericanos. El administrador de encial para pronosticar el tonelaje de período fue de 1075 tn. Se pide:. Valide
lores de alfa de 0.10,
Chart Title 1000
meses
900
80 125 133 169 217 291 417 470 563 572 585 637 656
Señal de Restreo 0 68 85 136 202 300 461 548 677 715 755 832 874
Error Acumulado
Señal de Restreo
Error Acumulado
800 700 600 500 400 300 200 100 0
0
2
4
6
8
Error Acumulado
Señal de Restreo
Chart Title
4
6
8
10
12
14
Resumen Estadísticas de la regresión Coeficiente de correlación múltiple Coeficiente de determinación R^2 R^2 ajustado Error típico Observaciones
0.92227354 0.85058849 0.83191205 9377.28396 10
ANÁLISIS DE VARIANZA Regresión Residuos Total
Intercepción Variable X 1
Grados de libertad Suma de Promedio cuadradosde los cuadrados F Valor crítico de F 1 4004788364 4004788364 45.5433985 0.00014526 8 703467636 87933454.5 9 4708256000 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% 76900 6405.90447 12.0045499 2.1377E-06 62127.9578 6967.27273 1032.40499 6.74858493 0.00014526 4586.54256
or crítico de F
Superior 95%Inferior 95.0% Superior 95.0% 91672.0422 62127.9578 91672.0422 9348.00289 4586.54256 9348.00289
Ejercicio 04: Pronósticos: Regresión Lineal SiderPerú S.A. produce fierro corrugado para la industria de la construcción. Durante más de un año, la planta de producción ha operado a casi plena capacidad. El gerente de planta, estima que el crecimiento en las ventas continuará y desea desarrollar un pronóstico a largo plazo que se usará para planear las necesidades de x para los siguientes y las instalaciones tres años. Se han Ventas anuales (miles de unidades) totalizado las Año cifras de ventas correspondientes a los 1 75,600 últimos diez años: 2 80,400 3 95,600 4 120,600 5 121,700 6 128,000 7 125,000 8 131,800 9 134,600 10 138,900 Se pide: (a). Realizar un pronóstico para los siguientes tres años; (b). Validar el modelo; (c). Establecer rangos para niveles de confianza del 90% para cada pronòstico..
. Validar el modelo; (c). òstico..
Chart Title 160,000 140,000
f(x) = 6967.2727272727x + 76900
120,000 100,000 80,000 60,000 40,000 20,000 0
1
2
3
4
5
6
7
8
9
10
8
9
10
Ejercicio 05: Pronósticos Estacionales El gerente de planta de AVINKA S.A, está intentando planear las necesidades de efectivo, personal y materiales y suministros para cada trimestre del próximo año. Los datos de ventas trimestrales durante los últimos tres años razonablemente parecen reflejar el patrón de resultados estacional que debe esperarse en el futuro. Si pudiera estimar las ventas trimestrales del siguiente año, podría determinar las necesidades de efectivo, material, personal y suministro.
Año 1 2 3
Ventas trimestrales (miles de unidades) T1 T2 T3 T4 520 730 820 530 590 810 900 600 650 900 1,000 650
Total Anual 2,601 2,902 3,203
ectivo, personal y materiales y durante los últimos tres años erarse en el futuro. Si pudiera de efectivo, material, personal
Resumen Estadísticas de la regresión Coeficiente d 0.98944455 Coeficiente d 0.97900052 R^2 ajustado0.97637558 Error típico 377436.641 Observacion 10 ANÁLISIS DE VARIANZA Grados de libertad Suma de Promedio cuadradosde los cuadrados F Valor crítico de F Regresión 1 5.3132E+13 5.3132E+13 372.961763 5.3626E-08 Residuos 8 1.1397E+12 1.4246E+11 Total 9 5.4271E+13 Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0% Intercepción 284884.393 330315.494 0.86246149 0.41353897 -476824.5 1046593.29 -476824.5 Variable X 1 12.3919075 0.64166154 19.312218 5.3626E-08 10.9122334 13.8715817 10.9122334
Superior 95.0% 1046593.29 13.8715817
Ejercicio 06: Método Causal
Una empresa que fabrica cajas de cartón hace cajas para Camisas. El departamento de planeación de operac pronóstico adecuado y preciso de cajas para camisas de un cliente está en relación estrecha con los gastos éste, el cual se puede obtener por adelantado antes de realizar el gasto. El departamento de planeación de op interesado en establecer la relación entre la promoción de la empresa de camisas y las ventas. Una vez que e establecido, las órdenes de compra de las cajas para camisas, en dólares, pueden expresarse como porcenta
Publicidad y ventas trimestrales Publicidad ($)
Trimestre 1 2 3 4 5 6 7 8 9 10
Ventas ($)
200,000
2,300,000
500,000
6,780,000
750,000
9,440,000
600,000
8,110,000
400,000
5,600,000
800,000
9,700,000
250,000
3,000,000
350,000
4,900,000
450,000
6,100,000
500,000
6,400,000
artamento de planeación de operaciones sabe que un n relación estrecha con los gastos de promoción de departamento de planeación de operaciones está amisas y las ventas. Una vez que eso se haya pueden expresarse como porcentaje fijo de las ventas.