TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE TIJUANA

Carrera
Ingeniería Industrial
Materia
Administración de las operaciones
Unidad
2
Docente
Adrián Salazar Ibarra
Trabajo

Apuntes de clase

Alumna
Leyva Estrada Adis Roxana

25 de marzo de 2023
Pronósticos

Métodos mínimos cuadrados (ecuación de la recta) Y = a + bX

Ventas trimestrales

Años 2018 2019 2020 2021 2022 2023

Trimestre 190 280 270 300 320 ?
1
Trimestre 370 420 360 430 440 ?
2
Trimestre 300 310 280 290 320 ?
3
Trimestre 220 180 190 200 220 ?
4
Total 1080 1190 1100 1220 1300 ?

Año Y X X^2 XY

2018 108 0 0 0

2019 119 1 1 119

2020 110 2 4 220

2021 122 3 9 366

2022 130 4 16 520

Suma Σ 589 10 30 1225

1) ΣY= Na+bΣX → 589 = 5a + 10b → por (-2) → 1178= 10a - 20b

2) ΣXY= aΣX + bΣX^2 → 1225 = 10a + 30b → 1225= 10a + 30b

47= 10b
b= 4.7
sustituir en 1
589= 5a + 10b
589= 5a + 10(4.7)
5a = 589 - 47
5a= 542
a= 542/ 5
a= 108.4

y= 108.4 + 4.7(5) ← Quinto punto a encontrar en la gráfica

 Y= 108.4+ 23.5
x10
Y=1084 + 235 = 1319 → Pronóstico para 2023
Y = a + bX
ΣY = Na + bΣX
ΣXY = aΣX + bΣX^2

Año Y X X^2 XY

2018 108 -2 9 -216

2019 119 -1 1 -119

2020 110 0 0 0

2021 122 1 1 122

2022 130 2 4 260

Suma 584 0 10 47

ΣY = Na
a = Σy / N = 589 / 5 = (117.8 * 10) = 1178
b = ΣXY / X^2 = 47 / 10 = ( 4.7 * 10)= 47
Y= 1178 + 47(3) = 1319 → Igualito

Gráfica

Mismo problema por método exponencial

Log Y= Log a + X Log b
De aquí se derivan
Σ(Log Y) = N(Log a) + ΣX(Logb)
Σ(Log Y) = ΣX(Log a) + ΣX^2(Logb)

Año Y X X^2 LogY X Log Y

2018 108 -2 4 2.0334 -4.0668

2019 119 -1 1 2.0755 -2.0755

2020 110 0 0 2.0414 0

2021 122 1 1 2.0864 2.0864

2022 130 2 4 2.1139 4.2278

Suma 584 0 10 10.3506 0.1719

Log a = Σ(Log Y) / N = 10.3506 / 5 = 2.0701

Log b = Σ(X Log X) / Σ X^2 = 0.1719 / 10 = 0.0172
 Log Y = 2.0701 + 0.0172 X
shif + Log antiLog
Ley de Log
Y= 117.51 (1.0405)
Y= 132.3
Y= 1323

Siguiente
Una vez que encontramos el pronóstico de producción para el año 2023 por los dos
métodos ya sea por la ecuación de mínimos cuadrados (ecuación de la recta) o exponencial
seguiría el inciso B de encontrar el pronóstico trimestral usando el método simple
por ejemplo, por el método de la recta el pronóstico para el 2023 fue de 1319 y usando
elmétodo simple tendríamos:

Y= ΣY/ N

Año Q1 Q2 Q3 Q4 Anual

2018 190 370 300 220 1080

2019 280 470 310 180 1190

2020 270 360 280 190 1100

2021 300 430 290 200 1220

2022 320 440 320 220 1300

Suma 1360 2020 1500 1010 5890

promedio 272 404 300 202 294.5

(÷5)

IQ1 = Índice temporal = 272/ 294.5 = 0.92 1er semestre

IQ2 = 404/ 294.5 = 1.37
IQ3 = 300/ 294.5 = 1.02
IQ4 = 202/ 294.5 = 0.69

FQ1= (1319/4) * 0.92 = 303

FQ2= (1319/4) * 1.37 = 452
FQ3= (1319/4) * 1.02 = 336
FQ4= (1319/4) * 0.69 = 228
Año Trimestre Ventas Promedio Promedio índice
movible de móvil temporal
cuatro centrado
periodos

2018 Q1 190

Q2 370 270

Q3 300 292 281 1.07

Q4 220 303 298 0.74

2019 Q1 280 207 306 0.91

Q2 420 297 302 1.39

Q3 310 295 296 1.04

Q4 180 280 287 0.63

2020 Q1 270 273 276 0.98

Q2 360 275 244 1.32

Q3 280 283 279 1.00

Q4 190 300 286 0.66

2021 Q1 300 303 301 1.00

Q2 430 305 304 1.42

Q3 290 310 307 0.94

Q4 200 312 311 0.64

2022 Q1 320 320 316 1.01

Q2 440 325 322 1.37

 Q3 320
Q4 220

Q1 Q2 Q3 Q4
0.91 1.39 1.07 0.74
0.98 1.32 1.04 0.63
1.00 1.42 1.00 0.66
1.01 1.37 0.94 0.64
Totales: 3.90 5.50 4.05 2.67
Índice de Temporada: 0.975 1.375 1.0125 0.6675

Para el año 2023

FQ1 = 316 * 0.975 = 309 322 → Q2
FQ2 = 320 * 1.375 = 440 316 → Q1
FQ3 = 307 * 1.012 = 310 311 → Q4
FQ4 = 311 * 0.667 = 205 307 → Q3

Pronóstico para un mes

Método Promedio Móvil
Ejemplo:
Una compañía de venta de carros tiene registrada la venta anual de una línea de carros y
se quiere saber el pronóstico mensual para el siguiente año usando el método promedio
móvil.
Mes Ventas (2022) Fórmula Pronóstico 2023

Enero 10 ——————— ———————

Febrero 12 ——————— ———————

Marzo 13 ——————— ———————

Aril 16 (10+12+13)/3 11.66

Mayo 19 (12+13+16)/3 13.66

Junio 23 (13+16+19)/3 16

Julio 26 (16+19+23)/3 19.33

Agosto 30 (19+23+26)/3 22.66

Septiembre 28 (23+26+30)/3 26.33

Octubre 18 (26+30+28)/3 28

Noviembre 16 (30+28+18)/3 25.33

Diciembre 14 (28+18+16)/3 20.66

 Enero 2023 ——————— (18+16+14)/3 16

Mismo problema

Método Promedio móvil ponderado

Método Promedio móvil ponderado = Σ(ponderación para el periodo n)(demanda en el promedio n)

ΣPonderaciones

Ponderación aplicada Periodo

3 Último mes

2 Hace dos mese

1 Hace Tres mese

Σ6
Pronóstico = 3x Ventas Último mes
+ 2x Ventas de hace dos mese
+ 1x Ventas de hace Tres mese
÷ Suma de Ponderaciones

Mes Ventas (2022) Fórmula Pronóstico 2023

Enero 10 ——————— ——————

Febrero 12 ——————— ——————

Marzo 13 ——————— ——————

Aril 16 [(3*13)+(2*12)+(1*10)]/6 12.16

Mayo 19 [(3*16)+(2*13)+(1*12)]/6 14.33

Junio 23 [(3*19)+(2*16)+(1*13)]/6 17

Julio 26 [(3*23)+(2*19)+(1*16)]/6 20.5

Agosto 30 [(3*26)+(2*23)+(1*19)]/6 23.83

Septiembre 28 [(3*30)+(2*26)+(1*23)]/6 30.83

Octubre 18 [(3*28)+(2*30)+(1*26)]/6 28.33

Noviembre 16 [(3*18)+(2*28)+(1*30)]/6 23.33

Diciembre 14 [(3*16)+(2*18)+(1*28)]/6 18.66

Enero 2023 ————— [(3*14)+(2*16)+(1*18)]/6 15.33

3 de octubre del 2022

Método suavizamiento exponencial
Nuevo pronóstico= pronóstico del + α(demanda real del - Pronóstico del
periodo anterior mes anterior periodo anterior)

Fórmula
Ft = Ft-1 + α (At-1 - Ft-1)

Donde
Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α= Constante de suavizamiento (0<=α>=1)
At-1= Demanda real del periodo anterior

En enero un vendedor de automóviles predijo (hacer un pronóstico) que la demanda para febrero
sería de 142 Ford Mustang. La demanda real en febrero fue de 153 automóviles. usando esta fórmula
y con alfa igual a 0.20 el vendedor quiere pronosticar la demanda para marzo.
Respuesta
142 + 0.20 (153 - 142) = 144.2

Medición del error de pronóstico

Error de pronóstico = Demanda real - Valor pronosticado

Error = At- Ft

En la práctica se usan muchas medidas para calcular el error global del pronóstico y son tres:
1.- MAD (mean absolute deviation)
∑(Real - Pronóstico)
n
Ejemplo:
Durante los últimos 8 trimestres en el puerto de baltimore se han descargado de los barcos grandes
cantidades de granos el administrador del puerto quiere probar el uso de suavizamiento exponencial
para ver el pronóstico para el siguiente trimestre y ver el porcentaje de error usando alfa igual a 0.10
y 0.50

Trimestre Tonelaje Pronósti Pronóstico desviación Pronóstico para Desviación

real co para para α=0.10 absoluta para α=0.50 absoluta
descarga α=0.10 Fórmula α=0.10 para α=0.50
do

1 180 175 5 175 5

2 168 175.5 175+0.10(180- 7.50 177.50 9.50

175)

3 159 174.75 175.5+0.10(16 15.75 172.75 13.75

8-175.5)

4 175 173.18 174.75+0.10(1 1.82 165.88 9.12

59-174.75)

5 190 173.36 173.18+0.10(1 16.64 170.44 19.56

59-174.18)
 6 205 175.02 173.36+0.10(1 29.98 180.22 24.78
75-173.36)

7 180 178.02 175.02+0.10(1 1.98 192.61 12.61

90-175.02)

8 182 178.22 178.02+0.10(2 3.78 186.30 4.30

05-178.02)

9 178.59 178.22+0.10(1 82.45/8= 184.15 98.62/8=

80-178.22) 10.31 12.33

Ft= Ft-1 + α(At-1 - Ft-1)

Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α= Constante de suavizamiento (0<= α >=1)At-
1= Demanda real del periodo anterior

MAD (mean absolute deviation)

MAD= ∑|Desviación|
n
Más pequeño es el mejor es el mejor .: pronóstico de ayer al 9no mes es el 178.59

2.- MSE (mean square error)

Trimestre Tonelaje real pronóstico para α= (Error)^2

descargado 0.10 porque gano

1 180 175 (5)^2 = 25

2 168 175.5 (-7.5)^2 = 56.25

3 159 175.75 (1.82)^2 = 3.33

4 175 174.75 (16.64)^2 = 276.89

5 190 173.36 (29.98)^2 = 898.70

6 205 175.02 (1.98)^2 = 3.92

7 180 178.02 (3.78)^2 = 14.31

8 182 178.22

∑ 1526.46

MSE= ∑(Error del pronostico)^2 = 1526.46 = (190.8)^(½) = 13.20%

n 8

3.- MAPE (mean absolute percent error) con α= 0.10 porque gano

Trimestre Tonelaje real descargado Error porcentual absoluto

100 (| Error / Actual)
 1 180 (5/180)100 = 2.78%

2 168 (7.5/180)100 = 4.46%

3 159 (15.75/180)100 = 9.90%

4 175 (1.82/180)100 = 1.05%

5 190 (16.64/180)100 = 8.76%

6 205 (29.98/180)100 = 14.62%

7 180 (1.98/180)100 = 1.10%

8 182 (3.78/180)100 = 2.08%

∑ 44.75%

Mape= Error porcentual absoluto = 44.75 = 5.59%

n 8

Método suavizamiento exponencial con ajuste de tendencia

Fórmula:
Pronóstico incluyendo la tendencia(FITt)= Pronóstico suavizamiento Exponencial Mente (Ft) +
Tendencia suavizada Exponencialmente (Tt)
Ft= α (Demanda Real del último periodo) + (1-α) (Ft-1 + Tt-1)
Tt= β (Pronóstico de este periodo - pronostico del ultimo periodo) + (1-β) (tendencia estimada para el
último periodo)

Tt= β(Ft-Ft-1) + (1-β) Tt-1

donde
Ft= Pronóstico suavizado exponencialmente de la serie de datos incluidos en el periodo
At= Demanda real de en el periodo
α= Constante de suavizamiento para el promedio (0<= α >= 1)β=
Constante de suavizamiento para la tendencia (0<= β >=1)

Ejemplo:
Un empresario quiere pronosticar la demanda de un producto donde tiene registrada las ventas y
quiere calcular el siguiente pronóstico con la suma de la tendencia.
Las constante de suavizamiento son α=0.2 y β=0.4
La compañía calculó un pronóstico para el primer mes F(t)= 11 y la tendencia para T1 fue de 2
unidades

Mes (t) Demanda Real (At) Pronóstico Tendencia Pronóstico

suavizado Fe suavizada Tt incluyendo al
tendencia

1 12 11 2 13

2 17 12.8 1.92 14.72

3 20 15.18 2.10 17.28

 4 19 17.82 2.32 20.14

5 24 19.91 2.23 22.14

6 21 22.51 2.38 26.18

7 31 24.11 2.07 29.39

8 28 27.14 2.45

9 36 29.28 2.32 31.60

10 ? Pronóstico con 32.48 2.68 35.16

tendencia

Solución
Pronóstico para el mes 2
Ft= α(At-1) + (1 - α) (Ft-1 + Tt-1)
F2= αA1 + (1-α)(F1+ T1) F3= αA2 + (1-α)(F2+ T2)
F2= (0.02)(12) + (1 - 0.2)(11 + 2) F3= (0.2)(17) + (12.8 + 1.92)
F2= 12.8 Unidades F3= 15.18

Tt= β(Ft - Ft-1) + (1 - β)Tt-1

T2= β(F2-F1) + (1-β)T1
T2= β(F2-F1) + (1-β)T1 T3= β(F3-F2) + (1-β)T2
T2= 0.4(12.8 - 11) + (1 - 0.4)(2) T3= (0.4)(15.18 - 12.8) + (1 - 0.4)(1.92)
T2= 1.92 T3= 2.10

F1T2= F2+T2 F1T3= F3+T3

F1T2= 12.8 + 1.92 F1T3= 15.18 + 2.10
F1T2= 14.72 unidades F1T3= 17.28 unidades