1.

Midwest Computer Company atiende a un gran numero de empresas en la región de los

grandes lagos. La compañía vende suministros y partes de repuestos, y da servicios a todas
las computadoras vendidas en sus siete oficinas de venta. Como hay muchos artículos
almacenados, se requiere un cuidadoso control de inventario para garantizar a los clientes
un servicio eficiente. El trabajo ha aumentado recientemente y la dirección esta
preocupada por un posible desabasto. Se requiere un método de pronóstico que permita
estimar las necesidades con varios meses de anticipación para poder comprar las
cantidades adecuadas de reabastecimiento. Un ejemplo del crecimiento de las ventas
observado en los últimos años 50 meses es el crecimiento de la demanda del articulo EP-
37, un cartucho para impresora láser, como muestra la tabla 13.5

MES VENTAS ALQUILERES MES VENTAS ALQUILERES

EP-37 EP-37

1 80 32 26 1296 281

2 132 29 27 1199 298

3 143 32 28 1267 314

4 180 54 29 1300 323

5 200 53 30 1370 309

6 168 89 31 1489 343

7 212 74 32 1499 357

8 254 93 33 1669 353

9 397 120 34 1716 360

10 385 113 35 1603 370

11 472 147 36 1812 386

12 397 126 37 1817 389

13 476 138 38 1798 399

14 699 145 39 1873 409

15 545 160 40 1923 410

16 837 196 41 2028 413

17 743 180 42 2049 439

 18 422 197 43 2084 454

19 735 203 44 2083 441

20 838 223 45 2121 470

21 1057 247 46 2072 469

22 930 242 47 2262 490

23 1085 234 48 2371 496

24 1090 254 49 2309 509

25 1218 271 50 2422 522

a) Desarrolle una solución de suavizamiento exponencial ajustado a la tendencia para

pronosticar la demanda. Encuentre los mejores parámetros y justifique sus selecciones .
pronostique la demanda para los meses 51 a 53
 ERROR DE ERROR DE
PROYECCIO PREVISIO PROVISIO
° MES VENTAS F FIT T MES t+1 N N N
Enero 80 98,2 106 -0,78 Febrero 99 -19 19
Febrero 132 116,14 116,14 0 Marzo 117 15 15
Marzo 143 124,198 125,0038 0,8058 Abril 125 18 18
144,20008
Abril 180 141,7444 6 2,455686 Mayo 142 38 38
161,67676 165,80644 4,1296834
Mayo 200 6 9 2 Junio 162 38 38
4,1954899
Junio 168 167,70342 171,89891 4 Julio 168 0 0
185,18788 190,58640 5,3985226
Julio 212 4 6 5 Agosto 186 26 26
211,23004 218,53097 7,3009304
Agosto 254 1 2 6 Septiembre 212 42 42
Septiembr 274,26195 286,91696 12,655001
e 397 9 1 3 Octubre 275 122 122
320,13837 335,73586 15,597492
0 Octubre 385 3 5 5 Noviembre 321 64 64
Noviembr 381,29435 19,685416
1 e 472 3 400,97977 5 Diciembre 382 90 90
405,69146 425,25748 19,566023
2 Diciembre 397 4 7 4 Enero 406 -9 9
446,35004 467,43834 21,088298
3 Enero 476 8 7 8 Febrero 447 29 29
543,23333 571,26848 28,035148
4 Febrero 699 3 1 4 Marzo 544 155 155
571,79848 599,04557
5 Marzo 545 1 5 27,247094 Abril 572 -27 27
678,60603 712,99175 34,385726
6 Abril 837 1 8 7 Mayo 679 158 158
732,30994 767,59592
7 Mayo 743 8 2 35,285974 Junio 733 10 10
674,50293 699,42103 24,918096
8 Junio 422 8 4 3 Julio 675 -253 253
717,57015 743,55561 25,985465
9 Julio 735 3 8 3 Agosto 718 17 17
779,68457 808,50336 28,818796
0 Agosto 838 2 9 8 Septiembre 780 58 58
Septiembr 891,69799 927,97169 36,273695
1 e 1057 7 3 7 Octubre 892 165 165
 939,46229 975,79683 36,334544
2 Octubre 930 4 9 9 Noviembre 940 -10 10
Noviembr 1019,4581 1059,0687 39,610639
3 e 1085 5 9 7 Diciembre 1020 65 65
1080,2313 1120,7699
4 Diciembre 1090 5 2 40,538576 Enero 1081 9 9
1162,1005 43,455478
5 Enero 1218 2 1205,556 4 Febrero 1163 55 55
1245,7258 1291,8946 46,168798
6 Febrero 1296 4 4 5 Marzo 1246 50 50
1277,8768 1321,2588 43,381959
7 Marzo 1199 9 5 3 Abril 1278 -79 79
1317,9957 1359,7499 41,754193
8 Abril 1267 8 7 9 Mayo 1318 -51 51
1354,3512 1394,3129 39,961694
9 Mayo 1300 4 3 7 Junio 1355 -55 55
1399,0075 1438,2398 39,232306
0 Junio 1370 6 7 7 Julio 1400 -30 30
1505,9927 40,755110
1 Julio 1489 1465,2376 1 6 Agosto 1466 23 23
1516,1214 1556,6667 40,545329
2 Agosto 1499 3 6 3 Septiembre 1517 -18 18
Septiembr 1602,5303 1646,4456 43,915326
3 e 1669 3 6 4 Octubre 1603 66 66
1680,4865 1726,4885 46,001956
4 Octubre 1716 6 1 7 Noviembre 1681 35 35
Noviembr 1703,2425 1745,5398 42,297301
5 e 1603 5 5 3 Diciembre 1704 -101 101
1778,1670 1822,4581 44,291105
6 Diciembre 1812 8 9 8 ENERO 1779 33 33
1834,1080 1878,2354 44,127360
7 Enero 1817 6 3 1 FEBRERO 1835 -18 18
1867,4030 41,720297
8 Febrero 1798 1 1909,1233 4 MARZO 1868 -70 70
40,636598
9 Marzo 1873 1910,8024 1951,439 3 ABRIL 1911 -38 38
1955,0982 1994,8817 39,783428
0 Abril 1923 8 1 3 MAYO 1956 -33 33
2016,7522 40,776977
1 Mayo 2028 2 2057,5292 1 JUNIO 2017 11 11
2067,2035 2107,7246
2 Junio 2049 3 3 40,521101 JULIO 2068 -19 19
2112,7635 2152,5729
3 Julio 2084 7 4 39,809362 AGOSTO 2113 -29 29
 2143,6438 2181,3660 37,722173 SEPTIEMBR
4 Agosto 2083 6 4 9 E 2144 -61 61
Septiembr 2174,5728 2210,4840 35,911192
5 e 2121 8 7 8 OCTUBRE 2175 -54 54
2179,7122 2211,4688 31,756670 NOVIEMBR
6 Octubre 2072 1 8 6 E 2180 -108 108
Noviembr 2236,1552 2269,4278 33,272604
7 e 2262 2 2 3 DICIEMBRE 2237 25 25
2309,8812 2346,2010 36,319769
8 Diciembre 2371 6 3 6 ENERO 2310 61 61
2345,9366 2381,1403 35,203738
9 Enero 2309 5 9 9 FEBRERO 2346 -37 37
2403,9593 2440,3889 36,429527
0 Febrero 2422 9 2 3 MARZO 2404 18 18
2476,0689 35,367859
1 Marzo 2405 2440,7011 6 7 ABRIL 2441 -36 36
2476,1586 2510,4744 34,315790
2 Abril 2441 3 2 8 MAYO 2477 -36 36
2510,7268 2544,0383 33,311558
3 Mayo 2477 3 9 1 JUNIO 2511 -34 34
 MAD=51.34

b) Un consultor de la gerencia de Midwest propuso que los alquileres de espacios para

nuevas oficinas serian un buen indicador líder de las ventas de la compañía. El mismo
menciono que en un estudio universitario reciente llego a la conclusión de que los
alquileres de nuevos espacios de oficina preceden a las ventas de equipo y suministros
de oficina por un periodo de tres meses. Según los resultados de ese estudio, los
alquileres registrados en el mes 1 afectarían las ventas en el mes 4, los alquileres
registrados en el mes 2 afectaría las ventas en el mes 5, y así sucesivamente. Use la
regresión lineal y desarrolle un modelo de pronóstico para las ventas, considerando los
alquileres como variable independiente. Pronostique las ventas para los meses 51 a 53.

MES VENTAS ALQUILERES PRONOSTICO ERROR

EP-37

4 180 32 117 63

5 200 29 102 98

6 168 32 117 51

7 212 54 228 16

8 254 53 223 31

9 397 89 403 6

10 385 74 328 57

11 472 93 423 49

12 397 120 559 162

13 476 113 524 48

14 699 147 694 5

15 545 126 589 44

16 837 138 649 188

17 743 145 684 59

18 422 160 759 337

19 735 196 940 205

20 838 180 859 21

21 1057 197 945 112

22 930 203 975 45

23 1085 223 1075 10

24 1090 247 1195 105

25 1218 242 1170 48

26 1296 234 1130 166

27 1199 254 1231 32

28 1267 271 1316 49

29 1300 281 1366 66

30 1370 298 1451 81

31 1489 314 1531 42

32 1499 323 1577 78

33 1669 309 1506 163

34 1716 343 1677 39

35 1603 357 1747 144

36 1812 353 1727 85

37 1817 360 1762 55

38 1798 370 1812 14

39 1873 386 1893 20

40 1923 389 1908 15

41 2028 399 1958 70

42 2049 409 2008 41

43 2084 410 2013 71

44 2083 413 2028 55

45 2121 439 2158 37

46 2072 454 2234 162

47 2262 441 2168 94

 48 2371 470 2314 57

49 2309 469 2309 0

50 2422 490 2414 8

51 2444 496 2444

52 2509 509 2509

53 2575 522 2575

MAD=72.43

c) ¿Cuál de los dos modelos produce mejores pronósticos? Explique su respuesta

El primero produce mejores pronósticos puesto que su MAD es menor al segundo