Producció

1. Se tabula la demanda real histórica en un gráfico para identificar a que familia pertenece.
2. Para el caso de Familias Combinadas, se evalúan las Ecuaciones Estadísticas utilizadas en la Familia de Regresión
la fórmula que represente el mejor factor de correlación, usando entonces el valor de “b (pendiente)” para introdu
3.Con el valor de ”b” elegido, se calcula un nuevo conjunto de datos (ventas nuevas) aplicando la fórmula de Vnuev
4. La interpretación matemática del anterior paso es que al aplicar a la fórmula de Vnuevas el producto “bt”, se le e
tiene el gráfico con picos y valles a lo largo del eje X; este tipo de curva se clasifica como Familia Cíclica y por tanto,
5. Con las Vnuevas se calcula Xhor & Xver para luego obtener los respectivos índices estacionales. Reco
con un ciclaje de cuatro para el período congelado de ventas.
6.Los períodos de evaluación son series completas de datos, ya que estamos utilizando índices estacionales. Como 
períodos de evaluación completos que se están trabajando.
7. Se calculan los pronósticos de evaluación con la fórmula arriba indicada para Familias Combinadas para luego de
congelado.
8. Luego de obtener el error acumulado, se compara contra los error
comportamiento gráfico de las ventas reales.
9. Se elige el menor error acumulado y con el Método seleccionado se procede a estimar la proyección futura del p
Para hacer esto se debe trabajar con la totalidad de las ventas reales proporcionadas, estableciendo nuevos valores
n corresponden a los meses del período futuro estimado).

Las ventas históricas de tres períodos anteriores se detalla a continuación:

Mes Periodo 1 Periodo 2 Periodo 3

Enero 350 465 698
Febrero 365 493 670
Marzo 380 518 635
Abril 415 536 640
Mayo 442 568 670
Junio 460 595 693
Julio 485 620 718
Agosto 510 642 740
Septiembre 505 665 772
Octubre 483 694 788
Noviembre 462 725 812
Diciembre 454 720 830

a) Gráfico de ventas con tiempo y efectuar el Análisis Primario.

b) Establecer el Análisis Secundario (utilizar las fórmulas de Regresión en las calculadoras)
c) Calcular el Pronóstico de Riesgo para el primer semestre del período 4.

Determine un Pronóstico de Riesgo para el primer semestre del Período 4

 Mes 1 2 3 4
Periodo 350 365 380 415

Periodo
900
800
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Periodo

ANALISIS PRIMARIO: Luego de graficar el conjunto de ventas reales conocidas, concluimos que pertenec
comportamiento cíclico que va creciendo conforme avanza el tiempo,es decir, están presentes dos tipos
elanálisis comparativo para establecer cual es la diferencia entre la demanda real y el pronóstico de eval

ANALISIS SECUNDARIO:
Una Familia Combinada se compone de la mezcla de Familias Cíclica y Regresión, por lo tanto, se trabaja
períodos completos (24 meses). El procedimiento consiste en evaluar primeramente los dos períodos ini
de a, b & r para cada ecuación estadística de correlación (lineal,logarítmica, exponencial y potencial). La
cercano a uno, proveerá el valor de b (pendiente), el cual se utilizará para hacer los cálculos de las Venta
Vnuevas = Vorig - bt
donde:

Periodo
800
700
f(x)==0.896017101671581
R² 14.6060869565217 x + 340.423913043478
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Periodo Linear (Periodo ) Linear (Periodo )

Periodo
800
700
f(x) = 361.529713166153 exp( 0.0278889344087632 x )
600 R² = 0.904339291690098

500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Periodo Exponential (Periodo )

Tipo ECUACIÓN R² R
Lineal y = 14.606x + 340.42 0.896 0.947
Logarítmica y = 112.38ln(x) + 266.47 0.7317 0.855
Exponencial y = 361.53(e^1.028x) 0.9171 0.958
Potencial y = 307.29(x^0.2239) 0.7887 0.888

La Ecuación de Regresión forma Exponencial es la que mejor se ajusta al conjunto de datos, ya que su co
más cercano a uno, por tanto, para el cálculo de Vnuevas usamos el valor de b = 1.028:

Como estamos todavía dentro de la parte del procedimiento, se toman en cuenta dos decimales para los

Con los datos de Vnuevas, se trabaja ahora la curva como Familia Cíclica calculando Xhor & Xver, para lue
estacionales (desde 1 hasta 12)
 b= 1.028

Mes Periodo 1 Periodo 2 Periodo 3

Enero 350 465 698
Febrero 365 493 670
Marzo 380 518 635
Abril 415 536 640
Mayo 442 568 670
Junio 460 595 693
Julio 485 620 718
Agosto 510 642 740
Septiembre 505 665 772
Octubre 483 694 788
Noviembre 462 725 812
Diciembre 454 720 830
Xorig(24)= 523.00

Los pronósticos de evaluación para los meses 33, 34, 35 y 36 usando:

𝑃_33=523∗1.09+(1.028∗33)=
𝑃_34=523∗1.09+(1.028∗34)=
𝑃_35=523∗1.10+(1.028∗35)=
𝑃_36=523∗1.09+(1.028∗36)=

Mes Ventas Proyección Error

33 772 604 168
34 788 607 181
35 812 612 200
36 830 606 224

PRONOSTICO DE RIESGO
Para conocer la proyección futura procedemos a calcular un nuevo valor de b (pendiente), Vnuevas, Xho
Siguiendo el mismo procedimiento anterior, los valores encontrados son los siguientes:

Periodo
900
800
f(x)==0.921009533305574
R² 12.3101673101673 x + 361.650793650794
 Periodo
900
800
f(x)==0.921009533305574
R² 12.3101673101673 x + 361.650793650794
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Periodo Linear (Periodo ) Linear (Periodo )

Periodo
900
800 f(x) = 384.259825406363 exp( 0.0216649936163253 x )
R² = 0.910839802818792
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Periodo Exponential (Periodo )

Tipo ECUACIÓN R² R
Lineal y = 12.31x + 361.65 0.921 0.960 B=
Logarítmica y = 139.53ln(x) + 218.4 0.7982 0.893
Exponencial y = 384.26(e^0.0217x) 0.908 0.953
Potencial y = 290.11(x^0.2565) 0.8643 0.930

Mes Periodo 1 Periodo 2 Periodo 3

Enero 350 465 698
Febrero 365 493 670
Marzo 380 518 635
Abril 415 536 640
Mayo 442 568 670
 Junio 460 595 693
Julio 485 620 718
Agosto 510 642 740
Septiembre 505 665 772
Octubre 483 694 788
Noviembre 462 725 812
Diciembre 454 720 830
Xorig(36)= 589.39

𝑃_37=589.39∗0.58+(12.31∗37)=
𝑃_38=589.39∗0.57+(12.31∗38)=
𝑃_39=589.39∗0.55+(12.31∗39)=
𝑃_40=589.39∗0.57+(12.31∗40)=
𝑃_41=589.39∗0.60+(12.31∗41)=
𝑃_42=589.39∗0.61+(12.31∗42)=

Mes Pronóstico
37 Enero 800
38 Febrero 805
39 Marzo 806
40 Abril 826
41 Mayo 855
42 Junio 878
 Producción y Operaciones I

tenece.
das en la Familia de Regresión para determinar cual de ellas posee el factor de correlación más cercano a uno;
e “b (pendiente)” para introducirlo en las fórmulas de la  Familia Combinada.
aplicando la fórmula de Vnuevas.
nuevas el producto “bt”, se le está eliminando la pendiente de la nueva de  ventas reales original. Ahora se
omo Familia Cíclica y por tanto, se deberá trabajar como tal.
ctivos índices estacionales. Recordar trabajar con períodos completos en el caso de pronósticos de evaluación y

do índices estacionales. Como paso siguiente, se calcula el promedio de ventas originales (Xorig), con los

ilias Combinadas para luego determinar el error acumulado comparándolo contra las ventas reales del período

do, se compara contra los errores acumulados de otras familias en las que se pueda aplicar acorde al

timar la proyección futura del período que nos interesa conocer.

s, estableciendo nuevos valores de “b , Vnuevas , i , Xorig” y valuar la fórmula para Pn (los valores de

doras)
 5 6 7 8 9 10 11 12 13
442 460 485 510 505 483 462 454 465

Periodo

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Periodo

idas, concluimos que pertenece al grupo de Familias Combinadas, ya que tiene asociado un
decir, están presentes dos tipos de análisis (Cíclico y Correlación); por tanto se procede a efectuar
nda real y el pronóstico de evaluación(error acumulado)

gresión, por lo tanto, se trabajan períodos completos de ventas conocidas, en este caso dos
meramente los dos períodos iniciales como Familia de Regresión,es decir, encontramos los valores
a, exponencial y potencial). La ecuación que arroje el mejor coeficiente de correlación (r), el más
hacer los cálculos de las Ventas Nuevas con la fórmula:
g - bt

b = pendiente
t = período de tiempo desde 1 a 24 meses

Periodo
800
700
600 f(x) = 112.379749280732 ln(x) + 266.471076909476
R² = 0.731656862883287
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 R² = 0.731656862883287
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Periodo Logarithmic (Periodo )

Periodo
800
700
600 f(x) = 307.289818306957 x^0.22393009827497
R² = 0.804220793624014
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Periodo Power (Periodo )

conjunto de datos, ya que su coeficiente R²= 0.9171, R=0.958 es el

de b = 1.028:

n cuenta dos decimales para los cálculos de Vnuevas:

alculando Xhor & Xver, para luego hallar los respectivos índices
 Vent Nuev 1 Vent Nuev 2 Xhor(24) i (24)
348.97 451.64 400.30 0.77
362.94 478.61 420.78 0.80
376.92 502.58 439.75 0.84
410.89 519.55 465.22 0.89
436.86 550.52 493.69 0.94
453.83 576.50 515.16 0.99
477.80 600.47 539.14 1.03
501.78 621.44 561.61 1.07
495.75 643.41 569.58 1.09
472.72 671.38 572.05 1.09
450.69 701.36 576.02 1.10
441.66 695.33 568.50 1.09

|E|
168
349
549
774

de b (pendiente), Vnuevas, Xhor, Xver, i & Xorig tomando en cuenta la totalidad de los datos (36).
os siguientes:

Periodo
900
800
 Periodo
900
800
700
f(x) = 139.528926806133 ln(x) + 218.398159620109
600 R² = 0.798202779355911
500
400
300
200
100
0
9 30 31 32 33 34 35 36 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

eriodo ) Periodo Logarithmic (Periodo )

Periodo
900
800
700 f(x) = 290.105217228704 x^0.256452925871208
600 R² = 0.860971349943789

500
400
300
200
100
0
9 30 31 32 33 34 35 36 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Periodo Power (Periodo )

12.31

Vent Nuev 1 Vent Nuev 2 Vent Nuev 3 Xhor(36) i (36)

337.69 304.97 390.25 344.30 0.58
340.38 320.66 349.94 336.99 0.57
343.07 333.35 302.63 326.35 0.55
365.76 339.04 295.32 333.37 0.57
380.45 358.73 313.01 350.73 0.60
386.14 373.42 323.70 361.09 0.61
398.83 386.11 336.39 373.78 0.63
411.52 395.80 346.08 384.47 0.65
394.21 406.49 365.77 388.82 0.66
359.90 423.18 369.46 384.18 0.65
326.59 441.87 381.15 383.20 0.65
306.28 424.56 386.84 372.56 0.63
 14 15 16 17 18 19 20 21 22 23
493 518 536 568 595 620 642 665 694 725
0 31 32 33 34 35 36

30 31 32 33 34 35 36
 24 25 26 27 28 29 30 31 32 33
720 698 670 635 640 670 693 718 740 772
 34 35 36
788 812 830