TALLER PRODUCCION #1

GRUPO

DOCENTE:

KAREN MARGARITA VARGAS DAZA

ESTUDIANTES:

ALVARO PAJARO OROZCO

No. 1045754050

OSCAR ANDRADE BUELVAS

No. 1082254108

UNIVERSIDAD DE LA COSTA CUC

FACULTAD DE INGENIERIA
INGENIERIA INDUSTRIAL
2019
 CASO ALTAVOX
Altavox es fabricante y distribuidor de muchos instrumentos y aparatos electrónicos, como
multímetros digitales analógicos, generadores de función, osciloscopios, contadores de
frecuencia y otras máquinas para pruebas y mediciones. Altavox vende una línea de medidores
de prueba que son populares entre los electricistas profesionales. El modelo VC202 se vende,
a través de seis distribuidoras, a las tiendas de menudeo de Estados Unidos. Las distribuidoras
están en Atlanta, Boston, Chicago, Dallas y Los Ángeles y fueron escogidas para atender
regiones diferentes.
El modelo VC202 se ha vendido bien durante años por su confiabilidad y sólida construcción.
Altavox no lo considera un producto estacional, pero hay alguna variabilidad en la demanda.
En la tabla de la página siguiente se muestra la demanda del producto en las últimas 13
semanas. La gerencia quisiera que usted experimentara con algunos modelos de pronóstico
para determinar cuál debe usarse en un nuevo sistema que va a establecerse.

Semana/Ciudad Atlanta Boston Chicago Dallas Los

Ángeles
1 40 50 50 40 38
2 45 35 35 42 43
3 37 45 33 60 54
4 38 36 55 40 40
5 55 46 48 51 46
6 30 47 72 35 60
7 18 38 62 70 40
8 85 18 50 40 35
9 47 62 27 55 45
10 37 44 70 34 38
11 23 30 35 45 48
12 55 45 45 47 56
13 40 50 47 42 36

a. Compruebe el tipo de comportamiento que presenta la demanda del modelo VC202

en cada sede distribuidora. Utilice promedios móviles de n=2, n=4 y n=6 para
calcular el pronóstico de la semana 14 para cada una de las sedes distribuidoras.

Utilice la misma estrategia para pronosticar la demanda total de Altavox. Calcule

y analice los valores de MAD y señal de seguimiento. Analice los resultados y
exponga sus conclusiones.
 R. El tipo de comportamiento expresado con las sedes distribuidores, con ayuda de la
gráfica llegamos a concluir que en todas se presentan unas demandas constantes, con algunas
semanas de alta variabilidad, descartamos la posibilidad de demanda en tendencia, por los
valores semejantes e inclusos los mismos de la demanda del producto en la semana 1 y la
semana 13. En conjunto las sedes arrojaron un valor de desviación absoluta media menores que
17, notablemente bajo y señales de seguimiento donde la demanda real es menor que la del
pronóstico y viceversa, excluyendo la sede distribuida de Chicago que, en todo el periodo de
tiempo analizado, estuvo la demanda real por encima del pronóstico.

b. Utilice ahora el método de suavización exponencial con constantes α=0,2 y α=0,7

para calcular el pronóstico de la demanda total para la semana 14. ¿Existen
diferencias significativas en el resultado del modelo de pronóstico al cambiar el
valor de α? Qué alternativa le recomienda implementar a Altavox: ¿promedios
móviles o suavización exponencial? Justifique su respuesta, utilice el cálculo y
análisis de las medidas del error en cada uno de los métodos.

R. Tomando como ejemplo y comparando los pronósticos para la semana 10 tenemos una
demanda total de 223 dispositivos vendidos, tomando con el coeficiente de Alpha de 0.2 que nos
arroja un pronóstico de 228 dispositivos vendidos lo cual nos da una diferencia de 5. Y con el
coeficiente Alpha de 0.7 nos arroja un pronóstico de 234 dispositivos vendidos lo cual nos da
como resultado una diferencia de 11 dispositivos. Y ahora Comparando los pronósticos para la
semana 13 tenemos una demanda total de 215 dispositivos vendidos, con el coeficiente de Alpha
de 0.2 que nos da un pronóstico de 224 dispositivos vendidos lo cual nos da una diferencia de 9.
Y con el coeficiente Alpha de 0.7 nos arroja un pronóstico de 232 dispositivos vendidos lo cual
nos da como resultado una diferencia de 17 dispositivos.

De lo cual podemos concluir que hay mayor error utilizando el coeficiente Alpha de 0.7, por cual
se recomienda utilizar coeficiente de Alpha de 0.2. y con respecto a los métodos se recomienda
suavización exponencial por el hecho de que no se le da tanto peso a la información histórica,
solo se utiliza la información Más reciente para hacer el pronóstico y es a la que se le da mayor
peso.

CASO ARIES (3 Puntos)

El gerente de la fábrica de detergente Aries tiene a su disposición los datos históricos de ventas
de dos de sus productos: detergente para ropa blanca y detergente para ropa de color.
La dirección general de la compañía planea la ampliación de las instalaciones de Aries debido
a que, según la opinión del grupo de expertos, a finales de 2019, el nivel de demanda de
detergente para ropa de color será el doble al actual. La ampliación permitirá aumentar la
capacidad de la línea de producción de detergente para ropa de color hasta una capacidad
máxima de 200.000 Kg de detergente por trimestre.
Los datos de las ventas históricas se muestran a continuación:
 AÑO TRIMESTRE DETERGENTE DETERGENTE
ROPA COLOR (Kg)
BLANCA (Kg)
1 25945 43629
2015
2 33827 39857
3 31597 52116
4 38987 58292
5 25595 52078
2016 6 21742 60512
7 31661 76703
8 39187 70694
9 33455 86332
10 21266 81376
2017
11 20839 96991
12 22844 103762
13 38788 104589
14 33208 99132
2018
15 35550 110186
16 27726 122182

a. El gerente de producción debe realizar la planificación de materiales y mano de

obra. Halle el pronóstico de ventas de ambas líneas de producto para el primer
trimestre de 2019. El gerente afirma que ha tenido buenos resultados utilizando
constantes de suavización de α= 0.4 y 𝛅=0.3 para sus líneas de producto. (1 punto).

b. Compruebe la teoría del grupo de expertos. Las obras de expansión de la planta

tienen presupuestado un periodo de construcción de 1 año y las obras empezarían
en el segundo trimestre de 2019.Teniendo en cuenta las estimaciones de
demanda, ¿Cuál tiempo de vida útil de la ampliación de la planta (en meses) hasta
que la capacidad de producción sea nuevamente insuficiente para suplir la
demanda de detergente para ropa de color? Realice las estimaciones teniendo en
cuenta una constante α= 0.5 y una constante 𝛅=0.4 (1 punto).

R. El tiempo útil en meses de la ampliación de la planta (en meses) hasta que la capacidad
de producción sea insuficiente para suplir la demanda de detergente de la ropa de color está
dada hasta el año 2020 primer semestre

c. Después de exponer las proyecciones obtenidas ante los directivos de la

compañía, estos parecen estar en desacuerdo con sus estimaciones de ventas de
detergente para ropa de color. Utilice el método de regresión lineal como método
alternativo para pronosticar la demanda y compare sus resultados con los
obtenidos en el punto anterior. Utilice el cálculo de las medidas de error para
soportar sus conclusiones. (1 punto)

R. Se puede observar que para el primer periodo del 2019 las proyecciones de demanda
son casi las misma utilizando ambos métodos, pero para el resto de los periodos la demanda
incrementa significativamente con el método de suavización exponencial. De manera notoria
visualizando las diferencias de los resultados entre los pronósticos por regresión lineal y
suavización exponencial (Medidas de error), es claro elegir el método por regresión lineal en
estos casos.