METODOS PROBABILISTICOS

TAREA 2

MARIANA AGUDELO
CC. 1035434574

ROGER NEGRETE
TUTOR

GRUPO: 66

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

2019
 1. Modelo de pronóstico suavizació
exponencial simple a partir de la Rel

* Determinar el pronóstico para el s

número de periodos de la demanda

* Proyectar la demanda futura para

proyectada.

* Comprobar los resultados utilizand

RELACION DE LA DEMANDA REAL

DEMANDA REAL TENDENCIA

Periodo (Unidades) (Unidades)
1 16050 513
2 10642
3 10147
4 11122

5 15371
6 13382
7 15535
8 10769
9 10500
10 14864
11 11687
12 10986
13 12255
14 17476
15 18515
16 14807
17 18775
18 17494

DEMANDA R
20000
18000
 DEMANDA R
20000
18000
16000
14000
12000
10000
8000
6000
4000
2000
0
1 2 3 4 5 6
. Modelo de pronóstico suavización exponencial simple. Plantear un modelo de pronóstico de suavización
xponencial simple a partir de la Relación de la demanda real, para:

Determinar el pronóstico para el siguiente periodo con un coeficiente de alisamiento 𝛼 = 2𝑛+1, donde n, es el
úmero de periodos de la demanda real.

Proyectar la demanda futura para los próximos 18 periodos y graficar la demanda real Vs la demanda
royectada.

Comprobar los resultados utilizando software de optimización WinQSB.

𝐹_𝑡=𝐹_(𝑡−1)+[𝛼(𝐴_(𝑡−1)−𝐹_(𝑡−1))]

𝜶=𝟐/(𝟏𝟖+𝟏)=0.105

α= 0.105
Periodo Demanda Error del
Pronostico
Real pronostico
1 16050 0 16050.00
2 10642 16050 -5408.00
3 10147 15482.16 -5335.16
4 11122 14921.9682 -3799.97
5 15371 14522.971539 848.03
6 13382 14612.014527 -1230.01
7 15535 14482.863002 1052.14
8 10769 14593.337387 -3824.34
9 10500 14191.781961 -3691.78
10 14864 13804.144855 1059.86
11 11687 13915.429645 -2228.43
12 10986 13681.444533 -2695.44
13 12255 13398.422857 -1143.42
14 17476 13278.363457 4197.64
15 18515 13719.115294 4795.88
16 14807 14222.683188 584.32
17 18775 14284.036453 4490.96
18 17494 14755.587626 2738.41
15043.120925

DEMANDA REAL VS DEMANDA PROYECTADA

000
000
 DEMANDA REAL VS DEMANDA PROYECTADA
000 Por medio de la gr
000 del tiem
000 Lo cual indica que
es totalmente real
000 ende la demanda
000
000 En el suavizamien
encuentra en la m
000
Mientras que en e
000 rangos de la dem
000
000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Demanda Real Demanda Proyectada

COMPROBACION EN EL PROGRAMA WINQSB

 Observando los datos y la grafica obtenido en el programa WinQSB podemos observar que los
datos obtenidos son iguales lo cual indica que el procedimiento hecho a mano estuvo bien hecho
ación

n, es el

Demanda Real Periodo Demanda

Periodo Futuro Proyectada
1 16050 19 16050
2 10642 20 15482.16
3 10147 21 14921.9682
4 11122 22 14522.971539
5 15371 23 14612.0145274
6 13382 24 14482.863002
7 15535 25 14593.3373868
8 10769 26 14191.7819612
9 10500 27 13804.1448553
10 14864 28 13915.4296455
11 11687 29 13681.4445327
12 10986 30 13398.4228568
13 12255 31 13278.3634568
14 17476 32 13719.1152938
15 18515 33 14222.683188
16 14807 34 14284.0364532
17 18775 35 14755.5876257
18 17494 36 15043.120925
 CONCLUSION
Por medio de la grafica se puede decir que la demana real fluctua en funcion
del tiempo, y que la demana proyectada es constante.
Lo cual indica que como la demanda futura esta pro, de una proyeccion no
es totalmente real y se juega con diferentes factores que pueden variar; por
ende la demanda presente indica una linea de rendimiento mas acople a la
realidad
En el suavizamiento doble se puede evidenciar como la demanda futura se
encuentra en la mayoría de los periodos por encima de la demanda real.
Mientras que en el caso simple, dicha demanda se encuentra dentro de los
rangos de la demanda real, actuando con pocas variaciones entre el rango
de 16.000 y 18.000 unidades.

WINQSB
emos observar que los
ano estuvo bien hecho
2. Modelo de pronóstico suavización exponencial doble. Plantear un modelo de pronóstico de sua
exponencial doble a partir de la Relación de la demanda real, para:

* Determinar el pronóstico para el siguiente periodo con un coeficiente de alisamiento 𝛼 = 2𝑛+1, d

el número de periodos de la demanda real y coeficiente de alisamiento 𝛽=2𝛼.

* Proyectar la demanda futura para los próximos 18 periodos y graficar la demanda real Vs la dema
proyectada.

* Comprobar los resultados utilizando software de optimización WinQSB.

RELACION DE LA DEMANDA REAL 𝐹_𝑡=𝐹_(𝑡−1)+[𝛼(𝐴_(

DEMANDA
REAL TENDENCIA
Periodo (Unidades) (Unidades)
1 16050 513
2 10642
3 10147
4 11122

5 15371
6 13382
7 15535
8 10769
9 10500
10 14864
11 11687
12 10986
13 12255
14 17476
15 18515
16 14807
17 18775
18 17494
 DEMANDA REAL VS PRONTOSTICO AJUSTADO
20000
18000
16000
14000
12000
10000
8000
6000
4000
2000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Demanda Real Pronostico Ajustado

COMPROBACION EN EL PRO
un modelo de pronóstico de suavización

ente de alisamiento 𝛼 = 2𝑛+1, donde n, es

ento 𝛽=2𝛼.

ficar la demanda real Vs la demanda

nQSB.

𝐹_𝑡=𝐹_(𝑡−1)+[𝛼(𝐴_(𝑡−1)−𝐹_(𝑡−1))] 𝑇_𝑡=𝛽(𝐴_𝑡−𝐴_(𝑡−1) )+(1−𝛽)𝑇_(𝑡−1)

𝜶=𝟐/(𝟏𝟖+𝟏):0.105 𝛃=2α :0.211

α= 0.105 β= 0.211

Periodo Demanda Error del Pronostico Tendencia Pronostico

Pronostico
Real pronostico del periodo del periodo Ajustado
(𝐴_𝑡) (𝑇_𝑡) (𝐹_𝑡)
1 16050 0 16050.00 16050 0 16050
2 10642 16050 -5408.00 15480.74 -119.84 15360.89
3 10147 15482.16 -5335.16 14812.06 -235.39 14576.67
4 11122 14921.9682 -3799.97 14213.02 -311.95 13901.08
5 15371 14522.97154 848.03 14055.81 -279.37 13776.43
6 13382 14612.01453 -1230.01 13734.91 -288.11 13446.80
7 15535 14482.863 1052.14 13666.61 -241.84 13424.78
8 10769 14593.33739 -3824.34 13145.22 -300.69 12844.53
9 10500 14191.78196 -3691.78 12597.74 -352.65 12245.09
10 14864 13804.14486 1059.86 12520.77 -294.61 12226.16
11 11687 13915.42965 -2228.43 12169.40 -306.56 11862.84
12 10986 13681.44453 -2695.44 11770.54 -325.99 11444.56
13 12255 13398.42286 -1143.42 11529.87 -308.03 11221.84
14 17476 13278.36346 4197.64 11880.17 -169.43 11710.74
 15 18515 13719.11529 4795.88 12426.97 -18.65 12408.33
16 14807 14222.68319 584.32 12660.82 34.51 12695.33
17 18775 14284.03645 4490.96 13335.30 169.24 13504.53
18 17494 14755.58763 2738.41 13924.48 257.65 14182.13
15043.12092

17 18

COMPROBACION EN EL PROGRAMA WINQSB

 CONCLUSION

Por medio de la grafica se puede decir que la demana real fluctua en

funcion del tiempo, y que la demana proyectada es constante.
Lo cual indica que como la demanda futura esta pro, de una proyeccion
no es totalmente real y se juega con diferentes factores que pueden
variar; por ende la demanda presente indica una linea de rendimiento
mas acople a la realidad
 CONCLUSION

Por medio de la grafica se puede decir que la demana real fluctua en

funcion del tiempo, y que la demana proyectada es constante.
Lo cual indica que como la demanda futura esta pro, de una proyeccion
no es totalmente real y se juega con diferentes factores que pueden
variar; por ende la demanda presente indica una linea de rendimiento
mas acople a la realidad
En el suavizamiento doble se puede evidenciar como la demanda futura
se encuentra en la mayoría de los periodos por encima de la demanda
real. Mientras que en el caso simple, dicha demanda se encuentra
dentro de los rangos de la demanda real, actuando con pocas
variaciones entre el rango de 16.000 y 18.000 unidades.
ana real fluctua en
a es constante.
o, de una proyeccion
ctores que pueden
nea de rendimiento
ana real fluctua en
a es constante.
o, de una proyeccion
ctores que pueden
nea de rendimiento

o la demanda futura
ima de la demanda
nda se encuentra
ando con pocas
00 unidades.
 2. Modelo de Inventario EOQ proba
demanda futura, estimada en Ejerci
*Determinar la demanda uniforme
*Determinar la cantidad óptima de
*Determinar la política del inventar
*Determinar el costo total del inven
*Comprobar los resultados utilizand

RELACION DEL INVENTARIO

DEMANDA FUTURA TIEMPO DE ESPERA

REFERENCIA
(periodica) (dias)

DEMANDA PERIODICA
PROYECTADA
EJERCICIO 1 MODELO
DISPOSITIVO DE
DE PRONOSTICO 10
ILUMINACION
SUAVIZACION
EXPONENCIAL SIMPLE

DEMANDA Costo de preparación Costo por faltante

PERIODICA por pedido unitario
Periodo
(Unidades)
19 16050 $ 2,480,570 $ 26,643
20 10642 $ 2,480,570 $ 26,643
21 10147 $ 2,480,570 $ 26,643
22 11122 $ 2,480,570 $ 26,643
23 15371 $ 2,480,570 $ 26,643
24 13382 $ 2,480,570 $ 26,643
25 15535 $ 2,480,570 $ 26,643
26 10769 $ 2,480,570 $ 26,643
 27 10500 $ 2,480,570 $ 26,643
28 14864 $ 2,480,570 $ 26,643
29 11687 $ 2,480,570 $ 26,643
30 10986 $ 2,480,570 $ 26,643
31 12255 $ 2,480,570 $ 26,643
32 17476 $ 2,480,570 $ 26,643
33 18515 $ 2,480,570 $ 26,643
34 14807 $ 2,480,570 $ 26,643
35 18775 $ 2,480,570 $ 26,643
36 17494 $ 2,480,570 $ 26,643

PERIODO Cantidad óptima de

pedido con faltante
19 42193
20 34357
21 33548
22 35123
23 41290
24 38526
La política de Unidades
25 inventario 41510
26 optimo (de 34561 siempre que el
reserva) 34127 nivel de
27
requiere inventario se
28 40604
reduzca a
29 pedir 36004
30 34907
31 36868
32 44027
33 45317
34 40526
35 45634
36 44050

COMPROBACION EN EL PROGRAMA WIN

elo de Inventario EOQ probabilístico con faltantes. Plantear un modelo de inventario EOQ probabilístico con faltantes, utili
da futura, estimada en Ejercicio 1 mediante Suavización exponencial simple y la Relación del inventario, para:
minar la demanda uniforme durante el tiempo de espera
minar la cantidad óptima de pedido con faltantes.
minar la política del inventario óptimo.
minar el costo total del inventario.
robar los resultados utilizando el software de optimización WinQSB.

ELACION DEL INVENTARIO

COSTO DE COSTO DE
COSTO POR FALTANTE
PREPARACION RETENCION
UNITARIO
POR PEDIDO UNITARIO
($)
($) ($)

ESPERANZA DE

COSTO DE PREP
$ 2,480,570 $ 6,992 $ 26,643
COSTO POR FAL

COSTO DE RETE
CANTIDAD OPTI

Esperanza de la Costo de Cantidad óptima de

demanda retención unitario pedido con faltantes
uniforme

14461 $ 6,992 42193

14461 $ 6,992 34357
14461 $ 6,992 33548
14461 $ 6,992 35123
14461 $ 6,992 41290
14461 $ 6,992 38526
14461 $ 6,992 41510
14461 $ 6,992 34561
 14461 $ 6,992 34127
14461 $ 6,992 40604
14461 $ 6,992 36004
14461 $ 6,992 34907
14461 $ 6,992 36868
14461 $ 6,992 44027
14461 $ 6,992 45317
14461 $ 6,992 40526
14461 $ 6,992 45634
14461 $ 6,992 44050

Parámetro CIT ESPERANZA DE LA DEMANDA

COSTO DE PREPARACION POR

2,676 $ 70,250,315
1,318 $ 29,814,245 COSTO POR FALTANTE UNITA
1,142 $ 25,515,726
COSTO DE RETENCION UNITA
1,478 $ 33,861,855
2,546 $ 65,686,808 CANTIDAD OPTIMA DE PEDID
2,109 $ 51,572,327 PARAMETRO
2,578 $ 66,799,944
1,361 $ 30,896,324 COSTO DE 𝑹
INVENTARIO PERIO
1,269
Unidades
$ 28,594,522
2,443 $ 62,199,651
1,652 $ 38,486,553
1,433 $ 32,726,527
1,816 $ 42,996,016
2,924 $ 79,472,688
3,086 $ 85,915,202
2,431 $ 61,803,139
3,125 $ 87,493,983 El numero de pedidos reco
mayor sea el volumen d
2,927 $ 79,586,193 faltantes es relativamente

ACION EN EL PROGRAMA WINQSB

abilístico con faltantes, utilizando la
ntario, para:

a: Limite inferior de la demanda periódica 10147

b: Limite superior de la demanda periódica 18775

x: Limite superior del rango de la demanda 8628

ESPERANZA DE LA DEMANDA UNIFORME

𝑬{𝒙}=(𝒃+𝒂)/𝟐
COSTO DE PREPARACION POR PEDIDO 𝑲
COSTO POR FALTANTE UNITARIO 𝑷

COSTO DE RETENCION UNITARIO 𝑯

CANTIDAD OPTIMA DE PEDIDO FALTANTES

𝒀=√((𝟐∗𝑫(𝑲+𝒑𝑬{𝒙}))/
𝑯)
 𝑹=(𝒃−𝒂)−[(𝑯∗𝒀∗(𝒃−𝒂))/𝒑𝑫]
ESPERANZA DE LA DEMANDA UNIFORME

COSTO DE PREPARACION POR PEDIDO 𝑲

COSTO POR FALTANTE UNITARIO 𝑷

COSTO DE RETENCION UNITARIO 𝑯

CANTIDAD OPTIMA DE PEDIDO FALTANTES

𝒀
PARAMETRO

COSTO DE 𝑹
INVENTARIO PERIODICO

Conclusion

El numero de pedidos recomendados esta por encima de la demanda, como es claro se obtiene que entre
mayor sea el volumen de demnanda este requiere un mayor inventario, Se observa que el costo por
faltantes es relativamente alto con un valor entre los $60.000.000 y los $85.000.000 lo cual genera una
depresion en la ganancia obtenida.
 1. Modelo de Inventario EOQ probabilizado. Plantear un m
estimada en el Ejercicio 1 mediante suavización exponencia

*Determinar la cantidad óptima de pedido, la demanda dia

distribuida.

*Determinar el tamaño de las existencias de reserva con un

*Determinar la política del inventario óptimo.

*Comprobar los resultados utilizando el software de optimi

RELACION DEL INVENTARIO

REFERENCIA DEMANDA FUTURA TIEMPO DE ESPERA

(periodica) (dias)

DEMANDA PERIODICA
PROYECTADA
EJERCICIO 1 MODELO
DISPOSITIVO DE
ILUMINACION DE PRONOSTICO 10
SUAVIZACION
EXPONENCIAL SIMPLE

Demanda
Cantidad óptima de
Periodo t periódica Dd= Dt/30
pedido
(unidades) Dt

19 16050 3375 535

20 15482.16 3314 516.072
21 14921.9682 3254 497.39894
22 14522.971539 3210 484.0990513
23 14612.014527405 3220 487.0671509135
24 14482.8630020275 3206 482.762100067583
25 14593.3373868146 3218 486.444579560486
26 14191.7819611991 3173 473.059398706635
27 13804.1448552732 3130 460.138161842439
28 13915.4296454695 3142 463.847654848983
29 13681.4445326952 3116 456.048151089839
30 13398.4228567622 3083 446.614095225406
31 13278.3634568022 3069 442.612115226739
 32 13719.1152938379 3120 457.303843127931
33 14222.6831879849 3177 474.089439599498
34 14284.0364532465 3184 476.134548441551
35 14755.5876256556 3236 491.852920855188
36 15043.1209249618 3267 501.437364165393
8631.98151497117

Dispositivo
Cantidad óptima de
Periodo t
pedido Qt
19 3375
20 3314
21 3254
22 3210
23 3220
24 3206
25 La política de 3218 unidades siempre
26 inventario óptima 3173 que el nivel del
27 exige pedir 3130 inventario se
28 aproximadamente 3142 reduzca a
29 3116
30 3083
31 3069
32 3120
33 3177
34 3184
35 3236
36 3267
obabilizado. Plantear un modelo de inventario EOQ probabilizado, utilizando la demanda futura,
nte suavización exponencial simple y la Relación del inventario, para:

de pedido, la demanda diaria normalmente distribuida, la varianza de la demanda diaria normalmente

xistencias de reserva con un nivel de significancia 𝛼=0.05.

ntario óptimo.

ando el software de optimización WinQSB.

ELACION DEL INVENTARIO

COSTO DE COSTO DE
COSTO POR FALTANTE
PREPARACION RETENCION UNITARIO
POR PEDIDO UNITARIO Dispositivo
($)
($) ($)

$ 2,480,570 $ 6,992 $ 26,643

Costo de mantener
((DT/30)- Costo de emitir unidades en
Costo Total
Dd)^2 ordenes (S*(D/Q)) inventario Dispositivo
(H*(D/Q))

61141 $ 11,797,744 $ 33,254 $ 11,830,999

52139 $ 11,587,166 $ 32,661 $ 11,619,827
43960 $ 11,375,605 $ 32,064 $ 11,407,670
38560 $ 11,222,489 $ 31,633 $ 11,254,122
39734 $ 11,256,840 $ 31,730 $ 11,288,570
Dispositivo
38036 $ 11,206,982 $ 31,589 $ 11,238,571
39486 $ 11,249,644 $ 31,709 $ 11,281,353
34346 $ 11,093,789 $ 31,270 $ 11,125,060
29724 $ 10,941,232 $ 30,840 $ 10,972,072
31016 $ 10,985,245 $ 30,964 $ 11,016,210
28330 $ 10,892,497 $ 30,703 $ 10,923,199
25243 $ 10,779,244 $ 30,384 $ 10,809,627
23988 $ 10,730,840 $ 30,247 $ 10,761,087
 28754 $ 10,907,482 $ 30,745 $ 10,938,227
34729 $ 11,105,861 $ 31,304 $ 11,137,165
35495 $ 11,129,789 $ 31,372 $ 11,161,161
41665 $ 11,312,008 $ 31,885 $ 11,343,893
45670 $ 11,421,692 $ 32,194 $ 11,453,886
672017
C
Se puede decir que al calcular
se observa un indice de demand
de la empresa o la productivida
contrapeso al que hay que aña
Nivel de y es que su margen no exc
inventario r
Tambien se pueden observar
son parecidos a los obtenid

COM

unidades
3882
 L µL

Varianza de la Demanda diaría

Demanda diaria Demanda diaria Desviación típica de la Tiempo de normalmente
Dd Demanda diaria espera L
distribuida

288 37334 193 10 2877

σL k(0.05) Existencia de Reserva

B=σL * kα

611 1.645 1005

B µL Nivel de inventario B+µl

1005.124 2877 3882
 Conclusión:
de decir que al calcular la cantidad de recomendacion del pedido
va un indice de demanda muy bajo, lo cual afecta el rendimiento
presa o la productividad, pero hay que contar que existe un gran
peso al que hay que añadir el costo total del manejo del producto
s que su margen no excede el 2 % lo cual genera una buena
rentabilidad.
en se pueden observar que los datos arrojados por el programa
parecidos a los obtenidos lo cual indica un buen desarrollo

COMPROBACION EN EL PROGRAMA WINQSB

 σL
Varianza de la
emanda diaría
normalmente
distribuida
611
 REFERENCIAS BIBLIOGRAFICAS

Rojas, A. (2018). Modelos probabilísticos de decisión [OVA]. Recuperado

Rojas, A. y Ospina, A. (2018). Modelos de pronósticos probabilísticos [O

Rojas, A. y Ospina, A. (2018). Modelos de inventarios probabilísticos [OVI]. Rec

Paz, R. C., & Gómez, D. G. (2012). Modelos de lineas de espera. Obtenido de Administración de las opera

ucción a la investigación de operaciones (pp. 725-737). México, México: Editorial McGraw-Hill Interamericana. Recuperado de http://biblio

Hillier, F. y Lieberman, G. (2015). Introducción a la investigación de operaciones (pp. 1014-1027). México, México: Editorial M

Administración de operaciones (pp. 168-170). Naucalpan de Juárez, México: Editorial McGraw-Hill Interamericana. Recuperado de https:/
Interamericana. Recuperado de http://bibliotecavirtual.unad.edu.co/login?
direct=true&db=edselb&AN=edselb.3214887&lan
LIOGRAFICAS

decisión [OVA]. Recuperado de http://hdl.handle.net/10596/22416

nósticos probabilísticos [OVI]. Recuperado de http://hdl.handle.net/10596/22263

s probabilísticos [OVI]. Recuperado de http://hdl.handle.net/10596/22324

Administración de las operaciones: http://nulan.mdp.edu.ar/1622/1/17_modelos_lineas_espera.pdf

Recuperado de http://bibliotecavirtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=edselb&AN=edse

México, México: Editorial McGraw-Hill Interamericana. Recuperado de http://bibliotecavirtual.unad.edu.co:2053/?il=2269 

ana. Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=61&docID=3196010&tm=1541110436872 

virtual.unad.edu.co/login?url=http://search.ebscohost.com/login.aspx?
&AN=edselb.3214887&lang=es&site=eds-live