UNIVERSIDAD NACIONAL DE TRUJILLO

PLANEAMIENTO Y CONTROL
DE OPERACIONES
Mg. Ing. Rubi Lizet Izaguirre Romero
Semana 2:
• Administración táctica de la demanda.
• Pronósticos
 ANÁLISIS DE SERIES DE TIEMPO
• Promedio Móvil Simple
• Promedio Móvil Ponderado
• Suavizado Exponencial
• Regresión Lineal Simple
Promedio Móvil Simple
Semana Demanda
A t-1 + A t-2 + A t-3 +...+A t- n
1 650 Ft =
2 678 n
3 720
4 785
5 859
• Desarrollar pronósticos de
6 920 promedio móvil con 3 y 6
7 850 semanas.
8 758 • Asumir que tiene sólo
9 892
10 920
demandas reales de 3 y 6
11 789 semanas para cada pronóstico
12 844
15
Semana Demanda 3-Semanas 6-Semanas
1 650
2 678
3 720
4 785 682.67
5 859 727.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83
 1000

900
Demanda

800 Demanda
3-Semana
700
6-Semanas
600

500
1 2 3 4 5 6 7 8 9 10 11 12
Semana
Promedio Móvil Ponderado
Ft = w 1 A t-1 + w 2 A t- 2 + w 3 A t-3 + ...+ w n A t- n
n

w
i=1
i =1
Determinar el promedio móvil
Semana Demanda
1 650
ponderado de 3 periodos para
2 678 pronosticar la demanda del
3 720 periodo 4.
4 Pesos:
t-3 0.2
t-2 0.3
t-1 0.5
20
Solución

Semana Demanda Pronóstico

1 650
2 678
3 720
4 693.4

F4 = .5(720)+.3(678)+.2(650) 21
Tarea
Promedio móvil ponderado
1 820
2 775
3 680
4 periodos
4 655 Pesos:
5 750 0.1
6 802 0.2
7 798
8 689
0.3
9 775 0.4
10 850
Cuál es el pronóstico para la semana 11
Suavizamiento Exponencial

Ft = Ft-1 + (At-1 - Ft-1)

• Premisa--Las observaciones más recientes tienen un
mayor valor predictivo.
• Por consiguiente, deberíamos otorgar mayor peso a los
periodos más recientes cuando realicemos pronósticos.

24
Suavizamiento Exponencial
Ejemplo:
Semana Demanda
1 820 • Determine un pronóstico de
2 775 suavizamiento exponencial
3 680 para los periodos de 2-10
4 655 usando =.10 y =.60.
5 750
6 802 • Hacer F1=D1
7 798
8 689
9 775
10
25
 Semana Demanda 0.1 0.6
1 820 820.00 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802 783.53 723.23
7 798 785.38 770.49
8 689 786.64 787.00
9 775 776.88 728.20
10 776.69 756.28

Irwin/McGraw-Hill ©The McGraw-Hill Companies, Inc., 1998 26

Efecto de  sobre el Pronóstico

900
Demanda

800 Demanda
700 0.1
600 0.6
500
1 2 3 4 5 6 7 8 9 10
Semana

27
ERRORES DEL PRONÓSTICO

A
t=1
t - Ft
MAD =
n
Modelo de Regresión Lineal Simple
Y

Yt = a + bx
0 1 2 3 4 5 x (semanas)

• b es similar a la pendiente. Sin embargo, teniendo

en cuenta que ésta ha sido calculada con la
variabilidad de los datos en mente, su formulación
no es una línea recta con la noción usual de
pendiente.
35
Calculando a y b

a = y - bx

 xy - n(y)(x)
b= 2 2
 x - n(x )

36
Regresión Lineal
Ejemplo:
Semana Ventas
1 150
2 157
3 162
4 166
5 177
Desarrollar una ecuación de regresión para
predecir las ventas sobre la base de los 5 puntos.
 Semana Semana*Semana Ventas Sem*Ventas
1 1 150 150
2 4 157 314
3 9 162 486
4 16 166 664
5 25 177 885
3 55 162.4 2499
Promedio Suma Promedio Suma

b=
 xy - n(y)(x) 2499 - 5(162.4)(3) 63
=  = 6.3
 x - n(x )
2 2
55  5(9 ) 10

a = y - bx = 162.4 - (6.3)(3) = 143.5

 y = 143.5 + 6.3t
180
175
170
165
160 Ventas
Ventas

155 Pronóstico
150
145
140
135
1 2 3 4 5

Periodo