Indice
1. Pronostico
2. Problemario de Inventarios
3. Glosario de PCP
4. Exámenes de Planeación y Control de la Producción 1 - IPN
5. Súper Vínculos WEB – Ingeniería Industrial
Es una serie de datos que en base a una serie de estudios determinan la demanda en un futuro de un determinado producto.
1.- ¿Qué significa pronosticar?
Es predecir el futuro a partir de algunos indicios
2.- ¿Qué es un pronóstico?
Es una inferencia a partir de ciertos datos
3.- ¿Cómo se define el pronóstico?
Es una técnica que permite predecir lo que ocurrirá en el futuro. El pronóstico dependerá de los cambios en las variables externas al sistema de producción.
4.- ¿Cuáles son los antecedentes de los pronósticos?
Tuvieron su origen en aspectos informales de la vida cotidiana. En otras épocas los Reyes, los Políticos y personas adineradas acudían a los clarividentes para que les comentaran acerca de sus vidas en el futuro. Al paso del tiempo estas ideas las adoptan los comerciantes y empresarios y se fue formalizando poco a poco para el concepto de los pronósticos hasta llegar a la que hoy se conoce como un importante tema.
5.- ¿Dónde se utilizan las técnicas de pronósticos en una empresa para determinar la demanda?
Estas técnicas se utilizan en empresas para determinar la demanda futura de sus productos, y en base a esto planear y controlar la cantidad de productos que deberá producir.
6.- ¿Cuándo una empresa está en condiciones de optimizar?
Cuando una empresa determina la demanda futura de sus pronósticos, esta en condiciones de optimizar el uso de todos sus recursos, lograr su objetivos y satisfacer la demanda de sus clientes oportunamente.
7.- ¿Quién utiliza las técnicas de pronósticos?
Personal especializado y adscritos a las áreas de producción y mercadotecnia de las productoras o bienes .
8.- ¿Cuál es la validez de un pronóstico?
No es la verdad absoluta respecto a algún evento en el futuro, un pronóstico solo es una aproximación a la realidad entre más se acerque a ella mejor será.
9.- En una Sistema de producción se presentan 2 grupos de problemas
a)Probabilidad de diseño
b)Probabilidad de la planeación
10.- ¿Cómo se agrupan las técnicas de pronósticos que utilizan en la actualidad?
TÉCNICA No. 1 PROMEDIO MÓVIL SIMPLE (PMS)
Esta técnica sirve para calcular el pronóstico de ventas para el siguiente periodo exclusivamente, como su nombre lo indica es un promedio que se obtiene n datos; para definir en forma práctica cuál será el mejor resultado, se deberá tomar en cuenta el de menor error al cuadrado < (D-P)2.
Estos n datos están en función de cómo queramos promediar u obtener resultados, con menor o mayor exactitud; n puede valores comprendidos entre 2,3,4,5....etc. en la práctica es recomendable utilizar bloques de información que en promedio tengan 10 ó mas datos, lo cual no permitirá una mejor interpretación o visión del comportamiento de ese producto o pronóstico.
Ejemplo:
La empresa Barcel S.A. de C.V. desea elaborar el pronóstico de ventas (o de la demanda ) para uno de sus productos de mayor demanda en el mercado se le conoce como "chicharrones Barcel ", este pronóstico de la demanda si requiere para el mes de octubre de 2003, para lo cual se debe considerar que n= 2, 3, 4. sabiendo que los últimos meses el área de mercadotecnia ha registrado la int. histórica que se indica en la siguiente en la siguiente tabla
Cuando n= 2
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Enero |
30 |
- |
- |
- |
|
Febrero |
35 |
- |
- |
- |
|
Marzo |
28 |
32.5 |
-4.5 |
20.25 |
|
Abril |
20 |
31.5 |
-11.5 |
132.25 |
|
Mayo |
25 |
24 |
1 |
1 |
|
Junio |
30 |
22.5 |
7.5 |
56.25 |
|
Julio |
35 |
27.5 |
7.5 |
56.25 |
|
Agosto |
40 |
32.5 |
7.5 |
56.25 |
|
Septiembre |
50 |
37.5 |
12.5 |
156.25 |
|
Octubre |
¿? |
45 |
S = 478.5 |
Cuando n= 3
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Enero |
30 |
- |
- |
- |
|
Febrero |
35 |
- |
- |
- |
|
Marzo |
28 |
- |
- |
- |
|
Abril |
20 |
31 |
-11 |
121 |
|
Mayo |
25 |
27.66 |
-2.66 |
7.07 |
|
Junio |
30 |
24.33 |
5.66 |
32.14 |
|
Julio |
35 |
25 |
10 |
100 |
|
Agosto |
40 |
30 |
10 |
100 |
|
Septiembre |
50 |
35 |
15 |
225 |
|
Octubre |
¿? |
41.66 |
S 585.21 |
Cuando n= 4
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Enero |
30 |
- |
- |
- |
|
Febrero |
35 |
- |
- |
- |
|
Marzo |
28 |
- |
- |
- |
|
Abril |
20 |
- |
- |
- |
|
Mayo |
25 |
28.25 |
-3.25 |
10.56 |
|
Junio |
30 |
27 |
3 |
9 |
|
Julio |
35 |
25.75 |
9.25 |
85.56 |
|
Agosto |
40 |
27.5 |
12.5 |
156.25 |
|
Septiembre |
50 |
32.5 |
17.5 |
306.25 |
|
Octubre |
¿? |
38.75 |
S 567.62 |
Nota: En base a esta técnica podemos decir en conclusión que el mejor pronóstico es de 45 unidades porque (D-P)2 es menor con respecto a los otros datos.
Tarea:
La empresa Alfa fabricante de conexiones de plástico, desea estimar la demanda de uno de estos productos que se llama codo de 90°x 25mm. Esto es para el mes de marzo de 2003 p/ lo cual cuenta con la información histórica que se indica. Para efectuar los cálculos se debe considerar que n=2,3,4. A partir del mejor pronóstico indique si la producción de codos de 90°x 25mm crece o decrece y en consecuencia indique que acciones.
Cuando n= 2
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Noviembre |
10 |
- |
- |
- |
|
Diciembre |
20 |
- |
- |
- |
|
Enero |
20 |
15 |
5 |
25 |
|
Febrero |
30 |
20 |
10 |
100 |
|
Marzo |
32 |
25 |
7 |
49 |
|
Abril |
27 |
31 |
-4 |
16 |
|
Mayo |
18 |
29.5 |
-11.5 |
132.25 |
|
Junio |
30 |
22.5 |
7.5 |
56.25 |
|
Julio |
25 |
24 |
1 |
1 |
|
Agosto |
22 |
27.5 |
-5.5 |
30.28 |
|
Septiembre |
15 |
23.5 |
-8.5 |
72.25 |
|
Octubre |
17 |
18.5 |
-1.5 |
2.25 |
|
Noviembre |
16 |
16 |
0 |
0 |
|
Diciembre |
20 |
16.5 |
3.5 |
12.85 |
|
Enero |
18 |
18 |
0 |
0 |
|
Febrero |
20 |
19 |
1 |
1 |
|
Marzo |
¿? |
19 |
S 497.5 |
Cuando n= 3
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Noviembre |
10 |
- |
- |
- |
|
Diciembre |
20 |
- |
- |
- |
|
Enero |
20 |
- |
- |
- |
|
Febrero |
30 |
16.67 |
13.33 |
177.6389 |
|
Marzo |
32 |
23.34 |
8.66 |
74.9956 |
|
Abril |
27 |
27.34 |
-0.34 |
0.1156 |
|
Mayo |
18 |
29.67 |
11.67 |
136.1889 |
|
Junio |
30 |
25.67 |
4.33 |
18.7489 |
|
Julio |
25 |
25 |
0 |
0 |
|
Agosto |
22 |
24.34 |
2.34 |
5.4756 |
|
Septiembre |
15 |
25.67 |
-10.67 |
113.8489 |
|
Octubre |
17 |
20.67 |
-.367 |
13.4687 |
|
Noviembre |
16 |
18 |
-2 |
4 |
|
Diciembre |
20 |
16 |
4 |
16 |
|
Enero |
18 |
17.67 |
0.33 |
.1089 |
|
Febrero |
20 |
18 |
2 |
4 |
|
Marzo |
¿? |
11.34 |
S 564.6402 |
Cuando n= 4
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
Noviembre |
10 |
- |
- |
- |
|
Diciembre |
20 |
- |
- |
- |
|
Enero |
20 |
- |
- |
- |
|
Febrero |
30 |
- |
- |
- |
|
Marzo |
32 |
20 |
12 |
144 |
|
Abril |
27 |
25.5 |
1.5 |
2.25 |
|
Mayo |
18 |
27.25 |
-9.25 |
85.5625 |
|
Junio |
30 |
26.75 |
3.25 |
10.5625 |
|
Julio |
25 |
25 |
-1.75 |
3.0625 |
|
Agosto |
22 |
23.75 |
-3 |
9 |
|
Septiembre |
15 |
23 |
-8.75 |
76.5625 |
|
Octubre |
17 |
19.75 |
-6 |
36 |
|
Noviembre |
16 |
17.5 |
-3.75 |
14.0625 |
|
Diciembre |
20 |
17 |
2.5 |
6.25 |
|
Enero |
18 |
17.75 |
1 |
1 |
|
Febrero |
20 |
18.5 |
2.25 |
5.0625 |
|
Marzo |
¿? |
S 393.375 |
En conclusión, el mejor pronóstico es de 18.5 unidades porque (D-P)2 es menor con respecto a los otros datos.
TÉCNICA No. 2 PROMEDIO MÓVIL DOBLE (PMD)
Ésta es otra técnica cuantitativa que sirve para calcular el pronóstico de la demanda o de las ventas para periodos futuros, para su aplicación y cálculos es recomendable seguir el procedimiento que se indica.
Procedimiento:
a = 2(PMS) – PMD
b = n/n-1 (PMS – PMD)
y = a + b(x)
donde
y = pronóstico deseado o buscado
x = el periodo en el que se desea el pronóstico
Ejemplo:
Con los datos obtenidos en el problema anterior, se desea calcular los pronósticos de ventas para los meses de Noviembre, Diciembre y Enero. Estos cálculos se deberán obtener mediante PMD.
Paso 3
Cuando n= 4
|
|
Demanda (D) |
Pronósticos (P) |
(D-P) |
|
Enero |
30 |
- |
- |
|
Febrero |
35 |
- |
- |
|
Marzo |
28 |
32.5 |
- |
|
Abril |
20 |
31.5 |
- |
|
Mayo |
25 |
24.0 |
32 |
|
Junio |
30 |
22.5 |
27.75 |
|
Julio |
35 |
27.5 |
23.25 |
|
Agosto |
40 |
32.5 |
25 |
|
Septiembre |
50 |
37.5 |
30 |
|
Octubre |
¿? |
Paso 4
a = 2(PMS) – PMD
a = 2 (37.50) – 30 = 45
a = 45
b = n/n-1 (PMS – PMD)
b = 15
Paso 5
ynov = a + b(x) = 45+15 (2) = 75 unidades
ydic = a + b(x) = 45+15 (3) = 90 unidades
yene = a + b(x) = 45+15 (4) = 105 unidades
Graficar
Tarea:
Cocinas Integrales Mexicanas S.A desea calcular el pronóstico de venta para una cocina "NOVA", el pronóstico se requiere para el año 2003, así mismo, se estima conveniente asignar a n valores de 3, 4 y 5, además se tienen datos históricos de ventas de los últimos 9 años, el calculo del pronóstico se deben obtener mediante PDM.
Cuando n= 3
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
1984 |
20 |
|||
|
1985 |
25 |
|||
|
1986 |
28 |
|||
|
1987 |
30 |
|||
|
1988 |
31 |
|||
|
1989 |
32 |
|||
|
1990 |
38 |
|||
|
1991 |
41 |
|||
|
1992 |
45 |
|||
|
1993 |
40 |
|||
|
1994 |
38 |
|||
|
1995 |
42 |
|||
|
1996 |
46 |
|||
|
1997 |
30 |
|||
|
1998 |
38 |
|||
|
1999 |
40 |
|||
|
2000 |
38 |
Cuando n= 4
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
1984 |
20 |
|||
|
1985 |
25 |
|||
|
1986 |
28 |
|||
|
1987 |
30 |
|||
|
1988 |
31 |
|||
|
1989 |
32 |
|||
|
1990 |
38 |
|||
|
1991 |
41 |
|||
|
1992 |
45 |
|||
|
1993 |
40 |
|||
|
1994 |
38 |
|||
|
1995 |
42 |
|||
|
1996 |
46 |
|||
|
1997 |
30 |
|||
|
1998 |
38 |
|||
|
1999 |
40 |
|||
|
2000 |
38 |
Cuando n= 5
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
(D-P)2 |
|
1984 |
20 |
|||
|
1985 |
25 |
|||
|
1986 |
28 |
|||
|
1987 |
30 |
|||
|
1988 |
31 |
|||
|
1989 |
32 |
|||
|
1990 |
38 |
|||
|
1991 |
41 |
|||
|
1992 |
45 |
|||
|
1993 |
40 |
|||
|
1994 |
38 |
|||
|
1995 |
42 |
|||
|
1996 |
46 |
|||
|
1997 |
30 |
|||
|
1998 |
38 |
|||
|
1999 |
40 |
|||
|
2000 |
38 |
TÉCNICA No. 3 AJUSTE EXPONENCIAL SIMPLE (AES)
Nos permite calcular los pronósticos de las ventas de la demanda para el siguiente periodo únicamente, la aproximación exponencial. Es una ponderación o valor de ajuste con cierto grado de error, que se puede estimar o determinar al emitir un pronóstico, este valor de ajuste fluctúa en ( 0.1 y 1). Si el valor de ponderación es pequeño el deslizamiento o ajuste será gradual y mínimo. Para asignar el valor de ajuste o de ponderación (a ) se debe tener en cuente lo siguiente:
Ejemplo:
PHP es una empresa que se dedica a la fabricación de artículos higiénicos, el gerente de mercadotecnia está interesado en conocer el pronóstico de ventas para l mes de octubre del 2003, su exigencia le conduce a utilizar factores de conderación para a = 0.1, 0.2 y 0.3. para lo cual se cuenta con la siguiente información histórica que se indica a continuación. El cálculo del pronóstico deseado se deberá obtener por AES.
para a = 0.1
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Mayo |
100 |
100 |
0 |
0 |
100 |
0 |
|
Junio |
120 |
100 |
20 |
2 |
102 |
400 |
|
Julio |
130 |
102 |
28 |
2.8 |
104.8 |
784 |
|
Agosto |
120 |
104.8 |
152 |
1.52 |
106.32 |
231.04 |
|
Septiembre |
140 |
106.32 |
37.68 |
3.36 |
109.68 |
1134.34 |
|
Octubre |
¿? |
109.68 |
||||
|
S 2549.38 |
para a = 0.2
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Mayo |
100 |
100 |
0 |
0 |
100 |
0 |
|
Junio |
120 |
100 |
20 |
4 |
104 |
400 |
|
Julio |
130 |
104 |
26 |
5.2 |
109.2 |
76 |
|
Agosto |
120 |
109.2 |
10.8 |
2.16 |
111.36 |
116.64 |
|
Septiembre |
140 |
11.36 |
28.64 |
5.72 |
117.08 |
820.24 |
|
Octubre |
¿? |
117.88 |
||||
|
S 2012.88 |
para a = 0.3
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Mayo |
100 |
100 |
0 |
0 |
100 |
0 |
|
Junio |
120 |
100 |
20 |
6 |
106 |
400 |
|
Julio |
130 |
106 |
24 |
7.2 |
113.2 |
576 |
|
Agosto |
120 |
113.2 |
6.8 |
2.04 |
115.24 |
46.24 |
|
Septiembre |
140 |
115.24 |
24.76 |
7.42 |
122.66 |
613.05 |
|
Octubre |
¿? |
122.66 |
||||
Tarea
Con los siguientes datos calcule el pronóstico de ventas o de la demanda para el periodo 9, considere factores de ajuste 0.3 y 0.5; los datos históricos de ventas así como los periodos se indican a continuación:
para a = 0.3
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
3 |
||||||
|
4 |
||||||
|
5 |
||||||
|
6 |
||||||
|
7 |
||||||
|
8 |
||||||
|
9 |
||||||
para a = 0.5
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
3 |
16 |
16 |
0 |
0 |
0 |
0 |
|
4 |
18 |
16 |
2 |
1 |
4 |
4 |
|
5 |
20 |
17 |
3 |
1.5 |
9 |
9 |
|
6 |
12 |
18.5 |
-6.5 |
-3.25 |
42.25 |
42.25 |
|
7 |
16 |
15.25 |
.75 |
.37 |
.56 |
.5625 |
|
8 |
20 |
15.62 |
4.38 |
2.18 |
19.18 |
19.1844 |
|
9 |
17.8 |
|||||
|
S 74.996 |
TÉCNICA No. 4 AJUSTE EXPONENCIAL DOBLE (AED)
Técnica cuantitativa que permite calcular los pronósticos de la demanda para periodos futuros, teniendo como antecedente datos históricos en cuanto a periodos y demanda. Para implementar esta técnica o método a la solución de problemas de pronósticos de la demanda, se recomienda seguir el procedimiento:
a = 2(AES) – AED
b = a /a -1 (AES – AED)
y = a + b(x)
donde
y = pronóstico deseado o buscado (final).
x = el periodo en el que se desea el pronóstico.
Ejemplo:
Chocolates "Tin larín" S.A, esta interesada en conocer el pronóstico de ventas o de la demanda para el primer trimestre del año 2003, para lo cual usará AED, considerándose 3 factores de ajuste: 0.2, 0.25 Y 0.35. La demanda está expresada en miles. Tanto el gerente de mercado como el de producción de la empresa están interesados en ver gráficamente el comportamiento de la demanda de este producto a través de:
para a = 0.2
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Junio |
150 |
150 |
0 |
0 |
150 |
0 |
|
Julio |
180 |
150 |
30 |
6 |
156 |
900 |
|
Agosto |
200 |
156 |
44 |
8.8 |
164.8 |
1936 |
|
Septiembre |
120 |
164.8 |
-44.8 |
-8.96 |
155.84 |
2007.04 |
|
Octubre |
140 |
155.84 |
-15.84 |
-3.10 |
152.67 |
250.9 |
|
152.67 |
S 5093.95 |
para a = 0.25
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Junio |
150 |
150 |
0 |
0 |
150 |
0 |
|
Julio |
180 |
350 |
30 |
7.5 |
157.5 |
900 |
|
Agosto |
200 |
157.5 |
42.5 |
10.62 |
168.12 |
1806.25 |
|
Septiembre |
120 |
168.12 |
-48.125 |
-12.03 |
156.09 |
2316.02 |
|
Octubre |
140 |
156.09 |
-16.09 |
-4.02 |
152.07 |
259.0 |
|
152.07 |
S 5281.25 |
para a = 0.36
|
Periodos Mensuales |
Demanda (D) |
Pronósticos (P) |
(D-P) |
a (D-P) |
P´ = P + a (D-P) |
(D-P)2 |
|
Junio |
150 |
|||||
|
Julio |
180 |
|||||
|
Agosto |
200 |
|||||
|
Septiembre |
120 |
|||||
|
Octubre |
140 |
|||||
Técnica 5: Mínimos Cuadrados
Esta es otra técnica de tipo cuantitativo que permite el cálculo de los pronósticos para períodos futuros, para lo cual requiere de registros históricos que sean consistentes, reales y precisos.
Esta técnica como su nombre lo indica se trata de sacar el total de las desviaciones elevadas al cuadrado a un valor mínimo: su objetivo es determinar los coeficientes a y b, que son conocidos como coeficientes de regresión, donde x es la variable independiente (tiempo), y es la variable dependiente (pronóstico de la demanda).
En la práctica se pueden utilizar dos métodos para calcular los pronósticos a través de mínimos cuadrados: Fórmula general y Métodos simplificado.
Para aplicar este método en el cálculo de pronósticos de la demanda, se deben tener en cuenta las siguientes expresiones matemáticas:


donde:
n = tamaño de la muestra o el número de períodos
x = período en el que se desea el pronóstico
y = el pronóstico
El método simplificado como su nombre lo indica, en la práctica es más simple y se llega al resultado de forma más rápida. Las expresiones a usar son:


donde:
n = tamaño de la muestra o el número de períodos
x = período en el que se desea el pronóstico
y = el pronóstico
¿Cuándo será par y cuando será non?
Pares: Debemos entender por pares el numero de períodos expresados de dos en dos (2, 4, 6, 8...)
Nones: Es cuando los períodos considerados en los cálculos son impares (1, 3, 5, 7, 9...)
Ejemplo:
Panasonic, empresa internacional en su área de pilas desechables, desea calcular el pronóstico de ventas para el año 2003, teniendo como antecedentes los datos que se muestran en la tabla. El cálculo del pronóstico se deberá emitir mediante la formula general y corroborarse con el método simplificado que corresponda.
|
Períodos |
Ventas (miles) |
x |
xy |
x2 |
|
1990 |
85 |
1 |
85 |
1 |
|
1991 |
89 |
2 |
178 |
4 |
|
1992 |
92 |
3 |
276 |
9 |
|
1993 |
95 |
4 |
380 |
16 |
|
1994 |
93 |
5 |
465 |
25 |
|
1995 |
98 |
6 |
588 |
36 |
|
Σ |
552 |
21 |
1972 |
91 |


Cálculo del pronóstico
![]()
x son los períodos desde el primer dato histórico hasta el pronóstico a calcular
Pares porque el número de períodos es par (6)
|
Períodos |
Ventas (miles) |
x |
xy |
x2 |
|
1990 |
85 |
-5 |
-425 |
25 |
|
1991 |
89 |
-3 |
-267 |
9 |
|
1992 |
92 |
-1 |
-92 |
1 |
|
0 |
0 |
0 |
||
|
1993 |
95 |
1 |
95 |
1 |
|
1994 |
93 |
3 |
279 |
9 |
|
1995 |
98 |
5 |
40 |
25 |
|
Σ |
552 |
0 |
80 |
70 |
NOTA: A x se le asignan valore impares por que es un problema par.


![]()
*los períodos se cuentan a partir de 1993 con números consecutivos impares de los asignados a x en un principio hasta llegar a 2003:
|
96-7 |
2000-15 |
|
|
97-9 |
2001-17 |
|
|
98-11 |
2002-19 |
|
|
99-13 |
2003-21 |
Sabritas S.A de C.V. desea elaborar el pronóstico de ventas para uno de sus productos en el año 2003 y en torno a éste resultado, se hará la planeación de los recursos a utilizar en el sistema; para lo cual cuenta con el volumen de ventas anuales que se indican en la siguiente tabla.
El cálculo de éste pronóstico se deberá hacer a través de Fórmula General y Método Simplificado.
|
Períodos |
Ventas (miles) |
x |
xy |
x2 |
|
1987 |
120 |
1 |
120 |
1 |
|
1988 |
121 |
2 |
242 |
4 |
|
1989 |
117 |
3 |
351 |
9 |
|
1990 |
118 |
4 |
472 |
16 |
|
1991 |
124 |
5 |
620 |
25 |
|
1992 |
125 |
6 |
750 |
36 |
|
1993 |
120 |
7 |
840 |
49 |
|
1994 |
118 |
8 |
944 |
64 |
|
1995 |
130 |
9 |
1170 |
81 |
|
å |
1093 |
45 |
5509 |
285 |


Cálculo del pronóstico
![]()
Nones porque el número de períodos es impar (9)
|
Períodos |
Ventas (miles) |
x |
xy |
x2 |
|
1987 |
120 |
-4 |
-480 |
16 |
|
1988 |
121 |
-3 |
-363 |
9 |
|
1989 |
117 |
-2 |
-234 |
4 |
|
1990 |
118 |
-1 |
-118 |
1 |
|
1991 |
124 |
0 |
0 |
0 |
|
1992 |
125 |
1 |
125 |
1 |
|
1993 |
120 |
2 |
240 |
4 |
|
1994 |
118 |
3 |
354 |
9 |
|
1995 |
130 |
4 |
520 |
16 |
|
Σ |
1093 |
0 |
44 |
60 |
NOTA: A x se le asignan valores consecutivos


![]()
*los períodos se cuentan a partir de 1992 con números consecutivos de los asignados a x en un principio hasta llegar a 2003:
|
96-5 |
2000-9 |
|
|
97-6 |
2001-10 |
|
|
98-7 |
2002-11 |
|
|
99-8 |
2003-12 |
TÉCNICA 6: ÍNDICES DE ESTACIONALIDAD
Esta técnica sirve para calcular el pronóstico de ventas cuando existe estacionalidad o ciclos y también se utiliza cuando en cada período existen diferencias de ventas muy marcadas, razón por la cual se hace necesario calcular un índice que nos permitirá un ajuste por cada período.
El concepto de Índice de Estacionalidad se explicará con más detalle a partir del siguiente problema:
Ejemplo:
Teniendo como referencia la información histórica que se indica en la siguiente tabla, determine el pronóstico para el año 2003 y ajústelo mediante índices de estacionalidad.
|
Períodos (anuales) |
B I M E S T R E S |
Total |
|||||
|
1o |
2o |
3o |
4o |
5o |
6º |
||
|
1991 |
80 |
120 |
130 |
100 |
90 |
120 |
640 |
|
1992 |
55 |
140 |
140 |
105 |
95 |
125 |
660 |
|
1993 |
84 |
160 |
150 |
105 |
94 |
125 |
718 |
|
1994 |
83 |
170 |
155 |
110 |
93 |
130 |
741 |
|
1995 |
81 |
175 |
160 |
100 |
92 |
140 |
748 |
|
å |
383 |
765 |
735 |
520 |
464 |
640 |
3507 |
Solución:





|
Períodos |
Ventas |
x |
xy |
x2 |
|
1991 |
640 |
1 |
640 |
1 |
|
1992 |
660 |
2 |
1320 |
4 |
|
1993 |
718 |
3 |
2154 |
9 |
|
1994 |
741 |
4 |
2964 |
16 |
|
1995 |
748 |
5 |
3740 |
25 |
|
Σ |
3507 |
15 |
10818 |
55 |


Cálculo del pronóstico
![]()
![]()
|
Períodos (anuales) |
B I M E S T R E S |
|||||
|
1o |
2o |
3o |
4o |
5o |
6º |
|
|
IE |
0.665 |
1.308 |
1.257 |
0.889 |
0.793 |
1.094 |
|
Pronostico Promedio |
166.40 |
166.40 |
166.40 |
166.40 |
166.40 |
166.40 |
|
Pronóstico Bimestral ajustado por IE |
108.992 |
217.651 |
209.164 |
147.929 |
131.955 |
182.04 |
3. Glosario de PCP
Ingeniería Industrial: Consiste en todas las actividades de control de ingeniería y administración que no se pueden designar claramente como funciones de otras inge