INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

INDG1005 Pronóstico y Control de Inventario

APRENDIZAJE AUTÓNOMO

MÉTODOS DE PRONÓSTICO BASADOS EN SERIES DE TIEMPO

Nombre del estudiante: Povea Soriano Luis Miguel

Resolver los siguientes ejercicios:

1. Considere la demanda mensual para la empresa XYZ Corporation como se muestra en
la tabla.

Ventas Año 1 Año 2 Año 3 Año 4 Año 5

Enero 2000 3000 2000 5000 5000
Febrero 3000 4000 5000 4000 2000
Marzo 3000 3000 6000 4000 3000
Abril 5000 5000 3000 2000 2000
Mayo 4000 5000 4000 5000 7000
Junio 6000 7000 6000 7000 6000
Julio 7000 3000 7000 12000 8000
Agosto 6000 8000 10000 14000 10000
Septiembre 10000 12000 15000 16000 18000
Octubre 12000 11000 15000 16000 20000
Noviembre 14000 16000 18000 20000 22000
Diciembre 8000 10000 8000 12000 8000

a) Pronostique la demanda mensual para el año 6 usando el método estático. Indique

las estimaciones de nivel, tendencia y factores estacionales.
Como primer paso procedemos a desestacionalizar la demanda, utilizando las siguientes
fórmulas.

Luego procedemos a encontrar los factores estacionales, pero antes nos valemos del uso
de una regresión lineal para encontrar L y T, y así encontrar la demanda
desestacionalizada en todos los periodos.

pendiente (T) 72,0459726

intercepto (L) 5963,18811
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Periodo Deman D_desestaciona D_desestacional Factor estacional

da lizada_1 izada_2
1 2000 6035,234085 0,331387312
2 3000 6107,280057 0,491217035
3 3000 6179,32603 0,485489839
4 5000 6251,372003 0,799824422
5 4000 6323,417975 0,632569287
6 6000 6395,463948 0,938164932
7 7000 6708,333333 6467,509921 1,08233309
8 6000 6791,666667 6539,555893 0,917493496
9 10000 6833,333333 6611,601866 1,512492767
10 12000 6833,333333 6683,647839 1,795426733
11 14000 6875 6755,693811 2,07232601
12 8000 6958,333333 6827,739784 1,171690816
13 3000 6833,333333 6899,785757 0,434796109
14 4000 6750 6971,831729 0,573737313
15 3000 6916,666667 7043,877702 0,425901773
16 5000 6958,333333 7115,923674 0,70264947
17 5000 7000 7187,969647 0,695606721
18 7000 7166,666667 7260,01562 0,964185253
19 3000 7208,333333 7332,061592 0,409161866
20 8000 7208,333333 7404,107565 1,080481331
21 12000 7375 7476,153538 1,605103472
22 11000 7416,666667 7548,19951 1,457301173
23 16000 7291,666667 7620,245483 2,099669891
24 10000 7208,333333 7692,291456 1,300002744
25 2000 7333,333333 7764,337428 0,257587981
26 5000 7583,333333 7836,383401 0,638049435
27 6000 7791,666667 7908,429374 0,758684148
28 3000 8083,333333 7980,475346 0,375917457
29 4000 8333,333333 8052,521319 0,496738828
30 6000 8333,333333 8124,567291 0,738500868
31 7000 8375 8196,613264 0,854011257
32 10000 8458,333333 8268,659237 1,209385913
33 15000 8333,333333 8340,705209 1,798409082
34 15000 8208,333333 8412,751182 1,783007684
35 18000 8208,333333 8484,797155 2,121441405
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

36 8000 8291,666667 8556,843127 0,934924233

37 5000 8541,666667 8628,8891 0,579448866
38 4000 8916,666667 8700,935073 0,459720704
39 4000 9125 8772,981045 0,45594536
40 2000 9208,333333 8845,027018 0,226115759
41 5000 9333,333333 8917,072991 0,560722112
42 7000 9583,333333 8989,118963 0,778719253
43 12000 9750 9061,164936 1,324333028
44 14000 9666,666667 9133,210908 1,532867262
45 16000 9541,666667 9205,256881 1,738137263
46 16000 9500 9277,302854 1,724639181
47 20000 9583,333333 9349,348826 2,139186415
48 12000 9625 9421,394799 1,273696757
49 5000 9416,666667 9493,440772 0,526679433
50 2000 9083,333333 9565,486744 0,209085021
51 3000 9000 9637,532717 0,31128299
52 2000 9250 9709,57869 0,205982161
53 7000 9500 9781,624662 0,715627541
54 6000 9416,666667 9853,670635 0,608910143
55 8000 9925,716608 0,805987146
56 10000 9997,76258 1,000223792
57 18000 10069,80855 1,787521571
58 20000 10141,85453 1,97202592
59 22000 10213,9005 2,153927386
60 8000 10285,94647 0,777760221
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Demanda
Demanda

25000

20000

15000

10000

5000

0
Julio

Julio

Julio

Julio

Julio
Marzo

Noviembre

Mayo

Noviembre

Noviembre

Noviembre

Noviembre
Mayo

Marzo

Marzo
Mayo

Marzo
Mayo

Marzo
Mayo
Septiembre

Septiembre

Septiembre

Septiembre

Septiembre
Enero

Enero

Enero

Enero

Enero
Fig. 1. Serie de Tiempo para la demanda

Demanda desestacionalizada y Regresion lineal

D_desestacionalizada_1 Regresion lineal

11000

10000

9000

8000

7000

6000

5000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59

Fig. 2. Grafica de la demanda desestacionalizada y la regresión

Y luego calculamos los factores estacionales de los 12 periodos en que se repite el ciclo, con la
fórmula:
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Hay un total de 60 periodos con periodicidad de p=12, lo que implica que existen r=5 ciclos
estacionales en la información.

S1 0,42597994 S7 0,89516528
S2 0,4743619 S8 1,14809036
S3 0,48746082 S9 1,68833283
S4 0,46209785 S10 1,74648014
S5 0,6202529 S11 2,11731022
S6 0,80569609 S12 1,09161495

Utilizando la formula calculamos el pronóstico para los 12 meses del Año 6:

Periodo Ventas D_Año 6

61 Enero 4412,297
62 Febrero 4947,61286
63 Marzo 5119,35469
64 Abril 4886,28295
65 Mayo 6603,32172
66 Junio 8635,6298
67 Julio 9659,0735
68 Agosto 12470,9183
69 Septiembre 18460,8394
70 Octubre 19222,4698
71 Noviembre 23456,52
72 Diciembre 12172,0505

2. La demanda semanal en una empresa de comida rápida se muestra en la tabla de abajo

Semana Demanda (Q)

1 1100
2 1180
3 1190
4 1340
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

5 950
6 1170
7 970
8 1060
9 1180
10 1070
11 980
12 920

a) Estime el pronóstico usando una media móvil de 4 semanas desde la semana 5 hasta
la 13. Calcule el error de pronóstico para cada semana.

𝑪𝒐𝒏 𝒏 = 𝟒, 𝒖𝒕𝒍𝒊𝒛𝒂𝒎𝒐𝒔 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂 𝒅𝒆 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐𝒔 𝒎𝒐𝒗𝒊𝒍𝒆𝒔:

𝑫𝒕 + 𝑫𝒕−𝟏 + 𝑫𝒕−𝟐 + ⋯ + 𝑫𝒕−𝒏+𝟏

𝑭𝒕+𝟏 = 𝒚 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝑬𝒕 = 𝑭𝒕 − 𝑫𝒕
𝒏

Demanda
Semana Pronostico (F) Error (E)
(Q)
1 1100
2 1180
3 1190
4 1340
5 950 1202,5 252,5
6 1170 1165 -5
7 970 1162,5 192,5
8 1060 1107,5 47,5
9 1180 1037,5 -142,5
10 1070 1095 25
11 980 1070 90
12 920 1072,5 152,5
13 1037,5

b) Estime el pronóstico usando una media móvil de 6 semanas desde la semana 7 hasta
la 13. Calcule el error de pronóstico para cada semana.

𝑪𝒐𝒏 𝒏 = 𝟔, 𝒖𝒕𝒍𝒊𝒛𝒂𝒎𝒐𝒔 𝒍𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂 𝒅𝒆 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐𝒔 𝒎𝒐𝒗𝒊𝒍𝒆𝒔:

𝑫𝒕 + 𝑫𝒕−𝟏 + 𝑫𝒕−𝟐 + ⋯ + 𝑫𝒕−𝒏+𝟏

𝑭𝒕+𝟏 = 𝒚 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝑬𝒕 = 𝑭𝒕 − 𝑫𝒕
𝒏
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Demanda
Semana Pronostico Error
(Q)
1 1100
2 1180
3 1190
4 1340
5 950
6 1170
7 970 1155 185
8 1060 1133,33333 73,3333333
9 1180 1113,33333 -66,6666667
10 1070 1111,66667 41,6666667
11 980 1066,66667 86,6666667
12 920 1071,66667 151,666667
13 1030

c) Estime el pronóstico empleando el suavizamiento exponencial simple con α=0.1

𝒏
𝟏
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝐿0 𝑚𝑒𝑑𝑖𝑎𝑛𝑡𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎: 𝑳𝟎 = ∑ 𝑫𝒊
𝒏
𝒊=𝟏

𝐿𝑢𝑒𝑔𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑳𝒕+𝟏 = 𝜶𝑫𝒕+𝟏 + (𝟏 − 𝜶)𝑳𝒕 , 𝑦 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 𝑭𝒕+𝟏 = 𝑳𝒕

Con un alfa=0.1 y 𝑳𝟎 = 𝟏𝟎𝟗𝟐. 𝟓, tenemos que:

Demanda
Semana Nivel (L) Pronostico Error (Et) At
(Q)
0 1092.5
1 1100 1093.25 1092.5 -0.75 0.75
2 1180 1101.925 1093.25 -8.675 8.675
3 1190 1110.7325 1101.925 -8.8075 8.8075
4 1340 1133.65925 1110.7325 -22.92675 22.92675
5 950 1115.29333 1133.65925 18.365925 18.365925
6 1170 1120.76399 1115.29333 -5.4706675 5.4706675
7 970 1105.68759 1120.76399 15.0763992 15.0763992
8 1060 1101.11883 1105.68759 4.56875932 4.56875932
9 1180 1109.00695 1101.11883 -7.88811661 7.88811661
10 1070 1105.10626 1109.00695 3.90069505 3.90069505
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

11 980 1092.59563 1105.10626 12.5106255 12.5106255

12 920 1075.33607 1092.59563 17.259563 17.259563

d) Calcular MAD, MAPE, MSE, bias y TS en cada caso. ¿Cuál de los métodos usted
recomendaría?

Se calculan con las siguientes formulas:

 Medias móviles con n=4

MAD 113.4375
MSE 11952.40385
MAPE 7.04 %
Bias 612.5
TS 5.399449036

 Medias móviles con n=6

MAD 100.833333
MSE 12716.2037
MAPE 10.144 %
Bias 471.666667
TS 4.67768595

 Suavizamiento exponencial simple con alfa=0.1

MAD 10.5166668
MSE 152.189908
MAPE 0.9855 %
Bias 17.1639331
TS 1.63206969
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Respuesta: se recomendaría, para este caso, escoger el método de suavizamiento

exponencial simple, ya que su MAD, MSE y MAPE es mucho menor que el de los otros
dos métodos propuestos,

3. La demanda de flores en un distribuido se muestra en la siguiente tabla:

Trimestre /Año Año1 Año2 Año3 Año4

Q1 80 120 120 132
Q2 96 109 132 140
Q3 103 145 154 161
Q4 123 120 139 170

a) Pronostique la demanda trimestral para el año 4 usando el suavizamiento exponencial

simple con α=0.2.
𝒏
𝟏
𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝐿0 𝑚𝑒𝑑𝑖𝑎𝑛𝑡𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎: 𝑳𝟎 = ∑ 𝑫𝒊
𝒏
𝒊=𝟏

𝐿𝑢𝑒𝑔𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑳𝒕+𝟏 = 𝜶𝑫𝒕+𝟏 + (𝟏 − 𝜶)𝑳𝒕 , 𝑦 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 𝑭𝒕+𝟏 = 𝑳𝒕

Con un alfa=0.2 y 𝑳𝟎 = 𝟏𝟐𝟕. 𝟕𝟓, tenemos que:

Periodo Demanda Nivel (L) Pronostico

13 132 131.049593 130.811991

14 140 132.839674 131.049593
15 161 138.47174 132.839674
16 170 144.777392 138.47174

b) Pronostique la demanda usando el modelo de Holt con α=0.2 y β=0.1

En este modelo usamos las siguientes ecuaciones:

Como resultado de la regresión lineal de la demanda tenemos que:

INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Coeficientes
Intercepción (𝐿0 ) 90.225
Variable X 1 (𝑇0 ) 4.41470588

Periodo Demanda Nivel (Lt) Tendencia Pronostico

(Tt) (Ft)
0 90.225 4.414705882
1 80 91.71176471 4.121911765 94.63970588
2 96 95.86694118 4.125238235 95.83367647
3 103 100.5937435 4.185394647 99.99217941
4 123 108.4233105 4.549811884 104.7791382
5 120 114.3784979 4.690349435 112.9731224
6 109 117.0550779 4.488972488 119.0688474
7 145 126.2352403 4.95809148 121.5440504
8 120 128.9546654 4.734224844 131.1933318
9 120 130.9511122 4.460447038 133.6888903
10 132 134.7292474 4.392215853 135.4115593
11 154 142.0971706 4.689786588 139.1214633
12 139 145.2295658 4.534047444 146.7869572
13 132 146.2108906 4.17877518 149.7636132
14 140 148.3117326 3.970981865 150.3896657
15 161 154.0261716 4.145327576 152.2827145
16 170 160.5371993 4.381897593 158.1714991

c) ¿Cuál de los dos métodos escogería usted? ¿Por qué?

Escogería el método de Holt ya que el pronóstico se acerca mucho mejor a la demanda,

que en la suavización exponencial simple

4. La demanda mensual de un artículo electrónico en una tienda departamental es:

Demanda
Mes
(unidades)
1 1000
2 1113
3 1271
4 1445
5 1558
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

6 1648
7 1724
8 1850
9 1864
10 2076
11 2167
12 2191

a) Estime la demanda para el mes 13 usando el método de suavizamiento exponencial

simple con α=0.15 usando L0=1659

𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑚𝑜𝑠 𝑚𝑒𝑑𝑖𝑎𝑛𝑡𝑒 𝑳𝒕+𝟏 = 𝜶𝑫𝒕+𝟏 + (𝟏 − 𝜶)𝑳𝒕 , 𝑦 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 𝑭𝒕+𝟏 = 𝑳𝒕

Mes Demanda Nivel (Lt) Pronostico (Ft) Et

(unidades)
0 1659
1 1000 1560.15 1659 659
2 1113 1493.0775 1560.15 447.15
3 1271 1459.76588 1493.0775 222.0775
4 1445 1457.55099 1459.765875 14.765875
5 1558 1472.61834 1457.550994 -100.4490063
6 1648 1498.92559 1472.618345 -175.3816553
7 1724 1532.68675 1498.925593 -225.074407
8 1850 1580.28374 1532.686754 -317.313246
9 1864 1622.84118 1580.283741 -283.7162591
10 2076 1690.815 1622.84118 -453.1588202
11 2167 1762.24275 1690.815003 -476.1849972
12 2191 1826.55634 1762.242752 -428.7572476
13 1826.55634

b) Estime la demanda para el mes 13 usando el método de suavizamiento exponencial

doble con α=0.15 y β=0.20 usando L0=948 y T0=109

En este modelo usamos las siguientes ecuaciones:

INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Demanda Tendencia Pronostico

Mes Nivel (Lt) Et
(unidades) (Tt) (Ft)
0 948 109
1 1000 1048.45 107.29 1057 57
2 1113 1149.329 106.0078 1155.74 42.74
3 1271 1257.68628 106.477696 1255.3368 -15.6632
4 1445 1376.28938 108.902777 1364.16398 -80.836024
5 1558 1496.11333 111.087012 1485.19216 -72.8078437
6 1648 1613.32029 112.311002 1607.20034 -40.7996551
7 1724 1725.3866 112.262063 1725.63129 1.63129485
8 1850 1839.50136 112.632603 1837.64866 -12.3513365
9 1864 1938.91387 109.988584 1952.13397 88.1339669
10 2076 2052.96709 110.80151 2048.90246 -27.0975442
11 2167 2164.25331 110.898452 2163.7686 -3.23140234
12 2191 2262.529 108.3739 2275.15176 84.1517603
13 2370.9029

c) Evalúe MAD, MAPE, MSE, bias, y TS en cada caso. ¿Cuál de los dos métodos escogería
usted y por qué?

 Método de suavizamiento exponencial simple

MAD 316.9190845
MSE 131032.3536
MAPE 20.87 %
Bias -1117.042264
TS -3.524692322

 Método de suavizamiento exponencial doble

MAD 43.8703357
MSE 2880.84588
MAPE 2.86 %
Bias 20.8700162
TS 0.47572046

Respuesta: Escogería el método de suavizamiento exponencial doble ya que el MAD

y el MSE son mucho más pequeños que los del método de suavizamiento
exponencial simple.
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

5. Considere los datos del ejercicio 1. Pronostique la demanda para el año 6 usando el
modelo de Holt y el modelo de Winter con α=0.05, β=0.20 y γ=0.15. Calcule MAD, MAPE
y MSE. ¿Cuál método de pronóstico preferiría usted? Fundamente su respuesta.

En el ejercicio 1 calculamos Lo= 5963.188112 y To= 72.04597264

Modelo de Holt

Periodo Ventas Demanda Lt Tt Ft Et

0 5963.188112 72.04597264
1 Enero 2000 5833.472381 31.6936318 6035.234085 4035.234085
2 Febrero 3000 5721.907712 3.041971673 5865.166012 2865.166012
3 Marzo 3000 5588.702199 -24.20752516 5724.949683 2724.949683
4 Abril 5000 5536.26994 -29.8524719 5564.494674 564.4946741
5 Mayo 4000 5431.096595 -44.91664659 5506.417468 1506.417468
6 Junio 6000 5416.870951 -38.77844607 5386.179948 -613.8200516
7 Julio 7000 5459.18788 -22.55937112 5378.092505 -1621.907495
8 Agosto 6000 5464.797083 -16.92565621 5436.628509 -563.3714914
9 Septiembre 10000 5675.477856 28.59562953 5447.871427 -4552.128573
10 Octubre 12000 6018.869811 91.55489467 5704.073485 -6295.926515
11 Noviembre 14000 6504.90347 170.4506476 6110.424706 -7889.575294
12 Diciembre 8000 6741.586412 183.6971064 6675.354118 -1324.645882
13 Enero 3000 6729.019343 144.4442713 6925.283518 3925.283518
14 Febrero 4000 6729.790433 115.7096351 6873.463614 2873.463614
15 Marzo 3000 6653.225065 77.25463444 6845.500068 3845.500068
16 Abril 5000 6643.955714 59.94983744 6730.479699 1730.479699
17 Mayo 5000 6618.710274 42.91078193 6703.905552 1703.905552
18 Junio 7000 6678.540003 46.29457137 6661.621056 -338.378944
19 Julio 3000 6538.592846 9.04622562 6724.834575 3724.834575
20 Agosto 8000 6620.257118 23.56983491 6547.639071 -1452.360929
21 Septiembre 12000 6911.635605 77.13156538 6643.826953 -5356.173047
22 Octubre 11000 7189.328812 117.2438937 6988.767171 -4011.232829
23 Noviembre 16000 7741.24407 204.1781666 7306.572706 -8693.427294
24 Diciembre 10000 8048.151125 224.7239442 7945.422237 -2054.577763
25 Enero 2000 7959.231316 161.9951935 8272.875069 6272.875069
26 Febrero 5000 7965.165184 130.7829285 8121.22651 3121.22651
27 Marzo 6000 7991.150707 109.8234473 8095.948112 2095.948112
28 Abril 3000 7845.925446 58.81370579 8100.974154 5100.974154
29 Mayo 4000 7709.502195 19.76631426 7904.739152 3904.739152
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

30 Junio 6000 7642.805083 2.473629176 7729.268509 1729.268509

31 Julio 7000 7613.014777 -3.979157951 7645.278713 645.2787126
32 Agosto 10000 7728.583838 19.93048586 7609.035619 -2390.964381
33 Septiembre 15000 8111.088608 92.44534262 7748.514324 -7251.485676
34 Octubre 15000 8543.357253 160.4100031 8203.53395 -6796.46605
35 Noviembre 18000 9168.578893 253.3723306 8703.767256 -9296.232744
36 Diciembre 8000 9350.853663 239.1528183 9421.951224 1421.951224
37 Enero 5000 9360.506157 193.2527535 9590.006481 4590.006481
38 Febrero 4000 9276.070965 137.7151644 9553.75891 5553.75891
39 Marzo 4000 9143.096823 83.57730311 9413.786129 5413.786129
40 Abril 2000 8865.34042 11.31056185 9226.674126 7226.674126
41 Mayo 5000 8682.818432 -27.45594796 8876.650981 3876.650981
42 Junio 7000 8572.59436 -44.0095728 8655.362484 1655.362484
43 Julio 12000 8702.155548 -9.295420678 8528.584787 -3471.415213
44 Agosto 14000 8958.217121 43.77597805 8692.860127 -5307.139873
45 Septiembre 16000 9351.893444 113.7560471 9001.993099 -6998.006901
46 Octubre 16000 9792.367017 179.0995521 9465.649491 -6534.350509
47 Noviembre 20000 10472.89324 279.3848865 9971.466569 -10028.53343
48 Diciembre 12000 10814.66422 291.8621052 10752.27813 -1247.721873
49 Enero 5000 10801.20001 230.7968419 11106.52633 6106.526326
50 Febrero 2000 10580.39701 140.4768734 11031.99685 9031.996851
51 Marzo 3000 10334.83019 63.2681346 10720.87388 7720.873882
52 Abril 2000 9978.193406 -20.71284862 10398.09832 8398.098323
53 Mayo 7000 9809.60653 -50.2876542 9957.480558 2957.480558
54 Junio 6000 9571.352932 -87.88084296 9759.318876 3759.318876
55 Julio 8000 9409.298485 -102.7155638 9483.472089 1483.472089
56 Agosto 10000 9341.253775 -95.78139306 9306.582921 -693.4170793
57 Septiembre 18000 9683.198763 -8.236116873 9245.472382 -8754.527618
58 Octubre 20000 10191.21451 95.01425667 9674.962646 -10325.03735
59 Noviembre 22000 10871.91733 212.151969 10286.22877 -11713.77123
60 Diciembre 8000 10929.86584 181.311276 11084.0693 3084.069301
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Periodo Ventas D_Año 6

61 Enero 11111.17711
62 Febrero 11292.48839
63 Marzo 11473.79966
64 Abril 11655.11094
65 Mayo 11836.42222
66 Junio 12017.73349
67 Julio 12199.04477
68 Agosto 12380.35604
69 Septiembre 12561.66732
70 Octubre 12742.9786
71 Noviembre 12924.28987
72 Diciembre 13105.60115

MAD 4337.11103
MSE 27134605
MAPE 81.18 %

Método de Winter

pendiente (To) 72,0459726

intercepto (Lo) 5963,18811

S1 0,42597994 S7 0,89516528
S2 0,4743619 S8 1,14809036
S3 0,48746082 S9 1,68833283
S4 0,46209785 S10 1,74648014
S5 0,6202529 S11 2,11731022
S6 0,80569609 S12 1,09161495

Periodo Ventas Demanda Lt Tt St Ft

0 5963.188112 72.04597264
1 Enero 2000 5968.225219 58.64419947 0.42597994 2570.888653
2 Febrero 3000 6041.740212 61.61835827 0.474361902 2858.917238
3 Marzo 3000 6105.90768 62.12818006 0.487460822 2975.148185
4 Abril 5000 6400.645019 108.6500119 0.462097854 2850.236134
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

5 Mayo 4000 6506.279398 108.0468853 0.620252898 4037.409105

6 Junio 6000 6655.958803 116.3733893 0.80569609 5329.136824
7 Julio 7000 6824.704832 126.8479173 0.895165278 6062.356627
8 Agosto 6000 6865.278587 109.5930847 1.148090359 7981.010691
9 Septiembre 10000 6922.278225 99.0743955 1.688332831 11775.90483
10 Octubre 12000 7013.833128 97.57049695 1.746480138 12262.6529
11 Noviembre 14000 7086.441587 92.57808925 2.117310221 15057.04758
12 Diciembre 8000 7186.498264 94.07380681 1.091614954 7836.725235
13 Enero 3000 7280.312861 94.02196496 0.412349149 3002.137694
14 Febrero 4000 7424.300123 104.0150243 0.477689468 3522.642082
15 Marzo 3000 7459.250733 90.20214143 0.488040815 3674.125059
16 Abril 5000 7662.215848 112.7547363 0.509958866 3849.91043
17 Mayo 5000 7789.816587 115.7239367 0.619433567 4816.077759
18 Junio 7000 7937.06213 122.028258 0.82005886 6483.008546
19 Julio 3000 7820.1163 74.23344043 0.914743294 7371.998885
20 Agosto 8000 7860.978579 67.55920818 1.106971267 8738.818332
21 Septiembre 12000 7895.356592 60.92296901 1.651774572 13096.15711
22 Octubre 11000 7874.349884 44.53703374 1.741143821 13853.027
23 Noviembre 16000 7904.612085 41.68206712 2.096054239 16598.41649
24 Diciembre 10000 8005.661963 53.5556294 1.094852505 8700.020059
25 Enero 2000 7898.794253 21.47096152 0.412307307 3322.8743
26 Febrero 5000 8037.755298 44.96897823 0.486851746 3855.994953
27 Marzo 6000 8309.951061 90.41433501 0.475162468 3840.607213
28 Abril 3000 8262.648018 62.87085952 0.531347949 4463.51692
29 Mayo 4000 8230.374304 43.84194483 0.622798077 5185.117147
30 Junio 6000 8222.238517 33.44639849 0.829340793 6862.145065
31 Julio 7000 8262.024349 34.71428514 0.835075701 6894.121867
32 Agosto 10000 8339.116323 43.18982294 1.093578327 9073.133555
33 Septiembre 15000 8422.752341 51.27906181 1.631990489 13679.84391
34 Octubre 15000 8494.244642 55.32170974 1.689513356 14316.98923
35 Noviembre 18000 8553.687583 56.14595591 2.085266315 17828.12272
36 Diciembre 8000 8537.126168 41.60448185 1.117992021 9625.725198
37 Enero 5000 8793.391357 84.53662319 0.388441691 3332.336641
38 Febrero 4000 8828.404963 74.63201979 0.507133618 4502.295736
39 Marzo 4000 8848.363716 63.69736644 0.512191984 4560.06418
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

40 Abril 2000 8664.044425 14.09403502 0.506107716 4510.462875

41 Mayo 5000 8659.321513 10.33064548 0.60227906 5226.661071
42 Junio 7000 8665.934366 9.587086968 0.814398917 7060.555324
43 Julio 12000 8958.675334 66.21786324 0.836901843 7260.559895
44 Agosto 14000 9204.610706 102.161365 1.109416752 10012.3677
45 Septiembre 16000 9325.014239 105.8097986 1.654325498 15396.43034
46 Octubre 16000 9429.602272 105.5654456 1.700971589 16041.56375
47 Noviembre 20000 9537.306787 105.9932594 2.088129701 19910.66692
48 Diciembre 12000 9711.161943 119.5656386 1.090855742 10519.44922
49 Enero 5000 9940.924055 141.6049333 0.415466762 4084.340561
50 Febrero 2000 9778.79289 80.85771373 0.499026022 5031.44433
51 Marzo 3000 9664.776673 41.88292765 0.503172334 4961.103409
52 Abril 2000 9436.464858 -12.15602102 0.464817419 4511.824467
53 Mayo 7000 9537.840777 10.55036697 0.598549067 5640.911264
54 Junio 6000 9439.79238 -11.16938578 0.813403163 7766.691559
55 Julio 8000 9395.649333 -17.76411807 0.912289129 8601.630257
56 Agosto 10000 9335.921468 -26.15686745 1.17115077 10982.91749
57 Septiembre 18000 9385.288409 -11.05210575 1.663548934 15487.24898
58 Octubre 20000 9493.640955 12.82882473 1.700343478 15939.42156
59 Noviembre 22000 9557.596979 23.05426449 2.089464456 19863.43071
60 Diciembre 8000 9461.143034 -0.847377453 1.112581101 10659.25151
61 Enero 0.428592451 4054.6113
62 Febrero 0.454850752 4302.63716
63 Marzo 0.474257312 4485.810635
64 Abril 0.426886373 4037.386099
65 Mayo 0.618854517 5852.449084
66 Junio 0.786733769 7439.400752
67 Julio 0.903164447 8539.610766
68 Agosto 1.156147886 10930.64297
69 Septiembre 1.701700881 16087.05758
70 Octubre 1.761292953 16648.91975
71 Noviembre 2.121319861 20050.33748
72 Diciembre 1.072528505 10136.43956
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

MAD 1294.58804
MSE 2954359.62
MAPE 24.726 %

Escogería el modelo de Winter, para estimar el pronóstico en este caso, debido a que el
MAD y el MAPE son mucho menores que en el modelo de Holt

6. Usando los datos del ejercicio 4, aplique el método de suavizamiento exponencial doble
con α=0.3 y β=0.4. ¿Qué combinación de constantes de suavizamiento escogería usted?
¿Por qué?

Aplicando regresión lineal a la demanda tenemos que:

Coeficientes
Intercepción (Lo) 948.2575758
Variable X 1 (To) 109.3321678

Mes Demanda Lt Tt Ft
(unidades)
0 948.2575758 109.3321678
1 1000 1040.312821 102.4213986 1057.589744
2 1113 1133.813953 98.85329231 1142.734219
3 1271 1244.167072 103.4532228 1232.667246
4 1445 1376.834206 115.1387874 1347.620295
5 1558 1511.781096 123.0620282 1491.972994
6 1648 1638.790187 124.6408533 1634.843124
7 1724 1751.601728 119.9091285 1763.43104
8 1850 1865.0576 117.3278257 1871.510857
9 1864 1946.869798 103.1215747 1982.385425
10 2076 2057.793961 106.24261 2049.991372
11 2167 2164.925599 106.5982215 2164.036571
12 2191 2247.366675 96.935363 2271.523821
13 2344.302038

Normalmente las constantes alfa y beta deben tener su máximo valor hasta 0.2 para
obtener un buen pronóstico.
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

7. Se establece que en una tienda minorista para el producto X existen 5 temporadas

anuales. Emplee el método estático para pronosticar la demanda por temporada para el
año 4 usando la siguiente data:

Año 1 (Q) Año 2 (Q) Año 3 (Q)

Temporada 1 30 36 43
Temporada 2 33 42 51
Temporada 3 40 49 60
Temporada 4 55 63 72
Temporada 5 49 58 56
Total 207 248 282

Grafique la serie de tiempo para la demanda, la demanda desestacionalizada y la

regresión lineal. Indique los parámetros de la regresión lineal.

Demanda
80

70

60

50

40

30

20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Fig. 1. Serie de Tiempo para la demanda

Como la periodicidad p es impar (p=5), entonces, usamos la siguiente formula, para calcular
la demanda desestacionalizada:
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Luego procedemos a encontrar los factores estacionales, pero antes nos valemos del uso
de una regresión lineal para encontrar L y T, y así encontrar la demanda
desestacionalizada en todos los periodos.

Coeficientes
Intercepción (L) 36,3636364
Variable X 1 (T) 1,63636364

Periodo Demanda D_desest_1 Regresión Lineal Fact_estacional

1 30 38 0,789473684
2 33 39,6363636 0,832568807
3 40 41,4 41,2727273 0,969162996
4 55 42,6 42,9090909 1,281779661
5 49 44,4 44,5454545 1,1
6 36 46,2 46,1818182 0,779527559
7 42 47,8 47,8181818 0,878326996
8 49 49,6 49,4545455 0,990808824
9 63 51 51,0909091 1,233096085
10 58 52,8 52,7272727 1,1
11 43 55 54,3636364 0,7909699
12 51 56,8 56 0,910714286
13 60 56,4 57,6363636 1,041009464
14 72 59,2727273 1,214723926
15 56 60,9090909 0,919402985
INDG1005 Pronóstico y Control de inventario Trabajo autónomo 3

Demanda desestac. y Regresion lineal

65

60

55

50

45

40

35

30
0 2 4 6 8 10 12 14 16

D_desest_1 Regresion Lineal

Fig. 2. Grafica de la demanda desestacionalizada y la regresión

Hay un total de 15 periodos con periodicidad de p=5, lo que implica que existen r=3 ciclos
estacionales en la información.

S1 0,786657048
S2 0,87387003
S3 1,000327094
S4 1,243199891
S5 1,039800995

Utilizando la formula calculamos el pronóstico para las 5 temporadas del Año 4:

Periodo Pronostico (Ft)_Año 4

16 49,20182262
17 56,08656736
18 65,83971057
19 83,85948355
20 71,84079602