Universidad Tcnica Federico Santa Mara

Departamento de Ingeniera Qumica y Ambiental

Administracin de la Produccin 2015-1

Tarea 1
Administracin de la
Produccin
ICN-345

Integrantes: Javiera Izaurieta G.

Jorge Urbina C.
Profesor:

Edgardo Seballos P.

Fecha:

16 de Abril 2015

Administracin de la Produccin 2015-1

Yeans, es una empresa dedicada a la fabricacin de yeans para mujeres. Comenz a vender en
Diciembre del 2013, logrando una gran aceptacin en el pblico. La demanda de este producto
desde el inicio hasta Marzo 2015, en miles de unidades, se muestra a continuacin:
Mes
Demandat
Diciembre 2013
12,64
Enero 2014
15,4
Febrero 2014
19,91
Marzo 2014
24,32
Abril 2014
27,09
Mayo 2014
31,63
Junio 2014
29,8
Julio 2014
34,15
Agosto 2014
39,19
Septiembre 2014
42,71
Octubre 2014
41,65
Noviembre 2014
45,61
Diciembre 2014
50,52
Enero 2015
56,45
Febrero 2015
58,08
Marzo 2015
59,97
Aplique todos los mtodos estudiados en clases a fin de pronosticar el mes de Abril 2015.
Seleccione el mejor mtodo y justifique su decisin (buscar los parmetros que entreguen la
mejor solucin)

Administracin de la Produccin 2015-1

Desarrollo:
A partir del problema anterior, se desarrollaran posibles pronsticos mediante los diferentes
mtodos cuantitativos. Una vez realizado lo anterior, se har una comparacin de las desviaciones
absolutas medias (DAM) y error cuadrtico medio (ECM), cumpliendo de esta forma los
objetivos propuestos.
En primer lugar se hace uso de:
Promedio mvil simple:
Para comenzar, se expondr las caractersticas de este tipo de pronstico, mediante:
Tabla 1: Caractersticas de promedio mvil simple.

Monto de datos histricos

Patrn de los datos
Horizonte de pronstico
6 a 12 meses, a menudo se Los
datos
deben
ser Corto a mediano
utilizan datos semanales
estacionarios (es decir, sin
tendencia ni temporalidad)
Fuente: Administracin de operaciones y produccin por Chase, Jacobs y Aquilano.

A continuacin, se proceder a aplicar el mtodo mediante una media mvil de 3 meses y de 9

para su posterior comparacin. Cabe destacar que cuanto ms largo sea el perodo del promedio
mvil, ms se uniformarn los datos aleatorios. Por otro lado, si llegar a existir una tendencia,
esta se ver retrasada, ya que es una caracterstica de este modelo.
La frmula de un promedio mvil simple se define como:
( 1)

Donde:
Ft = Pronstico para el siguiente perodo.
N = Nmeros de perodos para promediar.
At-1 = Ocurrencia real en el perodo pasado.
At-2, At-3 y At-n = Ocurrencias reales hace dos perodos, hace tres perodos, y as sucesivamente,
hasta hace n perodos.

Administracin de la Produccin 2015-1

Por lo tanto:
Tabla 2: Pronstico promedio mvil simple con media mvil de 3 meses.

Mes

Demandat

dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15

12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?

Pronstico
(n=3)

Error

Error abs

Error2

15,98
19,88
23,77
27,68
29,51
31,86
34,38
38,68
41,18
43,32
45,93
50,86
55,02
58,17

8,34
7,21
7,86
2,12
4,64
7,33
8,33
2,97
4,43
7,20
10,52
7,22
4,95

8,34
7,21
7,86
2,12
4,64
7,33
8,33
2,97
4,43
7,20
10,52
7,22
4,95

69,50
52,03
61,73
4,49
21,56
53,73
69,39
8,80
19,60
51,79
110,74
52,13
24,54

DAM
SESGO
ECM

6,39
6,39
46,16

Administracin de la Produccin 2015-1

Tabla 3: Pronstico promedio mvil simple con media mvil de 9 meses

Mes

Demandat

dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15

12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?

Pronstico
(n=9)

Error

Error abs

Error2

26,01
29,36
32,27
35,13
38,04
41,30
44,24
47,59

16,70
12,29
13,34
15,39
18,41
16,78
15,73

16,70
12,29
13,34
15,39
18,41
16,78
15,73

278,74
151,15
177,90
236,92
338,97
281,53
247,43

DAM
SESGO
ECM

15,52
15,52
244,66

Pues bien, una vez presentadas las tablas 2 y 3 se puede observar rpidamente que el pronstico
con media mvil de 9 meses presenta un mayor error. Por lo que queda claramente establecido
que bajo esta premisa la media mvil de 3 meses representa un resultado ms representativo de la
demanda real.

Administracin de la Produccin 2015-1

Por otro lado, se procede a agregar una figura comparativa para dejar constancia de los resultados
de manera grfica:

Promedio mvil Simple

70
60

Demanda

50
40
Demanda real
30

Pronstico con media mvil 3

20

Pronstico con media mvil 9

10
0
ago-13 nov-13 mar-14 jun-14 sep-14 dic-14 abr-15 jul-15
Mes
Figura 1: Grfica comparativa promedio mvil simple

Promedio mvil Ponderado:

Al igual que el primer mtodo, se presentan las caractersticas de este procedimiento:
Tabla 4: Caractersticas promedio mvil ponderado.

Monto de datos histricos

Patrn de los datos
Para empezar se necesitan de Los
datos
deben
5 a 10 observaciones
estacionarios

Horizonte de pronstico
ser Corto

Fuente: Administracin de operaciones y produccin por Chase, Jacobs y Aquilano.

Este pronstico permite asignar una preponderancia a cada uno de los elementos, con la
condicin de que estas sumen 1. Por lo general, se tiende a dar una mayor importancia al
elemento ms reciente.

Administracin de la Produccin 2015-1

La frmula para un promedio mvil ponderado es:
( 2)

Donde:
w1 = Ponderacin dada a la ocurrencia real para el perodo t-1.
w2 = Ponderacin dada a la ocurrencia real para el perodo t-2.
w3 = Ponderacin dada a la ocurrencia real para el perodo t-3.
n = Nmero total de perodos en el pronstico.
Por lo tanto:
Tabla 5: Pronstico de promedio mvil ponderado.

Mes

Demandat

Media Mvil Ponderacin

trimestral

dic-13
ene-14
feb-14

12,64
15,4
19,91

mar-14

24,32

17,10

abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15

27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?

21,21
24,82
28,81
29,81
32,34
35,80
39,94
41,48
43,84
47,27
52,50
56,08
58,70

Ponderacin
aplicada

Perodo

5
3
2

ltimo mes
Hace dos meses
Hace tres meses
Suma
ponderaciones

10

Error

7,22
5,88
6,81
0,99
4,34
6,85
6,91
1,71
4,13
6,68
9,18
5,58
3,89

DAM
SESGO
ECM

5,40
5,40
34,04

Administracin de la Produccin 2015-1

A continuacin se presenta la grfica respectiva:

Promedio Mvil Ponderado

70
60

Demanda

50

Demanda Real

40
Media Mvil con
ponderacin
trimestral

30
20
10
0
ago-13 nov-13 mar-14 jun-14 sep-14 dic-14 abr-15
Mes

jul-15

Figura 2: Grfica comparativa promedio mvil ponderado.

A primera vista, se logra observar que este mtodo representa de manera ms concluyente la
demanda real, respecto al antecesor presentado en este informe. Esto se puede explicar dada la
mayor ponderacin que posee el ltimo elemento, respecto al ms antiguo.
Suavizado exponencial:
Se presenta la tabla con las caractersticas correspondientes:
Tabla 6: Caractersticas suavizado exponencial.

Monto de datos histricos

Patrn de los datos
Para empezar se necesitan de Los
datos
deben
5 a 10 observaciones
estacionarios

Horizonte de pronstico
ser Corto

Fuente: Administracin de operaciones y produccin por Chase, Jacobs y Aquilano.

Este mtodo tiene como gran ventaja, la utilizacin de una menor cantidad de datos histricos, ya
que al agregar un nuevo dato, se elimina el anterior y se calcula un nuevo pronstico. Debido a
que en la mayora de los casos las ocurrencias ms recientes son mejores indicadores del futuro
en comparacin a los datos con mayor data.
La constante de suavizacin determina el nivel de uniformidad y velocidad de reaccin a las
diferencias entre los pronsticos y las ocurrencias reales, pero hay que tener en cuenta que a una
mayor variacin de la demanda real, la constante deber ser de mayores puntos porcentuales.

Administracin de la Produccin 2015-1

Dado lo anterior se tiene que el pronstico de suavizado exponencial se presenta como:

( 3)

Donde:
Ft = El pronstico suavizado exponencialmente para el perodo t.
Ft-1 = El pronstico suavizado exponencialmente para el perodo anterior.
At-1 = La demanda real para el perodo anterior.
= El ndice de respuesta deseado, o la constante de suavizacin.
Por lo tanto, se tiene:
Tabla 7: Pronstico suavizado exponencial.

Mes

Demandat

Ft

Error

Error abs

Error2

dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15

12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?

13,00
12,75
14,59
18,28
22,46
25,67
29,80
29,80
32,81
37,23
41,03
41,46
44,34
48,62
54,05
56,84
59,01

-0,36
2,65
5,32
6,04
4,63
5,96
0,00
4,35
6,38
5,48
0,62
4,15
6,18
7,83
4,03
3,13

0,36
2,65
5,32
6,04
4,63
5,96
0,00
4,35
6,38
5,48
0,62
4,15
6,18
7,83
4,03
3,13

0,13
7,02
28,34
36,54
21,40
35,52
0,00
18,92
40,65
30,00
0,39
17,23
38,25
61,29
16,27
9,79

DAM
SESGO
ECM

4,19
4,15
22,61

Administracin de la Produccin 2015-1

Se presenta la grfica respectiva:

Suavizado Exponencial Simple

70
60
50
Demanda

Demanda Real
40
30
Pronstico con
Suavizado
Exponencial

20
10
0
may-13

nov-13

jun-14
Mes

dic-14

jul-15

Figura 3: Grfica comparativa suavizado exponencial.

El pronstico anterior fue desarrollado con un

, este fue obtenido mediante la funcin
solver que itero valores probables de alfa hasta obtener uno que provocar la menor desviacin
absoluta media, provocando en consecuencia que los datos desarrollados fueron lo ms cercano a
la demanda real. Lo anterior, se ve sustentado dado el bajo valor del DAM.
Suavizacin exponencial con tendencia:
A continuacin se expone las caractersticas de este mtodo:
Tabla 8: Caractersticas suavizado exponencial con tendencia.

Monto de datos histricos

Patrn de los datos
Para empezar se necesitan de Estacionarios y tendencias
5 a 10 observaciones

Horizonte de pronstico
Corto

Fuente: Administracin de operaciones y produccin por Chase, Jacobs y Aquilano.

Una tendencia en el set de datos puede provocar que el pronstico exponencial quede por debajo
o atrs de la ocurrencia real, por lo que se hace necesaria una correccin que es provocada por la
adicin de unos ajustes a las tendencias. Al contrario del caso simple, son necesarias dos
constantes de suavizacin, la ya conocida y una constante de suavizacin beta , la que es
utilizada en la ecuacin de la tendencia. Siendo esta la que provoca una disminucin en el error
de la realidad con el pronstico.

10

Administracin de la Produccin 2015-1

Las ecuaciones para calcular el pronstico incluida la tendencia (FIT , forecast including trend)
es:
( 4)

( 5)

( 6)

Donde:
Ft = El pronstico suavizado exponencialmente para el perodo t.
Tt = La tendencia suavizada exponencialmente para el perodo t.
FITt = El pronstico incluida la tendencia para el perodo t.
FITt-1 = El pronstico incluida la tendencia hechas para el perodo anterior.
At-1 = La demanda real para el perodo anterior.
= Constante de suavizacin.
= Constante de suavizacin.
Por lo tanto se tiene:
Tabla 9: Pronstico suavizado exponencial con tendencia.

Mes

Demandat

Ft

Tt

FIT

Error

dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15

12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?

13,00
13,91
15,96
19,54
23,64
26,91
30,98
31,38
34,23
38,44
42,22
43,00
45,75
49,84
55,08
58,08
60,39

3,00
2,98
2,97
2,97
2,99
2,99
3,00
2,97
2,97
2,99
2,99
2,97
2,97
2,98
3,00
3,00
3,00

16,00
16,89
18,93
22,51
26,62
29,90
33,98
34,35
37,20
41,42
45,22
45,97
48,71
52,82
58,08
61,08
63,39

-3,36
-1,49
0,98
1,81
0,47
1,73
-4,18
-0,20
1,99
1,29
-3,57
-0,36
1,81
3,63
0,00
-1,11

11

Administracin de la Produccin 2015-1

DAM
SESGO
ECM

1,75
-0,04
4,66

Se presenta la grfica respectiva:

Suavizado Exponencial con Tendencia

70
60

Demanda

50
Demanda Real

40
30

Suavizado
Exponencial
con Tendencia

20
10
0
may-13

nov-13

jun-14
Mes

dic-14

jul-15

Figura 4: Grfica comparativa de suavizacin exponencial.

Al igual que su predecesor, las constantes de suavizacin son

y
, las que
fueron calculadas mediante solver, el que realizado iteraciones hasta determinar cules eran los
valores que produciran una menor desviacin absoluta media, logrando de esta manera el
pronstico ms cercano hasta este punto y que se ve sustentado en el menor error obtenido.

12

Administracin de la Produccin 2015-1

Regresin Lineal:
Se presenta la tabla con las caractersticas correspondientes:
Tabla 10: Caractersticas Regresin Lineal.

Monto de datos histricos

Patrn de los datos
Horizonte de pronstico
De 10 a 20 observaciones; Estacionarios, tendencias y Corto a mediano
para la temporalidad, por lo temporalidad
menos 5 observaciones por
temporada.
Fuente: Administracin de operaciones y produccin por Chase, Jacobs y Aquilano.

Este mtodo se refiere a una clase de regresin especial, en la que la relacin de las variables
forma una lnea recta, en la cual se forma una relacin funcional entre dos o ms variables
correlacionadas, es decir, se utiliza para pronosticar una variable a partir de otra con datos
observados. La regresin es til para el pronstico a largo plazo de eventos importantes, pero la
principal restriccin, es que supone que los datos pasados y los pronsticos futuros caen sobre
una recta.
La recta de la regresin lineal tiene la forma:
( 7)

Donde b, se determina a partir:

( 2)

a partir de:

Donde:
Y = Es el valor de la variable dependiente calculada con la ecuacin de regresin.
= Es la secante en Y.
b = Es la pendiente.
X = Es la variable independiente.
= Promedio de todas las .
= Promedio de todas las .
= Valor de cada punto de datos.
= Valor de cada punto de datos.
= Nmero de puntos de datos

13

( 3)

Administracin de la Produccin 2015-1

Por lo tanto, se tiene:
Tabla 11: Regresin Lineal

Mes

Perodo de
tiempo (X)

(Y) Demandat

X2

XY

Pronstico

Error

Error abs

Error2

dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
SUMA
PROMEDIO

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
136
8,5

12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
589,12
36,82

1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
1496

12,64
30,8
59,73
97,28
135,45
189,78
208,6
273,2
352,71
427,1
458,15
547,32
656,76
790,3
871,2
959,52
6070,54

13,37
16,50
19,62
22,75
25,88
29,00
32,13
35,26
38,38
41,51
44,64
47,76
50,89
54,02
57,14
60,27

-0,73
-1,10
0,29
1,57
1,21
2,63
-2,33
-1,11
0,81
1,20
-2,99
-2,15
-0,37
2,43
0,94
-0,30

0,73
1,10
0,29
1,57
1,21
2,63
2,33
1,11
0,81
1,20
2,99
2,15
0,37
2,43
0,94
0,30

0,53
1,20
0,08
2,46
1,47
6,90
5,43
1,22
0,65
1,44
8,92
4,63
0,14
5,92
0,88
0,09

b
3,13
a
10,24
Demanda Abril 2015
abr-15
17

63,40

Modelo de regresin lineal obtenido:

DAM

1,38

SESGO
ECM

0,00
2,62

14

Administracin de la Produccin 2015-1

Se presenta la grfica respectiva:

Regresin Lineal
70
60

Demanda

50
40
Demanda Real

30

Regresin Lineal

20
10
0
may-13

nov-13

jun-14
Mes

dic-14

jul-15

Figura 5: Grfica comparativa Regresin Lineal.

A partir de los resultados obtenidos de errores y de la figura presentada, se observa que este
mtodo se ajusta de buena manera a la demanda real. Ya que este mtodo de mnimos cuadrados,
trata de ajustar la recta a los datos que minimizan la suma de los cuadrados de la distancia
vertical entre cada punto de datos y el punto correspondiente en la recta.
Conclusiones:
Finalmente se presentan los resultados en una tabla comparativa:
Tabla 12: Comparacin de los errores de los modelos.

DAM
SESGO
ECM

PROMEDIO MVIL
SIMPLE

PROMEDIO
MVIL
PONDERADO

SUAVIZADO
EXPONENCIAL

SUAVIZADO
EXPONENCIAL
CON TENDENCIA

REGRESIN
LINEAL

6,39
6,39
46,16

5,40
5,40
34,04

4,19
4,15
22,61

1,75
-0,04
4,66

1,38
0,00
2,62

15

Administracin de la Produccin 2015-1

Adems se agrega la siguiente grfica:

Comparacin Pronsticos
70

Demanda Real

60

Pronstico con Media Mvil

3
Pronstico con Media Mvil
9
Promedio Mvil Ponderado

Demanda

50
40
30

Suavizado Exponencial

20

Suavizado Exponencial con

Tendencia
Regresin Lineal

10
0
ago-13 nov-13 mar-14 jun-14Messep-14

dic-14

abr-15

jul-15

Figura 6: Grfica comparativa de los pronsticos cuantitativos.

Una vez presentadas las diferentes desviaciones absolutas medias, sesgos y errores cuadrados
medios de los diferentes pronsticos, se puede observar que la que representa mayor cercana a la
demanda real, es la proyeccin realizada con la regresin lineal. Lo anterior se poda suponer,
debido a las caractersticas del set de datos dados, los que presentaban una tendencia evidente. De
esta forma descartando a primera vista el promedio mvil simple, promedio mvil ponderado y
suavizado exponencial, aun as se realizaron estos procedimientos para dejar constancia
cuantitativa de lo supuesto. Por ltimo y bajo la premisa de los argumentos expuestos, se
desarrollaron los modelos de suavizado exponencial con tendencia y regresin lineal, donde los
resultados a favor del ltimo se pueden ver favorecidos al haber una mayor cantidad de
elementos. Por otro lado, la iteracin realizada por solver en el pronstico de suavizado
exponencial con tendencia se pudo haber visto perjudicada, ya que esta herramienta puede que no
haya encontrado un mnimo global que entrega unos mejores parmetros.

16