CAPITULO 4: PRONÓSTICOS 119

no se puede determinar el número de accesorios demandados para el mes próximo sin conocer
el número de permisos emitidos el mes próximo.
La extrapolación de los resultados de una ecuación de regresión puede ser peligrosa. Si se
emitieran 200 permisos en un mes en particular, este número es más grande que cualquiera de
los datos usados para ajustar la ecuación de regresión. El pronóstico resultante de la ecuación
es sospechoso, porque estadísticamente sólo deben usarse valores dentro del rango de los datos
usados para ajustar la ecuación.
Debe tenerse mucho cuidado al usar modelos causales. Con frecuencia, la relación causa y
efecto no es clara, pero de todas maneras se usa un modelo causal. Barron y Targett (1985) ana-
lizan un caso en Inglaterra, en el que una aerolínea importante pronosticó el número de millas-
 pasajero
 pasajero usando
usando un modelo
modelo causal
causal con la producció
producciónn manufacturer
manufactureraa del país como
como valor inde-
inde-
 pendiente. Estadísticamente, el modelo se "ajustaba" bien, pero después de varios meses de
 buenos
 buenos pronóst
pronósticos
icos,, los resul
resultado
tadoss no se podían
podían usar.
usar. No
No existía
existía una
una relación
relación causal
causal;; la produc-
produc-
ción manufacturera no causaba millas de vuelo. El modelo se ajustaba porque ambas variables
aumentaban en tiempos de economía próspera. El modelo falló cuando la economía se vino
abajo y la manufactura se cayó, lo que indicaba una disminución en las millas-pasajero vola-
das. Al mismo tiempo, el valor del dólar disminuyó en relación con la libra y muchos británicos
volaron a Estados Unidos en sus vacaciones, esto aumentó el número de millas-pasajero vo-
ladas.
Si las relaciones causales no existen, la regresión no es el mejor método de pronósticos. Se
examinarán otros enfoques de pronósticos en las siguientes secciones.

SECCIÓN 4 EJERCICIOS

4.17. Se ha desarrollado
desarrollado una ecuación de regresión para un rendimiento de cobre 99.99% puro
puro por acre
cúbico de tierra en función de la acidez del suelo. La relación es
 y = 164 + 32.3*

donde y es el número de tons/acre 3 de cobre y  x es la acidez del suelo.

a) Calcule el pronóstico para una parcela de tierra si su acidez es 2.2.
b) Calcule el pronóstico para otra parcela de tierra con acidez de 6.2.

4.18. Reno Shipyards repara

repara buques transatlánticos.
transatlánticos. Muchas placas de acero grandes se sueldan juntas y
a los cascos de los barcos. Cuando se acepta una licitación para un trabajo, se hace una estimación
de las toneladas de acero necesarias para la reparación. Las órdenes para el siguiente mes se agre
gan y se ordena el acero a la fundidora. También se ordenan varillas de soldadura. Parece razona
 ble que la cantidad ded e varillas de soldadura
soldadu ra usadas esté relacionada
relacio nada con la cantidad de acero
necesaria. La siguiente tabla muestra los datos para los últimos dos años de la utilización de acero
(tons) y de las varillas de soldadura usadas (quintales = 46 kg).
a) Presente una gráfica de dispersión de los datos.
b) Usando regresión lineal simple, escriba una ecuación para cuántos quintales de varilla deben
ordenarse para una utilización de acero proyectada.
c) ¿Piensa usted que ésta es una ecuación acertada? ¿Por qué sí o por qué no?
d) Determine la cantidad de varilla a ordenar si Reno planea usar 175 tons de acero el mes pró
ximo.
é) Proporcione intervalos de confianza y de predicción para este pronóstico.
120 PLANEACIÓN Y CONTROL DE LA PRODUCCIÓN

Mes 1 2 3 4 5 6 7 8 9 10 11 12
Acero 116 104 119 96 79 78 104 103 114 92 97 110
Varilla 229 234 272 196 161 189 226 209 262 179 204 234

Mes 13 14 15 16 17 18 19 20 21 22 23 24

Acero 114 107 99 105 94 111 108 97 90 92 88 117

Varilla 237 224 209 246 189 233 242 230 199 170 165 263

4.19. Trame Incorporated produce sistemas de aire acondicionado a la medida. Están orgullosos de que
surten las órdenes de los clientes con rapidez; sin embargo, para ellos es más importante ser ho-
nestos con los clientes sobre la fecha de entrega de su orden. El tiempo de entrega es el tiempo que
tomará desde aceptar la orden hasta completarla, y las órdenes en proceso actuales afectan este
tiempo. Para ayudar a la fuerza de ventas a establecer fechas de entrega realistas y mejorar la pro-
gramación (vea el capítulo 8), el departamento de producción quiere desarrollar un modelo para
 predecir el tiempo de entrega. La siguiente tabla contiene 32 observaciones del tiempo (en horas)
 para completar un trabajo, dado el número de trabajos en proceso actuales. ¿Qué modelo sugeri-
ría? Justifique su respuesta. Si son cinco los trabajos en proceso, ¿cuál es la estimación?

Obs. Pedido Tiempo Obs. Pedido Tiempo

1 6 11.40 17 17 87.70
2 9 15.74 18 10 44.53
3 17 96.38 19 12 50.98
4 6 25.53 20 14 91.46
5 7 31.20 21 6 40.63
6 18 114.27 22 18 117.87
7 8 27.18 23 7 10.56
8 8 35.49 24 6 31.02
9 15 91.95 25 8 21.65
10 9 32.03 26 13 69.48
11 6 25.97 27 15 87.06
12 12 57.74 28 14 68.83
13 5 23.78 29 19 115.78
14 7 17.70 30 15 94.45
15 18 111.33 31 18 94.70
16 11 49.57 32 18 103.40

4.20. Ron es dueño del videoclub Popcorn and Movies en un área universitaria. Los fines de semana,
tiene muchos pedidos de películas populares. Sólo tiene una oportunidad de ordenar los videos,
 por lo que es importante que obtenga el número correcto. Demasiados atoran el dinero, pero si or-
dena muy pocos, los clientes irán a otro local de renta de videos. Sue, una de sus empleadas, tiene
estudios en administración y piensa que existe una relación entre el número de pedidos de una pe-
lícula en particular y el número de boletos vendidos cuando la película se exhibió en los cines.
Asegura que mientras más boletos vendidos, más alta será la demanda de renta de videos, ya que
debió haber sido una buena película. Ron piensa que las personas que vieron la película en los ci-
nes no la rentarán. Para llegar a un acuerdo, Sue registra el número de pedidos de 20 películas el
viernes en la noche, que es la noche de mayor demanda. También busca las ventas de boletos, en
millones de dólares, para las películas. Use esta información para ayudar a Ron a decidir cuántos
videos de una película en particular debe ordenar.
 CAPÍTULO 4: PRONÓSTICOS 121

Número Boletos Pedidos Número Boletos Pedidos

de películ a vendidos para renta de película vendidos para renta
1 13.06 14 11 13.67 14
2 12.15 11 12 14.08 14
3 10.67 6 13 10.58 8
4 10.47 5 14 15.45 16
5 11.37 10 15 14.26 13
6 17.76 15 16 18.30 14
7 15.00 17 17 13.61 14
8 18.57 11 18 17.79 16
9 17.51 13 19 19.86 12
10 18.88 10 20 12.76 11

4.21. Armando posee naranjales en Culican. Él ha recolectado datos sobre el total de lluvias (pulgadas),
la temperatura alta promedio (grados Farenheit) y la cosecha (libras/acre) para las últimas 20 tem-
 poradas. Los datos son los siguientes:
Lluvia 11 22 20 22 13 23 23 10 24 21
Temp. 91 80 88 85 94 83 82 87 84 89
Cosecha 1713 4439 5012 4741 2613 4436 4257 1520 4092 5040
Lluvia 21 19 19 25 14 24 24 22 12 18
Temp. 92 82 93 86 84 90 94 81 93 88
Cosecha 5207 5075 4971 3794 4152 4585 4854 4497 2086 4918

El pronóstico del servicio meteorológico es de 17 in de lluvia y 88°F de temperatura. Ellos confían

en que la cantidad de lluvia estará entre 15 in y 20 in y la temperatura entre 85°F y 90°F. Las naranjas
se procesan en un periodo de una semana al final de la temporada. Un trabajador puede procesar
800 Ib por día. Armando tiene 100 acres de naranjales y cuenta en este momento con 100 trabaja-
dores para la semana siguiente a la temporada. ¿Qué consejo le daría sobre el nivel de su fuerza de
trabajo?
4.22. Las técnicas de regresión lineal simple minimizan la suma de los cuadrados de las desviaciones de
los datos respecto a la recta estimada, es decir,

Si hay uno o dos datos disparados, éstos afectarán la recta resultante porque se usa el cuadrado de
la diferencia. Si se está pronosticando un proceso con tendencia que tiene mucho ruido, se puede
querer disminuir el "peso" de la diferencia. Una manera de hacer esto es minimizar la suma de los
valores absolutos de las diferencias, en lugar de los cuadrados. Esto es, mín X" =, \y¡-(a + bx¡)\.
Desafortunadamente, no existe una solución con una fórmula corta, pero a yb se pueden obtener
resolviendo un modelo de programación lineal. Desarrolle un modelo de PL para estimar la orde-
nada y la pendiente de un recta ajustada, dadas n observaciones tanto de la variable dependiente  y¡
como de la variable independiente  x¡.
4.23. Una suposición tácita de mínimos cuadrados es que una sobreestimación es igual a una subestima
ción, lo cual no siempre es el caso.
á) Desarrolle un método que dé estimaciones adecuadas para un modelo de tendencia para un sis-
tema de inventarios, si un faltante cuesta el doble que un sobrante.
b) Suponga que un producto tiene una vida esperada de un año. Los faltantes en un principio se
 pueden satisfacer más tarde, y los sobrantes se pueden usar para satisfacer la demanda futura.
122 PLANEACIÓN Y CONTROL DE LA PRODUCCIÓN

Los pronósticos malos hacia el final de la vida del producto pueden ser más costosos debido a
que puede haber productos que compiten y puede ser que los sobrantes sean desperdicio. Mo-
difique su solución en el inciso á) de manera que se pueda manejar este problema.

5 MÉTODOS DE SERIES DE TIEMPO

Para pronósticos a corto plazo, se usan mucho los métodos de series de tiempo. Una serie de
tiempo es simplemente una lista cronológica de datos históricos, para la que la suposición esen-
cial es que la historia predice el futuro de manera razonable. Existen varios modelos y métodos
de series de tiempo entre los cuales elegir, y que incluyen el modelo constante, de tendencia y
estacional, dependiendo de los datos históricos y de la comprensión del proceso fundamental.
Para cada modelo, se cuenta con varios métodos de pronóstico, que incluyen promedios, pro-
medios móviles, suavizamiento exponencial, regresión y tal vez combinaciones de todos éstos.
Debido a que debe reconocerse qué modelo es adecuado para una serie de tiempo dada, se ana-
lizará cada modelo por separado.

5.1 Proceso constante

La compañía Calgore es una de las más grandes productoras de dentífrico en Estados Unidos.
Casi 50% de este producto se fabrica en su planta de New Jersey, el resto de la producción está
dispersa en las otras cinco plantas en el país. El gerente de producción del dentífrico, Ned Mur-
 phy, está preocupado por cuánta pasta debe producir la semana próxima. Las cifras de ventas
reales (en cajas) para las últimas 50 semanas, obtenidas del departamento de comercialización,
están dadas en la tabla 4-7. Lo primero que Ned hace es graficar los datos (figura 4.7).

TABLA 4-7
Venta semanal Semana Demanda Semana Demanda Semana Demanda

dentífrico (en 1 56 18 55 35 52
de cajas) 2 46 19 52 36 48
3 53 20 52 37 50
4 50 21 44 38 49
5 50 22 47 39 52
6 52 23 57 40 48
7 46 24 45 41 47
8 53 25 48 42 48
9 55 26 55 43 44
10 46 27 50 44 43
11 53 28 42 45 50
12 45 29 50 46 57
13 50 30 57 47 46
14 49 31 51 48 44
15 48 32 54 49 52
16 43 33 54 50 58
17 47 34 51