MATERIA: PRODUCCION II

PREGUNTAS FRECUENTES

1. SOBRE LA BIBLIOGRAFIA PRODUCCION II

1) Krajewsky Lee J., Ritzman Larry P. (2000) Administración de

operaciones: estrategia y análisis. Editorial Pearson Educación. México.
Se encuentra disponible en las librerías del país. También pueden consultar
en:https://drive.google.com/file/d/0BzMeCCkNVHaEWlcwWDNnRVIxd3c/view?
usp=sharing

2) Adler M Coordinador (2004) Producción y Operaciones, Ediciones

Macchi, Buenos Aires, Argentina. SOLAMENTE LOS CAPITULO 20 Y 21. Se
encuentra el libro completo en las librerías del país. También pueden consultar
en la Editorial Lapiz Negro, llamando al: 351 7 522398 y el correo
lapiz_negro2012@hotmail.com

2. Sobre los cuatro tipos de inventarios:

Inventario del ciclo, esto deriva de los inventarios cíclicos que se denominan
así por la repetitividad de las decisiones, es decir siempre se pide la misma
cantidad (lote) durante determinados periodos de tiempo. El inventario del ciclo
es el promedio de dicha cantidad por lo que el mismo es representado por la
expresión Q/2. Por ejemplo, al principio el inventario se encuentra en su punto
máximo, al final del ciclo (antes de la llegada del nuevo lote) en su punto mínimo
es decir cero, luego el inventario promedio del ciclo Q+0/2 = Q/2
El inventario de seguridad podríamos decir que es el que se mantiene para
asegurar la disponibilidad durante el período de aprovisionamiento ( sin lugar a
dudas que también sirven, llegado el caso, para absorber variaciones de
demanda), mientras que los de previsión (algunos autores lo denominan
inventarios de anticipación) es el que se conforma fuera de temporada para
satisfacer una demanda futura estimada (o conocida), o como en el caso de un
productor que los mantiene para hacer frente, con una capacidad limitada, a
picos de demanda. Es decir se crean existencias para hacer frente al
crecimiento.
Inventario de previsión, continuando con el concepto anterior, son los que se
mantienen para hacer frente a una producción determinada por las
irregularidades derivadas de la demanda
Inventario en tránsito, los que se verifican por el movimiento de mercaderías,
por ejemplo las grandes superficies de ventas (Wall mart, Carrefour, etc) tienen
grandes inventarios en tránsito ya que no poseen almacenes, todo el comercio
es un almacén. Es decir son los derivados del transporte.
3. EJERCICIOS extras de LOTE ECONOMICO

1) La Speedy Grocery promueve una marca particular de café que tiene las
siguientes características:

Ventas = 10 cajas por semana. (D)

Costo de orden = $ 10 por orden (S)

Cargos por llevar inventario = 30 por ciento al año (H)

Costo por artículo = $ 80 por caja

a) ¿Cuántas cajas se deben ordenar a la vez?

b) ¿Con que frecuencia se debe ordenar el café?

c) ¿Cuál es el costo anual de ordenar y llevar café?

d) ¿Qué factores podrían ocasionar que la compañía ordenara una cantidad

más grande o más pequeña que el Lote Económico?

2) La tienda Grinell Machine fabrica una línea de planchas metálicas para sus
clientes. Algunas de estas planchas se llevan en el inventario de producto
terminado. Una plancha en particular tiene las siguientes características:

Ventas = 200 al año (D)

Costo de colocación de orden = $ 1200 por colocación (esto incluye la

preparación de la máquina para todas las diferentes partes de la plancha) (S)

Costo de llevarlo en inventario = 20 por ciento al año (H)

Costo del artículo = $ 25

a) ¿Cuántas de estas planchas se deben fabricar en un lote de producción?

b) ¿Con que frecuencia se debe programar la producción?

c) ¿Qué factores podrían ocasionar que la compañía programara un tamaño

diferente de lote al que usted calculó?
Las expresiones a utilizar son las que están en el manual y en las páginas 553
a 556 de la bibliografía obligatoria y son las siguientes:

Qe = √ 2*D*S/H

Donde :

Qe = lote económico
D = Demanda
S= Costo de ordenar
H = costo de almacenar

F = (Qe/D)* 365

Donde

F = frecuencia en días
Qe = lote económico
D = Demanda

Asimismo les adjuntamos una planilla excel con un ejercicio de lote económico.
Si cambian los datos de entrada van a tener infinitos ejercicios.

4. Sobre REGRESION LINEAL

El objetivo de la regresión lineal es justamente encontrar los valores de a y de

b que minimicen la suma de las desviaciones de los puntos de la recta de
regresión.

La bibliografía dice que recurran a la computadora para calcular los valores de

a y de b, existen expresiones, proporcionadas por el método de los cuadrados
mínimos, para su determinación pero la forma mas simple es recurrir a la
utilización del excel con el cual obtendrán la solución de forma rápida y precisa.

Para calcular a que es la ordenada al origen, la regresión simple está

representada por una ecuación y = a+ bx, tiene que utilizar
INTERSECCION.EJE y para obtener la pendiente de la recta tiene que poner
PENDIENTE.

Ya que depende cuanto conocen del excel les adjunto un ejemplo resuelto que
muestra como usar el excel para los pronósticos.

Se adjunta el Excel.
INFORMACION AMPLIATORIA DE REGRESIÓN LINEAL

Abordaremos en esta página las distribuciones bidimensionales. Las

observaciones se dispondrán en dos columnas, de modo que en cada fila figuren
la abscisa x y su correspondiente ordenada y. La importancia de las
distribuciones bidimensionales radica en investigar como influye una variable
sobre la otra. Esta puede ser una dependencia causa efecto, por ejemplo, la
cantidad de lluvia (causa), da lugar a un aumento de la producción agrícola
(efecto). O bien, el aumento del precio de un bien, da lugar a una disminución de
la cantidad demandada del mismo.
Si utilizamos un sistema de coordenadas cartesianas para representar la
distribución bidimensional, obtendremos un conjunto de puntos conocido con el
diagrama de dispersión, cuyo análisis permite estudiar cualitativamente, la
relación entre ambas variables tal como se ve en la figura. El siguiente paso, es
la determinación de la dependencia funcional entre las dos variables x e y que
mejor ajusta a la distribución bidimensional. Se denomina regresión lineal
cuando la función es lineal, es decir, requiere la determinación de dos
parámetros: la pendiente y la ordenada en el origen de la recta de regresión,
y=ax+b.
La regresión nos permite además, determinar el grado de dependencia de las
series de valores X e Y, prediciendo el valor y estimado que se obtendría para
un valor x que no esté en la distribución.

Vamos a determinar la ecuación de la recta que mejor ajusta a los datos

representados en la figura. Se denomina error ei a la diferencia yi-y, entre el valor
observado yi, y el valor ajustado y= axi+b, tal como se ve en la figura inferior. El
criterio de ajuste se toma como aquél en el que la desviación cuadrática media
sea mínima, es decir, debe de ser mínima la suma
El extremos de una función: máximo o mínimo se obtiene cuando las derivadas
de s respecto de a y de b sean nulas. Lo que da lugar a un sistema de dos
ecuaciones con dos incógnitas del que se despeja a y b.

El coeficiente de correlación es otra técnica de estudiar la distribución

bidimensional, que nos indica la intensidad o grado de dependencia entre las
variables X e Y. El coeficiente de correlación r es un número que se obtiene
mediante la fórmula.

El numerador es el producto de las desviaciones de los valores X e Y respecto

de sus valores medios. En el denominador tenemos las desviaciones cuadráticas
medias de X y de Y.

El coeficiente de correlación puede valer cualquier número comprendido entre -

1 y +1.

Cuando r=1, la correlación lineal es perfecta, directa.

Cuando r=-1, la correlación lineal es perfecta, inversa

Cuando r=0, no existe correlación alguna, independencia total

de los valores X e Y

REGRESION LINEAL (METODO CAUSAL)

La regresión es un método de análisis que sirve para poner en evidencia las
relaciones que existen entre diversas variables.

El objeto de un análisis de regresión es investigar la relación estadística que

existe entre una variable dependiente (Y) y una o más variables independientes
( X 1 , X 2 , X 3 , ... ). Para poder realizar esta investigación, se debe postular una
relación funcional entre las variables. Debido a su simplicidad analítica, la forma
funcional que más se utiliza en la práctica es la relación lineal. Cuando solo
existe una variable independiente, esto se reduce a una línea recta:

Yˆ  a0  b1 X

donde los coeficientes a0 y b1 son parámetros que definen la posición e

inclinación de la recta. (Nótese que hemos usado el símbolo especial Yˆ para
representar el valor de Y calculado por la recta. Como veremos, el valor real de
Y rara vez coincide exactamente con el valor calculado, por lo que es importante
hacer esta distinción.)

El parámetro a0, conocido como la “ordenada en el origen,” nos indica cuánto es

Y cuando X = 0. El parámetro b1, conocido como la “pendiente,” nos indica
cuánto aumenta Y por cada aumento de una unidad en X. Nuestro problema
consiste en obtener estimaciones de estos coeficientes a partir de una muestra
de observaciones sobre las variables Y y X. En el análisis de regresión, estas
estimaciones se obtienen por medio del método de mínimos cuadrados.

Como ejemplo, consideremos las cifras del Cuadro 1, que muestra datos
mensuales de producción y costos de operación para una empresa británica de
transporte de pasajeros por carretera durante los años 1949-52 (la producción
se mide en términos de miles de millas-vehículo recorridas por mes, y los costos
se miden en términos de miles de libras por mes). Para poder visualizar el grado
de relación que existe entre las variables, como primer paso en el análisis es
conveniente elaborar un diagrama de dispersión, que es una representación en
un sistema de coordenadas cartesianas de los datos numéricos observados. En
el diagrama resultante, en el eje X se miden las millas-vehículo recorridas, y en
el eje Y se mide el costo de operación mensual. Cada punto en el diagrama
muestra la pareja de datos (millas-vehículo y costos de operación) que
corresponde a un mes determinado. Como era de esperarse, existe una
relación positiva entre estas variables: una mayor cantidad de millas-vehículo
recorridas corresponde un mayor nivel de costos de operación.
Diagrama de Dispersión

Cuadro 1.
Operaciones Mensuales en
una Empresa de Transporte de
Pasajeros.

Costos Millas
Totales Vehículo
(miles) (miles)
Mes Nº Y X

1 213.9 3147
2 212.6 3160
3 215.3 3197
4 215.3 3173
5 215.4 3292
6 228.2 3561
7 245.6 4013
8 259.9 4244
9 250.9 4159
10 234.5 3776
11 205.9 3232
12 202.7 3141
13 198.5 2928
14 195.6 3063
15 200.4 3096
16 200.1 3096
17 201.5 3158
18 213.2 3338
19 219.5 3492
20 243.7 4019
21 262.3 4394
22 252.3 4251
23 224.4 3844
24 215.3 3276
25 202.5 3184
26 200.7 3037
27 201.8 3142
28 202.1 3159
29 200.4 3139
30 209.3 3203
31 213.9 3307
32 227.0 3585
33 246.4 4073

Fuente: 1966), p. 118.

Por otro lado, también se aprecia por qué este gráfico se denomina
un diagrama de “dispersión”: no existe una relación
matemáticamente exacta entre las variables, ya que no toda la
variación en el costo de operación puede ser explicada por la
variación en las millas-vehículo. Si entre estas variables existiera
una relación lineal perfecta, entonces todos los puntos caerían a lo
largo de la recta de regresión, que también ha sido trazada y que
muestra la relación “promedio” que existe entre las dos variables.
En la práctica, se observa que la mayoría de los puntos no caen
directamente sobre la recta, sino que están “dispersos” en torno a
ella. Esta dispersión representa la variación en Y que no puede
atribuirse a la variación en X.
5. Error en EPIC: no coinciden las consignas de los TP 1 y 2 con el
desarrollo del TP.
Se produjo un error en la carga del archivo que contiene las consignas del
TRABAJO PRACTICO NRO 1 y NRO 2 de la MATERIA PRODUCCION 2 EN
EPIC. Para poder resolverlos deberán leer como CONSIGNAS PREVIAS del
adjunto que les envío en este mensaje.

Sobre los Componentes (o Patrones) de la demanda

La demanda se expresa comúnmente a través de una serie temporal, la cual se

define como una secuencia de datos uniformemente espaciados (en días,
semanas, años, etc.). Esta información se puede graficar en un eje cartesiano
donde el eje vertical es la cantidad demandada y el eje horizontal el tiempo.
A modo de ejemplo se muestra en el gráfico siguiente una demanda aleatoria

En los modelos de serie temporal la demanda futura se estima a partir de la

demanda pasada, dejando generalmente de lado el resto de variable de
influencia.
Las series temporales poseen cinco componentes básicos (VER
BIBLIOGRAFIA), denominados componentes de demanda o también patrones:
tendencia, estacionalidad, ciclos, variaciones aleatorias y horizontalidad
1. Tendencia: movimiento gradual de ascensos y descensos de los datos a lo
largo del tiempo. Actualmente, si graficáramos la demanda de automóviles
nuevos en la Argentina, nos mostraría una tendencia alcista, y para el grafico
precedente la tendencia alcista se muestra a partir del año 2002
2. Estacionalidad: datos que se repiten cada cierto período de tiempo (horas,
días, semanas, meses, etc.) por razones propias de la actividad. Por ejemplo los
restaurantes de comida rápida tiene picos estacionales (mayor cantidad de
clientes) en el horario de almuerzo y cena, al igual que los hoteles incrementan
su demanda en épocas de vacaciones de verano e invierno.
3. Ciclos: datos que se repiten cada cierto período de tiempo pero por razones
ligadas a los ciclos de expansión y contracción de la economía. En el gráfico de
demanda de carne porcina, se percibe la caída en las ventas en el año 2001-
2002 debido al impacto de la contracción de la economía durante ese periodo.
4. Variaciones Aleatorias: variaciones de los datos normalmente pequeñas y
causas por situaciones del azar o inusuales, por ejemplo la televisación de un
partido de futbol de la selección producirá un aumento de la demanda de energía
para la hora del partido

5. Horizontalidad: variación de datos en torno a una media constante, en el

grafico esta situación puede observarse entre los años 1992 y 1997

6. Cómo se aplican los 5 patrones de la demanda?

Los patrones o componentes no se aplican sino que sirven para interpretar el
comportamiento de la demanda (ver punto Componentes (o Patrones )de la
demanda)

7. Cuál es la diferencia entre un Patron de Tendencia y de Ciclo?

Ver explicación de Componentes (o Patrones ) de la demanda, de todas formas
la tendencia es el comportamiento ascendente o descendente de la demanda,
los patrones cíclicos son patrones regulares que suceden durante largos
períodos. En el gráfico luego de 10 años se verificó una caída importante del
consumo porcino.

8. Cuál es la variable media en el patrón de tendencia?

Del gráfico, entre los años 92 y 97 se podría sacar la media representativa del
consumo ya que los datos muestran cierta horizontalidad. De todas formas
siempre es posible obtener una media (sumando todos los valores y
dividiéndolos en el número de períodos) pero esto puede llevar a interpretaciones
equivocas si hay mucha diferencia entre los datos.

9. Que patrones se combinan para definir el patrón fundamental de tiempo

de la Demanda de un producto o servicio?
Esto surge del análisis de los datos, por ejemplo para el grafico mostrado entre
los años 92 y 97 se observa horizontalidad, 97 al 2000 crecimiento, 2000 a 2002
tendencia decreciente, 2002 aparece un ciclo ( contracción de la economía),
2002 al 2007 crecimiento, es decir se puede observar la presencia de varios
factores en el consumo porcino. En la actualidad si entras en la producción y
venta de automóviles 0 km en argentina, podrás observar un tendencia
creciente y la causa es la facilidad y créditos baratos que se otorgan.

10. Qué son los puntos de flexión?

Los puntos de flexión muestran un cambio en el comportamiento de la demanda
y se producen cuando pasan de ser crecientes a decreciente o viceversa.

11. Cuáles son las variables independientes en las que se basan los
métodos causales?
La variable (o variables) independiente son los datos históricos que dispone el
pronosticador para luego proyectarlos y determinar la demanda futura (ver
método de regresión lineal)

12. Qué es una variable dependiente?

La variable dependiente es el nuevo pronóstico determinado a partir de los datos
disponibles (variable independiente). Por ejemplo a partir de las ventas de autos
de los últimos cuatro meses la determinación de las probables ventas para el
quinto mes.

13. Qué es el Análisis de Tiempo?

A partir de los datos históricos que se dispongan se pueden aplicar cualquiera
de los métodos mostrados por la bibliografía (páginas 506 a 518 del capítulo 11)
y el método a utilizar dependerá de el análisis del comportamiento de cada uno
en función de los errores que muestren ( ver página 518)

14. Sobre Costos: interrelación con otros conceptos de la materia

El objetivo de la mayoría de los modelos de inventario

es minimizar los costos totales. Los costos
significativos son el costo de preparación (u ordenar) y el
costo de mantener (o llevar). Todos los demás costos, como
el costo del inventario en sí, son constantes. De
esta forma, si minimizamos la suma de los costos de preparar
y mantener, también minimizaremos el costo total.
El tamaño óptimo del lote, Q *,será la cantidad que
minimice los costos totales. Conforme aumenta la cantidad
ordenada, disminuye el número total de órdenes colocadas por
año. Entonces, si la cantidad ordenada se incrementa, el
costo anual de preparar u ordenar disminuye. Pero si aumenta
la cantidad ordenada, el costo de mantener también aumenta
debido a que se mantiene un inventario promedio mayor. Una
reducción en la curva del costo de preparación también reduce
la cantidad óptima a ordenar (tamaño del lote). Además, los
lotes de menor tamaño tienen un impacto positivo en la
calidad y la flexibilidad de producción. Con el modelo de
lote económico, la cantidad óptima a ordenar aparecerá en el
punto donde el costo total de preparación es igual al costo
total de mantener.
15. En el ejercicio del TP Nro 1, me cuesta identificar en el enunciado los
términos D y Q.

Para resolver el TP 1, D es la demanda (2000 unidades), S = 15 y H = 3, luego

aplica la expresión raíz cuadrada de 2*D*S/H y tiene resuelto el lote económico

16. Con respecto a los pronósticos, las series de tiempo son:

Empírico, promedios móviles simples y ponderados, suavizado exponencial,

suavizado con ajuste de tendencia, método estacional

17. Podría darnos información ampliatoria sobre Control de Stock?

Si, se adjunta archivo con esa información

18. En el PROMEDIO MÓVIL PONDERADO, en base a qué debo elegir el

valor de la ponderación con la que voy a multiplicar las Demandas de
cada periodo?

Las ponderaciones se utilizan para dar más énfasis a los valores que muestran
alguna tendencia o patrones localizables. La intensidad de la ponderación
dependerá de la importancia de lo detectado, por ejemplo, si para enero la
demanda fue 10, la de febrero 20, la de marzo 30, estamos visualizando una
tendencia creciente por lo cual se hace necesario dar más énfasis a los valores
actuales que a los anteriores (menos para enero y más para marzo). Para estos
casos es mejor utilizar una regresión lineal que va a determinar la recta de
tendencia con mucha mejor precisión.

19. En la Suavización Exponencial, cómo sé qué valor debe tener ALFA,

para aplicar la fórmula?

La constante alfa si bien puede variar entre 0 y 1 los valores utilizados van
entre 0.1 y 0.5 en aplicaciones de negocios. Puede cambiarse para dar mas
peso a los datos mas recientes (alfa mas alto) o mas baja para dar mas
importancia a los datos anteriores.
Por ejemplo para un alfa 0.1 asigna el 90 % del peso a 22 períodos anteriores y
con 0.5 asigna el 90 % a los últimos cuatro períodos, consecuentemente el alfa
a utilizar dependerá de que el pronosticador quiera utilizar datos muy viejos o
recientes.

20. Como obtener los datos a y b en la Regresión Lineal sin utilizar el Excel?
Para resolver el punto 1) tiene que aplicar la expresiones matemáticas del
método de los cuadrados mínimos. Acá van en el recuadro, la bibliografía no
las muestra pero si entra en la web las puede bajar.

Para el punto 2), el gráfico que muestra el archivo está mostrando un patrón
decreciente de la demanda y una alta correlación entre variables, si lo calcula
con la expresión COEF.DE.CORREL, le da -0,843392

21. Cuantos pasos tiene el proceso de compra?

Si bien en el EPIC hay un error de enumeración (repite dos veces el mismo

numero, y por tanto son 6 pasos lo que muestra) en las evaluaciones
consideraremos lo indicado en la página 463 de la bibliografía obligatoria,
donde figuran cinco (5)pasos del proceso de compras:

1) Reconocer una necesidad

2) Seleccionar proveedores
3) Hacer el pedido
4) Seguir el rastro del pedido
5) Recibir el pedido

22. Cual es la diferencia entre Inventario de Previsión e Inventario de

Seguridad?
El inventario de seguridad es el que se mantiene en reserva para asegurar la
disponibilidad durante el período de aprovisionamiento sirviendo, llegado el caso,
para absorber variaciones de demanda, mientras que los de previsión (algunos
autores lo denominan inventarios de anticipación) es el que se conforman fuera
de temporada para satisfacer una demanda futura estimada (o conocida). (Nota
adicional: en el caso de productores con instalaciones de capacidad limitada,
los puede llegar a utilizar para hacer frente a los crecimientos de demanda. Es
decir se crean existencias para hacer frente al crecimiento)

23. Qué son las palancas?

Las palancas primarias son las que se aplican para reducir los inventarios (bajar
las existencias significa menores costos para la organización), pero esta
reducción trae aparejado costos derivados del comportamiento de la demanda
y/o necesidades de para afrontar la producción, por lo que aparecen los llamados
costos de penalización por no tener existencias en los almacenes, en
consecuencia se deben tomar acciones para reducirlos y es por medio de las
llamadas palancas secundarias. Por ejemplo para reducir el inventario de
seguridad se efectúan los pedidos cercanos a la fecha de recepción, para mitigar
un variación brusca de la demanda y sus costos asociados se deberán mejorar
los pronósticos y acordar con nuestros proveedores tiempos de entrega más
cortos (palancas secundarias).

24. Qué es el Promedio Movil Ponderado?

Cuando se presenta una tendencia o un patrón localizable, pueden utilizarse

ponderaciones para dar más énfasis a los valores recientes. Esta práctica
permite que las técnicas de pronóstico respondan más rápido a los cambios,
puesto que puede darse mayor peso a los periodos más recientes. La elección
de las ponderaciones es un tanto arbitraria porque no existe una fórmula
establecida para determinarlas. Por lo tanto, decidir qué ponderaciones emplear
requiere cierta experiencia. Por ejemplo, si el último mes o periodo se pondera
demasiado alto, el pronóstico puede reflejar un cambio grande inusual,
demasiado rápido en el patrón de demanda o de ventas. Un promedio móvil
ponderado puede expresarse matemáticamente como:

Promedio móvil ponderado = Σ (Ponderación para el periodo n)x(Demanda en

el periodo n ) dividido en la Σ Ponderaciones.

Ejemplo:
Promedio móvil ponderado = 1 x Demanda 1er mes + 2 x demanda 2do mes + 3
x demanda 3er mes / 6

Suma de las ponderaciones = 6

Demandas: 1er mes 40 - 2do mes 45 y 3er mes 50, luego
Promedio ponderado = 40x1 + 45x2 + 50x3/6 =46.66

Tanto los promedios móviles simples como los ponderados son efectivos para
suavizar las fluctuaciones repentinas en el patrón de la demanda con el fin de
obtener estimaciones estables. Sin embargo, los promedios móviles presentan
tres problemas:
1. Aumentar el tamaño de n (el número de periodos promediados) suaviza de
mejor manera las fluctuaciones, pero resta sensibilidad al método ante cambios
reales en los datos.
2. Los promedios móviles no reflejan muy bien las tendencias. Porque son
promedios, siempre se quedarán en niveles pasados, no predicen los cambios
hacia niveles más altos ni más bajos. Es decir, retrasan los valores reales.
3. Los promedios móviles requieren amplios registros de datos históricos.

25. Qué es el suavizado exponencial?

El suavizado exponencial es un sofisticado método de pronóstico de promedios

móviles ponderado que sigue siendo bastante fácil de usar. Implica mantener
muy pocos registros de datos históricos. La fórmula básica para el suavizado
exponencial se expresa como sigue:

Nuevo pronóstico = Pronóstico del periodo anterior + α (Demanda real del mes
anterior – Pronóstico del periodo anterior), donde α es la ponderación, o
constante de suavizado, elegida por quien pronostica y tiene un valor de entre 0
y 1.

El concepto no es complicado. La última estimación de la demanda es igual a la

estimación anterior ajustada por una fracción de la diferencia entre la demanda
real del último periodo y la estimación anterior.
La constante de suavizado, α, se encuentra generalmente en un intervalo de .05
a .50 para aplicaciones de negocios. Puede cambiarse para dar más peso a
datos recientes (cuando α es alta) o más peso a datos anteriores (si α es baja)

El enfoque de suavizado exponencial es fácil de usar y se ha aplicado con éxito

en prácticamente todo tipo de negocios. Sin embargo, el valor apropiado de la
constante de suavizado, puede hacer la diferencia entre un pronóstico preciso y
uno impreciso. Se eligen valores altos cuando el promedio subyacente tiene
probabilidades de cambiar. Se emplean valores bajos cuando el promedio en
que se basa es bastante estable. Al elegir los valores de la constante de
suavizado, el objetivo es obtener el pronóstico más preciso.

26. Sobre Estimación del Promedio

Como ya pudiste inferir los pronósticos, en general, son bastantes imprecisos,

no obstante, no deben dejar de hacerse ya que es el único elemento que tienen
las empresas para estimar la demanda hasta que se conocen los verdaderos
pedidos de los clientes.

La recta de regresión, determinada con el método de los cuadrados mínimos y

la determinación de la demanda para el siguiente período, es una estimación
puntual de y (variable dependiente) y esta estimación es en realidad la media o
valor esperado de una distribución posible de ventas (demanda).
Para medir con exactitud las estimaciones de regresión se debe calcular el error
estándar de la estimación (Sx,y). Este cálculo se llama desviación estándar de la
regresión y mide el error desde la variable dependiente (y), hasta la recta de
regresión.
La siguiente expresión (se puede sacar de cualquier libro de estadísticas), puede
ser utilizada para calcular el error

Sx,y = √∑ (y-yc)2 / (n-2)

Donde: y = valor de y de cada dato puntual

yc = valor calculado de de la variable dependiente a partir de la
ecuación
n = número de datos puntuales