INGE CUC, vol. no., pp.

- Enero - Junio, 2018

APLICACIÓN DE PRONÓSTICOS Y PLANES

DE PRODUCCIÓN A LA EMPRESA
MIPROTEINA

Application of forecasts and plans of production

to the company MiProteina
Hernán De la Rosa Gutiérrez
Universidad de la costa CUC, Facultad de ingeniería. Barranquilla, (Colombia)
hdelaros6@cuc.edu.co

Diego Gómez Ariza

Universidad de la costa CUC, Facultad de ingeniería. Barranquilla, (Colombia)

dariza16@cuc.edu.co

Nelson Cuellar Fiaga

Universidad de la costa CUC, Facultad de ingeniería. Barranquilla, (Colombia)
ncuellar1@cuc.edu.co

Daniel Olivella Jiménez

Universidad de la costa CUC, Facultad de ingeniería. Barranquilla, (Colombia)
dolivell1@cuc.edu.co

Resumen datos históricos para posteriormente proporcionar los

Introducción: En el presente informe se realiza un
contrastes de la empresa antes de implementar
conocimientos previos de producción y después aplicarlos
en la empresa enfocados un estudio a una familia de
productos de la empresa MiProteina y se evidencia la
importancia de tener un buen planteamiento al momento de
la realización de los pronósticos teniendo en cuenta las
posibles fluctuaciones en la demanda que puedan ocurrir y
determinar que tanto influye una buena político o gestión
de inventario sobre la misma, determinar una planeación
de producción óptima para .
Objetivo: determinar de manera objetiva que plan de
producción es el que más conviene a la empresa teniendo
en cuenta las demandas agregadas y la restricción del
mercado y la empresa mediante herramientas tecnológicas.
Metodología: Inicialmente escoger la empresa y la familia
de productos a estudiar, se procede a emitir un juicio de la
situación actual de la empresa, luego la recolección de
respectivos pronósticos para el mes de enero del 2019 y la
elaboración del plan agregado.
Resultados: Las demandas del producto escogido tiene
distintos comportamientos la BI-PRO sigue un
comportamiento con tendencia a incrementar, la
BARBARUS tiene un comportamiento constante y su
pronóstico fue realizado por el método de suavización
exponencial, la CARNIVOR MASS sigue un
comportamiento con estacionalidad a 4 meses.
Conclusiones:
Palabras claves
Fluctuaciones de la demanda, pronósticos, demanda
agregada, política de inventario, planeación de producción,
factor estacional.
Abstract
Introduction In the present report a contrasts of the
company is made before implementing previous

© The author; licensee Universidad de la Costa - CUC.

INGE CUC vol. Xx. no. xx, pp. xx-xx. Enero-Junio, 2018
Barranquilla. ISSN 0122-6517 Impreso, ISSN 2382-4700 Online
knowledge of production and later to apply them in the
company focused a study to a family of products of the
company MiProteina and it is evident the importance of
having a good approach to the moment of the
accomplishment of the forecasts taking into account the
possible fluctuations in the demand that can occur and
determining that so much influences a good politician or
management of inventory on the same one, to determine an
optimal planning of production for .
Objective: to determine in an objective way which
production plan is the most convenient for the company,
taking into account the aggregate demands and the
restriction of the market and the company by means of
technological tools.
Methodology: Initially choose the company and the family
of products to study, proceeds to issue a judgment of the
current situation of the company, then the collection of
historical data to subsequently provide the respective
forecasts for the month of January 2019 and the preparation
of the aggregate plan.
Results: The demands of the chosen product have different
behaviors the BI-PRO follows a behavior with tendency to
increase, the BARBARUS has a constant behavior and its
forecast was made by the exponential softening method,
the CARNIVOR MASS follows a behavior with
seasonality to 4 months.
Conclusions
Keywords
Demand fluctuations, forecasts, aggregate demand,
inventory policy, production planning, seasonal factor.
I. INTRODUCCIÓN
Desde la segunda guerra mundial, las empresas
marcaron una notable revolución industrial, se
desarrollaron diferentes técnicas con el objetivo de:
disminuir costos de producción, mejorar el nivel de vida de
los trabajadores y para continuar cada vez más con su
respectivo mejoramiento continuo, para con esto apuntar a
un considerable crecimiento económico[1], esto con ayuda
de profesionales especializados en el análisis y la
planeación de la producción y las operaciones, los cuales
ayudan a cumplir la misión de la organización utilizando
los recursos de fabricación de una empresa de la manera
más efectiva y eficiente posible[2].
Los pronósticos de ventas pasan a ser una importante
fuente de información para prever la demanda de la forma
más realista posible[3]. Dicho de otra forma los
pronósticos[4] son una herramienta que proporciona un
estimado cuantitativo de la probabilidad de eventos
futuros, La aleatoriedad propia de la mayoría de los
mercados puede reproducirse por modelos probabilísticos
que tienen mejores posibilidades de implementación
informática que antaño. La integralidad de las soluciones
que consideren el problema desde la previsión de la
demanda hasta el cálculo de las cantidades a pedir es un
imperativo para diseñar modelos confiables y eficientes[5].
En el presente informe se revela la importancia de tener un
buen planteamiento al momento de la realización de los
pronósticos para las familias de productos y determinar que
tanto influye una buena político o gestión de inventario
2
sobre la misma, el cual es uno de los temas de mayor
importancia al momento de evaluar la rentabilidad de una
empresa, esto se facilita mediante herramientas
tecnológicas y el conocimiento antes adquirido en clase, se
procedió a evaluar la situación actual de la empresa
MiPronteina y determinar los pronostico adecuados para la
familia de productos seleccionados y la elaboración de
planes de producción teniendo en cuenta una demanda
agregada y las restricciones (económicas, recursos, horas
laborales) de la empresa.
La empresa “Mi Proteína”, la cual es una Pymes que se
desenvuelve en sector terciario de economía, esta “se
dedicada a la venta de suplementos nutricionales en toda
Colombia, nuestro principal objetivo es la venta de
proteínas, creatinas, quemadores y aminoácidos de las
mejores marcas y siempre al mejor precio”.
La aplicación de una planeación de producción correcta es
uno de los factores que más repercuten al momento de
reducir los costos y mejorar la eficiencia económica, ya que
incrementa los niveles de servicio, ayuda a optimización de
los recursos, aumenta la liquidez y permite a las
organizaciones estar prevenidas frente a las fluctuaciones
de la demanda.
II. METODOLOGÍA
Inicialmente antes de escoger la empresa, se realizó una
reunión de grupo para determinar dónde nos gustaría
aplicar los conocimientos adquiridos, y por medio de una
lluvia de ideas se lo lograron determinar varias empresas
de distintas áreas donde realizar este estudio, después de
una depuración de ideas se concretó que la empresa donde
dicho proyecto tendría más relevancia seria la empresa “Mi
proteína”, la cual tiene tiendas a nivel nacional, aunque este
proyecto está enfocado a las tiendas ubicadas en
barranquilla en la calle 82 #44-35c y CC. Portal del prado.
Miproteina es una empresa joven e innovadora que fue
fundada en el año 2011 que se desenvuelve en sector
terciario de la economía, contando una exquisita selección
de profesionales de máximo nivel y experiencia en el
ámbito de la nutrición y el deporte, con ideas frescas
dispuestos a revolucionar el mercado online de la
suplementación deportiva, dedicada a la venta de
suplementos nutricionales en toda Colombia, nuestro
principal objetivo es la venta de proteínas, creatinas,
quemadores y aminoácidos de las mejores marcas y
siempre al mejor precio.
La situación actual de la empresa no cuenta con ningún
modelo matemático que le brinde algún porcentaje de
confiabilidad al momento de realizar sus pronósticos de
ventas para los meses siguientes, ya que no cuentan con
bases sólidas para realizar este tipo de estudio a las
demandas históricas, más sin embargo la empresa elabora
sus pronósticos a través de su experiencia a lo largo de años
de manera empírica.
Unos de los más factores internos más influyentes al
momento de la elaboración de los pronósticos de las
demandas es la mala gestión de inventarios que poseen ya
 INGE CUC, vol. no., pp.- Enero - Junio, 201X

que no en ocasiones se ha incurrido en un exceso de stock

o en por el contrario con cumplir con las necesidades del
mercado y que por lo cual esto tiene como consecuencia un
concepto no tan bueno de la empresa frente al mercado,
otro factor es la falta de incentivos a los vendedores a
cumplir las metas mensuales.

Un factor externo es que en la actualidad este tipo de

mercado de comercialización de suplementos está
creciendo exponencialmente ya que la comunidad
barranquillera ha despertado un interés por el área de la
salud y bienestar personal, lo que ocasiona que la
competencia aumente.

Se procede a escoger una familia de productos que tengan
una rotación alta en el mercado y se evalúa la demanda
histórica y con base en ella se hace un pronóstico para el
mes de enero del 2019 lo más acertado posible para ser
confrontado con la demanda real del mes de enero del
2019. En las figuras 1, 2 y 3 se muestran una breve
descripción de la familia de productos escogida.
Fig. 3 Proteína CARNIVOR MASS. Fuente: proporcionado por la
empresa
Carnivor Mass es un ganador hecho 100% de carne de res,
desde siempre se ha sabido que los culturistas y atletas de
fuerza consumen grandes cantidades de carne de vacuno
para ayudar a construir músculo y aumentar su fuerza.

Carnivor es diferente a cualquier otra proteína existente. Es

el primer aislado de proteína del mundo más concentrado
que el suero. A través de unos complejos procesos de
extracción, clarificación, hidrólisis y aislado la proteína
pura de carne de Carnivor se entrega a los tejidos
musculares para construir músculo, para sentir el poder de
la carne con más aminoácidos que cualquier otra fuente
proteica usada en suplementos, incluidos: aislado de leche,
soja, leche o huevo.
Fig. 1 Proteína BI-PRO. Fuente: proporcionado por la empresa
A continuación, en las tablas 1,2 y 3 se muestra las
demandas históricas proporcionadas por la empresa que
Bi-pro es la última tecnología en aislado de proteína de
corresponde al año 2018.
suero, pura y natural para atletas e individuos que desean
construir o mantener su masa corporal. Bi-pro no contiene
ninguna mezcla de proteínas o ingredientes no deseados PRODUCTO BI-PRO
purificados a través de un proceso de intercambio iónico Año 2018
selectivo, Bi-pro contiene todos los aminoácidos MES Demanda MES Demanda
esenciales, la única opción para atletas serios y rigurosos.
Enero 125 Julio 230
Febrero 145 Agosto 265
Marzo 160 Septiembre 253
Abril 156 Octubre 290
Mayo 180 Noviembre 330
Junio 178 Diciembre 380
Tabla 1. Demanda Histórica

PRODUCTO BARBARUS
Año 2018
MES Demanda MES Demanda
Enero 289 Julio 324

Fig.2 Proteína BARBARUS. Fuente: proporcionado por la empresa. Febrero 296 Agosto 289
Marzo 275 Septiembre 296
BARBARUS es un alimento en polvo a base de proteínas
Abril 268 Octubre 267
y carbohidratos. Más específicamente un Mass gainer, un
ganador de masa que trabaja distinto a la proteína y se Mayo 310 Noviembre 274
obtienen diferentes resultados. Junio 267 Diciembre 282
Tabla 2.Demanda Histórica

3
 400 330 380
265 253 290
PRODUCTO CARNIVOR MASS 230

Demanda
300 180178
Año 2018 125 145 160 156
200
MES Demanda MES Demanda 100
Enero 320 Julio 350 0

Octubre
Enero
Febrero

Diciembre
Marzo

Julio

Noviembre
Mayo
Junio
Abril

Septiembre
Agosto
Febrero 210 Agosto 240
Marzo 270 Septiembre 480
Abril 170 Octubre 350
Meses
Mayo 350 Noviembre 430
Junio 270 Diciembre 300 Fig. 4 Grafico de la demanda histórica de la proteína BI-PRO.
Tabla 3. Demanda Histórica. Fuente: Autores

FEBRERO De la figura 4 se observa una tendencia ascendiente por lo

Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 cual la experiencia nos insta a usar el método de regresión
24 40 40 32 32 lineal el cual nos arroja un pronóstico para el mes de enero
Tabla 4. Demanda Histórica. del 2019.

FEBRERO El resultado de la regresión lineal nos arroja la siguiente

Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
información:
3 5 5 4 4
Para el mes de enero del 2019 se tiene un pronóstico de
Tabla 5. Días Laborables por Semana.
400, el valor exacto obtenido es de 364,1 pero como no se
puede usar fracciones de una unidad y por voluntad propia
Tiempo por unidad
decidimos aproximar a la centena más cercana el
A 0,7 pronóstico.
B 0,9
C 0,47 Para la proteína BARBARUS se realizó el mismo
Tabla 6. Tiempo por unidad. procedimiento anterior, primero identificar el
comportamiento de la demanda histórica y posteriormente
Producción 8,89 Bot/Día utilizar el método correcto para proponer el pronóstico.
Costo 350000 $/bot
almacenaje 5000 Bot/mes
350 324 289
Salario 800000 trab/mes
300
289 296 275
268
310
267 296 267 274 282
Contratación 900000 trab/mes
DEMANDA

250
Despido 1200000 trab/mes 200
núm. de traba 43 trab/mes 150
Tabla 7. Datos relevantes. 100
50
PRODUCTOS 0
A B C Trabajadores por turno
Proceso 1 0,3 0,3 0,12 15
Proceso 2 0,3 0,4 0,2 18
Proceso 3 0,1 0,2 0,15 10 MESES
Tabla 8. Tiempos de Proceso Por unidad (en horas). Fig. 5 Grafico de la demanda histórica de la proteína
BARBARUS. Fuente: Autores
III. RESULTADOS
La demanda histórica de la proteína BARBARUS muestra
Con base en las demandas históricas proporcionadas por la un comportamiento constante es decir que existen varios
empresa, se procede a aplicar las herramientas aprendidas métodos para hacer el pronóstico, de los métodos vistos se
en clase para realizar los pronósticos. decide utilizar la suavización exponencial, probando dos
alfas y tomando el que menor error cuadrado medio nos dé
En la figura 4 se ilustra la gráfica correspondiente a la como señal de que es el más acertado. Utilizando un alfa
demanda histórica de la proteína BI-PRO. de 0,05 se tiene:

PROTEINA BARBARUS
alfa 0,05
MES Demanda Y^T ET ABS ET ET^2
Enero 289,0 289,0 - - -

4
 INGE CUC, vol. no., pp.- Enero - Junio, 201X

Febrero 296,0 289,0 -7,0 7,0 49,0 500

Marzo 275,0 289,4 14,4 14,4 205,9 y = 16.824x + 202.31
400 R² = 0.8627
Abril 268,0 288,6 20,6 20,6 425,7
Mayo 310,0 287,6 -22,4 22,4 501,7 300
Junio 267,0 288,7 21,7 21,7 471,8
200
Julio 324,0 287,6 -36,4 36,4 1322,4
100
Agosto 289,0 289,5 0,5 0,5 0,2
Septiembre 296,0 289,4 -6,6 6,6 43,2 0
Octubre 267,0 289,8 22,8 22,8 518,0 1 2 3 4 5 6 7 8 9 10 11 12

Noviembre 274,0 288,6 14,6 14,6 213,8 Fig. 7 Grafico de la demanda histórica de la proteína
CARNIVOR MASS sin estacionalidad. Fuente: Autores
Diciembre 282,0 287,9 5,9 5,9 34,7
Enero 287,6 28,1 15,7 344,2 De la figura 7 se observa una tendencia ascendiente por lo
Tabla 9. Método suavización exponencial simple. cual la teoría nos sugiere usar el método de regresión lineal
el cual nos arroja un pronóstico para el mes de enero del
Igualmente, como se hizo con la proteína BIT-PRO se 2019.
procede a aproximar el resultado que se obtuvo a la centena
más cercana. En este caso el pronóstico hallado es de 287.6 El resultado de la regresión lineal nos arroja la siguiente
el cual se aproxima a 300 unidades. información:

Para la proteína CARNIVOR MASS se procede a Para el mes de enero del 2019 se tiene un pronóstico de 421
identificar el comportamiento de la demanda histórica y pero este pronóstico es sin estacionalidad, se procede
evaluar qué modelo es más efectivo de acuerdo a su devolver la estacionalidad al multiplicarlo por el factor
comportamiento. estacional respectivo y el valor exacto obtenido es de
517,83 pero como no se puede usar fracciones de una
600 480 unidad y por voluntad propia decidimos aproximar a la
500 430 centena más cercana el pronóstico es 500.
350
DEMANDA

400 320 350270 350 300

270 240
300 210 Plan maestro de la producción
170
200
100
0 FEBRERO
Producto Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
A 73,29 123,43 122,14 97,71 97,71
B 43,00 71,00 72,00 57,00 57,00
MESES C 135,96 227,87 227,87 183,83 181,91
Fig. 6 Grafico de la demanda histórica de la proteína Demanda agregada 252 422 422 339 337
CARNIVOR MASS. Fuente: Autores Tabla 11. Demanda agregada.

La demanda histórica de la proteína CARNIVOR MASS Item Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 Total
muestra un comportamiento estacional es decir que se Dias 3 5 5 4 4 21
repite el mismo ciclo en un tiempo determinado, en este Und/trabajado
26,67 44,44 44,44 35,56 35,56 186,67
r
caso se evidencia que cada 4 meses es recurrente el ciclo.
Demanda 252 422 422 339 337 0
En la siguiente tabla se plasman los factores estacionales Trab
10 10 10 10 10 50
establecidos para cada periodo. necesarios
Trab
43 10 10 10 10 83
disponibles
320 210 270 170
Trab
350 270 350 240 0 0 0 0 0 0
contratados
480 350 430 300 Cost de
0,00 0,00 0,00 0,00 0,00 0,00
383.333333 276.666667 350 236.666667 311.666667 contrata
FS 1.22994652 0.88770053 1.12299465 0.75935829 Traba
33,00 0,00 0,00 0,00 0,00 33,00
despedidos
Tabla 10. Factor estacional. 39.600.0 39.600.0
Cost despido 0,00 0,00 0,00 0,00
00,00 00,00
Trab
10,00 10,00 10,00 10,00 10,00 50,00
empleados
8.000.00 8.000.0 8.000.0 8.000.0 8.000.0 40.000.0
Cost MO
0,00 00,00 00,00 00,00 00,00 00,00
Und
252,00 422,00 422,00 339,00 337,00 1.772,00
producidas
Inventario
0,00 0,00 0,00 0,00 0,00 0,00
neto
Costo de
0,00 0,00 0,00 0,00 0,00 0,00
almacenaje

5
 Cost ordenes
0,00 0,00 0,00 0,00 0,00 0,00
atrasadas
47.600.0 8.000.0 8.000.0 8.000.0 8.000.0 79.600.0 Producto: C
Costo Total FEBRERO
00,00 00,00 00,00 00,00 00,00 00,00 Inv. Inic: 200 200
Tabla 12. Plan de inventario cero. LxL Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
Pronósticos 57 95 95 76 76
Sem Sem Sem Sem Sem Tota
1 2 3 4 5 l Ordenes 900 1200
Días/mes 3 5 5 4 4 21 Inventario 643 153 558 0 574
Suma de días 3 8 13 17 21 62 MPS 500 410 500 642 650
Demanda 252 422 422 339 337 1772 Tabla 17. MPS para producto C.
Suma demanda 252 674 1096 1435 1772 5229
Trabajadores 9,4 9,5 9,5 9,49 9,43 47,5 Plan de capacidad CP
Trabajadores
10 10 10 10 10 50
redondea
Proceso 1
Tabla 13. Calculo de número de trabajadores.
FEBRERO
Produc / referencia
Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
Ítem Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 Total
Días 3 5 5 4 4 21 Producto: A 90 210 144 159 210
Und/trabajado Producto: B 132 240 273 150 105
26,6666 44,4444 44,4444 35,5556 35,5556 186,667
r
Producto: C 60 49,2 60 77,04 78
Demanda 252 422 422 339 337 1772
Trab T. requerido 282 499,2 477 386,04 393
10 10 10 10 10 50
necesarios T. disponible 306 510 510 408 408
Trab
43 10 10 10 10 83 Diferencia 24 10,8 33 21,96 15
disponibles
Trab Tabla 18. Plan de capacidad para producto A.
0 0 0 0 0 0
contratados
Cost de
0 0 0 0 0 0
contrata Proceso 2
Traba
33 0 0 0 0 33 Febrero
despedidos Produc / referencia
39.600.0 39.600.0 Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
Cost despido 0 0 0 0
00 00
Trab Producto: A 90 210 144 159 210
10 10 10 10 10 50
empleados Producto: B 176 320 364 200 140
8.000.00 8.000.0 8.000.0 8.000.0 8.000.0 40.000.0
Cost MO Producto: C 100 82 100 128,4 130
0 00 00 00 00 00
Und T. requerido 366 612 608 487,4 480
267 444 444 356 356 1.867
producidas
Inventario T. disponible 367,2 612 612 489,6 489,6
15 37 60 76 95 284
neto Diferencia 1,2 0 4 2,2 9,6
Costo de 75.000,0 187.222 299.444 382.222 475.000 1.418.88
almacenaje 0 ,22 ,44 ,22 ,00 8,89 Tabla 19. Plan de capacidad para producto B.
Cost ordenes
0 0 0 0 0 0
atrasadas
Proceso 3
47.675.0 8.187.2 8.299.4 8.382.2 8.475.0 81.018.8
Costo Total
00,00 22,22 44,44 22,22 00,00 88,89 Febrero
Produc / referencia
Tabla 14. Plan fuerza de trabajo constante sin faltante. Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
Producto: A 30 70 48 53 70
MPS Producto: B 88 160 182 100 70
Producto: C 75 61,5 75 96,3 97,5
T. requerido 193 291,5 305 249,3 237,5
Producto: A T. disponible 204 340 340 272 272
FEBRERO
Inv. Inic: 150 150 Diferencia 11 48,5 35 22,7 34,5
Tabla 20. Plan de capacidad para producto C.
LF: M 300 Sem 1 Sem 2 Sem 3 Sem 4 Sem 5

Pronósticos 57 95 95 76 76
Ordenes 600 800
Inventario 393 493 878 608 1232 IV. CONCLUSIONES
Producto de este trabajo de campo se ha evidenciado la
MPS 300 700 480 530 700
importancia y la estrecha relación que existe entre lo
Tabla 15. MPS para producto A.
teórico y lo práctico en el ámbito productivo, siendo este
de gran enseñanza para los autores ya que se percibió el
Producto: B
FEBRERO potencial existente en el conocimiento de estos temas.
Inv. Inic: 100 100
Por otro lado se vio de forma clara como paso a paso lo
LxL Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
aprendido en clase se fue poniendo en práctica.
Pronósticos 43 71 71 57 57 Concerniente al trabajo de campo e concluye que los
Ordenes 950 300 pronticos realizados con base en las demandas históricas
Inventario 497 1226 1186 1629 1679 proporcionadas por la empresa se cercaron bastante a los
MPS 440 800 910 500 350 reales vistos en el mes de enero de 2019, por parte de la
Tabla 16. MPS para producto B. empresa se les noto bastante interesados en esta temática

6
 INGE CUC, vol. no., pp.- Enero - Junio, 201X

que ara ellos era desconocida siendo esto motivo de una

solicitud por arte de ellos para realizar un nuevo pronostico
con datos as recientes.

REFERENCIAS
[1] J. P. Reyes Vasquez and C. G. Molina Velis,
“Plan Agregado de Producción Mediante el Uso
de un Algoritmo de Programación Lineal: Un
caso de Estudio,” Rev. Politécnica, vol. 34, no. 1,
pp. 1–7, 2014.
[2] S. Nahmias, P. Luis, and A. Echeverri, “Análisis
de la producción y las operaciones,” Rev. Científi
ca Guillermo Ockham, vol. 5, no. 2, pp. 1794–
192, 2007.
[3] R. A. Perez, S. A. Mosquera, and J. J. Bravo,
“Application of Forecast Models in Products of
Massive Consumption,” Biotecnol. en el Sect.
Agropecu. y Agroindustriall, vol. 10, no. 2, pp.
117–125, 2012.
[4] A. Contreras Juárez, C. Atziry Zuñiga, J. L.
Martínez Flores, and D. Sánchez Partida,
“Análisis de series de tiempo en el pronóstico de
la demanda de almacenamiento de productos
perecederos,” Estud. Gerenciales, vol. 32, no.
141, pp. 387–396, 2016.
[5] J. Arango, J. Giraldo, and O. Castrillón, “Gestión
de compras e inventarios a partir de pronósticos
Holt-Winters y diferenciación del nivel de
servicio por clasificación ABC,” Sci. Tech., vol.
18, no. 4, pp. 743–747, 2013.