You are on page 1of 66

UCSM Ingeniera Industrial

PLANEAMIENTO
Y CONTROL DE LA
PRODUCCION.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PLANEAMIENTO Y CONTROL
DE PRODUCCION

Significa realizar un Plan de


Trabajo, al cual debe obedecer la
produccin, de manera que el
producto
se
elabore
con
eficiencia mxima y a costos
favorables.
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PLANEAMIENTO Y CONTROL
DE PRODUCCION
FUNCION:
Definir las caractersticas del Producto y el
Proceso de Fabricacin.
Calcular el Costo de Fabricacin.
Pronosticar las Ventas.
Planificar y Programar la Produccin.
Iniciar las actividades en la Planta a travs de
las ordenes de produccin.
Control y seguimiento de la produccin.
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PLANEAMIENTO Y CONTROL DE
Combina los PRODUCCION
flujos fsicos y de informacin
para administrar los sistemas de produccin.
Integral el flujo de material usando la
informacin del sistema.
El pronostico da inicio a las actividades de
PCP.
El extender las actividades del PCP a los
proveedores y clientes se conoce como
ADMINISTRACION DE LA CADENA DE
SUMINISTROS.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PLANEAMIENTO Y CONTROL DE
PRODUCCION
La planeacin a largo plazo de la capacidad
garantiza que la capacidad futura sea la
adecuada para cumplir con la demanda
futura.
La planeacin de la produccin transforma
los pronsticos de demanda en plan maestro
de produccin, el cual toma en cuenta la
disponibilidad
global
de
capacidad
y
materiales.
La
planeacin
detallada
genera
los
requerimientos inmediatos de los materiales
y la capacidad, y realiza una programacin
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PLANEAMIENTO Y CONTROL DE
PRODUCCION
PCP hace exactamente lo que su nombre
dice: Planea y Controla la produccin y lo
hace utilizando el ciclo de retroalimentacin.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Marco para las decisiones


Proceso
Capacidad
Inventarios
Fuerza de trabajo
Calidad

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PRONOSTICO.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PRONOSTICO
Un pronostico es una prediccin de
acontecimientos futuros que se utiliza
con propsitos de planificacin.
El pronstico consiste en la estimacin y
el anlisis de la demanda futura para un
producto en particular, componente o
servicio, utilizando inputs como ratios
histricos de venta, estimaciones de
marketing e informacin provisional, a
travs
de
diferentes
tcnicas
de
previsin, con el propsito de planificar.
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

OBJETIVO
PROPORCIONAR PRONOSTICOS CON
LA
EXACTITUD
NECESARIA,
A
TIEMPO Y A UN COSTO RAZONABLE.
REACCIONAR ANTE LOS CAMBIOS
REALES.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

ALCANCES
Pretende
estudiar
la
solucin
de
problemas
relacionadas con pronosticos
La identificacin del problema determina la misin o el
propsito, que se muestra como necesidad del
pronstico.
Los pronsticos proporcionan informacin para tomar
mejores decisiones.
La decisin determina que pronosticar, el nivel de
detalle necesario y con que frecuencia se har el
pronstico.
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Cuando se tienen proporcionan un gran visin


sobre los hechos.

Registros de la Compaa
Otras Compaas, servicios
comerciales
El

DATOS
Abrahan A. Pacheco
Oviedo

Gobierno,
poblacin,
demografa, etc.

UCSM Ingeniera Industrial

1. Externos:

Aquellos que estn fuera de control de


la empresa. Ejemplo: Caractersticas de la
economa, leyes, tecnologa, escasez de
recursos, acciones de la competencia,
eleccin o preferencia del consumidor.

2. Internos

FACTORES
Abrahan A. Pacheco
Oviedo

Decisiones internas que provocan


cambios en el volumen de la demanda, se
pueden influir en ellos. Estn la calidad, el
precio, tiempo de entrega, la publicidad y
los descuentos.

UCSM Ingeniera Industrial

Horizontal.
Tendencia.
Estacional.
Cclicos.
PATRONES DE LA DEMANDA
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PATRONES DE LA DEMANDA
(a) Horizontal: Cmulo de datos en torno de una lnea
horizontal

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PATRONES DE LA DEMANDA
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PATRONES DE LA DEMANDA
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

PATRONES DE LA DEMANDA
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Mtodos Cualitativos : De carcter


subjetivo y se basan en estimaciones y
opiniones.
Mtodos Cuantitativos:
Causales: El valor de la variable
dependiente esta causada o afecta, o al
menos tiene una alta correlacin con el
valor de la(s) variables (s) independientes
TIPOS
Abrahan A. Pacheco
Oviedo

De serie de tiempos: Es simplemente una


lista cronolgica de datos histricos,
donde la suposicin esencial es que la
historia predice el futuro de manera
razonable.

UCSM Ingeniera Industrial

Investigacin de Mercado; Consiste en el


desarrollo de un cuestionario,llevar a cabo la
encuesta y tabular y analizar los resultados.
Utilizado para pronosticar ventas a L.P. y de
nuevos productos o productos modificados
Opinin de Expertos; se basa en la
experiencia
y
opiniones
de
ejecutivos,
tcnicos, clientes.
Metodo Delphi; proceso para obtener el
consenso entre un grupo de expertos con el
anonimato de sus integrantes.
CUALITATIVOS
Abrahan A. Pacheco
Oviedo

Basado en Indicadores Econmicos; existe una


relacin directa o correlacin, entre ventas de
algunos productos y estos indicadores

UCSM Ingeniera Industrial

La demanda puede ser:


-Dependiente
Causada por la demanda
de
otros productos
-Independiente No esta condicionada a la
demanda de otros productos
Construccin
de casas

Accesorios
de Plomeria

Independiente

Dependiente

Ventas de
Automoviles
CAUSALES
Abrahan A. Pacheco
Oviedo

Venta de
Llantas

Mtodos usados para estos pronsticos:


-Regresin lineal simple.
Otros modelos de regresin (exponencial, etc)

UCSM Ingeniera Industrial

SERIES DE TIEMPOS
Utilizan datos histricos de la
variable
dependiente
y
consideran el tiempo como
variable independiente para
predecir el futuro.
Nos enfocaremos a patrones de
demanda
tipo
Constante,
Tendencia y Estacional.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

A. PROCESOS CONSTANTE
1. Promedio Simple
Trata a los datos muy antiguos
igual que a los recientes. Se usa un
promedio de los datos pasados para
pronosticar el siguiente periodo.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

A. PROCESOS CONSTANTE

SERIES DE
TIEMPOS

1. Promedio Simple -Ejemplo


Mes

Abrahan A. Pacheco
Oviedo

Produccin

56

46

53

50

50

52

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

A. PROCESOS CONSTANTE
2. Promedio Mvil Simple
Se elige promediar solo algunos de
los datos mas recientes.
Responde al cambio de una manera
ms rpida, debido a que usa datos
recientes.

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Ejemplo: Se observa la siguiente demanda


histrica:
Semana Demanda
1

800

1400

1000

1500

1500

1300

1800

1700

1300

10

1700

11

1700

12

1500

13

2300

14

2300

15

2000

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Ejemplo 2:
Se desea desarrollar un
sistema de pronostico a
corto plazo para estimar el
volumen de inventarios que
fluye del almacen todas las
semanas.
See
suguere
utilizar un promedio movil
de 3, 5 7 semanas.
Antes
de
tomar
una
decisin
compare
la
precisin de cada una de
ellas en relacin con el
periodo
de diez semanas
Abrahan A. Pacheco
Oviedo
ms
reciente.

Semana
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Demanda
100
125
90
110
105
130
85
102
110
90
105
95
115
120
80
95
100

UCSM Ingeniera Industrial


Semana
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Demanda
100
125
90
110
105
130
85
102
110
90
105
95
115
120
80
95
100

Abrahan A. Pacheco
Oviedo

3 Sem

106.7
105.7
99.0
100.7
101.7
96.7
105.0
110.0
105.0
98.3

5 Sem

104.0
106.4
106.4
103.4
98.4
100.4
103.0
105.0
103.0
101.0

7 Sem

106.4
106.7
104.6
104.6
103.9
102.4
100.3
105.3
102.1
100.0

3 Sem 5 Sem 7 Sem

4.7
4.3
9.0
4.3
6.7
18.3
15.0
30.0
10.0
1.7
104.0
10.4

2.0
3.6
16.4
1.6
3.4
14.6
17.0
25.0
8.0
1.0
92.6
9.3

4.4
3.3
14.6
0.4
8.9
12.6
19.7
25.3
7.1
0.0
96.3
9.6

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

A. PROCESOS CONSTANTE
3. Promedio Mvil ponderado
Mientras que el promedio mvil simple
da igual peso a cada componente de los
datos, el promedio mvil ponderado
permite
dar
cualquier
peso
an
elemento, siempre y cuando la suma de
los pesos sea igual a uno
F t=P1Dt-1+P2Dt-2+.+PmDt-n

M5 = 0.40(95) + 0.30 (105) + 0.20 (90) + 0.10 (100)


Abrahan A. Pacheco
Oviedo

M5 = 97.50

Si las ventas reales en el periodo 5 fueron 110, Cual es el pronstico

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

A. PROCESOS CONSTANTE
4. Suavizamiento Exponencial
Los sucesos ms recientes son ms
indicativos de lo que suceder en el
futuro que los datos del pasado.
se calcula el pronstico a partir del
pronostico mas reciente, la demanda
real que se present para este
periodo
y
una
constante
de
suavizamiento alfa ().
ST = dt + (1 - ) ST 1
Semana

Abrahan A. Pacheco
Oviedo

Ejem: = 0.2 y = 0.8

Dem Real

49
50
51

Pronostico
52
49.25
58
49.8

UCSM Ingeniera Industrial

Suavizacin exponencial

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Suavizacin exponencial

Se observa que la demanda real del producto tiende a


fluctuar a travs del tiempo, por lo que un valor bajo de
no produce resultados tan confiables debido a que
suaviza en exceso el pronstico. Por su parte, un valor
Abrahan de
A. Pacheco
= 0.6 nos permite acercarnos
Oviedo
ms a la demanda real, mostrando la variacin que la

UCSM Ingeniera Industrial

Suavizacin exponencial
Ejemplo ; Determinar el pronostico para el 2015 con un coeficiente
de suavisamiento de: = 0.2 y = 0.8
Ao
2011
Demanda 1080

Abrahan A. Pacheco
Oviedo

2012
1190

2013
1100

2014
1220

2015
1300

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

B. MODELO CON TENDENCIA


Mtodo de los Mnimos Cuadrados
Existe
una
distribucin
de
probabilidades para cada tamao de
muestra, supone que son normales.
Las medias de las distribuciones se
ubican
en
una
recta
o
se
distribuyen a lo largo de una recta
Establece una relacin entre una
variable dependiente y una o mas
variables independientes.

Abrahan A. Pacheco
Oviedo

Trata de ajustar la lnea a los


datos que minimicen la suma de los
cuadrados de la distancia vertical.

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

Abrahan A. Pacheco
Oviedo

B. MODELO CON TENDENCIA


Mtodo de los Mnimos Cuadrados

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

B. MODELO CON TENDENCIA


Regresin Lineal
Sirve para pronosticar una variable
con base a otra, solo contiene una
variable independiente.
La relacin entre variables forma
una lnea recta.

Abrahan A. Pacheco
Oviedo

Si los datos forman una serie de


tiempos, la variable independiente
es el tiempo en periodos y la
variable dependiente por lo general
son las ventas o aquello que
deseamos pronosticar.

UCSM Ingeniera Industrial

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

B. MODELO CON TENDENCIA


Regresin Lineal
Es de la forma: Y = a + b x
y = Es la variable dependiente
a = Es la interseccin en y
b = Es la pendiente de la recta y
X = Es la variable independiente

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Lineal (FORMULAS)

SERIES DE
TIEMPOS

a
b

n X 2

n x y x

S yx

X 2 Y X XY
2

Y b X
n

y
n x x
2

a y b xy
n 2

x y x y
n x x n y y
n
2

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial


SERIES DE
TIEMPOS

B. MODELO CON TENDENCIA

Regresin Lineal (FUNC. EXCEL)


PRONOSTICO (X, CONOCIDO_Y; CONOCIDO_X)
a INTERSECCIN.EJE (CONOCIDO_Y; CONOCIDO_X)
b ESTIMACIN.LINEAL (CONOCIDO_Y; CONOCIDO_X; CONSTANTE;...)
ERROR.TIPICO.XY(CONOCIDO_Y;CONOCIDO_X)
COEF.DE.CORREL(CONOCIDO_X;CONOCIDO_Y)

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial


Semana

B. MODELO CON TENDENCIA


Regresin Lineal (APLICACION)

Demanda
1

600

1550

1500

1500

2400

3100

2600

2900

3800

10

4500

11

4000

12

4900

Demanda
6000

5000

4000
Demanda
3000

2000

13
14
15
16

Abrahan A. Pacheco
Oviedo

1000

0
1

10

11

12

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Lineal (APLICACION)

SERIES DE
TIEMPOS
Trimestre

Abrahan A. Pacheco
Oviedo

Ventas

XY

1
2
3
4
5
6
7
8
9
10
11
12

600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900

78

33.35

600
3100
4500
6000
12000
18600
18200
23200
34200
45000
44000
58800

X
1
4
9
16
25
36
49
64
81
100
121
144

Y
360
2.402.500
2.250.000
2.250.000
5.760.000
9.610.000
6.760.000
8.410.000
14.440.000
20.250.000
16.000.000
24.010.000

268.2

650

112.502.500

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Lineal (APLICACION)

SERIES DE
TIEMPOS

n xy x y
n x2 x

12 (268,200) 78 33.350 617,100

359.615
2
1716
12 650 78

y b x 33.350 359.615 78

441.667
n

12

Y = 441.667 + 359.615 (X)


Y13 = 5116.4, Y14 = 5.476.0, Y15 = 5.835.6, Y16 = 6.195.2

y a y b xy
2

S yx
Abrahan A. Pacheco
Oviedo

n2

Syx = 363.877

112502.500 441.667 33.350 359.615 268.100 268.200


12 2
r = 0.966

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Lineal (APLICACION)
7000
6000
5000
4000
3000
2000
1000
0
1

8
Demanda

Abrahan A. Pacheco
Oviedo

10

11

12

13

14

15

UCSM Ingeniera Industrial


Ejemplo:
Una tienda de alfombras ha llevado un registro de
ventas de cada ao as como la cantidad de permisos para
construir casas nuevas en su zona. El gerente de tienda de
alfombras piensa que es posible pronosticar las ventas de
alfombras si se conoce la cantidad de casas que se han
construido en el ao.
Para X=40

Abrahan A. Pacheco
Oviedo

VENTAS

AO

PERMISOS

1989

18

13000

1990

15

12000

1991

12

11000

1992

10

10000

1993

20

14000

1994

28

16000

1995

35

19000

1996

30

17000

1997

20

13000

(YARDAS 2)

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Exponencial

SERIES DE
TIEMPOS

Y = a bx
Log y = Log a + x Log b
Log a

log y x Logb

Log b

n x Log y x Logy

N x x

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA


Regresin Exponencial (Aplicacin)

SERIES DE
TIEMPOS
AO

VENTAS

LOG Y

X LOG Y

1984
1985
1986
1987
1988

108
119
110
122
130

1
2
3
4
5
15

2.0334
2.0755
2.0414
0.0864
2.1139
10.3506

2.0334
4.151
6.1242
8.3456
10.5695
31.2237

Log b

Log a

X
1
4
9
16
25
55

n x Logy x Log y 5 31.2237 15 10.3506

0.01719
2
2
2

5
55

15
n x x

Log y x Log b 10.3506 15 0.01719 2.01855


n

Log y = 2.01855 + 6 (0.01719)


Abrahan A. Pacheco
Oviedo

Log y = 2.1217
y=Antilog (2.1217) = 132.34

Antilog = 10x
y = 10 2.1217

UCSM Ingeniera Industrial

Regresin Logartmica (FUNC. EXCEL)


CRECIMIENTO(CONOCIDO_Y, CONOCIDO_X, X)
b ESTIMACIN.LOGARITMICA(CONOCIDO_Y, CONOCIDO_X)
a INDICE(ESTIMACIN.LOGARITMICA(CONOCIDO_Y, CONOCIDO_X),2)
Y = a b ^ x

Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

Regresin Mltiple
El objetivo es ajustar un modelo de la Forma:

Y = 0+ 1X1+ 2X2
Estimando los parmetros correspondientes (0, 1, 2) y calcular
el coeficiente de determinacin R2.

Y
X1
X2

Ventas
Viviendas
Ingresos

Abrahan A. Pacheco
Oviedo

Y
8
10
12
13
15
18

X1
4
3
6
6
7
8

X2
20
22
23
26
27
30

UCSM Ingeniera Industrial

Regresin Mltiple
Coeficient
Utilizando del Excel en la opcin

es
Datos o Herramientas, se elige
Anlisis
de
Datos
y
luego
Intercepci 8.8947368
Regresin, se introduce el rango de
n
4
la variable dependiente y luego las
Variable X 0.3684210
independientes y se obtiene:
siguiente:
1Se puede extraer lo 5
Variable
X 0.7894736
0 = -8.894737
2
8

1 = 0.3684211
2 = 0.7894737

Es decir la ecuacin de regresin mltiple ajustada


es:

Y = -8.894737+ 0.3684211X1+ 0.7894737X2


.
Abrahan A. Pacheco
Oviedo

UCSM Ingeniera Industrial

C. PROCESO ESTACIONAL
Los patrones estacionales son fluctuaciones
que ocurren dentro de un ao y tienden a
repetirse anualmente
DESCOMPOSICION DE
UNA SERIE DE TIEMPO

Cuando la demanda contiene efectos de


tendencia y estacionales, se determina la
relacin entre ambos a travs de la
variacin estacional.
DESCOMPOSICION DE
UNA SERIE DE TIEMPO

Abrahan A. Pacheco
Oviedo

La tendencia se multiplica por los factores


de estacionalidad.
Pronstico=Tendencia x Factor Estacionalidad

UCSM Ingeniera Industrial


FACTOR DE
ESTACIONALIDAD

Es la correccin que se requiere para


ajustar una serie de tiempo a la estacin
del ao.
a) PROPORCION SIMPLE

Ventas Promedio 1000 u (Ao Anterior)


Primavera

200

Verano

350

Otoo

300

Invierno 150
Abrahan A. Pacheco
Oviedo

Venta Estimada 1100 u. (Ao Siguiente)

UCSM Ingeniera Industrial


Solucin
PROPORCION SIMPLE

Pasos:
1. Determinar el F.E.
2. Pronsticar las Ventas del Periodo
Primavera
Verano
Otoo
Invierno
Total
Abrahan A. Pacheco
Oviedo

Ventas Ant F.E


200
350
300
150
1000

0.20
0.35
0.30
0.15

Ventas Est
220
385
330
165
1100

UCSM Ingeniera Industrial


SERIE DE TIEMPO ESTACIONALES Y CON TENDENCIA

400

160
140

350

120

300

100

250

80

200

60

150

40

100

20
0
1

50
2

Ventas

Abrahan A. Pacheco
Oviedo

10

11

12

0
1

Ao 2005 2

Ao 2006

3 2007
Ao

Se puede apreciar en las ventas, estas tienen


un comportamiento de tendencia y tambin
tienen comportamiento estacional.

UCSM Ingeniera Industrial


b) DESCOMPOSICION POR MINIMOS CUADRADOS

Significa encontrar los componentes basicos de la tendencia


y estacionalidad
PASO 1: Determinar el Factor de Estacionalidad
Se obtiene un promedio de los mismos trimestres
Se obtiene el factor de estacionalidad
PASO 2: Desestacionalizar los datos originales
Dividimos los
estacionalidad

datos

originales

entre

el

factor

de

PASO 3: Desarrollar una linea de regresin de minimos


cuadrados
Abrahan
A. Pacheco para los datos desestacionalizados.
Oviedo

Y = a + bX

UCSM Ingeniera Industrial


b) DESCOMPOSICION POR MINIMOS CUADRADOS

PASO 4: Proyectar la linea de regresin para el periodo


que se pronostica.
PASO 5: Crear el pronostico final ajustando la linea de
regresin con el factor de estacionalidad.
EJEMPLO:

Abrahan A. Pacheco
Oviedo

Trim
I
II
III
IV
I
II
III
IV
I
II
III
IV

Periodo
1
2
3
4
5
6
7
8
9
10
11
12

Demanda
600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900

UCSM Ingeniera Industrial

solucion
PASO 1:
Promedio de trimestres (600+2400+3800)/3 =2266.67
(1550+3100+4500)/3 = 3050
(1500+2600+4000)/3 = 2700
(1500+2900+4900)/3 =3100
Promedio General 33350/12 = 2779.17
Factor Estacionalidad : 2266.67/2779.17 = 0.8156
3050.00/2779.17 = 1.0974
2700.00/2779.17 = 0.9715
Abrahan A. Pacheco
Oviedo

3100.00/2779.17 = 1.1154

UCSM Ingeniera Industrial

solucion

Trim
I
II
III
IV
I
II
III
IV
I
II
III
IV

Perio

I
II
III
IV

Dema

FE

1
2
3
4
5
6
7
8
9
10
11
12

600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900
33350

13
14
15
16

4080.81011
5866.29789
5525.71808
6725.87175

Y
0.8156
1.0974
0.9715
1.1154
0.8156
1.0974
0.9715
1.1154
0.8156
1.0974
0.9715
1.1154

X2
735.7
1412.4
1544.0
1344.8
2942.6
2824.9
2676.3
2600.0
4659.1
4100.6
4117.3
4393.0
33350.7

XY
1
4
9
16
25
36
49
64
81
100
121
144
650

735.7
2824.8
4632.0
5379.2
14713.0
16949.4
18734.1
20800.0
41931.9
41006.0
45290.3
52716.0
265712.4

5003.45
5345.63
5687.82
6030.01

x 6.5
y 2779.2

Abrahan A. Pacheco
Oviedo

xy n x y
x n x
2

265706.9 12 6.5 2779.23


2
650 12 6.5

a y b x 2779.2 342.21 6.5 554.9

342.21

UCSM Ingeniera Industrial


PRONOSTICO
MINIMOS CUADRADOS

1
Abrahan A. Pacheco
Oviedo

10

11

12

13

14

15

16

UCSM Ingeniera Industrial


PRONOSTICO POR DESCOMPOSICION
MINIMOS CUADRADOS

1
Abrahan A. Pacheco
Oviedo

10

11

12

13

14

15

16

UCSM Ingeniera Industrial

Ao

Permiso
Construccin

Ventas Carpintera
Yardas Cuadradas

1989
1990
1991
1992
1993
1994
1995
1996
1997

18
15
12
10
20
28
35
30
20

13000
12000
11000
10000
14000
16000
19000
17000
13000

Abrahan A. Pacheco
Oviedo

1998

25

UCSM Ingeniera Industrial

Una
Cia.
Vende
electricidad y vapor a la
ciudad de Nueva York y
al
condado
de
Westchester.
Los
ingresos por ventas se
muestran en la tabla,
proyecte los ingresos
para los aos 2002 a
2005. Utilice su criterio
para decidir que modelo
aplicar.

Abrahan A. Pacheco
Oviedo

Ao
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000

Ingresos
4865.9
5067.4
5515.6
5728.8
5497.7
5197.7
5094.4
5108.8
5550.6
5738.9

2001

5860.0

UCSM Ingeniera Industrial

Motors Company produce motores electrnicos para vlvulas


automticas para la industria de la construccin. Durante ms de un
ao, la planta de produccin ha operado a casi plena capacidad. El
Gerente de Planta, estima que el crecimiento en las ventas continuar
y desea desarrollar de las instalaciones para los siguientes tres aos.
Se han totalizado las cifras de ventas correspondientes a los ltimos
diez aos.
AO
VENTAS ANUALES
AO
VENTAS ANUALES
(MILES DE UNIDADES)
(MILES DE UNIDADES)
1
2
3
4
5

1.000
1.300
1.800
2.000
2.000

6
7
8
9
10

2.000
2.200
2.600
2.900
3.200

Se requiere determinar los niveles de ventas para los aos mencionados,


as como el coeficiente de correlacin y los rangos de desviacin del
Abrahan
A. Pacheco
pronstico
esperado, considerando un intervalo de confianza de 90%,
Oviedo
con 2 grados de libertad.

UCSM Ingeniera Industrial

El gerente de planta de Motors Company, esta intentando planear las


necesidades de efectivo de personal y materiales y suministros para
cada trimestre del prximo ao. Los datos de ventas trimestrales
durante los ltimos tres aos razonablemente parecen reflejar el
patrn de resultados estacional que debe esperarse en el futuro. Si se
pudiera estimar las ventas trimestrales del siguiente ao, podra
determinarse las necesidades de efectivo, material, personal y
suministros.
Ventas Trimestrales (miles de unidades)
Aos

Trim I

Trim II

2000

520

730

820

530

2600

2001

590

810

900

600

2900

2002

650

900

1000

650

3200

Abrahan A. Pacheco
Oviedo

Trim III Trim IV

Total

Determine el volumen de ventas para el siguiente ao.

Anual