Herramientas para La Toma de Decisiones - Trabajo de Investigación - Armas

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE CIENCIAS ADMINISTRATIVAS

E.A.P ADMINISTRACIN
INVESTIGACION DE OPERACIONES APLICADO A

LA EMPRESA DE TRANSPORTE
MI BEATRIZ S.A.C
HERRAMIENTAS PARA LA TOMA DE DECISIONES
DOCENTE:
Dr. Edgar Vicente Armas
INTEGRANTES:
Cajahuaringa Astete, Mara
Delgado Monteverde, Csar
Guadalupe Inciso, Luzcely
Prez Lvano, Alberto
Roque Villalobos, Susan
Tupac Dvila, Eduardo
2014

EMPRESA TRANSPORTE MI BEATRIZ S.A.C
Tabla de contenido
DEDICATORIA ................................................................................................................................................... 4
JUSTIFICACIN ................................................................................................................................................ 5
INTRODUCCIN............................................................................................................................................... 6
MARCO TERICO ............................................................................................................................................ 7
Programacin Lineal ................................................................................................................................... 7
Modelo de Transbordo .............................................................................................................................. 9
Modelo Asignacin .................................................................................................................................... 10
Modelo Pronstico ..................................................................................................................................... 11
Modelo PERT-CPM..................................................................................................................................... 14
Modelo Simulacin .................................................................................................................................... 16
I.
PLAN DE TRABAJO ............................................................................................................................... 19

1.
Planteamiento de Objetivos: .......................................................................................................... 19

Objetivo General: .................................................................................................................................. 19
Objetivos Especficos: ............................................................................................................................ 19
2.
Importancia: ....................................................................................................................................... 19
3.
Planteamiento de Hiptesis: ........................................................................................................... 19

Hiptesis General: .................................................................................................................................. 19
Hiptesis Especficas: ............................................................................................................................. 20
II.
DISEO METODOLGICO ................................................................................................................ 20

1.
Diseo de investigacin ................................................................................................................... 20
2.
Procedimiento de Recoleccin de datos ...................................................................................... 20
III.
CONOCIENDO A LA EMPRESA ..................................................................................................... 21

1.
Empresa de Transportes Mi Beatriz S.A.C. ................................................................................. 21
2.
Misin y Visin................................................................................................................................... 21
3.
Valores: .............................................................................................................................................. 21
4.
Estructura ............................................................................................................................................ 22
5.
Departamento de Anlisis .............................................................................................................. 23
6.
Requisitos en las operaciones ........................................................................................................ 23
IV.
1.
HERRAMIENTAS APLICADAS .......................................................................................................... 24

PROGRAMACIN LINEAL .............................................................................................................. 24
Modelo Determinstico ........................................................................................................................... 24
Modelo Matemtico............................................................................................................................... 28
2 PROYECTO DE INVESTIGACIN

2.
MODELO DE TRANSPORTE ............................................................................................................ 31
3.
MODELO DE ASIGNACIN ........................................................................................................... 32
4.
PRONSTICO ................................................................................................................................... 35
Factor Estacional-Ventas ....................................................................................................................... 35
Pronstico basado en serie de tiempo ................................................................................................ 40
Pronstico Ventas en base a la REGRESIN ..................................................................................... 45
Pronstico Ventas basado en promedio Mvil Simple ..................................................................... 71
Pronstico ventas en base a Alisamiento Exponencial ..................................................................... 74
Comparacin de Seal de Rastreo ...................................................................................................... 76
Pronstico compras en base a Series de Tiempo .............................................................................. 78
Pronstico compras basado en promedio Mvil Simple ................................................................. 84
Pronstico compras en base a Alisamiento Exponencial .................................................................. 86
5.
MODELO DE RUTA CRTICA ........................................................................................................... 88
6.
MODELO DE SIMULACIN ............................................................................................................ 90
CONCLUSIONES ............................................................................................................................................ 94
RECOMENDACIONES.................................................................................................................................... 95
REFERENCIA BIBLIOGRAFA ......................................................................................................................... 96
ANEXOS: .......................................................................................................................................................... 97

DEDICATORIA
edicamos el presente proyecto

de
investigacin
de
operaciones a nuestro querido
profesor del presente curso que da a da
nos orienta a seguir mejorando en
nuestra vida personal y profesional

JUSTIFICACIN
El presente trabajo se realiza con el objeto de
poner en prctica los conocimientos y tcnicas
adquiridas en el curso de Herramientas para la
Toma de Decisiones a la Empresa de Transportes
Mi Beatriz para su principal actividad con el
objetivo de optimizar su rendimiento.

INTRODUCCIN
Todos los das nos enfrentamos a los distintos sucesos que se nos llegan a presentar
y debemos escoger entre dos o ms alternativas para poder continuar. Todos y cada
uno de nosotros pasamos los das y las horas de nuestra vida teniendo que tomar
decisiones.
Para los administradores, el proceso de toma de decisin es sin duda una de las
mayores responsabilidades. La toma de decisiones en una organizacin se circunscribe a
una serie de personas que estn apoyando el mismo proyecto. Debemos empezar por
hacer una seleccin de decisiones, y esta seleccin es una de las tareas de gran
trascendencia.
Con frecuencia se dice que las decisiones son algo as como el motor de los negocios y
en efecto, de la adecuada seleccin de alternativas depende en gran parte el xito de
cualquier organizacin.
Las decisiones que los ejecutivos efecten se desplegarn en todos los niveles de la
organizacin traducidas en objetivos y acciones ms especficas y concretas en cada
nivel hacia abajo. La informacin requerida en estas decisiones representan el punto de
partida para llevar a cabo acciones que finalmente afectarn el desempeo de la
organizacin.
El presente trabajo busca que como estudiantes de Administracin y futuros
Administradores podamos desarrollar un modelo ptimo de gestin para la empresa de
transporte Mi Beatriz S.A.C., de esta manera se busca una mejora en las operaciones
que esta realiza, para ello se establecen objetivos con sus respectivas hiptesis, se
conoce un poco ms sobre la empresa como su misin, visin y valores, adems
aplicaremos las herramientas estudiadas como la programacin lineal, el modelo de
asignacin, el modelo de transporte, entre otras herramientas a las operaciones que
realiza la empresa, de esta manera se trata de optimizar los resultados de Mi Beatriz
S.A.C. buscando su crecimiento y por ltimo se presentan las conclusiones y
recomendaciones a la cual se puedo llegar.

MARCO TERICO
Programacin Lineal
Muchas decisiones administrativas implican la importante cuestin de utilizar con la
mxima eficacia los recursos de una organizacin. Por lo general, dichos recursos
incluyen maquinaria, mano de obra, dinero, tiempo, espacio de almacenamiento y
materia prima. Estos recursos pueden ser utilizados para producir productos (tales como
maquinaria, mobiliario, alimentos, ropa) o servicios (tales como horarios para lneas
areas o produccin, polticas de publicidad o decisiones de inversin). La programacin
lineal (PL) es una tcnica de modelado matemtico ampliamente utilizada, diseada
para ayudar a los administradores en la planificacin y toma de decisiones con respecto
a la asignacin de recursos.
Todos los problemas de programacin lineal comparten cuatro propiedades:
Todos los problemas buscan maximizar o minimizar alguna cantidad, por lo general la
utilidad o el costo. Se hace referencia a esta propiedad como la funcin objetivo de un
problema de programacin lineal. El objetivo ms importante de un fabricante tpico es
maximizar las utilidades en dlares. En el caso de un sistema de distribucin por camin
o ferrocarril, el objetivo podra ser minimizar costos de embarque. En todo caso, este
objetivo debe ser establecido con claridad y definido matemticamente.
La segunda propiedad que tienen los problemas de PL es la presencia de limitaciones o
restricciones que acotan el grado al cual se puede alcanzar un objetivo. Por ejemplo, la
decisin de cuntas unidades de cada producto de una lnea de una firma deben ser
fabricadas est limitada por el personal y la maquinaria disponible. Se desea, por
consiguiente, maximizar o minimizar una cantidad (la funcin objetivo) sujeta a recursos
limitados (restricciones).
Deben existir cursos de accin alternativos entre los cuales se pueda elegir. Por ejemplo,
si una compaa fabrica tres productos diferentes, la administracin puede utilizar la PL
para decidir cmo asignar entre ellos sus limitados recursos de produccin (personal,
maquinaria, etc)
Los objetivos y restricciones en los problemas de PL se deben expresar en trminos de
ecuaciones o desigualdades lineales.

FORMULACIN DE PROBLEMAS DE PROGRAMACIN LINEAL
La formulacin de un problema lineal implica desarrollar un modelo matemtico para

representar el problema administrativo. En consecuencia, para formular un problema
lineal, es necesario entender a cabalidad el problema administrativo que se enfrenta.
Una vez que este se entiende, se puede comenzar a desarrollar el enunciado
matemtico del mismo. Los pasos para formular un programa lineal son los siguientes:
1. Entender por completo el problema administrativo que se enfrenta.
2. Identificar los objetivos y las restricciones.
3. Definir las variables de decisin.
4. Utilizar las variables de decisin para escribir las expresiones matemticas de la
funcin objetivo y de las restricciones.
Una de las aplicaciones de programacin lineal ms comn es el problema de mezcla
de productos. En general se producen dos o ms productos utilizando recursos limitados
tales como personal, maquinarias, materia prima, etc. La utilidad que la firma busca
para maximizar est basada en la contribucin a la utilidad por unidad de cada
producto. A la compaa le gustara determinar cuntas unidades de cada producto
deber fabricar para maximizar la utilidad total dados sus recursos limitados.
SOLUCIN DE PROBLEMAS DE MINIMIZACIN

Muchos problemas de PL implican minimizar un objetivo tal como el costo en lugar de
maximizar una funcin de utilidad. Por ejemplo, es posible que un restaurant desee
desarrollar un horario de trabajo para satisfacer las necesidades de personal al mismo
tiempo que minimiza el nmero total de empleados. Puede que un fabricante pretenda
distribuir sus productos de varias fbricas a sus almacenes regionales de tal modo que
se reduzcan al mnimo los costos de embarque.
Para resolver grficamente los problemas de minimizacin, primero se debe establecer
la regin de soluciones factibles y luego utilizar el mtodo de punto de esquina o un
mtodo de lnea de isocosto para encontrar los valores de las variables de decisin que
den el costo mnimo.

Modelo de Transbordo
El problema de transbordo es una extensin del problema de transporte en el cual los
nodos intermedios, llamados nodos de transbordo, se aaden para representar sitios
como almacenes. En este tipo ms general de problema de distribucin se pueden hacer
envos entre cualquier par de tres tipos generales de nodos: de origen, de transbordo y
de destino. Por ejemplo, el problema de transbordo permite embarques de productos
desde los orgenes a los nodos intermedios y de ah a sus destinos, desde un origen a
otro, desde un sitio intermedio a otro, desde un sitio de destino a otro, y directamente
desde los orgenes a los destinos.
Como sucedi en el problema de transporte, el suministro disponible en cada origen est
limitado y se especifica la demanda en cada destino. El objetivo en el problema de
transbordo es determinar cuntas unidades deben enviarse por cada arco de la red, de
modo que todas las demandas de destino se satisfagan con el costo de transporte
mnimo posible.
Variaciones del problema
Al igual que con los problemas de asignacin y transporte, los problemas de transbordo
pueden formularse con diversas variaciones, que incluyen:
1. La oferta total no es igual a la demanda total
2. Funcin objetivo de maximizacin
3. Capacidades de ruta o mnimos de ruta
4. Rutas inaceptables
Las modificaciones al modelo de programacin lineal requeridas para manejar estas
variaciones son idnticas a las modificaciones requeridas para el problema de
transporte. Cuando aadimos una o ms restricciones de la forma xij Lij
para mostrar que la ruta desde el nodo i al nodo j tiene una capacidad Lij, nos
referimos al problema de transbordo como problema de transbordo con capacidades.
En estudios ms avanzados de la programacin lineal, el problema de transbordo con
capacidades se llama problema de flujo de red puro. Existen procedimientos de solucin

con un propsito especial que son eficientes para los problemas de flujo de red y sus
casos particulares.
Modelo Asignacin
Los problemas de asignacin son un caso especial del modelo de transporte que
implican determinar la asignacin ms eficiente de personas a trabajos, mquinas a
tareas, patrullas policiacas a sectores de la ciudad, personal de ventas a territorios, etc.
Una caracterstica distintiva del problema de asignacin es que un agente se asigna a
una y solo una tarea. El objetivo podra ser minimizar los tiempos de recorrido o costos,
o maximizar la eficacia de las asignaciones. Estas pueden ser manejadas por sus
propios procedimientos de solucin. Los problemas de asignacin son nicos porque no
solo tienen el coeficiente l asociado con cada variable en las restricciones de PL, el lado
derecho de cada restriccin tambin.
VARIACIONES DEL PROBLEMA
Debido a que el problema de asignacin puede considerarse un caso especial del

problema de transporte, las variaciones del problema que pueden surgir en uno de
asignacin se equiparan a aquellas del problema de transporte. En especfico, podemos
manejar:
1. El nmero total de agentes (suministro) que no es igual al nmero de tareas
(demanda)
2. Funcin objetivo de maximizacin
3. Asignaciones inaceptables
La situacin en la cual el nmero de agentes no es igual al nmero de tareas es anloga
al suministro total que no es igual a la demanda total en un problema de transporte. Si
el nmero de agentes excede el nmero de tareas, los agentes extra sencillamente
permanecen sin asignarse en la solucin de programacin lineal. Si el nmero de tareas
supera al nmero de agentes, el modelo de programacin lineal no tendr una solucin
factible. En esta situacin, una modificacin simple es aadir suficientes agentes ficticios
para igualar el nmero de agentes y el nmero de tareas.

Si las alternativas de asignacin se evalan en trminos de ingresos o utilidades en vez

del tiempo o costo, la formulacin de programacin lineal puede resolverse como un
problema de maximizacin en vez de uno de minimizacin. Adems, si una o ms
asignaciones son inaceptables, la variable de decisin correspondiente puede eliminarse
de la formulacin de programacin lineal. Esta situacin podra ocurrir, por ejemplo, si
un agente no tuviera la experiencia necesaria para una o ms tareas.
Para el problema de asignacin, todos los suministros y demandas son iguales a 1; por
tanto, la solucin ptima debe tener valores enteros y estos deben ser 0 o 1.
Modelo Pronstico
Pronstico es emitir un enunciado sobre lo que es probable que ocurra en el futuro,
basndose en anlisis y en consideraciones de juicios. Es predecir el futuro a partir de
algunos indicios.
Entre los objetivos que presenta tenemos: establecer un mecanismo de apoyo terico
prctico, poder diferenciar tanto a los pronsticos de largo plazo de los pronsticos a
corto plazo y eliminar o aminorar la incertidumbre.
NECESIDAD DE PRONOSTICAR:
Porque todas las organizaciones operan en una atmosfera de incertidumbre y

que, a pesar de este hecho, se deben tomar decisiones que afectan el futuro.
Debido a que siempre ha sido cambiante el mundo en el que operan las

organizaciones.
Las organizaciones que no puedan reaccionar con rapidez a las condiciones

cambiantes y prever el futuro con algn grado de precisin estn condenadas a
la extincin.

TIPOS DE PRONSTICOS:
Tcnica de
pronstico
Mtodos
cualitativos
Mtodos de
series de
tiempo
Mtodos
causales
Mtodo Delphi
Promedio mvil
Anlisis de
regresin
Jurado de
opinin
Suavizamiento
exponencial
Regresin
mltiple
Consulta a
vendedores
Proyeccin de
tendencias
Investigacin
de mercados
de consumo
Descomposicin
Mtodos Cualitativos:
Son tcnicas que usan el criterio de las personas y ciertas relaciones para transformar lo
cualitativo en estimados cuantitativos.
La posicin central en estos mtodos no la tienen datos apsado, sino la experiencia de
las personas.
Mtodos Cuantitativos:
Encontramos dos tipos de mtodos:
Exploratorios o prospectivos.
Normativos o deductivos.
Las tcnicas cualitativas son una alternativa cuando los datos histricos no estn
disponibles o son escasos y cuando hay cambios significativos en las condiciones del
entorno que afecte a la serie de tiempo.

Ningn mtodo por s solo es superior a los dems: debe utilizarse el que funcione mejor.
Independientemente del mtodo empleado para hacer un pronstico, se utilizan los
mismos ocho procedimientos generales que se menciona na continuacin:
1. Determinar el uso del pronstico: Qu objetivo se trata de lograr?
2. Seleccionar los elementos o cantidades que se quieren pronosticar.
3. Determinar el horizonte de tiempo del pronstico: es de uno a 30 das (corto
plazo), de mes a un ao (mediano plazo) o a ms de un ao (largo plazo)?
4. Seleccionar el modelo o modelos del pronstico.
5. Reunir lo daros necesarios para hacer el pronstico.
6. Validar el modelo de pronstico.
7. Implementar los resultados.
Estos pasos presentan una forma sistemtica de iniciar el diseo e implementacin de un
sistema de pronsticos.
Despus que se ha completado un pronstico, es importante que este no se olvide.
Ningn administrador quiere que se le recuerde que su pronstico fue terriblemente
impreciso, pero las empresas necesitan determinar por qu la demanda real (o
cualquier variable bajo examen) difiri de manera importante de lo que se pronostic.
Una manera de supervisar los pronsticos para asegurarse de su precisin es una seal
de rastreo. Esta es una medicin de cun bien predice el pronstico los valores reales.
Debido a que los pronsticos se actualizan de cada semana, mes o trimestre, los nuevos
datos disponibles de la demanda se comparan con los valores del pronstico.
La seal de rastreo se calcula como la suma corriente de los errores de pronstico (RSFE)
dividida entre la desviacin media absoluta:
Seal de rastreo =
Donde:
( )
MAD =
| |
Las seales de rastreo positivas indican que la demanda es mayor que el pronstico. Las
seales negativas significan que la demanda es menor que el pronstico. Cuando se
calculan las seales de rastreo, se comparan con lmites predeterminados de control.
Cuando la seal de rastreo excede el lmite superior o inferior, la seal se dispara. Esto

quiere decir que existe un problema con el mtodo de pronstico, y quizs sea
necesario reevaluar la forma en que se pronostica la demanda.
Modelo PERT-CPM
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de informacin
para los administradores del proyecto. Primero, el PERT/CPM expone la "ruta crtica"
de un proyecto. Estas son las actividades que limitan la duracin del proyecto. En otras
palabras, para lograr que el proyecto se realice pronto, las actividades de la ruta
crtica deben realizarse pronto. Por otra parte, si una actividad de la ruta crtica se
retarda, el proyecto como un todo se retarda en la misma cantidad. Las actividades que
no estn en la ruta crtica tienen una cierta cantidad de holgura; esto es, pueden
empezarse ms tarde, y permitir que el proyecto como un todo se mantenga en
programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo disponible
para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las actividades.
En muchos proyectos, las limitaciones en mano de obra y equipos hacen que la
programacin sea difcil. El PERT/CPM identifica los instantes del proyecto en que estas
restricciones causarn problemas y de acuerdo a la flexibilidad permitida por los
tiempos de holgura de las actividades no crticas, permite que el gerente manipule
ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y monitorear el
progreso del proyecto. Cada actividad tiene su propio papel en ste y su importancia
en la terminacin del proyecto se manifiesta inmediatamente para el director del mismo.
Las actividades de la ruta crtica, permiten por consiguiente, recibir la mayor parte de
la atencin, debido a que la terminacin del proyecto, depende fuertemente de ellas.
Las actividades no crticas se manipularan y remplazaran en respuesta a la
disponibilidad de recursos.

DEFINICIN
El mtodo del camino crtico es un proceso administrativo de planeacin, programacin,
ejecucin y control de todas y cada una de las actividades componentes de un proyecto
que debe desarrollarse dentro de un tiempo crtico y al costo ptimo.
USOS
El campo de accin de este mtodo es muy amplio, dada su gran flexibilidad y
adaptabilidad a cualquier proyecto grande o pequeo. Para obtener los mejores
resultados debe aplicarse a los proyectos que posean las siguientes caractersticas:
a. Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad.
b. Que se deba ejecutar todo el proyecto o parte de el en un tiempo mnimo, sin
variaciones, es decir, en tiempo crtico.
c. Que se desee el costo de operacin ms bajo posible dentro de un tiempo disponible.
Dentro del mbito aplicacin, el mtodo se ha estado usando para la planeacin y
control de diversas actividades, tales como construccin de presas, apertura de caminos,
pavimentacin, construccin de casas y edificios, reparacin de barcos, investigacin de
mercados, movimientos de colonizacin, estudios econmicos regionales, auditoras,
planeacin de carreras universitarias, distribucin de tiempos de salas de operaciones,
ampliaciones de fbrica, planeacin de itinerarios para cobranzas, planes de venta,
censos de poblacin, etc., etc.
DIFERENCIAS ENTRE PERT Y CPM
Como se indic antes, la principal diferencia entre PERT y CPM es la manera en que se
realizan los estimados de tiempo. E1 PERT supone que el tiempo para realizar cada una
de las actividades es una variable aleatoria descrita por una distribucin de
probabilidad. El CPM por otra parte, infiere que los tiempos de las actividades se
conocen en forma determinsticas y se pueden variar cambiando el nivel de recursos
utilizados.
La distribucin de tiempo que supone el PERT para una actividad es una distribucin
beta. La distribucin para cualquier actividad se define por tres estimados:

(1) el estimado de tiempo ms probable, m;

(2) el estimado de tiempo ms optimista, a; y
(3) el estimado de tiempo ms pesimista, b.
E1 tiempo ms probable es el tiempo requerido para completar la actividad bajo
condiciones normales. Los tiempos optimistas y pesimistas proporcionan una medida de
la incertidumbre inherente en la actividad, incluyendo desperfectos en el equipo,
disponibilidad de mano de obra, retardo en los materiales y otros factores.
Con la distribucin definida, la media (esperada) y la desviacin estndar,
respectivamente, del tiempo de la actividad para la actividad Z puede calcularse por
medio de las frmulas de aproximacin.
El tiempo esperado de finalizacin de un proyecto es la suma de todos los tiempos
esperados de las actividades sobre la ruta crtica. De modo similar, suponiendo que las
distribuciones de los tiempos de las actividades son independientes (realsticamente, una
suposicin fuertemente cuestionable), la varianza del proyecto es la suma de las
varianzas de las actividades en la ruta crtica. Estas propiedades se demostrarn
posteriormente.
En CPM solamente se requiere un estimado de tiempo. Todos los clculos se hacen con la
suposicin de que los tiempos de actividad se conocen. A medida que el proyecto
avanza, estos estimados se utilizan para controlar y monitorear el progreso. Si ocurre
algn retardo en el proyecto, se hacen esfuerzos por lograr que el proyecto quede de
nuevo en programa cambiando la asignacin de recursos.
Modelo Simulacin
La simulacin es uno de los mtodos cuantitativos ms ampliamente utilizados para
tomar decisiones. Es un mtodo de aprender acerca de un mtodo real experimentando
con un modelo que representa el sistema. El modelo de simulacin contiene las
expresiones matemticas y relaciones lgicas que describen cmo calcular el valor de

los datos de salida dados los valores de los datos de entrada. Cualquier modelo de
simulacin tiene dos datos de entrada: controlables y probabilsticos.
Cuando realiza un experimento de simulacin, un analista selecciona el valor, o valores,
de los datos de entrada controlables. Luego los valores de los datos de entrada
probabilsticos se generan al azar. El modelo de simulacin utiliza los valores de datos
de entrada controlables y los valores de los datos probabilsticos para calcular el valor,
o valores de los datos de salida. Realizando una serie de experimentos con varios
valores de los datos de entrada controlables, el analista aprende cmo los valores de
los datos controlables afectan o cambian el resultado del modelo de simulacin. Despus
de revisar los resultados de simulacin, el analista con frecuencia es capaza de
recomendar datos de entrada controlables que darn el resultado deseado del sistema
real.
Simulacin de Montecarlo
El mtodo de Monte Carlo es un mtodo no determinista o estadstico numrico, usado
para aproximar expresiones matemticas complejas y costosas de evaluar con
exactitud. El mtodo se llam as en referencia al Casino de Monte Carlo (Principado de
Mnaco) por ser la capital del juego de azar, al ser la ruleta un generador simple de
nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo
datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de
la computadora.
El uso de los mtodos de Monte Carlo como herramienta de investigacin, proviene del
trabajo realizado en el desarrollo de la bomba atmica durante la Segunda Guerra
Mundial en el Laboratorio Nacional de Los lamos en EE. UU. Este trabajo conllevaba la
simulacin
de
problemas
probabilsticos
de hidrodinmica
concernientes
la difusin de neutrones en el material de fisin. Esta difusin posee un comportamiento

eminentemente aleatorio.
El mtodo de Monte Carlo proporciona soluciones aproximadas a una gran variedad de
problemas matemticos posibilitando la realizacin de experimentos con muestreos de
nmeros pseudoaleatorios en una computadora. El mtodo es aplicable a cualquier tipo
de problema, ya sea estocstico o determinista. A diferencia de los mtodos numricos

que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir

una solucin aproximada, el mtodo de Monte Carlo tiene un error absoluto de la
estimacin que decrece como
en virtud del teorema del lmite central.
Pasos para realizar el mtodo:

1. Disear el modelo lgico de decisin
2. Especificar distribuciones de probabilidad para las variables aleatorias
relevantes.
3. Incluir posibles dependencias entre variables.
4. Muestrear valores de las variables aleatorias.
5. Calcular el resultado del modelo segn los valores del muestreo (iteraciones) y
registrar el resultado.
6. Repetir el proceso hasta tener una muestra estadstica representativa.
7. Obtener la distribucin de frecuencias del resultado de las iteraciones.
8. Calcular media, desvi y curva de percentiles acumulados.

I.
PLAN DE TRABAJO
1. Planteamiento de Objetivos:
Objetivo General:
Determinar un modelo de gestin para optimizar los resultados de las
operaciones de la Empresa de Transportes Mi Beatriz S.A.C mediante el uso de
herramientas para la toma de decisiones.
Objetivos Especficos:
Determinar un modelo de programacin lineal que maximice las
utilidades obtenidas por el servicio de transporte brindado a la empresa
Backus.
Determinar un modelo ptimo de pronsticos para los ingresos de las

ventas de la Empresa de Transporte Mi Beatriz S.A.C 2014, y tambin
para los egresos.
El modelo de simulacin logra optimizar el nmero de transportes para

las prximas rutas de distintos destinos que realizar un chofer.
Determinar el tiempo ptimo de duracin del proceso del transporte

brindado a la empresa Backus.
Determinar un modelo de asignacin para determinar qu transportista

est ms capacitado para realizar cada viaje.
2. Importancia:
El presente trabajo de investigacin operativa aplicado a la empresa de
Transporte Mi Beatriz S.A.C es importante porque muestra la parte prctica
de las herramientas dentro del contexto empresarial.
3. Planteamiento de Hiptesis:
Hiptesis General:
Las herramientas de toma de decisiones que son aplicadas en la Empresa de
Transporte Mi Beatriz S.A.C. logran resultados o soluciones ptimas y mejoras en
las operaciones principales de la organizacin; es decir, tratan de identificar el
mejor curso de accin posible.

Hiptesis Especficas:
El modelo de programacin lineal logra maximizar los ingresos de la
Empresa de Transporte Mi Beatriz S.A.C
El mtodo de previsin que mejor se ajusta a la demanda real es el de

regresin lineal.
Determinar un modelo de simulacin para las prximas rutas hacia los

distintos destinos que realizar un chofer con destino a Huancayo.
El tiempo de duracin del proceso de transporte es de 25 horas, para el

proceso de viaje con destino a Huancayo.
II.
La mejor decisin para el modelo de asignacin es que el transportista 1

se dirija a Huancavelica, el transportista 2 se dirija a Tarma, el
transportista 3 se dirija a Huancayo, el transportista 4 se dirija a Satipo
y el transportista 5 se dirija a La Merced, de acuerdo a sus capacidades.
DISEO METODOLGICO
1. Diseo de investigacin
La investigacin tiene un diseo exploratorio y descriptivo.
2. Procedimiento de Recoleccin de datos

Para la obtencin de datos se realiz diversas entrevistas con el gerente
administrativo de la Empresa de Transporte Mi Beatriz S.A.C. , Jaime
Cangalaya,
y tambin mediante una comunicacin constante
por correos
electrnicos (intranet).
Informacin Obtenida
Ventas y compras anuales (2013 y 2014)
Costos fijos y variables
Rutas
Inventario
Estructura de costos
La entrega de informacin de las ventas, compras costos, inventarios y entre

otros de las bebidas transportadas hacia las sucursales de Backus; se realiz el

da 11 de noviembre. As como tambin, la entrevista fue realizada el 17 de

noviembre, en la cual el gerente administrativo pudo darnos alguna explicacin
de los datos que se nos entregaron.
III.
CONOCIENDO A LA EMPRESA
1. Empresa de Transportes Mi Beatriz S.A.C.
Empresa de Transportes Mi Beatriz S. A. C., se crea
alrededor de hace 60 aos brindando el servicio de
transporte y logstica. Debido a la coyuntura del momento,
en un principio proyect sus actividades en la zona oriente
y sur del Per, posteriormente se consolid en la zona centro de nuestro
territorio, logrando ser una empresa lder en el transporte, logstica y distribucin
de productos terminados como en el traslado de minerales no metlicos hacia
diferentes puntos de nuestra capital.
2. Misin y Visin
Visin
Nuestra visin es consolidarnos como el lder en las operaciones logsticas a
nivel nacional.
Misin
Nuestra misin es suministrar el servicio de transporte de manera eficiente a
diferentes lugares que nuestros clientes designen satisfaciendo plenamente
sus expectativas, ofreciendo cambios e innovaciones constantes logrando una
fuerte ventaja competitiva en nuestro sector en beneficio de nuestros clientes
y colaboradores.
3. Valores:
Innovacin: Valor fundamental en nuestra razn de ser, ya que nos otorga
una fuerte ventaja competitiva.

Eficiencia: Comprometidos en lograr los mejores resultados en base a un

ordenamiento disciplinado del trabajo.
Responsabilidad: Los aos trabajados demuestran el trabajo realizado y el
reto hacia un buen servicio con nuestros clientes.
Honestidad y tica Personal: Valor que expresa el compromiso con nosotros
mismos demostrando a nuestra comunidad, clientes y compaeros el alto
desempeo por ser siempre mejores ciudadanos.
Comunicacin
Constante:
La
informacin
como
base
del
buen
funcionamiento de las operaciones.

Trabajo en Equipo: Sinergias competitivas en cada escaln de nuestra
organizacin.
4. Estructura

5. Departamento de Anlisis
Los departamentos escogidos para desarrollar las distintas herramientas
disponibles presentes en el trabajo fue:
-
Departamento de Operaciones: rea de coordinacin de flota

La cual se encarga de actividad principal de la empresa, la distribucin de
cargas, por ejemplo el planear la ruta de viaje que busque optimizar costos
y ganancias.
Dentro de las variadas operaciones que se realizan para cada cliente de
Mi Beatriz S.A.C, para el presente trabajo se tomara en cuenta a aquellas
relacionadas con su cliente Transportes 77 (Backus).
rea de logstica:
Encarga de las compras variadas para la realizacin de los viajes,
mantenimiento de los camiones y remolcadores y tambin los tiles de oficina
y escritorio.
Para el anlisis de estas dos rea se tuvo que contar con el apoyo de las dems
reas de la empresa, por la interrelacin que se maneja en la organizacin.
6. Requisitos en las operaciones

Los requisitos que se pidieron fueron a la empresa Mi Beatriz S.A.C son el
informe de sus ventas, compras del ao 2012, 2013 y 2014, al igual que sus
destinos de viaje y si inventario como tambin la informacin bsica de la
empresa como misin, visin, valores. Todos estos datos se han analizado y se
han adaptado a las herramientas enseadas.

IV.
HERRAMIENTAS APLICADAS
1. PROGRAMACIN LINEAL
Caso de Maximizacin:
La Empresa de Transporte Mi Beatriz S.A.C nos brind la informacin necesaria para
poder plantear un caso de maximizacin de beneficios, referentes a los ingresos que
percibe por los servicios que realiza para Transportes 77, el cual es afiliado de
Backus.
La empresa realiza viajes haca Huancavelica, Huancayo, La Merced, Satipo y Tarma.
En la siguiente tabla se especifica los ingresos obtenidos (ida y vuelta) y los das que se
toma el viaje.
Destinos:
Huancavelica
Huancayo
La Merced
Satipo
Tarma
Ingresos
3588,48
4596,48
4838,4
7176,96
4354,56
Das
3
3
3
4
3
En el contrato con el cliente se estipula que la empresa deber realizar como mnimo 1
viaje a la semana a cada destino, conociendo todo esto; y la empresa cuenta con 10
remolcadores para su transporte. Cuntos viajes por cada destino se debern hacer
para cada mes para obtener la mxima ganancia?
Modelo Determinstico
I. Identificacin de las variables de decisin
- Cantidad de viajes a realizar con destino a Huancavelica : CVDHV
- Cantidad de viajes a realizar con destino a Huancayo
: CVDHY
- Cantidad de viajes a realizar con destino a La Merced
: CVDLM
- Cantidad de viajes a realizar con destino a Satipo
: CVDSA
- Cantidad de viajes a realizar con destino a Tarma
: CVDTA

II.
Identificacin de la funcin objetivo
Mxima ganancia a obtener por cada viaje a realizar por la Empresa Mi Beatriz
S.A.C para Backus.
Max. Ganancia: Beneficio por viaje a Huancavelica * Cantidad de viajes a realizar con
destino a Huancavelica + Beneficio por viaje a Huancayo * Cantidad de viajes a
realizar con destino a Huancayo + + Beneficio por viaje a La Merced * Cantidad de
viajes a realizar con destino a La Merced+ Beneficio por viaje a Satipo * Cantidad de
viajes a realizar con destino a Satipo + Beneficio por viaje a Tarma * Cantidad de
viajes a realizar con destino a Tarma.
Max. Ganancia: (S/. 3, 588.48*cant. de viajes a realizar con destino a Huancavelica +
S/. 4, 596.48*cant. de viajes a realizar con destino a Huancayo + S/. 4. 838.40*cant.
de viajes a realizar con destino a La Merced + S/. 7, 176.96*cant. de viajes a realizar
con destino a Satipo + S/. 4, 354.56*cant. de viajes a realizar con destino a Tarma)
Max. Z: (S/. 3, 588.48*CVDHV + S/. 4, 596.48*CVDHY + S/. 4. 838.40*CVDLM + S/.
7, 176.96*CVDSA + S/. 4, 354.56*CDVDTA)
Max. Z = 3, 588.48*CVDHV + 4, 596.48*CVDHY + 4.
838.40*CVDLM + 7, 176.96*CVDSA + 4, 354.56*CDVDTA
III.
Restricciones
a. El nmero de viajes de ida y vuelta, con destino a Huancavelica demoran 3 das,

contando con 26 das al mes para realizar sus viajes, ya que se trabaja de lunes
a sbados.
3* Cantidad de viajes a realizar con destino a Huancavelica 26 das
3*CVDHV 26
b. El nmero de viajes de ida y vuelta, con destino a Huancayo demoran 3 das,

a sbados.

3* Cantidad de viajes a realizar con destino a Huancayo 26 das

3*CVDHY 26
c. El nmero de viajes de ida y vuelta, con destino a La Merced demoran 3 das,
a sbados.
3* Cantidad de viajes a realizar con destino a La Merced 26 das
3*CVDLM 26
d. El nmero de viajes de ida y vuelta, con destino a Satipo demoran 4 das,
a sbados.
4* Cantidad de viajes a realizar con destino a Satipo 26 das
4*CVDSA 26
e. El nmero de viajes de ida y vuelta, con destino a Tarma demoran 3 das,
a sbados.
3* Cantidad de viajes a realizar con destino a La Merced 26 das
3*CVDTA 26
f. El mnimo de viajes por semana para cada destino es de 1 viajes, siendo al mes
4.
Cantidad de viajes a Huancavelica es mayor igual que 4 viajes.

CVDHV 4
Cantidad de viajes a Huancayo es mayor igual que 4 viajes.

CVDHY 4
Cantidad de viajes a La Merced es mayor igual que 4 viajes.

CVDLM 4
Cantidad de viajes a Satipo es mayor igual que 4 viajes.

CVDSA 4
Cantidad de viajes a Tarma es mayor igual que 4 viajes.

CVDTA 4
g. La cantidad de das que la empresa tiene para realizar sus operaciones como
total son 260 das (n de remolcadores*n de das al mes) siendo el limite mayor
para la cantidad de das de viajes para cada destino (Huancavelica, Huancayo,
La Merced, Satipo y Tarma).
3CVDHV + 3CVDHY + 3CVDLM + 4CVDSA + 3CVDTA 260
h. Restriccin no negatividad: Todas las cantidades de viajes a cada destino
debern ser mayor igual a 0.
CVDHV; CVDHY; CVDLM; CVDSA; CVDTA 0
RESUMEN
I.
Variables de decisin
CVDHV
CVDHY
CVDLM
CVDSA
CVDTA
II.
Funcin Objetivo
Max. Z=3, 588.48*CVDHV + 4, 596.48*CVDHY + 4. 838.40*CVDLM + 7,
176.96*CVDSA + 4, 354.56*CDVDTA

III.
Restricciones
3*CVDHV 26
3*CVDHY 26
3*CVDLM 26
4*CVDSA 26
3*CVDTA 26
CVDHV 4
CVDHY 4
CVDLM 4
CVDSA 4
CVDTA 4
3CVDHV + 3CVDHY + 3CVDLM + 4CVDSA + 3CVDTA 260
CVDHV; CVDHY; CVDLM; CVDSA; CVDTA 0
Modelo Matemtico
CVDHV = X1
CVDHY = X2
CVDLM = X3
CVDSA =X4
CVDTA = X5
I.
Variables de decisin
X1: Cantidad de viajes a realizar con destino a Huancavelica
X2: Cantidad de viajes a realizar con destino a Huancayo
X3: Cantidad de viajes a realizar con destino a La Merced

X4: Cantidad de viajes a realizar con destino a Satipo

X5: Cantidad de viajes a realizar con destino a Tarma
II.
Funcin Objetivo
Max. Z = 3,588.48*X1 + 4, 596.48* X2Y + 4. 838.40* X3 + 7, 176.96* X4 +
4, 354.56* X5
Sujeto a:
3 X1 26
3 X2 26
3 X3 26
4 X4 26
3 X5 26
X1 4
X2 4
X3 4
X4 4
X15 4
3 X1 + 3 X2 + 3 X3 + 4 X4 + 3 X5 260
X1; X2; X3; X4; X5 0
Informacin de Respuestas
Celda
$B$3
Celda objetivo (Mx.)

Nombre
Valor
original
Max Z
Valor final
0
182085,12

Celdas de
variables
Celda
Nombre
$B$6
$C$6
$D$6
$E$6
$F$6
Valor
original
Viajes x1
Viajes x2
Viajes x3
Viajes x4
Viajes x5
Restricciones
Celda
0
0
0
0
0
Nombre
$G$13
Viajes min. Huancavelica Operacin
$G$14
Viajes min. Huancayo Operacin
$G$15
Viajes min. La Merced Operacin
$G$16
Viajes min. Satipo

Operacin
Viajes min. Tarma
Operacin
Das Totales
Operacin
Das para
Huancavelica Operacin
Das para Huancayo
Operacin
Das para La Merced Operacin
$G$17
$G$18
$G$8
$G$9
$G$10
$G$11
Das para Satipo

Operacin
Das para Tarma
Operacin
$G$12
Valor final
Entero
8
8
8
6
8
Entero
Entero
Entero
Entero
Entero
Valor de la
Frmula
Estado
celda
8 $G$13>=$I$13 No
vinculante
8 $G$14>=$I$14 No
vinculante
8 $G$15>=$I$15 No
vinculante
6 $G$16>=$I$16 No
vinculante
8 $G$17>=$I$17 No
vinculante
120 $G$18<=$I$18 No
vinculante
24 $G$8<=$I$8
No
vinculante
24 $G$9<=$I$9
No
vinculante
24 $G$10<=$I$10 No
vinculante
24 $G$11<=$I$11 No
vinculante
24 $G$12<=$I$12 No
vinculante
$B$6:$F$6=Entero
Interpretacin de funcin objetivo:

Se deber realizar 8 viajes a Huancavelica, 8 viajes a Huancayo, 8 viajes a La Merced,
6 viajes a Satipo, 8 viajes a Tarma para obtener un ingreso mximo de S/. 182,
085.12.
Demora
4
4
4
2
4
140
2
2
2
2
2

2. MODELO DE TRANSPORTE
La empresa no maneja el modelo comn de transportar una demanda determinada, en
este caso la demanda no es exacta. La carga que transportarn depender de la
cantidad de toneladas que el cliente determine para cada viaje, esta cantidad no
cuenta solo con un tipo de producto sino por varios, por ejemplo:
Alicorp: harinas, fideos y galletas.
Backus: Guaran, San Mateo, Cervezas.
En cuanto a la oferta, la empresa cuenta con remolcadores de 30 toneladas como

capacidad til, del cual si una empresa solo da menos de esa cantidad, Mi Beatriz
deber programar sus viajes para transportar productos de otro cliente, para que sea
beneficioso.

3. MODELO DE ASIGNACIN
Para plantear un caso de modelo de Asignacin se opt realizarlo no en base a sueldos
ya que todos los transportistas tiene un mismo sueldo por los viajes que realizan sino en
base a una calificacin (del 1 al 20) realizada por el Gerente Jaime Cangalaya de que
transportista est ms capacitado para realizar cada viaje. Al realizar un problema de
asignacin por este enfoque se debe tener en cuenta que a ms capacitado est el
transportista merece una nota mnima y a menos capacitado la nota mxima.
Planteamiento del Problema
TRANSPORTISTAS
El cuadro con las calificaciones se presenta a continuacin:

Huancayo
Huancavelica Tarma
La Merced
Satipo
T1
12
16
10
14
T2
16
10
14
T3
16
10
10
T4
14
12
12
16
12
T5
10
18
16
10
14
TRANSPORTISTAS
1 Paso: Examine todas las columnas de la matriz, identificando en cada columna el

menor elemento.
T1
12
T2
16
10
T3
T4
T5
CIUDADES
16
10
14
14
16
10
10
14
12
12
16
12
10
18
16
10
14
10
vj = min cij
vj = 6

Formulamos una nueva matriz reemplazando restndole los valores mnimos de cada
columna a su columna correspondiente.
TRANSPORTISTAS
CIUDADES
Huancayo
Huancavelica Tarma
La Merced
Satipo
T1
10
T2
10
T3
10
T4
10
T5
12
10
Huancayo
CIUDADES
Huancavelica Tarma
La Merced
Satipo
T1
10
T2
10
T3
10
T4
10
T5
12
10
Formulamos una nueva matriz restndole los valores mnimos de cada fila a todos los
valores de la fila correspondiente
CIUDADES
TRANSPORTISTAS
TRANSPORTISTAS
2 Paso: Determinamos para cada fila de la matriz los valores mnimos.
Huancayo
Huancavelica Tarma
La Merced
Satipo
T1
T2
10
T3
10
T4
T5

3 paso: Determine el nmero de ceros independientes; y encontramos el mnimo de

rectas n1 que cubra todos los ceros de la matriz y si n1 = n se encuentra el ptimo.
La Merced Satipo
T1
T2
10
T3
10
T4
T5
4 paso: Como n1 = n Se ha llegado a la solucin ptima. Para buscar esta solucin

considere ante todo, una de las filos o columnas que tengan la menor cantidad de
ceros
Huancayo
TRANSPORTISTAS
TRANSPORTISTAS
CIUDADES
Huancayo Huancavelica Tarma
CIUDADES
Huancavelica
Tarma
La Merced
Satipo
T1
T2
10
T3
10
T4
T5
Interpretacin:
El Transportista 1 deber ir a Huancavelica
El Transportista 2 deber ir a Tarma
El Transportista 3 deber ir a Huancayo
El Transportista 4 deber ir a Satipo
El Transportista 5 deber ir a La Merced

4. PRONSTICO
Factor Estacional-Ventas
Para la Empresa de Transporte Mi Beatriz S.A.C cuenta con un variaciones en el
transporte de productos de cerveza de la empresa Backus, por ejemplo Cusquea, con
destino Huancayo. Esto variara durante los 12 meses ya que habr temporadas bajas y
altas que en su mayora son por las principales fiestas en Huancayo.
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Situacin de ventas
Normal
Disminuye
Normal
Aumenta
Aumenta
Aumenta
Se presentan las ventas de los aos del 2012, 2013 y 2014 en el siguiente cuadro:
2012
Ao Meses
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
2013
Ventas (Soles)
S/.
931.674,00
S/. 1.733.761,00
S/. 1.115.784,00
S/. 1.114.451,00
S/.
903.686,00
S/. 1.264.155,00
S/.
933.219,00
S/. 1.348.484,00
S/. 1.059.435,00
S/. 1.249.909,00
S/. 1.270.642,00
S/.
943.901,00
S/. 1.283.489,00
S/. 1.255.395,00
S/. 1.196.727,00
S/. 1.216.275,00
S/. 1.509.858,00
S/. 1.197.611,00

Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
S/.
S/.
S/.
S/.
S/.
S/.
1.524.792,00
1.356.714,00
1.206.234,00
1.586.185,00
1.223.500,00
1.877.698,00
Ordenndolos por bimestres (Miles)

Ao
2012
2013
Bimestres
I
X
1
S/.
Ventas(Y)
2.665,44
II
S/.
2.230,24
III
S/.
2.167,84
IV
S/.
2.281,70
S/.
2.309,34
VI
S/.
2.214,54
S/.
2.538,88
II
S/.
2.413,00
III
S/.
2.707,47
IV
10
S/.
2.881,51
11
S/.
2.792,42
VI
12
S/.
3.101,20

GRFICO:
Ventas (En Miles)

ventas (en miles)
Ventas (En Miles)
y = 61,583x + 2125
Lineal (Ventas (En Miles))
S/. 4,000.00
S/. 3,000.00
S/. 2,000.00
S/. 1,000.00
S/. 0
6
8
Bimestres
10
12
14
ECUACIN HALLADA:
= + = 2125 + 61,583
Interpretacin: Por cada bimestre que pasa las ventas se incrementaran en 61.583
miles de soles.
En el siguiente cuadro mostraremos las ventas estimadas y as la relacin de la real con
la estimada:
Ao
2012
2013
Estimada=2125
+61,583t
(Demanda/Estimada)
2.665,44
2186,583
1,22
S/.
2.230,24
2248,166
0,99
S/.
2.167,84
2309,749
0,94
IV
S/.
2.281,70
2371,332
0,96
S/.
2.309,34
2432,915
0,95
VI
S/.
2.214,54
2494,498
0,89
S/.
2.538,88
2556,081
0,99
II
S/.
2.413,00
2617,664
0,92
Bimestres
Ventas(Y)
S/.
II
III

III
S/.
2.707,47
2679,247
1,01
IV
10
S/.
2.881,51
2740,83
1,05
11
S/.
2.792,42
2802,413
1,00
VI
12
S/.
3.101,20
2863,996
1,08
Hallaremos el promedio de cada bimestre (para cada bimestre, es la suma de los

valores en la columna anterior, dividido entre seis), teniendo como resultados:
Bimestre I
0,37
Bimestre II
0,32
Bimestre III
0,32
Bimestre IV
0,34
Bimestre V
0,32
Bimestre VI
0,33
Los pronsticos bimestrales para el a0 2014 son las proyecciones calculadas con la
ecuacin: Y = a +b*t = 2125 +61,583t
Desde t=13 hasta t=18 multiplicado por el fe que se corresponde por bimestre:
Bimestre I = (2125 +61,583x13) (0.37) =1082.464
Bimestre II = (2125 +61,583x14) (0.32) = 955.891
Bimestre III = (2125 +61,583x15) (0.32) =975.60
Bimestre IV = (2125 +61,583x16) (0.34) =1057.51

Bimestre V = (2125 +61,583x17) (0.32) =1015.01

Bimestre VI = (2125 +61,583x18) (0.33) =1067.05
Para ver si este modelo es confiable veremos la seal de rastreo:
Perodo
1
2
3
4
5
At
Demanda
2959,241
3034,883
3499,566
3198,285
3264,505
Ft
Desviacin
Pronostico
(At-Ft)
1082,464
1876,777
955,891
2078,992
975,6
2523,966
1057,51
2140,775
1015,01
2249,495
SAEP
1876,777
3955,769
6479,735
8620,51
10870,005
Desv.
Absoluta
1876,777
2078,992
2523,966
2140,775
2249,495
Suma Desv.
DMA
Absoluta
1876,777
1876,777
3955,769
1977,8845
6479,735 2159,91167
8620,51
2155,1275
10870,005
2174,001
4000
3500
3000
2500
At demanda
2000
Ft Pronstico
1500
1000
500
0
1
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA SE MANTIENE DESDE +1 HASTA

+5 POR CUAL SE CONSIDERA QUE EL MODELO ES NO CONFIABLE. ESTO SE DEBE A QUE SE
ESTA TOMANDO EN CUENTA LAS VENTAS A TODOS LOS DESTINOS Y ESTOS TIENE
DISTINTAS ESTACIONALIDADES
SR
1,00
2,00
3,00
4,00
5,00

Pronstico basado en serie de tiempo

Se presentan las ventas 2014 en el siguiente cuadro:
MES
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
TOTAL
VENTAS (miles de S/.)

1255,63
1703,61
1527,89
1506,99
2072,48
1427,09
1537,87
1660,41
1549,82
1714,68
15956,48
RESOLUCIN:
POBLACIN:
= +1 +
MUESTRA:
= +1 +
= + +
ESTIMAR:
= +1
= +
MMC (Mtodo Mnimo Cuadrado)

( )2 = 2
= ( )2
= ( )2
Utilizando derivadas parciales
= 2( )(1) = 0
= 2( ) = 0

= 0
= 2( )() = 0
= 2( 2 ) = 0
2 = 0
Ecuaciones normales:
= +
= +
VENTAS (S/.)
Y
MES
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
TOTAL
XY
INGRESO
ESTIMADO
X^2
1255,63
-9
-11300,71
81
1509,2873
1703,61
-7
-11925,25
49
1528,4679
1527,89
-5
-7639,45
25
1547,6485
1506,99
-3
-4520,98
1566,8291
2072,48
-1
-2072,48
1586,0097
1427,09
1427,09
1605,1903
1537,87
4613,62
1624,3709
1660,41
8302,06
25
1643,5515
1549,82
10848,77
49
1662,7321
1714,68
15432,12
81
1681,9127
15956,48
3164,79046
330
=
=
=
15956,48
=
= 1595,64
10
=
3164,79
=
= 9.59
330
ECUACIN
= + = 1595,6 + 9,59

INTERPRETACIN: por cada mes, los ingresos de las ventas de la Empresa de

Transporte Mi Beatriz S.A.C aumenta en s/. 9,590.27
ECUACIN HALLADA:
= + = 1595,64 + 9,59
PRONSTICO PARA LOS PRXIMOS 8 MESES
= +
= 1595,64 + 9,59
YNOVIEMBRE = 1595,64 + 9,59*(11)
= 1701,09
Para el mes de noviembre 2014 se pronostica un ingreso de las ventas de
1701,09nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YDICIEMBRE = 1595,64 + 9,59*(13)
= 1720,27
Para el mes de diciembre 2014 se pronostica un ingreso de las ventas
de1720,27nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YENERO = 1595,64 + 9,59*(15)
= 1739,45
Para el mes de enero 2015 se pronostica un ingreso de las ventas de 1739,45 nuevos
soles para la empresa de transportes Mi Beatriz S.A.C.
YFEBRERO = 1595,64 + 9,59*(17)
= 1758,63
Para el mes de febrero 2015 se pronostica un ingreso de las ventas de
1758,63nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YMARZO = 1595,64 + 9,59*(19)
= 1777,81
Para el mes de marzo 2015 se pronostica un ingreso de las ventas de 1777,81nuevos

YABRIL = 1595,64 + 9,59*(21)

= 1796,99
Para el mes de abril 2015 se pronostica un ingreso de las ventas de1796,99 nuevos
YMAYO = 1595,64 + 9,59*(23)
= 1816,17
Para el mes de mayo 2015 se pronostica un ingreso de las ventas de 1816,17 nuevos
YJUNIO = 1595,64 + 9,59*(25)
= 1835,35
Para el mes de junio 2015 se pronostica un ingreso de las ventas de 1835,35 nuevos
PRONSTICO DE LAS VENTAS DE LA

EMPRESA MI BEATRIZ SAC
1850
1800
1750
1700
Pronstico prximos 8 meses
1650
1600

Para ver si este modelo es confiable veremos la seal de rastreo:
Perodo
1
2
3
4
5
6
7
8
9
10
At
Demanda
1255,63
1703,61
1527,89
1506,99
2072,48
1427,09
1537,87
1660,41
1549,82
1714,68
Ft
Desviacin
Pronostico
(At-Ft)
1509,2873 -253,6573
1528,4679 175,1421
1547,6485
-19,7585
1566,8291
-59,8391
1586,0097 486,4703
1605,1903 -178,1003
1624,3709
-86,5009
1643,5515
16,8585
1662,7321 -112,9121
1681,9127
32,7673
SAEP
-253,6573
-78,5152
-98,2737
-158,1128
328,3575
150,2572
63,7563
80,6148
-32,2973
0,47
Desv.
Absoluta
253,6573
175,1421
19,7585
59,8391
486,4703
178,1003
86,5009
16,8585
112,9121
32,7673
Suma Desv.
DMA
Abso.
253,6573
253,6573
428,7994
214,3997
448,5579
149,5193
508,397
127,09925
994,8673
198,97346
1172,9676 195,4946
1259,4685 179,924071
1276,327 159,540875
1389,2391 154,3599
1422,0064 142,20064
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE 1,24 MAD HASTA +1,65

MAD.
SR
-1,00
-0,37
-0,66
-1,24
1,65
0,77
0,35
0,51
-0,21
0,00

Pronstico Ventas en base a la REGRESIN

La Empresa de Transportes Mi Beatriz S.A.C brindo el cuadro de ventas del presente
ao, datos que utilizaremos para realizar los pronsticos para los 8 meses que continan
basado en la herramienta REGRESIN.
Para obtener el mejor modelo, debemos buscar el modelo que presente el mayor
coeficiente de correlacin (R2) y la menor desviacin estndar (Sxy).
MES
VENTAS (S/.)
Y
Enero
1,283,489.00
Febrero
1,255,395.00
Marzo
1,196,727.00
Abril
1,216,275.00
Mayo
1,509,858.00
Junio
1,197,611.00
Julio
1,524,792.00
Agosto
1,356,714.00
Septiembre
1,206,234.00
Octubre
1,586,185.00
Noviembre
1,223,500.00
Diciembre
1,877,698.00
Enero
1,255,633.93
Febrero
1,703,607.38
Marzo
1,527,890.24
Abril
1,506,992.98
Mayo
2,072,480.80
Junio
1,427,085.13
Julio
1,537,873.44
Agosto
1,660,411.76
Setiembre
1,549,824.24
Octubre
1,714,680.50
TOTAL
32,390,958.40

REGRESIN LINEAL
RESOLUCIN:
POBLACIN:
= +1 +
MUESTRA:
= +1 +
= + +
ESTIMAR:
= +1
= +

( )2 = 2
= ( )2
= ( )2
= 2( )(1) = 0
= 2( ) = 0
= 0
= 2( )() = 0
= 2( 2 ) = 0
2 = 0
= +
= +

MES
VENTAS (S/.)
Y
XY
X^2
INGRESO
ESTIMADO
Enero
1,283,489.00
1,283,489.00
1,240,552.84
Febrero
1,255,395.00
2,510,790.00
1,262,625.55
Marzo
1,196,727.00
3,590,181.00
1,284,698.26
Abril
1,216,275.00
4,865,100.00
16
1,306,770.97
Mayo
1,509,858.00
7,549,290.00
25
1,328,843.68
Junio
1,197,611.00
7,185,666.00
36
1,350,916.39
Julio
1,524,792.00
10,673,544.00
49
1,372,989.10
Agosto
1,356,714.00
10,853,712.00
64
1,395,061.81
Septiembre
1,206,234.00
10,856,106.00
81
1,417,134.52
Octubre
1,586,185.00
10
15,861,850.00
100
1,439,207.23
Noviembre
1,223,500.00
11
13,458,500.00
121
1,461,279.94
Diciembre
1,877,698.00
12
22,532,376.00
144
1,483,352.65
Enero
1,255,633.93
13
16,323,241.09
169
1,505,425.36
Febrero
1,703,607.38
14
23,850,503.32
196
1,527,498.07
Marzo
1,527,890.24
15
22,918,353.60
225
1,549,570.78
Abril
1,506,992.98
16
24,111,887.68
256
1,571,643.49
Mayo
2,072,480.80
17
35,232,173.60
289
1,593,716.20
Junio
1,427,085.13
18
25,687,532.34
324
1,615,788.91
Julio
1,537,873.44
19
29,219,595.36
361
1,637,861.62
Agosto
1,660,411.76
20
33,208,235.20
400
1,659,934.33
Setiembre
1,549,824.24
21
32,546,309.04
441
1,682,007.04
Octubre
1,714,680.50
22
37,722,971.00
484
1,704,079.75
TOTAL
32,390,958.40
253
392,041,406.23
3,795
32,390,958.40
1218480.13
22072.71
2
= 1 218,480.13
2 ()2
=

= 22,072.71
2 ()2
ECUACIN
= + = 1218,480.13 + 22,072.71
INTERPRETACIN: por cada mes, los ingresos de las ventas de la Empresa de
Transporte Mi Beatriz S.A.C aumenta en s/. 22,072.71

GRFICA DE LA SERIE
VENTAS DE EMPRESA MI BEATRIZ SAC

2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
VETNAS ESTIMADAS
GRFICA DE LA LNEA DE TENDENCIA
INGRESO DE LAS VENTAS

2,500,000.00
y = 22073x + 1E+06
R = 0.3599
2,000,000.00
1,500,000.00
INGRESO DE LAS
VENTAS
Lineal (INGRESO DE LAS
VENTAS)
1,000,000.00
500,000.00
0.00
0
10
15
20
25
Octubre
Setiembre
Agosto
Julio
Junio
Mayo
Abril
Marzo
Febrero
Enero
Diciembre
Noviembre
Octubre
Agosto
VENTAS
Septiembre
Julio
Junio
Mayo
Abril
Marzo
Febrero
Enero
0.00

Resumen del modelo

Modelo
1
R
,600a
R cuadrado
R cuadrado
Error tp. de la
corregida
estimacin
,360
,328
1,95858E5
a. Variables predictoras: (Constante), X
Coeficiente de determinacin: R2 = 0.360

El coeficiente de determinacin es 36%; es decir, la variable VENTAS vara 36% por la
variable independiente X mientras que el 64% es por otros factores.
Desviacin estndar: Sxy = 156,346.45

La desviacin estndar es 156,346.45; es decir, que el valor las muestras se distribuyen
alrededor de la ecuacin de la recta con -156,346.45 o +156,346.45 de desvo.

MODELO PARABLICO
RESOLUCIN:
POBLACIN: = 0 + 1 + 2 2 +
MUESTRA: = +1 + 2 2 +
= + + 2 +
ESTIMAR: = +1 + 2 2
= + + 2

( )2 = 2
= ( )2
= ( 2 )2
= 2( 2 )(1) = 0
= 2( 2 ) = 0
2 = 0
= 2( 2 )() = 0
= 2( 2 3 ) = 0
2 3 = 0
= 2( 2 )( 2 ) = 0
= 2( 2 2 3 4 ) = 0

2 2 3 4 = 0
= + + 2
= + 2 + 3
2 = 2 + 3 + 4
= |
2

2
3
2
3 |
4

2
= | 2 3 |
2 3 4
= |
2
2
3
|
2
MES
VENTAS (S/.)
Y
XY
X^2
Y^2
X^3
X^4
Y*X^2
Enero
1,283,489.00
1,283,489.00
Febrero
1,255,395.00
2,510,790.00
Marzo
1,196,727.00
3,590,181.00
Abril
1,216,275.00
4,865,100.00
16
Mayo
1,509,858.00
7,549,290.00
25
Junio
1,197,611.00
7,185,666.00
36
Julio
1,524,792.00
10,673,544.00
49
Agosto
1,356,714.00
10,853,712.00
64
Septiembre
1,206,234.00
10,856,106.00
81
Octubre
1,586,185.00
10
15,861,850.00
100
Noviembre
1,223,500.00
11
13,458,500.00
121
1,647,344,013,121.00
1,576,016,606,025.00
1,432,155,512,529.00
1,479,324,875,625.00
2,279,671,180,164.00
1,434,272,107,321.00
2,324,990,643,264.00
1,840,672,877,796.00
1,455,000,462,756.00
2,515,982,854,225.00
1,496,952,250,000.00
1
8
27
64
125
216
343
512
729
1000
1331
1
16
81
256
625
1296
2401
4096
6561
10000
14641
1283489
5021580
10770543
19460400
37746450
43113996
74714808
86829696
97704954
158618500
148043500

Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
TOTAL
3,525,749,779,204.00
1728
20736
270388512
1,576,616,566,167.24
2197
28561
212202134.2
1,703,607.38
14
23,850,503.32
196
2,902,278,105,190.46
2744
38416
333907046.5
1,527,890.24
15
22,918,353.60
225
2,334,448,585,487.26
3375
50625
343775304
1,506,992.98
16
24,111,887.68
256
2,271,027,841,769.28
4096
65536
385790202.9
2,072,480.80
17
35,232,173.60
289
4,295,176,666,368.64
4913
83521
598946951.2
1,427,085.13
18
25,687,532.34
324
2,036,571,968,267.12
5832
104976
462375582.1
1,537,873.44
19
29,219,595.36
361
2,365,054,717,457.43
6859
130321
555172311.8
1,660,411.76
20
33,208,235.20
400
2,756,967,212,746.30
8000
160000
664164704
1,549,824.24
21
32,546,309.04
441
2,401,955,174,891.58
9261
194481
683472489.8
1,714,680.50
22
37,722,971.00
484
2,940,129,217,080.25 10648
234256
829905362
32,390,958.40 253 392,041,406.23 3,795 48,888,359,217,455.60 64,009 1,151,403 6,023,408,516.53
1,877,698.00
12
22,532,376.00
144
1,255,633.93
13
16,323,241.09
169
a
b
c
ECUACIN
= + + 2
= 1 657,911.01 + 9,590.27 1886.76 2
MES
VENTAS (S/.)
Y
Y estimado
Enero
1,283,489.00
Febrero
1,255,395.00
Marzo
1,196,727.00
Abril
1,216,275.00
Mayo
1,509,858.00
Junio
1,197,611.00
Julio
1,524,792.00
Agosto
1,356,714.00
Septiembre
1,206,234.00
Octubre
1,586,185.00
10
Noviembre
1,223,500.00
11
Diciembre
1,877,698.00
12
Enero
1,255,633.93
13
1207016.14
1238670.76
1269367.20
1299105.44
1327885.49
1355707.34
1382571.01
1408476.48
1433423.77
1457412.86
1480443.76
1502516.47
1523630.99
1174403.33
33091.91
-479.10

Febrero
1,703,607.38
14
Marzo
1,527,890.24
15
Abril
1,506,992.98
16
Mayo
2,072,480.80
17
Junio
1,427,085.13
18
Julio
1,537,873.44
19
Agosto
1,660,411.76
20
Setiembre
1,549,824.24
21
Octubre
1,714,680.50
22
32,390,958.40
253
TOTAL
1543787.32
1562985.45
1581225.40
1598507.15
1614830.71
1630196.09
1644603.26
1658052.25
1670543.05
32,390,958.40
GRFICA DE LA SERIE
VENTAS DE LA EMPRESA MI BEATRIZ SAC

2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
VENTAS
VENTAS ESTIMADAS
Octubre
Agosto
Setiembre
Julio
Junio
Mayo
Abril
Marzo
Febrero
Enero
Diciembre
Noviembre
Octubre
Septiembre
Agosto
Julio
Junio
Mayo
Abril
Marzo
Febrero
Enero
0.00

INGRESO DE VENTAS
2,500,000.00
2,000,000.00
y = -479.1x2 + 33092x + 1E+06

R = 0.3654
1,500,000.00
INGRESO DE VENTAS
1,000,000.00
Polinmica (INGRESO
DE VENTAS)
500,000.00
0.00
0
10
15
20
25
Resumen del modelo

R
R cuadrado
,604
R cuadrado
Error tpico de la
corregida
estimacin
,365
,299
200092,064
La variable independiente esX.

El coeficiente de determinacin es 36.5%; es decir, la variable VENTAS vara 36.5%
por la variable independiente X mientras que el 63.5% es por otros factores.


MODELO EXPONENCIAL
: = 0 1 +
: = +
: =
: = + +
= +

( )2
( )
= 2( )(1) = 0

( ) = 0
= 2( )() = 0

( 2 ) = 0
:
= +
( ) = + 2
=
+

MES
VENTAS (S/.)
Y
XY
X^2
LogY
X*LogY
Enero
1,283,489.00
1283489
6.1084
6.1084
Febrero
1,255,395.00
2510790
6.0988
12.1976
Marzo
1,196,727.00
3590181
6.0780
18.2340
Abril
1,216,275.00
4865100
16
6.0850
24.3401
Mayo
1,509,858.00
7549290
25
6.1789
30.8947
Junio
1,197,611.00
7185666
36
6.0783
36.4699
Julio
1,524,792.00
10673544
49
6.1832
43.2825

Agosto
1,356,714.00
10853712
64
6.1325
49.0599
Septiembre
1,206,234.00
10856106
81
6.0814
54.7329
Octubre
1,586,185.00
10
15861850
100
6.2004
62.0035
Noviembre
1,223,500.00
11
13458500
121
6.0876
66.9636
Diciembre
1,877,698.00
12
22532376
144
6.2736
75.2835
Enero
1,255,633.93
13
16323241.09
169
6.0989
79.2852
Febrero
1,703,607.38
14
23850503.32
196
6.2314
87.2392
Marzo
1,527,890.24
15
22918353.6
225
6.1841
92.7614
Abril
1,506,992.98
16
24111887.68
256
6.1781
98.8498
Mayo
2,072,480.80
17
35232173.6
289
6.3165
107.3803
Junio
1,427,085.13
18
25687532.34
324
6.1544
110.7801
Julio
1,537,873.44
19
29219595.36
361
6.1869
117.5515
Agosto
1,660,411.76
20
33208235.2
400
6.2202
124.4043
Setiembre
1,549,824.24
21
32546309.04
441
6.1903
129.9959
Octubre
1,714,680.50
22
37722971
484
6.2342
137.1520
TOTAL
32,390,958.40
253
392,041,406.23
3,795
135.58
1,564.97
Loga
Logb
6.087621
0.006536
a
b

( )

=

=

log = 6.087621 = 1 223,547.30

=

( )

log = 0.006536 = 1.015162
=
+

= 6.087621 + 0.006536
= 1 223,547.30 1.015162
= 1 223,547.30 0.015
1223547.30
1.015162

MES
VENTAS (S/.)
Y
Y ESTIMADO
Enero
1,283,489.00
Febrero
1,255,395.00
Marzo
1,196,727.00
Abril
1,216,275.00
Octubre
1,714,680.50
22
1242099.21
1260932.41
1280051.16
1299459.80
1319162.72
1339164.39
1359469.33
1380082.14
1401007.49
1422250.12
1443814.83
1465706.52
1487930.14
1510490.73
1533393.38
1556643.30
1580245.74
1604206.05
1628529.65
1653222.06
1678288.87
1703735.75
TOTAL
32,390,958.40
253
21669464.64
Mayo
1,509,858.00
Junio
1,197,611.00
Julio
1,524,792.00
Agosto
1,356,714.00
Septiembre
1,206,234.00
Octubre
1,586,185.00
10
Noviembre
1,223,500.00
11
Diciembre
1,877,698.00
12
Enero
1,255,633.93
13
Febrero
1,703,607.38
14
Marzo
1,527,890.24
15
Abril
1,506,992.98
16
Mayo
2,072,480.80
17
Junio
1,427,085.13
18
Julio
1,537,873.44
19
Agosto
1,660,411.76
20
Setiembre
1,549,824.24
21
GRFICA DE LA SERIE

2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
0.00
VENTAS
VENTAS ESTIMADAS

INGRESO DE VENTAS
2,500,000.00
2,000,000.00
y = 1E+06e0.015x
R = 0.3863
1,500,000.00
INGRESO DE VENTAS
1,000,000.00
Exponencial (INGRESO
DE VENTAS)
500,000.00
0.00
0
10
15
20
25
TASA DE CRECIMIENTO
= (1 + ) = =
= 1 +
1.015162 = 1 +
= 0.015162

. . 1.5162%.
Resumen del modelo

R
R cuadrado
,622
R cuadrado
Error tpico de la
corregida
estimacin
,386
,356
,126


Desviacin estndar: Sxy = 0.126

La desviacin estndar es 0.126; es decir, que el valor las muestras se distribuyen
alrededor de la ecuacin de la recta con -0.126 o +0.126 de desvo.

MODELO POTENCIAL
RESOLUCIN:
: = 0 1 +
: = +
: =
: = + +
= +

( )2
( )
= 2( )(1) = 0

( ) = 0
= 2( )() = 0
( log 2 ) = 0
:
= +
( ) = + 2

=
+

=
+

MES
VENTAS (S/.)
Y
LogX
LogY
(LogX)^2
LogY*LogX
Enero
1,283,489.00
Febrero
1,255,395.00
Marzo
1,196,727.00
0.0000
0.3010
0.4771
0.6021
0.6990
0.7782
0.8451
0.9031
0.9542
1.0000
1.0414
1.0792
1.1139
1.1461
1.1761
1.2041
1.2304
1.2553
1.2788
1.3010
1.3222
1.3424
21.05
6.1084
6.0988
6.0780
6.0850
6.1789
6.0783
6.1832
6.1325
6.0814
6.2004
6.0876
6.2736
6.0989
6.2314
6.1841
6.1781
6.3165
6.1544
6.1869
6.2202
6.1903
6.2342
135.58
0.000
0.091
0.228
0.362
0.489
0.606
0.714
0.816
0.911
1.000
1.084
1.165
1.241
1.314
1.383
1.450
1.514
1.576
1.635
1.693
1.748
1.802
22.82
0.0000
1.8359
2.8999
3.6636
4.3189
4.7298
5.2254
5.5382
5.8032
6.2004
6.3396
6.7704
6.7938
7.1419
7.2731
7.4392
7.7721
7.7255
7.9115
8.0927
8.1849
8.3689
130.03
Abril
1,216,275.00
Mayo
1,509,858.00
Junio
1,197,611.00
Julio
1,524,792.00
Agosto
1,356,714.00
Septiembre
1,206,234.00
Octubre
1,586,185.00
10
Noviembre
1,223,500.00
11
Diciembre
1,877,698.00
12
Enero
1,255,633.93
13
Febrero
1,703,607.38
14
Marzo
1,527,890.24
15
Abril
1,506,992.98
16
Mayo
2,072,480.80
17
Junio
1,427,085.13
18
Julio
1,537,873.44
19
Agosto
1,660,411.76
20
Setiembre
1,549,824.24
21
Octubre
1,714,680.50
22
TOTAL
32,390,958.40
253
Loga
Logb
Logb
6.056394
-0.95396
-0.95396
a
b
b

( )
log = 6.056394 = 1 138,658.58

=

( )
= 0.111183
1138658.58
0.111183
0.111183


=
+

= 6.056294 + 0.111183
=
+
= 1 138,658.58 + 0.11183
MES
VENTAS (S/.)
Y
Y ESTIMADO
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
TOTAL
1,283,489.00
1,255,395.00
1,196,727.00
1,216,275.00
1,509,858.00
1,197,611.00
1,524,792.00
1,356,714.00
1,206,234.00
1,586,185.00
1,223,500.00
1,877,698.00
1,255,633.93
1,703,607.38
1,527,890.24
1,506,992.98
2,072,480.80
1,427,085.13
1,537,873.44
1,660,411.76
1,549,824.24
1,714,680.50
32,390,958.40
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
253.00
1138658.584
1229880.528
1286593.254
1328410.581
1361780.361
1389666.764
1413689.433
1434834.224
1453747.614
1470877.374
1486546.943
1500997.855
1514415.426
1526945.065
1538703.04
1549783.839
1560265.325
1570212.448
1579679.977
1588714.533
1597356.146
1605639.446
32,127,398.76

GRFICA DE LA SERIE

2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
0.00
VENTAS
VENTAS ESTIMADAS
GRFICA DE LA LINEA DE TENDENCIA
INGRESO DE VENTAS
2,500,000.00
y = 1E+06x0.1112
R = 0.3381
2,000,000.00
1,500,000.00
INGRESO DE VENTAS
1,000,000.00
Potencial (INGRESO DE
VENTAS)
500,000.00
0.00
0
10
15
20
25

Resumen del modelo

R
R cuadrado
,581
,338
R cuadrado
Error tpico de la
corregida
estimacin
,305
,131

Desviacin estndar: Sxy = 0.131

La desviacin estndar es 0.131; es decir, que el valor las muestras se distribuyen
alrededor de la ecuacin de la recta con -0.131 o +0.131 de desvo.

MODELO HIPRBOLA EQUILATERA

RESOLUCIN:
POBLACIN: = +
MUESTRA: = +
+
= +
ESTIMAR: = +
= +

=
( )2 = 2
= ( )2
2
= ( )
1
= 2( )(1) = 0
1
= 2( ) = 0
1
=0
1
= 2( ) ( ) = 0
1
1
1
= 2 ( 2 ) = 0

1
12
= 0
1
= + ( )
Enero
VENTAS
(S/.)
Y
1,283,489.00
Febrero
1,255,395.00
Marzo
1,196,727.00
Abril
1,216,275.00
Mayo
1,509,858.00
Junio
1,197,611.00
Julio
1,524,792.00
Agosto
1,356,714.00
Septiembre
1,206,234.00
Octubre
1,586,185.00
10
Noviembre
1,223,500.00
11
Diciembre
1,877,698.00
12
Enero
1,255,633.93
13
Febrero
1,703,607.38
14
Marzo
1,527,890.24
15
Abril
1,506,992.98
16
Mayo
2,072,480.80
17
Junio
1,427,085.13
18
Julio
1,537,873.44
19
Agosto
1,660,411.76
20
Setiembre
1,549,824.24
21
Octubre
1,714,680.50
22
TOTAL
32,390,958.40
253
MES
1
1
= + 2
1/X
1/X^2
Y/X
1.000
0.500
0.333
0.250
0.200
0.167
0.143
0.125
0.111
0.100
0.091
0.083
0.077
0.071
0.067
0.063
0.059
0.056
0.053
0.050
0.048
0.045
3.69
1.000
0.250
0.111
0.063
0.040
0.028
0.020
0.016
0.012
0.010
0.008
0.007
0.006
0.005
0.004
0.004
0.003
0.003
0.003
0.003
0.002
0.002
1.60
1283489.00
627697.50
398909.00
304068.75
301971.60
199601.83
217827.43
169589.25
134026.00
158618.50
111227.27
156474.83
96587.23
121686.24
101859.35
94187.06
121910.64
79282.51
80940.71
83020.59
73801.15
77940.02
4,994,716.46
a
B
1.547424E+06
-447,695.23

ECUACIN
= +
= 1 547,423.541
447,695.233
GRFICA DE LA SERIE
VENTAS DE EMPRESA MI BEATRIZ

SAC
2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
0.00
VENTAS
VENVENTAS ESTIMADAS
GRFICA DE LA LINEA DE TENDENCIA
INGRESO DE VENTAS
2,500,000.00
2,000,000.00
1,500,000.00
INGRESO DE VENTAS
1,000,000.00
Logartmica (INGRESO
DE VENTAS)
500,000.00
0.00
0
10
15
20
25

Resumen del modelo

R
R cuadrado
,405
R cuadrado
Error tpico de la
corregida
estimacin
,164
,122
223823,416


COMPARACIN DE LOS MODELOS: REGRESIN LINEAL NO LINEAL

MODELOS
Lineal
Parablico
Exponencial
Potencial
Hiprbola equiltera
R^2
Syx
0.360
0.365
0.386
0.338
0.164
156,346.45
200,092.06
0.126
0.131
223,823.42
Como se explic anteriormente, el mejor modelo que pueda explicar el pronstico de

ventas de la empresa Mi Beatriz SAC es aquel que presente el mayor coeficiente de
correlacin (R2) y la menor desviacin estndar (Sxy).
Como se puede observar en el cuadro, entre los modelos de regresin, el MODELO
EXPONENCIAL es aquel que presenta el mayor coeficiente de correlacin; es decir, que
las ventas varan 38.6% por la variable independiente (el resto es por otros factores).
Adems, ste modelo tiene la menor desviacin estndar de los puntos de ventas; con
respecto a los dems modelos, lo que lo convierte en el modelo que mejor explica el
pronstico futuro de las ventas de la Empresa de Transporte Mi Beatriz SAC.

PRUEBA DE CONFIABILIDAD MODELO EXPONENCIAL

ANOVA
Suma de
Grados de
Media
cuadrados
Libertad
cuadrtica
SCR
0.201
k-1 =1
SCMR = 0.201
SCE
0.319
n-k = 20
SCME = 0.016
SCT
0.519
n-1 = 21
Sig.
F = 12.592
0.002
1 PASO: Formular
HO:
El modelo no es confiable
H1:
El modelo si es confiable
2 PASO: = %, = . (,) = .
Fo=4.35
12.59
3 PASO: Regla de decisin

Rechazar HO si y solo si FO>5.32
4 PASO: Hallar el estadstico
=
= .
5TO PASO: Conclusiones y recomendaciones

Se rechaza H0 y aceptamos H1, por lo tanto el modelo es confiable entre las
variables dependientes e independientes. Es recomendable hacer el pronstico.

Pronstico Ventas basado en promedio Mvil Simple

La Empresa de Transportes Mi Beatriz S.A.C brindo el cuadro de ventas del presente
ao, datos que utilizaremos para realizar los pronsticos para Noviembre, basado en la
herramienta de pronostico promedio mvil simple.
MES
VENTAS (S/.)
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
TOTAL
1,255,633.93
1,703,607.38
1,527,890.24
1,506,992.98
2,072,480.80
1,427,085.13
1,537,873.44
1,660,411.76
1,549,824.24
1,714,680.50
15,956,480.40
Abril =
Pronostico
1,495,710.52
1,579,496.87
1,702,454.67
1,668,852.97
1,679,146.46
1,541,790.11
1,582,703.15
1,641,638.83
12,891,793.57
1 + 2 + +
n
1 255,633.93 + 1 703,607.38 + 1 527,890.24

= 1495,710.52
3
Mayo =
1703,607.38 + 1527,890.24 + 1506,992.98

= 1579,496.87
3
Junio =
1527,890.24 + 1506,992.98 + 2072,480.80

= 1702,454.67
3
Julio =
1506,992.98 + 2072,480.80 + 1427,085.13

= 1668,852.97
3
Agosto =
2072,480.80 + 1427,085.13 + 1537,873.44

= 1679,146.46
3
Setiembre =
Octubre =
Noviembre =
1427,085.13 + 1537,873.44 + 1660,411.76

= 1541,790.11
3
1537,873.44 + 1660,411.76 + 1549,824.24
= 1582,703.15
3
1660,411.76 + 1549,824.24 + 1714,680.50
= 1641,638.83
3

PRONSTICO DE VENTAS
2500000.00
2000000.00
1500000.00
1000000.00
Ventas
Pronostico
500000.00
0.00

SEAL DE RASTREO
Perodo
1
2
3
4
5
6
7
DMA =
At
Demanda
1255633,93
1703607,38
1527890,24
1506992,98
2072480,8
1427085,13
1537873,44
1660411,76
1549824,24
1714680,5
Ft
Desviacin
Pronostico (At-Ft)
1495710,52
1579496,87
1702454,67
1668852,97
1679146,46
1541790,11
1582703,15
SAEP
11282,46 11282,46
492983,93 504266,39
-275369,54 228896,85
-130979,53 97917,32
-18734,7
79182,62
8034,13
87216,75
131977,35 219194,1
Desv.
Suma Desv.
Absoluta
Abs.
DMA
SR
11282,46 11282,46
492983,93 504266,39
275369,54 779635,93
130979,53 910615,46
18734,7 929350,16
8034,13 937384,29
131977,35 1069361,64
11282,46
252133,195
259878,643
227653,865
185870,032
156230,715
152765,949
1,00
2,00
0,88
0,43
0,43
0,56
1,43
|At Ft |
Z
n
1 069,361.65
DMA =
= 152,765.95
7
SAEP = Z(At Ft )
SAEP = 219,194.11
SR =
SAEP
DMA
SR =
219,194.11
= 1.43 MAD
152,765.95
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE +0.43 MAD HASTA +2

MAD.

Seal de Rastreo
2.50
2.00
1.50
1.00
Seal de Rastreo
0.50
0.00
INTERPRETACIN: LA RUTINA DE PREVISIN SE ENCUENTRA DENTRO DE LOS LMITES

ACEPTABLES [-4; +4]. EL PRONSTICO ESTA CONTROLADO O ES CONFIABLE DEBIDO A
QUE EL 89% DE LOS ERRORES HA CAIDO DENTRO DE 2 MAD, EL 98% DENTRO DE 3
MAD O EL 99% DENTRO DE 4 MAD; LOS ERRORES ESTAN DISTRIBUIDOS
NORMALMENTE.
Pronstico ventas en base a Alisamiento Exponencial

Usando un alisamiento exponencial simple con a=0.5 y la previsin obtenida del mes de
Abril 1, 797,043.80.
La frmula de suaviza miento exponencial es:
Ft = F(t-1) + a(A(t-1) F(t-1))

Donde:
Ft: Pronstico para el periodo t
F(t-1): ltimo pronstico
a: factor de ponderacin
A(t-1): Ultima demanda real

Enero
Febrero
S/1.255.633,9 S/1.703.607,
3
38
Julio
Agosto
Marzo
Abril
Mayo
Junio
S/1.527.890,
24
S/1.506.992,
98
S/2.072.480,
80
S/1.427.085,
13
Setiembre
Octubre
S/1.537.873,44 S/1.660.411,76 S/1.549.824,24 S/1.714.680,50

Enero
Febrero
Marzo
Abril
Mayo
Ventas
1255633,93 1703607,38
1527890,24 1506992,98 2072480,80
0.5
1255633,93 1255633,93
1479620,66 1503755,45 1505374,22
Junio
Julio
Agosto
Setiembre
Octubre
1427085,13
1788921.11
1537873,44
1663397.28
1660411,76
1969839.1
1549824,24
1815125.43
1714680,50
1837188.51
Ventas
0.5
F2 = 1255633.93 + 0.5 (1255633.93 1255633.93) =1255633.93

F3 = 1255633.93 + 0.5 (1703607.38 1255633.93) = 1479620.66
F4= 1479620.66 + 0.5 (1527890.24 1479620.66) = 1503755.45
F5= 1503755.45 + 0.5 (1506992.98 1503755.45) =1505374.22
F6= 1505374.22 + 0.5 (2072480.80 1505374.22) = 1788921.11
F7= 1788921.11 + 0.5 (1427085.13 1788921.11) = 1969839.1
F8= 1969839.1 + 0.5 (1660411.76 1969839.1) = 1815125.43
F9= 1969839.1 + 0.5 (1549824.24 1815125.43) = 1837188.51
F(noviembre) = 1837188.51 + 0.5 (1714680.50 1837188.51) = 1898442.52
Interpretacin:
Usando el alisamiento exponencial simple se prev que para el mes de noviembre la
venta llegara a ser S/. 1898442.52.

Comparacin de Seal de Rastreo

VENTAS
Seal de Rastreo Factor Estacional
Perodo
1
2
3
4
5
At
Demanda
2959,241
3034,883
3499,566
3198,285
3264,505
Ft
Desviacin
Pronostico
(At-Ft)
1082,464
1876,777
955,891
2078,992
975,6
2523,966
1057,51
2140,775
1015,01
2249,495
SAEP
1876,777
3955,769
6479,735
8620,51
10870,005
Desv.
Absoluta
1876,777
2078,992
2523,966
2140,775
2249,495
Suma Desv.
DMA
Absoluta
1876,777
1876,777
3955,769
1977,8845
6479,735 2159,91167
8620,51
2155,1275
10870,005
2174,001
SR
1,00
2,00
3,00
4,00
5,00
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA SE MANTIENE DESDE +1 HASTA

+5 POR CUAL SE CONSIDERA QUE EL MODELO ES NO CONFIABLE. ESTO SE DEBE A QUE SE
ESTA TOMANDO EN CUENTA LAS VENTAS A TODOS LOS DESTINOS Y ESTOS TIENE
DISTINTAS ESTACIONALIDADES
Seal de Rastreo del - Series de Tiempo
Perodo
1
2
3
4
5
6
7
8
9
10
At
Demanda
1255,63
1703,61
1527,89
1506,99
2072,48
1427,09
1537,87
1660,41
1549,82
1714,68
Ft
Desviacin
Pronostico
(At-Ft)
1509,2873 -253,6573
1528,4679 175,1421
1547,6485
-19,7585
1566,8291
-59,8391
1586,0097 486,4703
1605,1903 -178,1003
1624,3709
-86,5009
1643,5515
16,8585
1662,7321 -112,9121
1681,9127
32,7673
SAEP
-253,6573
-78,5152
-98,2737
-158,1128
328,3575
150,2572
63,7563
80,6148
-32,2973
0,47
Desv.
Absoluta
253,6573
175,1421
19,7585
59,8391
486,4703
178,1003
86,5009
16,8585
112,9121
32,7673
Suma Desv.
DMA
Abso.
253,6573
253,6573
428,7994
214,3997
448,5579
149,5193
508,397
127,09925
994,8673
198,97346
1172,9676 195,4946
1259,4685 179,924071
1276,327 159,540875
1389,2391 154,3599
1422,0064 142,20064
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE 1,24 MAD HASTA +1,65

MAD.
SR
-1,00
-0,37
-0,66
-1,24
1,65
0,77
0,35
0,51
-0,21
0,00

Seal de Rastreo - Promedio Mvil Simple
Perodo
1
2
3
4
5
6
7
At
Demanda
1255633,93
1703607,38
1527890,24
1506992,98
2072480,8
1427085,13
1537873,44
1660411,76
1549824,24
1714680,5
Ft
Desviacin
Pronostico
(At-Ft)
SAEP
Desv.
Absoluta
Suma Desv.
Abs.
DMA
SR
1495710,52 11282,46
1579496,87 492983,93
1702454,67 -275369,54
1668852,97 -130979,53
1679146,46 -18734,7
1541790,11
8034,13
1582703,15 131977,35
11282,46
504266,39
228896,85
97917,32
79182,62
87216,75
219194,1
11282,46
492983,93
275369,54
130979,53
18734,7
8034,13
131977,35
11282,46
504266,39
779635,93
910615,46
929350,16
937384,29
1069361,64
11282,46
252133,195
259878,643
227653,865
185870,032
156230,715
152765,949
1,00
2,00
0,88
0,43
0,43
0,56
1,43
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE +0.43 MAD HASTA +2

MAD.
Seal de Rastreo - Regresin
Perodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
At
Demanda
1283489
1255395
1196727
1216275
1509858
1197611
1524792
1356714
1206234
1586185
1223500
1877698
1255633.93
1703607.38
1527890.24
1506992.98
2072480.8
1427085.13
1537873.44
1660411.76
1549824.24
1714680.5
Ft
Pronostico
1242099.21
1260932.41
1280051.16
1299459.8
1319162.72
1339164.39
1359469.33
1380082.14
1401007.49
1422250.12
1443814.83
1465706.52
1487930.14
1510490.73
1533393.38
1556643.3
1580245.74
1604206.05
1628529.65
1653222.06
1678288.87
1703735.75
Desviacin
SAEP
(At-Ft)
41389.79
41389.79
-5537.41
35852.38
-83324.16 -47471.78
-83184.8 -130656.58
190695.28
60038.7
-141553.39 -81514.69
165322.67 83807.98
-23368.14
60439.84
-194773.49 -134333.65
163934.88 29601.23
-220314.83 -190713.6
411991.48 221277.88
-232296.21 -11018.33
193116.65 182098.32
-5503.14
176595.18
-49650.32 126944.86
492235.06 619179.92
-177120.92
442059
-90656.21 351402.79
7189.7
358592.49
-128464.63 230127.86
10944.75
241072.61
Desv.
Suma Desv.
Absoluta
Absoluta
41389.79
41389.79
5537.41
46927.2
83324.16
130251.36
83184.8
213436.16
190695.28 404131.44
141553.39 545684.83
165322.67 711007.5
23368.14
734375.64
194773.49 929149.13
163934.88 1093084.01
220314.83 1313398.84
411991.48 1725390.32
232296.21 1957686.53
193116.65 2150803.18
5503.14 2156306.32
49650.32 2205956.64
492235.06 2698191.7
177120.92 2875312.62
90656.21 2965968.83
7189.7
2973158.53
128464.63 3101623.16
10944.75 3112567.91
DMA
SR
41389.79
23463.6
43417.12
53359.04
80826.288
90947.4717
101572.5
91796.955
103238.792
109308.401
119399.895
143782.527
150591.272
153628.799
143753.755
137872.29
158717.159
159739.59
156103.623
148657.927
147696.341
141480.36
1.00
1.53
-1.09
-2.45
0.74
-0.90
0.83
0.66
-1.30
0.27
-1.60
1.54
-0.07
1.19
1.23
0.92
3.90
2.77
2.25
2.41
1.56
1.70
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE -2.45 MAD HASTA +3.9

Pronstico compras en base a Series de Tiempo

Para el pronstico de compras nos basaremos en las compras del 2013 para poder as realizar
los pronsticos para el ao 2014.
MES
Enero
Febrero
Marzo
COMPRAS EN
MILES DE S/
1101,188,35
1185,848,86
1057,172,84
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
TOTAL
1022,591,59
1193,231,83
1083,602,00
1269,418,47
1159,461,96
1122,139,96
1372,315,50
1952,555,23
1599,820,00
15119,346,59
POBLACIN:
= +1 +
MUESTRA:
= +1 +
= + +
ESTIMAR:
= +1
= +

=
( )2 = 2
= ( )2
= ( )2

= 2( )(1) = 0
= 2( ) = 0
= 0
= 2( )() = 0
= 2( 2 ) = 0
2 = 0
= +
= +
MES
COMPRAS EN
MILES DE S/
XY
X^2
EGRESO
ESTIMADO
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
TOTAL
1.101.188,35
1.185.848,86
1.057.172,84
1.022.591,59
1.193.231,83
1.083.602,00
1.269.418,47
1.159.461,96
1.122.139,96
1.372.315,50
1.952.555,23
1.599.820,00
15.119.346,59
-11
-9
-7
-5
-3
-1
1
3
5
7
9
11
0
-12.113.071,85
-10.672.639,74
-7.400.209,88
-5.112.957,95
-3.579.695,49
-1.083.602,00
1.269.418,47
3.478.385,88
5.610.699,80
9.606.208,50
17.572.997,07
17.598.020,00
15.173.552,81
121
81
49
25
9
1
1
9
25
49
81
121
572
968.146,46
1.021.200,84
1.074.255,22
1.127.309,60
1.180.363,98
1.233.418,36
1.286.472,74
1.339.527,12
1.392.581,50
1.445.635,88
1.498.690,26
1.551.744,64
A
B
1259945,55
26527,19

=
=
15,119346.59
=
= 1259,945.55
12
=
15173552.81
=
= 26,527.19
572
ECUACIN
= + = 1259,945.55 + 26,527.19
INTERPRETACIN: Por cada mes, los egresos por concepto de compras de la Empresa
de Transporte Mi Beatriz S.A.C aumenta en s/. 26,527.19
EGRESOS DE EMPRESA "MI BEATRIZ S.A.C."

2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
0.00
COMPRAS
EGRESO ESTIMADO
PRONSTICO PARA LOS PRXIMOS 10 MESES del 2014

= +
= + = 1259,945.55 + 26,527.19

YENERO = 1259,945.55 + 26,527.19*(13)

= 1604, 799,02
Para el mes de enero 2014 se pronostica un egreso por concepto de compras de
1604, 799,02 nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YFEBRERO = 1259,945.55 + 26,527.19*(15)
= 1 657, 853, 40
Para el mes de febrero 2014 se pronostica un egreso por concepto de compras de
1 657, 853, 40 nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YMARZO = 1259,945.55 + 26,527.19*(17)
= 1 710, 907, 78
Para el mes de marzo 2014 se pronostica un egreso por concepto de compras de 1
710, 907, 78 nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YABRIL = 1259,945.55 + 26,527.19*(19)
= 1,763, 962, 16
Para el mes de abril 2014 se pronostica un egreso por concepto de compras de
1763, 962, 16 nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YMAYO = 1259,945.55 + 26,527.19*(21)
= 1 817, 016, 54
Para el mes de mayo 2014 se pronostica un egreso por concepto de compras de1 817,
016, 54 nuevossoles para la empresa de transportes Mi Beatriz S.A.C.
YJUNIO = 1259,945.55 + 26,527.19*(23)
= 1 870, 070, 92
Para el mes de junio 2014 se pronostica un egreso por concepto de compras de
YJULIO = 1259,945.55 + 26,527.19*(25)
= 1 923, 125, 30
Para el mes de julio 2014 se pronostica un egreso por concepto de compras de
YAGOSTO = 1259,945.55 + 26,527.19*(27)

= 1 976, 179, 69
Para el mes de agosto 2014 se pronostica un egreso por concepto de compras de
YSETIRMBRE = 1259,945.55 + 26,527.19*(29)
= 2 029, 234, 07
2 029, 234, 07nuevos soles para la empresa de transportes Mi Beatriz S.A.C.
YOCTUBRE = 1259,945.55 + 26,527.19*(31)
= 2 082, 288, 45
PRONSTICOS DE LOS EGRESOS DE LA

EMPRESA "MI BEATRIZ S.A.C."
2,500,000.00
2,000,000.00
1,500,000.00
1,000,000.00
500,000.00
0.00
EGRESO ESTIMADO

SEAL DE RASTREO DE COMPRAS POR MTODO DE MNIMOS CUADRADOS
At
Ft
Error Normal
Sumatoria
Error Abs
Sumatoria
Seal Rastreo
MES
COMPRAS EN
MILES DE S/
PRONOSTICO
Error (At-Ft)
SAEP
Error (At-Ft)
Error Abs
Enero
1,101,188.35
968,146.46
133,041.89
133,041.89
133,041.89
133,041.89
133,041.89
1.00
Febrero
1,185,848.86
1,021,200.84
164,648.02
297,689.91
164,648.02
297,689.91
148,844.96
2.00
Marzo
1,057,172.84
1,074,255.22
-17,082.38
280,607.53
17,082.38
314,772.29
104,924.10
2.67
Abril
1,022,591.59
1,127,309.60
-104,718.01
175,889.52
104,718.01
419,490.30
104,872.58
1.68
Mayo
1,193,231.83
1,180,363.98
12,867.85
188,757.37
12,867.85
432,358.15
86,471.63
2.18
Junio
1,083,601.00
1,233,418.36
-149,817.36
38,940.01
149,817.36
582,175.51
97,029.25
0.40
Julio
1,269,418.47
1,286,472.74
-17,054.27
21,885.74
17,054.27
599,229.78
85,604.25
0.26
Agosto
1,159,461.96
1,339,527.12
-180,065.16
-158,179.42
180,065.16
779,294.94
97,411.87
-1.62
Setiembre
1,122,139.96
1,392,581.50
-270,441.54
-428,620.96
270,441.54
1,049,736.48
116,637.39
-3.67
Octubre
1,372,315.50
1,445,635.88
-73,320.38
-501,941.34
73,320.38
1,123,056.86
112,305.69
-4.47
Noviembre
1,952,555.23
1,498,690.26
453,864.97
-48,076.37
453,864.97
1,576,921.83
143,356.53
-0.34
Diciembre
1,599,820.00
1,551,744.64
48,075.36
-1.01
48,075.36
1,624,997.19
135,416.43
0.00
15,119,345.59
15,119,346.60
DMA
Seal de Rastreo
4.00
3.00
2.00
1.00
0.00
Seal de Rastreo
-1.00
-2.00
-3.00
-4.00
-5.00
INTERPRETACIN: LA RUTINA DE PREVISIN SE ENCUENTRA FUERA DE LOS LMITES

ACEPTABLES [-4; +4]; POR LO TANTO NO SE DEBE CONSIDERAR ESTE PRONSTICO YA
QUE CARECE DE CONFIABILIDAD.
SAEP/DMA

Pronstico compras basado en promedio Mvil Simple

La Empresa de Transportes Mi Beatriz S.A.C brindo el cuadro de compras del presente
ao, datos que utilizaremos para realizar el pronstico para Octubre, basados en la
herramienta de pronostico promedio mvil simple.
MES
COMPRAS (S/.)
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
TOTAL
3.173.102,54
1.111.534,18
1.516.083,09
1.447.090,87
1.353.632,01
1.209.091,41
1.285.107,00
1.440.662,09
1.129.389,26
13.665.692,45
PRONOSTICO
1.933.573,27
1.358.236,05
1.438.935,32
1.336.604,76
1.282.610,14
1.311.620,17
1.285.052,78
9.946.632,49
PRONOSTICO DE COMPRAS EMPRESA

"MI BEATRIZ S.A.C."
3,500,000.00
3,000,000.00
2,500,000.00
2,000,000.00
1,500,000.00
COMPRAS
1,000,000.00
PRONOSTICO
500,000.00
0.00

MES
1
2
3
4
5
6
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
TOTAL
Error Normal Sumatoria
At
Ft
VENTAS (S/.)
Pronostico
Error (At-Ft)
3.173.102,54
1.111.534,18
1.516.083,09
1.447.090,87
1.353.632,01
1.209.091,41
1.285.107,00
1.440.662,09
1.129.389,26
13.665.692,45
1.933.573,27
1.358.236,05
1.438.935,32
1.336.604,76
1.282.610,14
1.311.620,17
8.661.579,71
-486.482,40
-4.604,04
-229.843,91
-51.497,76
158.051,95
-182.230,91
Error Abs
Sumatoria
SAEP
Error(At-Ft)
Error Abs
-486.482,40
-491.086,44
-720.930,35
-772.428,11
-614.376,16
-796.607,07
486.482,40
4.604,04
229.843,91
51.497,76
158.051,95
182.230,91
486.482,40
491.086,44
720.930,35
772.428,11
930.480,06
1.112.710,97
Seal Rastreo
DMA
486.482,40
245.543,22
240.310,12
193.107,03
186.096,01
185.451,83
INTERPRETACIN: LA SEAL DE RASTREO SE DESPLAZA DESDE -4,30 MAD HASTA

-1,00 MAD.
SEAL DE RASTREO
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
-3.00
-3.50
-4.00
-4.50
-5.00
INTERPRETACIN:
La previsin no es aceptable debido a que la desviacin estndar se encuentra fuera
de los lmites permitidos [-4.00, +4.00]. El 99% de los errores no est dentro de 4
MAD, por lo tanto el pronstico no est controlado o no es confiable.
SAEP/DMA
-1,00
-2,00
-3,00
-4,00
-3,30
-4,30

Pronstico compras en base a Alisamiento Exponencial

La frmula de alisamiento exponencial es:
FT = F (t-1) + a (A(t-1) F(t-1) )
Donde:
Ft: Pronstico para el periodo t
F(t-1): ltimo pronstico
a: factor de ponderacin
A(t-1): ltima compra real
MES
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Enero (2014)
COMPRAS S/.
2013
110118835
118584886
105717284
102259159
119323183
108360200
126941847
115946196
112213996
137231550
195255523
159982000
0,5
110118835
110118835
114351861
110034572
106146866
112735024
110547612
118744730
117345463
114779729
126005640
160630581
1603,062,91
* F2 = 1101188, 35 + 0.5 (110118835 - 1101, 188, 35) = 1101, 188,35

* F3 = 110118835 + 0.5 (118584886 1101, 188, 35) = 1143, 518,61
* F4 = 114351861 + 0.5 (105717284 114351861) =1100,345,72
* F5= 110034572 + 0.5 (102259159 110034572) = 1061, 468,66
* F6= 106146866 + 0.5 (119323183 106146866) = 1127,350,24
* F7= 112735024 + 0.2 (108360200 112735024) = 1105,476,12
* F8 = 110547612+ 0.5 (126941847 - 110547612) = 1187,447,30
* F9 = 118744730 + 0.5 (115946196 118744730) = 1173,454,63
* F10 = 117345463 + 0.5 (112213996 117345463) =1147,797,29

* F11= 114779729 + 0.5 (137231550 114779729) = 1260,056,40

* F12= 126005640+ 0.5 (195255523 126005640) = 1606,305,81
* F13= 160630581 + 0.5 (159982000 160630581) = 1603,062,91
Interpretacin:
Usando el suaviza miento exponencial se prev que para el mes de enero del 2014 las
compras sern de S/.1603,062,91

5. MODELO DE RUTA CRTICA

Con base en la siguiente lista de actividades construimos una red:
Actividades
A
B
C
D
E
F
G
H
I
J
K
L
Descripcin
Indicaciones al personal
Entrega de trmites
Revisin tcnica I
Traslado de unidades al punto de origen
Estibacin de la carga
Traslado al destino
Revisin de documentos
Des embarcacin
Trmites
Regreso
Revisin tcnica II
Entrega de trmites
Actividad
Actividad
Tiempo
Tiempo
Tiempo
Tiempo
Varianza
sucesora
predecesora
Optimo
Promedio
Pesimista
esperado
(b-a)2/36
(a+4m+b)/
6
10min
15min
20min
15min
2.8
5min
10min
15min
10min
2.8
45min
1h
1:30h
1h
56.25
B,C
25min
30min
35min
30min
2.8
1:30h
2h
2:30h
2h
100
10h
11h
12h
11h
400
5min
10min
15min
10min
2.8
1:30h
2h
2:30h
2h
100
10min
15min
20min
15min
2.8
7h
8h
9h
8h
400
45min
1h
1:30h
1h
56.25
J,K
10min
15min
20min
15min
2.8

Interpretacin:
La duracin del proyecto ser aproximadamente 25 horas contando con 12 actividades.
Siendo la ruta crtica A-C-E-F-G-H-I-J-L.
= Te1+ Te2+ Te3+ Te4+.. Ten

= 15+60+120+660+10+120+15+480+15=1495 min
2=
2=
21+
22+
23+.+
2n
2.8+56.25+100+400+2.8+100+2.8+400+2.8 =1067.45
=. = .
Interpretacin:
El tiempo promedio de la ruta crtica es de 1495 min y su desviacin estndar es de
32.67 min.

6. MODELO DE SIMULACIN
Destino
Lima
Ica
Ayacucho
67
11
18
Huancavelica Satipo Huancayo Pasco Ancash Tarma Otros

15
20
Transporte
Resolucin:
DESTINOS
N
Probabilidad
TRANSPORTE
LIMA
67
ICA
11
AYACUCHO
18
HUANCAVELICA
15
SATIPO
HUANCAYO
20
PASCO
ANCASH
TARMA
10
OTROS
TOTAL
160
Probabilidad
Acumulada
0.419
0.069
0.113
0.094
0.031
0.125
0.019
0.050
0.063
0.019
0.419
0.488
0.600
0.694
0.725
0.850
0.869
0.919
0.981
1.000
A. Periodo de un ao (12 viajes)

Aleatorio
Destino
962
Tarma-10
593
Ayacucho-18
193
Lima-67
842
Huancayo-20
221
Lima-67
417
Lima-67
651
Huancavelica-15
671
Huancavelica-15
Intervalos de
nmeros al
azar
000-418
419-487
488-599
600-693
694-724
725-849
850-868
869-918
919-980
981-999
10

882
Ancash-8
214
Lima-67
433
Ica-11
618
Huancavelica-15
Total de solicitudes: 380

Promedio: 380/12 = 31.7
N TRANSPORTE Probabilidad
67
11
18
15
5
20
3
8
10
3
0.419
0.069
0.113
0.094
0.031
0.125
0.019
0.050
0.063
0.019
Esperanza matemtica o Valor esperado

E(x) = xi * P(xi)
E(x) = 67 * (0.419) + 11 * (0.069) + 18 * (0.113) + 15 * (0.094) + 5 * (0.031)
+ 20 * (0.125) + 3 * (0.019) + 8 * (0.050) + 10 * (0.063) + 3 * (0.019)
E(x) = 36.03
La varianza
Necesitaremos:
E( ) = * P(xi)
E(x) 2 = 4489 * (0.419) + 121 * (0.069) + 324 * (0.113) + 225 * (0.094) +2
5 * (0.031) + 400 * (0.125) + 9 * (0.019) + 64 * (0.050) + 100 * (0.063) + 9
* (0.019)
E(x 2 ) = 2006.2

2 = E [ 2 ] - E []2
= 2006.2 (36.03) 2
=708.04
= 708.04 = 26.6
INTERPRETACIN:
La media esperada es 36.03 la cual es mayor que la media simulada que es 31.7
Prueba de hiptesis
1ER PASO: Formulacin de las hiptesis
H0:
0 = 36.03
H1:
0 36.03
2DO PASO: = 5%, n=12, t (12-2) = 2.228
-z0= -
z0=2.228
-0.56
0
2.228
3ER PASO: Regla de Decisin
Rechazar H0 si y solo si Z0>2.228 Z0<-2.228
4TO PASO: Calcular Estadstico

0 =

0 =
31.7 36.03
26.6
12
0 = .
5TO PASO: Conclusiones y recomendaciones

Aceptamos H0 y rechazamos H1, por lo tanto el promedio de destino es de 31.7 en un
56%.

CONCLUSIONES
El equipo concluye que el uso de la programacin lineal nos indica que la
empresa est obteniendo el mximo beneficio en sus ventas ya que en promedio
sus ventas varan de 150000 a 2000000 nuevos soles.
Se concluye que la aplicacin del modelo de Asignacin para la empresa Mi
Beatriz S.A.C cada destino tendr como principal transportista al ms
capacitado, sin tomar en cuenta su disponibilidad en tiempo y cantidad.
Con respecto a la regresin lineal que se aplic al trabajo con los datos
obtenidos por la Empresa de Transporte Mi Beatriz se concluye que el modelo
exponencial es el ms adecuado para la organizacin.
El uso del modelo de PERT-CPM nos puede indicar que la empresa Mi Beatriz
S.A.C est obteniendo un tiempo promedio a 25 horas aprox., desarrollando
12 actividades pero a su vez nos indica que se puede mejorar colocando un
tiempo ptimo ms adecuado para dichas actividades.
En el modelo de simulacin aplicado a la Empresa de Transporte Mi Beatriz se
puede concluir que al realizar sus viajes a los diferentes destinos durante los 12
meses del ao deber ser en promedio de 36 viajes para que cumpla sus
recorridos.

RECOMENDACIONES
El equipo recomienda que las herramientas utilizadas en el presente trabajo
como programacin lineal y regresin lineal deban ser aplicadas en la Empresa
de Transporte Mi Beatriz ya que traer beneficios a la empresa como se mostr
en el caso de programacin lineal que su beneficio mximo puede ascender
hasta 182,085.12 soles.
Se recomienda tener una evaluacin semanal de los transportistas para verificar
la adecuada asignacin de destinos establecidos como resultado del modelo
planteado.
Se recomienda realizar una evaluacin de los tiempos realizados por cada
actividad que realiza el conductor del remolcador y plantear mejoras en sus
plazos de entrega del servicio.
En el modelo de simulacin recomendaremos a la Empresa de Transporte Mi
Beatriz que no lo aplique como una herramienta para beneficio de la empresa
ya que los datos de los viajes por ao a cada destino no son muy constantes.

REFERENCIA BIBLIOGRAFA
Gonzlez, . L. (2010). Investigacin de operaciones.
Gould, F. (1994). Investigacin de operaciones en la ciencia administrativa.
Mexico.
Moskowitz, H. (1982). Investigacin de operaciones. Mexico.
Redondo, Y. P. (s.f.). Simulacin de Monte Carlo de sistemas complejos en red.
Univ.Santiago de compostela.
Taha, H. A. (1995). Investigacin de operaciones. Mexico.
Gould, F. (1994). Investigacin de operaciones en la ciencia administrativa.
Mexico.
Len Gonzlez, . (2010). Investigacin de operaciones.
Moskowitz, H. (1982). Investigacin de operaciones. Mexico.
Ramos, A. (s.f.). MODELOS MATEMTICOS DE OPTIMIZACIN. Obtenido
de Universidad Pontificia Comillas:
http://www.iit.upcomillas.es/aramos/presentaciones/t_mmo_M.pdf
Taha, H. A. (1995). Investigacin de operaciones. Mexico.

ANEXOS:
Costos Variables

El costo total variable del Remolcador por Km es de 0.35 nuevos soles.

El costo total variable del Semi - Remolque por Km es de 0.076478 nuevos soles.
El costo total variable por Km es de 0.4242 nuevos soles.
Ventas 2012
A o
2 0 1 2
Ventas en Soles
S/
S/
Enero
Febrero
Marzo
Abril
Mayo
Junio
931.674,00 S/ 1.733.761,00 S/ 1.115.784,00 S/ 1.114.451,00 S/
903.686,00 S/ 1.264.155,00
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
933.219,00 S/ 1.348.484,00 S/ 1.059.435,00 S/ 1.270.642,00 S/ 1.270.642,00 S/ 943.901,00
Ventas 2013
A o
2 0 1 3
Ventas en Soles
S/
S/
Enero
Febrero
Marzo
Abril
Mayo
Junio
1.283.489,00 S/ 1.255.395,00 S/ 1.196.727,00 S/ 1.216.275,00 S/ 1.509.858,00 S/ 1.197.611,00
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
1.524.792,00 S/ 1.524.792,00 S/ 1.206.234,00 S/ 1.586.185,00 S/ 1.223.500,00 S/ 1.877.698,00

Ventas 2014
A o
2 0 1 4
Ventas en Soles
S/
S/
Enero
Febrero
Marzo
Abril
Mayo
Junio
1.255.633,93 S/ 1.703.607,38 S/ 1.527.890,24 S/ 1.506.992,98 S/ 2.072.480,80 S/ 1.427.085,13
Julio
Agosto
Setiembre
Octubre
Total
1.537.873,44 S/ 1.660.411,76 S/ 1.549.824,24 S/ 1.714.680,50 S/ 15.956.480,40
Datos utilizados para simulacin (muestra)

DATOS GENERALES
FECHA DE
SALIDA
PLACA
REMOLCADOR
PLACA SEMI
REMOLQUE
jue 02.01.2014
C5Y-752
A0Q-998
vie 03.01.2014
C5Y-752
A0Q-998
mar 07.01.2014
C5Y-752
mi 08.01.2014
C5Y-752
DATOS SECUNDARIOS
CLIENTE/ALMACEN
PAL
LIQUIDACIN
N
ESPINOZA LOPEZ, Jos Antonio NINGUNO
TRANSPORTES 77 S.A.
PAL
001-0020359
TRANSPORTES 77 S.A.
PAL
001-0020367
A0Q-998
TRANSPORTES 77 S.A.
PAL
001-0020420
A0Q-998
TRANSPORTES 77 S.A.
PAL
001-0020434
CONDUCTOR1
CONDUCTOR2
PROGAMACIN DE IDA
RUTA SALIDA
ALMACEN /
PLANTA
TRANSPORTE /
PARTE
VOLUMEN DE
CARGA
PESO PARCIAL
PESO TOTAL
G/R REMITENTE
G/R
TRANSPORTISTA
VEGUETA
BACKUS
K77115
80,00 m3
30.472,320 kg.
30.472,320 kg.
214-0458173
008-0000298
HUANCAVELICA
BACKUS
K77290
80,00 m3
30.472,320 kg.
30.472,320 kg.
214-0458265
008-0000303
CAETE
BACKUS
K78198
80,00 m3
30.529,368 kg.
30.529,368 kg.
214-0458810
008-0000322
HUANCAVELICA
BACKUS
K78487
80,00 m3
30.472,320 kg.
30.472,320 kg.
214-0458946
008-0000327
HORARIOS DE DESCARGA
FACTURA
OBSERVACIONE F. DE LLEGADA F. DE DESCARGA

S
PUNTO DESTINO
Y RETORNO
vie 03.01.2014
F. DE LLEGADA
DE RETORNO
DIAS DE
DESCARGA
003-6615
NINGUNA
vie 03.01.2014
vie 03.01.2014
003-6615
NINGUNA
vie 03.01.2014 sb 04.01.2014 lun 06.01.2014
003-6615
NINGUNA
mar 07.01.2014 mar 07.01.2014 mi 08.01.2014
003-6615
NINGUNA
mi 08.01.2014 vie 10.01.2014 sb 11.01.2014
PROGRAMACIN DE RETORNO
CLIENTE /
ALMACN
TRANSPORTE /
PARTE
MODALIDAD
G/R REMITENTE
G/R
TRANSPORTISTA
PESO TOTAL
FACTURA
TRANSPORTES 77 S.A.
K77115
PAL
1141-140643
001-0024440
14.531,280 kg.
003-6615
TRANSPORTES 77 S.A.
K77290
PAL
2224-018721
001-0024450
30.472,320 kg.
003-6615
TRANSPORTES 77 S.A.
K78198
PAL
2524-183761
001-0024503
14.384,640 kg.
003-6615
TRANSPORTES 77 S.A.
K78487
PAL
2224-018781
001-0024516
14.384,640 kg.
003-6615

Premios ganados

Herramientas para La Toma de Decisiones - Trabajo de Investigación - Armas

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Herramientas para La Toma de Decisiones - Trabajo de Investigación - Armas

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS ADMINISTRATIVAS

INVESTIGACION DE OPERACIONES APLICADO A

Dr. Edgar Vicente Armas

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

PLAN DE TRABAJO ............................................................................................................................... 19

Planteamiento de Objetivos: .......................................................................................................... 19

Planteamiento de Hiptesis: ........................................................................................................... 19

DISEO METODOLGICO ................................................................................................................ 20

Diseo de investigacin ................................................................................................................... 20

Procedimiento de Recoleccin de datos ...................................................................................... 20

CONOCIENDO A LA EMPRESA ..................................................................................................... 21

Empresa de Transportes Mi Beatriz S.A.C. ................................................................................. 21

Departamento de Anlisis .............................................................................................................. 23

Requisitos en las operaciones ........................................................................................................ 23

HERRAMIENTAS APLICADAS .......................................................................................................... 24

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

MODELO DE TRANSPORTE ............................................................................................................ 31

MODELO DE ASIGNACIN ........................................................................................................... 32

MODELO DE RUTA CRTICA ........................................................................................................... 88

MODELO DE SIMULACIN ............................................................................................................ 90

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

edicamos el presente proyecto

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FORMULACIN DE PROBLEMAS DE PROGRAMACIN LINEAL

La formulacin de un problema lineal implica desarrollar un modelo matemtico para

SOLUCIN DE PROBLEMAS DE MINIMIZACIN

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Variaciones del problema

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

VARIACIONES DEL PROBLEMA

Debido a que el problema de asignacin puede considerarse un caso especial del

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Si las alternativas de asignacin se evalan en trminos de ingresos o utilidades en vez

Porque todas las organizaciones operan en una atmosfera de incertidumbre y

Debido a que siempre ha sido cambiante el mundo en el que operan las

Las organizaciones que no puedan reaccionar con rapidez a las condiciones

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

DIFERENCIAS ENTRE PERT Y CPM

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(1) el estimado de tiempo ms probable, m;

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

la difusin de neutrones en el material de fisin. Esta difusin posee un comportamiento

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir

estimacin que decrece como

en virtud del teorema del lmite central.

Pasos para realizar el mtodo:

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Determinar un modelo ptimo de pronsticos para los ingresos de las

El modelo de simulacin logra optimizar el nmero de transportes para

Determinar el tiempo ptimo de duracin del proceso del transporte

Determinar un modelo de asignacin para determinar qu transportista

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

El mtodo de previsin que mejor se ajusta a la demanda real es el de

Determinar un modelo de simulacin para las prximas rutas hacia los