Académique Documents
Professionnel Documents
Culture Documents
GRUPO: 104561_64
TUTOR:
DARWIN WILLIAM BARROS
En este primer trabajo colaborativo del curso métodos probabilísticos resaltaremos los beneficios
de la aplicación de los pronósticos en las áreas de planeación administrativa, esto como un intento
por reducir la incertidumbre y respaldar la toma de decisiones en algo más que la intuición de los
empresarios.
El trabajo se divide en tres partes a partir del estudio de caso de la empresa Ingenios Dulces; la
primera parte corresponde al estudio bibliográfico necesario para desarrollar el estudio de caso, la
segunda parte corresponde a un ejercicio práctico con el método de suavización exponencial a
partir de unos datos históricos de demanda planteados en el caso objeto de estudio, finalmente la
tercera parte es un ejercicio práctico de inventarios en donde se pretende calcular demanda anual
y costo de pedidos para la toma de decisiones de la empresa.
JUSTIFICACION
OBJETIVOS ESPECIFICOS
Temática
Estudiante seleccionad Referente link bibliográfico Link Digital Referente convertido a normas APA
a
http://www.scielo.org.co/pdf/bsaa/v10n2/v10n2 PÉREZ, R. A., MOSQUERA, S. A., &
a14.pdf BRAVO, J. J. (2012). APLICACIÓN DE
Técnicas de
MODELOS DE PRONÓSTICOS EN
inventario
PRODUCTOS DE CONSUMO MASIVO.
probabilístic
(Spanish). Biotecnología En El Sector
o
Agropecuario Y Agroindustrial, 10(2), 125.
Estudiante 5
2. PROYECCION DE LOS 12 MESES SIGUIENTES HACIENDO ANALISIS
RESPECTIVO
2.1 Establezca la proyección solicitada para los siguientes 12 meses usando la herramienta de la
suavización exponencial determine a partir de qué periodo sería el óptimo de la producción para
la empresa Ingenios Dulces (entiéndase por óptimo cuando se generan las ganancias superior a lo
que se generaba en los seis meses históricos).
Dónde:
t= tiempo (N° mes)
α= valor constante
Dt= demanda real para este periodo t
Ft= pronostico calculado para el último periodo t
Dt-Ft= Error del pronóstico (Los errores de pronóstico (+) indican que la demanda real excede el
pronóstico y los errores (-) significan que la demanda está por debajo del pronóstico)
Dt-Ft= Error del pronóstico con todos los signos positivos, esto para hallar el error medio absoluto
(MAE)
(𝑫𝒕 − 𝑭𝒕)𝟐= Error del pronóstico al cuadrado, este se eleva al cuadrado para calcular el error
medio cuadrado (RMSE)
(𝑫𝒕−𝑭𝒕)
∗ 𝟏𝟎𝟎 = Error porcentual, estos valores para hallar el error medio absoluto (MAPE)
𝑫𝒕
Para un alfa (α)= 0,1
En t1
Demanda real (Dt)=5000
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5000 − 5000)
∗ 𝟏𝟎𝟎 = ∗ 100 = 0
𝑫𝒕 5000
En t2
Demanda real (Dt)=6000
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6000 − 5000) (1000)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0.166666667 ∗ 100
𝑫𝒕 6000 6000
= 16.6666667
En t3
Demanda real (Dt)=5500
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5500 − 5100) (400)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0.0727272727 ∗ 100
𝑫𝒕 5500 5500
= 7,27272727
En t4
Demanda real (Dt)=6100
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6100 − 5140) (960)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,157377049 ∗ 100
𝑫𝒕 6100 6100
= 15,7377049
En t5
Demanda real (Dt)=6000
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6000 − 5236) (764)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,127333333 ∗ 100
𝑫𝒕 6000 6000
= 12,7333333
En t6
Demanda real (Dt)=5100
Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5100 − 5312,4) (−212,4)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,0416470588 ∗ 100
𝑫𝒕 5100 5100
= 4,16470588
Alfa= 0,1
Demanda Pronostico Error
real anterior Error del pronostico pronostico
t Error %
cuadrado
Dt Ft Dt-Ft Dt-Ft (𝐷𝑡 − 𝐹𝑡)2
1 5000 5000 0 0 0 0
2 6000 5000 1000 1000 1000000 16,6666667
3 5500 5100 400 400 160000 7,27272727
4 6100 5140 960 960 921600 15,7377049
5 6000 5236 764 764 583696 12,7333333
6 5100 5312,4 -212,4 212,4 45113,76 4,16470588
3336,4 2710409,76 56,5751381
Ahora hallamos:
∑(Dt−Ft)2 2710409,76
RMSE=√ =√ = √451734.96 =672,112312
𝑁 6
(𝑫𝒕 − 𝑭𝒕)
∑ ∗ 𝟏𝟎𝟎 56,5751381
MAPE = 𝑫𝒕 = = 9,42918968
6 6
RMSE 672,112312
MAE 556,066667
MAPE 9,42918968
alfa 0,5
RSME 583,095189
MAE 433,333333
MAPE 7,59
Para un alfa (α)= 0,8
Alfa= 0,8
t Dt Ft Dt-Ft Dt-Ft (Dt-Ft)^2 Error %
1 5000 5000 0 0 0 0
2 6000 5000 1000 1000 1000000 16,6666667
3 5500 5800 -300 300 90000 5,45454545
4 6100 5560 540 540 291600 8,85245902
5 6000 5992 8 8 64 0,13333333
6 5100 5998,4 -898,4 898,4 807122,56 17,6156863
2746,4 2188786,56 48,7226907
RMSE 603,9849
MAE 457,733333
MAPE 8,12044846
Entonces, a la luz de las pruebas usaremos alfa= 0,5 para el hacer la proyección de los 12 meses
usando la formula Ft + 1 = α ∗ Dt + (1 − α) ∗ Ft
alfa 0,5
Determine
Arango Marin, J. A., Giraldo Garcia, J. A., & Castrillón Gómez, O. D. (2013). Gestión de
compras e inventarios a partir de pronósticos Holt-Winters y diferenciación de nivel de
servicio por clasificación ABC. (Spanish). Scientia Et Technica, 18(4), 743. Disponible
en: http://bibliotecavirtual.unad.edu.co:2171/eds/detail/detail?sid=6bf8a4d4-1aed-41ee-
a892-
0c10c8ff0fc6%40sessionmgr4010&vid=0&hid=4103&bdata=Jmxhbmc9ZXMmc2l0ZT1
lZHMtbGl2ZQ%3d%3d#AN=116119667&db=edb
Hanke, J. & Wichern, D. (2006). Pronostico en los negocios. (8° ed). México: Pearson
educación. Disponible en:
https://books.google.com.co/books?id=WaiOrL8oct4C&lpg=PA131&ots=YdgExeleV0&
dq=modelo%20promedio%20movil&pg=PR1#v=onepage&q=modelo%20promedio%20
movil&f=false