Universidad Tecnológica de Honduras

San Pedro Sula

Administración de la Producción I

II Tarea del II Parcial

Ing. Walter Santos

Alumna: Heidy Lizeth Benites Linares

#Cta. 200810220043

Modalidad: Virtual

03-Junio-2014
 Ejercicios
1. Se aplicó cierto modelo de pronóstico para anticipar un periodo de seis meses.

Aquí está la demanda pronosticada y la real:

Pronostico Real
Abril 250 200
Mayo 325 250
Junio 400 325
Julio 350 300
Agosto 375 325
Septiembre 450 400

Calcule la desviación absoluta media para el pronóstico.

Error
Porcentual
Pronostico Real Absoluto
Abril 250 200 |200-250|= -50
Mayo 325 250 |250-325|= -75
Junio 400 325 |325-400|= -75
Julio 350 300 |300-350|= -50
Agosto 375 325 |325-3375|= -50
Septiembre 450 400 |400-450|= -50
-350

MAD = -350/6 = -58.33

2. Se usó un modelo de pronóstico específico para adelantar la demanda de un
producto. Los pronósticos y la demanda correspondiente que se presentaron a
continuación se dan en tabla. Use las técnicas MAD para el modelo de
pronóstico.

Error
Real Pronosticada Absoluto
Octubre 700 660 |700-660|= 40
Noviembre 760 840 |760-840|=-80
Diciembre 780 750 |780-750|=30
Enero 790 835 |790-835|=-45
Febrero 850 910 |850-910|=-60
Marzo 950 890 |950-890|=60
-55

MAD = -55 / 6 = -9.17

3. A continuación se presentan dos pronósticos señales realizados mediantes

dos métodos diferentes para el numero de galones de gasolina, en miles,
demandando en una gasolinera local. También se muestran los niveles reales de
la demanda, en miles de galones:

Calcule el MAD para cada modelo de pronóstico y determine el más adecuado de

los dos para predecir la demanda.

Pronostico Pronostico
Error Error
Absoluto Absoluto
Semana Método 1 Método 2 Real Método 1 Método 2
1 0.90 0.80 0.70 |0.70 – 0.90| |0.70 – 0.80|
= -0.2 = -0.1
2 1.05 1.20 1.00 |1.00 – 1.05| |1.00 – 1.20|
= -0.05 = -0.2
3 0.95 0.90 1.00 |1.00 – 0.95| |1.00 – 0.90|
= 0.05 = 0.1
4 1.20 1.11 1.00 |1.00 – 1.20| |1.00 – 1.11|
= -0.2 = -0.11

-0.4 -0.31

MAD método 1 = -0.4 / 4 = -0.1

MAD método 2 = -0.31 / 4 = -0.078

4. La demanda de audífonos para estereofónicos y reproductores de discos
compactos para trotadores ha llevado a Nina Industries a crecer casi 50% en el
año pasado. El número de trotadores sigue en aumento, así que Nina espera que
la demanda también se incremente, porque, hasta ahora, no se han promulgado
leyes de seguridad que impidan que los trotadores usen audífonos. Utilice
proyección de tendencia para determinar una ecuación de tendencia y
pronostique la demanda para el mes de enero del próximo año.

Periodo Demanda
(unidades)
Mes (x) (y) X2 XY
Enero 1 4,200 1 4,200
Febrero 2 4,300 4 8,600
Marzo 3 4,000 9 12,000
Abril 4 4,400 16 17,600
Mayo 5 5,000 25 25,000
Junio 6 4,700 36 28.200
Julio 7 5,300 49 37,100
Agosto 8 4,900 64 39,200
Septiembre 9 5,400 81 48,600
Octubre 10 5,700 100 57,000
Noviembre 11 6,300 121 69,300
Diciembre 12 6,000 144 72,000
78 60,200 650 418,800
X = 78 / 12 = 6.5

Y = 60,200 / 12 = 5,016.67

B = 418,800 – (12) (6.5) (5,016.67) = 9,439.728 = 66.01

650 – (12)(6.5)2 143

A= 5, 016.67 – (66.01) (6.5) = 4,587.61

Demanda para Enero del próximo año = 4, 587.61 + 66.01 (13) = 5,445.74

5. A continuación se da la demanda tabulada actual de un artículo durante un

periodo de nueve meses (de enero a septiembre). Utilice proyección de
tendencias para determinar la demanda de octubre.
 Periodo Demanda
Mes (x) (y) X2 XY
Enero 1 110 1 110
Febrero 2 130 4 260
Marzo 3 150 9 450
Abril 4 170 16 680
Mayo 5 160 25 800
Junio 6 180 36 1,080
Julio 7 140 49 980
Agosto 8 130 64 1,040
Septiembre 9 140 81 1,260
45 1,310 285 6,660

x = 45/ 9 = 5

y = 1,310 / 9 = 145.55

b= 6,660 – (9) (5) (145.55) = 110.25 = 1.85

285 – (9) (5) 2 60

a= 145.55 – (1.85) (5) = 136.3

Demanda del mes de octubre = 136.3 + 1.85 (10) = 154.8

6. La asistencia a un parque de diversiones ha sido la siguiente:

Asistentes Asistentes
Trimestre (en miles) Trimestre (en miles)
Invierno 2005 73 Verano 2006 124
 Primavera 2005 104 Otoño 2006 52
Verano 2005 168 Invierno 2007 89
Otoño 2005 74 Primavera 2007 146
Invierno 2006 65 Verano 2007 205
Primavera 2006 82 Otoño 2007 98

a) Calcule los índices estacionales usando todos los datos.

b) Si espera que la demanda para el año 2008 sea de 6,000 personas, ¿Cuál será
la demanda para cada trimestre?

Demanda Demanda Demanda Índice

Estaciones promedio para promedio estacional
2005 2006 2007 el periodo mensual
Invierno 73 65 89 75.67 106.67 0.70
Primavera 104 82 146 110.67 106.67 1.03
Verano 168 124 205 165.67 106.67 1.55
Otoño 74 52 98 74.67 106.67 0.70
426.68

Demanda promedio 2008 = 6,000 / 4 = 1,500

Invierno = 1,500 x 0.70 = 1,050

Primavera = 1,500 x 1.03 = 1,545

Verano = 1,500 x 1.55 = 2,325

Otoño = 1,500 x 0.70 = 1,050

7. En el pasado, la distribuidora Arup Mukherjee vendió un promedio de 1,000

llantas radiales cada año. En los dos años anteriores vendió 200 y 250,
respectivamente, durante el otoño, 350 y 300 en invierno, 150 y 165 en primavera,
y 300 y 285 en verano. Con una ampliación importante en puerta, Mukherjee
 proyecta que las ventas se incrementaran en próximo año a 1200 llantas. ¿Cuál
será la demanda en cada estación?

Demanda Demanda Demanda Índice

promedio para el promedio estacional
Estaciones 1 2 periodo mensual

Otoño 200 250 225 250.75 0.89

Invierno 350 300 325 250.75 1.29

Primavera 150 165 157.5 250.75 0.62

Verano 300 285 292.5 250.75 1.16

1,003

Demanda promedio para el próximo año = 1200 / 4 = 300

Otoño = 300 x 0.89 = 267

Invierno = 300 x 1.29 = 387

Primavera = 300 x 0.62 = 186

Verano = 300 x 1.16 = 348

8. El administrador de Coffe Palace, Joe Felan, sospecha que la demanda de café

con leche sabor moca depende de su precio. Con base en observaciones
históricas, Joe ha recopilado los siguientes datos que muestran el número de
cafes de este tipo vendidos a seis precios diferentes:
 Precios Cafes vendidos
$2.70 760
$3.50 510
$2.00 980
$4.20 250
$3.10 320
$4.05 480

Usando estos datos, ¿Cuántos cafes con leche sabor moca pronostica usted
para ser vendidos de acuerdo con una regresión lineal simple si el precio por
taza fuera de $1.80?

Precios Café vendidos

(y) (x) X2 xy
2.70 760 577,600 2.052
3.50 510 260,100 1,785
2.00 980 960,400 1,960
4.20 250 62,500 1,050
3.10 320 102,400 992
4.05 480 230,400 1,944
∑ y = 19.55 ∑ x = 3,300 ∑ x2 = 2,193,400 ∑ xy = 9,783

x = 3,300 / 6 = 550

y = 19.55 / 6 = 3.25

b= 9,785 – (6) (550) (3.25) = -940 = -002.4

2, 193,400 – (6) (550)2 378,400

a= 3.25 – (-002.4) (550) = 1,323.25

Ventas = 1,323.25 + (-002.4) (1.80) = 1,318.93

9. Los siguientes datos relacionan las cifras de ventas del pequeño bar de la casa
huéspedes Marty and Polly Starr, en Marathon, Florida, con el número de
huéspedes registrados en la semana:

Semana Huéspedes Ventas del bar

1 16 $330
2 12 270
 3 18 380
4 14 300

a) Desarrollo una regresión lineal que relacione las ventas del bar con los
huéspedes (no el tiempo)

b) Si el pronóstico para la semana siguiente es de 20 huéspedes, ¿de cuánto se

espera que sean las ventas?

Ventas Huéspedes X2 XY
(y) (x)
330 16 256 5,280
270 12 144 3,240
380 18 324 6,840
300 14 196 4,200
∑y = 1,280 ∑x = 60 ∑x2 = 929 ∑xy = 19,560

x = 60 / 4 = 15

y = 1,280 / 4 = 320

b= 19,560 – (4) (15) (320) = 360 = 12.41

929 – (4) (15) 2 29

a= 320 –(12.41) (15) = 133.85

Ventas = 133.85 + 12.41 (20) = 382.05