Embed Size (px)
DESCRIPTION
caso espejo
Evaluación: T1Curso: Gestión Táctica de Operaciones
Semestre: 2014 - 0
Nombre:Fecha:
Problema 1 (4 ptos)
Edad
2.2 1,2384.5 2,0984.5 2,0662.0 9903.0 1,4463.7 1,3623.2 1,7806.0 3,0443.6 1,9745.0 2,3880.5 3260.6 3642.9 1,5285.0 2,7463.5 1,9561.8 8922.6 1,098
c. Valide el modelo aplicado
d. Grafique el modelo aplicado
Solución
Edad
El gerente de manejo de materiales de una compañía manufacturera está tratando de elaborar un pronóstico sobre el costo de mantenimiento de la flotilla de tractores que esa empresa tiene en circulación. Él considera que el costo de mantenimiento de cualquier tractor se eleva a medida que la máquina se vuelve más antigua. Él mismo ha recopilado los siguientes datos:
Costo de mantenimiento anual
a. Por medio de la regresión lineal, desarrolle una relación para pronosticar el costo anual de mantenimiento, basándose en la edad de un tractor.
b. Si una sección tiene 20 tractores de 3 años de edad y otra de 5 tractores tiene 7 años, ¿cuál es su pronóstico para el costo de mantenimiento anual en ambos casos?
Costo de mantenimiento anual
Edad
0.5 326 290.860.6 364 339.341.8 892 921.162.0 990 1018.132.2 1,238 1115.102.6 1,098 1309.032.9 1,528 1454.493.0 1,446 1502.973.2 1,780 1599.943.5 1,956 1745.403.6 1,974 1793.883.7 1,362 1842.374.5 2,098 2230.244.5 2,066 2230.245.0 2,388 2472.675.0 2,746 2472.676.0 3,044 2957.513.0 1502.977.0 3442.36
Costo Pronosticado de mantenimiento de 3 años20 tractores30059.4722
Costo Pronosticado de mantenimiento de 7 años5 tractores17211.8047
Costo de mantenimiento anual
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647R² = 0.901436815300091
Chart Title
Column DLinear (Column D)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647
Column DLinear (Column D)
Evaluación: T1Curso: Gestión Táctica de Operaciones
Semestre: 2014 - 0
El gerente de manejo de materiales de una compañía manufacturera está tratando de elaborar un pronóstico sobre el costo de mantenimiento de la flotilla de tractores que esa empresa tiene en circulación. Él considera que el costo de mantenimiento de cualquier tractor se eleva a medida que la máquina se vuelve más antigua. Él mismo ha recopilado los siguientes datos:
a. Por medio de la regresión lineal, desarrolle una relación para pronosticar el costo anual de mantenimiento, basándose en la
b. Si una sección tiene 20 tractores de 3 años de edad y otra de 5 tractores tiene 7 años, ¿cuál es su pronóstico para el costo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170.00
500.00
1000.00
1500.00
2000.00
2500.00
3000.00
3500.00
f(x) = 143.671524991661 x + 312.603333898581
Column ELinear (Column E)
Resumen
Estadísticas de la regresiónCoeficiente de0.97014611Coeficiente d 0.94118348R^2 ajustado 0.93726238Error típico 190.712274Observacione 17
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosF
Regresión 1 8730186.31 8730186.31 240.030387Residuos 15 545567.57 36371.1713Total 16 9275753.88
Coeficientes Error típico Estadístico t ProbabilidadIntercepción 48.4331105 110.643641 0.43773967 0.66781253Variable X 1 484.846834 31.2947475 15.4929141 1.2288E-10
r 97.01% Existe una fuerte relacion entre el costo y la edad del tractorr2 94.12% El 94.12% de los datos estàn representados en la lìnea recta
r2>60% Por lo tanto se valida el Pronòstico
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647R² = 0.901436815300091
Chart Title
Column DLinear (Column D)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170.00
500.00
1000.00
1500.00
2000.00
2500.00
3000.00
3500.00
f(x) = 143.671524991661 x + 312.603333898581
Column ELinear (Column E)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647
Column DLinear (Column D)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170.00
500.00
1000.00
1500.00
2000.00
2500.00
3000.00
3500.00
f(x) = 143.671524991661 x + 312.603333898581
Column ELinear (Column E)
Valor crítico de F1.2288E-10
Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%-187.398227 284.264448 -187.398227 284.264448418.143658 551.550009 418.143658 551.550009
Existe una fuerte relacion entre el costo y la edad del tractorEl 94.12% de los datos estàn representados en la lìnea recta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170.00
500.00
1000.00
1500.00
2000.00
2500.00
3000.00
3500.00
f(x) = 143.671524991661 x + 312.603333898581
Column ELinear (Column E)
Pregunta 2 (5 ptos)
Demanda histórica por presentación (decena de miles de cajas)Producto / año 2001 2002 2003
Wafer Vainilla 6 pack 28.85 31.62 33.50 Wafer Limón 6 pack 10.10 11.07 11.73 Wafer Fresa 6 pack 15.87 17.39 18.43 Wafer Vainilla 12 pack 32.32 35.42 37.52 Wafer Fresa 12 pack 25.97 28.46 30.15 TON 3085.18 3381.35 3581.82
Presentación (SKU) Unidad kg / caja
Wafer Vainilla 6 pack cja 1.8Wafer Limón 6 pack cja 1.8Wafer Fresa 6 pack cja 1.8Wafer Vainilla 12 pack cja 3.6Wafer Fresa 12 pack cja 3.6
Se pide:a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de los cinco años siguientes.b. Desagregar la demanda para el año 2014.c. Determine los límites de confianza superior e interior que se pueden estimar para el pronóstico agregado del año 14 si se utiliza un nivel de confianza del 90%
d. Grafique su modelo de pronóstico.e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)? e. Realice un análisis para otras regresión y comente.
Solución: Año Demanda Pronòstico1 3085.1766 3308.332 3381.345 3432.453 3581.82 3556.564 3942.675 3680.675 3795.66 3804.786 4076.325 3928.907 3982.77 4053.018 4250.07 4177.129 4250.07 4301.23
10 4425.4188 4425.3511 4532.3388 4549.46
Sayon, para su línea de productos Wafer requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los siguientes 5 años. Con base a las ventas por presentación de los últimos años, haga un pronóstico desagregado para el año 2014. Valide la técnica de pronóstico empleada y establezca rangos de para el pronóstico hallado con un nivel de confianza del 90%. Haga un gráfico
12 4639.2588 4673.5713 4746.1788 4797.6814 4921.7915 5045.9116 5170.0217 5294.1318 5418.24
r 97.25% Existe una fuerte relacion entre la demanda y el tiempor2 94.58% El 94.58% de los datos están representados en la lìnea recta
r2>60% El Pronòstico se valida
Lìmites de Confianza AÑO 2014 Pronòstico Error estàndar4921.79 120.796206947128
LI 4697.11395507834LS 5146.47584492166
Anàlisis de Otras Regresiones
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923R² = 1
Pronóstico de Demanda
Demanda Real
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 3281.41726760364 exp( 0.0288254991900132 x )R² = 0.995539301103642
Pronóstico de Demanda
Demanda Real
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 3281.41726760364 exp( 0.0288254991900132 x )R² = 0.995539301103642
Pronóstico de Demanda
Demanda Real
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 771.989046414547 ln(x) + 2802.35111639903R² = 0.872820013629955
Pronóstico de Demanda
Demanda Real
Demanda histórica por presentación (decena de miles de cajas)2004 2005 2006 2007 2008
36.88 35.50 38.13 37.25 39.75 12.91 12.42 13.34 13.04 13.91 20.28 19.53 20.97 20.49 21.86 41.30 39.76 42.70 41.72 44.52 33.19 31.95 34.31 33.53 35.78
3942.68 3795.66 4076.33 3982.77 4250.07
a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de los cinco años siguientes.
c. Determine los límites de confianza superior e interior que se pueden estimar para el pronóstico agregado del año 14 si se utiliza un nivel de confianza del 90%
e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)?
Resumen
Estadísticas de la regresiónCoeficiente de correlació 0.9725469Coeficiente de determina 0.94584747R^2 ajustado 0.94092451Error típico 120.796207Observaciones 13
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadrados
Sayon, para su línea de productos Wafer requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los siguientes 5 años. Con base a las ventas por presentación de los últimos años, haga un pronóstico desagregado para el año 2014. Valide la técnica de pronóstico empleada y establezca rangos de para el pronóstico hallado
Regresión 1 2803506.84Residuos 11 160508.96Total 12 2964015.8
Coeficientes Error típicoIntercepción 3184.22153 71.0702557Variable X 1 124.112384 8.95401059
Existe una fuerte relacion entre la demanda y el tiempoEl 94.58% de los datos están representados en la lìnea recta
El Pronòstico se valida
sigma1.86
Se puede observar que la la regresiòn exponencial tuvo un mejor coeficiente de determinaciòn, por lo que se
podrìa obtener datos màs cercanos a los datos reales siendo mejor que el anàlisis de regresiòn lineal y el
anàlisis de regresiòn exponencial
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923R² = 1
Pronóstico de Demanda
Demanda Real
2009 2010 2011 2012 2013 Cajas 39.75 41.39 42.39 43.39 44.39 4,927,900.00 13.91 14.49 14.84 15.19 15.54 1,724,765.00 21.86 22.76 23.31 23.86 24.41 2,710,345.00 44.52 46.36 47.48 48.60 49.72 5,519,248.00 35.78 37.25 38.15 39.05 39.95 4,435,110.00
4250.07 4425.42 4532.34 4639.26 4746.18
e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)?
Promedio de los cuadradosF Valor crítico de F
2803506.84 192.12993 2.6091E-0814591.7236
Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0% Superior 95.0%44.8038564 8.3662E-14 3027.79695 3340.64611 3027.79695 3340.6461089713213.8610941 2.6091E-08 104.404739 143.820028 104.404739 143.820027938431
2014TON Participación TON Caja 8,870.22 16.84% 828.585 460.325 3,104.58 5.89% 290.00475 161.11375 4,878.62 9.26% 455.72175 253.17875 19,869.29 37.71% 1856.0304 515.564 15,966.40 30.30% 1491.453 414.2925 52,689.11 4,921.79 1,804.47
Pregunta 3 (7 ptos)
Demanda histórica por producto (en miles de cajas)Año Producto Ene Feb
1 (2011)
Nescafé Grande 2,070 2,530Nescafé Mediano 1,035 1,208Kirma Grande 1,438 1,553Kirma Mediano 920 1,035
2 (2012)
Nescafé Grande 2,415 2,875Nescafé Mediano 1,150 1,380Kirma Grande 1,610 1,725Kirma Mediano 943 1,150
3 (2013)
Nescafé Grande 2,645 3,220Nescafé Mediano 1,380 1,610Kirma Grande 1,725 1,840Kirma Mediano 1,035 1,265
Producto Unidad
Nescafé Grande cja 480Nescafé Mediano cja 280Kirma Grande cja 480Kirma Mediano cja 260
Solución
Año Producto Ene Feb
1 (2011)
Nescafé Grande 2,070 2,530Nescafé Mediano 1,035 1,208Kirma Grande 1,438 1,553Kirma Mediano 920 1,035
2 (2012)
Nescafé Grande 2,415 2,875Nescafé Mediano 1,150 1,380Kirma Grande 1,610 1,725Kirma Mediano 943 1,150
3 (2014)
Nescafé Grande 2,645 3,220Nescafé Mediano 1,380 1,610Kirma Grande 1,725 1,840Kirma Mediano 1,035 1,265
1 (2011) TON 20644.8 24039.6
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el método de pronóstico estacional para tal fin. Valide la técnica de pronóstico empleada. Haga un gráfico
contenido gramos/tarro
2 (2012) TON 23292.56 27103.23 (2013) TON 25640.4 30074.84(2014 TON 26467.91 31102.45
23192.5866666667 27072.5333
Indice General 67582.8677777778
Indice Estacional 0.34317257360145 0.40058278
Año Mes IE
2011
Enero 20644.8 0.34317257Febrero 24039.6 0.40058278Marzo 27746.28 0.461791Abril 60761.4 1.00356696Mayo 66465.4 1.09790448Junio 78982 1.30302846Julio 83163.4 1.37374756Agosto 85343.8 1.4100033Septiembre 66069.8 1.0878763Octubre 61175.4 1.00728783Noviembre 73328.6 1.20635406Diciembre 79133.8 1.3046847
2012
Enero 23292.56 0.34317257Febrero 27103.2 0.40058278Marzo 31326 0.461791Abril 68254.8 1.00356696Mayo 74510.8 1.09790448Junio 88421.2 1.30302846Julio 93370.8 1.37374756Agosto 95551.2 1.4100033Septiembre 73839.2 1.0878763Octubre 68116.8 1.00728783Noviembre 81815.6 1.20635406Diciembre 88660.4 1.3046847
2013
Enero 25640.4 0.34317257Febrero 30074.8 0.40058278Marzo 34555.2 0.461791Abril 74455.6 1.00356696Mayo 81622.4 1.09790448Junio 96784 1.30302846Julio 101991.2 1.37374756Agosto 104981.2 1.4100033Septiembre 80656.4 1.0878763Octubre 74934 1.00728783Noviembre 89442.4 1.20635406
Indice Por estacion
Demanda Estacionalizada
2013
Diciembre 96728.8 1.3046847
2014
Enero 0.34317257Febrero 0.40058278Marzo 0.461791Abril 1.00356696Mayo 1.09790448Junio 1.30302846Julio 1.37374756Agosto 1.4100033Septiembre 1.0878763Octubre 1.00728783Noviembre 1.20635406Diciembre 1.3046847
Estacionalizar el Pronostico de la Demanda Desestacionalizada
Año Mes Pronòstico DD IE
2011
Enero 77127.1050862197 0.34317257Febrero 77643.009805595 0.40058278Marzo 78158.9145249702 0.461791Abril 78674.8192443454 1.00356696Mayo 79190.7239637207 1.09790448Junio 79706.6286830959 1.30302846Julio 80222.5334024712 1.37374756Agosto 80738.4381218464 1.4100033Septiembre 81254.3428412216 1.0878763Octubre 81770.2475605969 1.00728783Noviembre 82286.1522799721 1.20635406Diciembre 82802.0569993474 1.3046847
1 2 3 4 5 6 7 8 9 10 11 120
20000
40000
60000
80000
100000
120000Pronòstico de Demanda
Row 48 Row 49 Row 50 Row 51
1 2 3 4 5 6 7 8 9 10 11 120
20000
40000
60000
80000
100000
120000Pronòstico de Demanda
Row 48 Row 49 Row 50 Row 51
Mar Abr May Jun Jul Ago2,875 6,210 6,785 7,820 8,280 8,7401,587 3,105 2,990 3,680 4,025 4,3701,725 3,680 4,140 5,003 5,175 5,0601,208 3,163 3,623 4,485 4,658 4,5433,335 7,130 7,820 8,970 9,545 10,0051,725 3,450 3,335 4,025 4,485 4,8301,955 4,140 4,600 5,635 5,750 5,6351,265 3,335 3,795 4,715 4,945 4,8303,680 7,820 8,625 9,890 10,465 11,0402,070 4,025 3,910 4,715 5,290 5,7502,070 4,370 4,830 5,980 6,095 5,9801,380 3,565 4,140 5,060 5,290 5,175
tarros/cajaGramos/Caja Ton/Caja
10 4,800.000 58 2,240.000 28 3,840.000 4
12 3,120.000 3
Mar Abr May Jun Jul Ago2,875 6,210 6,785 7,820 8,280 8,7401,587 3,105 2,990 3,680 4,025 4,3701,725 3,680 4,140 5,003 5,175 5,0601,208 3,163 3,623 4,485 4,658 4,5433,335 7,130 7,820 8,970 9,545 10,0051,725 3,450 3,335 4,025 4,485 4,8301,955 4,140 4,600 5,635 5,750 5,6351,265 3,335 3,795 4,715 4,945 4,8303,680 7,820 8,625 9,890 10,465 11,0402,070 4,025 3,910 4,715 5,290 5,7502,070 4,370 4,830 5,980 6,095 5,9801,380 3,565 4,140 5,060 5,290 5,175
27746.28 60761.4 66465.4 78982 83163.4 85343.8
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el método de pronóstico estacional para tal fin. Valide la técnica de pronóstico empleada. Haga un gráfico
31326 68254.8 74510.8 88421.2 93370.8 95551.234555.2 74455.6 81622.4 96784 101991.2 104981.2
36093.08 78955.45 86943.85 103860.01 110205.51 113841.46
31209.16 67823.9333 74199.5333 88062.4 92841.8 95292.0667
0.461790998609592 1.00356696 1.09790448 1.30302846 1.37374756 1.4100033
X Pronòstico DD60158.6536573756 1 58554.535260011.5655312642 2 59070.4399
60084.064183887 3 59586.344660545.4366972622 4 60102.2493
60538.41767195 5 60618.154160614.1788416446 6 61134.058860537.6141581749 7 61649.9635
60527.376022066 8 62165.868260732.8242440232 9 62681.772960732.7899572043 10 63197.677760785.3056315786 11 63713.582460653.5818301597 12 64229.487167874.1886496183 13 64745.391867659.4229066606 14 65261.296567835.8826705578 15 65777.201368012.2030217259 16 66293.10667866.3775659386 17 66809.010767858.2263071691 18 67324.915467967.9458035641 19 67840.820167766.6498534121 20 68356.724967874.6288912525 21 68872.629667623.9682447012 22 69388.534367820.5536643408 23 69904.43967955.4226701446 24 70420.343774715.7610263395 25 70936.248575077.6148954085 26 71452.153274828.6564788885 27 71968.057974190.9636143453 28 72483.962674343.8080954447 29 72999.867374276.1981845197 30 73515.772174243.0433715944 31 74031.676874454.5774578553 32 74547.581574141.1501980577 33 75063.486274391.8451314278 34 75579.390974142.7440374139 35 76095.2956
Demanda Desestacionalizada
74139.598833029 36 76611.200437 77127.105138 77643.009839 78158.914540 78674.819241 79190.72442 79706.628743 80222.533444 80738.438145 81254.342846 81770.247647 82286.152348 82802.057
26467.907146867731102.453035493436093.083188727778955.449374924386943.8506480333103860.005479825110205.509865838113841.46428008488394.673678941782366.174946737399266.2335638973108030.576603421
Demanda Estacionalizada
1 2 3 4 5 6 7 8 9 10 11 120
20000
40000
60000
80000
100000
120000Pronòstico de Demanda
Row 48 Row 49 Row 50 Row 51
1 2 3 4 5 6 7 8 9 10 11 120
20000
40000
60000
80000
100000
120000Pronòstico de Demanda
Row 48 Row 49 Row 50 Row 51
Sep Oct Nov Dic6,268 5,635 6,785 7,3603,565 3,450 3,910 4,1984,255 4,025 4,830 5,1753,738 3,508 4,313 4,6587,245 6,440 7,820 8,5103,910 3,795 4,255 4,6004,715 4,485 5,405 5,7503,910 3,680 4,485 4,9457,935 7,130 8,625 9,3154,600 4,485 5,060 5,4054,945 4,715 5,635 6,0954,255 4,025 4,830 5,290
Sep Oct Nov Dic6,268 5,635 6,785 7,3603,565 3,450 3,910 4,1984,255 4,025 4,830 5,1753,738 3,508 4,313 4,6587,245 6,440 7,820 8,5103,910 3,795 4,255 4,6004,715 4,485 5,405 5,7503,910 3,680 4,485 4,9457,935 7,130 8,625 9,3154,600 4,485 5,060 5,4054,945 4,715 5,635 6,0954,255 4,025 4,830 5,290
66069.8 61175.4 73328.6 79133.8
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el
73839.2 68116.8 81815.6 88660.480656.4 74934 89442.4 96728.8
88394.67 82366.17 99266.23 108030.58
73521.8 68075.4 81528.8667 88174.3333
1.0878763 1.00728783 1.20635406 1.3046847
Resumen
Estadísticas de la regresiónCoeficiente de0.94189489Coeficiente d 0.88716598R^2 ajustado 0.88384733Error típico 1966.72276Observacione 36
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosF
Regresión 1 1034022585 1034022585 267.327561Residuos 34 131511946 3867998.42Total 35 1165534531
Coeficientes Error típico Estadístico t ProbabilidadIntercepción 58038.6305 669.4749 86.6927654 1.7552E-41Variable X 1 515.904719 31.5535068 16.3501548 1.1193E-17
r 94.19% Existe una fuerte relacion entre la demanda y el tiempor2 88.72% El 88.72% de los datos quedan demostrados en la linea recta
1 4 7 10 13 16 19 22 25 28 31 340
10000
20000
30000
40000
50000
60000
70000
80000
90000
f(x) = 515.904719375239 x + 58038.6304693358R² = 1
Column F Column HLinear (Column H)
1 4 7 10 13 16 19 22 25 28 31 340
10000
20000
30000
40000
50000
60000
70000
80000
90000
f(x) = 515.904719375239 x + 58038.6304693358R² = 1
Column F Column HLinear (Column H)
Valor crítico de F1.1193E-17
Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%56678.0938 59399.1672 56678.0938 59399.1672451.780279 580.02916 451.780279 580.02916
Existe una fuerte relacion entre la demanda y el tiempoEl 88.72% de los datos quedan demostrados en la linea recta
1 4 7 10 13 16 19 22 25 28 31 340
10000
20000
30000
40000
50000
60000
70000
80000
90000
f(x) = 515.904719375239 x + 58038.6304693358R² = 1
Column F Column HLinear (Column H)
1 4 7 10 13 16 19 22 25 28 31 340
10000
20000
30000
40000
50000
60000
70000
80000
90000
f(x) = 515.904719375239 x + 58038.6304693358R² = 1
Column F Column HLinear (Column H)
Pregunta 3 (4 ptos)
Inresa S.A. presenta las ventas mensuales de su producto estrella Cocina FAEDA modelo 5 hornillas
Mes VentasEnero 1,750Febrero 1,825Marzo 1,700Abril 1,900Mayo 1,950Junio 1,750Julio 1,575Agosto 1,610Septiembre 1,900Octubre 2,050Noviembre 1,875Diciembre 1,670
Se pide:Realizar un pronóstico para el mes de enero del siguiente año utilizando las siguientes técnicas:
1. Promedio móvil de 4 meses2. Promedio móvil ponderado para m=3 períodos y facotres de ponderación a=3; b=5; c=7.3. Suavizado exponencial con α = 0.8 y un pronóstico para febrero igual a la demanda de enero.3. En cada caso valide su tècnica e indique que técnica es más confiable.4. Grafique su modelo para cada caso.Promedio Mòvil de 4 Meses
Mes Ventas Pronòstico Error de PronòsticoEnero 1,750Febrero 1,825Marzo 1,700Abril 1,900Mayo 1,950 1,794 156Junio 1,750 1,844 -94Julio 1,575 1,825 -250Agosto 1,610 1,794 -184Septiembre 1,900 1,721 179Octubre 2,050 1,709 341Noviembre 1,875 1,784 91Diciembre 1,670 1,859 -189Enero 1,874
Proemdio Mòvil PonderadoMes Ventas Pronòstico Error de PronòsticoEnero 1,750
Febrero 1,825Marzo 1,700Abril 1,900 1765.00 135Mayo 1,950 1798.33 152Junio 1,750 1816.67 -67Julio 1,575 1886.67 -312Agosto 1,610 1808.33 -198Septiembre 1,900 1663.67 236Octubre 2,050 1651.67 398Noviembre 1,875 1794.67 80Diciembre 1,670 1945.00 -275Enero 1915.66667
Proemdio Mòvil PonderadoMes Ventas Pronòstico Error de PronòsticoEnero 1,750Febrero 1,825 1,750 75Marzo 1,700 1810.00 -110Abril 1,900 1722.00 178Mayo 1,950 1864.40 86Junio 1,750 1932.88 -183Julio 1,575 1786.58 -212Agosto 1,610 1617.32 -7Septiembre 1,900 1611.46 289Octubre 2,050 1842.29 208Noviembre 1,875 2008.46 -133Diciembre 1,670 1901.69 -232Enero
Inresa S.A. presenta las ventas mensuales de su producto estrella Cocina FAEDA modelo 5 hornillas Upn Dom 5-7
3. Suavizado exponencial con α = 0.8 y un pronóstico para febrero igual a la demanda de enero.
MAD
156.25 156.25 156 1.0093.75 125.00 63 0.50
250 166.67 -188 -1.13183.75 170.94 -371 -2.17178.75 172.50 -193 -1.12341.25 200.63 149 0.74
91.25 185.00 240 1.30188.75 185.47 51 0.28
MAD
Error Absoluto
Error Acumulado
Señal de Rastreo
Error Absoluto
Error Acumulado
Señal de Rastreo
1 2 3 4 5 6 7 8
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
1 2 3 4 5 6 7 8 9
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
135 135.00 135 1.00151.6666667 143.33 287 2.0066.66666667 117.78 220 1.87311.6666667 166.25 -92 -0.55198.3333333 172.67 -290 -1.68236.3333333 183.28 -54 -0.29398.3333333 214.00 345 1.6180.33333333 197.29 425 2.15
275 205.93 150 0.73
MAD
75.00 75.00 75 1.00110.00 92.50 -35 -0.38178.00 121.00 143 1.18
85.60 112.15 229 2.04182.88 126.30 46 0.36211.58 140.51 -166 -1.18
7.32 121.48 -173 -1.43288.54 142.36 115 0.81207.71 149.62 323 2.16133.46 148.01 190 1.28231.69 155.62 -42 -0.27
Error Absoluto
Error Acumulado
Señal de Rastreo
1 2 3 4 5 6 7 8 9
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
1 2 3 4 5 6 7 8 9 10 11
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante por lo tanto se valida
1 2 3 4 5 6 7 8
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
1 2 3 4 5 6 7 8 9
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante por lo tanto se valida
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante pero tiene picos por lo tanto no se valida
1 2 3 4 5 6 7 8 9
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
1 2 3 4 5 6 7 8 9 10 11
-3.75
-2.75
-1.75
-0.75
0.25
1.25
2.25
3.25
Chart Title
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante por lo tanto se valida
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante por lo tanto se valida
Los valores se encuentran dentro de los rangos establecidos y la recta està
zigzagiante pero tiene picos por lo tanto no se valida
Tabla de calificación para el exámen T1
P1 P2 P3 P4 TotalPuntaje objetivo 4 5 7 4 20Puntaje obtenido 4 5 7 4 20
PROBLEMA 1
Evaluación: T1Curso: Gestión Táctica de Operaciones
Semestre: 2014 - 0
Nombre:Fecha:
Problema 1 (4 ptos)
Edad
1 2.22 4.53 4.54 2.05 3.06 3.77 3.28 6.09 3.6
10 5.011 0.512 0.613 2.914 5.015 3.516 1.817 2.6
a. Por medio de la regresión lineal, desarrolle una relación para pronosticar el costo anual de mantenimiento, basándose en la edad de un tractor.
b. Si una sección tiene 20 tractores de 3 años de edad y otra de 5 tractores tiene 7 años, ¿cuál es su pronóstico para el costo de mantenimiento anual en ambos casos?
c. Valide el modelo aplicado
d. Grafique el modelo aplicado
El gerente de manejo de materiales de una compañía manufacturera está tratando de elaborar un pronóstico sobre el costo de mantenimiento de la flotilla de tractores que esa empresa tiene en circulación. Él considera que el costo de mantenimiento de cualquier tractor se eleva a medida que la máquina se vuelve más antigua. Él mismo ha recopilado los siguientes datos:
XEdad
1 0.52 0.63 1.84 2.05 2.26 2.67 2.98 3.09 3.2
10 3.511 3.612 3.713 4.514 4.515 5.016 5.017 6.0
TRACTORES 20 3.0TRACTORES 5 7.0
30059.472233661717211.8047327906
validacion de modelo
Estadísticas de la regresiónCoeficiente de correlación múltipleCoeficiente de determinación R^2R^2 ajustadoError típicoObservaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647
Column DLinear (Column D)Linear (Column D)
Evaluación: T1Curso: Gestión Táctica de Operaciones
Semestre: 2014 - 0
Costo de mantenimiento anual1,2382,0982,066
9901,4461,3621,7803,0441,9742,388
326364
1,5282,7461,956
8921,098
a. Por medio de la regresión lineal, desarrolle una relación para pronosticar el costo anual de mantenimiento, basándose en la edad de un tractor.
b. Si una sección tiene 20 tractores de 3 años de edad y otra de 5 tractores tiene 7 años, ¿cuál es su pronóstico para el costo de mantenimiento anual en ambos casos?
c. Valide el modelo aplicado
d. Grafique el modelo aplicado
El gerente de manejo de materiales de una compañía manufacturera está tratando de elaborar un pronóstico sobre el costo de mantenimiento de la flotilla de tractores que esa empresa tiene en circulación. Él considera que el costo de mantenimiento de cualquier tractor se eleva a medida que la máquina se vuelve más antigua. Él mismo ha recopilado los siguientes datos:
YCosto de mantenimiento anual
326 290.856527364 339.341211892 921.157411990 1018.12678
1,238 1115.096141,098 1309.034881,528 1454.488931,446 1502.973611,780 1599.942981,956 1745.397031,974 1793.881711,362 1842.36642,098 2230.243862,066 2230.243862,388 2472.667282,746 2472.667283,044 2957.51411
1502.973613442.36095
COSTO DE LOS 20 TRACTORES 3 AÑOS COSTO DE LOS 5 TRACTORES 7 AÑOS
Estadísticas de la regresión0.970146112362578 EXISTE FUERTE RECLACION ENTRE MANTENIMIENTO DEL TRACTOR Y LA EDAD DEL MISMO 97,01%0.941183479332223 EL 94,11% DE LOS DATOS QUEDA REPRESENTADO POR UNA LINEA RECTA. R2 0.937262377954371 R2 ES MAYOR QUE EL 60% POR LO TANTO EL PRONOSTICO SE VALIDA
190.71227367085817
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647
Column DLinear (Column D)Linear (Column D)
Evaluación: T1Curso: Gestión Táctica de Operaciones
Semestre: 2014 - 0
a. Por medio de la regresión lineal, desarrolle una relación para pronosticar el costo anual de mantenimiento, basándose en la edad de un tractor.
b. Si una sección tiene 20 tractores de 3 años de edad y otra de 5 tractores tiene 7 años, ¿cuál es su pronóstico para el costo de mantenimiento anual en ambos casos?
El gerente de manejo de materiales de una compañía manufacturera está tratando de elaborar un pronóstico sobre el costo de mantenimiento de la flotilla de tractores que esa empresa tiene en circulación. Él considera que el costo de mantenimiento de cualquier tractor se eleva a medida que la máquina se vuelve más antigua. Él mismo ha recopilado los siguientes datos:
Resumen
Estadísticas de la regresiónCoeficiente de correlación múltiple 0.97014611Coeficiente de determinación R^2 0.94118348R^2 ajustado 0.93726238Error típico 190.712274Observaciones 17
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadrados
Regresión 1 8730186.31 8730186.31Residuos 15 545567.57 36371.1713Total 16 9275753.88
Coeficientes Error típico Estadístico tIntercepción 48.4331105 110.643641 0.43773967Variable X 1 484.846834 31.2947475 15.4929141
EXISTE FUERTE RECLACION ENTRE MANTENIMIENTO DEL TRACTOR Y LA EDAD DEL MISMO 97,01%EL 94,11% DE LOS DATOS QUEDA REPRESENTADO POR UNA LINEA RECTA. R2
R2 ES MAYOR QUE EL 60% POR LO TANTO EL PRONOSTICO SE VALIDA
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170
500
1,000
1,500
2,000
2,500
3,000
3,500
f(x) = 143.156862745098 x + 317.235294117647
Column DLinear (Column D)Linear (Column D)
F Valor crítico de F240.030387 1.2288E-10
Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%0.66781253 -187.398227 284.264448 -187.398227 284.2644481.2288E-10 418.143658 551.550009 418.143658 551.550009
Pregunta 2 (5 ptos)
Demanda histórica por presentación (decena de miles de cajas)Producto / año 2001 2002 2003
28.85 31.62 33.50
10.10 11.07 11.73
15.87 17.39 18.43
32.32 35.42 37.52
25.97 28.46 30.15
TONELADAS 3085.18 3381.35 3581.82
3085.1766 3381.345 3581.82
Presentación (SKU) Unidad kg / caja
cja 1.8
cja 1.8
cja 1.8
cja 3.6
cja 3.6
Se pide:
a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de los cinco años siguientes.
b. Desagregar la demanda para el año 2014.c. Determine los límites de confianza superior e interior que se pueden estimar para el pronóstico agregado del año 14 si se utiliza un nivel de confianza del 90%
d. Grafique su modelo de pronóstico.
e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)?
e. Realice un análisis para otras regresión y comente.
X YAÑO DEMANDA PRONOSTICO MENSUAL
2001 1 3085.1766 3308.3339142857 275.6944932002 2 3381.345 3432.4462978022 286.0371912003 3 3581.82 3556.5586813187 296.379892004 4 3942.675 3680.6710648352 306.7225892005 5 3,796 3804.7834483516 317.065287
Sayon, para su línea de productos Wafer requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los siguientes 5 años. Con base a las ventas por presentación de los últimos años, haga un pronóstico desagregado para el año 2014. Valide la técnica de pronóstico empleada y establezca rangos de para el pronóstico hallado con un nivel de confianza del 90%. Haga un gráfico
Wafer Vainilla 6 packWafer Limón 6 packWafer Fresa 6 packWafer Vainilla 12 packWafer Fresa 12 pack
Wafer Vainilla 6 packWafer Limón 6 packWafer Fresa 6 packWafer Vainilla 12 packWafer Fresa 12 pack
2006 6 4,076 3928.8958318681 327.4079862007 7 3,983 4053.0082153846 337.7506852008 8 4,250 4177.1205989011 348.0933832009 9 4,250 4301.2329824176 358.4360822010 10 4,425 4425.3453659341 368.778782011 11 4,532 4549.4577494506 379.1214792012 12 4,639 4673.570132967 389.4641782013 13 4,746 4797.6825164835 399.806876
2014 14 4921.7949 410.1495752015 15 5045.9072835165 420.4922742016 16 5170.019667033 430.8349722017 17 5294.1320505495 441.1776712018 18 5418.2444340659 451.52037
90% SIGMA 1.86LIMITE INFERIOR 4697.114LIMITE SUPERIOR 5146.476
Demanda histórica por presentación (decena de miles de cajas)2004 2005 2006 2007 2008 2009
36.88 35.50 38.13 37.25 39.75 39.75
12.91 12.42 13.34 13.04 13.91 13.91
20.28 19.53 20.97 20.49 21.86 21.86
41.30 39.76 42.70 41.72 44.52 44.52
33.19 31.95 34.31 33.53 35.78 35.78
3942.68 3795.66 4076.33 3982.77 4250.07 4250.07
3942.675 3,796 4,076 3,983 4,250 4,250
a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de los cinco años siguientes.
c. Determine los límites de confianza superior e interior que se pueden estimar para el pronóstico agregado del año 14 si se utiliza un nivel de confianza del 90%
e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)?
Resumen
Estadísticas de la regresiónCoeficiente de 0.9725469Coeficiente d 0.94584747R^2 ajustado 0.94092451
Sayon, para su línea de productos Wafer requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los siguientes 5 años. Con base a las ventas por presentación de los últimos años, haga un pronóstico desagregado para el año 2014. Valide la técnica de pronóstico empleada y establezca rangos de para el pronóstico hallado con un
1 2 3 4 5 6 7 8 9 10 11 12 130
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Column D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923
Column ELinear (Column E)
Error típico 120.796207Observacione 13
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosF Valor crítico de F
Regresión 1 2803506.84 2803506.84 192.12993 2.6091E-08Residuos 11 160508.96 14591.7236Total 12 2964015.8
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%Intercepción 3184.22153 71.0702557 44.8038564 8.3662E-14 3027.79695Variable X 1 124.112384 8.95401059 13.8610941 2.6091E-08 104.404739
1 2 3 4 5 6 7 8 9 10 11 12 130
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Column D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923
Column ELinear (Column E)
DESAGREGAR DEMANDANDA2010 2011 2012 2013 CAJAS TON
41.39 42.39 43.39 44.39 4,927,900.00 8,870.22
14.49 14.84 15.19 15.54 1,724,765.00 3,104.58 22.76 23.31 23.86 24.41 2,710,345.00 4,878.62
46.36 47.48 48.60 49.72 5,519,248.00 19,869.29
37.25 38.15 39.05 39.95 4,435,110.00 15,966.40
4425.42 4532.34 4639.26 4746.18 52,689.11 4,425 4,532 4,639 4,746
e. Si la capacidad actual de producción de la planta es de 445 tn/mes, ¿para que año se requiere ampliar la capacidad y en cuantas toneladas por mes para poder satisfacer el mercado para los siguientes 5 años en adelante(2014 - 2018)?
1 2 3 4 5 6 7 8 9 10 11 12 130
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Column D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923
Column ELinear (Column E)
Valor crítico de F
Superior 95%Inferior 95.0%Superior 95.0%3340.64611 3027.79695 3340.64611143.820028 104.404739 143.820028
1 2 3 4 5 6 7 8 9 10 11 12 130
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Column D
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180
1000
2000
3000
4000
5000
6000
f(x) = 124.112383516483 x + 3184.22153076923
Column ELinear (Column E)
DESAGREGAR DEMANDANDAPARTICIPACION
16.8350% 828.585
5.8923% 290.004759.2593% 455.72175
37.7104% 1856.0304
30.3030% 1491.453
4921.795
Pregunta 3 (7 ptos)
Demanda histórica por producto (en miles de cajas)Año Producto Ene
1 (2011)
Nescafé Grande 2,0701,035
Kirma Grande 1,438Kirma Mediano 920
2 (2012)
Nescafé Grande 2,4151,150
Kirma Grande 1,610Kirma Mediano 943
3 (2013)
Nescafé Grande 2,6451,380
Kirma Grande 1,725Kirma Mediano 1,035
Producto Unidad
Nescafé Grande cjacja
Kirma Grande cjaKirma Mediano cja
AÑO ENERO FEBRERO1 2011 20644.8 24039.62 2012 23292.56 27103.23 2013 25640.4 30074.84 2014 26467.9071 31102.453
26467.9071 31102.453
INDICES DE ESTACIONAMIENTO
IE 23192.5867 27072.5333IG 67582.8678IE 0.34317257 0.40058278
DESESTACIONAR LA DEMANDA PARA LUEGO VOLVER A ESTACIONARLA
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el método de pronóstico estacional para tal fin. Valide la técnica de pronóstico empleada. Haga un gráfico
Nescafé Mediano
Nescafé Mediano
Nescafé Mediano
Nescafé Mediano
AÑO MES DEMANDA IE
2011
ENERO 20644.8 0.34317257FEBRERO 24039.6 0.40058278
MARZO 27746.28 0.461791ABRIL 60761.4 1.00356696MAYO 66465.4 1.09790448JUNIO 78982 1.30302846JULIO 83163.4 1.37374756
AGOSTO 85343.8 1.4100033SEPTIEMBRE 66069.8 1.0878763
OCTUBRE 61175.4 1.00728783NOVIEMBRE 73328.6 1.20635406DICIEMBRE 79133.8 1.3046847
2012
ENERO 23292.56 0.34317257FEBRERO 27103.2 0.40058278
MARZO 31326 0.461791ABRIL 68254.8 1.00356696MAYO 74510.8 1.09790448JUNIO 88421.2 1.30302846JULIO 93370.8 1.37374756
AGOSTO 95551.2 1.4100033SEPTIEMBRE 73839.2 1.0878763
OCTUBRE 68116.8 1.00728783NOVIEMBRE 81815.6 1.20635406DICIEMBRE 88660.4 1.3046847
2013
ENERO 25640.4 0.34317257FEBRERO 30074.8 0.40058278
MARZO 34555.2 0.461791ABRIL 74455.6 1.00356696MAYO 81622.4 1.09790448JUNIO 96784 1.30302846JULIO 101991.2 1.37374756
AGOSTO 104981.2 1.4100033SEPTIEMBRE 80656.4 1.0878763
OCTUBRE 74934 1.00728783NOVIEMBRE 89442.4 1.20635406DICIEMBRE 96728.8 1.3046847
2014
ENERO 0.34317257FEBRERO 0.40058278
MARZO 0.461791ABRIL 1.00356696MAYO 1.09790448JUNIO 1.30302846JULIO 1.37374756
AGOSTO 1.4100033SEPTIEMBRE 1.0878763
2014
OCTUBRE 1.00728783NOVIEMBRE 1.20635406DICIEMBRE 1.3046847
ESTACIOANR LA DEMANDA PARA EL AÑO 2014
IE2014 ENERO 0.34317257
FEBRERO 0.40058278MARZO 0.461791ABRIL 1.00356696MAYO 1.09790448JUNIO 1.30302846JULIO 1.37374756AGOSTO 1.4100033SEPTIEMBRE 1.0878763OCTUBRE 1.00728783NOVIEMBRE 1.20635406DICIEMBRE 1.3046847
Demanda histórica por producto (en miles de cajas)Feb Mar Abr May Jun
2,530 2,875 6,210 6,785 7,8201,208 1,587 3,105 2,990 3,6801,553 1,725 3,680 4,140 5,0031,035 1,208 3,163 3,623 4,4852,875 3,335 7,130 7,820 8,9701,380 1,725 3,450 3,335 4,0251,725 1,955 4,140 4,600 5,6351,150 1,265 3,335 3,795 4,7153,220 3,680 7,820 8,625 9,8901,610 2,070 4,025 3,910 4,7151,840 2,070 4,370 4,830 5,9801,265 1,380 3,565 4,140 5,060
contenido gramos/tarro tarros/cajagr/caja kg/caja TN/CAJA
480 10 4,800.000 5 0.0048280 8 2,240.000 2 0.00224480 8 3,840.000 4 0.00384260 12 3,120.000 3 0.00312
MARZO ABRIL MAYO JUNIO JULIO27746.28 60761.4 66465.4 78982 83163.4
31326 68254.8 74510.8 88421.2 93370.834555.2 74455.6 81622.4 96784 101991.2
36093.0831887277 78955.4494 86943.8506 103860.005 110205.5136093.0831887277 78955.4494 86943.8506 103860.005 110205.51
31209.16 67823.9333 74199.5333 88062.4 92841.8
0.461790998609592 1.00356696 1.09790448 1.30302846 1.37374756
DESESTACIONAR LA DEMANDA PARA LUEGO VOLVER A ESTACIONARLA
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el método de pronóstico estacional para tal fin. Valide la técnica de pronóstico empleada. Haga un gráfico
DEMANDA DESESTACIONADA X PRONOSTICO DD60158.6536573756 1 58554.535260011.5655312642 2 59070.4399
60084.064183887 3 59586.344660545.4366972622 4 60102.2493
60538.41767195 5 60618.154160614.1788416446 6 61134.058860537.6141581749 7 61649.9635
60527.376022066 8 62165.868260732.8242440232 9 62681.772960732.7899572043 10 63197.677760785.3056315786 11 63713.582460653.5818301597 12 64229.487167874.1886496183 13 64745.391867659.4229066606 14 65261.296567835.8826705578 15 65777.201368012.2030217258 16 66293.10667866.3775659386 17 66809.010767858.2263071691 18 67324.9154
67967.945803564 19 67840.820167766.6498534121 20 68356.724967874.6288912525 21 68872.629667623.9682447012 22 69388.534367820.5536643408 23 69904.43967955.4226701446 24 70420.343774715.7610263395 25 70936.248575077.6148954086 26 71452.153274828.6564788885 27 71968.057974190.9636143452 28 72483.962674343.8080954447 29 72999.867374276.1981845196 30 73515.772174243.0433715944 31 74031.676874454.5774578553 32 74547.581574141.1501980576 33 75063.486274391.8451314278 34 75579.390974142.7440374139 35 76095.2956
74139.598833029 36 76611.20040 37 77127.10510 38 77643.00980 39 78158.91450 40 78674.81920 41 79190.7240 42 79706.62870 43 80222.53340 44 80738.43810 45 81254.3428
0 46 81770.24760 47 82286.15230 48 82802.057
PRONOSTICO DD DEMANDA DESESTACIONALIZADO77127.1050862197 26467.9071
77643.009805595 31102.45378158.9145249702 36093.083278674.8192443454 78955.449479190.7239637207 86943.850679706.6286830959 103860.00580222.5334024712 110205.5180738.4381218464 113841.46481254.3428412216 88394.673781770.2475605969 82366.174982286.1522799721 99266.233682802.0569993474 108030.577
Jul Ago Sep Oct Nov Dic8,280 8,740 6,268 5,635 6,785 7,3604,025 4,370 3,565 3,450 3,910 4,1985,175 5,060 4,255 4,025 4,830 5,1754,658 4,543 3,738 3,508 4,313 4,6589,545 10,005 7,245 6,440 7,820 8,5104,485 4,830 3,910 3,795 4,255 4,6005,750 5,635 4,715 4,485 5,405 5,7504,945 4,830 3,910 3,680 4,485 4,945
10,465 11,040 7,935 7,130 8,625 9,3155,290 5,750 4,600 4,485 5,060 5,4056,095 5,980 4,945 4,715 5,635 6,0955,290 5,175 4,255 4,025 4,830 5,290
AGOSTO SEPTIEMBR OCTUBRE NOVIEMBREDICIEMBRE85343.8 66069.8 61175.4 73328.6 79133.895551.2 73839.2 68116.8 81815.6 88660.4
104981.2 80656.4 74934 89442.4 96728.8113841.464 88394.6737 82366.1749 99266.2336 108030.577113841.464 88394.6737 82366.1749 99266.2336 108030.577
95292.0667 73521.8 68075.4 81528.8667 88174.3333
1.4100033 1.0878763 1.00728783 1.20635406 1.3046847
Nestle, para su línea de productos Café instantaneo requiere pronosticar la demanda agregada(en toneladas) de sus productos que manufactura para los próximos 12 meses. Con base a las ventas de los 3 últimos años aplicar el
1 2 3 4 5 6 7 8 9 10 11 120
20000
40000
60000
80000
100000
120000
Row 35
Row 36
Row 37
Row 38
Resumen
Estadísticas de la regresiónCoeficiente de0.94189489Coeficiente d 0.88716598R^2 ajustado 0.88384733Error típico 1966.72276Observacione 36
ANÁLISIS DE VARIANZAGrados de libertadSuma de cuadradosPromedio de los cuadradosF Valor crítico de F
Regresión 1 1034022585 1034022585 267.327561 1.1193E-17Residuos 34 131511946 3867998.42Total 35 1165534531
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%Intercepción 58038.6305 669.4749 86.6927654 1.7552E-41 56678.0938Variable X 1 515.904719 31.5535068 16.3501548 1.1193E-17 451.780279
Valor crítico de F
Superior 95%Inferior 95.0%Superior 95.0%59399.1672 56678.0938 59399.1672
580.02916 451.780279 580.02916
