METODOS PROBABILISTICOS

Actividad Intermedia Momento 2.

Pronóstico, Inventarios, Decisiones Inventario

LUIS ALFONSO RODRIGUEZ Código: 93461428

EDICSON FERNEY ROMERO Código: 1073503402
JOSÉ WIGBERTO TIQUE TAPIERO código:

GRUPO: 104561_64

TUTOR:
DARWIN WILLIAM BARROS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA- UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA ECBTI
2016-II
 INTRODUCCION

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

Como profesionales sabemos la importancia de la planeación en las empresas, también sabemos

que en muchas situaciones se desconoce la verdadera importancia de la elaboración de pronósticos
confiables que puedan incluir en las áreas de producción, compras etc.
Las decisiones tomadas en el presente impactaran en el futuro, por tanto es irresponsable
respaldarse en la intuición; y no es que esto sea malo, pero bajo el contexto actual en el cual se
mueven todos los mercados, la incertidumbre es parte de la operación de las empresas en el día a
día. Para que las empresas puedan reducir este grado de incertidumbre como resultado del cambio
constante del entorno, deben respaldar sus decisiones en algo más que la intuición, deben
respaldarlo en la elaboración de pronósticos correctos y precisos que sean suficientes para
satisfacer las necesidades de planeación de la organización.
Del mismo modo en la toma de decisiones administrativas en necesario definir el nivel de
inventario, estas decisiones consisten en dar normas que nos precisen en que instante se deben
efectuar los pedidos del producto considerado y la cantidad que se debe pedir. En términos
generales un inventario es un conjunto de recursos útiles que se encuentran ociosos en algún
momento, el objetivo de los problemas de inventario es minimizar los costes (totales o esperados)
del sistema sujetos a la restricción de satisfacer la demanda (conocida o aleatoria).
 OBJETIVO GENERAL

Desarrollar ejercicios prácticos sobre Técnicas de pronóstico, Teoría de inventarios, Elementos

para la toma de decisiones en sistemas de Inventarios para la empresa Ingenios Dulces

OBJETIVOS ESPECIFICOS

 Generar un cuadro de referencias bibliográficas necesario para la resolución del estudio de

caso
 Proyectar la demanda usando la herramienta de la suavización exponencial determinando
a partir de qué periodo sería el óptimo de la producción para la empresa Ingenios Dulces
 Calcular la demanda anual para la empresa Ingenios Dulces
 Costo de pedido anual para la empresa Ingenios Dulces
 Costo de compra anual para la empresa Ingenios Dulces
 1. CUADRO CON REFERENTES BIBLIOGRAFICOS

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.

https://books.google.com.co/books?id=1ZvFA Amaya, A. J. (2010). Toma de decisiones

QAAQBAJ&pg=PR4&lpg=PR4&dq=Jairo+A gerenciales. Métodos cuantitativos para la
Modelos maya,+A.+(2010).+Toma+de+decisiones+gere administración. [N.p.]: Ecoe ediciones.
Luis A.
Probabilísti nciales.+M%C3%A9todos+cuantitativos+para
Rodríguez
cos de +la+administraci%C3%B3n.+[N.p.]:+Ecoe+edi
ciones.&source=bl&ots=6gFyWBEqU-
Control de
&sig=mOtnX5o6sKjYDOdz9O2d0k41BzY&hl
Inventarios =es&sa=X&redir_esc=y
http://bibliotecavirtual.unad.edu.co:2171/eds/de Arango Marin, J. A., Giraldo Garcia, J. A., &
tail/detail?sid=6bf8a4d4-1aed-41ee-a892- Castrillón Gómez, O. D. (2013). Gestión de
Inventario
0c10c8ff0fc6%40sessionmgr4010&vid=0&hid compras e inventarios a partir de pronósticos
Probabilísti
=4103&bdata=Jmxhbmc9ZXMmc2l0ZT1lZH Holt-Winters y diferenciación de nivel de
co
MtbGl2ZQ%3d%3d#AN=116119667&db=edb servicio por clasificación ABC. (Spanish).
Scientia Et Technica, 18(4), 743.
http://datateca.unad.edu.co/contenidos/104561/ Técnica de pronósticos. (s.f). consultado el 25
104561_-_AVA_- de septiembre de 2016 de
Edicson
_2014/Material_didactico/T_cnicas_de_Pron_s http://datateca.unad.edu.co/contenidos/104561
Ferney
ticos.PDF /104561_-_AVA_-
Romero Técnica de
_2014/Material_didactico/T_cnicas_de_Pron_
Jiménez pronósticos
sticos.PDF
 https://books.google.com.co/books?id=WaiOrL Hanke, J. & Wichern, D. (2006). Pronostico en
8oct4C&lpg=PA131&ots=YdgExeleV0&dq=m los negocios. (8° ed). México: Pearson
Modelo
odelo%20promedio%20movil&pg=PR1#v=one educación.
promedio
page&q=modelo%20promedio%20movil&f=fa
móvil
lse

https://books.google.com.co/books?id=uG8_nu Moya, M. (1990). Investigación de

imuhAC&lpg=PP1&dq=teoria%20de%20inven operaciones. Costa rica: universidad estatal a
Teoría de tarios&pg=PA4#v=onepage&q=teoria%20de% distancia.
inventarios 20inventarios&f=false

José Administrac http://datateca.unad.edu.co/contenidos/102022/ UNAD. (s.f.).Obtenido de

Wigberto ión de VERSION_3_ACTIVIDADES_DEL_CURSO http://datateca.unad.edu.co/contenidos/
Tique Tapiero inventarios _102022_MLFD_Dic_2011/EXE_LEARNING 102022/VERSION_3_ACTIVIDADES
_V3_MLFD_2011/leccin_8_administracin_de_
_DEL_CURSO_102022_MLFD_Dic_
inventarios.html
2011/EXE_LEARNING_V3_MLFD_2
http://datateca.unad.edu.co/contenidos/104561/ 011/leccin_8_administracin_de_invent
Metodos_Probabilisticos_2013/MODULO_201 arios.html
Suavización 3_ACTAUALIZADO/leccin_4_suavizacin_exp
exponencial onencial.html UNAD. (s.f.). Obtenido de
http://datateca.unad.edu.co/contenidos/104561
/Metodos_Probabilisticos_2013/MODULO_2
013_ACTAUALIZADO/leccin_4_suavizacin_
http://iniciomodelos.blogspot.com.co/2012/10/ exponencial.html
Toma de unidad-n-3-la-toma-de-decisiones-y-el.html
decisiones Jesika Utrera, A. P. (31 de Octubre de 2012).
administrati MODELOS ADMINISTRATIVOS.
vas
Obtenido de
http://iniciomodelos.blogspot.com.co/2
 012/10/unidad-n-3-la-toma-de-
decisiones-y-el.html

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).

 Para la solución de este ejercicio utilizaremos la fórmula de suavización exponencial

Ft + 1 = α ∗ Dt + (1 − α) ∗ Ft
 Los datos históricos son: 5000, 6000, 5500, 6100,6000, 5100 cajas de azúcar de los 6
meses anteriores.

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

Pronóstico anterior (Ft)= 5000

Error pronóstico Dt-Ft

Dt-Ft= 5000-5000=0

Error pronóstico cuadrado

(Dt − Ft)2 = (5000 − 5000)2 = 0

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5000 − 5000)
∗ 𝟏𝟎𝟎 = ∗ 100 = 0
𝑫𝒕 5000

En t2
Demanda real (Dt)=6000

Pronóstico anterior (Ft)= 5000

Error pronóstico Dt-Ft

Dt-Ft= 6000-5000=1000
Este valor lo multiplicamos por (α)= 0,1 y el resultado se lo sumamos a Ft del t2
1000*0.1=100
100+5000=5100 este es el nuevo Ft de t3

Error pronóstico cuadrado

(Dt − Ft)2 = (6000 − 5000)2 = (1000)2 = 1000000

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6000 − 5000) (1000)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0.166666667 ∗ 100
𝑫𝒕 6000 6000
= 16.6666667

En t3
Demanda real (Dt)=5500

Pronóstico anterior (Ft)= 5100

Error pronóstico Dt-Ft

Dt-Ft= 5500-5100=400
Este valor lo multiplicamos por (α)= 0,1 y el resultado se lo sumamos a Ft del t3
400*0.1=40
40+5100=5140 este es el nuevo Ft de t4
Error pronóstico cuadrado
(Dt − Ft)2 = (5500 − 5100)2 = (400)2 = 1000000

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5500 − 5100) (400)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0.0727272727 ∗ 100
𝑫𝒕 5500 5500
= 7,27272727

En t4
Demanda real (Dt)=6100

Pronóstico anterior (Ft)= 5140

Error pronóstico Dt-Ft

Dt-Ft= 6100-5140=960
Este valor lo multiplicamos por (α)= 0,1 y el resultado se lo sumamos a Ft del t4
960*0.1=96
96+5140=5236 este es el nuevo Ft de t5

Error pronóstico cuadrado

(Dt − Ft)2 = (6100 − 5140)2 = (960)2 = 921600

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6100 − 5140) (960)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,157377049 ∗ 100
𝑫𝒕 6100 6100
= 15,7377049

En t5
Demanda real (Dt)=6000

Pronóstico anterior (Ft)= 5236

Error pronóstico Dt-Ft

Dt-Ft= 6000-5236=764
Este valor lo multiplicamos por (α)= 0,1 y el resultado se lo sumamos a Ft del t5
764*0.1=76.4
76.4+55236=5312,4 este es el nuevo Ft de t6

Error pronóstico cuadrado

(Dt − Ft)2 = (6000 − 5236)2 = (764)2 = 583696

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (6000 − 5236) (764)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,127333333 ∗ 100
𝑫𝒕 6000 6000
= 12,7333333
En t6
Demanda real (Dt)=5100

Pronóstico anterior (Ft)= 5312,4

Error pronóstico Dt-Ft

Dt-Ft= 5100-5312,4= -212,4
Este valor lo multiplicamos por (α)= 0,1 y el resultado se lo sumamos a Ft del t6
764*0.1=76.4
76.4+55236=5312,4 este es el nuevo Ft de t7 si se desea continuar

Error pronóstico cuadrado

(Dt − Ft)2 = (5100 − 5312,4)2 = (−212,4)2 = 45113,76

Error porcentual
(𝑫𝒕 − 𝑭𝒕) (5100 − 5312,4) (−212,4)
∗ 𝟏𝟎𝟎 = ∗ 100 = ∗ 100 = 0,0416470588 ∗ 100
𝑫𝒕 5100 5100
= 4,16470588

Con los resultados anteriores tenemos la siguiente tabla:

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:

RMSE: Error medio cuadrado

N= Números de datos

∑(Dt−Ft)2 2710409,76
RMSE=√ =√ = √451734.96 =672,112312
𝑁 6

MAE: Error medio absoluto

N= Números de datos
 ∑(𝑫𝒕−𝑭𝒕) 3336,4
MAE = = =556,066667
𝑁 6

MAPE: Error medio porcentual

N= Números de datos

(𝑫𝒕 − 𝑭𝒕)
∑ ∗ 𝟏𝟎𝟎 56,5751381
MAPE = 𝑫𝒕 = = 9,42918968
6 6

Con los datos anteriores llegamos a la siguiente tabla:

RMSE 672,112312
MAE 556,066667
MAPE 9,42918968

Lo idóneo y deseable es comparar con otros niveles de alfa.

 Para un alfa (α)= 0,5

alfa 0,5

t Dt Ft (Dt-Ft) (Dt-Ft) (Dt-Ft)^2 (Dt-Ft)/Dt*100

1 5000 5000 0 0 - -
2 6000 5000 1000 1000 1.000.000 16,67
3 5500 5500 0 0 - -
4 6100 5500 600 600 360.000 9,84
5 6000 5800 200 200 40.000 3,33
6 5100 5900 -800 800 640.000 15,69
TOTAL 2600 2.040.000 45,52

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

t Dt Ft (Dt-Ft) (Dt-Ft) (Dt-Ft)^2 (Dt-Ft)/Dt*100

1 5000 5000 0 0 - -
2 6000 5000 1000 1000 1.000.000 16,67
3 5500 5500 0 0 - -
4 6100 5500 600 600 360.000 9,84
5 6000 5800 200 200 40.000 3,33
6 5100 5900 -800 800 640.000 15,69
7 5483 5500 -17 17 289 0,31
8 5608 5492 117 117 13.572 2,08
9 5568 5550 18 18 333 0,33
10 5483 5559 -76 76 5.757 1,38
11 5518 5521 -3 3 9 0,05
12 5536 5519 17 17 273 0,30
TOTAL 2847 2060233 50

2.2 Teniendo como base los siguientes elementos:

• Q=cantidad de pedidos a ordenar de materia prima para la producción de cajas de unidades de

libra de azúcar por mes es de 25000 unidades.
• i=tasa de transferencia por pedido anual es de 20%. (1,66% mensual)
• K=costo de pedido por $8500.
• C=costo de compra (costo por unidad) $50.

Determine

¿Calcule la demanda anual?

Para hallar la demanda anual utilizaremos la siguiente formula:

𝐷 = 𝑄 ∗ 12
𝐷 = 𝑄 ∗ 12 𝐷 = 25000 ∗ 12 = 300.000 𝑈𝑁𝐼𝐷𝐴𝐷𝐸𝑆

𝑫 = 𝟑𝟎𝟎. 𝟎𝟎𝟎 𝑼𝑵𝑰𝑫𝑨𝑫𝑬𝑺

¿Costo de pedido anual?

Para calcular el costo del pedido anual utilizamos la siguiente formula:

𝐷
𝐶𝑝 𝐴𝑛𝑢𝑎𝑙 = 𝐾 ( )
𝑄
Multiplicamos el costo del pedido por el número de pedidos en el año.
300.000
𝐶𝑝 𝐴𝑛𝑢𝑎𝑙 = (8500) ∗ ( ) = $102.000 𝑃𝐸𝑆𝑂𝑆
25.000
𝐶𝑝 𝐴𝑛𝑢𝑎𝑙 = 𝟏𝟎𝟐. 𝟎𝟎𝟎 𝑷𝑬𝑺𝑶𝑺

¿Costo de compra anual?

𝐶𝑐𝑝 𝐴𝑛𝑢𝑎𝑙 = 𝐶 ∗ 𝐷
𝐶𝑐𝑝 𝐴𝑛𝑢𝑎𝑙 = 50 ∗ 300.000
𝐶𝑐𝑝 𝐴𝑛𝑢𝑎𝑙 = $ 𝟏𝟓. 𝟎𝟎𝟎. 𝟎𝟎𝟎
 CONCLUSIONES

 Como no tenemos un valor para la constante de suavizamiento alfa, simulamos el

desempeño del pronóstico para distintos valores de este parámetro en el intervalo 0 a 1 a
pesar que en el informe solo presentamos los resultados con alfa 0.1, alfa 0.5 y alfa 0.8.
 A partir de las destrezas y habilidades en las diferentes técnicas y modelos de métodos
probabilísticos podemos identificar respuestas claras en relación a pronósticos, Inventarios
y decisiones de Inventario como en el ejercicio propuesto permitiéndonos recomendar
cuantas unidades producir, en que momento ordenar o producir, que artículos del
inventario merecen atención especial y como protegerse contra los cambios en los costos
de los artículos del inventarios.

 Los pronósticos probalisticos son herramientas importantes en la toma de decisiones ya

que estas incorporan la incertidumbre del pronóstico a la decisión final
 BIBLIOGRAFIA

Amaya, A. J. (2010). Toma de decisiones gerenciales. Métodos cuantitativos para la

administración. [N.p.]: Ecoe ediciones. Disponible en:
https://books.google.com.co/books?id=1ZvFAQAAQBAJ&pg=PR4&lpg=PR4&dq=Jair
o+Amaya,+A.+(2010).+Toma+de+decisiones+gerenciales.+M%C3%A9todos+cuantitati
vos+para+la+administraci%C3%B3n.+[N.p.]:+Ecoe+ediciones.&source=bl&ots=6gFyW
BEqU-&sig=mOtnX5o6sKjYDOdz9O2d0k41BzY&hl=es&sa=X&redir_esc=y

Anderson, D. R. (2010). Análisis de seris de tiempo y elaboración de pronósticos. En D.

R.Anderson, Métodos cuantitativos para los negocios (pág. desde la página 792 hasta 816).
Mexico: Cengage Learning Editores S.A. de C.V. Recuperado de:
http://datateca.unad.edu.co/contenidos/104561/2016-
I/Bibliografia/2._Metodos_Cuantitativos_para_los_negocios.pdf

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

Moya, M. (1990). Investigación de operaciones. Costa rica: universidad estatal a distancia.

Disponible en:
https://books.google.com.co/books?id=uG8_nuimuhAC&lpg=PP1&dq=teoria%20de%20
inventarios&pg=PA4#v=onepage&q=teoria%20de%20inventarios&f=false

PÉREZ, R. A., MOSQUERA, S. A., & BRAVO, J. J. (2012). APLICACIÓN DE

MODELOS DE PRONÓSTICOS EN PRODUCTOS DE CONSUMO MASIVO.
(Spanish). Biotecnología En El Sector Agropecuario Y Agroindustrial, 10(2), 125.
Disponible en: http://www.scielo.org.co/pdf/bsaa/v10n2/v10n2a14.pdf
Taibo, A. (2002). investigación de operaciones. En A. Taibo, Investigación de operaciones
para los no matemáticos (pág. desde la 71 hasta la 77). Mexico: Instituo Politécnico
Nacional. recuperado de: http://datateca.unad.edu.co/contenidos/104561/2016-
I/Bibliografia/6._Cadenas_de_Markov.pdf

Técnica de pronósticos. (s.f). consultado el 25 de septiembre de 2016 de

http://datateca.unad.edu.co/contenidos/104561/104561_-_AVA_-
_2014/Material_didactico/T_cnicas_de_Pron_sticos.PDF