METODOS PROBABILISTICOS

Tarea 2 – Solución de modelos probabilísticos de decisión

PRESENTADO POR:

María Cristina Vera Mendez

COD:63516491

GRUPO:104561_36

PRESENTADO A:
HECTOR FABIO PADILLA
TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
PROGRAMA INGENIERIA INDUSTRIAL
MARZO DEL 2021
 TIEMPO
DE
No.
SERVICIO
(Minutos)
1 2.20659995 Número de datos
2 2.49082582 Min
3 2.56690359 Max
4 2.73818356 Rango
5 2.65513666 Número Intervalos
6 2.49387996 Amplitud
7 2.56162938 Media empirica
8 2.71792713 Varianza dist empirica
9 2.10748514
10 2.48088689
11 2.01513402
12 3.0749219
13 3.69736779
14 3.30190055
15 3.06555491
16 3.18530362
17 3.91371023
18 3.61222503
19 3.93700275
20 4.22125878
21 4.48538943
22 4.93128895
23 4.94516725
24 4.4964705
25 4.05397374
26 4.93288987
27 4.76492059
28 4.9787122
29 5.51122348
30 5.31723383
31 5.49418721
32 5.82844528
33 5.09673848
34 5.3659736
35 5.9805464
36 6.72320587
37 6.59332273
38 6.49683634
39 6.87867821
40 6.51659274
41 6.16327025
42 7.34297076
43 7.87898556
44 7.08175902
45 7.76615551
46 7.69507302
47 8.62195793
48 8.14720978
49 8.4334501
50 8.2686342
51 9.58007485
52 9.42282821
53 10.7581807
54 10.7572849
55 10.4533499
56 11.5136695
57 11.61368
58 11.1527766
59 12.0517392
60 13.2619753

Media empírica t= fi*IT

0.46
0.466666666666667
0.675
0.641666666666667
0.65
0.625
0.566666666666667
0.316666666666667
0.525
 0.58
0.21
0.23
5.93

Número de datos
Min
Max
Rango
Número Intervalos
Amplitud
Media empirica
Varianza dist empirica
Euler e

Media distribución
exponencial λ=1/t

Frecuencia Relativa Ac
100.0%

90.0%
 Frecuencia Relativa Ac
100.0%

90.0%

80.0%

70.0%

53.2%
60.0%

50.0%

31.7% 44.6%
40.0%
34.4%

30.0% 18.3%

20.0%

10.0%

0.0%
1 2 3
Considerando los siguientes valores: Alfa=0,05 y Nro de grados de libertad ig
con el valor obtenido de la tabla
 Plantear una distribución emp

60
2.015134022
13.261975274
11.25
12
0.94 1
5.93
8.65
Varianza distribución empírica S2 =fi*(IT-t)2
2.16109259259259
0.789481481481481
0.308166666666666
0.0219074074074073
0.0321111111111112
0.204537037037037
0.439185185185185
0.424037037037037
1.04272222222222
 1.54938888888889
0.718685185185185
0.954240740740741
8.65

60
2.015134
13.261975
11.246841
12
0.93724 1
5.93
8.64556
2.71828

0.16854

Frecuencia Relativa Acumulada Empírica fi vs Frecuencia Relativa Exponencial

100.0%

90.0%
 Frecuencia Relativa Acumulada Empírica fi vs Frecuencia Relativa Exponencial
100.0%

90.0%

76.7%
80.0%

70.0% 58.3% 68.3%

71.7%
66.6%
53.2%
60.0%

50.0% 60.4%

46.7%
31.7% 44.6%
40.0%
34.4%

30.0% 18.3%

20.0%

10.0%

0.0%
1 2 3 4 5 6

Frecuencia Relativa Acumulada Empírica Fi Frec

Tabla de Distribución X^

Clase ( I i--1 - Ii)

Numero de la Clase (I)
1 0
2 1
3 2
4 3
5 4
 6 5
7 6
8 7
9 8
10 9
11 10
12 11

Probar la hipótesis que los tiempos e

PRUEBA DE BONDAD DE AJUSTE CHI C

Frecuencia observada
N° clase
empirica (Oi)
1 11.00
2 8.00
3 9.00
4 7.00
5 6.00
6 5.00
7 4.00
8 2.00
9 3.00
10 3.00
11 1.00
12 1.00
60.00

los siguientes valores: Alfa=0,05 y Nro de grados de libertad igual a 10, se obtiene como resultado que x= 18,307038 A través de
con el valor obtenido de la tabla que es x=18,307038, se puede observar que el valor de 10,8 se enc
Dado que la probabilidad de X2 =10,8 se acepta
Plantear una distribución empírica para tiempo de llegadas.
DISTRIB

LI

1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
10 11
11 12
12 13
Determinar la media y varianza para tiempo entre serv
 Plantear una distribución exponenc

N° clase LI

1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
10 11
11 12
12 13

Graficar la frecuencia relativa acumulada empírica vs frecuencia relat

vs Frecuencia Relativa Exponencial f(T)

98.3%
96.7%
91.7%
vs Frecuencia Relativa Exponencial f(T)
98.3%
96.7%
91.7%
86.7%
83.3%
76.7%
85.6% 87.8%
83.0%
76.1%
68.3% 79.8%
71.7%
66.6%

4%

5 6 7 8 9 10 11

ecuencia Relativa Acumulada Empírica Fi Frecuencia Relativa Exponencial Teórica F(T)

Determinar la distribución X2 Chi Cuadrado para tiempo d

Tabla de Distribución X^2 para Tiempo entre llegadas

Clase ( I i--1 - Ii)

Frecuencia Observada
(Oi)
- 1 11
- 2 8
- 3 9
- 4 7
- 5 6
 - 6 5
- 7 4
- 8 2
- 9 3
- 10 3
- 11 1
- ∞ 1

Probar la hipótesis que los tiempos entre llegadas representan una distribución exponencial con un nivel de confianza

EBA DE BONDAD DE AJUSTE CHI CUADRADO

Agrupamiento de clases Agrupamiento de clases

Frecuencia teórica (ni)
Oi para X2 ni para X2
11 9.31 9.31
8 7.86 7.86
9 6.64 6.64
7 5.61 5.61
6 4.74 4.74
5 4.01 4.01
4 3.39 3.39
2 2.86 2.86
3 2.42 2.42
3 2.04 2.04
1 1.73 1.73
1 9.40 9.40
60.00 60.00

o resultado que x= 18,307038 A través de la tabla Chi Cuadrado, se realiza una comparación con el valor estadístico de prueba e
uede observar que el valor de 10,8 se encuentra a la izquierda de 18.307038, de esta manera se tiene que:
ue la probabilidad de X2 =10,8 se acepta la hipotesis Ho
 DISTRIBUCIÓN EMPÍRICA PARA TIEMPO DE LLEGADAS

Frecuencia Frecuencia
Marca de Frecuencia relativa
LS observada relativa
clase IT acumulada empírica Fi
empírica Oi empírica fi

3 2.5 11 18% 18%

4 3.5 8 13% 32%
5 4.5 9 15% 47%
6 5.5 7 12% 58%
7 6.5 6 10% 68%
8 7.5 5 8% 77%
9 8.5 4 7% 83%
10 9.5 2 3% 87%
11 10.5 3 5% 92%
12 11.5 3 5% 97%
13 12.5 1 2% 98%
14 13.5 1 2% 100%
Total 60 1
la media y varianza para tiempo entre servicios
 Plantear una distribución exponencial teórica para tiempo de servicios

Frecuencia
Frecuencia
Marca de Relativa
LS exponencial
clase T= Ii exponencial
teórica f(t)
teórica F(T)
3 2.5 14.2% 34.4%
4 3.5 12.0% 44.6%
5 4.5 10.2% 53.2%
6 5.5 8.6% 60.4%
7 6.5 7.3% 66.6%
8 7.5 6.1% 71.7%
9 8.5 5.2% 76.1%
10 9.5 4.4% 79.8%
11 10.5 3.7% 83.0%
12 11.5 3.1% 85.6%
13 12.5 2.6% 87.8%
14 13.5 2.2% 89.7%

va acumulada empírica vs frecuencia relativa exponencial teórica de tiempo de llegadas.

98.3%
96.7%
 98.3%
96.7%

Frecuencia relativa
89.7% acumulada empírica Fi
85.6% 87.8%
18.3%
83.0%
31.7%
46.7%
58.3%
68.3%
76.7%
83.3%
86.7%
91.7%
96.7%
98.3%
100.0%

10 11 12

tribución X2 Chi Cuadrado para tiempo de llegadas

Agrupamie
Frecuencia nto de X^2 = (Oi-
Agrupamiento de clases Oi teorica clases ni ni)^2 / ni
para X^2 ni para X^2
9.31 0.308
7.86 0.002
6.64 0.84
5.61 0.34
4.74 0.33
 4.01 0.25
3.39 0.11
2.86 0.26
2.42 0.14
2.04 0.45
1.73 0.30
9.40 7.50
60.00

ión exponencial con un nivel de confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2 Chi cuadrad

X^2 = (Oi-ni)^2 / ni
0.308317272411788
0.00239683131125819
0.836121369845536
0.342832106165207
0.333574671248126
0.246232178935763
0.111625399479474
0.258711172731115
0.140846143903379
0.449707798651592
0.304769364537733
7.50361658494372
10.8387508941647 TOTAL 10.8 k= 1
x 18.3070381 𝛼 0.05

paración con el valor estadístico de prueba el cual es igual a (10,8)

manera se tiene que:
ADAS

Varianza distribución empírica

Media empírica t= fi*IT
S2 =fi*(IT-t)2

0.46 2.16
0.47 0.79
0.68 0.31
0.64 0.02
0.65 0.03
0.63 0.20
0.57 0.44
0.32 0.42
0.53 1.04
0.58 1.55
0.21 0.72
0.23 0.95
5.93 8.65
Frecuencia Relativa exponencial
teórica F(T)
34.4%
44.6%
53.2%
60.4%
66.6%
71.7%
76.1%
79.8%
83.0%
85.6%
87.8%
89.7%
ste Distribución X2 Chi cuadrado.

N= 12
N-k-1= 10
 TIEMPO
DE
No.
SERVICIO
(Minutos)
1 0.77577483 Número de datos
2 0.67091836 Min
3 0.80095709 Max
4 0.1299392 Rango
5 0.57280699 Número Intervalos
6 0.79515889 Amplitud
7 0.28756157 Media empirica
8 0.51846087 Varianza dist empirica
9 0.99902676
10 0.28640447
11 1.95973539
12 1.42773016
13 1.70161223
14 1.93808342
15 1.74663105
16 1.39496832
17 1.29747108
18 1.22025866
19 1.79088987
20 2.56626757
21 2.42895161
22 2.13540204
23 2.458598
24 2.20040337
25 2.73382555
26 2.00613245
27 2.7909626
28 2.55656073
29 3.99043118
30 3.61299427
31 3.51556397
32 3.74532077
33 3.29589652
34 3.24442551
35 3.4757114
36 4.51528791
37 4.04707892
38 4.46674571
39 4.73895865
40 4.84587732
41 4.25534243
42 4.25257279
43 5.27894985
44 5.83449479
45 5.93406639
46 5.62684514
47 5.53027512
48 6.7702175
49 6.6274059
50 6.31253841
51 6.47971646
52 7.13288939
53 7.02979001
54 8.20788841
55 8.60881532
56 8.29725996
57 9.88484175
58 9.32256458
59 10.3675481
60 11.509352

Media empírica t= fi*IT

0.08
0.225
0.375
0.408333333333333
0.525
0.458333333333333
0.433333333333333
0.25
0.425
 0.32
0.18
0.19
3.87

Número de datos
Min
Max
Rango
Número Intervalos
Amplitud
Media empirica
Varianza dist empirica
Euler e

Media distribución
exponencial λ=1/t

Frecuencia Relativa Ac
100.0%

90.0%
 Frecuencia Relativa Ac
100.0%

90.0%

80.0%

70.0%

60.0%
47.6%

50.0%

31.7%
40.0%

30.0%
16.7% 32.2%

20.0%

12.1%
10.0%

0.0%
1 2 3
Considerando los siguientes valores: Alfa=0,05 y Nro de grados de libertad i
con el valor obtenido de la tabla
 Plantear una distribución emp

60
0.129939198
11.509351976
11.38
12
0.95 1
3.87
8.03
Varianza distribución empírica S2 =fi*(IT-t)2
1.88907407407407
0.840166666666666
0.280166666666666
0.0156851851851851
0.0467962962962964
0.222314814814815
0.462296296296296
0.440037037037037
1.07338888888889
 1.05781481481482
0.733351851851852
0.97112962962963
8.03

60
0.129939
11.509352
11.379413
12
0.94828 1
3.87
8.03222
2.71828

0.25862

Frecuencia Relativa Acumulada Empírica fi vs Frecuencia Relativa Exponencial

100.0%

90.0%
 Frecuencia Relativa Acumulada Empírica fi vs Frecuencia Relativa Exponencial
100.0%

90.0%
78.3%
80.0%

70.0% 75.9%
70.0% 58.3%
68.8%

60.0%
47.6%

50.0% 59.6%

46.7%
31.7%
40.0%

30.0%
16.7% 32.2%

20.0%

12.1%
10.0%

0.0%
1 2 3 4 5 6

Frecuencia Relativa Acumulada Empírica Fi Frec

Tabla de Distribución X^

Clase ( I i--1 - Ii)

Numero de la Clase (I)
1 0
2 1
3 2
4 3
5 4
 6 5
7 6
8 7
9 8
10 9
11 10
12 11

Probar la hipótesis que los tiempos e

PRUEBA DE BONDAD DE AJUSTE CHI C

Frecuencia observada
N° clase
empirica (Oi)
1 10.00
2 9.00
3 9.00
4 7.00
5 7.00
6 5.00
7 4.00
8 2.00
9 3.00
10 2.00
11 1.00
12 1.00
60.00

los siguientes valores: Alfa=0,05 y Nro de grados de libertad igual a 10, se obtiene como resultado que x= 18,307038 A través d
con el valor obtenido de la tabla que es x=18,307038, se puede observar que el valor de 6,2 se encu
Dado que la probabilidad de X2 =6,2 se acepta l
Plantear una distribución empírica para tiempo de llegadas.
DISTRIB

LI

1 0
2 1
3 2
4 3
5 4
6 5
7 6
8 7
9 8
10 9
11 10
12 11
Determinar la media y varianza para tiempo entre serv
 Plantear una distribución exponenc

N° clase LI

1 0
2 1
3 2
4 3
5 4
6 5
7 6
8 7
9 8
10 9
11 10
12 11

Graficar la frecuencia relativa acumulada empírica vs frecuencia relat

vs Frecuencia Relativa Exponencial f(T)

98.3%
96.7%
93.3%
88.3%
vs Frecuencia Relativa Exponencial f(T)
98.3%
96.7%
93.3%
88.3%
85.0% 91.4% 93.4%
78.3%
88.9%
81.4%
85.6%
70.0% 75.9%
68.8%

6%

5 6 7 8 9 10 11

ecuencia Relativa Acumulada Empírica Fi Frecuencia Relativa Exponencial Teórica F(T)

Determinar la distribución X2 Chi Cuadrado para tiempo d

Tabla de Distribución X^2 para Tiempo entre llegadas

Clase ( I i--1 - Ii)

Frecuencia Observada
(Oi)
- 1 10
- 2 9
- 3 9
- 4 7
- 5 7
 - 6 5
- 7 4
- 8 2
- 9 3
- 10 2
- 11 1
- ∞ 1

Probar la hipótesis que los tiempos entre llegadas representan una distribución exponencial con un nivel de confianza

EBA DE BONDAD DE AJUSTE CHI CUADRADO

Agrupamiento de clases Agrupamiento de clases

Frecuencia teórica (ni)
Oi para X2 ni para X2
10 13.67 13.67
9 10.56 10.56
9 8.15 8.15
7 6.29 6.29
7 4.86 4.86
5 3.75 3.75
4 2.90 2.90
2 2.24 2.24
3 1.73 1.73
2 1.33 1.33
1 1.03 1.03
1 3.49 3.49
60.00 60.00

mo resultado que x= 18,307038 A través de la tabla Chi Cuadrado, se realiza una comparación con el valor estadístico de prueba e
puede observar que el valor de 6,2 se encuentra a la izquierda de 18.307038, de esta manera se tiene que:
ue la probabilidad de X2 =6,2 se acepta la hipotesis Ho
 DISTRIBUCIÓN EMPÍRICA PARA TIEMPO DE LLEGADAS

Frecuencia Frecuencia
Marca de Frecuencia relativa
LS observada relativa
clase IT acumulada empírica Fi
empírica Oi empírica fi

1 0.5 10 17% 17%

2 1.5 9 15% 32%
3 2.5 9 15% 47%
4 3.5 7 12% 58%
5 4.5 7 12% 70%
6 5.5 5 8% 78%
7 6.5 4 7% 85%
8 7.5 2 3% 88%
9 8.5 3 5% 93%
10 9.5 2 3% 97%
11 10.5 1 2% 98%
12 11.5 1 2% 100%
Total 60 1
la media y varianza para tiempo entre servicios
 Plantear una distribución exponencial teórica para tiempo de servicios

Frecuencia
Frecuencia
Marca de Relativa
LS exponencial
clase T= Ii exponencial
teórica f(t)
teórica F(T)
1 0.5 20.0% 12.1%
2 1.5 15.4% 32.2%
3 2.5 11.9% 47.6%
4 3.5 9.2% 59.6%
5 4.5 7.1% 68.8%
6 5.5 5.5% 75.9%
7 6.5 4.2% 81.4%
8 7.5 3.3% 85.6%
9 8.5 2.5% 88.9%
10 9.5 1.9% 91.4%
11 10.5 1.5% 93.4%
12 11.5 1.2% 94.9%

va acumulada empírica vs frecuencia relativa exponencial teórica de tiempo de llegadas.

98.3%
96.7%

94.9%
 98.3%
96.7%

91.4%
94.9% Frecuencia relativa
93.4%
acumulada empírica Fi
88.9%
16.7%
31.7%
46.7%
58.3%
70.0%
78.3%
85.0%
88.3%
93.3%
96.7%
98.3%
100.0%

10 11 12

tribución X2 Chi Cuadrado para tiempo de llegadas

Agrupamie
Frecuencia nto de X^2 = (Oi-
Agrupamiento de clases Oi teorica clases ni ni)^2 / ni
para X^2 ni para X^2
13.67 0.987
10.56 0.230
8.15 0.09
6.29 0.08
4.86 0.94
 3.75 0.42
2.90 0.42
2.24 0.03
1.73 0.94
1.33 0.33
1.03 0.00
3.49 1.78
60.00

ión exponencial con un nivel de confianza del 95% mediante la Prueba de Bondad de Ajuste Distribución X2 Chi cuadrad

X^2 = (Oi-ni)^2 / ni
0.986706998685206
0.229682963220597
0.0883511212132651
0.0792401963611195
0.942797993505303
0.415013342574572
0.419884249543579
0.0250849333165612
0.938086457567655
0.33306932470407
0.000853858665596351
1.77530066417916
6.23407210353669 TOTAL 6.2 k= 1
x 18.3070381 𝛼 0.05

mparación con el valor estadístico de prueba el cual es igual a (6,2)

manera se tiene que:
ADAS

Varianza distribución empírica

Media empírica t= fi*IT
S2 =fi*(IT-t)2

0.08 1.89
0.23 0.84
0.38 0.28
0.41 0.02
0.53 0.05
0.46 0.22
0.43 0.46
0.25 0.44
0.43 1.07
0.32 1.06
0.18 0.73
0.19 0.97
3.87 8.03
Frecuencia Relativa exponencial
teórica F(T)
12.1%
32.2%
47.6%
59.6%
68.8%
75.9%
81.4%
85.6%
88.9%
91.4%
93.4%
94.9%
ste Distribución X2 Chi cuadrado.

N= 12
N-k-1= 10
 DATOS RELACION DE LA DEMANDA PERIODICA

DEMANDA PERIODICA
Periodo (Unidades) TENDENCIA (Unidades)
1 63496 4916
2 65321 COEFICIENTES
3 55626 α = 2/n+1
4 59510 β = 2α
5 58390 PERIODOS
6 62078 n = 12
7 50882
8 56759
9 60447
10 57431
11 51482
12 50817

DEMANDA REAL
Periodo (Unidades) TENDENCIA (Unidades)
1 63496 6327
2 65321
3 55626
4 59510
5 58390
6 62078
7 50882
8 56759
9 60447
10 57431
11 51482
12 50817

Demanda Real At
Periodo t (Unidades) Pronóstico Ft (Unidades)
1 63496 No existe
 2 65321 63496
3 55626 63776.7692307692
4 59510 62522.8047337278
5 58390 62059.2963131543
6 62078 61494.7891880536
7 50882 61584.5139283531
8 56759 59937.9733239911
9 60447 59448.9005049155
10 57431 59602.4542733901
11 51482 59268.3843851762
12 50817 58070.4790951491
13 56954.5592343569

Dema
70000

60000

50000

40000

Unidades
30000

20000

10000

0
1 2 3

Dema
Resultado
Se puede observar a través del método de pronóstico de suaviza
demandas futuras de unidades que puede presentar el product

Es necesario recordar que, este método es óptimo para patrone

pretende eliminar el impacto de los elementos irregulares histó
demanda reciente.

A través de la gráfica, se puede observar que se presenta una de

presentan una tendencia predecible, por ende, se recomienda
producción.
presentan una tendencia predecible, por ende, se recomienda
producción.
Determinar el pronóstico suavización exponencial simple para el siguiente perio

COEFICIENTE DE SUAVIZACIÓN
 Número de Períodos= 12
Alpha= 0.15

Proyectar la demanda futura para los próximos periodos y graficar la demanda periódica Vs la d

Demanda (At) vs Período (t)

70000

60000

50000

40000

30000

20000

10000

0
1 2 3 4 5 6 7 8 9 10 11 12
Períodos

Demanda Real Demanda Proyectada

Comprobar los resultados utilizando software de optimización WinQSB.

 Interpretar los resultados de la solución de los modelos de pronósticos para la toma de

do de pronóstico de suavización exponencial simple, las posibles

uede presentar el producto, en los 12 períodos siguientes.

do es óptimo para patrones de demanda aleatorios o nivelados donde se

elementos irregulares históricos mediante un enfoque en períodos de

var que se presenta una demanda aleatoria, es decir que las demandas no
, por ende, se recomienda utilizar este método por el departamento de
, por ende, se recomienda utilizar este método por el departamento de
imple para el siguiente periodo

ACIÓN PRONÓSTICO SUAVIZACIÓN EXPONENCIAL SI

a demanda periódica Vs la demanda proyectada.

de optimización WinQSB.
pronósticos para la toma de decisiones.
EXPONENCIAL SIMPLE PERÍODO i
 DATOS RELACION DE LA DEMANDA PERIODICA

DEMANDA PERIODICA
Periodo (Unidades) TENDENCIA (Unidades)
1 63496 4916
2 65321 COEFICIENTES
3 55626 α = 2/n+1
4 59510 β = 2α
5 58390 PERIODOS
6 62078 n = 12
7 50882
8 56759
9 60447
10 57431
11 51482
12 50817

Periodo DEMANDA REAL (Unidades) TENDENCIA (Unidades)

1 63496 4916
2 65321
3 55626
4 59510
5 58390
6 62078
7 50882
8 56759
9 60447
10 57431
11 51482
12 50817

Periodo t Demanda real Dt (Unidades) Pronóstico del período At

1 63496 63496
2 65321 67655.6923076923
3 55626 71259.2926718252
 4 59510 72535.8519067152
5 58390 73413.0895122509
6 62078 73324.925379077
7 50882 73110.7308579144
8 56759 70684.7683526506
9 60447 68598.7755415623
10 57431 66840.6265692657
11 51482 64586.305175227
12 50817 61424.8590169469
13

80000

70000

60000

50000

Unidades
40000

30000

20000

10000

0
1
IODICA

Determinar el pronóstico suavización exponencial

Tendencia Tt Pronóstico período posterior Ft

4916
4683.2899408284 68412
4351.07776338363 72338.9822485207
 3405.07206230865 75610.3704352088
2627.27684484007 75940.9239690238
1791.75654391269 76040.366357091
1174.54083158182 75116.6819229897
66.6936510139478 74285.2716894962
-595.671414248279 70751.4620036646
-953.356816724683 68003.104127314
-1353.65360974438 65887.269752541
-1909.89747083231 63232.6515654827
59514.9615461145

Proyectar la demanda futura para los próximos periodos y graficar

Demanda (At) vs Período (t)

80000

70000

60000

50000
Unidades

40000

30000

20000

10000

0
1 2 3 4 5 6 7 8 9 10 11 12
Períodos

Demanda Real Demanda Proyectada

Comprobar los resultados utilizando softwar

 Interpretar los resultados de la solución de los modelos de

Interpretación
Se puede observar a través del método de pronóstico de suavización exponencial doble, l
demandas futuras de unidades que puede presentar el producto, en los 12 períodos sigui

Es importante recordar que, el pronóstico de suavización exponencial doble es óptimo pa

demanda que presentan una tendencia, al menos localmente, y un patrón estacional cons
se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfo
demanda reciente.

No es aconsejable utilizar este método por el comportamiento que presentan las demand
aconseja al departamento de producción utilizar el método S.E.S.
nar el pronóstico suavización exponencial simple para el siguiente periodo

COEFICIENTE DE SUAVIZACIÓN

n= 12
Alpha= 0.15

COEFICIENTE DE SUAVIZACIÓN

Beta= 0.31

PRONÓSTICO SUAVIZACIÓN EXPONENCIAL DOBLE

ura para los próximos periodos y graficar la demanda periódica Vs la demanda proyectada.

t)

8 9 10 11 12

ectada

mprobar los resultados utilizando software de optimización WinQSB.

resultados de la solución de los modelos de pronósticos para la toma de decisiones.

pronóstico de suavización exponencial doble, las posibles

presentar el producto, en los 12 períodos siguientes.

de suavización exponencial doble es óptimo para patrones de

menos localmente, y un patrón estacional constante, en el que se
mentos irregulares históricos mediante un enfoque en períodos de

r el comportamiento que presentan las demandas, por ende, se

utilizar el método S.E.S.
 TIEMPO
DEMANDA DE
REFERENCIA PERIODO
PERIODICA ESPERA
(dias)

1
2
3
4
5
6
MOTOR ELECTRICO 7
7
8
9
10
11
12

Demanda periódica
Período t Dt (Unidades) Dt/30
1 63496 2116.53333
2 65321 2177.36667
3 55626 1854.2
4 59510 1983.66667
5 58390 1946.33333
6 62078 2069.26667
7 50882 1696.06667
8 56759 1891.96667
9 60447 2014.9
10 57431 1914.36667
11 51482 1716.06667
12 50817 1693.9
 DEMANDA DIARIA

Dd= 1922.88611111111

VARIANZA DE LA DEMANDA DIARIA

𝜎^2
= 12033.3261535494

DESVIACIÓN TÍPICA DE LA DEMANDA DIARIA

𝜎=
109.696518420365
Período t Cantidad óptima de pedido Qt
1 6322.65969
2 6412.87886
3 5917.87162
4 6120.989
5 Política de 6063.11578
6 inventario óptimo 6251.66189
7 (de reserva) requiere 5659.89938
8 pedir 5977.83593
9 6168.98905
10 6013.1192
11 5693.17232
12 5656.28306
 RELACION DEL INVENTARIO

COSTO DE PREPARACION POR

PEDIDO ($)

$ 2,195,672

[(Dt/30)-Dd]^(2)
37499.2466743827
64760.3531558642
4717.7818595679
3694.27593364198
549.772229938265
21427.2670447531
51447.0603780865
956.012044753089
8466.5557484568
72.5809336419782
42774.2826003087
52434.6390817901
DISPOSITIVO

DISPOSITIVO

DISPOSITIVO

DISPOSITIVO

𝛼=

r=

DISPOSITIVO
 DISPOSITIVO

POLÍTICA DEL INVENTARIO

ptima de pedido Qt

Unidades siempre que el nivel del inventario

se reduzca a

Comprobar los resultados utilizando software de optim

 RELACION DEL INVENTARIO

COSTO DE RETENCION UNITARIO ($)

$ 6,975

Costo de preparación por pedido K

$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672
$ 2,195,672

DEMANDA DIARIA Dd
 1922.88611111111

TIEMPO DE ESPERA L (días)

7

DEMANDA DIARIA Dd

1922.88611111111

VARIANZA DE LA DEMANDA DIARIA

𝜎^2
12033.3261535494

0.05

EXISTENCIA DE RESERVA B

𝜎𝐿
290.229707429901

NIVEL DE INVENTARIO
 𝐵
477.427868722187

POLÍTICA DEL INVENTARIO

Nivel del inventario

13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465
13937.6306465

Comprobar los resultados utilizando software de optimización WinQSB.

 COSTO POR FALTANTE UNITARIO ($)

$ 23,473

Costo de retención unitario H

$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975
$ 6,975

𝜎^2
VARIANZA DE LA DEMANDA DIARIA
 12033.3261535494

TIEMPO DE ESPERA L (días)

TIEMPO DE ESPERA L (días)

7

DISTRIBUCIÓN t DE STUDENT

𝐾_𝛼

EXISTENCIA DE RESERVA B

𝐾_𝛼
1.645

NIVEL DE INVENTARIO
 𝜇𝐿
13460.2027777778

VENTARIO

𝐵+𝜇𝐿

Unidades

ware de optimización WinQSB.

Cantidad óptima de pedido Qt CANTIDAD ÓPTIMA
6322.65969424068
6412.87885882161
5917.87161856046
6120.98899685676
6063.1157770708
6251.6618903844
5659.8993798825
5977.83593376729
6168.98905142156
6013.11919681669
5693.17231531768
5656.28306146341

DESVIACIÓN TÍPICA DE LA DEMANDA DIARIA

 109.696518420365

𝜇𝐿=𝐷𝑑∗𝐿

13460.2027777778

𝜎𝐿=√(𝜎^2∗𝐿)

290.229707429901

DISTRIBUCIÓN t DE STUDENT

1.645

EXISTENCIA DE RESERVA
𝐵=𝜎𝐿∗𝐾_𝛼
477.427868722187
NIVEL DEL INVENTARIO
𝐵+𝜇𝐿
13937.6306465
CANTIDAD ÓPTIMA DE PEDIDO PARA CADA PERIODO

𝜎
𝜎
 RELACION DEL INVENTARIO

REFERENCIA PERIODO DEMANDA PERIODICA TIEMPO DE ESPERA (dias)

1
2
3
4
5
6
MOTOR ELECTRICO 7
7
8
9
10
11
12

Demanda Costo de preparación Costo por faltante unitario

Período t
periódica D por pedido K p

1 63496 $ 2,195,672 $ 23,473

2 65321 $ 2,195,672 $ 23,473
3 55626 $ 2,195,672 $ 23,473
4 59510 $ 2,195,672 $ 23,473
5 58390 $ 2,195,672 $ 23,473
6 62078 $ 2,195,672 $ 23,473
7 50882 $ 2,195,672 $ 23,473
8 56759 $ 2,195,672 $ 23,473
9 60447 $ 2,195,672 $ 23,473
10 57431 $ 2,195,672 $ 23,473
11 51482 $ 2,195,672 $ 23,473
12 50817 $ 2,195,672 $ 23,473
 POLÍTICA DEL INVENTARIO

Período t Cantidad óptima de

pedido con faltante Y

57418.1641856991

58237.4742632797

53742.1497686981

55586.7258711585
5
Política de
inventario
55061.1600181279 Unidades siempre que el
óptimo
nivel del inventario se
exige pedir
reduzca a
6 aproximada
mente
56773.4096431831

7
51399.4185334149

8
54286.7055509688

9
56022.6302448249

10

54607.1245342367

11

51701.5810666124

12

51366.5775495922
ELACION DEL INVENTARIO

COSTO DE
COSTO DE PREPARACION POR PEDIDO COSTO POR FALTANTE
RETENCION
($) UNITARIO ($)
UNITARIO ($)

$ 2,195,672 $ 6,975 $ 23,473

Esperanza de la demanda uniforme Cantidad óptima de pedido

con faltante
𝛾=√((2𝐷(𝐾+𝑝𝐸_((𝑥) )))
𝐸(𝑥)=(𝑏+𝑎)/2 Costo de retención
/𝐻)
unitario H

7620.78333333333 $ 6,975 57418.1641856991

7620.78333333333 $ 6,975 58237.4742632797
7620.78333333333 $ 6,975 53742.1497686981
7620.78333333333 $ 6,975 55586.7258711585
7620.78333333333 $ 6,975 55061.1600181279
7620.78333333333 $ 6,975 56773.4096431831
7620.78333333333 $ 6,975 51399.4185334149
7620.78333333333 $ 6,975 54286.7055509688
7620.78333333333 $ 6,975 56022.6302448249
7620.78333333333 $ 6,975 54607.1245342367
7620.78333333333 $ 6,975 51701.5810666124
7620.78333333333 $ 6,975 51366.5775495922
POLÍTICA DEL INVENTARIO

Funci

Periodo 𝐶𝐼𝑡=(𝐷𝑡 𝐾)/𝑌+𝐻(𝑌/2+𝑅−𝐸

Parámetro R
t

11146.0550820459 224915554.331226

11203.6725174958 228175934.733429

10865.9181747049 210136317.436223

11011.1186072641 217584649.71363
 +

10970.7384365174 215469346.275877
Unidades
+
11099.5438769817 222341648.366894

+
10666.4807357371 200571663.817026

+
10909.8107753573 212342374.218878

+
11044.0351412362 219335073.489335

10935.2282795804 213637574.175583

10693.219174407 201812382.187698

10663.5556757037 200436682.299765
 Esperanza de la demanda uniforme
a= 0 Límite inferior de la demanda periódica
b= 15241.5667 Límite superior de la demanda periódica

Parámetro R

𝑅=(𝑏−𝑎)−[(𝐻∗𝑌∗(𝑏−𝑎))/(𝑝∗𝐷)]
 TIEMPO DE ESPERA L (días)
7

Función del costo del inventario

𝐶𝐼𝑡=(𝐷𝑡 𝐾)/𝑌+𝐻(𝑌/2+𝑅−𝐸{𝑥})+(𝑝 𝐷𝑡)/𝑌 ∫_𝑅^∞▒(𝑥−𝑅)𝑓(𝑥)𝑑𝑥

∫_"25957,66739 " ^∞▒(𝑥−"25957,66739 " )𝑓(𝑥)𝑑𝑥

25957.6673886627
∫_"26328,062 " ^∞▒(𝑥−"26328,062 " )𝑓(𝑥)𝑑𝑥

26328.0619978187

∫_"24295,81071 " ^∞▒(𝑥−"24295,81071 " )𝑓(𝑥)𝑑𝑥

24295.8107113256
∫_"25129,70872 " ^∞▒(𝑥−"25129,70872 " )𝑓(𝑥)𝑑𝑥

25129.7087228658
 ∫_"24892,11033 " ^∞▒(𝑥−"24892,11033 " )𝑓(𝑥)𝑑𝑥

24892.1103287464

∫_"25666,18604 " ^∞▒(𝑥−"25666,18604 " )𝑓(𝑥)𝑑𝑥

25666.1860395232

∫_"23236,70617 " ^∞▒(𝑥−"23236,70617 " )𝑓(𝑥)𝑑𝑥

23236.7061744784
∫_"24541,99409 " ^∞▒(𝑥−"24541,99409 " )𝑓(𝑥)𝑑𝑥

24541.9940937312
∫_"25326,77286 " ^∞▒(𝑥−"25326,77286 " )𝑓(𝑥)𝑑𝑥

25326.7728558865

∫_"24686,84946 " ^∞▒(𝑥−"24686,84946 " )𝑓(𝑥)𝑑𝑥

24686.8494632931
∫_"23373,30815 " ^∞▒(𝑥−"23373,30815 " )𝑓(𝑥)𝑑𝑥

23373.3081478311
∫_"23221,85939 " ^∞▒(𝑥−"23221,85939 " )𝑓(𝑥)𝑑𝑥

23221.8593860644
 Demanda
Diaría Dt

2116.53333 30
2177.36667
1854.2
emanda periódica 1983.66667
demanda periódica 1946.33333
2069.26667
1696.06667
1891.96667
2014.9
1914.36667
1716.06667
1693.9
Dt= 961.443056
 Bibliografía

Monks, J. (1988). Administración de operaciones (pp. 168-170). Naucalpan de Juárez, México: Editorial McGraw-Hill Interame
de [Link]

Hillier, F. y Lieberman, G. (2010). Introducción a la investigación de operaciones (pp. 807-812). México, México: Editorial McG
Recuperado de [Link]
direct=true&db=edselb&AN=edselb.3214887&lang=es&site=eds-live 
 Editorial McGraw-Hill Interamericana. Recuperado
6010&tm=1541110436872 

México, México: Editorial McGraw-Hill Interamericana.

[Link]?