Este documento presenta ejercicios resueltos sobre introducción al control de la producción. Incluye dos casos de estudio sobre recolección de datos y pronósticos, así como cálculos de medidas de tendencia central, desviación media y error medio cuadrático. Finalmente, contiene ejemplos de pronósticos usando promedios móviles y suavización exponencial simple.

6. Actividad 3 Actividad 3 1) Para los siguientes datos calcula el PME recortando la cifra de los decimales. PME= -577/ 10 Respuesta: -57.74 -577% 2519488 3756 100 350% -350% 765625 875 -875 1125 250 11 87% 87% 956484 978 978 147 1125 10 4% -4% 36 6 -6 153 147 9 266% -266% 165649 407 -407 560 153 8 48% -48% 70756 266 -266 826 560 7 76% 76% 390625 625 625 201 826 6 7% 7% 225 15 15 186 201 5 146% -146% 73984 272 -272 458 186 4 68% 68% 96100 310 310 148 458 3 1% -1% 4 2 -2 150 148 2 150 1 e/yt % e/yt % e² | et | et Pronósticos Datos t

7. 2) si obtengo un valor de -36.6% en el PME quiere decir que el valor esta sobreestimado. Respuesta: Falso El signo negativo indica subestimado, y un porcentaje mayor a 25 se considera exceso. 3) la venta de abrigos, graficada con relación a los meses del año, presentara un patrón de serie estacional. Respuesta: Verdadero Una serie estacional como una serie de tiempo con un patron de cambio que se repite a si mismo año tras año. La venta de abrigos acurre en los meses de invierno.

8. 4) para los siguientes datos calcula el DAM, recortando la cifra de un decimal. DAM= 3756/10 Repuesta: 375.6 -577% 2519488 3756 100 350% -350% 765625 875 -875 1125 250 11 87% 87% 956484 978 978 147 1125 10 4% -4% 36 6 -6 153 147 9 266% -266% 165649 407 -407 560 153 8 48% -48% 70756 266 -266 826 560 7 76% 76% 390625 625 625 201 826 6 7% 7% 225 15 15 186 201 5 146% -146% 73984 272 -272 458 186 4 68% 68% 96100 310 310 148 458 3 1% -1% 4 2 -2 150 148 2 150 1 e/yt % e/yt % e² | et | et Pronósticos Datos t

9. 5) Para los siguientes datos calcula el EMC recortando la cifra a un decimal. EMC= 2519488/10 Respuesta: 251948.8 6) Al hacer el pronóstico, se debe procurar contar con la mayor cantidad de datos, por inútiles que parezcan, todos deben considerarse e introducirse a los cálculos. Respuesta: Falso, algunos se deben eliminar ya que entorpecen el problema. -577% 2519488 3756 100 350% -350% 765625 875 -875 1125 250 11 87% 87% 956484 978 978 147 1125 10 4% -4% 36 6 -6 153 147 9 266% -266% 165649 407 -407 560 153 8 48% -48% 70756 266 -266 826 560 7 76% 76% 390625 625 625 201 826 6 7% 7% 225 15 15 186 201 5 146% -146% 73984 272 -272 458 186 4 68% 68% 96100 310 310 148 458 3 1% -1% 4 2 -2 150 148 2 150 1 e/yt % e/yt % e² | et | et Pronósticos Datos t

11. 2. Los datos de la izquierda corresponden a las salidas de la pieza C36 del almacén de mantenimiento, el encargado de almacén considera prudente acumularlos por cuatrimestre a partir del 2005; por ejemplo, en la tabla se observa que el dato de 231 piezas de salida de la pieza corresponde a Enero-Abril 2005, mientras que le último dato Septiembre-Diciembre 2008 son 229 piezas C36 que se solicitaron al almacén. ¿Cuál es la magnitud del promedio móvil ó n ? 229 12 226 11 236 10 228 9 221 8 227 7 231 6 225 5 234 4 232 3 229 2 231 1 Salida de piezas C36 Cuatrimestre 229 12 226 11 236 10 228 9 221 8 227 7 231 6 225 5 234 4 232 3 229 2 231 1 Salida de piezas C36 Cuatrimestre

12. 3. Los datos de la izquierda corresponden a las salidas de la pieza C36 del almacén de mantenimiento, el encargado de almacén considera prudente acumularlos por cuatrimestre a partir del 2005; por ejemplo, en la tabla se observa que el dato de 231 piezas de salida de la pieza corresponde a Enero-Abril 2005, mientras que le último dato Septiembre-Diciembre 2008 son 229 piezas C36 que se solicitaron al almacén. ¿Cuál es la magnitud del promedio móvil ó n ? 4. ¿Qué pronostico de piezas de salida puedes dar usando estos datos, para Enero-Abril 2009? Justifica tu respuesta anotando la tabla que contenga el siguiente encabezado. El pronóstico para enero abril del 2009 es de 227.6

13. e 2 e t P t X t ( t ) 1.96 1.4 227.6 13 3.61 -1.9 227.9 229 12 67.24 8.2 227.8 226 11 .25 .5 227.5 236 10 51.84 -7.2 228.2 228 9 6.76 -2.6 229.6 221 8 .49 .7 230.3 227 7 231 6 225 5 234 4 232 3 229 2 231 1 e²t et Pt N=6 Xt T

14. 5. Para los mismos datos realiza el pronostico utilizando atenuación (suavización) EXPONENCIAL SIMPLE, considere la constante de atenuación con un valor de 0,5 y justifique su respuesta incluyendo la tabla que debe contener el siguiente encabezado: 6. ¿Qué cantidad recomendarías tu pronosticar y porqué? Considera que son piezas y justifica tu respuesta. Basándose en los datos establecidos, recomendaría 229 piezas, ya que las piezas jamás fueron a la baja, se mantuvieron con muy poca variacion, por lo tanto esa sería mi recomendación. Es lo que aria en mi negocio. e 2 e t P t X t ( t ) .25 .5 228.5 229 12 26.0 -5.1 231.15 226 11 94.0 9.7 226.3 236 10 10.8 3.3 224.7 228 9 54.7 -7.4 228.4 221 8 7.84 -2.8 229.8 227 7 5.06 2.25 228.75 231 6 56.2 -75 232.5 225 5 9 3 231 234 4 4 2 230 232 3 4 -2 231 229 2 231 1 e²t et a=0.5 Xt T

15. Actividad 5 Tema 2.7 Análisis de regresión y correlación 1. Para las siguientes asignaciones recorta el resultado final a 4 decimales, e indica las operaciones básicas que realizaste, con sustitución, resultado intermedio y resultado final. Por ejemplo A-BC=W 20-(4*2) = W 20-8 = W W=12 20.30 Octubre 17.96 Septiembre 16.05 Agosto 14.03 Julio 12.05 Junio 9.96 Mayo 7.98 Abril 5.98 Marzo 4.05 Febrero 1.98 Enero Peso promedio de arpilla de fruta (kg) Mes de cosecha 20.30 Octubre 17.96 Septiembre 16.05 Agosto 14.03 Julio 12.05 Junio 9.96 Mayo 7.98 Abril 5.98 Marzo 4.05 Febrero 1.98 Enero Peso promedio de arpilla de fruta (kg) Mes de cosecha

16. 2. Obtén el valor de r, y explica la correlación entre los datos en función del mismo. r=1664.2/28.72*54.84 r=1.100529 r²=1.21116 Hay mucha relación entre las variables, por lo que al pronosticar habría un margen de error muy pequeño lo que seria bueno pronosticar.

17. 3. Para los datos de la derecha completa la tabla que permite obtener la ecuación de regresión lineal. 1518.33 385 773.29 110.34 55 Total 412.0 100 203 20.30 10 Octubre 322.56 81 161.64 17.96 9 Septiembre 257.6 64 128.4 16.05 8 Agosto 196.8 49 98.21 14.03 7 Julio 145.2 36 72.3 12.05 6 Junio 99.2 25 49.8 9.96 5 Mayo 63.6 16 31.92 7.98 4 Abril 35.76 9 16.14 5.98 3 Marzo 16.40 4 8.1 4.05 2 Febrero 3.92 1 1.98 1.98 1 Enero y² x² xy y X Mes de cosecha

18. 4. Obtén la ecuación de regresión lineal. m= 7732.9-6068.7/3850-55² m=2.0172 b=-0.0606 y=-.0606+2.0172*55 y=110.8854

19. 5. Pronostica el peso promedio que tendrá la fruta en la cosecha de Noviembre. El pronóstico del mes de noviembre es de 48.04 de peso de fruta. 48.04 1518.33 385 773.29 110.34 55 42.13 412.09 100 203 20.3 10 36.04 287.64 81 161.64 17.96 9 9.99 257.6 64 128.4 16.05 8 31.3 196.84 49 98.21 14.03 7 6 145.2 36 72.3 12.05 6 4 99.2 25 49.8 9.96 5 63.68 16 31.92 7.98 4 35.76 9 17.94 5.98 3 16.4 4 8.1 4.05 2 3.92 1 1.98 1.98 1 pronostico y² x² xy y X

20. 6. Inserta el grafico de Excel, que muestre ecuación y R 2 .