Jean Pierre 11572-7 ingeniería de la producción

1. Universidad ‘‘Loyola’’
Proyecto Ciclo 1-
UAM 1
Estudiantes:
Jean Pierre Yahuita Ruilova 11572-7
Carrera:
Adm. De Empresas
Docente:
Luis Lorgio Cardenas
Materia:
Ingeniería de la producción
Fecha:
25/08/2019

2. Introducción.
El desarrollo de este proyecto, nos permite aplicar los conocimientos adquiridos en la materia de
fundamentos de investigación, experimentando cada uno de los procesos, el trabajo aplica
técnicas y métodos de pronóstico de la materia ingeniera de la producción.
El trabajo está enfocado en proporcionar información futura de las empresas respecto en ingreso,
ventas y confiablidad, que nos ayuda a la toma de decisiones.
Análisis de los casos.
Caso 1 4-5
Se puede que la propiedad se puso a la venta. La empresa ‘‘Downtown Radiology’’ realizo una
evaluación en el cual realizaron una contratación de un profesional de marketing para ver las
ventas futuras que tendría en 5 años.
La empresa para verificar los datos proyectados por la consultora, pide una segunda opinión, de
ahí se pide realizar un análisis de metodología aplicando al estudio dado.
Caso.5-2
La empresa Mr. Tux se basa en la comercialización de venta de ropas y accesorios. También cuenta
con sus sucursales que son; en Spokane y en Seattle. El empleado Jhon Mosby identifica la
diferencia de clientes por estaciones de año.
Jhon quiere saber las ventas para el siguiente año, ya que él sabe que la empresa va en
crecimiento y el inversionista tanto como los banqueros quieren pronósticos sólidos.
Caso 5-4
Se pude identificar que Julie tiene una empres que fabrica muebles, Julie termino varios cursos de
negocios, dado esto ella quiere realizar un pronóstico de la demando de los productos, toma datos
desde que la empresa empezó a producir su propia línea de muebles.
Identifica que los datos obtenidos tienen una tendencia y estacionalidad, decide utilizar una
descomposición de serie de tiempos para analizar las ventas.

3. Solución de los casos.
Caso. 5-2
periodo mes año ventas tendencia
1 enero 1990 16850 21954 0,76751389
2 febrero 12753 24815 0,51392303
3 marzo 26901 27677 0,97196228
4 abril 61494 30539 2,01362193
5 mayo 147862 33400 4,42700599
6 junio 57990 36262 1,59919475
7 julio 51318 39123 1,31170922
8 agosto 53599 45985 1,16557573
9 septiembre 23038 44847 0,51370214
10 octubre 41396 47708 0,86769515
11 noviembre 19330 50570 0,38224244
12 diciembre 22707 53431 0,42497801
13 enero 1991 15395 56293 0,27347983
14 febrero 30826 59154 0,52111438
15 marzo 25589 62016 0,41261932
16 abril 103184 64878 1,59043127
17 mayo 197608 67739 2,91719689
18 junio 68600 70601 0,97165763
19 julio 39909 73462 0,54326046
20 agosto 91368 76324 1,19710707
21 septiembre 58781 79185 0,74232494
22 octubre 59679 82047 0,72737577
23 noviembre 33443 84909 0,39386873
24 diciembre 53719 87770 0,61204284
25 enero 1992 27773 90632 0,30643702
26 febrero 36653 93493 0,39204005
27 marzo 51157 96355 0,53092211
28 abril 217509 99217 2,19225536
29 mayo 110081 102078 1,07840083
30 junio 306229 104940 2,91813417
31 julio 102893 107801 0,95447167
32 agosto 128857 110663 1,16440906
33 septiembre 104776 113524 0,9229414
34 octubre 111036 116386 0,95403227
35 noviembre 63701 119248 0,53418925

4. 36 diciembre 82657 122109 0,67691161
37 enero 1993 31416 124971 0,25138632
38 febrero 48341 127832 0,3781604
39 marzo 85651 130694 0,65535526
40 abril 242673 133556 1,81701309
41 mayo 289554 136417 2,12256537
42 junio 164373 139279 1,18017074
43 julio 160608 142140 1,12992824
44 agosto 176096 145002 1,21443842
45 septiembre 142363 147863 0,96280341
46 octubre 114907 150725 0,76236192
47 noviembre 113552 153587 0,73933341
48 diciembre 127042 156448 0,81203978
49 enero 1994 51604 159310 0,32392191
50 febrero 80366 162171 0,49556333
51 marzo 20893 165033 0,12659892
52 abril 263830 167894 1,57140815
53 mayo 252216 170756 1,47705498
54 junio 219566 173618 1,26464998
55 julio 149082 176479 0,84475773
56 agosto 213888 179341 1,19263303
57 septiembre 178947 182202 0,98213521
58 octubre 133650 185064 0,7221826
59 noviembre 116946 187920 0,62231801
60 diciembre 16154 190787 0,08467034
61 enero 1995 58843 193649 0,30386421
62 febrero 82386 166510 0,49478109
63 marzo 224803 199372 1,12755552
64 abril 35430 202233 0,17519396
65 mayo 328263 205095 1,60054121
66 junio 313647 207957 1,50823007
67 julio 214561 210818 1,01775465
68 agosto 337192 213680 1,57802321
69 septiembre 183482 216541 0,84733145
70 octubre 144618 219403 0,65914322
71 noviembre 139750 222264 0,62875679
72 diciembre 184546 225126 0,81974539
73 enero 1996 71043 227988 0,31160851
74 febrero 158930 230849 0,68845869
75 marzo 250559 233711 1,07208903
76 abril 409567 236572 1,73125729

5. 77 mayo 394747 239434 1,64866727
78 junio 272874 242296 1,12620101
79 julio 230303 245157 0,93941026
80 agosto 375402 248019 1,51360178
81 septiembre 195409 250880 0,77889429
82 octubre 173518 253742 0,68383634
83 noviembre 181702 256603 0,70810552
84 diciembre 258713 259465 0,99710173
total 11270667
Caso. 5-4
periodo mes año ventas
indice de
estacionalidad
1 enero 1990 5621 0,01156
2 febrero 5671 0,01166
3 marzo 5745 0,01181
4 abril 5821 0,01197
5 mayo 5775 0,01188
6 junio 5863 0,01206
7 julio 5847 0,01202
8 agosto 5818 0,01196
9 septiembre 5901 0,01213
10 octubre 5941 0,01222
11 noviembre 5857 0,01204
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82
ventas
tendencia

6. 12 diciembre 5767 0,01186
13 enero 1991 6091 0,01253
14 febrero 6096 0,01254
15 marzo 6051 0,01244
16 abril 6135 0,01262
17 mayo 6161 0,01267
18 junio 6189 0,01273
19 julio 6741 0,01386
20 agosto 6277 0,01291
21 septiembre 6307 0,01297
22 octubre 6326 0,01301
23 noviembre 6334 0,01303
24 diciembre 6380 0,01312
25 enero 1992 6551 0,01347
26 febrero 6521 0,01341
27 marzo 6486 0,01334
28 abril 6510 0,01339
29 mayo 6496 0,01336
30 junio 6580 0,01353
31 julio 6588 0,01355
32 agosto 6536 0,01344
33 septiembre 6543 0,01346
34 octubre 6659 0,01369
35 noviembre 6749 0,01388
36 diciembre 6844 0,01407
37 enero 1993 6736 0,01385
38 febrero 6890 0,01417
39 marzo 6936 0,01426
40 abril 6954 0,01431
41 mayo 6972 0,01434
42 junio 7093 0,01459
43 julio 7073 0,01454
44 agosto 7269 0,01495
45 septiembre 7363 0,01514
46 octubre 7425 0,01527
47 noviembre 7401 0,01522
48 diciembre 7492 0,01541
49 enero 1994 7451 0,01532
50 febrero 7550 0,01553
51 marzo 7675 0,01578
52 abril 7700 0,01583

7. 53 mayo 7739 0,01591
54 junio 7691 0,01582
55 julio 7715 0,01587
56 agosto 7770 0,01598
57 septiembre 7703 0,01584
58 octubre 7777 0,01599
59 noviembre 7302 0,01581
60 diciembre 7680 0,01502
61 enero 1995 7558 0,01579
62 febrero 7561 0,01554
63 marzo 7550 0,01555
64 abril 7608 0,01565
65 mayo 7648 0,01573
66 junio 7760 0,01573
67 julio 7730 0,01591
68 agosto 770 0,00158
69 septiembre 7484 0,01539
70 octubre 7590 0,01561
71 noviembre 7871 0,01619
72 diciembre 8094 0,01664
486359
Repuesta a las preguntas propuestos en cada caso.

8. Caso 5-2
1. suponga que el banquero de John hubiera solicitado dos afirmaciones, para presentarlas
a su jefe, que pudiera justificar la solicitud de John para hacer pagos extraordinarios en
algunos meses y ninguno en otros.
R, la metodología implementada nos daría a conocer que existe un efecto estacional
grande lo que provocaría que el pronóstico sea afectado por esta.
2. 2. suponga que el año entrante, el negocio de John es Seattle sea exactamente el doble
del de Spokane. Determine los índices estacionales de Seattle que serian los ideales para
balancear los ingresos mensuales de Mr. Tux.
R.
Mes Índice estacional del año 1997
Enero 0.00872992
Febrero 0.01671869
Marzo 0.00580393
Abril 0.00337652
Mayo 0.00773022
junio 0.00497319
Julio 0.00504916
Agosto 0.00282946
Septiembre 0.00454491
Octubre 0.00234974
Noviembre 0.00310104
diciembre 0.00432816
3. sin considerar a Seattle ¿Cuál sería el volumen que debería sacar John de la máquina de
camisas para que enero y febrero fueran meses promedio?
R.
mes año
proyección
estimada
Índice de
estacionalidad pronostico
enero 1997 262277 0,0014 262651
febrero 265138 0,0011 265424
marzo 267999 0,0023 268609
abril -270860 0,0052 272269
mayo 273721 0,0125 277145
junio 276582 0,0049 277939
julio 279443 0,0043 280656
agosto 282304 0,0045 283584
septiembre 285165 0,0019 285721
octubre 288026 0,0035 289035
noviembre 290887 0,0016 391363
diciembre 293748 0,0019 294312

9. Preguntas del caso 5-4
1. Desarrolla un modelo para pronosticar los datos de ventas ajustados a la estacionalidad.
R. para determinar las ventas estimadas se debe aplicar unos modelos de estaciones
aplicando pronósticos de regresión lineal.
2. A pesar de que los datos estuvieron involucrados en la descomposición, al usar el origen
de pronóstico de de diciembre 2001, pronostique las ventas para los primeros nueve
meses de 202 ¿este pronóstico es preciso cuando compara con los satos reales?
R.
periodo mes año ventas
índice de
estacionalidad pronostico
73 enero 2002 7714 0,01156 7804
74 febrero 7741 0,01166 7831
75 marzo 7767 0,01181 7859
76 abril 7793 0,01197 7887
77 mayo 7820 0,01188 7913
78 junio 7846 0,01206 7941
79 julio 7872 0,01202 7967
80 agosto 7899 0,01196 7993
81 septiembre 7925 0,01213 8021
3. Pronostique las ventas para octubre de 2002
R.
periodo mes año ventas
índice de
estacionalidad pronostico
73 enero 2002 7714 0,01156 7804
74 febrero 7741 0,01166 7831
75 marzo 7767 0,01181 7859
76 abril 7793 0,01197 7887
77 mayo 7820 0,01188 7913
78 junio 7846 0,01206 7941
79 julio 7872 0,01202 7967
80 agosto 7899 0,01196 7993
81 septiembre 7925 0,01213 8021

10. 82 octubre 7951 0,01222 8048
83 noviembre 7978 0,01204 8074
84 diciembre 8004 0,01186 8099
Discusión de los resultados (200 palabras)
Caso. 5-2
Se pudo identificar un crecimiento en la cantidad de ventas que se realizo para el año
1997, también de que la empresa Mr. Tux no puede controlar ambos sucursales tales
como el de Seattle y Spokane, ya que se identifico una baja de ventas estacionales en una
de las sucursales mencionadas, pero con el resultado hallado se puede implementar una
máquina de camisas para aumentar el índice estacional de la empresa.
Caso. 5-4
Se logro demostrar que existe un crecimiento de rentabilidad en la empresa, también se
pudo identificar el pronóstico para el año 2002 que es esencial para la misma empresa,
aunque se lo hallo con datos históricos de la misma, se podría decir que no es 100%
confiable esos datos, pero se estima que al llegar ese momento del año 2002 pueda
asemejarse al pronostico hallado en de este trabajo.
La productividad de una empresa se la puede identificar con metodologías similar a este
(pronostico) trabajo, ya que al realizarlo se pudo identificar que un ejercicio realizado en
una clase no se asemeja al de la una empresa ya establecida en años.
Conclusión.
Conforme fuimos realizando este proyecto nos fuimos percatando de muchas cosas que
antes no habíamos considerado, que ignorábamos.
El proyecto que realizamos ha contribuido de manera muy importante para identificar y
resaltar los puntos que hay que cubrir y considerar para llevar a cabo una implementación
exitosa de los sistemas. Nos deja muchas cosas importantes que reflexionar y muchas
otras las ha reforzado como puntos angulares para llevar a cabo una buena
implementación.