Problema 1 : Pronósticos Estacionales

El gerente de planta de AVINKA S.A, está intentando planear las necesidades de efectivo, personal y materiales
suministros para cada trimestre del próximo año. Los datos de ventas trimestrales durante los últimos tres añ
razonablemente parecen reflejar el patrón de resultados estacional que debe esperarse en el futuro. Si pudie
estimar las ventas trimestrales del siguiente año, podría determinar las necesidades de efectivo, material, person
y suministro.

Ventas trimestrales (miles de unidades)

Año
T1 T2 T3 T4
1 520 730 820 530
2 590 810 900 600
3 650 900 1,000 650

Indice Estacional 0.81 1.12 1.25 0.82

Datos desestacionalizados
Ventas trimestrales (miles de unidades)
Año
T1 T2 T3 T4
1 643 651 656 648
2 729 722 720 733
3 803 802 800 794

X Y
1 643
2 651
3 656
4 648
5 729
6 722
7 720
8 733
9 803
10 802
11 800
12 794 I.E
13 835 0.81 675
14 851 1.12 955
15 868 1.25 1086
16 885 0.82 724

Ventas trimestrales (miles de unidades)

Año
T1 T2 T3 T4
1 520 730 820 530
2 590 810 900 600
3 650 900 1,000 650
4 675 955 1086 724
es de efectivo, personal y materiales y
estrales durante los últimos tres años
be esperarse en el futuro. Si pudiera
sidades de efectivo, material, personal

Total Promedio
Anual 725
2,601
2,902
3,203
..

Total
Anual
2,598
2,906
3,202

1,200

1,000

800

600

400

200

0
1 2 3 4

Row 48 Row 49 Row 50 Row 51

Problema 2 : Pronósticos Estacionales

La empresa de Calzado Flor deOro S.A. requiere pronosticar la demanda agregada(pares de zapatos) de sus pro
12 meses. Con base a las ventas de los 3 últimos años aplicar el método de descomposición de series de tiemp

Año Ene Feb Mar Abr May Jun Jul

1 (2010) 1,640 1,765 1,980 2,100 1,670 1,900 1,750
2 (2011) 1,850 1,940 2,090 2,330 1,860 2,120 1,970
3 (2012) 2,060 2,180 2,340 2,540 2,095 2,360 2,205
Año Ene Feb Mar Abr May Jun
4 (2013) 2,126 2,270 2,490 2,726 2,215 2,530
es de zapatos) de sus productos que manufactura para los próximos
sición de series de tiempo para tal fin.

Ago Sep Oct Nov Dic

1,830 1,650 1,670 1,720 1,650
2,080 1,870 1,900 1,950 1,835
2,280 2,100 2,110 2,180 2,045
Jul Ago Sep Oct Nov Dic
2,365 2,488 2,274 2,313 2,398 2,282
Problema 3 : Pronósticos Estacionales

La Gerencia de Ventas de Molino La Perla SAC trujillo, desea establecer su proyección financiera a mediano
plazo y para lo cual necesita la proyección de la demanda para el siguiente año mes a mes. Realizar dicha
proyección utilizando el método de descomposición de series de tiempo. Para tal efecto se cuenta con
información de las ventas realizadas en los últimos tres años mes a mes.

Año
Mes
2010 2011 2012
Enero 12,500 14,375 15,813
Febrero 12,570 14,456 15,901
Marzo 13,050 15,008 16,508
Abril 13,780 15,847 17,432
Mayo 14,200 16,330 17,963
Junio 15,300 17,595 19,355
Julio 15,900 18,285 20,114
Agosto 16,000 18,400 20,240
Septiembre 15,200 17,480 19,228
Octubre 15,000 17,250 18,975
Noviembre 14,200 16,330 17,963
Diciembre 13,800 15,870 17,457

También se le solicita validar su modelo e interprete cada índice de valoración hallado.

proyección financiera a mediano
año mes a mes. Realizar dicha
ara tal efecto se cuenta con
Problema 4 : Pronósticos Estacionales
Alicorp, para su línea de productos aceites comestibles requiere pronosticar la demanda agregada(en miles de litros) de
base a las ventas de los 3 últimos años: (1) Aplicar el método de descomposición de series de tiempo para pronosticar to
Haga un gráfico

Demanda histórica por producto (cajas)

Año Producro Ene Feb Mar Abr
1 (2010) Aceite Primor 5 litros 460000 500000 525000 545000
Aceite Primor litro 860000 890000 935000 950000
Aceite Primor 1/2 litro 840,000 880,000 910,000 1,200,000
Aceite Cocinero litro 650,000 700,000 740,000 950,000
Aceite Cocinero 1/2 itro 150,000 170,000 190,000 230,000
2 (2011) Aceite Primor 5 litros 490000 530000 555000 575000
Aceite Primor litro 895000 925000 970000 985000
Aceite Primor 1/2 litro 860,000 920,000 930,000 1,235,000
Aceite Cocinero litro 680,000 720,000 760,000 970,000
Aceite Cocinero 1/2 itro 168000 188000 208000 248000
3 (2012) Aceite Primor 5 litros 515000 555000 580000 600000
Aceite Primor litro 940000 970000 1015000 1030000
Aceite Primor 1/2 litro 875,000 935,000 1,020,000 1,280,000
Aceite Cocinero litro 710,000 750,000 790,000 1,000,000
Aceite Cocinero 1/2 itro 190,000 210,000 230,000 270,000

Presentación Envase Unidad

litro /envase presentac envase /caja
Aceite Primor 5 litros Bidón 5.0 caja 4
Aceite Primor litro Botella 1.0 caja 6
Aceite Primor 1/2 litro Botella 0.5 caja 12
Aceite Cocinero litro Botella 1.0 caja 6
Aceite Cocinero 1/2 itro Botella 0.5 caja 12

DEMANDA HISTORICA
Solución: Ene Feb Mar Abr
2010 24200 25840 27150 30880
2011 25418 27118 28308 32128
2012 26590 28290 29930 33480

INDICE ESTACIONAL 0.79 0.84 0.89 1.00

DATOS DESESTACIONALIZADOS
Ene Feb Mar Abr
2010 30539 30586 30578 30778
2011 32076 32099 31883 32022
2012 33555 33486 33709 33370

x y
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
gada(en miles de litros) de sus productos que manufactura para los próximos 12 meses. Con
tiempo para pronosticar todo el año 2013. (2) Valide la técnica de pronóstico empleada. (3)

May Jun Jul Ago Sep Oct Nov Dic

620000 650000 580000 540000 480000 430000 450000 600000
1020000 1080000 1150000 1000000 970000 960000 930000 900000
1,250,000 1,340,000 1,380,000 1,420,000 1,205,000 1,150,000 1,250,000 1,300,000
980,000 1,020,000 1,100,000 1,250,000 1,210,000 1,100,000 1,050,000 1,050,000
250,000 280,000 250,000 250,000 220,000 215,000 190,000 180,000
650000 680000 610000 570000 510000 460000 480000 630000
1055000 1115000 1185000 1035000 1005000 995000 965000 935000
1,320,000 1,380,000 1,410,000 1,480,000 1,300,000 1,200,000 1,270,000 1,310,000
1,000,000 1,040,000 1,120,000 1,270,000 1,230,000 1,120,000 1,070,000 1,070,000
268000 298000 268000 268000 238000 233000 208000 198000
675000 705000 635000 595000 535000 485000 505000 655000
1100000 1160000 1230000 1080000 1050000 1040000 1010000 980000
1,370,000 1,425,000 1,480,000 1,550,000 1,450,000 1,300,000 1,350,000 1,370,000
1,030,000 1,070,000 1,150,000 1,300,000 1,260,000 1,150,000 1,100,000 1,100,000
290,000 320,000 290,000 290,000 260,000 255,000 230,000 220,000

litros/cja PROMEDIO
20 32057
6
6
6
6

May Jun Jul Ago Sep Oct Nov Dic

33400 35320 34880 34320 31230 29150 29520 32580
34858 36598 36098 35718 32838 30488 30678 33678
36240 37950 37600 37220 34820 32170 32240 35120

1.09 1.14 1.13 1.12 1.03 0.95 0.96 1.05

May Jun Jul Ago Sep Oct Nov Dic

30738 30917 30894 30772 30372 30535 30712 30906
32080 32035 31973 32026 31936 31937 31917 31948
33352 33219 33303 33372 33863 33699 33542 33316
Un distribuidor Des Moines de computadoras portátiles Sony quiere desarrollar un pronostico
mensual para las ventas del 2008. Se dispone de los datos mensuales para los años 2005 a
2007.

2005 2006 2007

Enero 80 85 105
Febrero 70 85 85
Marzo 80 93 82
Abril 90 95 115
Mayo 113 125 131
Junio 110 115 120
Julio 100 102 113
Agosto 88 102 110
Septiembre 85 90 95
Octubre 77 78 85
Noviembre 75 82 83
Diciembre 82 78 80
un pronostico
ños 2005 a

94
-
-
-
-
-
-
-
-
-
-
-
-
Mark Cotteleer posee una compañía que fabrica lanchas. Las demandas reales de las lanchas de
Mark durante cada temporada desde 2004 hasta 2007 fueron como se muestra en la tabla
adjunta.
Mark ha pronosticado que la demanda anual de sus lanchas en 2009 será igual a 5,600. Con
base en estos datos y el modelo estacional, ¿cuál será el nivel de la demanda para las lanchas
de Mark en la primavera de 2009?

Año
Temporada 2004 2005 2006 2007
Invierno 1400 1200 1000 900
Primavera 1500 1400 1600 1500
Verano 1000 2100 2000 1900
Otoño 600 750 650 500

2500

2000

1500

1000

500

0
1 2 3 4
de las lanchas de
en la tabla
a 5,600. Con
ra las lanchas

INVIERNO PRIMAVERA VERANO OTOÑO PROMEDIO

2004 1400 1500 1000 600 1250
2005 1200 1400 2100 750
2006 1000 1600 2000 650
2007 900 1500 1900 500

INDICE ESTACIONAL 0.9 1.2 1.4 0.5

INVIERNO PRIMAVERA VERANO OTOÑO

2004 1556 1250 714 1200
2005 1333 1167 1500 1500
2006 1111 1333 1429 1300
2007 1000 1250 1357 1000

X Y
1 1556
2 1250
3 714
4 1200
5 1333
6 1167
7 1500
8 1500
9 1111
10 1333
11 1429
12 1300
13 1000
14 1250
15 1357
16 1000 I.E
17 1217 0.9 1095
18 1213 1.2 1455
19 1209 1.4 1692
20 1205 0.5 603

Año
Temporada 2004 2005 2006 2007 2008
Invierno 1400 1200 1000 900 1095
Primavera 1500 1400 1600 1500 1455
Verano 1000 2100 2000 1900 1692
Otoño 600 750 650 500 603
la asistencia al nuevo parque tipo disney en los
angeles, vacation world, ha dado la siguiente data,
determine la asistencia pronosticada para el 2009

Asistencia
Año Temporada
(miles)
Invierno 73
Primavera 14
2005
Verano 168
Otoño 74
Invierno 65
Primavera 82
2006
Verano 124
Otoño 52
Invierno 89
Primavera 146
2007
Verano 205
Otoño 98