Universidad de Chile
Facultad de Ciencias Físicas y Matemáticas
Departamento de la Universidad
IN4273 – Gestión de Operaciones
Pauta Auxiliar 2
Pronóstico de demanda
Profesor: Andre Carboni Ewing, Rafael Epstein, Pablo Jofré
Auxiliares: Camila Jáuregui, Camilo Escalante, Catalina Lagos,
Vicente Bossa, Agustín Hilcker, Benjamín Carmona, Elisa Caro, Camila Carrasco.
Pregunta 1
Eres consultor/a contratado/a por una heladería artesanal que desea mejorar su planificación
y gestión de inventario mediante la implementación de un modelo de predicción de demanda. La
heladería ofrece una variedad de sabores de helados artesanales y está ubicada en una zona turística
junto a la playa en la costa sur del país. La demanda de helados puede variar significativamente según
la temporada y las condiciones climáticas.
La heladería ha recopilado datos históricos de ventas de helados durante los últimos tres años.
Aquí están los datos de demanda mensual para los meses de verano (diciembre, enero y febrero):
Temporada Diciembre Enero Febrero Marzo
1 (2021 - 2022) 120 helados 140 helados 130 helados 150 helados
2 (2022 - 2023) 150 helados 170 helados 160 helados 180 helados
3 (2023 - 2024) 160 helados 180 helados x x
Utilizando los datos históricos proporcionados y asumiendo que las condiciones climáticas y el
comportamiento del consumidor seguirán siendo similares en la próxima temporada, se te pide que
elabores una predicción para Marzo 2024. Esta predicción ayudará a la heladería a planificar su
producción y gestionar adecuadamente su inventario para satisfacer la demanda esperada de helados
en los próximos meses.
a) Realice un pronóstico de demanda para marzo 2024, para esto utilice el modelo de suavización
exponencial con tendencia considerando solo los datos del último año. Considere los siguientes valo-
res: α = 0.5, β = 0.5,A0 = 100, T0 = 5.
Se pueden graficar los datos desagregados:
Es notable un alza y un comportamiento similar a lo largo de los años.
Como se nos pide en el enunciado, se calculan el pronóstico utilizando los datos del último año. Se
nos indica que debemos utilizar el modelo de suavización exponencial con tendencia. Para se utilizará
las fórmulas:
At = α · Dt + (1 − α) · (At−1 + Gt−1 )
Pauta Auxiliar 2 1
Figura 1: Demanda por temporada
Gt = β · (At − At−1 ) + (1 − β) · Gt−1
Iteramos por mes:
• Diciembre:
Adic = 0.5 · 160 + (1 − 0.5) · (100 + 5) = 132.5
Gdic = 0.5 · (132.5 − 100) + (1 − 0.5) · 5 = 18.75
• Enero:
Aene = 0.5 · 180 + (1 − 0.5) · (132.5 + 18.75) = 165.63
Gene = 0.5 · (165.63 − 132.5) + (1 − 0.5) · 18.75 = 25.94
Por lo que el pronóstico para marzo estará dado por:
Ft+k = At + k ∗ Gt
Fmarzo = 165.63 + 2 ∗ 25.94 = 217.51
b) PROPUESTO. Ahora, realice un pronóstico de demanda para marzo 2024 suponiendo que exis-
te estacionalidad. Para esto utilice el modelo de suavización exponencial con tendencia y estacionali-
dad, considerando los datos agregando. Considere los siguientes valores: α = β = γ = 0.5,A0 = 100,
G0 = 5, R−3 = 0.89,R−2 = 1.04,R−1 = 0.96,R0 = 1.11.
Pauta Auxiliar 2 2
Considere el gráfico:
Figura 2: Demanda
Utiliza las siguientes fórmulas:
Dt
At = α · ( + (1 − α) · (At−1 + Gt−1 )
Rt−N
Gt = β · (At − At−1 ) + (1 − β) · Gt−1
Dt
Rt = γ · + (1 − γ) · Rt−N
At
F t + k = (At + k · Gt ) · Rt−N +k
Pregunta 2
Usted es el nuevo gerente de operaciones de una conocida pastelería de la capital. Los últimos me-
ses ha tenido problemas para satisfacer la demanda de sus clientes, produciéndose quiebres de stock
de manera regular. Usted decide aplicar el conocimiento adquirido sobre pronósticos de demanda,
generando un modelo cuantitativo de predicción. A continuación, se detalla la información histórica
de la demanda.
Pauta Auxiliar 2 3
Mes Demanda
Enero 106
Febrero 116
Marzo 123
Abril 120
Mayo 122
Junio x
Julio x
a) Basándose en los datos ¿Que modelo de pronostico de demanda utilizaría? Justifique su decisión.
Solo se pueden usar métodos de series de tiempo. Por cantidad de datos no se puede incluir es-
tacionalidad. Además se puede apreciar una leve tendencia. Entonces el modelo más apropiado es el
ALISAMIENTO EXPONENCIAL CON TENDENCIA.
b) Realice un pronóstico de demanda para Julio, para esto utilice el modelo de suavización expo-
nencial con tendencia. Considere los siguientes valores: α = 0.5, β = 0.5,A0 = 100, T0 = 5.
Se nos indica que debemos utilizar el modelo de suavización exponencial con tendencia. Para se
utilizará las fórmulas:
At = α · Dt + (1 − α) · (At−1 + Gt−1 )
Gt = β · (At − At−1 ) + (1 − β) · Gt−1
Iteramos por mes:
• Enero:
Aene = 0.5 · 106 + (1 − 0.5) · (100 + 5) = 105.5
Gene = 0.5 · (105.5 − 100) + (1 − 0.5) · 5 = 5.25
• Febrero:
Af eb = 0.5 · 116 + (1 − 0.5) · (105.5 + 5.25) = 113.38
Gf eb = 0.5 · (113.38 − 105.5) + (1 − 0.5) · 5.25 = 6.56
• Marzo:
Amar = 0.5 · 123 + (1 − 0.5) · (113.38 + 6.56) = 121.47
Gmar = 0.5 · (121.47 − 113.38) + (1 − 0.5) · 6.56 = 7.33
• Abril:
Aabr = 0.5 · 120 + (1 − 0.5) · (121.47 + 7.33) = 124.40
Pauta Auxiliar 2 4
Gabr = 0.5 · (124.40 − 121.47) + (1 − 0.5) · 7.33 = 5.13
• Mayo:
Amay = 0.5 · 122 + (1 − 0.5) · (124.40 + 5.13) = 125.77
Gmay = 0.5 · (125.77 − 124.40) + (1 − 0.5) · 5.13 = 3.25
Por lo que el pronóstico para julio estará dado por:
Ft+k = At + k ∗ Gt
Fj ulio = 125.77 + 2 ∗ 3.25
C) BONUS: Realice un nuevo pronóstico considerando que la demanda de Junio fue de 125. Com-
pare el nuevo pronóstico con el calculado en la parte anterior. En caso de existir diferencias, explique
a qué se deben.
Se tiene un nuevo dato, la demanda de junio es DJunio = 125. Por lo que se puede incorporar esa
información a nuestros modelos:
• Junio
Ajun = 0.5 · 125 + (1 − 0.5) · (125.77 + 3.25) = 127.01
Gjun = 0.5 · (127.01 − 125.77) + (1 − 0.5) · 3.25 = 2.23
El nuevo pronóstico para julio será:
Fj ulio′ = 127.01 + 2.23 = 129.24
El nuevo pronóstico es distinto debido a que se le añadió información al modelo. Por lo tanto, los
datos se ajustaron a la demanda real de junio y predijo una nueva demanda para julio.
Pregunta 3
Como jefa/e del área de Ventas en el supermercado " El Gran Ofertón", se le encarga predecir el
total de ventas para el próximo semestre utilizando técnicas de machine learning. Se proporciona un
archivo comprimido llamado ’time_series.csv’ que contiene datos históricos de ventas. Implementan-
do modelos de regresión lineal, Support Vector Machine (SVM) y Random Forest, se solicita calcular
la demanda para cada uno de los meses del próximo semestre (6 meses). Al evaluar los resultados,
¿con qué predicción se inclinaría usted? Fundamente su elección basándose en el error cuadrático
medio de cada modelo.
Respuesta en el colab disponible en .enlaces"del curso.
Pauta Auxiliar 2 5
