Documente Academic
Documente Profesional
Documente Cultură
Tarea 1
Administracin de la
Produccin
ICN-345
Edgardo Seballos P.
Fecha:
16 de Abril 2015
Donde:
Ft = Pronstico para el siguiente perodo.
N = Nmeros de perodos para promediar.
At-1 = Ocurrencia real en el perodo pasado.
At-2, At-3 y At-n = Ocurrencias reales hace dos perodos, hace tres perodos, y as sucesivamente,
hasta hace n perodos.
Mes
Demandat
dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15
12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?
Pronstico
(n=3)
Error
Error abs
Error2
15,98
19,88
23,77
27,68
29,51
31,86
34,38
38,68
41,18
43,32
45,93
50,86
55,02
58,17
8,34
7,21
7,86
2,12
4,64
7,33
8,33
2,97
4,43
7,20
10,52
7,22
4,95
8,34
7,21
7,86
2,12
4,64
7,33
8,33
2,97
4,43
7,20
10,52
7,22
4,95
69,50
52,03
61,73
4,49
21,56
53,73
69,39
8,80
19,60
51,79
110,74
52,13
24,54
DAM
SESGO
ECM
6,39
6,39
46,16
Mes
Demandat
dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15
12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?
Pronstico
(n=9)
Error
Error abs
Error2
26,01
29,36
32,27
35,13
38,04
41,30
44,24
47,59
16,70
12,29
13,34
15,39
18,41
16,78
15,73
16,70
12,29
13,34
15,39
18,41
16,78
15,73
278,74
151,15
177,90
236,92
338,97
281,53
247,43
DAM
SESGO
ECM
15,52
15,52
244,66
Pues bien, una vez presentadas las tablas 2 y 3 se puede observar rpidamente que el pronstico
con media mvil de 9 meses presenta un mayor error. Por lo que queda claramente establecido
que bajo esta premisa la media mvil de 3 meses representa un resultado ms representativo de la
demanda real.
Demanda
50
40
Demanda real
30
20
10
0
ago-13 nov-13 mar-14 jun-14 sep-14 dic-14 abr-15 jul-15
Mes
Figura 1: Grfica comparativa promedio mvil simple
Horizonte de pronstico
ser Corto
Este pronstico permite asignar una preponderancia a cada uno de los elementos, con la
condicin de que estas sumen 1. Por lo general, se tiende a dar una mayor importancia al
elemento ms reciente.
Donde:
w1 = Ponderacin dada a la ocurrencia real para el perodo t-1.
w2 = Ponderacin dada a la ocurrencia real para el perodo t-2.
w3 = Ponderacin dada a la ocurrencia real para el perodo t-3.
n = Nmero total de perodos en el pronstico.
Por lo tanto:
Tabla 5: Pronstico de promedio mvil ponderado.
Mes
Demandat
dic-13
ene-14
feb-14
12,64
15,4
19,91
mar-14
24,32
17,10
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?
21,21
24,82
28,81
29,81
32,34
35,80
39,94
41,48
43,84
47,27
52,50
56,08
58,70
Ponderacin
aplicada
Perodo
5
3
2
ltimo mes
Hace dos meses
Hace tres meses
Suma
ponderaciones
10
Error
7,22
5,88
6,81
0,99
4,34
6,85
6,91
1,71
4,13
6,68
9,18
5,58
3,89
DAM
SESGO
ECM
5,40
5,40
34,04
Demanda
50
Demanda Real
40
Media Mvil con
ponderacin
trimestral
30
20
10
0
ago-13 nov-13 mar-14 jun-14 sep-14 dic-14 abr-15
Mes
jul-15
A primera vista, se logra observar que este mtodo representa de manera ms concluyente la
demanda real, respecto al antecesor presentado en este informe. Esto se puede explicar dada la
mayor ponderacin que posee el ltimo elemento, respecto al ms antiguo.
Suavizado exponencial:
Se presenta la tabla con las caractersticas correspondientes:
Tabla 6: Caractersticas suavizado exponencial.
Horizonte de pronstico
ser Corto
Este mtodo tiene como gran ventaja, la utilizacin de una menor cantidad de datos histricos, ya
que al agregar un nuevo dato, se elimina el anterior y se calcula un nuevo pronstico. Debido a
que en la mayora de los casos las ocurrencias ms recientes son mejores indicadores del futuro
en comparacin a los datos con mayor data.
La constante de suavizacin determina el nivel de uniformidad y velocidad de reaccin a las
diferencias entre los pronsticos y las ocurrencias reales, pero hay que tener en cuenta que a una
mayor variacin de la demanda real, la constante deber ser de mayores puntos porcentuales.
Donde:
Ft = El pronstico suavizado exponencialmente para el perodo t.
Ft-1 = El pronstico suavizado exponencialmente para el perodo anterior.
At-1 = La demanda real para el perodo anterior.
= El ndice de respuesta deseado, o la constante de suavizacin.
Por lo tanto, se tiene:
Tabla 7: Pronstico suavizado exponencial.
Mes
Demandat
Ft
Error
Error abs
Error2
dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15
12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?
13,00
12,75
14,59
18,28
22,46
25,67
29,80
29,80
32,81
37,23
41,03
41,46
44,34
48,62
54,05
56,84
59,01
-0,36
2,65
5,32
6,04
4,63
5,96
0,00
4,35
6,38
5,48
0,62
4,15
6,18
7,83
4,03
3,13
0,36
2,65
5,32
6,04
4,63
5,96
0,00
4,35
6,38
5,48
0,62
4,15
6,18
7,83
4,03
3,13
0,13
7,02
28,34
36,54
21,40
35,52
0,00
18,92
40,65
30,00
0,39
17,23
38,25
61,29
16,27
9,79
DAM
SESGO
ECM
4,19
4,15
22,61
Demanda Real
40
30
Pronstico con
Suavizado
Exponencial
20
10
0
may-13
nov-13
jun-14
Mes
dic-14
jul-15
Horizonte de pronstico
Corto
Una tendencia en el set de datos puede provocar que el pronstico exponencial quede por debajo
o atrs de la ocurrencia real, por lo que se hace necesaria una correccin que es provocada por la
adicin de unos ajustes a las tendencias. Al contrario del caso simple, son necesarias dos
constantes de suavizacin, la ya conocida y una constante de suavizacin beta , la que es
utilizada en la ecuacin de la tendencia. Siendo esta la que provoca una disminucin en el error
de la realidad con el pronstico.
10
( 5)
( 6)
Donde:
Ft = El pronstico suavizado exponencialmente para el perodo t.
Tt = La tendencia suavizada exponencialmente para el perodo t.
FITt = El pronstico incluida la tendencia para el perodo t.
FITt-1 = El pronstico incluida la tendencia hechas para el perodo anterior.
At-1 = La demanda real para el perodo anterior.
= Constante de suavizacin.
= Constante de suavizacin.
Por lo tanto se tiene:
Tabla 9: Pronstico suavizado exponencial con tendencia.
Mes
Demandat
Ft
Tt
FIT
Error
dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
abr-15
12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
?
13,00
13,91
15,96
19,54
23,64
26,91
30,98
31,38
34,23
38,44
42,22
43,00
45,75
49,84
55,08
58,08
60,39
3,00
2,98
2,97
2,97
2,99
2,99
3,00
2,97
2,97
2,99
2,99
2,97
2,97
2,98
3,00
3,00
3,00
16,00
16,89
18,93
22,51
26,62
29,90
33,98
34,35
37,20
41,42
45,22
45,97
48,71
52,82
58,08
61,08
63,39
-3,36
-1,49
0,98
1,81
0,47
1,73
-4,18
-0,20
1,99
1,29
-3,57
-0,36
1,81
3,63
0,00
-1,11
11
1,75
-0,04
4,66
Demanda
50
Demanda Real
40
30
Suavizado
Exponencial
con Tendencia
20
10
0
may-13
nov-13
jun-14
Mes
dic-14
jul-15
12
Este mtodo se refiere a una clase de regresin especial, en la que la relacin de las variables
forma una lnea recta, en la cual se forma una relacin funcional entre dos o ms variables
correlacionadas, es decir, se utiliza para pronosticar una variable a partir de otra con datos
observados. La regresin es til para el pronstico a largo plazo de eventos importantes, pero la
principal restriccin, es que supone que los datos pasados y los pronsticos futuros caen sobre
una recta.
La recta de la regresin lineal tiene la forma:
( 7)
( 2)
a partir de:
Donde:
Y = Es el valor de la variable dependiente calculada con la ecuacin de regresin.
= Es la secante en Y.
b = Es la pendiente.
X = Es la variable independiente.
= Promedio de todas las .
= Promedio de todas las .
= Valor de cada punto de datos.
= Valor de cada punto de datos.
= Nmero de puntos de datos
13
( 3)
Mes
Perodo de
tiempo (X)
(Y) Demandat
X2
XY
Pronstico
Error
Error abs
Error2
dic-13
ene-14
feb-14
mar-14
abr-14
may-14
jun-14
jul-14
ago-14
sep-14
oct-14
nov-14
dic-14
ene-15
feb-15
mar-15
SUMA
PROMEDIO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
136
8,5
12,64
15,4
19,91
24,32
27,09
31,63
29,8
34,15
39,19
42,71
41,65
45,61
50,52
56,45
58,08
59,97
589,12
36,82
1
4
9
16
25
36
49
64
81
100
121
144
169
196
225
256
1496
12,64
30,8
59,73
97,28
135,45
189,78
208,6
273,2
352,71
427,1
458,15
547,32
656,76
790,3
871,2
959,52
6070,54
13,37
16,50
19,62
22,75
25,88
29,00
32,13
35,26
38,38
41,51
44,64
47,76
50,89
54,02
57,14
60,27
-0,73
-1,10
0,29
1,57
1,21
2,63
-2,33
-1,11
0,81
1,20
-2,99
-2,15
-0,37
2,43
0,94
-0,30
0,73
1,10
0,29
1,57
1,21
2,63
2,33
1,11
0,81
1,20
2,99
2,15
0,37
2,43
0,94
0,30
0,53
1,20
0,08
2,46
1,47
6,90
5,43
1,22
0,65
1,44
8,92
4,63
0,14
5,92
0,88
0,09
b
3,13
a
10,24
Demanda Abril 2015
abr-15
17
63,40
DAM
1,38
SESGO
ECM
0,00
2,62
14
Regresin Lineal
70
60
Demanda
50
40
Demanda Real
30
Regresin Lineal
20
10
0
may-13
nov-13
jun-14
Mes
dic-14
jul-15
A partir de los resultados obtenidos de errores y de la figura presentada, se observa que este
mtodo se ajusta de buena manera a la demanda real. Ya que este mtodo de mnimos cuadrados,
trata de ajustar la recta a los datos que minimizan la suma de los cuadrados de la distancia
vertical entre cada punto de datos y el punto correspondiente en la recta.
Conclusiones:
Finalmente se presentan los resultados en una tabla comparativa:
Tabla 12: Comparacin de los errores de los modelos.
DAM
SESGO
ECM
PROMEDIO MVIL
SIMPLE
PROMEDIO
MVIL
PONDERADO
SUAVIZADO
EXPONENCIAL
SUAVIZADO
EXPONENCIAL
CON TENDENCIA
REGRESIN
LINEAL
6,39
6,39
46,16
5,40
5,40
34,04
4,19
4,15
22,61
1,75
-0,04
4,66
1,38
0,00
2,62
15
Comparacin Pronsticos
70
Demanda Real
60
Demanda
50
40
30
Suavizado Exponencial
20
10
0
ago-13 nov-13 mar-14 jun-14Messep-14
dic-14
abr-15
jul-15
Una vez presentadas las diferentes desviaciones absolutas medias, sesgos y errores cuadrados
medios de los diferentes pronsticos, se puede observar que la que representa mayor cercana a la
demanda real, es la proyeccin realizada con la regresin lineal. Lo anterior se poda suponer,
debido a las caractersticas del set de datos dados, los que presentaban una tendencia evidente. De
esta forma descartando a primera vista el promedio mvil simple, promedio mvil ponderado y
suavizado exponencial, aun as se realizaron estos procedimientos para dejar constancia
cuantitativa de lo supuesto. Por ltimo y bajo la premisa de los argumentos expuestos, se
desarrollaron los modelos de suavizado exponencial con tendencia y regresin lineal, donde los
resultados a favor del ltimo se pueden ver favorecidos al haber una mayor cantidad de
elementos. Por otro lado, la iteracin realizada por solver en el pronstico de suavizado
exponencial con tendencia se pudo haber visto perjudicada, ya que esta herramienta puede que no
haya encontrado un mnimo global que entrega unos mejores parmetros.
16