Documente Academic
Documente Profesional
Documente Cultură
ALEXANDER CHARRU
UNIVERSIDAD SURCOLOMBIANA
NEIVA-HUILA
26 DE JULIO DE 2018
TABLA DE CONTENIDO
En este sentido, es fundamental saber cuál es la herramienta que se desea utilizar y se ajusta a la
necesidad actual de una empresa, visionando con los resultados un avance en pro del crecimiento
y prosperidad de la misma.
2. OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECIFICOS
- Realizar la recolección de datos por parte de la entidad prestadora del servicio público
(EMAC)
- Aplicar el método de Holt-Winters a los datos recolectados en la entidad.
- Aplicar el método de Holt a los datos recolectados en la entidad
- Aplicar el método Promedio Móvil doble.
- Evaluar el nivel de confianza del pronóstico.
3. JUSTIFICACION
Bajo el vertiginoso cambio climático que se está afrontando, consecuencia de la poca conciencia
ecológica e intereses personales de grandes empresarios, es evidente y notorio observar el
desgaste que se ha venido presentado en nuestros paisajes en particular, en las fuentes hídricas, al
ser el agua un recurso vital para la existencia y preservación de la especie humana, se hace
fundamental tomar medidas que ayuden a reducir ese impacto ambiental en específico en las
fuentes hídricas. En ese sentido, existen mecanismos que nos puede apoyar a la hora de tomar
una determinación en pro de la conservación de dichos recursos.
En las últimas décadas se han dedicado esfuerzos por extender y mejorar los métodos para el
pronóstico de demanda. El estudio de los resultados obtenidos es uno de nuestros objetivos en
este trabajo. Son muchas las razones por las cuales hacer un pronóstico tiene un grado de
dificultad superior; entre ellas se cuentan: las complejidades de sus factores determinantes, las
características estructurales de los datos, el horizonte de pronóstico y las limitantes propias de las
metodologías empleadas.
Se utilizaran algunas herramientas de pronóstico que nos proyectaran para este trabajo que
cantidad de agua demandará la población campoalegruna en el cuarto trimestre del año 2019,
con dichos resultado se podrá crear programas de mantenimiento, análisis de la confiabilidad y
seguridad de operación. Para el caso de pronóstico a largo plazo es indispensable para
construcción una nueva bocatoma o ampliación de la misma, así como la determinación de los
precios y sus políticas de regulación. Por lo tanto un buen estudio de pronóstico de demanda de
agua, es necesario para la operación económica y segura del sistema.
“En cualquier proceso de investigación es necesario seguir diversos pasos, todos ellos
fundamentales, para abordar cualquier problema. Uno de ellos es el estado del arte, cuya
elaboración es necesaria para afianzar la formulación del problema o tema investigativo, aunque
generalmente se inicia cuanto se está planteando el problema. La realización de estados de arte
permite compartir la información, generar una demanda de conocimientos paralelos, ofreciendo
diferentes posibilidades de compresión del problema tratado o por tratar, debido a que posibilita
múltiples alternativas entorno a un tema”. (OLGA LONDOÑO, 2016). Teniendo en cuenta esta
definición nos encontramos con unos estudios que nos sirven como guía para el desarrollo del
proyecto, adaptando la información al contexto.
5. MARCO TEORICO
Colombia cuenta con una exuberancia en recursos hídricos, este hecho lo postulo como uno de
los países más privilegiados del mundo. Contradictoriamente, hay un déficit para algunas zonas
del país sumado a esto la falta de gobernabilidad en la administración debido a factores de orden
técnico y político; es así que el sistema de gestión hoy carece de una política de gestión integral
del agua.
La preservación de este preciado líquido y su uso apropiado es una de las principales funciones
impartidas por el Estado Colombiano que entró a ejercer un papel de control y supervisión en la
Prestación de los Servicios Públicos; auspiciando la privatización de éstos y reglamentando las
tarifas, el régimen económico y los subsidios. (Constitución, 1991).
Es así, que el agua potable es esencial e imprescindible para que la vida de todos los seres
humanos sea posible, por esta razón la Constitución Política de Colombia dio especial relevancia a
los Recursos Naturales y a los llamados derechos Colectivos y del Medio Ambiente cuya protección
también se estableció en dicha carta magna, catalogando el agua potable como la esencia del
crecimiento sostenible por ser materia prima vital del ser humano. (Constitución, 1991).
• Aplicar el modelo
• Evaluar el pronóstico
Además se presentan dos tipos de pronósticos los cualitativos y los cuantitativos, para este
presente trabajo nos enfocaremos en los cuantitativos.
“Los Pronósticos cualitativos son aquellos que utilizan el juicio, intuición, resumen o técnicas
comparativas para producir estimados cuantitativos acerca del futuro” (Ronald H. Ballou, 1998,
p.277).
Algunos expertos consideran que los pronósticos cualitativos no son tan apropiados y se deberán
tomar como último recurso, en contraposición a esta postura Makridaki, Wheelwright y Hyndman
(1998, p.8) expresan que este tipo de pronóstico es muy útil cuando hay poca información
cuantitativa pero existe el suficiente conocimiento cualitativo.
Por otro lado los pronósticos cuantitativos según Makridaki, Wheelwright y Hyndman (1998, p.9)
mencionan que pueden aplicarse bajo la presencia de las siguientes condiciones:
Dentro de los métodos cuantitativos se pueden encontrar dos categorías de pronósticos: modelos
por serie de tiempo y modelos causales
Supondremos que en una serie existen cuatro tipos básicos de variación, los cuales
sobrepuestos o actuando en concierto, contribuyen a los cambios observados en un
período de tiempo y dan a la serie su aspecto errático. Estas cuatro componentes son:
Tendencia secular, variación estacional, variación cíclica y variación irregular.
a. variación
1. Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es por
lo común el resultado de factores a largo plazo. En términos intuitivos, la tendencia de
una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la
propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el
crecimiento o la reducción de la misma, tales como: cambios en la población, en las
características demográficas de la misma, cambios en los ingresos, en la salud, en el
nivel de educación y tecnología. Las tendencias a largo plazo se ajustan a diversos
esquemas. Algunas se mueven continuamente hacía arriba, otras declinan, y otras más
permanecen igual en un cierto período o intervalo de tiempo.
2. Variación estacional: El componente de la serie de tiempo que representa la
variabilidad en los datos debida a influencias de las estaciones, se llama componente
estacional. Esta variación corresponde a los movimientos de la serie que recurren año
tras año en los mismos meses (o en los mismos trimestres) del año poco más o menos
con la misma intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca
actividad de ventas durante los meses de otoño e invierno y tiene ventas máximas en
los de primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa
de abrigo esperan un comportamiento anual opuesto al del fabricante de albercas.
3. Variación cíclica: Con frecuencia las series de tiempo presentan secuencias alternas de
puntos abajo y arriba de la línea de tendencia que duran más de un año, esta variación
se mantiene después de que se han eliminado las variaciones o tendencias estacional
e irregular. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos
períodos recurrentes dependen de la prosperidad, recesión, depresión y recuperación,
las cuales no dependen de factores como el clima o las costumbres sociales.
4. Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no
recurrentes que afectan a la serie de tiempo. Como este componente explica la
variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar
predecir su impacto sobre la serie de tiempo. Existen dos tipos de variación irregular:
a) Las variaciones que son provocadas por acontecimientos especiales, fácilmente
identificables, como las elecciones, inundaciones, huelgas, terremotos. b) Variaciones
aleatorias o por casualidad, cuyas causas no se pueden señalar en forma exacta, pero
que tienden a equilibrarse a la larga.
b. Tendencia
1. Tendencia lineal
Como se dijo antes, la tendencia de una serie viene dada por el movimiento general a
largo plazo de la serie. La tendencia a largo plazo de muchas series de negocios
(industriales y comerciales), como ventas, exportaciones y producción, con frecuencia se
aproxima a una línea recta. Esta línea de tendencia muestra que algo aumenta o
disminuye a un ritmo constante. El método que se utiliza para obtener la línea recta de
mejor ajuste es el Método de Mínimos Cuadrados.
2. Tendencia no lineal
Cuando la serie de tiempo presenta un comportamiento curvilíneo se dice que este
comportamiento es no lineal. Dentro de las tendencias no lineales que pueden
presentarse en una serie se encuentran, la polinomial, logarítmica, exponencial y
potencial, entre otras.
1. Promedio Móvil
Un promedio móvil se construye sustituyendo cada valor de una serie por la media
obtenida con esa observación y algunos de los valores inmediatamente anteriores y
posteriores.
2. Promedios móviles ponderados
El método consiste en asignar un factor de ponderación distinto para cada dato.
Generalmente, a la observación o dato más reciente a partir del que se quiere hacer el
pronóstico, se le asigna el mayor peso, y este peso disminuye en los valores de datos más
antiguos.
3. Suavizamiento exponencial
El suavizamiento exponencial emplea un promedio ponderado de la serie de tiempo
pasada como pronóstico; es un caso especial del método de promedios móviles
ponderados en el cual sólo se selecciona un peso o factor de ponderación, el de la
observación más reciente. El modelo básico de suavizamiento exponencial es el siguiente:
𝛼 = constante de suavizamiento 0 ≤ α ≤ 1
De Todo lo anterior se van a trabajar los métodos de medias móviles, Holt y Holt-Winters
Tendencia
𝑇𝑡 = 𝛽(𝑁𝑡 − 𝑁𝑡−1 ) + (1 − 𝛽)𝑇𝑡−1
Donde:
Previsión
La fórmula para la previsión se forma sumando el valor suavizado del nivel y la estimación
de la tendencia:
𝐹𝑡+1 = 𝑁𝑡 + 𝑇𝑡
6. ANALISIS DE RESULTADOS
Para la implementación de los métodos se hizo uso de una serie de tiempo de demanda de
agua potable de la empresa EMAC del municipio de Campoalegre de los periodos 2017, 2018
y 2019, las cuales se muestran a continuación:
Tabla 1. Demanda de agua en el municipio de Campoalegre periodos 2017, 2018 y 2019
Tabla 2. Análisis estadístico de los datos de la demanda de agua en los periodos 2017, 2018 y 2019
Analisis Estadistico
Media 105496,893
Error típico 2774,09385
Mediana 103672,5
Moda #N/A
Desviación estándar 14679,1249
Varianza de la muestra 215476708
Curtosis 16,7349319
Coeficiente de asimetría 3,54303909
Rango 89744
Mínimo 82479
Máximo 172223
Suma 2953913
Cuenta 28
En primera instancia se debe conocer el comportamiento de esta serie, hacer una estimación de la
técnica que se va a emplear y luego el pronóstico de los siguientes periodos; cabe anotar que esto
es con fines académicos, pues la base de datos que se tiene es una muestra pequeña, como antes
se ha mencionado el tamaño de la muestra es importante en la precisión del pronóstico, debido a
que la demanda es variable se debe considerar un análisis espaciado de tiempo para estimar su
comportamiento. En la práctica los analistas utilizan datos históricos de más de veinte años, con
esto se puede establecer patrones discriminantes por mes, vacaciones, invierno, verano entre
otras y con ello proyectarlo a horizontes de uno a quince años obteniendo así un pronóstico
confiable sobre el comportamiento mensual de la demanda. En caso de contar con el
comportamiento hora a hora de la demanda los perfiles de consumo se discriminan por hora del
día, día de la semana, fin de semana, festivos, y las mencionadas anteriormente.
Donde:
Periodo 2017
Periodo 2018
Periodo 2019
Se puede observar en el mes de febrero del año 2018 se presenta un dato atípico, debido al mal
funcionamiento de algunos contadores que se cambiaron, esta observación dada por parte de un
funcionario encargado de llevar control de estos procesos, los meses donde se presenta mayor
consumo son agosto y octubre.
Figura 2. Demanda de agua desde el periodo 2017- 2019
De los métodos implementados en el software Minitab 18 el que presenta mejor ajuste para la
serie de datos es el Método Holt-Winter, este método presenta el menor error de ajuste entre el
modelo y la serie de datos, tal como se muestra en la figura 9 no obstante el Modelo Winter
Aditivo es quien posee el mayor coeficiente de correlación entre los modelos ajustados , en este
caso se puede afirmar el comportamiento de la serie de demanda de energía eléctrica obedece al
Modelo Winter Aditivo pues el coeficiente de correlación es ni mayor a 0,8 y es el más cercano a 1.
7.1. BIBLIOGRAFÍA