Método Normalizador MAG

Ejercicio

Una PYME cuenta con registro de ventas de uno de sus productos estrella, de los últimos 12
meses. Con estos datos han decidido realizar una proyección de la demanda para los próximos
períodos de funcionamiento, y de esta manera poder abastecerse de las materias primas y los
insumos necesarios para poder producir.

Uno de los socios de la PYME estudió Ingeniería comercial, y recordó que durante sus años de
estudio en algún momento le enseñaron a realizar el cálculo de pronósticos; por lo que se ofreció
para realizar la proyección que la empresa necesitaba.

Luego de realizar un análisis del comportamiento de la demanda, ha determinado estimar el

pronóstico por medio se series de tiempo utilizando promedio móvil simple (n = 2 y n = 3),
promedio móvil ponderado (0,5 – 0,3 – 0,2), suavizamiento exponencial simple (α = 0,3 A0 =23 -
α = 0,2), suavizamiento exponencial con tendencia (α = 0,3 β = 0,2 A0 = 15 T0 =2).

Una vez desarrollado cada uno de los métodos se obtuvieron los siguientes resultados de
pronósticos y errores:

PMS PMS
N=2 N=3 PMP SES1 SES2 SET
Pronóstico 26,5 25,67 25,30 25,26 25,16 28,0
Error 0 0,41 0,33 0,63 0,08 -2,26
MAD 4,40 4,33 4,71 3,71 3,91 5,18

a) Realice un análisis de los valores obtenidos, y determine cual método de pronósticos

es más certero, según los resultados.
b) Normalice los errores obtenidos mediante el método MAG, y verifique si la respuesta
dada en la alternativa a se mantiene.

Desarrollo alternativa b, método MAG

El “Método Normalizador MAG” es una herramienta de fácil utilización y comprensión, que fue
desarrollada y está en proceso de publicación (2013), tiene un amplio campo de uso, sin
embargo, para facilitar su aplicación, será descrita y aplicada en el contexto de decidir cuál
método de pronóstico sería el que mejor represente los objetivos de una organización.

1. Seleccione un criterio para normalizar

Normalizador MAG
PMS N=2 PMS N=3 PMP SES1 SES2 SET
Error 0 0,41 0,33 0,63 0,08 -2,26
MAD 4,40 4,33 4,71 3,71 3,91 5,18

This study source was downloaded by 100000850861019 from CourseHero.com on 09-08-2022 18:05:06 GMT -05:00

https://www.coursehero.com/file/149148033/Ejercicio-M%C3%A9todo-Normalizador-MAGpdf/
 En este caso, se seleccionarán los resultados obtenidos mediante el promedio móvil
simple n=3, esto quiere decir que se utilizara el valor del error medio (0,41) y MAD (4,33)
para normalizar el resto de los valores.

2. Divida todos los valores del error medio, en valor absoluto, por el parámetro
seleccionado (en este caso seleccionamos el error medio absoluto 0,41 que corresponde
al método PMS n = 3)

Normalizador MAG
PMS N=2 PMS N=3 PMP SES1 SES2 SET
Error |0/0,41| |0,41/0,41| |0,33/0,41| |0,63/0,41| |0,08/0,41| |-2,26/0,41|
MAD 4,40 4,33 4,71 3,71 3,91 5,18

Normalizador MAG
PMS N=2 PMS N=3 PMP SES1 SES2 SET
0 1 0,818182 1,542875 0,19155263 5,54023
Error
MAD 4,40 4,33 4,71 3,71 3,91 5,18

3. Divida todos los valores del MAD por el parámetro seleccionado. (Recuerde que la
utilización de los parámetros para normalizar debe corresponder al mismo método), en
este caso todos los errores medios absolutos se dividirán por MAD = 4,33.

Normalizador MAG
PMS N=2 PMS N=3 PMP SES1 SES2 SET
0 1 0,818182 1,542875 0,19155263 5,54023
Error
MAD 4,40/4,33 4,33/4,33 4,71/4,33 3,71/4,33 3,91/4,33 5,18/4,33

Normalizador MAG
PMS N=2 PMS N=3 PMP SES1 SES2 SET
0 1 0,818182 1,542875 0,19155263 5,54023
Error
1,015385 1 1,087179 0,855517 0,90116 1,19633
MAD

4. Una vez que se han dividido todos los errores por el parámetro seleccionado, el proceso
siguiente es calcular un promedio, por método, entre el error medio normalizado
obtenidos y el MAD normalizado obtenido.

Normalizador MAG
PMS
PMS N=2 N=3 PMP SES1 SES2 SET
Error 0 1 0,818182 1,542875 0,19155263 5,54023
MAD 1,015385 1 1,087179 0,855517 0,90116 1,19633
Promedio 0,51 1,00 0,95 1,20 0,55 3,37

This study source was downloaded by 100000850861019 from CourseHero.com on 09-08-2022 18:05:06 GMT -05:00

https://www.coursehero.com/file/149148033/Ejercicio-M%C3%A9todo-Normalizador-MAGpdf/
 5. Una vez que se han promediado los errores, se procede a seleccionar el mejor método
de pronósticos. En este caso la selección se basa en buscar aquel promedio de los
errores normalizados, que sea más bajo

Normalizador MAG
PMS
PMS N=2 N=3 PMP SES1 SES2 SET
Error 0 1 0,818182 1,542875 0,19155263 5,54023
MAD 1,015385 1 1,087179 0,855517 0,90116 1,19633
Promedio 0,51 1,00 0,95 1,20 0,55 3,37

En este caso, según el promedio de los errores normalizados, el mejor método de pronósticos
es el promedio móvil simple con N = 2.

Consideraciones especiales del método normalizador:

Pueden incluirse el número de criterios que la empresa desee, los resultados siempre entregaran
la mejor decisión perseguida por las organizaciones, y su validez dependerá solo de la calidad de
los indicadores y criterios establecidos.

Este método permite, tomar decisiones, asignando diferentes ponderaciones o pesos a los
criterios, en estos casos, en lugar de calcular en promedio, se deberá calcular la suma ponderada
con relación a los pesos asignados a los distintos criterios.

Es importante mencionar que independiente del método que seleccione para normalizar, la
conclusión debiese tender a ser la misma. Por lógica los valores normalizados cambiaran, pero
el promedio normalizado final debiese tender a apuntar al mismo método de pronóstico, sin
importar los valores que se utilicen.

Para aplicar el método a la selección de métodos de pronósticos, se deben respetar las

siguientes condiciones:

1.- Al momento de calcular la relación de los indicadores, se debe inscribir el valor positivo
resultante de la división, es decir si un valor del error de sesgo es negativo (pronóstico tiende a
sobreestimar la demanda) debe ser registrado el valor absoluto de la división.

2.- Solo puede incluir un indicador por criterio, es decir solo uno de sesgo y solo uno de
dispersión.

This study source was downloaded by 100000850861019 from CourseHero.com on 09-08-2022 18:05:06 GMT -05:00

https://www.coursehero.com/file/149148033/Ejercicio-M%C3%A9todo-Normalizador-MAGpdf/
Powered by TCPDF (www.tcpdf.org)