PRONÓSTICO

CUANTITATIVO Y
MEDICIÓN DEL ERROR EN
QM Y MINITAB

  
 UNIVERSIDAD TECNOLOGICA DE PANAMÁ
CENTRO REGIONAL DE VERAGUAS
FACULTAD DE INGENIERIA INDUSTRIAL
LIC. EN LOGISTICA Y TRANSPORTE MULTIMODAL
DECISIONES GERENCIALES

ESTUDIANTES:
Sebastián González (Coordinador)
Aylin Carrión
Fernando Ortiz
Edwin Gonzalez
Josué Jordán
Mariana Jaramillo
Priscila Canto
Alexis Ruiz
Oliver Calzadilla

TEMA:
Pronóstico Cuantitativo Y Medición Del Error En Qm Y Minitab

(Taller Grupal #6)

PROFESOR:
Dr. Ing. Carlos Barría

FECHA:
Martes 11 de abril de 2023
OBJETIVO DE APRENDIZAJE:
 Aplicar métodos de pronóstico cuantitativo en la resolución de problemas
reales para la toma decisiones gerenciales; estimando el nivel de error
MAD, MSE y MAPE para seleccionar el mejor modelo posible.

INSTRUCCIONES:
 Desarrolle en sus equipos de trabajo cada uno de los siguientes problemas
de pronóstico de demanda en el programa QM Y MINITAB.
PROBLEMAS:

1. Las ventas de cobertizos de almacenamiento en Donna’s Garden Supply se

muestran en la tabla siguiente. Utilice el método de media móvil de 2, 3 y 4
meses, para pronosticar la demanda de enero del próximo año. Calcule los
errores MAD y MSE y MAPE, y determine cuál de las tres medias móviles (2, 3
ó 4 meses), representa el mejor pronóstico. Además, para cada promedio
móvil, grafique la demanda real vs el pronóstico respectivo.

Periodo Ventas reales de cobertizos

January 10
February 12
March 13
April 16
May 19
June 23
July 26
August 30
September 28
October 18
November 16
December 14

1. MEDIA MÓVIL 2
SOLUCION POR QM
CONCLUSION: El pronóstico para el mes de enero es de 15 cobertizos, utilizando
una media móvil de 2 períodos, con un MAD de 4.70, MSE 30.10 y un MAPE de
24.87%.
SOLUCION POR MINITAB
2. MEDIA MÓVIL 3

SOLUCION POR QM
CONCLUSION: El pronóstico para el mes de enero es de 16 cobertizos, utilizando
una media móvil de 3 períodos, con un MAD de 6.58, MSE 47.64 y un MAPE de
33.68%.
SOLUCION POR MINITAB
3. MEDIA MÓVIL 4

SOLUCION POR QM
CONCLUSION: El pronóstico para el mes de enero es de 19 cobertizos, utilizando
una media móvil de 4 períodos, con un MAD de 7.78, MSE 64.02 y un MAPE de
39.27%.
SOLUCION POR MINITAB
 RESUMEN

MEDIA MOVIL PRONOSTICO MAD MSE MAPE

2 15 4.70 30.10 24.87%
3 16 6.48 47.64 33.68%
4 19 7.78 64.02 39.27%

Nuestro resultado para la toma de decisión es tomando en cuenta la media de 2, 3

o 4, se escoge la media de 2 ya que representa el menor rango de error en MAD,
MSE Y MAPE."
2. Durante los últimos 8 trimestres, el puerto de Baltimore ha descargado de los
barcos grandes cantidades de grano. El administrador de operaciones del
puerto quiere probar el uso de suavizamiento exponencial para ver qué tan
bien funciona la técnica para predecir el tonelaje descargado. Supone que el
pronóstico de grano descargado durante el primer trimestre fue 175 ton. Se
examinan los valores de α = 0.10, α= 0.50 y α= 0.80. Estime las toneladas que
se descargarán para el 9 trimestre. Escoja cual es el mejor coeficiente de
suavizado exponencial, utilizando los errores MAD, MSE y MAPE. Además,
grafique la demanda real vs el pronóstico para cada coeficiente de
suavizamiento.

Toneladas
Trimestre
Reales de carga
1 180
2 168
3 159
4 175
5 190
6 205
7 180
8 182

1. α = 0.10

SOLUCION POR QM
SOLUCION POR MINITAB
2. α= 0.50

SOLUCION POR QM
SOLUCION POR MINITAB
3. α= 0.80

SOLUCION POR QM
SOLUCION POR MINITAB
 RESUMEN

MEDIA MOVIL PRONOSTICO MAD MSE MAPE

ALPHA 0.10 178.60 10.31 190.82 5.59%
ALPHA 0.50 184.15 12.33 195.24 6.76%
ALPHA 0.80 182.45 12.60 197.30 6.96%

CONCLUSION: El mejor pronóstico para la descarga del 9 trimestre es α = 0.10,

mediante coeficiente de suavizado exponencial ya que representa los menores
rangos en MAD, MSE y MAPE
3. La demanda de energía eléctrica en N.Y. Edison durante el periodo 1997 a
2003, en megawatts, se muestra a continuación. Pronostique la demanda para
2004 ajustando una recta de tendencia a estos datos. Calcule los errores MAD
Y MSE. Calcule el coeficiente de correlación y de determinación, e
interprételos. ¿Es esta línea de tendencia significativamente adecuada para
realizar pronósticos?

Demanda de Energía
Año
Eléctrica
1997 74
1998 79
1998 80
2000 90
2001 105
2002 142
2003 122

SOLUCION POR QM
La demanda para el año 2004 es de 141.

MAD 8.58
MSE 110.40
MAPE 8.22%

CONCLUSION: Existe una alta correlación positiva fuerte entre la variable tiempo
y la variable energía eléctrica. El 80.09% de las variaciones de la demanda de
energía eléctrica son explicadas las variaciones en el tiempo.
SOLUCION POR MINITAB
CONCLUSION: Podemos determinar que los datos de la línea de tendencia si son
aptos para realizar un pronóstico debido a que estos brindan la información
suficiente para lograr su cometido.
4. Nobel Construction Company remodelar casas Viejas en West Bloomfield
(WB), Michigan. Con el tiempo la compañía se ha percatado de que su
volumen de dólares por trabajos de renovación depende de la nómina del área
de West-Bloomfield. En la siguiente tabla se numeran los ingresos de Nobel y
el monto de dinero percibido por los trabajadores en West Bloomfield durante
los últimos seis años.

Tiempo Ventas de Nodel Nómina Local en WB

(Años) (en ciento de miles de $ (en ciento de millones de $)
1 2 1
2 3 3
3 2.5 4
4 2 2
5 2 1
6 3.5 7

La administración de Nodel desea conocer si existe una relación entre estas

variables; si es así, estimar las ventas de Nodel, cuando la nómina
proyectada para West Bloomfield es de 6.0 (en ciento de millones de $).

SOLUCION POR QM
Las ventas de Nobel cuando la nómina proyectada West Bloomfield cuando es 6
es de 3.25.
MAD 0.17
MSE 0.06
MAPE 6.53%

CONCLUSION: Existe una correlación positiva fuerte entre la variable ventas y la

nómina local en WB. El 81.25% de las variaciones en las ventas de Nodel son
explicadas por la variable nomina local en WB
 SOLUCION POR MINTAB

Interpretaciones:
 La ecuación de regresión es significativa porque es menor que 0.05
en el análisis de varianza. Nos refleja un 0.014
 Probablemente existe una relación más directamente
proporcionalentre la nómina y las ventas. Porque cuando una
aumenta