Tarea de Proyeccin de Demanda

Ana Karina Mella Aranguiz Alejandro Morales Fernndez Martes, 12 de diciembre de 2011

Martes, 12 de diciembre de 2011

TAREA DE PROYECCIN DE DEMANDA

Pregunta N1
Los mtodos de proyeccin de demanda a utilizar para el problema de pronstico para la empresa del rea de informtica son los siguientes: 1. Promedio Mvil Simple 2. Promedio Mvil Ponderado 3. Alisamiento Exponencial En archivo con formato Excel adjunto se detallan clculos efectuados para los distintos mtodos. 1. Promedio Mvil Simple
N P. MOVIL SIMPLE N ENERO FEBRERO MARZO 1 2 3 4 5 6 7 8 9 ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE MES 100 90 120 100 80 70 90 100 90 100 110 90 103 103 100 83 80 87 93 97 100 -3 -23 -30 7 20 3 7 13 -10 3 23 30 7 20 3 7 13 10 3 26 56 63 83 86 93 106 116 -3 -26 -56 -49 -29 -26 -19 -6 -16 3 13 18,7 15,8 16,6 14,3 13,3 13,3 12,9 -1 -2 -3 -3,1 -1,7 -1,8 -1,4 -0,5 -1,2 3 DEMANDA PRONOSTICO ERROR ERROR ERROR ERROR MAD SR

a. Seal de Rastreo

En este grafico podemos apreciar que la seal de rastreo tiene un comportamiento relativamente aleatorio dentro de sus parmetros, se mantiene dentro de los parmetros de control. ste mtodo adems presenta un MAD de 12.9 y un comportamiento del SEA (sumatoria error absoluto) de 116. 2

Martes, 12 de diciembre de 2011

b. Comparacin del pronostico de demanda con la demanda real

En este grafico podemos ver que la tendencia es claramente a sobrestimar la demanda en mayor cantidad con respecto al tiempo que la subestimacin presentada al trmino del periodo de 12 meses.

2. Promedio Mvil Ponderado.

PROM. PONDERADO N ENERO FEBRERO MARZO 1 2 3 4 5 6 7 8 9 ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE MES

At

Ft ERROR ERROR ERROR ERROR MAD SR

DEMANDA PRONOSTICO 100 90 120 100 80 70 90 100 90 100 110 90 109 105 90 76 83 94 93 97 105

-9 -25 -20 14 17 -4 7 13 -15

9 25 20 14 17 4 7 13 15

9 34 54 68 85 89 96 109 124

-9 -34 -54 -40 -23 -27 -20 -7 -22

9 17 18 17 17 14,8 13,7 13,6 13,8

-1 -2 -3 -2,4 -1,4 -1,8 -1,5 -0,5 -1,6

Martes, 12 de diciembre de 2011

a. Seal de Rastreo

En este grafico podemos apreciar que la seal de rastreo tiene un comportamiento relativamente similar a la mostrada en el mtodo anterior, se encuentra dentro de los parmetros de control. ste mtodo adems presenta un MAD de 13.8 y un comportamiento del SEA (sumatoria error absoluto) de 124 ambos con valores mas altos que los presentados por el mtodo anterior.

Martes, 12 de diciembre de 2011

b. Comparacin del pronostico de demanda con la demanda real

En este grafico podemos ver que la tendencia esta como en el grafico anterior pasando por periodos a sobrestimar y subestimar la demanda con respecto al tiempo dentro el periodo de 12 meses.

3. Alisamiento Exponencial

Para este mtodo seria conveniente un valor de alpha no tan pequeo, ya que si notamos los valores de la demanda real es poco estable si comparamos porcentualmente los valores entre un periodo y otro donde podemos llegar a encontrar diferencias de hasta un 17 % de diferencia en la demanda como se muestra entre los meses de marzo y abril. Para este pronstico deberamos usar un alpha grande para poder seguir de mejor manera el ritmo de los cambios. A continuacin evaluaremos un pronstico hecho con un alpha pequeo para poder apoyar la decisin de no usar un alpha pequeo con respecto al uso de uno de mayor ponderacin.

Martes, 12 de diciembre de 2011

0,1 DEMANDA PRONOSTICO 100 90 120 100 80 70 90 100 90 100 110 90 120 118 114 110 108 107 105 105 106 -20 -38 -44 -20 -8 -17 -5 5 -16 20 38 44 20 8 17 5 5 16 20 58 102 122 130 147 152 157 173 -20 -58 -102 -122 -130 -147 -152 -147 -163 20 29 34 30,5 26 24,5 21,7 19,6 19,2 -1 -2 -3 -4 -5 -6 -7 -7,5 -8,5 ERROR ERROR ERROR ERROR MAD SR

Podemos apreciar en la seal de rastreo que existe un error de tipo sistemtico en el tiempo y que claramente se sale de los rangos de control permitidos. En el grafico de demanda vs pronostico de demanda vemos claramente tal como en la seal de rastreo que estaremos prcticamente subestimando la demanda por mas de un 95 % del periodo. En la tabla podemos ver que existe producto de esta eleccin de alpha datos de error y por lo tanto sus sumatorias son siempre negativos lo que incide claramente en el calculo de la seal de error.

Para el clculo de nuestro anlisis usaremos un valor de alpha elevado para responder de mejor manera a los cambios bruscos de la demanda real.

Martes, 12 de diciembre de 2011

S. EXPONENCIAL N ENERO FEBRERO MARZO 1 2 3 4 5 6 7 8 9 ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE MES 100 90 120 100 80 70 90 100 90 100 110 90 120 102 82 71 88 99 91 99 109 -20 -22 -12 19 12 -9 9 11 -19 20 22 12 19 12 9 9 11 19 20 42 54 73 85 94 103 114 133 -20 -42 -54 -35 -23 -32 -23 -12 -31 20 21 18 18,3 17 15,7 14,7 14,3 14,8 -1 -2 -3 -1,9 -1,4 -2 -1,6 -0,8 -2,1 0,9 DEMANDA PRONOSTICO ERROR ERROR ERROR ERROR MAD SR

a. Seal de Rastreo

En este grafico podemos apreciar que la seal de rastreo tiene un comportamiento relativamente similar a la mostrada en el mtodo anterior con la diferencia que posee una pendiente menor en cuanto a la tendencia, se encuentra dentro de los parmetros de control. ste mtodo adems presenta un MAD de 14.8 y un comportamiento del SEA (sumatoria error absoluto) de 133 ambos con valores mas altos que los presentados por los mtodos anteriores.

Martes, 12 de diciembre de 2011

b. Comparacin del pronostico de demanda con la demanda real

En este grafico podemos ver que se comporta de manera muy similar con el mtodo de PM ponderado.

Conclusin: Como todos los mtodos presentan un comportamiento mas o menos similar en su seal de rastreo, lo que podramos tomar como parmetro de comparacin seria el parmetro de la sumatoria de errores absolutos SEA y la desviacin MAD, como estos en el PM (3) son los que presentan un valor mas pequeo MAD: 12.9 y SEA 116 lo que indica que el error es menor en este pronostico con respecto a los otros implementados. Si tuviera que escoger uno de los dos escogera el PM (3).

Martes, 12 de diciembre de 2011

Pregunta N2 Utilizando el mtodo de descomposicin pronosticaremos la demanda para el mes de enero del ao 2012, para lo cual usaremos la siguiente informacin histrica:
AO MS E EEO NR FBEO E RR M RO AZ AR B IL M Y AO J N U IO J L U IO A OT GSO S P IE B E ET M R O TU R C BE N VIE B E O M R D IE B E IC M R 20 08 3 0 .0 0 3 0 .8 0 3 3 .2 0 2 0 .8 0 2 0 .4 0 2 0 .0 0 1 8 .8 0 1 0 .5 0 1 0 .8 0 2 0 .0 0 2 0 .6 0 2 5 .9 0 20 09 3 5 .2 0 3 0 .3 0 3 0 .4 0 3 0 .0 0 2 5 .8 0 2 0 .5 0 2 0 .0 0 1 5 .7 0 1 9 .9 0 2 5 .0 0 2 6 .7 0 2 0 .8 0 21 00 3 0 .6 0 3 5 .4 0 3 0 .5 0 2 6 .7 0 2 0 .1 0 2 0 .4 0 1 0 .6 0 1 5 .8 0 2 0 .1 0 2 0 .7 0 3 0 .2 0 3 0 .3 0 21 01 3 5 .5 0 3 0 .4 0 3 3 .3 0 2 6 .6 0 2 5 .4 0 2 0 .3 0 1 8 .9 0 1 5 .6 0 2 0 .3 0 2 0 .0 0 3 0 .3 0 3 5 .8 0

*El procedimiento completo se detalla en archivo con formato Excel que se adjunta. Para utilizar este mtodo tendremos que considerar los patrones de tendencia, componente cclico, componente estacional y de un componente no sistemtico. Procedimiento:
1. Tomaremos el procedimiento de Promedio mvil con un N=12, para obtener un

parmetro de referencia al ao siguiente objeto usarlo para poder calcular el factor de estacionalidad y as poder ver la diferencia entre la tendencia y la componente estacional.

Martes, 12 de diciembre de 2011

2. Luego calcularemos el promedio del factor de estacionalidad para cada mes correspondiente de los aos en anlisis.
E S T A C IO N A L ID A D P R O M E D IO P E R I O D E N E R O F E B R E RMO A R Z OA B R I L M A Y O J U N I O J U L I O A G O S S E P T I E MO B R E B R EV I E M DBI C IEE M B R E O TO CTU NO R 2009 2010 2011 1 3 0 ,2 1 3 1 ,1 1 3 7 ,3 1 2 0 ,5 1 1 3 ,7 1 3 6 ,5 1 2 9 ,4 1 3 0 ,6 1 0 2 ,7 1 3 0 ,8 1 2 5 ,5 1 2 3 ,1 9 8 ,9 7 8 ,7 9 1 ,3 9 4 ,6 9 8 ,3 9 2 ,1 8 4 ,8 9 1 ,7 7 7 ,3 6 1 ,6 7 3 ,2 7 0 ,7 6 7 ,4 7 2 ,2 6 0 ,3 6 6 ,6 7 6 ,1 8 1 ,7 8 4 ,6 8 0 ,8 7 7 ,9 7 3 ,1 8 5 ,2 1 0 4 ,7 1 2 3 ,3 1 1 6 ,5 1 0 5 ,7 1 2 3 ,5 1 4 3 ,4 1 2 4 ,2

1 0 4 ,6 1 2 1 ,4

P R O M E D1 I 3 2 , 5 1 2 8 , 7 1 3 0 , 3 1 0 7 , 4 O

3. Ajustar factor promedio para calcular el ndice estacional para cada promedio

de cada mes. Este ajuste se lleva cabo para eliminar las fluctuaciones subanuales que se repiten en los datos, con el fin de que la tendencia-ciclo se vea ms claramente.

I N D I C E E1S2 T9 ., 4 1 2 5 , 6 1 2 7 , 2 1 0 4 , 8 9 2 , 4

8 9 ,5

69

65

7 8 ,9

8 3 ,2

1 1 3 ,7 1 2 1 ,2

4. Efectuar el calculo de tendencia Utilizaremos la sgte. Formula:

Y = mx + b

5. Calcular el factor cclico de cada serie histrica para cada mes correspondiente a cada ao, con el objeto de calcular el promedio del factor cclico para cada conjunto de meses de los respectivos aos. Ejemplo: promedio enero ao 2009, 2010 y 2011.
FCt = P. MOV t TENDENCIA * t

10

Martes, 12 de diciembre de 2011

P E R I O D O E N E R O F E B R E R OM A R Z O A B R I L 2009 2010 2011 0 ,9 5 0 5 1 ,0 0 4 2 1 ,0 3 3 0 0 ,9 5 8 5 1 ,0 1 5 3 1 ,0 3 1 4 1 ,0 0 1 7 0 ,9 4 2 6 1 ,0 2 0 0 1 ,0 2 9 9 0 ,9 9 7 5 0 ,9 4 8 0 1 ,0 2 3 2 1 ,0 2 4 5 0 ,9 9 8 5

M AYO 0 ,9 5 4 3 1 ,0 1 5 6 1 ,0 2 1 3 0 ,9 9 7 1

J U N IO 0 ,9 6 8 6 0 ,9 9 1 8 1 ,0 3 2 4 0 ,9 9 7 6

J U L IO A G O S T S E P T I E M B RCET U B RNEO V I E M B D IC IE M B R E O O RE 0 ,9 8 4 5 0 ,9 8 8 6 1 ,0 2 9 2 1 ,0 0 0 8 0 ,9 8 8 3 0 ,9 7 5 9 1 ,0 4 1 3 1 ,0 0 1 8 0 ,9 9 6 2 0 ,9 7 9 1 1 ,0 3 4 9 1 ,0 0 3 4 1 ,0 0 2 2 0 ,9 8 2 6 1 ,0 4 1 3 1 ,0 0 8 7 1 ,0 0 3 8 1 ,0 0 3 2 1 ,0 1 9 1 1 ,0 0 8 7 1 ,0 0 8 9 1 ,0 1 7 2 1 ,0 2 2 2 1 ,0 1 6 1

P R O M E D IO ,9 9 5 9 0

6. Por ultimo se realiza el pronstico en base a la relacin que existe entre el factor de tendencia, la componente cclica, la componente estacional y la variacin no sistemtica. El pronstico para enero de 2012 ser de 3.457 unidades

11