Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programa Académico de
Ingeniería Industrial
Sistemas de Pronósticos de Demanda
MODELO
MATEMÁTICO
Demanda real
observada
INTERVENCIÓN Pronóstico
HUMANA estadístico
CÁLCULO DE
PRONÓSTICO DE ERRORES DE
DEMANDA PRONÓSTICO
Objetivos de los pronósticos
Inferir mediante herramientas matemáticas y
cualitativas, cual será el comportamiento de la(s)
variable(s) de interés de un proceso en el futuro.
– Conocer la variabilidad del proceso.
– Determinar el tipo de patrón que sigue el proceso
(uniforme, con tendencia, estacional, errático, etc.)
– Establecer herramientas de control, que mantengan el
proceso dentro de ciertos límites especificados.
– Reducir costos por inventarios excesivos.
– Reducir las pérdidas por no tener inventario disponible.
Conflicto de costos en un sistema de
pronósticos
Costo
Costo Total
x t x t
Demanda Promedio x t 1
Demanda Promedio x t 1
n n
Demanda Promedio 3.08 unidades Demanda Promedio 4.67 unidades
n 2 n 2
x t x x t x
Desviación Estándar d t 1
Desviación Estándar d t 1
n1 n1
Desviación Estándar 3.40 unidades Desviación Estándar 2.67 unidades
Sistema de pronósticos y la
clasificación ABC
CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE
CONTROL CONTROL
Ítems clase A (los más Control estricto con Monitoreo frecuente o
importantes) supervisión personal continuo
Relativamente pocos Comunicación directa Registros precisos
ítems con la administración Suavización
El mayor porcentaje y los proveedores exponencial doble
del volumen de ventas Aproximación a Justo Políticas basadas en el
(en $) a Tiempo y stock nivel de servicio al
balanceado cliente
Cubrimiento de
existencias entre 1 y 4
semanas
Sistema de pronósticos y la
clasificación ABC
CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE
CONTROL CONTROL
Ítems clase B Control clásico de Sistema de control
Ítems importantes inventarios computarizado clásico
Volumen de ventas (en Administración por Suavización
$) considerable excepción exponencial simple
Cubrimiento de Reporte por
existencias entre 2 y8 excepciones
semanas
Sistema de pronósticos y la
clasificación ABC
CARACTERÍSTICAS POLÍTICAS DE MÉTODOS DE
CONTROL CONTROL
Ítems clase C Supervisión mínima Sistema de control
Muchos ítems Pedidos bajo orden simple
Bajo volumen de Tamaños de orden Promedio móvil
ventas (en $), pocos grandes (aceptar el pronóstico)
movimientos o ítems Políticas de cero o de Evitar agotados y
de muy bajo valor alto inventario de exceso de inventario
unitario seguridad Larga frecuencia de
Cubrimiento de órdenes
existencias entre 3 y 20 Sistema automático
semanas
Selección del sistema de
pronósticos
PATRÓN DE DEMANDA SISTEMA DE PRONÓSTICO
RECOMENDADO
Perpetua o uniforme Promedio móvil o suavización exponencial
simple
Error absoluto et x t xˆ t
Error cuadrático e ( x t x t )
2
t
ˆ 2
Medición del error del pronóstico
Desviación Absoluta Media :
n
x t x̂ t
MAD t 1
n
Error Cuadrático Medio :
n 2
x t xˆ t
ECM t 1
n
Pronósticos de promedio móvil
Adecuado para un modelo de demanda constante
más una variación aleatoria:
xt b t
b es una constante
t es el error aleatorio N ( 0 , ) 2
Sugerido para los ítems clase C y posiblemente
para algunos B.
Se le da el mismo peso a los últimos N datos de
demanda.
Pronósticos de Promedio Móvil
Suma de demandas últimas N semanas
Pronóstico semanal
N
xT xT 1 xT 2 ... xT N 1
MT
N
xT xT N
M T M T 1
N
Ejemplo de promedio móvil
Semana Demanda Pronóstico Error Error Abs. Error cuadr.
0 85
1 43
2 47
3 48
4 73
5 23
6 116 Promedio = 59.42
7 67
8 39
9 81
10 67
11 58
12 51
13 52 59,42 -7,42 7,42 55,01
14 51 60,17 -9,17 9,17 84,03
15 65 60,50 4,50 4,50 20,25
16 56 61,92 -5,92 5,92 35,01
35 49 60,08 -11,08 11,08 122,84
36 80 60,33 19,67 19,67 386,78
140
120
100
Unidades
80
60
40
20
0
1
4
7
10
13
16
19
22
25
28
31
34
37
Tiempo (Semanas)
Simulación para escoger el mejor
valor de N
N M
AD EC M D
es
viaciónEs
tá
nda
rEs
timada= 1
1 ,2
5 *MA
D R
A I
Z (EC
M)
6 1
1,9
4 2
04,4
6 14,9
2 14,3
0
7 1
2,8
6 2
19,7
2 16,0
7 14,8
2
8 1
2,8
0 2
19,6
5 16,0
0 14,8
2
9 1
1,9
5 1
94,7
4 14,9
4 13,9
5
1
0 1
2,3
1 1
97,8
2 15,3
9 14,0
6
1
1 1
1,9
6 1
91,8
3 14,9
5 13,8
5
1
2 1
1,5
8 1
79,7
2 14,4
7 13,4
1
1
3 1
1,9
1 1
88,1
6 14,8
9 13,7
2
Suavización exponencial simple
Adecuado para un modelo de demanda constante
más una variación aleatoria:
xt b t
b es una constante
t es el error aleatorio N ( 0 , ) 2
ST xT (1 ) ST 1
Pronóstico ST
150
Unidades
100
50
0
1
4
7
10
13
16
19
22
25
28
31
34
37
Tiempo (Semanas)
Simulación para escoger el mejor
valor de (Suavización simple)
ALPHA MAD ECM Desviación Estándar Estimada = 1
1,25*MAD RAIZ (ECM)
0,010 12,08 178,50 15,10 13,36
0,025 12,07 180,10 15,08 13,42
0,050 12,06 182,75 15,07 13,52
0,075 12,07 185,07 15,08 13,60
0,100 12,09 187,15 15,11 13,68
0,125 12,12 189,14 15,15 13,75
0,150 12,16 191,15 15,19 13,83
0,175 12,20 193,23 15,25 13,90
0,200 12,24 195,42 15,30 13,98
0,225 12,28 197,72 15,35 14,06
0,250 12,33 200,13 15,41 14,15
0,275 12,37 202,65 15,47 14,24
0,300 12,42 205,27 15,52 14,33
Suavización exponencial doble
Adecuada para un modelo de demanda con tendencia lineal
(creciente o decreciente) más una variación aleatoria:
x t b1 b2 t t ; b1 y b2 constantes
Sugerida para los ítems clase A (y actualmente también para
los B).
Ecuaciones y arranque un poco más complejos.
La constante de suavización se puede escoger y optimizar
de manera semejante a la de la suavización simple.
Regresión lineal simple y
ecuaciones de suavización
exponencial doble
Suavización doble:
Deducción de ecuaciones (1)
Operador ST xT (1 ) ST 1
Sesgo
( = 1 - )
Valor Esperado E ( ST ) E ( xT ) b2
2 2
Doble operador ST ST (1 ) ST 1
2
Valor Esperado E ( ST ) E ( ST ) b2
b2
E ( ST ) E ( ST 2 )
E ( xT ) E ( ST ) b2
Suavización doble:
Deducción de ecuaciones (2)
Buen estimador de b2 2
T T
ˆb (T ) S S 2
Reemplazando E ( xT ) 2 E ( ST ) E ( ST 2 )
E ( x̂T ) 2 E ( ST ) E ( ST 2 )
Valor Esperado E ( x̂T ) 2 b1 b2T b2 b1 b2T b2 b2
E ( x̂T ) b1 b2T (Estimador insesgado de xT )
Suavización doble:
Deducción de ecuaciones (3)
Pronósticos períodos adelante xˆ T (T ) xˆ T bˆ2 (T )
Reemplazando los estimadores de b2 y xT, se obtiene finalmente:
2
xˆ T (T ) 2 ST 1 ST
1 1
1 2 1
S0 b̂1 ( 0 ) b̂2 ( 0 ) S0 b̂1 ( 0 ) 2 b̂2 ( 0 )
Donde : b̂1 ( 0 ) â1 ( 0 ) m b̂2 ( 0 )
DEMANDA (Unidades)
0
10
20
30
40
50
60
70
80
1 90
4
7
10
13
a1(0)
16
19
22
25
28
31
34
37
40
43
46
Pendiente = b2(0)
49
SEMANAS
52
GRÁFICO EJEMPLO 3.4
55
58
61
64
b1(0)
67
70
73
76
79
82
85
88
Ejemplo de suavización doble
Semana Demanda ST ST2 Pronóstico Error Error Abs. Error cuadr.
1 412
2 460
3 395
4 392
5 447
6 452 Pendiente b2 9,318681
7 571 Constante b1 401,153846
8 517 b1 corregido 522,29670
9 397
10 410
11 579
12 473
13 558 173,2046 -175,8876
14 538 182,69 -166,56 531,62 6,38 6,38 40,76
15 570 192,76 -157,22 541,27 28,73 28,73 825,64
16 600 203,35 -147,85 552,08 47,92 47,92 2296,02
35 793 387,52 31,09 741,31 51,69 51,69 2672,11
36 726 396,32 40,58 753,48 -27,48 27,48 754,90
37 777 406,22 50,09 761,56 15,44 15,44 238,35
900
800
700
Unidades
600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
Tiempo (Meses)
Usando el modelo incorrecto
Suavización simple con alpha = 0,1
Demanda Pronóstico
900
800
700
Unidades
600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
Tiempo (Meses)
Estimación de la desviación
estándar de la demanda
sobre el Lead Time
1 1.25 * MAD Asume normalidad
Empíricamente se ha
L 1 L encontrado válido para
muchas distribuciones
Ejemplo real de un modelo de
despacho automático periódico
120
100
80
60
40
20
0
1
10
13
16
19
22
25
28
37
31
34
Semanas
Ejemplo real de un modelo de despacho
automático con demanda creciente (k = 1.65)
Demanda pronóstico doble nivel máximo
100
Demanda (Unidades)
80
60
40
20
0
19
10
13
16
22
25
28
31
34
37
1
4
7
Semanas
Ejemplo real de un modelo de despacho
automático con demanda creciente (k = 1.45)
Demanda pronóstico doble nivel máximo
100
80
Demanda (Unidades)
60
40
20
0
1
13
16
19
22
28
31
34
37
10
25
Semanas
Objetivo principal del
sistema de pronósticos
Especificación del valor Características principales
mínimo de k aceptable relativas al ítem:
(Q, v, r, etc.)
SISTEMA DE
PRONÓSTICOS:
Regla de decisión para
determinar el factor de ˆ 1 ECM , ó
seguridad k ˆ 1 1.25 * MAD
d̂ Pr onóstico
Desviación estándar, ˆ L ˆ 1 L
s x̂ L kˆ L Pronóstico de demanda, x̂ L d̂L
aˆ1 (T )
xT
cˆT (T L)
(1 ) aˆ1 (T 1) bˆ2 (T 1)
Tendencia: bˆ2 (T ) aˆ 1 (T ) aˆ 1 (T 1) (1 )bˆ2 (T 1)
xT
Factor estacional:
cˆT (T ) (1 )cˆT (T L)
aˆ 1 (T )
Fórmula para calcular el pronóstico:
xˆ T (T ) aˆ1 (T ) bˆ2 (T ) cˆT (T L)
Inicialización del sistema de pronósticos
Tendencia: ˆb (0) x m x1
2
( m 1) L
Lˆ
Componente permanente: aˆ 1 (0) x1 b2 (0)
2
Factores estacionales:
xt
cˆ t , para t 1,2,..., mL
x i ( L 1) / 2 j bˆ2 (0)
L
1 m 1 cˆ t (0) c t , para t 1,2,..., L
c t cˆ t kL , para t 1,2,..., L
L
m k 0 c
t 1
t
Ejemplo de demanda estacional: Consumo de
gas natural en EEUU (1987 – 1992)
1.800,0
1.600,0
1.400,0
Demanda (Trillones de BTU)
1.200,0
1.000,0
800,0
600,0
400,0
200,0
0,0
1
25
28
46
64
70
10
13
16
19
22
31
34
37
40
43
49
52
55
58
61
67
Mes
Ejemplo de demanda estacional
M ES D EMA ND A ME S D E MAN DA ME S D EMA ND A
1 1 .4 9 9 ,2 13 1 .6 3 3 , 2 25 1 .3 6 1 , 0
2 1 .3 1 6 ,5 14 1 .4 6 2 , 6 26 1 .4 1 6 , 3
3 1 .1 5 5 ,5 15 1 .1 7 8 , 1 27 1 .2 6 5 , 7
4 92 6 ,0 16 8 3 0 ,0 28 85 1 ,3
5 63 0 ,5 17 6 0 6 ,5 29 60 4 ,8
6 52 0 ,3 18 5 1 3 ,7 30 47 4 ,6
7 53 1 ,6 19 5 4 3 ,4 31 50 7 ,3
8 58 6 ,2 20 6 0 4 ,8 32 51 9 ,8
9 51 8 ,8 21 5 2 8 ,0 33 47 1 ,4
10 70 4 ,2 22 6 7 1 ,3 34 69 4 ,9
11 87 8 ,4 23 8 8 9 ,7 35 90 1 ,3
12 1 .2 7 6 ,2 24 1 .2 4 4 , 0 36 1 .4 8 2 , 7
Lˆ 12
aˆ1 (0) x1 b2 (0) 878.6167 ( 1.62407) 888.3611
2 2 P e r ío d o Va lo r d e j Es tim a c ió n P e r ío d o Va lo r d e j Es tim a c ió n
1 1 1 , 68 9 1 4 6 25 1 1 , 53 2 3 2 9
2 2 1 , 48 6 0 1 7 26 2 1 , 59 7 5 1 1
3 3 1 , 30 6 6 8 2 27 3 1 , 43 0 2 6 2
xt 4 28
cˆt , para t 1,2,..., mL
4 1 , 04 9 0 8 2 4 0 , 96 3 7 5 2
xi ( L 1) / 2 j bˆ2 (0)
5 5 0 , 71 5 6 2 1 29 5 0 , 68 5 9 5 2
6 6 0 , 59 1 6 3 4 30 6 0 , 53 9 2 7 5
7 7 0 , 60 5 6 0 2 31 7 0 , 57 7 4 9 7
x1 8 8 0 , 66 9 0 4 0 32 8 0 , 59 2 8 2 3
cˆ1
x1 ( L 1) / 2 j bˆ2 (0)
9 9 0 , 59 3 2 1 5 33 9 0 , 53 8 6 2 1
10 10 0 , 80 6 7 0 6 34 10 0 , 79 5 4 6 8
11 11 1 , 00 8 1 3 9 35 11 1 , 03 3 6 6 0
1,499.2 12 12 1 , 46 7 4 2 9 36 12 1 , 70 3 6 1 5
cˆ1 1.689146
878.6167 (12 1) / 2 1 (-1.62407)
13 1 1 , 81 2 5 7 1 37 1 1 , 73 3 8 4 5
14 2 1 , 62 6 1 6 5 38 2 1 , 41 1 1 8 9
15 3 1 , 31 2 2 1 8 39 3 1 , 27 8 3 4 4
1,316.5 16 4 0 , 92 6 1 6 5 40 4 1 , 00 0 5 9 4
cˆ2 1.486017
878.6167 (12 1) / 2 2 (-1.62407)
17 5 0 , 67 7 9 9 9 41 5 0 , 72 8 0 7 0
18 6 0 , 57 5 3 0 3 42 6 0 , 58 8 5 7 8
19 7 0 , 60 9 6 7 4 43 7 0 , 58 3 5 2 0
1,155.5 20 8 0 , 67 9 8 0 1 44 8 0 , 63 9 9 5 5
cˆ3 1.306682
878.6167 (12 1) / 2 3 (-1.62407)
21 9 0 , 59 4 5 6 2 45 9 0 , 61 0 3 4 9
22 10 0 , 75 7 3 1 2 46 10 0 , 78 0 2 6 6
23 11 1 , 00 5 5 3 8 47 11 1 , 02 6 7 6 8
24 12 1 , 40 8 5 5 3 48 12 1 , 60 8 0 7 7
Continuación factores estacionales
1 3
c1 cˆ112 k , para t 1
4 k 0
1 1
c1 (cˆ1 cˆ13 cˆ 25 cˆ37 ) (1.689146 1.812571 1.532329 1.733845)
4 4
c1 1.691972
c
t 1
t
7
8
0,594073
0,645405
0,594637
0,646017
9 0,584187 0,584741
10 0,784938 0,785683
11 1,018526 1,019493
12 1,546918 1,548386
Pronóstico:
xˆ T (T ) aˆ1 (T ) bˆ2 (T ) cˆT (T L)
xˆ 01 (0) aˆ1 (0) bˆ2 (0) cˆ 01 (T L)
xˆ 1 (0) 888.3611 ( 1.6241) (1.693578)
xˆ 1 (0) 1,501.7584
Valores de inicio: Nuevo origen de tiempo
ME S D EM A ND A a 1( T ) b 2( T ) c T
(T ) P ro n ó s tic o E rro r
8 8 8 , 36 1 1 -1 , 6 24 1
1 1 . 4 99 , 2 8 8 6 , 52 7 1 -1 , 6 26 2 1 , 69 2 2 1 .5 0 1 , 7 5 84 -2 , 5 58 4
2 1 . 3 16 , 5 8 8 1 , 37 3 9 -1 , 6 61 4 1 , 51 1 3 1 .3 5 5 , 3 7 87 -3 8 , 87 8 7
3 1 . 1 55 , 5 8 7 7 , 91 1 4 -1 , 6 79 5 1 , 32 4 0 1 .1 7 2 , 7 8 03 -1 7 , 28 0 3
4 9 2 6, 0 8 8 4 , 99 6 3 -1 , 5 91 8 1 , 01 8 3 8 6 3 , 81 8 2 6 2 , 18 1 8
5 6 3 0, 5 8 8 5 , 35 0 8 -1 , 5 72 3 0 , 70 7 7 6 2 0 , 65 9 2 9 , 8 40 8
6 5 2 0, 3 8 8 6 , 87 5 1 -1 , 5 41 4 0 , 58 0 9 5 0 7 , 50 2 7 1 2 , 79 7 3
7 5 3 1, 6 8 8 6 , 53 6 6 -1 , 5 29 4 0 , 59 7 3 5 2 6 , 45 2 0 5 , 1 48 0
8 5 8 6, 2 8 8 8 , 11 9 7 -1 , 4 98 2 0 , 65 3 6 5 7 1 , 72 9 8 1 4 , 47 0 2
9 5 1 8, 8 8 8 6 , 70 6 0 -1 , 4 97 4 0 , 58 4 9 5 1 8 , 44 4 2 0 , 3 55 8
10 7 0 4, 2 8 8 6 , 74 8 4 -1 , 4 82 0 0 , 79 0 2 6 9 5 , 49 3 4 8 , 7 06 6
11 8 7 8, 4 8 8 1 , 97 8 6 -1 , 5 14 9 1 , 00 6 8 9 0 2 , 52 2 9 -2 4 , 12 2 9
12 1 . 2 76 , 2 8 7 2 , 64 7 6 -1 , 5 93 0 1 , 50 2 2 1 .3 6 3 , 2 9 80 -8 7 , 09 8 0
13 1 . 6 33 , 2 8 8 4 , 12 3 7 -1 , 4 62 3 1 , 77 5 5 1 .4 7 4 , 0 3 58 1 5 9 , 1 64 2
.. . . . . . . .. . . . . . . . . .. . . .. . . . . . . . . .. . . .. . . . . . . .. . . .. . . .. . . . . . . .. . . . . . . . . . .. . . .. . . .. . . . . . .. . . .
36 1 . 4 82 , 7 8 6 9 , 46 6 3 -1 , 2 74 3 1 , 59 3 0 1 .2 3 7 , 6 3 71 2 4 5 , 0 62 9
37 1 . 4 37 , 5 8 6 6 , 68 3 0 -1 , 2 89 4 1 , 66 7 0 1 .4 5 5 , 7 0 94 -1 8 , 20 9 4
38 1 . 1 67 , 7 8 4 5 , 59 4 2 -1 , 4 87 4 1 , 48 9 3 1 .3 9 7 , 8 6 46 -2 3 0 , 16 4 6
39 1 . 0 55 , 7 8 3 2 , 23 5 5 -1 , 6 06 1 1 , 32 5 4 1 .1 7 4 , 5 8 39 -1 1 8 , 88 3 9
40 8 2 4, 7 8 3 2 , 42 0 3 -1 , 5 88 2 0 , 98 4 7 8 1 2 , 09 9 5 1 2 , 60 0 5
41 5 9 8, 9 8 3 4 , 65 7 4 -1 , 5 49 9 0 , 70 8 4 5 7 9 , 69 1 6 1 9 , 20 8 4
42 4 8 3, 2 8 3 5 , 80 6 3 -1 , 5 22 9 0 , 57 2 9 4 7 2 , 19 1 7 1 1 , 00 8 3
43 4 7 8, 1 8 2 9 , 01 2 5 -1 , 5 75 6 0 , 58 7 7 5 0 0 , 87 3 5 -2 2 , 77 3 5
44 5 2 3, 3 8 2 5 , 83 7 4 -1 , 5 91 6 0 , 63 7 2 5 3 0 , 68 2 8 -7 , 3 82 8
45 4 9 8, 1 8 2 9 , 72 2 5 -1 , 5 36 9 0 , 58 9 4 4 7 5 , 36 8 3 2 2 , 73 1 7
46 6 3 5, 5 8 2 3 , 16 8 8 -1 , 5 87 0 0 , 78 6 0 6 6 4 , 46 7 4 -2 8 , 96 7 4
47 8 3 4, 6 8 1 9 , 09 7 0 -1 , 6 11 9 1 , 02 8 0 8 5 3 , 17 0 2 -1 8 , 57 0 2
48 1 . 3 04 , 5 8 1 7 , 67 8 8 -1 , 6 09 9 1 , 59 4 3 1 .3 0 2 , 2 7 85 2 , 2 21 5
MES DEMANDA a 1 (T ) b 2 (T ) c T (T ) Pro nó s tic o Erro r
37 1,6670
38 1,4893
39 1,3254
40 0,9847
41 0,7084
42 0,5729
43 0,5877
44 0,6372
45 0,5894
46 0,7860
47 1,0280
48 817,6788 -1,6099 1,5943
49 1.512,9 828,782156 -1,482814 1,752147 1.360,38 152,52
50 1.192,0 823,555121 -1,520256 1,466794 1.232,13 -40,13
51 1.075,6 820,574076 -1,534864 1,317553 1.089,53 -13,93
52 763,0 812,900214 -1,596254 0,959932 806,50 -43,50
53 551,9 806,830441 -1,640989 0,695294 574,71 -22,81
54 434,0 798,573795 -1,707146 0,557074 461,28 -27,28
55 472,3 797,817046 -1,697642 0,589984 468,28 4,02
56 438,8 781,181538 -1,847020 0,596643 507,30 -68,50
57 448,2 776,706789 -1,873298 0,582768 459,35 -11,15
58 617,9 776,398810 -1,857645 0,791311 609,05 8,85
59 900,7 788,667311 -1,716383 1,089272 796,20 104,50
60 1.194,3 781,693158 -1,768961 1,558577 1.254,63 -60,33
61 1.395,3 782,204838 -1,746154 1,769159 1.366,54 28,76
62 1.194,1 785,131608 -1,699425 1,495866 1.144,77 49,33
63 1.070,8 787,501559 -1,658731 1,340226 1.032,21 38,59
64 834,4 797,429375 -1,542866 1,006380 754,36 80,04
65 575,9 800,388070 -1,497850 0,708316 553,37 22,53
66 458,3 802,197513 -1,464777 0,564722 445,04 13,26
67 431,0 790,977781 -1,562327 0,565753 472,42 -41,42
68 441,8 782,615266 -1,630329 0,579379 471,00 -29,20
69 462,6 782,765321 -1,612525 0,587182 455,13 7,47
70 700,9 795,686092 -1,467192 0,839443 618,13 82,77
71 996,6 810,990875 -1,299472 1,164291 865,12 131,48
72 1.344,8 817,076239 -1,225624 1,605487 1.261,97 82,83
73 1.443,37
1800
1600
1400
Demanda (Trillones de BTU)
1200
1000
800
600
400
200
0
1
10
13
16
22
25
28
31
34
37
40
46
55
61
70
19
43
49
52
58
64
67
73
Mes