Академический Документы
Профессиональный Документы
Культура Документы
5.1 RESULTADOS
Se aplicaron de forma paralela diferentes modelos de pronsticos cuantitativos a la
informacin disponible, esto es a la demanda del producto durante cinco aos y medio,
de enero de 1999 a junio 2004, para explorar y conocer los componentes que afectan la
serie. Para proponer un resultado de pronstico, se consiguieron los datos reales de
julio 2004 a marzo 2005. A continuacin se muestra la tabla con los datos reales, la
cual contiene la misma informacin que la tabla 3.1.1. presentada anteriormente en el
captulo 3.
PERIODO
1999
2000
2001
24858
25075
25757
2002
20657
2003
21570
2004
20174
2005
23156
TOTAL
ENE
FEB
24209
24903
25984
22719
24371
24349
24598
171133
MAR
30384
30806
30151
26755
25263
31987
28806
204152
ABR
31363
31846
32018
29748
30603
32312
187890
MAY
33342
33509
31688
27275
30932
34914
191660
JUN
28747
28930
30547
28227
27076
30994
174521
JUL
27721
28563
30211
31573
32581
29570
180219
AGO
26676
28655
30189
27372
32949
29638
175479
SEP
25691
26058
29722
25241
28361
28556
163629
OCT
25738
26057
30274
25386
29685
30842
167982
NOV
25365
25901
30822
24820
23826
26027
156761
DIC
30409
19000
31579
27894
29107
27824
317667
TOTAL
161247
165813
2023926
35000
Miles de
hectolitros
30000
25000
20000
0
10
20
30
40
50
60
70
Periodos
El grfico 5.1 muestra el nivel de la demanda en cada uno de los 66 perodos objeto de
estudio, sin embargo no permite apreciar la existencia de los componentes de la curva
de demanda (tendencia, ciclo, estacionalidad y la fluctuacin irregular), ni la magnitud
de los mismos; por lo que a continuacin se presentan el grfico 5.2 y la tabla 5.1 para
observar si la serie de datos presenta estacionalidad.
Indices Estacionales
3000
2000
1000
0
-1000
-2000
-3000
-4000
1
9 10 11 12
0
1
9 10 11 12
Indice
-3850.32
-2731.77
431.163
3146.43
2886.70
975.642
826.142
1069.31
-1068.36
-896.816
-2106.90
1318.77
En el resultado de este primer anlisis se puede observar que existe una marcada
estacionalidad, presentando el mes de enero el mayor nivel de demanda por debajo de la
media con 3,850.32 hectolitros; y el mes que registra una mayor demanda de cerveza
por arriba de la media es abril con 3,146.43 hectolitros.
Actual
35000
Actual
30000
Demanda
25000
20000
0
10
20
30
40
50
60
70
Periodos
En el grfico 5.3 se puede ver la lnea de tendencia con una ligera inclinacin hacia
arriba sin ser muy marcada.
En apariencia no se presentan ciclos en los datos presentados, y debido al tiempo de
duracin involucrado es dif cil obtener informacin de importancia sobre este
componente.
Hasta ahora no se hace referencia al efecto residual o fluctuacin irregular ya que solo
se est conociendo el comportamiento de los datos reales, sin compararlos con los
esperados.
Posterior a la descomposicin aditiva, se realiz la descomposicin multiplicativa de la
serie, obteniendo lo siguiente:
Miles de 30000
hectolitros
25000
20000
0
10
20
30
40
50
60
70
Periodos
El grfico 5.4, puesto que nace de los mismos datos que se consideraron para el modelo de
descomposicin aditiva, muestra la misma lnea de demanda que el grfico 5.1, por lo que no
tiene caso hacer alguna comparacin entre estos dos resultados.
A continuacin se presentan el grfico 5.5 y la tabla 5.2 que muestran el resultado del
anlisis estacional en este mtodo multiplicativo:
1.0
0.9
9 10 11 12
0
1
9 10 11 12
Indice
0.858020
0.901168
1.01586
1.11312
1.10348
1.03537
1.02984
1.04107
0.959770
0.966257
0.925845
1.05020
el mtodo multiplicativo muestra una tendencia lineal con una leve inclinacin hacia
arriba sin ser significativa.
Grfico 5.6 Anlisis de Tendencia para la Demanda
3 500 0
A ctu al
A ctu al
3 000 0
Demanda
2 500 0
2 000 0
0
10
20
30
40
50
60
70
Periodos
El primer modelo que se emplea como mtodo de pronstic o para los perodos de julio
2004 a marzo 2005, es el de suavizacin exponencial simple, el cual, da un pronstico
plano de 31,890.90 hectolitros, como valor medio de un rango de entre 25,360.90 y
38,421.00 hectolitros, los cuales se presentan en la tabla 5.3. Observando el grfico 5.7
se aprecia una constante de suavizacin de 0.562 asignada por el programa MINITAB,
ntese en la misma grfica los valores atenuados por la constante , representados por
una lnea punteada intercalada con pequeos tringulo s. Con la misma constante se
obtuvo un porcentaje de error medio absoluto (MAPE) del 10% , una desviacin media
absoluta (MAD) de 2,608, y un promedio de la desviacin media al cuadrado (MSD) de
10,737,666, se pueden interpretar estas evaluaciones como un sesgo considerable en el
pronstico basado en este modelo, lo cual se puede asociar a las variaciones estacionales
de los datos originales; sin embargo, tratando de obtener errores menores, se hicieron
pruebas asignndoles diferentes valores a la constante de suavizacin , y los resultados
fueron errores todava mayores que los obtenidos con la constante asignada por
MINITAB.
Forecast
31890.9
31890.9
31890.9
31890.9
31890.9
31890.9
31890.9
31890.9
31890.9
Lower
Upper
25360.9
25360.9
25360.9
25360.9
25360.9
25360.9
25360.9
25360.9
25360.9
38421.0
38421.0
38421.0
38421.0
38421.0
38421.0
38421.0
38421.0
38421.0
Grfico 5.7 Suavizacin Exponencial Simple perodos julio 2004 a marzo 2005
Actual
Smoothed
Forecast
35000
Actual
Smoothed
Forecast
30000
Demanda
Smoothing Constant
Alpha:
25000
MAPE:
20000
0
10
20
30
40
50
60
0.562
10
MAD:
2608
MSD:
10737666
70
Periodos
Grfico 5.8 Suavizacin Exponencial Doble perodos julio 2004 a marzo 2005
Actual
Smoothed
60000
Forecast
50000
Actual
Smoothed
40000
Forecast
30000
Demanda
Smoothing Constants
Alpha (level):
0.914
20000
Gamma (trend):
0.034
MAPE:
MAD:
10
2681
10000
0
MSD:
10
20
30
40
50
60
70
Periodos
Forecast
31419.4
31509.6
31599.8
31690.0
31780.2
31870.5
31960.7
Lower
24759.3
21895.4
18852.7
15736.2
12582.8
9408.5
6221.3
Upper
38079.5
41123.8
44346.9
47643.9
50977.7
54332.4
57700.0
12726704
74
75
32050.9
32141.1
3025.6
- 176.2
61076.2
64458.4
Actual
50000
Smoothed
Forecast
Actual
Smoothed
Forecast
40000
Demanda
30000
20000
Smoothing Constants
Alpha (level):
Gamma (trend):
Delta (season):
10000
MAPE:
MAD:
MSD:
10
20
30
40
Periodos
50
60
70
0.914
0.034
0.000
6
1559
3555189
Forecast
32142.8
31365.4
29310.6
30155.6
28201.3
31732.0
24968.3
26556.5
31748.0
Lower
28248.6
25745.3
21860.0
20831.4
16981.8
18605.1
9926.4
9594.6
12862.6
Upper
36037.1
36985.6
36761.2
39479.9
39420.7
44858.9
40010.2
43518.4
50633.4
Tratando de minimizar aun ms el valor de las desviaciones, se jug con los valores
de las constantes de suavizacin, consiguiendo mejores resultados, mismos que se
muestran en el grfico 5.10. Para la constante de atenuacin se aplic el valor ptimo
propuesto por MINITAB en el mtodo de suavizacin exponencial simple que es de
0.562; para y se consider 0.000 para ambas; con base en las observaciones hechas
al principio de este captulo en lo que se refiere a descomposicin de la serie de datos,
donde se obtuvo como resultado una tendencia poco significativa y una marcada
estacionalidad en cada perodo, es decir que, los valores de los ndices estacionales
permanecen sin cambios a lo largo del tiempo. Los resultados de los errores obtenidos
en el grfico 5.10 son menores a los mostrados en el grfico 5.9; ahora los valores son,
5% de error medio absoluto, 1,411 de desviacin media absoluta, y 3,128,589 de
promedio de la desviacin media al cuadrado.
Demanda
Actual
40000
Smoothed
Forecast
Actual
Smoothed
Forecast
30000
Smoothing Constants
Alpha (level):
Gamma (trend):
Delta (season):
0.562
0.000
0.000
20000
MAPE:
MAD:
MSD:
10
20
30
40
50
60
70
Periodos
Forecast
31963.9
31086.0
28951.9
29686.6
27669.6
31029.6
24333.9
25795.2
30734.9
Lower
28437.0
26961.7
24170.2
24209.0
21470.6
24091.5
16644.3
17345.0
21517.1
Upper
35490.7
35210.2
33733.6
35164.3
33868.7
37967.6
32023.5
34245.5
39952.8
Tomando en cuenta los pronsticos son mejores los de la tabla 5.5 que el de la tabla 5.6
como datos aislados, ya que representa un mayor volumen de ventas; pero para decidir
cual de las dos opciones del mtodo de Winter presentadas en este trabajo es ms viable,
se consideraron tambin los valores de los errores y se observaron los resultados en
conjunto. En base a esto se tiene que es mejor la segunda opcin, debido a que muestra
menores desviaciones, sin llegar a ser significativas. Por lo tanto esta decisin es del
5
1411
3128589
Perodo
Pronstico
67
68
69
70
71
72
73
74
75
30112.5
29151
26997.5
27411
26129.5
29620
22995.5
24402
29204.5
Suavizacin
Exponencial
Simple
Mtodo de
Holt
Mtodo de
Winter
(2)
MAD
2608
2681
1411
Mtodo de
Regresin
para Datos
Estacionales
964
MSD
10737666
12726704
3128589
2021299
10%
10%
5%
3%
MAPE
De acuerdo a la tabla 5.7 el modelo que presenta menor error con respecto al dato real
para los perodos de julio 2004 a marzo 2005 es el mtodo de regresin para datos
estacionales, por el contrario, el pronstico ms alejado de la realidad es el mtodo de
Holt.
Con las observaciones anteriores no se eliminan los modelos de suavizacin
exponencial simple, el de Holt, y el de Winter, ya que finalmente ser dec isin del
responsable del pronstico en la organizacin aceptar el modelo aqu propuesto o
considerar alguno de los otros cuatro basndose en su experiencia y objetivos.