Académique Documents
Professionnel Documents
Culture Documents
DEPARTAMENTO DE INDUSTRIAS
Administracin de la Produccin
INTRODUCCIN
En la presente tarea se presenta un caso de estudio de pronstico y proyeccin de demanda.
El caso trata sobre la proyeccin de asistencia a partidos de ftbol de un equipo universitario,
particularmente de la Southwestern University (SWU). A pesar de poseer 20.000 estudiantes, los
partidos tenan una asistencia de 25.000 a 29.000, principalmente por el entusiasmo de la ciudad
de Stephenville, Texas. Ms an, con la contratacin de un nuevo entrenador en el 2009, Bo
Pitterno, las asistencias aumentaron en ms de 10.000 asistentes.
El problema inmediato que enfrentaba la Universidad, tiene relacin con el aforo del estadio
de 54.000 personas. La Tabla 1 muestra las asistencias histricas a los partidos de ftbol.
Con los antecedentes entregados, se pretende realizar una proyeccin de la asistencia del
2016 y 2016, con el objetivo de pronosticar cundo sera insuficiente la capacidad mxima del
estadio. Adems, suponiendo un ingreso de $20 por entrada en el 2016 y un aumento del 5%
anual, se pronosticarn los ingresos por concepto de entradas.
En la primera seccin se analizarn los distintos mtodos de pronsticos existentes. y se
elegir el ms adecuado a esta situacin. Existen diversos mtodos para pronosticar demandas,
tales como medias (simples, mviles, ponderadas), suavizacin exponencial (simple, con
tendencia), variaciones estacionales, regresiones lineales o descomposicin de la serie temporal.
En esta seccin se elegir justificadamente un mtodo de pronstico.
En la segunda seccin se desarrolla el mtodo elegido paso a paso, y se calcularn ciertos
parmetros para conocer la confiabilidad del modelo propuesto, tales como el SAEP, DAM y SR.
En la tercera seccin se presentan los pronsticos para los aos 2016, 2017 y 2018, tanto
en niveles de asistencia como en niveles de ingresos.
Finalmente se entregarn resultados cuantitativos que ayudarn a tomar una decisin.
1
Administracin de la Produccin, Segundo Semestre 2016
Asistencia histrica
55.000
50.000
45.000
40.000
35.000
30.000
25.000
20.000
0 5 10 15 20 25 30
Es posible observar que los datos histricos presentan una tendencia ascendente sumada a
una estacionalidad cuyas estaciones corresponden a los partidos anuales. Por ejemplo, el cuarto
partido de cada ao presenta una cada importante, siendo el partido con la peor asistencia
histrica. De igual manera, el segundo partido es el que presenta la mayor asistencia. Los otros
dos partidos tambin tienen un comportamiento similar ao a ao, quedando de manifiesto la
estacionalidad de esta serie temporal.
Considerando lo anterior, el mtodo de promedio simple se descarta debido a que este
mtodo es utilizado cuando se quiere pronosticar patrones de demanda aleatorios o nivelados
sin elementos estacionales o de tendencia, pues producen alto error. El promedio mvil, al igual
que el simple, busca pronosticar demanda aleatoria o nivelada y se pretende eliminar el impacto
de los elementos irregulares histricos mediante un enfoque peridico. Sin embargo tambin
produce errores importantes cuando existe tendencia y estacionalidad. De la misma forma, el
promedio mvil ponderado tiene los mismos objetivos que el promedio mvil siendo a su vez un
enfoque superior, pues permite al usuario ponderar intuitivamente aquellos datos que considera
importantes o no. Razn por la cual tambin se descarta.
El mtodo de suavizacin exponencial puede considerarse una evolucin del promedio mvil
ponderado. Tiene por objetivo corregir los errores del pasado mediante un mecanismo de
autocorreccin que busca ajustar los pronsticos en direccin opuesta a las desviaciones del
pasado, mediante un coeficiente de suavizacin. ste mtodo es ptimo para patrones de
2
Administracin de la Produccin, Segundo Semestre 2016
= ( + )
Estos ndices se calculan a partir de la Tabla A que se puede encontrar en el Anexo al final
de este documento. En ella se calculan ndices para cada par de datos, dividiendo la asistencia
real por el promedio anual de asistencia. A partir de estos ndices, se calcula un ndice
estacional que corresponde al promedio del ndice de cada partido a lo largo de los aos. Es
por esto que existe un ndice para cada partido independiente del ao.
Para desestacionalizar la demanda, se divide la demanda real por el ndice
correspondiente en la Tabla 2. La demanda desestacionalizada se encuentra en la Tabla A
dada en el Anexo.
3
Administracin de la Produccin, Segundo Semestre 2016
Luego, se utiliza el mtodo de los mnimos cuadrados para encontrar una recta que
minimice los errores cuadrticos de los datos reales (sin estacionalidad) con respecto a la recta
buscada. Las ecuaciones que logran esto, se muestran a continuacin:
=+
Siendo , las variables a las que se quiere encontrar una relacin lineal, el intercepto
y la pendiente, que se calculan como sigue:
=1
= 2
=1 2
= + = 32625 + 457,85
45000,00
40000,00
35000,00
30000,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Tendencia Y desestacionalizada
4
Administracin de la Produccin, Segundo Semestre 2016
Una vez encontrada la regresin, es posible encontrar un modelo que permita pronosticar la
demanda para cada partido, usando la ecuacin:
= ( + )
Es decir, las proyecciones se calculan utilizando la regresin encontrada, multiplicada por los
ndices de estacionalidad encontrados en la Tabla 2. Los pronsticos de los datos histricos se
muestran en la Tabla C del Anexo.
A continuacin, en la Figura 3 se encuentra una grfica de la demanda real (puntos en naranjo)
junto con las proyecciones (interpolacin azul).
Proyecciones Asistencia
A partir del grfico anterior, es posible apreciar que el modelo predice de buena forma el
comportamiento histrico de la asistencia. sta es una percepcin cualitativa, por lo que se
procede a calcular la seal de rastreo. Para esto, se utiliza la Tabla C del anexo. En ella se
calculan los siguientes parmetros SAEP (suma absoluta de errores de proyeccin), DAM
(desviacin absoluta media), SR (seal de rastreo):
=
=1
1
= | |
=1
5
Administracin de la Produccin, Segundo Semestre 2016
En la Tabla C se muestran el SAEP, el DAM y la SR. Con la ayuda de ella se grafica la seal
de rastreo en funcin de los perodos, en la Figura 4.
Seal de rastreo
5,00
4,00
3,00
2,00
1,00
0,00
-1,00 0 5 10 15 20 25 30
-2,00
-3,00
-4,00
En los primeros dos aos la seal de rastreo se escapa de los valores lmites [-4,4], esto porque
en un principio se tienen pocos datos, y el modelo subestima la demanda. Luego, desde el
tercer ao en adelante la seal se mantiene oscilando entre [2,-3] centrada cerca de cero, y
parece disminuir con el paso de las proyecciones. Es por esta razn y por la Figura 3, que se
concluye que el modelo de pronstico es bueno y aceptado.
3 PROYECCIONES
Con el modelo encontrado en la seccin 2, se procede a proyectar la demanda para los
siguientes 3 aos, resultado que se muestra en la Tabla 3. Adicionalmente, las proyecciones para
los siguientes tres aos se encuentran graficadas en la Figura 3.
6
Administracin de la Produccin, Segundo Semestre 2016
En la Tabla 3 se puede apreciar que en el segundo partido del ao 2017, la proyeccin indica
que superar el aforo de 54000 personas del estadio (coloreado rojo). De la misma forma, hay 3
partidos que en 2018 superan la limitante de personas del estadio. Adems, en amarillo, est el
segundo partido del 2016 muy cercano a los 54000. Teniendo presente que esto es slo un
pronstico, es posible que se supere el aforo mximo durante el 2016 (si se subestima la
demanda), considerando una desviacin media absoluta de 1500 personas.
Finalmente, considerando que en promedio la entrada costar $20 el 2016, con un aumento
anual del 5%, se calculan los costos por partido y anuales en la Tabla 4.
Por lo que, para los aos 2016 y 2017, se proyectan ingresos de $4.770.680 y $5.249.580 .
7
Administracin de la Produccin, Segundo Semestre 2016
8
Administracin de la Produccin, Segundo Semestre 2016
ANEXO
Tabla A. Desestacionalizacin de la Demanda
X Y
Ao Perodo Asistencia Prom por ao Y/prom(Y) ndice por estacin Y desestacionalizada
1 34.200 0,98163031 0,993893041 34410,14
2 39.800 1,142365098 1,138818919 34948,49
2010 3 38.200 34.840 1,096440873 1,071529644 35649,97
4 26.900 0,772101033 0,755220303 35618,75
5 35.100 1,007462687 1,040538093 33732,55
6 36.100 1,02035048 0,993893041 36321,82
7 40.200 1,136235161 1,138818919 35299,73
2011 8 39.100 35.380 1,105144149 1,071529644 36489,89
9 25.300 0,715093273 0,755220303 33500,16
10 36.200 1,023176936 1,040538093 34789,69
11 35.900 0,931983385 0,993893041 36120,59
12 46.500 1,207165109 1,138818919 40831,78
2012 13 43.100 38.520 1,118899273 1,071529644 40222,87
14 27.900 0,724299065 0,755220303 36942,86
15 39.200 1,017653167 1,040538093 37672,82
16 41.400 1,024752475 0,993893041 41654,38
17 46.100 1,141089109 1,138818919 40480,54
2013 18 43.900 40.400 1,086633663 1,071529644 40969,47
19 30.100 0,745049505 0,755220303 39855,92
20 40.500 1,002475248 1,040538093 38922,17
21 42.500 0,981071099 0,993893041 42761,14
22 48.200 1,112650046 1,138818919 42324,55
2014 23 44.200 43.320 1,020313943 1,071529644 41249,44
24 33.900 0,782548476 0,755220303 44887,56
25 47.800 1,103416436 1,040538093 45937,77
26 46.900 1,023570493 0,993893041 47188,18
27 50.100 1,093408992 1,138818919 43992,95
2015 28 45.900 45.820 1,001745962 1,071529644 42835,96
29 36.300 0,792230467 0,755220303 48065,45
30 49.900 1,089044086 1,040538093 47955,96
9
Administracin de la Produccin, Segundo Semestre 2016
10
Administracin de la Produccin, Segundo Semestre 2016
11