Professional Documents
Culture Documents
demanda de Diésel
en el mercado
peruano al 2018
CASO DE ESTUDIO CON MÉTODO DE PROMEDIO
MÓVIL
INTEGRANTES:
Cajacuri Perez, Jhomara
Mallma Herhuay, Gerardo
Portocarrero Andía, Freddy
Quintana Torres, Karen
Retuerto Gamboa, Kevin
ÍNDICE
1. INTRODUCCIÓN 2
2. PLANTEAMIENTO DEL PROBLEMA 3
3. ANÁLISIS 4
4. DESARROLLO 5
5. CONCLUSIONES 10
6. RECOMENDACIONES 10
7. REFERENCIAS 10
1. INTRODUCCIÓN
120
100
80
MBPD
60 Demanda, Dt
MBPD
40
20
0
2012 2013 2014 2015 2016 2017
Años
4. DESARROLLO
En el gráfico Nº 1 se muestra el grafico de la demanda de diésel entre los años 2012 y
2017
Gráfico 1: Demanda de Diesel
140
120
100
80
MBPD
60 Demanda, Dt
MBPD
40
20
0
2012 2013 2014 2015 2016 2017
Años
En las gráficas de control, usted puede crear una gráfica de promedio móvil para
los datos de tiempo ponderados, para el caso nuestro tomamos en términos de
promedios diarios y notamos que existe un incremento en los años de análisis. En
los análisis de series de tiempo, Excel utiliza el promedio móvil para suavizar los
datos y reducir las fluctuaciones aleatorias en una serie de tiempo.
Para este desarrollo comenzamos con una base de 2, es decir n=2, luego calculamos
los pronósticos para cada año, el cálculo se hace a partir del 2014 debido a que
tenemos como datos de demanda para los dos años anteriores que son el 2012 y 2013,
por otro lado puede surgir la pregunta porque no se calculó para el año 2013, esto se
debe a que se tiene datos solo la demanda del 2012, y como elegimos como base n=2,
nos haría falta una demanda adicional que correspondería al 2011, pues solo tenemos
datos históricos a partir del 2012 en adelante, es por ello que se comienza a calcular a
partir del año 2014 para una base n=2.
Una vez aclarado este punto pasamos a calcular para los demás años y principalmente
para el año 2018, que sería el año de interés, luego calculamos sus respectivos errores
que simplemente seria la diferencia entre la demanda pronosticada y la demanda
histórica, es posible que esta diferencia sea negativa, esto a que se debe a que la
demanda histórica sea mayor que la pronosticada, para evitar ello sacamos el valor
absoluto de esta diferencia.
Luego llevamos a una gráfica de líneas para hacer una comparación de la tendencia de
las curvas tanto para la demanda histórica como la demanda pronosticada, teniendo la
siguiente gráfica:
Promedio móvil (n=2)
120
115
110
105
100
95
90
85
2011 2012 2013 2014 2015 2016 2017 2018 2019
Demanda, Dt Pronoó stico, Ft
MBPD MBPD
De la misma forma calculamos para una base n=3, la cual lo mostramos en la siguiente
tabla:
Promedio móvil (n=3)
115
110
105
100
95
90
85
2011 2012 2013 2014 2015 2016 2017 2018 2019
Demanda, Dt Pronoó stico, Ft
MBPD MBPD
A partir
de esta graficamos las demandas histórica y pronosticada, el cual lo mostramos a
continuación
Para esta base, hallamos el valor promedio de todos los valores absolutos de nuestros
errores calculados MAD el cual nos sale un valor de 10,16.
Para esta base, hallamos el valor promedio de todos los valores absolutos de nuestros
errores calculados MAD el cual nos sale un valor de 12,6.
5. ANALISIS DE LOS RESULTADOS
En las gráficas N° (las de abajo) se observa que el pronóstico con n=2, se acerca
más a la demanda real de esos años, con respecto a los pronósticos con n=3 y
n=4, debido a que el MAD es menor.
6. CONCLUSIONES
Se debe usar el promedio móvil con n=2 por que presenta menor MAD (MAD=
6.5)
7. RECOMENDACIONES
Sería interesante tener el dato de este año y poder pronosticar el del 2019
Trabajar con periodos más amplios (2 años, 5 años) para pronosticar
demanda del futuro a mayor alcance.
Se puede hacer un contraste con datos que no tienen tendencia
ascendente o descendente para apreciar un ajuste con diferentes valores de
“n”
8. REFERENCIAS
1. http://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/E
studios_Economicos/Reportes_de_Mercado/RSMMH-I-2017.pdf
2. https://www.ariae.org/cgi-ariae/BRSCGI.exe?
CONF=ARIAE.cnf&CMD=VEROBJ&MLKOB=973242394949