GESTION DE EMPRESAS“CASO 2: Altavox Electronics” ALUMNOS: MENDOZA ESPIRITU, Gersson SALAS ESPIRITU, Jhon CASIMIRO QUISPE, Hendrik SECCIÓN: C12-6-B 2011- II En la tabla de la página siguiente se muestra la demanda del producto en las últimas 13 semanas. contadores de frecuencia y otras máquinas para pruebas y mediciones. El modelo VC202 se ha vendido bien durante años por confiabilidad y sólida contrucción. osciloscopios. Altavox Data. pero hay alguna variabilidad en la demanda. Chigago. La gerencia quisiera que usted experimentara con algunos modelos de pronóstico para determinar cuál debe usarse en un nuevo sistema que va a establecerse. a través de seis distribuidoras están en Atlanta. A continuación tenemos los siguientes datos: SEMANA Atlanta Boston Chicago Dallas Los Angeles TOTAL 1 36 26 44 27 32 2 45 35 34 42 43 3 37 41 22 35 54 4 38 40 55 40 40 5 55 46 48 51 46 6 30 48 72 64 74 7 18 55 62 70 40 8 58 18 28 65 35 9 47 62 27 55 45 10 11 12 13 Promedio 37 44 95 43 38 23 30 35 38 48 55 45 45 47 56 40 50 47 42 50 40 42 47 48 46 223 165 199 189 213 246 288 245 204 236 257 174 248 229 Prof. El modelo VC202 se vende. Altavox vende una línea de medidores de prueba que son populares entre los electricistas profesionales. como multímetros digitales analógicos. El nuevo sistema está programado para usar uno de dos modelos: promedio móvil simple o suavización exponencial. Dallas y Los Ángeles y fueron escogidas para atender regiones diferentes. La demanda de las regiones varía entre un máximo de 40 unidades en promedio semanal en Atlanta y 48 unidades en Dallas. contenida en el DVD del libro. Estos datos se encuentran en una hoja de cálculo de Excel. generadores de función. Los datos de este trimestre están muy cerca de la demanda del trimestre pasado.GESTION DE EMPRESAS CASO: Altavox Electronics Altavox es fabricante y distribuidor de muchos instrumentos aparatos electrónicos. Boston. Pedro Lizarraga 2 . A continuación se dan datos previos de cada región. Pedro Lizarraga 3 . Experimente con modelos que usan datos de cinco y tres semanas anteriores. Piense en usar un modelo de promedio móvil simple.GESTION DE EMPRESAS PREGUNTAS 1. SEMANA Atlanta Boston Chicago Dallas Los Angeles TOTAL -5 45 62 62 42 43 254 -4 38 18 22 35 40 153 -3 30 48 72 40 54 244 -2 58 40 44 64 46 252 -1 37 35 48 43 35 198 SOLUCION: Primeramente hallamos el Promedio Movil Simple de las 3 últimas semanas: PROMEDIO MOVIL SIMPLE SEMANA Atlanta Boston Chicago Dallas Los Angeles TOTAL 10 37 44 95 43 38 257 11 23 30 35 38 48 174 12 55 45 45 47 56 248 13 40 50 47 42 50 229 Promedio 40 42 47 48 46 223 14 39 42 42 42 51 El promedio movil simple calculado es sobre las 3 ultimas semanas la cual nos da un pronóstico de cuánto van a ser las ventas en la semana 14. A continuación tenemos las graficas de ventas de cada ciudad: Prof. Evalúe los pronósticos que se habrían hecho en las últimas 13 semanas tomando como criterios la desviación absoluta promedio y la señal de seguimiento. GESTION DE EMPRESAS ATLANTA 70 60 50 40 30 20 10 0 0 5 10 15 ATLANTA VENTA Linear (ATLANTA VENTA) y = 0.885 R² = 0.231 R² = 0. Pedro Lizarraga 4 .0023 BOSTO 70 60 50 40 30 20 10 0 0 5 10 15 BOSTO VENTA Linear (BOSTO VENTA) y = 0.9011x + 35.1484x + 38.0857 Prof. 8736x + 41.0282 DALLAS 80 70 60 50 40 30 20 10 0 0 5 10 15 y = 0. Pedro Lizarraga 5 .115 R² = 0.038 R² = 0.059 DALLAS VENTA Linear (DALLAS VENTA) Prof.GESTION DE EMPRESAS CHICAGO 100 90 80 70 60 50 40 30 20 10 0 0 5 10 15 CHICAGO VENTA Linear (CHICAGO VENTA) y = 0.7967x + 42. 2802x + 199.GESTION DE EMPRESAS LOS ANGELES 80 70 60 50 40 30 20 10 0 0 5 10 15 Linear (LOS ANGELES VENTA) y = 0.58 R² = 0.5604x + 42. Pedro Lizarraga 6 .129 Prof.308 R² = 0.04 LOS ANGELES VENTA Aquí tenemos el diagrama de ventas en total de las 5 ciudades: EN LAS 5 CIUDADES VENTA 350 300 250 200 150 100 50 0 0 5 10 15 EN LAS 5 CIUDADES VENTA Linear (EN LAS 5 CIUDADES VENTA) y = 3. seguimos con el PMP de las 5 semanas: PROMEDIO MOVIL PONDERADO SEMANA Atlanta Boston Chicago Dallas Los Angeles TOTAL -5 45 62 62 42 43 254 -4 38 18 22 35 40 153 -3 30 48 72 40 54 244 -2 58 40 44 64 46 252 -1 37 35 48 43 35 198 PMP 41 40 50 45 43 PMP (1) Atlanta = Prof. Pedro Lizarraga 7 .GESTION DE EMPRESAS Luego procedemos a realizar el promedio movil simple de las 5 semanas: PROMEDIO MOVIL SIMPLE SEMANA Atlanta Boston Chicago Dallas Los Angeles TOTAL -5 45 62 62 42 43 254 -4 38 18 22 35 40 153 -3 30 48 72 40 54 244 -2 58 40 44 64 46 252 -1 37 35 48 43 35 198 PMS 42 41 50 45 44 Despues de realizar el PMS. Suponga que el pronostico inicial anterior para el modelo usando uun valor de alfa de 0. Pedro Lizarraga 8 . A continuación piense en usar un modelo de suavización exponencial simple.2. suponda que el pronóstico anterior es el promedio de las 5 semanas pasadas. pruebe 2 valores de alfa: 0.4.2 SEMANA 11 12 13 14 VENTAS 30 45 50 X 42 40 41 43 Prof.GESTION DE EMPRESAS 2.2 SEMANA VENTAS X 11 12 13 14 23 55 40 39 36 40 40 BOSTON SUAVIZACION EXPONENCIAL α = 0.2 y 0. Use los mismos criterios para evaluar el modelo como en la parte 1.4.2 es el promedio de las ultimas 3 semanas. Al igual que la primera parte realizamos la suavización para las 3 ultimas semanas utilizando el factor α=0. En su análisis. asimismo lo separamos por ciudades: ATLANTA SUAVIZACION EXPONENCIAL α = 0. Para el modelo que sea un alfa 0. 2 SEMANA 11 12 13 14 VENTAS 35 45 47 X 53 49 48 48 DALLAS SUAVIZACION EXPONENCIAL α = 0. Pedro Lizarraga 9 .GESTION DE EMPRESAS CHICAGO SUAVIZACION EXPONENCIAL α = 0.2 SEMANA 11 12 13 14 VENTAS 38 47 42 X 42 42 43 43 Prof. Pedro Lizarraga 10 .2 SEMANA 11 12 13 14 VENTAS 48 56 50 X 49 49 50 50 Luego procedemos a realizar la suavización exponencial para las 5 semanas utilizando el factor α = 0. al igual que el anterior lo separamos por ciudades: ATLANTA SUAVIZACION EXPONENCIAL α = 0.4.GESTION DE EMPRESAS LOS ANGELES SUAVIZACION EXPONENCIAL α = 0.4 SEMANA 1 2 3 4 5 6 VENTAS 37 58 30 38 45 X 41 39 47 40 39 42 Prof. 4 SEMANA VENTAS X 1 2 3 4 5 6 48 44 72 22 62 49 48 47 57 43 51 Prof.GESTION DE EMPRESAS BOSTON SUAVIZACION EXPONENCIAL α = 0.4 SEMANA VENTAS X 1 2 3 4 5 6 35 40 48 18 62 44 41 40 43 33 45 CHICAGO SUAVIZACION EXPONENCIAL α = 0. Pedro Lizarraga 11 . GESTION DE EMPRESAS DALLAS SUAVIZACION EXPONENCIAL α = 0. Prof.4 que reducimos más todavia el pico.2 reducimos el pico un poco. Pedro Lizarraga 12 . a diferencia de la suavizacion exponencial con α = 0. se puede ver que suavizando con el α = 0.4 SEMANA VENTAS X 1 2 3 4 5 6 35 46 54 40 43 46 42 43 48 45 44 Analizando las 2 suavizaciones.4 SEMANA VENTAS X 1 2 3 4 5 6 43 64 40 35 42 44 43 52 47 42 42 LOS ANGELES SUAVIZACION EXPONENCIAL α = 0. Altavox estudia una nueva opción para distribuir el modelo VC202 en la que. Este criterio se llama error porcentual absoluto promedio (MAPE) y mide el error de un pronóstico como porcentaje de la demanda promedio. Use el modelo que crea que es el mejor a partir de sus análisis de las partes 1 y 2. Use un nuevo criterio que se calcule tomando la MAD y dividiéndolo entre la demanda promedio. Pedro Lizarraga 13 . tenga solo uno. ¿Cuáles son las ventajas y desventajas de la demanda agregada desde el punto de vista del pronóstico? ¿Hay otras cosas que deben considerarse cuando se pasan de varias distribuidoras a una sola? Para resolver esta pregunta debemos tener en cuenta las siguientes formulas: DESVIACION ABSOLUTA MEDIA (DAM) ERROR PORCENTUAL ABSOLUTA MEDIA (MAPE) Primeramente realizamos para las 3 ultimas semanas: Prof. Evalué esta opción analizando la exactitud de un pronóstico basado en la demanda agregada en todas las regiones.GESTION DE EMPRESAS 3. en lugar de cinco proveedores. 13% 7.67 20.55% 0.57% 34.00% 8.70% BOSTO SEMANA Semana 11 Semana 12 Semana 13 VENTA 30 45 50 PRONOSTICO 42 40 41 DESVIACION ABSOLUTA 12 5 9 MAD MAPE ERROR PORCENTUAL ABSOLUTO 40.GESTION DE EMPRESAS Últimas 3 semanas ATLANTA SEMANA Semana 11 Semana 12 Semana 13 VENTA 23 55 40 PRONOSTICO 39 36 40 DESVIACION ABSOLUTA 16 19 0 MAD MAPE ERROR PORCENTUAL ABSOLUTO 69.67 34.43% 8.11% 18.82% Prof.67 23. Pedro Lizarraga 14 .00% 11.00% 11.04% CHICAGO SEMANA Semana 11 Semana 12 Semana 13 VENTA 35 45 47 PRONOSTICO 53 49 48 DESVIACION ABSOLUTA 18 4 1 MAD MAPE ERROR PORCENTUAL ABSOLUTO 51.89% 2. 67 4.08% 12. Pedro Lizarraga 15 .GESTION DE EMPRESAS DALLAS SEMANA Semana 11 Semana 12 Semana 13 VENTA 38 47 42 PRONOSTICO 42 42 43 DESVIACION ABSOLUTA 4 5 1 MAD MAPE ERROR PORCENTUAL ABSOLUTO 10. Prof.33 7.38% 3.86% De todas las ciudades analizadas podemos ver la que presenta menor error porcentual absoluto y es tambien donde se posee una mayor demanda.00% 2.50% 0.53% 10.85% LOS ANGELES SEMANA Semana 11 Semana 12 Semana 13 VENTA 48 56 50 PRONOSTICO 49 49 50 DESVIACION ABSOLUTA 1 7 0 MAD MAPE ERROR PORCENTUAL ABSOLUTO 2.64% 2. 60 23.09% 30.72% 159.77% 14. Pedro Lizarraga 16 .65% Prof.26% 13.77% BOSTO SEMANA Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 VENTA 35 40 48 18 62 PRONOSTICO 44 41 40 43 33 DESVIACION ABSOLUTA 9 1 8 25 29 MAD MAPE ERROR PORCENTUAL ABSOLUTO 25.81% 32.11% CHICAGO SEMANA Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 VENTA 48 44 72 22 62 PRONOSTICO 49 48 47 57 43 DESVIACION ABSOLUTA 1 4 25 35 19 ERROR PORCENTUAL ABSOLUTO 2.89% 46.08% 9.76% 56.67% 5.71% 2.GESTION DE EMPRESAS 5 Semanas ATLANTA SEMANA Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 VENTA 37 58 30 38 45 PRONOSTICO 41 39 47 40 39 DESVIACION ABSOLUTA 4 19 17 2 6 MAD MAPE ERROR PORCENTUAL ABSOLUTO 10.50% 16.09% 34.40 46.33% 9.67% 138. 00% 4.37% 20. Pedro Lizarraga 17 .88% LOS ANGELES SEMANA Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 VENTA 35 46 54 40 43 PRONOSTICO 46 42 43 48 45 DESVIACION ABSOLUTA 11 4 11 8 2 MAD MAPE ERROR PORCENTUAL ABSOLUTO 31.20 17. el que posee menor error porcentual absoluto es la ciudad de los angeles.29% 0.20 19.13% DALLAS SEMANA Semana 1 Semana 2 Semana 3 Semana 4 Semana 5 VENTA 43 64 40 35 42 PRONOSTICO 44 43 52 47 42 DESVIACION ABSOLUTA 1 21 12 12 0 MAD MAPE ERROR PORCENTUAL ABSOLUTO 2.70% 20.65% 7.GESTION DE EMPRESAS MAD MAPE 16.03% Al igual que el análisis anterior. en donde existe un pronostico cercano a las ventas dadas por cada semana.43% 8.00% 9.81% 30. Prof.33% 32.00% 34.80 47. DI-@% + 9 9 fff . @-.::4..9.93796416463:47313.9 67960146:.: 9.- f°f ¾° .I.9 .3.5. - f°f ¾° .5.::4.: 9.. :7:19.93# & :46:0653# #13.I9- .3.nf ff¾ ¾° ¾ @@ 9. 9 # # .3.nf ff¾ ¾° ¾ @@ 9.5.. 9 9 fff % % . 83 7965 :.3461368:.9 065.1 :379641613.0 57.4.9..:.9697.3.1.: :4.5.: #.06.:4:4636:7.1: @-@ DI.9.3.4.0 5 76550.3.0650.69 . 7.95461361:.: 3.::4. :36:4:46:09.::4.0 575:5:.5.:7.7949.9.5..:3.3.5 3:: 79/.3:473 5:.3.5163.:.3. :7651.:.5.383.5.346136 :.369:1.8379656:.5..9.9.9.0.9.96:7.969:379641613.3691.5.9346136064653. &765.46: 76901.3.7.: 3.3.46:3.9.5165. @-. -O9--. .- I-@ O @- DI. -O9--. - I-@ O 9 9 fff . . 9 . @-. . DI. -O9--. .- I-@ O DI. -O9--. .- 9 9 fff I-@ O . @-.9 - DI. -O9--. .3.5163.3.3.9.0.3.:.69 .: :4.96936 :7. .383.9.37.5.5.0 576550.1: @-@ DI.46:76901.- I-@ O 67960146:.9.93.:. -O9--. .- I-@ O 9 9 fff . @-.9 @- DI. -O9--. .- I-@ O . . DI. -O9--. - I-@ O 9 9 fff . . 9 DI. @-. -O9--. .- I-@ O - DI. -O9--. - I-@ O 5.3.1950.5163..61.06576550..:..13.5160653 91046:370657606 .::. .065: :7198:.3706 9 9 fff ..3 065 891046:4 :. 09.1..9.51./:63.996976905.: 1:5.9.61:.9/9346136 53.9.51.3.:7.:81/5065:19.:5.06T.: :5 5609.1653.0.:1:...5. #.6:.9:0.59505..8 53.13 7965 :.9 3.670 57. 8:3469..:965: :346136809.9.5 3::13.796416 :.1.795..1:1375...968:0. @-.9.51.:.1/46:.6.5.:63.9/169.:3.5. 14.5.1:.6796416 # 4139969157965 :.1.670 5..13.3 .5.516: 7.:.910506796169: .51.14.91::.51.9..1157965 :..7.:63656 .96:33.796416 T 3::653..:.9:639:.060646 76905.5.9.3 :.61.::5..:06:..3.5163.64. 11 516365..06/.9.303.4.5163.14.: I.9 3.:13.14.: 6943.. % 9.- D@.%. 3.9% #949.9.-@D D@.45.::4.:3.4.9.: 9 9 fff .3.46:7.5.%. @-.9 ¯f¾¾ ¯f°f¾ .- ¯f°f ¯f°f ¯f°f I-@ 9-@. @-@ I. .- D@ .9 9. - ¯f°f ¯f°f ¯f°f I-@ .-@D D@ @ . . .- ¯f°f ¯f°f ¯f°f I-@ 9-@. I. - D@ .9 9. . -@D D@ 9-@. I. 9 9. .- D@ . -@D D@ 9 9 fff . @-.9 .- ¯f°f ¯f°f ¯f°f I-@ 9-@. I. 9 9. .- D@ . -@D D@ - .- ¯f°f ¯f°f ¯f°f I-@ 9-@. I. 9 9. .- D@ . -@D D@ ./:63.6:.4/51651:76: 5.879:5.1.61...1:.51.:76146:93.6914.:3.3.3.4.:01.5. 4569996976905. 9 9 fff .. @-.- ¯f°f ¯f°f ¯f°f ¯f°f ¯f°f I-@ 9-@.9 ¯f°f¾ . - ¯f°f ¯f°f ¯f°f ¯f°f ¯f°f . @ . . - ¯f°f ¯f°f ¯f°f ¯f°f ¯f°f I-@ 9-@. . I. - D@ 9. -@D D@ I-@ 9-@. I. - D@ .9 9. . -@D D@ @-@ I. .- D@ .9 9. -@D D@ 9 9 fff . - ¯f°f ¯f°f ¯f°f ¯f°f ¯f°f - .- ¯f°f ¯f°f ¯f°f ¯f°f ¯f°f I-@ 9-@. @-. .9 . I. .- D@ .9 I-@ 9-@. I. - D@ . .9 .9 9. -@D D@ 9. 969 3876:45699969 76905.5.:5.1.3.5.53: 51651:.1./:63.01.-@D D@ 3..06090. 579656:.383.3. 9 9 fff ..56.6:3.:7690.:1.5 3::.1136:.:4.