Cálculo del MAD y la Señal de Rastreo para un Pronóstico de Demanda

Un aspecto clave cuando se realiza un Pronóstico de Demanda es evaluar éste en cuanto a su ajuste respecto a la información real que se dispone. Para ello se introduce el concepto error que básicamente mide la diferencia entre el valor real y el valor pronosticado para un período específico.

Formalmente el error de un pronóstico e_{t} se define como e_{t}=A_{t}-F_{t} donde A_{t} es la demanda real u observada en el período t y F_{t} es la demanda pronosticada para el mismo período.

De esta forma, si por ejemplo, para un período dado (digamos por ejemplo, período 1), la demanda real es de 150 unidades y nuestro pronóstico para el mismo período fue 100 unidades, entonces e_{1}=A_{1}-F_{1}=150-100=50>0, entonces tenemos una subestimación de la demanda real de una magnitud de 50 unidades.

De forma análoga, si la demanda real es de 150 unidades pero nuestro pronóstico para el mismo período, es, por ejemplo, 250 unidades el error correspondiente es e_{1}=A_{1}-F_{1}=150-250=-100<0, por tanto en este caso tenemos una sobrestimación de la demanda real de una magnitud de 100 unidades.

En la práctica un pronóstico perfecto es imposible y por tanto el tomador de decisiones sabe que debe lidiar con un grado de error.

En este contexto se pueden identificar 2 tipos de errores: error sistemático el cual depende del método de pronóstico que utilizamos y el error aleatorio el cual es propio de la variación inherente de la situación que se modela. Luego,  nos interesa minimizar la presencia y magnitud del error sistemático.

Para ello utilizamos 2 indicadores que generalmente se analizan en forma conjunta para tener una visión más objetiva de lo adecuado (o no) de un pronóstico de demanda. Dichos indicadores son el MAD y la Señal de Rastreo (TS). En este contexto a continuación se presentan las fórmulas para el cálculo del MAD y la Señal de Rastreo para un pronóstico de demanda haciendo uso de un método de series de tiempo.

MAD (Error Absoluto Medio): Que proporciona una medición del error promedio del pronóstico (en valor absoluto) y queda definido matemáticamente por:

MAD

Señal de Rastreo (TS – Tracking Signal): Mide la desviación del pronóstico respecto a la variación de la demanda.

Señal de Rastreo

Cálculo del MAD y la Señal de Rastreo

A continuación se presenta el cálculo del MAD y la Señal de Rastreo para el pronóstico de demanda de un producto determinado utilizando Media Móvil Simple con n=3. Notar que A_{t} corresponde a la demanda real (observada) para el período (mes) t y F_{t} es la demanda pronosticada para el mes t (obtenido a través del método de media móvil según lo señalado anteriormente).

tabla-calculo-mad-y-ts

El siguiente video tutorial muestra cómo se obtienen los resultados detallados en el resumen anterior:

En el artículo Interpretación de la Señal de Rastreo de un Pronóstico de Demanda detallamos la interpretación de este indicador que nos permite evaluar la presencia de error sistemático y si algún tipo de error (sobrestimación o subestimación) predomina en nuestras estimaciones.

Así también se propone revisar el aporte para efectos de evaluación que constituye disponer de un indicador de desempeño adicional denominado MAPE (Error Porcentual Absoluto Medio) que permite tener una estimación relativa (porcentual) del error del pronóstico.

¿Quieres tener el archivo Excel con el Cálculo del MAD y la Señal de Rastreo (TS) de este problema?.

[sociallocker]MUCHAS GRACIAS!. DESCARGA AQUÍ EL ARCHIVO[/sociallocker]

Cómo resolver un modelo de Programación Lineal utilizando Solver de Excel

El complemento Solver de Excel nos permite resolver modelos de Programación Lineal de forma muy sencilla e intuitiva. Para ello necesitamos tener previamente Instalado el complemento de Solver en Excel. Sin embargo, en caso que el modelo a implementar sea de un mayor tamaño (usualmente más de 150 variables de decisión y 300 restricciones) a los que usualmente se abordan en cursos introductorios de Investigación Operativa se recomienda utilizar Premium Solver Pro tal como se describe en Cómo descargar e instalar la versión de Prueba de Premium Solver en Excel 2010.

En este contexto hemos desarrollado un tutorial que compara distintas herramientas computacionales para resolver modelos de optimización en una interfaz de Excel. Al respecto recomendamos al lector revisar el artículo: Solver, Premium Solver Pro y What’sBest! en la resolución del Problema de Localización y Transporte.

Cómo Resolver un modelo de Programación Lineal con Solver de Excel

El proceso se puede describir en 3 simples pasos y a continuación se aplica un problema típico de Producción y Transporte:

1. Definir las Variables de Decisión: Estas celdas serán las que estarán vinculadas a la función objetivo y restricciones a través de funciones lineales.

variables-solver

2. Definir la Función Objetivo: Esta celda debe ser única y ser adicionalmente una fórmula. Su valor dependerá del valor que se obtenga para las variables de decisión y su ponderación por los parámetros (constantes) que multiplican a dichas variables en la función objetivo.

definir-funcion-objetivo-so

3. Definir las Restricciones: Se recomienda dejar al Lado Derecho las constantes y al Lado Izquierdo fórmulas. El valor del Lado Izquierdo usualmente representa la ponderación de los parámetros relacionados con las restricciones con las variables de decisión.

definir-restricciones-solve

El siguiente tutorial muestra la resolución de un modelo de Programación Lineal de dos variables utilizando Solver de Excel. Este ejemplo es similar al descrito en el Tutorial de Geogebra. Adicionalmente se pueden encontrar otros ejemplos resueltos en el Canal de Youtube de nuestro sitio cuya dirección es https://www.youtube.com/user/GEOTutoriales/videos.