Propuesta de un sistema de planificación para el abastecimiento de combustible
-
Upload
juanjo-h-otarola-t -
Category
Documents
-
view
218 -
download
0
Transcript of Propuesta de un sistema de planificación para el abastecimiento de combustible
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
1/196
UNIVERSIDAD DE TALCAFACULTAD DE INGENIERA
ESCUELA DE INGENIERA CIVIL INDUSTRIAL
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
2/196
Resumen Ejecutivo
El estudio realizado consisti en estimar las demandas de combustibles para las
distintas plantas de aprovisionamiento, a cargo del departamento de Logstica de
Repsol YPF, se utiliz como metodologa para el desarrollo de los pronsticos mensuales
modelos estocsticos como son, los Modelos de Suavizamiento Exponencial Simple,Modelos de Tendencia de Winters, Modelos de Suavizamiento Exponencial Ajustado
Estacionalmente y para la prediccin semanal de demanda se utilizaron herramientas
econometritas.
Se debe sealar que en el Departamento de Logstica de Repsol YPF no existen
estudios relacionados con la prediccin de demanda, de forma de facilitar el
aprovisionamiento de combustible, por ende este trabajo es un punto de partida para futuros
trabajos y nuevos desarrollos de este tipo.
Los datos se obtuvieron principalmente de la empresa, trabajando en conjunto con el
encargado de aprovisionamiento de combustible los cuales fueron tabulados de manera de
poderlos manejar de forma fcil y ordenada.
Ob id l d li l i bl ifi i i
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
3/196
Agradecimientos
Agradezco principalmente a mis padres Vctor Hernn Santelices Guajardo y
Patricia del Carmen Quezada Benavente por su gran esfuerzo y dedicacin a lo largo de
toda mi carrera, ya que fueron mi apoyo incondicional tanto en los malos como en losbuenos momentos de mi vida universitaria. A mi familia, mi esposa Daniela y a mi hijo
Rodrigo que fueron una de las inspiraciones y fuerzas para terminar mi largo andar
universitario. Tambin agradezco a mis hermanos (Vctor, Daniel, Camila y Kuki) y
familiares cercanos que me apoyaron en momentos que los necesitaba. A la familia Lpez
Quezada que me apoyaron en gran parte de la carrera.
A todos los que siempre confiaron en m, familiares cercanos y a los amigos que
conoc en La Universidad.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
4/196
ndiceResumen Ejecutivo....1Agradecimientos.2
CAPITULO 1INTRODUCCIN6
1.1 DESCRIPCIN DE LA EMPRESA..71.2 REA DE ESTUDIO.91.3 REA DE INVESTIGACIN..101.4 PROBLEMTICA111.5 OBJETIVO GENERAL111.6 OBJETIVOS ESPECIFICOS...121.7 METODOLOGA.12
1.7.1 DIAGNOSTICO DE LA SITUACIN ACTUAL DE LA EMPRESA..12
1.7.2 DESARROLLO DE EL MODELO DE PREDICCIN MENSUAL..13
1.7.3 DESARROLLO DEL MODELO DE PREDICION SEMANAL DEDEMANDA..15
1.7.4 DISEO DE EL SISTEMA DE PLANIFICACIN PARA ELAPROVISIONAMIENTO DE COMBUSTIBLE16
S A O A G
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
5/196
2.3 REGRESIN POR MNIMOS CUADRADOS.332.4 EL VECTOR DE COEFICIENTES DE MNIMOS CUADRADOS.342.5 ASPECTOS ALGEBRAICOS DE LA SOLUCIN DE MINIMOS
CUADRADOS.362.6 PROPIEDADES ESTADSTICAS DEL ESTIMADOR DE MNIMO
CUADRADOS EN MUESTRAS FINITAS....372.6.1 Regresores no estocsticos..38
2.6.2 Regresores estocsticos...392.7 FUNCIN DE DEMANDA...402.8 CONCEPTOS, CONTROL Y MODELOS DE INVENTARIOS
CONCEPTOS BSICOS DE INVENTARIO..422.8.1 VENTAJAS DE UN SISTEMA DE INVENTARIO..422.8.2 CONTROL DE INVENTARIOS....432.8.3 FACTORES DE COSTO EN EL CONTROL DEL INVENTARIO......44
2.8.4 MODELO DE INVENTARIO GENERAL.45
CAPITULO 3RECOPILACIN Y ANALISIS DE INFORMACIN RELEVANTE47
3.1 DIAGNOSTICO DE LA SITUACIN ACTUAL DE LA EMPRESA.483.1.1 Recopilacin de informacin en base a como realizan el trabajo de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
6/196
CAPITULO 5MODELO DE PREDICCIN SEMANAL..85
5.1 DESARROLLO DEL MODELO DE PREDICION SEMANAL DE DEMANDATENIENDO COMO VARIABLES DE ENTRADA LOS PRECIOS SEMANALES YEL COSTO POR SOBRE STOCK86
CAPITULO 6ESTRUCTURACIN DEL SISTEMA DE PLANIFICACIN..103
6.1 DISEO DEL SISTEMA DE PLANIFICACIN PARA ELAPROVISIONAMIENTO DE COMBUSTIBLE, INCORPORANDO EL USO DEHERRAMIENTAS COMO EL MODELO DE PREDICCIN MENSUAL, ELMODELO DE PREDICION SEMANAL114
CAPITULO 7CONCLUSIONES Y SUGERENCIA.118CONCLUSIONES..119SUGERENCIAS.124
BIBLIOGRAFA...126
ANEXOS128
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
7/196
CAPITULO 1
INTRODUCCIN
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
8/196
1.1 DESCRIPCIN DE LA EMPRESA
Repsol YPF es una empresa internacional de produccin y distribucin de petrleo y
gas, con actividades en ms de 30 pases y lder en Espaa y Argentina. Es una de las diez
mayores petroleras privadas del mundo y la mayor compaa privada energtica en
Latinoamrica en trmino de activos
Repsol YPF es fundamentalmente el resultado de los siguientes procesos: la
constitucin en 1987 de la compaa estatal Repsol a partir de las participaciones que el
Estado espaol tena en el sector de hidrocarburos, el final del proceso de
desmonopolizacin y la liberalizacin del sector de hidrocarburos en Espaa y laadquisicin de la petrolera argentina YPF en 1999.
En esta evolucin, desde una compaa bsicamente dedicada a la refinacin de
petrleo y a la comercializacin de productos en Espaa hasta convertirse en la dcima
compaa internacional integrada de la industria del petrleo y el gas, Repsol YPF ha
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
9/196
marca histrica de gran credibilidad y confianza. Petronor es una marca arraigada en el
norte de Espaa, donde se sita la refinera del mismo nombre. En Argentina, por su parte,
las estaciones de servicio han conservado la marca YPF atendiendo a su vinculacin con los
consumidores de ese pas.
En todo caso, la posicin de Repsol YPF es aplicar siempre los mejores estndaresen cuanto a su comportamiento y a la calidad de sus productos y servicios, haciendo lo
posible para que la percepcin de sus clientes, proveedores y socios est a la altura de su
visin estratgica:
Ser una empresa internacional petrolera y gasista integrada, admirada, orientada alcliente y a la creacin de valor
En Chile RepsolYPF se encuentra con tres actividades estratgicas las cuales son:
Logstica, Marketing y Distribucin de Gas licuado de Petrleo.
En chile la participacin de mercado en comparacin con sus mas grandes
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
10/196
En Chile Repsol YPF tiene arrendados siete tanques de la compaa Oxiqun
situados en las localidades de Quintero y Coronel, con una capacidad total de 52.000 m 3.
Asimismo alquila almacenamiento a ENAP en sus Plantas de Maip y Linares, y se
tiene una capacidad de almacenamiento propia en Lautaro. En Per hay una capacidad total
de almacenamiento contratada de 106.000 m3en dos terminales.
Especficamente es en el departamento de Logstica de la empresa donde se realiz
la memoria debido al no poseer una herramienta de planificacin adecuada para el
abastecimiento de combustible, provocando una toma de decisiones poco eficientes y
eficaces.En Chile el nmero de estaciones a finales de 2005 es de 204.
YPF distribuye sus servicios, entre la IV y X Regin del territorio chileno
Repsol YPF es lder de la distribucin de GLP en Argentina, Ecuador, Per y Chile.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
11/196
1.3 REA DE I NVESTI GACIN
La problemtica se desarroll con herramientas de Estadstica Industrial como:
Promedios mviles ponderados
Modelo de Suavizamiento exponencial simple Modelo de tendencia de Winters
Modelo de suavizamiento exponencial ajustado estacionalmente
y herramientas economtricas tales como:
Modelo de regresin lineal mltiple
Modelo de regresin de mnimos cuadrados ordinarios
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
12/196
1.4 PROBLEMTICA
En Chile Repsol YPF tiene arrendados siete tanques de la compaa Oxiqun
situados en las localidades de Quintero y Coronel, con una capacidad total de 52.000 m3.
Tambin arrienda almacenamiento a ENAP en sus Plantas de Maip y Linares.
A este ltimo Repsol YPF compra combustible, el cual se le comunicamensualmente la cantidad de la cual se pretende abastecer RepsolYPF, este pedido se hace
en forma intuitiva, por no contar con un sistema de planificacin de abastecimiento de
combustible, basado en la respuesta de un modelo de prediccin mensual y en el modelo de
prediccin semanal, al momento de tomar decisin con respecto a la cantidad que se desea
comprar.Una vez generado el pedido mensual, RepsolYPF tiene la facilidad de poder
acomodarse a esta prediccin semana a semana, teniendo en cuenta variables importantes
como el precio de los combustibles, el costo por sobrestock y cantidades de combustible en
inventario.
Por esto se hace indispensable un sistema de planificacin de abastecimiento de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
13/196
1.6 OBJETIVOS ESPECIFICOS
Diagnosticar la situacin actual del sistema de aprovisionamiento de combustible en
la empresa.
Desarrollar el modelo de prediccin de demanda mensual.
Desarrollar el modelo de prediccin semanal.
Disear el sistema de planificacin para el aprovisionamiento de combustible.
1.7 METODOLOGA
1.7.1 DIAGNOSTI CO DE LA SITUACIN ACTUAL DE LA EMPRESA
En este punto se analiz la empresa, la forma cmo desempea la funcin de
abastecimiento de combustible, su entorno, adems se recopil informacin relevante
referente a las variables, restricciones y parmetros a utilizar para una buena propuesta
de un sistema de planificacin con base en la prediccin de demanda mensual y semanal.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
14/196
cual es de suma importancia para el posterior desarrollo de la memoria y
sobre todo en el desarrollo del modelo de prediccin de demanda tanto
mensual como semanal.
Adems la informacin recopilada se valid a travs de tcnicas graficas
para poder tener la certeza de la calidad de la informacin.
1.7.2 DESARROLLO DE EL MODELO DE PREDICCIN MENSUAL DE
DEMANDA.
En este tem se desarroll el modelo de prediccin de demanda mensual a utilizar, de
esta forma obtener el pronstico de demanda para una posterior utilizacin en el sistemade planificacin de aprovisionamiento.
Determinar qu se va a pronosticar.
Las unidades de medida o cuantificacin, como cantidades o ingresos, y el
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
15/196
Consideraciones relativas a los datos.
El tipo de datos con que se desea contar depende del uso que se les dar.
Por consiguiente, cualquier unidad que sea de utilidad, como la cantidad de
unidades por mes, debe extraerse de manera consistente, de la base de
datos. Cualquier cambio que tenga lugar en las unidades de medicin ocuantificacin tiene que registrarse con claridad. De ser necesario, la
variabilidad en la demanda tiene que medirse con la misma unidad de
tiempo e identificarse claramente.
Seleccin de los mtodos de pronstico que se van a utilizar.
Para patrones de demanda estables, que surgen durante el periodo de
madurez del ciclo de vida til de un producto, resultan adecuados los
promedios mviles o bien las tcnicas de suavizamiento exponencial simple.
Cuando un producto se encuentra en sus etapas de crecimiento, o en los
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
16/196
Preparar o elaborar pronsticos.
La administracin puede adoptar uno o dos modelos al mismo tiempo. Por
ejemplo, las unidades de pronstico para el periodo siguiente resultaran de
utilidad para la planeacin de actividades de compra de un producto, y un
pronostico trimestral ser til para la planeacin. En estos casos, estospronsticos tendrn que conciliarse, en la medida de lo posible.
Presentacin de los pronsticos.
La empresa no querr utilizar el pronstico si no cree lo que contiene o sino entiende de qu manera se obtuvo. En consecuencia, los pronsticos tienen
que presentarse al usuario de tal manera que incluyan explicaciones acerca de
la forma en que se obtuvieron, dnde se encontraron los datos, y los supuestos
implcitos que se derivan de ellas: para los usuarios es crucial importancia
conocer la integridad de la informacin antes de utilizarla con plena confianza,
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
17/196
Identificar el modelo de prediccin y variables a utilizar.
Disear el modelo de prediccin que se ajuste al problema
Estimar los coeficientes a travs de los MCO
Validar el modelo
Pronosticar la demanda semanal basado en el modelo entregado en funcin
de variables como el precio y costo por sobre stock
1.7.4 DISEO DE EL SISTEMA DE PLANIFICACIN PARA EL
APROVISIONAMIENTO DE COMBUSTIBLE.
En este punto se obtuvo el diseo del sistema de planificacin de aprovisionamiento, atravs de tres puntos importantes: como es la estructuracin del sistema de planificacin,
la prediccin de la demanda mensual y semanal respectivamente.
Disear el sistema de planificacin de aprovisionamiento de combustible
con los datos obtenidos en la prediccin de demanda mensual y semanal.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
18/196
1.8 RESULTADO TANGIBLE
Los resultado que se obtuvo en esta memoria fueron
La generalizacin del sistema de planificacin para el aprovisionamiento de
combustible, Modelos de pronsticos mensuales de demanda para cada combustible en cada una
de las diferentes plantas de aprovisionamiento.
Modelos de prediccin semanal para cada uno de los combustibles en cada una de
las distintas plantas de aprovisionamiento.
Sistema de abastecimiento desarrollado con herramienta Excel de manera de poder
controlar de una forma optima el ingreso de datos para los pronsticos.
Esta propuesta de sistema de abastecimiento ser entregado de tal forma que Departamento
de Logstica lo pueda implementar.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
19/196
CAPITULO 2
MARCO TEORICO
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
20/196
2. MARCO TERICO
En este captulo se dar a conocer las herramientas necesarias para realizar la
memoria la cual se apoyar de herramientas estadsticas, como los modelos de prediccin
de demanda mensual y herramientas economtricas como el modelo de regresin lineal
mltiple, material de apoyo sobre inventarios.
2.1 MODELOS DE PRONSTICO EN SERIES DE TIEMPO COMN
Estos modelos se basan en informacin previa como son los promedios mviles, los
promedios mviles ponderados, el suavizamiento exponencial y el anlisis de regresin.
2.1.1 PROMEDIO MVIL SIMPLE
Un promedio mvil se obtiene al promediar los datos de la demanda,
correspondientes a varios de los periodos mas recientes. Cuando la informacin, o los
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
21/196
Donde t es el ndice del periodo en curso, j es un ndice general y jD es la demanda durante
el periodo j.
El promedio vara con el transcurso del tiempo. Despus de haber transcurrido cada
periodo, se elimina la demanda del periodo ms antiguo y la demanda del periodo ms
reciente se agrega al clculo siguiente:
n
DDMAMA ntttt
+= 1
2.1.2 PROMEDIO MVIL PONDERADO
El promedio mvil asigna igual peso a cada observacin de la demanda anterior quese haya utilizado para obtenerlo. En ocasiones, el responsable de elaborar los pronsticos
desea utilizar un promedio mvil, pero no quiere que todos los periodos n se ponderen de
igual manera. Un promedio mvil ponderado para un periodo n se define de la manera
siguiente:
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
22/196
2.1.3 SUAVIZAMIENTO EXPONENCIAL SIMPLE
El suavizamiento exponencial simple es un tipo especial de tcnica para obtener
promedios, adecuada para elaborar pronsticos.
La ecuacin correspondiente al suavizamiento exponencial simple utiliza dos elementos de
informacin:1.) la demanda real para el periodo ms reciente
2.) el pronstico ms reciente.
Al final de cada periodo, se hace un nuevo pronstico. As
Nuevo promedio exponencial = antiguo promedio exponencial + fraccin (demanda actual
Pronstico)
Si se utiliza el promedio exponencial de un periodo como pronstico para el periodo
siguiente, se obtiene un proceso que permite revisar el promedio en forma ascendente o
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
23/196
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
24/196
argumento similar para mostrar que, en general, cualquier pronostico F t+1es un promedioponderado de todos los valores previos de la serie de tiempo.
Para la seleccin de la constante de suavizamiento se analiza de la siguiente manera,
es que para valores altos de la constante de suavizamiento dan una mayor capacidad de
respuesta tanto a las fluctuaciones como a los cambios aleatorios en el proceso subyacente.Una tendencia central estable con fluctuacin aleatoria considerable requiere de una
constante de suavizamiento baja. Una constante de suavizamiento alta es adecuada para
fluctuaciones aleatorias pequeas alrededor de una tendencia central en alguna medida
inestable.
2.1.4 MODEL O DE TENDENCIA DE WI NTERS
La proyeccin de tendencia, muestra como pronosticar los valores de una serie de
tiempo que exhibe una tendencia lineal a largo plazo. El tipo de serie de tiempo para el que
aplicable el mtodo de proyeccin de tendencia muestra un incremento o disminucin
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
25/196
dondees una fraccin de suavizamiento
Ttes el estimado que corresponde a la tendencia en el momento t
Ftes el promedio exponencial en el momento t
De esta manera ya teniendo esta tendencia se dice que el pronstico implica un promedioexponencial ms una tendencia es decir
11 += ttt TFF
Con lo anterior, se debe recordar la versin general del modelo de suavizamiento
exponencial simple.
ttt FYF )1(1 +=+
Si se sustituye tF , obtenemos
))(1( 11 ++= tttt TFYF
Ya teniendo el promedio exponencial Ft y la tendenciaTt, el pronstico que haremos al
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
26/196
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
27/196
2.1.6 MEDIDAS DE ERROR
La sencillez del clculo de la desviacin media absoluta lo ha convertido en el
mtodo que ms se utiliza para dar seguimiento a los errores en los pronsticos. El error en
el pronstico se define como
ttt FDe = donde, Dtes la demanda durante el periodo t y Ftes el pronstico elaborado al concluir el
periodo t-1 para el periodo t. As es posible definir la suma de las desviaciones absolutas
(SAD, siglas de sun of absolute deviation) y la desviacin media absoluta (MAD, siglas de
mean absolute deviation):
n
e
MADeSAD
n
ttn
tt
=
=
== 1
1
,
Si la MAD es un indicador til de errores en los pronsticos, es difcil interpretar el
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
28/196
2. 2 MODELO CLSICO DE REGRESIN LINEAL MULTIPLE
El modelo de regresin lineal mltiple se utiliza para estudiar la relacin que existe
entre una variable dependiente y varias variables independientes. La forma genrica del
modelo de regresin lineal es:
nixxxyxxxfy
ikkiii
iikiii
,...,1.....),...,,(
2211
21
=++++=+=
(1)
donde y es la variable dependiente o explicada, x1, x2,., xk son las variables
independientes o explicativas y el sub ndice i indica las n observaciones muestrales. Una
teora especificar la funcin f (xi1,x
i2,.,x
ik). Esto es lo que comnmente se conoce como
ecuacin de regresin poblacional de y sobre x1, x2,., xk. En este contexto, y es el
regresando yxk, k = 1,,k, son los regresores.
Al termino se le denomina perturbacin aleatoria, porque (perturba) la que, de otra
manera sera una relacin determinstica estable La perturbacin aleatoria aparece por
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
29/196
Los supuestos del modelo hacen relacin a los siguientes puntos:1) Forma funcional lineal de la relacin.
2) Identificabilidad de los parmetros del modelo.
3) Valor esperado de la perturbacin dada la informacin observada.
4) Varianzas y covarianzas de las perturbaciones dad la informacin observada.
5) Naturaleza de la muestra de los datos sobre las variables independientes.6) Distribucin de probabilidad de la parte estocstica del modelo.
Los supuestos describen la forma del modelo y las relaciones entre sus partes y
disponen los procedimientos de estimacin e inferencia adecuados.
2.2.1.1 Linealidad del modelo de regresin
Sea el vector columna xk que contiene las n observaciones de la variable xk ,
k = 1k y aadamos este vector columna a la matriz X de tamao n x k . La primera
columna de X corresponder a un a columna de unos, por lo que 1 ser el trmino
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
30/196
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
31/196
Este supuesto de la media condicionada afirma, en otras palabras, que las observaciones enx no conllevan informacin sobre el valor esperado de la perturbacin. Se puede concebir,
por ejemplo en una serie temporal, que aunque xi no debera proporcionar informacin
sobre E[i/-], xj de cualquier otra observacin, tal como el valor adelantado en el tiempo,
s debera. Nuestro supuesto en este punto es que no hay informacin sobre E [i/-]
contenida en cualquier observacin de xj. Posteriormente, cuando ampliemos el modelo,estudiaremos las implicaciones de relajar u omitir este supuesto. Tambin supondremos que
las perturbaciones no contienen informacin sobre las otras. Es decir,
E[i / 1,.,i-1,i+1,, n] = 0. en definitiva, se considera que las perturbaciones siguen un
camino aleatorio puro.
Que la media condicionada sea cero implica que la media no condicionada sea tambin
cero y as
E[i] = Ex[E [i/xi]] = Ex[0] = 0.
ya que,
Cov [x, ] = Cov [x, E[/x]], el supuesto 3 implica que Cov [x, ] = 0
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
32/196
de manifiesto la heterocedasticidad, estudios sobre modelos de gastos familiares, inclusodespus de tener en consideracin de renta y el tamao familiar.
La incorrelacin entre observaciones es conocida genricamente como no
autocorrelacin. Hay que tener en cuenta que la no autocorrelacin no implica que las
observaciones yi e yj estn incorrelacionadas. El supuesto consiste en que las desviacionesde las observaciones de su valor esperado estn incorrelacionadas. Los dos supuestos
implican que:
E [11/X]E [12/X]E [1n/X]
E [21/X]E [22/X]E [2n/X]
E ['/X] = : : :
E [n1/X]E [n2/X].E [nn/X]
2 0 . 0
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
33/196
2.2.1.5 Regresores no estocsticos
Es usual suponer que xi es no estocstico, como ocurrira en una situacin
experimental. Esto podra aplicarse por ejemplo a un experimento en el campo de la
agricultura, en donde yi es la cosecha y xi es la concentracin de fertilizantes y agua que se
han utilizado. En este caso el supuesto de regresores no estocsticos es ampliamenteconveniente. Con el podremos utilizar los resultados estadsticos elementales para obtener
nuestros resultados, el vector xi es simplemente una constante conocida en la funcin de
probabilidad de yi .Con esta simplificacin, los supuestos 3 y 4 pueden convertirse en
incondicionales, aunque los equivalentes, ahora, simplemente afirman que la distribucin
de probabilidad de i no incluye ninguna de las constantes de X.
Un punto de vista alternativo consiste en que las observaciones de xi son fijas en
muestras repetidas, lo que equivale a realizar el anlisis estadstico condicional en la
muestra que hemos observado. De este modo solo supondramos que el modelo de
regresin y sus supuestos se aplican al conjunto particular de las xque hemos observado.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
34/196
de normalidad puede considerarse en la mayora de los casos. Una aplicacin til delSupuesto 6 es que implica que las observaciones de i son estadsticamente independientes
as como no correlacionadas. El supuesto de normalidad generalmente es considerado como
innecesario y posiblemente inapropiado para ser aadido al modelo de regresin. Excepto
en aquellos casos en los que se asume explcitamente alguna distribucin alternativa, sin
embargo el supuesto de normalidad es probablemente razonable.La normalidad no es necesaria para obtener muchos de los resultados que utilizamos
en el anlisis de la regresin mltiple, aunque nos permite obtener algunos resultados
estadsticos exactos. Se ha comprobado que es til para la construccin de contrastes
estadsticos.
2.3 REGRESIN POR MNIM OS CUADRADOS
En estos problemas se considera el mtodo que cumple con las mejores propiedades
para la estimacin del modelo de regresin lineal, mnimos cuadrados. Los parmetros
desconocidos de la relacin estocstica yi= x'i +i son el objetivo de estimacin. Es
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
35/196
que seresumen, para cada una regresin de dos variables en el siguiente grafico
y + x
e
a +bx
= a + bx
E(y) = + x
x
Grafico1Regresiones Poblacional y Muestra
el valor poblacional es un vector de parmetros desconocidos de la distribucin de
probabilidadyi cuyos valores esperamos estimar a partir de los datos de nuestra muestra.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
36/196
Minimizar '0 )()()( 00000 XyXyS ==
Operando se obtiene
000000 XXXyyXyy +=
o
000
0000
2
2)(
XXXyyy
XXyXyyS
+=
+=
La condicin necesaria de mnimo es
022)( 00
0 =+=
XXyXS
Supongamos queb sea la solucin. Entonces b satisface las ecuaciones normales de
mnimos cuadrados
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
37/196
A menos que cada elemento de sea cero, qes positivo. Pero si pudiera ser cero,sera una combinacin lineal de columnas de X iguales a 0. Esto contradice el supuesto de
que X tiene rango completo. Por lo tanto, si X tiene rango completo, la solucin bde
mnimos cuadrados minimiza la suma de los cuadrados de los residuos.
2.5 ASPECTOS ALGEBRAICOS DE LA SOLUCIN DE MINIMOS CUADRADOS
Es til examinar algunos aspectos algebraicos de la solucin por mnimos
cuadrados. Las ecuaciones son
.0
)(
=
== eXXbyXyXXbX
Esto significa que para cada columna xkde X, .0=exk Si la primera columna de X es una
columna de unos, se deducen tres consecuencias
1 La suma de los residuos de los mnimos cuadrados es cero Esto se deduce de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
38/196
Introduciendo en esta expresin el valor de bobtenido anteriormente nos da
My
yXXXXI
yXXXXye
=
=
=
))((
)(1
1
La matriz n x n, M, es fundamental en el anlisis de la regresin. Se puede ver
fcilmente que la matriz M es simtrica ( MM = ) e idempotente ( 2MM= ). A la vista
Xbye = , se puede interpretar Mcomo una matriz que produce el vector de los residuos
de los mnimos cuadrados en la regresin de y sobre X cuando premultiplica cualquier
vector y. Se deduce que
MX=0
Una manera de interpretar este resultado consiste en que si se realiza la regresin de
X sobre X, se obtendr un ajuste perfecto y los residuos sern cero.
Finalmente Xbye = implica que
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
39/196
tales como la insesgadez, eficiencia y precisin. Estos a su vez, dependen frecuentementede la distribucin que se supone que producen los datos. Es interesante el hecho de que un
buen nmero de propiedades deseables pueden obtenerse para el estimador de mnimos
cuadrados, incluso sin especificar una distribucin particular para las perturbaciones en la
regresin.
2.6.1 Regresores no estocsticos
Si los regresores pueden tratarse como no estocsticos, como ocurrira en una
situacin experimental en la que el analista eligiera los valores de X , entonces las
propiedades del estimador de mnimos cuadrados pueden obtenerse tratando X como una
matriz de constantes. Introduciendo += Xy en 0]/[ =XE i obtenemos
XXXXXXXb +=+= 11 )()()(
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
40/196
2.6.2 Regresores estocsticos
Para conseguir ms generalidad para las propiedades del estimador de mnimos
cuadrados, es necesario ampliar los resultados de la seccin precedente para los casos en
que alguna o todas las variables independientes estn obtenidas aleatoriamente a partir de
alguna distribucin de probabilidad. Un mtodo adecuado para obtener las propiedades
estadsticas de b consiste en obtener primero los resultados deseados condicionados de X.
Esto equivale al caso de los regresores no estocsticos. Despus buscamos los resultados
incondicionales (promediando) de las distribuciones condicionadas. La clave de este
razonamiento es que, si podemos establecer insesgadez condicionada en un X arbitrario,
podemos promediar las Xpara obtener un resultado incondicionado
Como antes,
XXXb += 1.)(
pero condicionado al valor observado de X.
=+=+= 0)(]/[)(]/[ 11 XXXXEXXXXbE
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
41/196
Para la varianza exacta, utilizamos la descomposicin de la varianza]]/[[]/[[][ xbEVarxbVarEbVar xx +=
El segundo trmino es cero, ya que =]/[ XbE para todo X, de modo que
])[(])([][ 1212 == XXEXXEbVar
Nuestra conclusin inicial se altera un poco. Tenemos que sustituir 1)( XX por su
valor esperado para obtener la matriz de covarianzas apropiada. Esto implica un cambio
sutil en la interpretacin de estos resultados. La varianza incondicionada de b slo puede
ser descrita en trminos del comportamiento medio de X, as que para proseguir, sera
necesario realizar algunos supuestos sobre las varianzas y las covarianzas de los regresores.
La conclusin, por lo tanto, es que los importantes resultados que hemos obtenido hasta
aqu para el estimador de mnimos cuadrados, insesgadez, se mantiene tanto si
consideramos Xestocstico o no.
2.7 FUNCIN DE DEMANDA
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
42/196
La ley de la demandaenuncia lo siguiente:" Con todo lo dems constante, cuandoaumenta el precio de un bien su cantidad demandada disminuye, y cuando el precio del bien
disminuye su cantidad demandada aumenta".
La expresin: "Con todo lo dems constante" implica el supuesto que todos los
dems factores que afectan la demanda se mantiene constante, con excepcin del precio del
referido bien. Este supuesto es conocido como la condicin CETERIS PARIBUS.
La Curva de demanda representa grficamente la relacin entre cantidad
demandada de un bien y su precio:
Figura 1. Grafica de relacin entre cantidad demandada y precio
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
43/196
2. 8 CONCEPTOS, CONTROL Y MODELOS DE INVENTARI OSCONCEPTOS BSICOS DE INVENTARI O
Los inventarios son un puente de unin entre la produccin y las ventas. En una
empresa manufacturera el inventario equilibra la lnea de produccin si algunas mquinas
operan a diferentes volmenes de otras, pues una forma de compensar este desequilibrio es
proporcionando inventarios temporales o bancos. Los inventarios de materias primas,
productos semiterminados y productos terminados absorben la holgura cuando fluctan las
ventas o los volmenes de produccin, lo que nos da otra razn para el control de
inventarios.
Estos tienden a proporcionar un flujo constante de produccin, facilitando su
programacin.
Los inventarios de materia prima dan flexibilidad al proceso de compra de la
empresa. Sin ellos en la empresa existe una situacin de la mano a la boca, comparndose
la materia prima estrictamente necesaria para mantener el plan de produccin, es decir,
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
44/196
2.8.2 CONTROL DE INVENTARIOSLa eficiencia del control de inventarios puede afectar la flexibilidad de operacin de
la empresa. Dos empresas esencialmente idnticas, con la misma cantidad de inventario,
pero con grandes diferencias en los grados de flexibilidad de sus operaciones, pueden tener
inventarios desbalanceados, debido bsicamente a controles ineficientes de estos. Ello
ocasiona que en determinado momento se encuentren con abundancia de alguna materia ycarezcan de otra.
Finalmente, estas deficiencias tienen efectos negativos en la utilidad. En otras
palabras, la ineficacia del control de inventarios para un nivel dado de flexibilidad afecta el
monto de las inversiones que requieren, es decir, a menor eficiencia en el sistema de control
de inventarios, mayor la necesidad de inversin.Consecuentemente, las altas inversiones en inventarios tendrn un impacto adverso en la
utilidad de la empresa.
Expuesta la importancia de un sistema de control de inventarios cabe mencionar estos
objetivos generales:
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
45/196
Ms bien que representar problemas que pueden ser solucionados, estas condicionessiempre estn presentes y tienden a frustrar el control efectivo del inventario.
El constante cambio en la relacin de oferta demanda frustra el control efectivo del
inventario.
2.8.3 FACTORES DE COSTO EN EL CONTROL DEL INVENTARI O
El objetivo primordial del control de l inventario es tener la cantidad apropiada de
materia prima u otros materiales y productos terminados en el lugar adecuado, en el tiempo
oportuno y con el menor costo posible.
Los costos excesivos en inventarios pueden ser por malas decisiones en el establecimiento
de un sistema. Los factores de costo en el control de inventario son:
Costo de compra o inversin
El costo de compra (p) es el precio unitario de un artculo, si este fue adquirido de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
46/196
Costos de no tener inventario de oportunidadEstos costos pueden tener su origen en faltantes externos cuando a un cliente no se
le puede surtir una orden ocasionando rdenes pendientes, disminucin en las ventas y
prdida de prestigio comercial, o internos cuando un departamento dentro de la
organizacin no cuenta con materiales o artculos ocasionando prdidas de produccin,
retraso en las fechas de entrega.
2.8.4 MODELO DE INVENTARIO GENERAL
La naturaleza del problema de inventario consiste en hacer y recibir pedidos de
determinados volmenes, repetidas veces y a intervalos determinados. Una poltica de
inventario responde las siguientes preguntas.
Cunto se debe ordenar?
Esto determina el lote econmico (EOQ) al minimizar el siguiente modelo de costo:
(Costo total del inventario) = (costo de compra) + (costo de preparacin + (costo de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
47/196
Cuando se deben colocar los pedidos?Depende del tipo de sistema de inventario que tenemos. Si el sistema requiere una
revisin peridica (por ejemplo, semanal o mensual), el momento para hacer un nuevo
pedido coincide con el inicio de cada periodo. De manera alternativa, si el sistema se basa
en una revisin continua, los nuevos pedidos se colocan cuando el nivel del inventario
desciende a un nivel previamente especificado, llamado el punto de reorden.
El modelo general de inventarios parece ser bastante simple, entonces, porqu
existen variedad de modelos que van desde el empleo del simple clculo a refinadas
aplicaciones de programacin dinmica y matemtica? La respuesta radica en la demanda:
Si la demanda del artculo es determinista o probabilstica.
Una demanda deterministapuede ser:
a) Esttica: en el sentido que la tasa de consumo permanezca constante durante el
transcurso del tiempo.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
48/196
CAPITULO 3
RECOPILACIN Y ANLISIS DE
INFORMACIN RELEVANTE
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
49/196
3.1 DIAGNOSTICO DE LA SITUACIN ACTUAL DE LA EMPRESA
En este punto se analiz la empresa, la forma cmo desempea la funcin de
abastecimiento de combustible, su entorno, adems se recopil informacin relevante
referente a las variables, restricciones y parmetros, todo esto para cumplir el objetivo
general el cual se basa en la propuesta de un sistema de planificacin con base en la
prediccin de demanda mensual y semanal.
3.1.1 Recopilacin de informacin en base a como realizan el trabajo de
aprovisionamiento
Esta labor se realiz trabajando en la empresa con el encargado de controlar el
aprovisionamiento de combustible.
La forma de como se desarroll este trabajo fue a travs de reuniones reiteradas con
personal capacitado en el rea, consultas telefnicas y a travs del canal de correo
electrnico. Todo esto con la finalidad de obtener la manera o metodologa de
Figura2 M t d l d i i i t d b tibl
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
50/196
Rodrigo Alejandro Santelices Quezada Pgina 49
Figura 2: Metodologa de aprovisionamiento de combustible
Fuente: Elaboracin propia, con base en informacin recabada de la empresa.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
51/196
En el diagrama anterior se puede ver claramente que en el mes n-1 se genera el
pedido para el mes entrante n, y adems se hacen otras aproximaciones con un mayor error
para los meses n+1 y n+2, Lo anterior, el Departamento de Logstica, se lo comunica a su
principal proveedor Enap para poder mantener controlado los estanques, es aqu donde se
hace necesario la prediccin de demanda mensual; Tambin el mismo da cuando se genera
el pedido se realiza un control de inventarios para verificar lo que hay en stock y lo que se
cree quedara a fin de mes.
Los pedidos semanales se realizan todos los martes, teniendo en cuenta los precios,
tanto de la semana donde se genera el pedido como tambin la siguiente. Esto nos lleva a
que el modelo de prediccin semanal debe tomar una opcin de aprovisionamiento respecto
a dos precios y el costo por sobre stock referente a la historia.
Un punto importante en la toma de decisin para la compra semanal es poder
acomodarse a la prediccin mensual realizada el mes n-1, ya que si se ajustan a esta
prediccin, Enap le realiza un premio, de manera monetaria.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
52/196
Los datos referentes a las demandas obtenidas para las distintas plantas se ordenaron
en tablas como se muestra a continuacin,
Figura 3: Base de datos de las demandas para las plantas de aprovisionamiento .
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
53/196
Tal como muestra la base de datos en orden de izquierda a derecha se ordenaron de
la siguiente manera, en primer lugar se registra la fecha de venta (da de venta), despus la
semana la cual fue efectuada la venta, el cdigo de bodega de la cual salio el pedido, la
planta con su nombre asociado de la cual salio el combustible, el producto, la va por la
cual fue vendida, y por ultimo el volumen vendido.
Ya teniendo todo estos datos ingresados y ordenados como se mostr anteriormente,
se realiz la creacin de una tabla dinmica (figura 4) para poder optimizar los tiempos de
ordenamiento de las ventas de combustible pero asociadas a cada planta, esto debido a que
en la base de datos anteriormente mostrada, estaban incluidas todas las ventas de todas las
plantas, es por eso que fue necesario ordenar en tablas para cada planta sus respectivas
demandas histricas de los distintos tipos de combustibles asociadas a cada una de ellas, es
importante tambin dar a conocer que en cada planta aprovisiona cuatro tipo de productos
como son las gasolinas de 93 y 97, Diesel, y Kerosene.
Figura 4: Tabla Dinmica de ventas de combustible
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
54/196
De esta forma ya teniendo la base de datos con todos los elementos requeridos, y la
tabla dinmica se comenz a ordenar primero los datos requeridos para el modelo de
prediccin mensual, para este modelo fue necesario que por cada planta se ordenara las
demandas mensuales de combustible Por ejemplo,
Para La Planta Quinteros donde solo se abastece tres productos como son gasolinas
93SP, 97 y Diesel, los datos fueron puestos en tablas donde se puedo apreciar la demanda
mensual desde enero del 2003 hasta mayo del 2007 de esta manera teniendo esto datos ya
ordenados como se muestra en la figura 4, se pudo generar el modelo de prediccin de
combustible mensual.
Figura 5: Base de datos demandas mensuales por combustible
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
55/196
Tal como lo mostrado anterior, se hizo lo mismo para todas las plantas (Quintero,
Maip, Linares, Coronel_Lautaro), donde en cada una de ellas se ordenaron las demandas
mensuales para cada uno de los productos (Gasolina 93SP, Gasolina 97, Diesel y Kerosene)
Todo esto se realizo de manera de facilitar, la utilizacin de los datos en el modelo de
prediccin mensual.
Respecto a la recopilacin de los datos para el modelo semanal, se realizo de la
siguiente manera, cabe mencionar que los datos (demanda, Precios y Costo por Sobrestock)
tuvieron que ser agrupados semanalmente, de manera de ingresarlos al software utilizado,
para que este realizara un buen modelo de prediccin semanal.
Los datos referentes a la demanda semanal en cada una de las plantas (Quintero,
Maip, Linares, Coronel_Lautaro) y para cada uno de los prontos (Gasolina 93SP, Gasolina
97, Diesel y Kerosene) se ordeno en tabla de la misma manera como se hizo en las tablas de
prediccin mensual, adems se tuvo que agregar tres columnas para datos como el precio
de la semana donde se realiza el pedido, el precio de la semana siguiente de realizar el
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
56/196
De forma de tener mas clara el ordenamiento de los datos se muestra a continuacin las
tablas con los respectivos datos:
Figura 6: Base de datos, de las variables relevantes para el modelo de prediccin semanal
Fuente:Elaboracin Propia
T l l b d d d d i i d d h d d l
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
57/196
basa en Disear un sistema de planificacin para el aprovisionamiento ptimo de
combustible a travs de la construccin del modelo de prediccin de demanda mensual y el
modelo de prediccin semanal.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
58/196
CAPITULO 4MODELO DE PREDICCIN MENSUAL
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
59/196
4.1 DESARROLLO Y ANLISIS DEL MODELO DE PREDICCIN MENSUAL DE
DEMANDA.
En este tem se desarroll el modelo de prediccin mensual de demanda para los
distintos combustibles en cada una de las plantas de aprovisionamiento utilizando las
herramientas de suavizamiento exponencial simple, el modelo de tendencia de winters y el
suavizamiento exponencial ajustado estacionalmente, cabe mencionar que para cada
combustible se tuvo que ajustar un modelo de los antes mencionados segn la forma de la
serie original de cada producto.
Es importante dejar aclarado que el pronstico mensual fue para el mes de junio del
2007, ya que los datos estaban disponibles hasta mayo del 2007.
Respecto a la actualizacin, estar en manos de la misma empresa para la cual se
realiz el sistema de planificacin ya que este se entregar en una forma que sea fcil la
interaccin con el usuario, en este caso con el encargado del aprovisionamiento de
combustible.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
60/196
que tener claro los datos pasados, adems de fiscalizar que los datos estuvieran ordenados
en tablas y agrupados en forma mensual como se realiz en la recopilacin de las variables.
El siguiente punto fue determinar las dimensiones de tiempo, estas ya como se
nombr anteriormente tuvo que ser mensual por dos motivos la primera por necesidades de
la empresa ya que necesitaban una prediccin mensual y la otra fue debido que es un punto
importante para conseguir el objetivo general.
Una vez realizados todos los puntos anteriores y estando todo claro respecto a las
unidades, dimensiones de tiempo, etc. se selecciono el modelo de pronostico a utilizar, para
esto se tuvo que realizar separadamente para cada combustible ya que cada uno tiene
comportamientos distintos.
Todos los puntos analizados anteriormente fueron realizados de la misma manera
para todas las plantas (Quintero, Maip, Coronel_Lautaro, Linares), efectuando los mismos
controles y validaciones para cada modelo, en cada uno de los combustibles, se plantea esto
ya que para los posteriores desarrollos y anlisis de las dems plantas se omiti para no
entrar en redundancia.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
61/196
Figura 7: Series originales para gas93, gas97, diesel en Planta Quintero .
Fuente: Elaboracin Propia
Respecto a estas series originales se pudo obtener los modelos de prediccin que
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
62/196
Para Gas 97 al igual que en gas 93 no se aprecia una tendencia ni una estacionalidad
representativa que pueda causar perturbaciones en el modelo, por lo que el modelo asociado
a este combustible fue el de Suavizamiento exponencial simple.
Como ltimo para el Diesel se aprecia una leve tendencia de crecimiento por lo que el
modelo de suavizamiento exponencial simple no es el ms adecuado, por lo tanto el modelo
que se tuvo que aplicar fue el modelo de tendencia de winters ya que este maneja las
tendencias de manera de realizar un pronstico ms certero.
Estos modelos fueron sometidos a prueba, es decir se validaron antes de poder
utilizarse para el propsito de pronsticos.
Lo que se hizo fue utilizar una parte de los datos en la base de datos ordenados
mensualmente, de esta forma se estructur el modelo, en tanto los datos restantes se
utilizaron para someter a dicho modelo a prueba y validarlo a fin de asegurarse de que
realmente el modelo elegido representa al proceso en forma fidedigna.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
63/196
De la tabla 1podemos obtener los respectivos pronsticos para cada gasolina y su
respectivo error porcentual acumulado, la cual nos indica un seguimiento del modelo
desarrollado, de manera de ir controlando lo que sucede con el pronstico.
Para mostrar con ms profundidad el comportamiento de los pronsticos se grafic
cada serie original con su respectiva serie pronosticada la cual se muestra a continuacin:
Serie pronstico gasolina 93SP Planta Quintero
En la siguiente figura se muestra en conjunto la serie original de la demanda de
gasolina 93Sp y la serie pronosticada para este combustible.
Figura 8: Series pronstico para gas 93SP Planta Quintero.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
64/196
Serie pronstico gasolina 97 Planta Quintero
En la figura 9 se muestra en conjunto la serie original de la demanda de gasolina 97
y la serie pronosticada para este combustible
Figura 9: Series pronstico para gas 97 Planta Quintero
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
65/196
Serie pronstico diesel Planta Quintero
En la figura siguiente se muestra en conjunto la serie original de la demanda de
diesel y la serie pronosticada para dicho producto.
Figura 10: Series pronstico para gas 97 Planta Quintero
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
66/196
Otro punto a analizar importante es que el error porcentual absoluto medio (MAPE)
para todos los combustibles fue una buena manera de medir la confiabilidad del modelo ya
que este arrojaba un error porcentual entre 7% y 15% lo que relativamente se considera
bueno para poder aceptar dicho pronostico.
Todo este proceso de desarrollo de los modelos fue realizado en Excel lo cual
puede ser apreciado en los anexos.
4.1.2 Desarrollo y anlisis del modelo de prediccin mensual para Planta de
aprovisionamiento Maip
Para la planta Maip se sigui los mismos pasos que para la Planta Quinteros
solamente que ahora se incorpora otro producto. Los combustibles a analizar son gasolina93, gasolina 97, diesel y kerosene.
Para determinar el modelo que ms se acomodaba a las serie de las gasolina 93SP,
gasolina 97, diesel y kerosene fue graficar las series originales como se muestra en la
figura 11, la representacin de los colores de las graficas son los siguientes verde
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
67/196
Con estas series originales se pudo obtener los modelos de prediccin que ms se
acomodaban a cada una, resultando lo siguiente:
Para Gas 93SP se consider un modelo de suavizamiento exponencial simple al
igual que la 93SP de la planta quintero ya que no exista una tendencia ni una
estacionalidad representativa que afectara la decisin, de esta manera para este combustible
se estableci el modelo nombrado como el ptimo para el pronstico.
Para Gas 97 al igual que en gas 93 no se aprecia una tendencia ni una estacionalidad
representativa que pueda causar perturbaciones en el modelo, por lo que el modelo asociado
a este combustible fue el de Suavizamiento exponencial simple.
Para el Diesel se muestra una tendencia de crecimiento por lo que el modelo de
suavizamiento exponencial simple no se acomoda en forma confiable a la serie original, por
lo tanto el modelo que se tuvo que aplicar fue el modelo de tendencia de winters ya que este
maneja las tendencias de manera de realizar un pronstico ms adecuado.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
68/196
a dicho modelo a prueba y validarlo a fin de asegurarse de que realmente el modelo elegido
representa al proceso en forma fidedigna.
Ya validado los modelos se comenz la elaboracin de los pronsticos para cada
uno de los combustibles (gasolina 93, gasolina 97, diesel, Kerosene), obteniendo los
siguientes resultados mostrados en la siguiente tabla:
Planta Maip Modelo UtilizadoPronsticopara Junio
2007(Unidad m3)
MAPE1Elegido
MAPE 2 MAPE 3
Gasolina 93 Suavizamientoexponencial simple
7.440,74 23,93% = 0,8
= 0
24,38% = 0,6
= 0
27,25% = 0,3
= 0
Gasolina 97 Suavizamientoexponencial simple 4.813,86 26,24% = 0,7 = 0
27,08% = 0,9 = 0
32,52% = 0,2 = 0
Diesel Modelo detendencia de
winters
33.718,19 6,15% = 0,2
= 0,03
6,66% = 0,4
= 0,1
8,21% = 0,9
= 0,2
Kerosene suavizamientoe ponencial
2.707,42 25,41% 0 3
27,75% 0 5
28,26% 0 9
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
69/196
Serie pronstico gasolina 93SP Planta Maip
A continuacin en la figura se muestra en conjunto, la serie original de la demanda
de 93SP y la serie pronosticada para este combustible
Figura 12: Serie pronostico gas 93SP Planta Maip
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
70/196
Serie pronstico gasolina 97 Planta Maip
En la figura 13 se muestra en conjunto la serie original de la demanda de Gas 97 y la serie
pronosticada para este combustible, en la planta Maip
Figura 13: Serie pronostico gas 97 Planta Maip
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
71/196
Serie pronstico diesel Planta Maip
En la siguiente figura se muestra en conjunto la serie original de la demanda de diesel y la
serie pronosticada para este combustible
Figura 14: Serie pronostico diesel Planta Maip
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
72/196
Serie pronstico kerosene Planta Maip
A continuacin en la figura 15 se muestra en conjunto la serie original de la demanda de
kerosene y la serie pronosticada para este combustible
Figura 15: Serie pronostico kerosene Planta Maip
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
73/196
Para estas constantes de suavizamiento tambin se realiz el proceso de plantearse
escenarios como se muestra en la tabla 3para la Planta Maip, de forma de encontrar la
constante que arroje el menor MAPE.
Estas constantes fueron analizadas de la misma manera para las plantas
Coronel_Lautaro y Linares de esta manera no sern sealadas en sus respectivos anlisis
para cada una.
Analizando el MAPE (error porcentual absoluto medio) se puede medir la
confiabilidad del modelo y darle un seguimiento a este ltimo, como se pudo ver en la tabla
3 el error porcentual esta alrededor del 6% para el diesel y un 26% para el kerosene y gas
97, lo que se podra decir que el error acumulado porcentual es pequeo, esto se traduce en
que los modelos indican un buen pronostico para los cuatro modelos asociados a cada unode los combustibles.
Todo este proceso de desarrollo de los modelos fue realizado en Excel lo cual puede
ser apreciado en tablas expuestas en los anexos y lo relacionado con el material utilizado
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
74/196
Figura 16: Series originales para gas93, gas97, diesel, kerosene en Planta Coronel_Lautaro.
Fuente: Elaboracin Propia
R i i i l d bl l d l d di i
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
75/196
En el kerosene se aprecio una notoria estacionalidad al igual que lo sucedido para el
mismo combustible en la planta Maip, en los meses de verano, esto debido a que en este
tiempo no se produce una gran demanda de este producto debido a que normalmente este
combustible se utiliza para la calefaccin, provocando una gran demanda en los meses de
invierno.
Todo esto conllevo a decidir que el modelo que ms se acomoda a la serie es el
suavizamiento exponencial ajustado estacionalmente, de esta forma este modelo trata de
eliminar la estacionalidad de manera de producir un buen pronstico
Ya validado el modelo con las herramientas ya explicadas anteriormente se
comenz la elaboracin de los pronsticos para cada uno de los combustibles (gasolina 93,
gasolina 97, diesel, kerosene).De esta forma se desarrollo el modelo ya asignado a cada combustible obteniendo
los siguientes resultados mostrados en la siguiente tabla:
Planta Pronstico MAPE MAPE 2 MAPE 3
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
76/196
todos los combustibles, esta medida nos arrojo un valor que se concentra entre un 11 y un
25% lo que implica que el pronostico tiene una consistencia adecuada, adems se presentan
escenarios para verificar dicha decisin.
Mostrando mas detalladamente el comportamiento de los pronsticos se grafic
cada serie original con su respectiva serie pronosticada la cual se muestra a continuacin
Serie pronstico gasolina 93SP Coronel-Lautaro
A continuacin en la figura 17 se muestra en conjunto, la serie original de la
demanda de 93SP y la serie pronosticada para este combustible
Figura 17: Serie pronstico gas 93SP Planta Coronel_Lautaro
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
77/196
Serie pronstico gasolina 97 Coronel-Lautaro
En la figura 18 se muestra en conjunto la serie original de la demanda de Gas 97 y la serie
pronosticada para este combustible, en la planta Coronel_Lautaro
Figura 18: Serie pronstico gas 97 Planta Coronel_Lautaro
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
78/196
Serie pronstico diesel Coronel-Lautaro
En la siguiente figura se muestra en conjunto la serie original de la demanda de diesel y la
serie pronosticada para este combustible
Figura 19: Serie pronostico diesel Planta Coronel_Lautaro
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
79/196
Serie pronstico kerosene Coronel-Lautaro
A continuacin en la figura 20 se muestra en conjunto la serie original de la demanda de
kerosene y la serie pronosticada para este combustible
Figura 20: Serie pronostico kerosene Planta Coronel_Lautaro
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
80/196
4.1.4 Desarrollo del modelo de prediccin mensual para Planta de aprovisionamiento
Linares
Para la planta L inares la cual posee cuatro tipos de combustibles como son
gasolina 93, gasolina 97, diesel y kerosene se desarroll de la siguiente manera
Una vez analizado los puntos referente a la variables, unidades de medida, unidades
de tiempo ya expuesto. El siguiente paso fue graficar las series originales como se muestra
en la figura 21, es importante dar a conocer que la curva en color verde indica la serie
93SP, la roja indica Gas 97 y la amarilla indica diesel y la azul el kerosene.
Figura 21: Series originales para gas93, gas97, diesel, kerosene en Planta Linares.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
81/196
Para Gas 93SP se consider un modelo de suavizamiento exponencial con tendencia
(modelo de tendencia de winters) ya que nuevamente se apreciaba una tendencia
representativa hubiese afectado la decisin si no se hubiese tomado en cuenta, de esta
manera para este combustible se estableci el modelo nombrado como el ptimo para el
pronostico.
Para Gas 97 es un caso especial ya que es en este producto no se recab los datosnecesarios para poder asignarle un modelo adecuado. De esta manera no se considero en
ningn anlisis.
Para el producto Diesel se aprecia una leve tendencia de crecimiento por lo que el
modelo de suavizamiento exponencial simple no es el ms adecuado, por lo tanto el modelo
que se tuvo que aplicar fue el modelo de tendencia de winters ya que este maneja lastendencias de manera de realizar un pronstico ms fidedigno.
En el kerosene al igual que todos los modelos apreciados en las diferentes plantas
para este producto se aprecio una notoria estacionalidad , debido a que la gran demanda
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
82/196
De esta forma se desarrollo el modelo seleccionado para cada combustible
obteniendo los siguientes resultados mostrados en la siguiente tabla:
PlantaLinares
Modelo UtilizadoPronsticopara Junio
2007(Unidad m3)
MAPE 1Optimo
MAPE 2 MAPE 3
Gasolina 93 Modelo detendencia dewinters
633,93 24,02% = 0,6 = 0,1
37,84% = 0,6 = 0,2
42,61% = 0,9 = 0,1
Diesel Modelo de
tendencia de
winters
2.319,07 20,97% = 0,2
= 0,2
24,16% = 0,7
= 0,2
22,40% = 0,9
= 0,1
Kerosene Suavizamiento
exponencial
ajustadoestacionalmente.
227,40 22,77% = 0,8
= 0,1 = 0,05
29,43% = 0,6
= 0,2 = 0,05
40,99% = 0,2
= 0,1 = 0,05
Tabla 5: Resultados de los modelos realizados para planta Linares
El anlisis realizado respecto al error acumulado, nos indic que podemos tener
certeza de los pronsticos ya que el ndice obtenido para cada modelo nos arrojo un valor
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
83/196
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
84/196
Serie pronstico diesel Planta Linares
En la siguiente figura se muestra en conjunto la serie original de la demanda de diesel y la
serie pronosticada para este combustible
Figura 22: Serie pronstico diesel Planta Linares
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
85/196
Serie pronstico kerosene Planta Linares
A continuacin en la figura 23 se muestra en conjunto la serie original de la demanda de
kerosene y la serie pronosticada para este combustible
Figura 23: Serie pronstico kerosene Planta Linares
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
86/196
CAPITULO 5MODELO DE PREDICCIN
SEMANAL
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
87/196
5.1 DESARROLLO DEL MODELO DE PREDICION SEMANAL DE DEMANDA
En este objetivo se logr encontrar la mejor opcin de compra semanal a travs de
modelos de regresin lineal mltiple.
Es importante definir que el periodo para el cual se pronostic, es para la semana del
24-05-2007 esto debido a que los datos estaban disponibles en la empresa hasta la fecha
anterior a dicha semana.El desarrollo de los modelos para cada uno de los combustibles se realiz desarrollando
los siguientes puntos,
Identificacin del modelo de prediccin y variables a utilizar.
Diseo del modelo de prediccin
Estimacin y anlisis de los coeficientes ( ) a travs de la regresin de mnimos
cuadrados (MCO)
Validacin del modelo
Prediccin de la demanda basada en variables como los precios y el costo por
sobrestock.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
88/196
P1: precio cuando se produce el pedido de combustible
P2: Precio que se produce a la semana siguiente de la semana del pedido de
combustible
Costo_sobrestock: Costo por sobrestock el cual ocurre solamente en dos de las
cuatro plantas, las cuales son Plantas Linares y Maip, debido a que poseen una
capacidad contratada y cuando no se cumple lo acordado en los estanques de
aprovisionamiento, es cuando ocurre dicho costo. Para entender de mejor forma el
comportamiento de las plantas respecto a los costos se presenta la siguiente figura:
Figura 24: Caracterstica de almacenamiento para cada planta.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
89/196
El modelo diseado para poder desarrollar de una manera ptima los pronsticos es el
siguiente
++++= ijcijssijijijijij xCxPxPVD ,,2,2,1,1
)4,3,972,931(4,3,2,1 KeroseneDieselSPi =====
LinaresPlantaL
LautaroCoronelPlantaLCMaipPantaMeroQuPlantaQdonde
LLCMQj
=
===
=====
,__,,int
)4,_3,2,1(4,3,2,1
cada componente del modelo se definen a continuacin:
jplantalaeniecombustibldeldemandaDij =
teConsV tan=
sobrestockCostoprecioprecioiableslasparaesCoeficientCPP ijssijij _,2,1var, ,,,2,1 =
para los distintos combustibles en las diferentes plantas.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
90/196
Ya teniendo los puntos anteriores completados, el modelo listo y validado se ingres
el modelo obtenido para generar el pronstico necesario en la plataforma Excel dispuesta
para la prediccin de demanda requerida.
Respecto al desarrollo de los modelos para cada combustible estos fueron resueltos
por el software EVIEWS, al cual se le ingresaron los datos de manera como se explic en la
recopilacin de datos, es decir, en tablas donde los datos estaban agrupados en forma
semanal.Las variables que se ingresaron fueron datos histricos de la demanda, los precios y
los costos por sobrestock, de todos los combustibles de cada planta, de manera de generar
un modelo para cada uno.
Las salidas Computacionales del software se pueden apreciar en los anexos donde se
muestran los resultados de cada modelo.Todos los modelos economtricos se realizaron bajo una base econmica, la cual es:
La ley de la demandala cual enuncia que con todo lo dems constante, cuando aumenta
el precio del bien disminuye su cantidad demandada y cuando el precio del bien disminuye
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
91/196
Despus de haber analizado las variables para ver cuan significativa era cada una, y
teniendo en cuanta que esta planta no maneja una de las variables del modelo general la
cual es el costo por sobrestock, debido a que RepsolYPF en esta planta no posee capacidad
contratada como se mostr anteriormente en la figura 24, se obtuvo del software el valor de
los coeficientes para cada variable, y se genero el modelo para cada uno de los
combustibles,
A continuacin se muestra el valor de los coeficientes para cada variable y la
ecuacin asignada a cada combustible:
Gas 93SP Valor coeficiente ConclusinCoeficiente P1,93SP,Q -0.008297314214 En el aumento de $1 en el precio1, la
demanda disminuye 0.008 m3
Coeficiente P2,93SP,Q 0.00470482881351 En el aumento de $1 en el precio 2, lademanda aumenta 0.0047 m3
Tabla 7: Anlisis de coeficientes para modelo Gas 93SP Planta Quintero
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
92/196
Analizando el test de Durbin Watson se pudo decir que el modelo no presenta
problema de autocorrelacin.
Analizando el test White se concluy que el modelo no present heterocedasticidad
Analizando el test Jarque Bera se pudo decir que el modelo se comporta
normalmente.
Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo es robusto.A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.
HiptesisModelo gas 93SP
Valorestadstico
p-value
Durbin Watson 1,57White 0,55Jaque Bera 0,16
Tabla 8: Valores obtenidos para las hiptesis.
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
93/196
X1,97,Q = Precio correspondiente a la semana cuando se genera el pedido de
combustible de Gas 97(Precio1)
X2,97,Q = Precio correspondiente a la semana siguiente de cuando se genera el pedido
de combustible de Gas 97(Precio2)
Ya realizado el modelo para la gasolina 97, se valid con tres herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera Analizando el test de Durbin Watson se pudo decir que el modelo no present
problema de autocorrelacin.
Analizando el test White se concluy que el modelo no present heterocedasticidad
Analizando el test Jarque Bera se pudo decir que el modelo se comport
normalmente.Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo es adecuado para la prediccin.
A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
94/196
La ecuacin representativa para el modelo de el combustible Diesel, la cual fue
arrojada por el software es la siguiente
DDiesel,Q= -0.01886681922* X1,Diesel,Q+ 0.01094137605* X2,Diesel,Q+ 5467.635621
Donde
DDiesel,Q: Demanda que se desea pronosticar respecto a las variables explicativas
X1,Diesel,Q = Precio correspondiente a la semana cuando se genera el pedido de
combustible(Precio1)
X2,Diesel,Q = Precio correspondiente a la semana siguiente de cuando se genera el
pedido de combustible(Precio2)
Ya realizado el modelo para el combustible diesel se valid con las herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera
Analizando el test de Durbin Watson se pudo decir que el modelo no present
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
95/196
Ya resueltos puntos importantes como la validacin para cada modelo, la respuesta
entregada por el software, es decir, los modelo para cada combustible y teniendo todas lasherramientas necesarias se generaron los pronsticos para el periodo entrante en cada
combustible, como se muestra en la siguiente tabla.
Planta Quintero X1,i,Q($/m3)
X2,i,Q($/m3)
Pronsticos(Unidad m3) R
2
Gas 93SP 497.022 510.122 699,65 0.42
Gas 97 518.437 524.727 317,08 0.46
Diesel 343.363 358.626 2.913,33 0,41
Tabla 13: Pronsticos para la semana del 24-05-07 y valores de R2Planta Quintero
Cabe mencionar que a cada modelo se le calculo el coeficiente de determinacin
mltiple (R2) para analizar cuanto era lo que explicaba cada uno de ellos, este valor fue
obtenido de la salida computacional del software utilizado.
Los Pronsticos con la ecuacin entregada fueron desarrollados en planillas Excel
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
96/196
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
97/196
X2,93,M = Precio correspondiente a la semana siguiente de cuando se genera el
pedido de combustible de Gas 93SP para planta Maip(Precio2)
Ya realizado el modelo para el combustible 93SP, se valid con tres herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera
Analizando el test de Durbin Watson se pudo decir que el modelo no present
problema de autocorrelacin. Analizando el test White se concluy que el modelo no present heterocedasticidad
Analizando el test Jarque Bera se pudo decir que el modelo se comport
normalmente.
Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo es robusto.A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.
HiptesisModelo gas 93
Valorestadstico
p-value
D bi W 1 99
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
98/196
X1,97,M = Precio correspondiente a la semana cuando se genera el pedido de
combustible de Gas 97 para planta Maip (Precio1)
X2,97,M = Precio correspondiente a la semana siguiente de cuando se genera el
pedido de combustible de Gas 97 para planta Maip (Precio2)
Ya realizado el modelo para la gasolina 97, se valid con herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera Analizando el test de Durbin Watson se pudo decir que el modelo no presento
problema de autocorrelacin.
Analizando el test White se concluy que el modelo no present heterocedasticidad
Analizando el test Jarque Bera se pudo decir que el modelo se comport
normalmente.Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo de gasolina 97, es adecuado
para el pronstico necesario.
A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
99/196
La ecuacin representativa para el modelo del combustible Diesel, la cual fue
definida por el software es la siguiente
DDiesel,M= - 0.09958552025* X1,Diesel,M+0.1032120677 * X2,Diesel,M-0.0003039717375*Xc,Diesel,M+ 6352.143075
Donde
DDiesel,M: Demanda que se desea pronosticar respecto a las variables explicativas X1,Diesel,M = Precio correspondiente a la semana cuando se genera el pedido de
combustible (Precio1)
X2,Diesel,M = Precio correspondiente a la semana siguiente de cuando se genera el
pedido de combustible (Precio2)
Xc,Diesel,M = Costo por Sobrestock para el combustible Diesel en planta Maip
Ya realizado el modelo para el combustible diesel en Planta Maip, se valid con tres
herramientas de comprobacin de estabilidad, como son: Durbin Watson, White y Jaque
Bera
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
100/196
Kerosene Valorcoeficiente
Conclusin
Coeficiente P1,Kerosene,M -0.01355380998 En el aumento de $1 en el precio 1 lademanda disminuye 0.0135 m3
Coeficiente P2,Kerosene,M 0.02214961673 En el aumento de $1 en el precio 2 lademanda aumenta 0.0221 m3
Coeficiente Css,Kerosene,M 0.006706200561 En el aumento de $1 en el costo porsobrestock la demanda aumenta 0.0067 m3
Tabla 22: Anlisis de coeficientes para modelo kerosene Planta Maip
La ecuacin representativa para el modelo del combustible Kerosene, la cual fue
arrojada por el software es la siguiente
DKerosene,M= -0.01355380998* X1,Kerosene,M+ 0.02214961673* X2,Kerosene,M+0.006706200561* Xc,Kerosene,M- 2354.447605
Donde
DKerosene,M: Demanda que se desea pronosticar respecto a las variables explicativas
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
101/196
Analizados cada uno de estas hiptesis para el modelo kerosene, con un nivel de
significancia de aproximadamente un 90%, se pudo concluir que el modelos no esadecuado para el pronstico ya que no pasa las hiptesis necesarias.
A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.
HiptesisModelo kerosene
Valorestadstico
p-value
Durbin Watson 0,845White 0,000698Jarque Bera 0,319
Tabla 23: Valores obtenidos para las hiptesis.
Ya resueltos puntos importantes como la validacin para cada modelo, la respuesta
entregada por el software, es decir, los modelo para cada combustible y teniendo todas las
herramientas necesarias se generaron los pronsticos para el periodo entrante en cada
combustible como se muestra en la siguiente tabla
513 D ll d l l Pl C l l
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
102/196
5.1.3 Desarrollo modelos semanales Planta Coronellautaro
Al igual que para las plantas anteriores se analizaron las variables para ver cuan
significativa era cada una, de manera de identificarlas para el posterior desarrollo del
modelo, a continuacin se muestra cada una en las siguientes tablas
Gas 93SP Gas 97Significativaal 90%
No significativa Significativaal 90%
No significativa
X1,93SP,C_L X2,93SP,C_L
Tabla 25: Anlisis de variables significativas Planta Coronel_Lautaro
Diesel KeroseneSignificativaal 90%
No significativa Significativaal 90%
No significativa
X1,93SP,C_L X2,93SP,C L
Tabla27 A li i d fi i t d l G 93SP Pl t C l L t
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
103/196
Tabla 27: Anlisis de coeficientes para modelo Gas 93SP Planta Coronel_Lautaro
La ecuacin representativa para el modelo de la gasolina 93SP de la planta
Coronel_lautaro, entregada por el sistema con el cual se desarrollo la prediccin es la
siguiente:
D93SP,C_L= -0.0183664746*X1,93SP,C_L+ 0.01259569756*X2,93SP,C_L+ 4048.141513
Donde D93,C_L: Demanda que se desea pronosticar respecto a las variables explicativas para
planta Coronel_lautaro.
X1,93SP,C_L = Precio correspondiente a la semana cuando se genera el pedido de
combustible de Gas 93SP para planta Coronel_Lautaro. (Precio1)
X2,93SP,C_L = Precio correspondiente a la semana siguiente de cuando se genera elpedido de combustible de Gas 93SP para planta Coronel_Lautaro (Precio2)
Ya realizado el modelo para el combustible 93SP, se valid con tres herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
104/196
Gas 97 Valor coeficiente ConclusinCoeficiente P1,97,C_L -0.006311779688 En el aumento de $1 en el precio 1, la
demanda disminuye 0.0063 m3
CoeficienteP2,93SP,C_L
0.004721531226 En el aumento de $1 en el precio 2 lademanda aumenta 0.0047 m3
Tabla 29: Anlisis de coeficientes para modelo Gas 97 Planta Coronel_Lautaro
La ecuacin representativa para el modelo de la gasolina 97 es:D97,C_L= -0.006311779688* X1,97,C_L+ 0.004721531226* X2,97,C_L+ 1283.291025
Donde
D97,C_L: Demanda que se desea pronosticar respecto a las variables explicativas para
planta Coronel_Lautaro
X1,97,C_L = Precio correspondiente a la semana cuando se genera el pedido de
combustible de Gas 97 para planta Coronel_Lautaro (Precio1)
X2,97,C_L = Precio correspondiente a la semana siguiente de cuando se genera el
pedido de combustible de Gas 97 para planta Coronel_Lautaro (Precio2)
Hiptesis Valor p value
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
105/196
Hiptesis
Modelo gas 97
Valor
estadstico
p-value
Durbin Watson 1,68White 0,62Jaque Bera 0,93
Tabla 30: Valores obtenidos para las hiptesis.
Diesel Valor coeficiente ConclusinCoeficienteP1,Diesel,C_L
-0.1431657706 En el aumento de $1 en el precio 1, lademanda disminuye 0.1431 m3
CoeficienteP2,Diesel,C_L
0.1199783862 En el aumento de $1 en el precio 2, lademanda aumenta 0.1199 m3
Tabla 31: Anlisis de variables significativas para modelo diesel Planta Coronel_Lautaro
La ecuacin representativa para el modelo del combustible Diesel es:
DDiesel,C_L= -0.1431657706* X1,Diesel,C_L+ 0.1199783862*X2,Diesel,C_L+ 13147.1393
donde
DDiesel,C_L: Demanda que se desea pronosticar respecto a las variables explicativas,
Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
106/196
Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo es robusto.
A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.
HiptesisModelo Diesel
Valorestadstico
p-value
Durbin Watson 1,62White 0,20Jaque Bera 0,43
Tabla 32: Valores obtenidos para las hiptesis.
Kerosene Valor coeficiente ConclusinCoeficienteP1,Kerosene,C_L
-0.000638719117156 En el aumento de $1 en el precio lademanda disminuye 0.000638 m3
CoeficienteP2,Kerosene,C_L
0.00113439567479 En el aumento de $1 en el precio lademanda aumenta 0.00113 m3
Tabla 33: Anlisis de coeficientes para modelo kerosene Planta Coronel_Lautaro
Ya realizado el modelo para cada combustible se valid con tres herramientas de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
107/196
Ya realizado el modelo para cada combustible se valid con tres herramientas de
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera Analizando el test de Durbin Watson se puede decir que el modelo no presenta
problema de autocorrelacin.
Analizando el test White se concluye que el modelo no presenta heterocedasticidad
Analizando el test Jarque Bera se puede decir que el modelo se comporta
normalmente.
Analizados cada uno de estas hiptesis para el modelo con un nivel de significancia de
aproximadamente un 90%, se pudo concluir que el modelo apropiado para la prediccin.
A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.Hiptesis
Modelo KeroseneValor
estadsticop-value
Durbin Watson 2,09White 0,22Jaque Bera 0,13
T bl 34 V l bt id l hi t i
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
108/196
A continuacin se muestra el valor de los coeficientes para cada variable y la ecuacin
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
109/196
A continuacin se muestra el valor de los coeficientes para cada variable y la ecuacin
asignada a cada combustible:
Gas 93SP Valor coeficiente ConclusinCoeficiente P1,93SP,L -0.005783109184 En el aumento de $1 en el precio1, la
demanda disminuye 0,00578 m3
Coeficiente P2,93SP,L 0.004501332791 En el aumento de $1 en el precio 2, lademanda aumenta 0,0045 m3
Coeficiente Css,93SP,L 0.0009318630803 En el aumento de $1 en costo porsobrestock la demanda aumenta 0,00093 m3
Tabla 37: Anlisis de coeficientes para modelo Gas 93SP Planta Linares
La ecuacin representativa para el modelo de la gasolina 93SP, la cual fue arrojada por el
software una vez ya ingresados los datos histricos es la siguiente
D93SP,L= -0.005783109184* X1,93SP,L+ 0.004501332791* X2,93SP,L+ 0.0009318630803*Xc,93SP,L+ 711.8524245
Donde
d d i l i bl li i
Analizados cada uno de estas hiptesis para el modelo, con un nivel de significancia de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
110/196
p p , g
aproximadamente un 90%, se pudo concluir que el modelo es apropiado para el pronstico.A continuacin se muestra en la siguiente tabla los valores obtenidos para cada uno de
las hiptesis nombradas.
HiptesisModelo gas 93SP
Valorestadstico
p-value
Durbin Watson 1,74White 0,26Jaque Bera 0,005
Tabla 38: Valores obtenidos para las hiptesis.
Diesel Valor coeficiente ConclusinCoeficiente P1,Diesel,L -0.00354479759948 En el aumento de $1 en el precio 1, lademanda disminuye 0.0035 m3
Coeficiente P2,Diesel,L 0.00135061126755 En el aumento de $1 en el precio 2, lademanda aumenta0.00135 m3
Tabla 39: Anlisis de variables significativas para modelo diesel Planta Linares
Ya realizado el modelo para el combustible diesel, se valid con tres herramientas de
-
8/12/2019 Propuesta de un sistema de planificacin para el abastecimiento de combustible
111/196
p ,
comprobacin de estabilidad, como son: Durbin Watson, White y Jaque Bera Analizando el test de Durbin Watson se puede decir que el modelo no presenta
problema de autocorrelacin.
Analizando el test White se concluye que el modelo es heterocedastico
Analizando el test Jarque Bera se puede decir que el modelo no se comporta
normalmente.Analizados cada uno d