1

Universidad de Playa Ancha

Facultad de Ciencias Naturales y Exactas
Departamento de Ciencias de la Ingeniera y Tecnologa
Carrera de Ingeniera Civil Industrial




ANLISIS Y EVALUACIN DE PRONSTICOS PARA EL HOTEL PLAZA DEL
BOSQUE, EBRO



Proyecto segundo para el ramo de Produccin II del primer semestre del ao
2014.


ENZO GIOVANNI DALMAZZO BERMEJO
CAMILA JOS VALENZUELA VALENZUELA
Profesor: Edgardo Luis Seballos Palma


Valparaso, Chile
2014
2

INTRODUCCIN
Todos los das los administradores de empresas tienen que tomar decisiones sin
saber si han acertado o no. Para que las empresas puedan reducir este grado de
incertidumbre como resultado del cambio constante del entorno, deben respaldar
sus decisiones en algo ms que la intuicin, deben respaldarlo en la elaboracin
de pronsticos correctos y precisos que sean suficientes para satisfacer las
necesidades de planeacin de la organizacin.
En este informe se realizarn estimaciones a travs de cinco modelos de
pronsticos:
Mtodo Promedio mvil.
Mtodo de Suavizamiento exponencial simple.
Mtodo de Regresion lineal
Mtodo lineal de Holt.
Mtodo de Holt-Winters.
Todos estos aplicados en el Hotel Plaza del Bosque, EBRO, el cual ha facilitado
la demanda mensual de hospedaje, desde enero del ao 2012 hasta Abril del
presente.
Este estudio busca proporcionar un panorama ms certero sobre el pronstico de
ventas de negocio, con el fin de preparar, supervisar y mejorar todas aquellas
reas en las que el usuario ser partcipe, a fin de entregarles un mejor servicio y
fortalecer su ventaja competitiva.






3

DATOS GENERALES






Antecedentes Empresa
Razn Social Comercial ICOM LTDA.
R.U.T. 78.018.550-3
Giro Hotelera y Banquetera
Domicilio Calle San Sebastin n 2800, LAS CONDES,
Stgo.
Telfono (56-2) 2498 1900 / 2498 1910
e-mail reservas@pl azael bosque.cl
banquetes@pl azael bosque.cl
Representante Legal
Nombre Mara Alejandra vila Cceres.
Rut 11.273.844-4
e-mail malejandra@plazaelbosque.cl
Contacto
Nombre
Steffan Eduardo Mendoza Caldera
e-mail smendoza@ingelpo.cl
4

Datos entregados

Variables a analizar:
Desviacin Absoluta Media (MAD): Es la primera medicin del error global de
pronstico para un modelo, es la media aritmtica de los valores absolutos de las
desviaciones, el tener que usar valores absolutos complica los desarrollos
matemticos con este parmetro y por eso se usa poco, pese a su valor intuitivo.
El MAD solo expresa la dimensin pero no la direccin del error.
Error Cuadrtico Medio (MSE): Es una segunda forma de medir el error global
de pronstico. El MSE es el promedio de los cuadrados de las diferencias
encontradas entre los valores pronosticados y los observados. En general, MSD
es preferible a MAD porque parece que hay ms apoyo terico para ello.



Periodo Mes Demanda Real
1 Enero-2012 6085
2 Febrero-2012 5867
3 Marzo-2012 5933
4 Abril-2012 5873
5 Mayo-2012 6149
6 Junio-2012 5562
7 Julio-2012 6618
8 Agosto-2012 6168
9 Septiembre-2012 5998
10 Octubre-2012 6663
11 Noviembre-2012 6343
12 Dieciembre-2012 6247
13 Enero-2013 7303
14 Febrero-2013 5975
Periodo Mes Demanda Real
15 Marzo-2013 6993
16 Abril-2013 6357
17 Mayo-2013 6677
18 Junio-2013 6105
19 Julio-2013 7323
20 Agosto-2013 7008
21 Septiembre-2013 6210
22 Octubre-2013 6859
23 Noviembre-2013 6804
24 Diciembre-2013 6350
25 Enero-2014 6862
26 Febrero-2014 5010
27 Marzo-2014 5873
28 Abril-2014 6467
5

Error porcentual absoluto de la media (MAPE): Es una medida de precisin de
un mtodo que ajusta datos de una serie de tiempo. Entrega el porcentaje de error
del ajuste. A pesar de lo fcil y convincente que suena este concepto, tiene una
desventaja: cuando el ajuste es perfecto, el MAPE toma el valor cero. Pero por el
contrario, no tiene restriccin en su valor mximo. Entonces, al calcular el MAPE
para muchos mtodos utilizados para una misma serie que est siendo ajustada,
los valores altos podran distorsionar el promedio. Ante esto, es mejor usar el MSE
como medida comparativa.
Sesgo: Indica la tendencia direccional de los errores de prediccin. El sesgo mide
la tendencia a sub o sobreestimar la demanda. A diferencia de MAD, el sesgo
indica la tendencia direccional de los errores de prediccin. Si el procedimiento de
prediccin sobreestima constantemente la demanda actual, el sesgo tendr un
valor positivo; si la subestimacin muestra una tendencia constante, entonces el
sesgo tendr un valor negativo.
















6

CONCLUSIN
De lo dicho anteriormente y del anlisis numrico posterior se extraen los
siguientes datos:
Promedio
Mvil
Promedio
Mvil
Ponderado
Suavizamiento
Exponencial
Simple
Regresin
Lineal
Modelo con
Tendencia
Modelo
Winter
MAD 378,96 415,12 381,69 355,97 360,28 360,20
MAPE 6,05 6,60 6,07 5,71 5,85 5,85
MSE 283061,51 333562,86 274750,09 237252,49 268083,21 239312,18
De los cuales se concluye que:
1. El mtodo de promedios mviles no entrega datos consistentes debido a
que la informacin entregada de demanda del Hotel presenta una clara
tendencia al crecimiento y tambin una leve estacionalidad.
2.

El mtodo de promedios mviles no entrega datos consistentes debido a
que la informacin entregada de demanda del Hotel presenta una clara
tendencia al crecimiento y tambin una leve estacionalidad.
Xk mse y no mad

Con las diferentes variables que existen para realizar el pronstico en las
empresas su funcionamiento puede ser efectivo. Los gerentes deben conocer
cul es la demanda del producto para as poder saber con que cuenta en su
inventario y as poder planificar su produccin, gastos y costos. Si las diversas
ecuaciones matemticas se utilizan adecuadamente la produccin de la compaa
ser efectiva
7

8