Beruflich Dokumente
Kultur Dokumente
1Congreso de la República de Colombia. Código de Comercio. Decreto 410 de 1971. Artículo 1045. [online]
[Citado el 20 de Febrero de 2012] Disponible en Internet
<http://www.secretariasenado.gov.co/senado/basedoc/codigo/codigo_comercio.html>
1
cliente y así lograr una ventaja competitiva a través de relaciones de largo plazo
mutuamente rentables.
2JUNGUITO Roberto. Presidente de FASECOLDA. "La lotería de la vida". [online] En Revista Portafolio. Agosto 26 de
2008. [Citado el 10 de Febrero de 2012] Disponible en Internet
<http://qc.portafolio.com.co/columnistas/la-loteria-la-vida>
2
En nuestro país existe una alta conciencia de los riesgos y se reconoce que los
seguros son necesarios. Sin embargo las personas no son plenamente
conscientes de las implicaciones económicas y morales que la materialización
de estos riesgos genera, los ciudadanos atribuyen, muchas veces, los sucesos
imprevistos a la situación del país, al azar y a la poca previsión frente al futuro.
Entre los riesgos más temidos tenemos a las enfermedades, terremotos,
desastres como los incendios e inundaciones; en cuanto a riesgos personales,
la invalidez, los accidentes y a la muerte de uno de los jefes de hogar por la
incertidumbre sobre el bienestar de sus hijos.
Muchas veces, ante un siniestro, los colombianos más pobres se ven obligados
a disminuir su consumo básico, incluyendo el vestuario y aun los alimentos. Otros
con mayor capacidad económica no adquieren seguros y optan por endeudarse
al momento de una eventualidad.
Aunque opinan que los seguros son una necesidad básica, consideran que no
adquieren seguros porque no poseen suficiente información o porque los
estiman costosos, en este punto un adecuado proceso de la administración de
riesgos basado en una serie de etapas que empiezan con la identificación,
proceso mediante el cual se determinan el riesgo al que puede estar expuesta la
empresa y los sujetos, seguido de la evaluación, fase en la cual se cuantifican
los efectos que sobre los sujetos puede conllevar la ocurrencia de un riesgo, la
priorización según su frecuencia y severidad lo cual permite finalmente la
selección de la estrategia que mejor se adapte a los intereses y necesidades de
la persona o empresa para minimizar los riesgos existentes, los efectos de éstos
y los costos asociados, garantizando el mínimo impacto financiero.
Las compañías aseguradoras cuentan con una serie de productos como son:
seguros de accidentes, autos, exequias, vida, arrendamiento, hogar, de rentas,
de cumplimiento, de crédito, judiciales, educación, de enfermedades graves, de
ingeniería, de aviación, de riesgos profesionales, de salud, seguro obligatorio
3
SOAT, medicina prepagada, plan obligatorio de salud y carteras colectivas entre
otros servicios. Sin embargo se tomará como punto de partida el SOAT dada su
obligatoriedad y se buscará pronosticar la demanda que se puede generar
teniendo en cuenta que facilita el flujo de ingresos y abre la posibilidad de nuevos
negocios en otras soluciones con mayor rentabilidad3
4SURA - SOAT Seguro Obligatorio contra Accidentes de Tránsito. "Información para Delegados" Bogotá.
2009. [online] [citado el 16 de Febrero de 2012]. Disponible en Internet
<http://www.sura.com/TodoSobreElSOAT/sections/InformacionDelegados.aspx>
4
Lo deseable es atender mercados de interés, en la medida que se dirijan a
potenciales riesgos de los cuales se espere un mejor comportamiento siniestral,
para esto es fundamental su conocimiento, lo cual, enriquece los procesos de
venta cruzada. Puede decirse entonces que el cliente objetivo de SOAT se define
en función de la siniestralidad esperada, entendiendo el porcentaje de
siniestralidad como la razón entre las primas devengadas y los siniestros
incurridos.
Teniendo en cuenta que la siniestralidad máxima que tolera el ramo es del 52%
de acuerdo con los estudios más recientes, particularmente son objetivo para la
compañía aseguradora los seguros SOAT de automóviles, camperos,
camionetas y vehículos de carga. Específicamente por el potencial que supone
para desarrollar clientes integrales, la distribución del portafolio debe orientarse
al mejor riesgo de cada clase automotor, es decir aquel que presenta menor
siniestralidad.
5
aseguradoras; se hace necesario analizar el comportamiento del mercado e
implementar modelos de pronóstico que permitan predecir el comportamiento de
las ventas a futuro.
6
2. OBJETIVOS
7
Generar una propuesta basada en un modelo de pronóstico para la demanda
de ventas de Seguros Obligatorios de Accidentes de Tránsito SOAT en una
compañía comercializadora de seguros buscando aumentar los beneficios
económicos derivados de la actividad.
3. JUSTIFICACIÓN
8
mercado asegurador y quienes hacen parte de él a través de la comercialización
y en el desarrollo de su actividad procuran establecer relaciones comerciales
duraderas y beneficiosas para ambas partes, asimismo aportar desde los
conocimientos adquiridos en ingeniería industrial y afianzar las competencias en
el ejercicio de las funciones encomendadas por la compañía.
9
4. ESTADO DEL ARTE
10
del 1.5%. Es decir, ante el crecimiento de un punto porcentual del PIB los
seguros crecen 1.5 veces. La reacción de los seguros en épocas de crisis ha
sido diferente, al parecer la industria aseguradora es más resistente a las crisis
que otros sectores de la economía.
Durante el año 2006, el volumen de primas para la región alcanzó USD$ 71.000
millones al mismo tiempo que la participación en el mercado asegurador mundial
paso de ser 1.6% en 2000 a 1.9% en 2006. Mientras que su participación en la
economía mundial (en términos de producto, PIB) alcanza 6% cuando la
población es 9% del total mundial.
11
cuenten con buenos indicadores de institucionalidad podrán tener repercusiones
sobre los negocios de seguros.
12
Usando regresión lineal múltiple para modelar el acercamiento, el proceso de
pronóstico incorpora datos de varias fuentes incluyendo las revisiones
trimestrales y anuales de ventas de Vida Individual de LIMRA, su Estudio Bienal
de Compradores y datos del Censo Estadounidense, entre otros. Datos
históricos y previsiones económicas de los principales indicadores incluyendo
tasas de interés a corto y largo plazo, ingreso familiar disponible, niveles de
confianza del consumidor y tasas de desempleo, también son factores
fundamentales.7
El pronóstico del total de primas anuales nuevas para los años 2006 a 2010 se
muestra en la Figura 1. Es importante señalar que, aunque varios factores que
históricamente han mostrado una fuerte correlación con el crecimiento total de
ventas de la industria son comunes a todas las líneas de productos de Vida
Individual, hay diferencias en el grado en que cada factor se correlaciona con las
ventas de líneas específicas de negocio. Por ejemplo, el nivel de desempleo es
un factor clave en el plan de previsiones de todo nuevo plazo y prima de un
seguro de Vida. No es, sin embargo, un indicador primario de crecimiento de
ventas de seguros de Vida Universal. El pronóstico actual de las nuevas primas
anuales por cada línea de productos de seguros de Vida se muestra en la Figura
2.
13
Fuente: Pronósticos de Vida Individual LIMRA Internacional, 2006.
8Rodríguez Pulecio Ana María. "La industria aseguradora a lo largo del ciclo económico". Revista FASECOLDA. Bogotá.
2009. [online] [citado el 16 de Febrero de 2012]. Disponible en Internet
14
4.2. MÉTODOS PARA LA PREVISIÓN DE VENTAS DE SEGUROS
Diversos estudios han intentado explicar los principales factores que determinan
el desarrollo de la industria aseguradora. A lo largo de la literatura estos factores,
tanto en países desarrollados como en vía de desarrollo, se pueden clasificar
en factores económicos, factores políticos y legales y factores sociales. A
continuación se hace una breve explicación de los mismos:
http://www.mapfre.com/documentacion/publico/i18n/catalogo_imagenes/grupo.cmd?path=1060549
15
Por su parte, Ward y Zurbruegg (2000) encuentran que la relación entre la
economía y los seguros depende del país; en algunos casos la relación es de
líder de oferta y en otros de seguidor de demanda por lo que otros factores como
los legales y los políticos pueden incidir en determinar esta relación.
Tanto Esho et al. (2004) como Outreville (1996) encuentran que la relación entre
el precio y la demanda es negativa en todas las áreas de negocio, a medida que
aumenta el precio disminuye su demanda. Asimismo, encuentran que los
mercados competitivos están más desarrollados que los mercados
monopolísticos, esto porque entre menos firmas hay los productos son más
caros y su demanda es menor.
16
aumenta el aseguramiento. En la medida en que la incertidumbre es alta se
genera una brecha entre el precio demandado por los compradores y el ofrecido
por los aseguradores, esta brecha genera menores niveles de aseguramiento.
Así cuando un gobierno es débil, su institucionalidad es menor y por ende el
nivel de aseguramiento es inferior.
17
manera detallada los hogares, sus hábitos de consumo, percepción y orientación
al riesgo, además de las tendencias e intención de compra.
18
Además de confirmar la alta penetración de los seguros de salud, el estudio
revela que cerca de un 64% quisiera ampliar las coberturas, para suplir mayores
necesidades o extender los servicios actuales, mientras un 85% de los Jefes de
Hogar perciben la tenencia de los seguros de salud como una necesidad básica,
el 53% clasifica de la misma manera los seguros de Vida, Vehículos y Hogar. No
obstante, éstos últimos son calificados como inalcanzables o producto de lujo
por su costo.
19
La base del estudio son 1.100 entrevistas presenciales a profundidad con los
jefes de hogar (estratos socioeconómicos: 2, 3, 4, 5 y 6), las cuales se realizaron
en las 6 principales ciudades del país: Bogotá, Medellín, Cali, Barranquilla,
Bucaramanga y Pereira. La técnica de muestreo utilizada fue la Metodología
Bietápica Estratificada. Se estima que tiene una confiabilidad de 95% y un
margen de error del 3%.10
Según la dimensión del análisis que se emplee, existen otros múltiples conceptos
sobre demanda, interrelacionados e integrados en el concepto general de la
misma. Se puede hablar de una dimensión temporal (demanda a corto, medio y
largo plazo), dimensión de producto (demanda de marzo, línea, empresa o
global), dimensión del comprador (demanda individual, de segmento, de
10 BAQUERO Ximena y APARICIO Elvira Carmen. "El Bluebook de Seguros". Bogotá. Diciembre de 2006. . [online]
[citado el 16 de Febrero de 2012]. Disponible en Internet
<http://www.remolinaestrada.com/cms/index.php?option=com_content&task=view&id=24&Itemid=1>
20
mercado, primaria, derivada, total) o dimensión espacial (demanda local,
regional, nacional e internacional).
La evolución de las tasas de ahorro internacional tiene que ver con: la evolución
de las tasas brutas del Sector Privado en porcentaje del PIB (afectado por
variables como: renta per cápita, transferencias de tecnología entre países, etc.),
la evolución demográfica (ya que su impacto en la tasa de ahorro se fundamenta
en el modelo del ciclo vital, el paulatino envejecimiento de la población, la
incertidumbre de la provisión pública de pensiones y la inestabilidad del mercado
de trabajo).
21
En España la tasa de ahorro familiar ha sido y es bastante baja (entre 1990 y
1995 una tasa media del 6,9% comparada con la media de la UE del
11,6%) previéndose incremento en un futuro próximo.
22
estructura, beneficios sociales del estado, la inflación y la rentabilidad real,
productos financieros disponibles y su legislación, operaciones y marketing de
instituciones financieras, la estructura demográfica y el mercado laboral.
Sin embargo, en España los factores que realmente más han influido en el ahorro
la última década han sido:
- Positivamente: el rápido crecimiento de ingresos, la existencia de más
productos de ahorro y el agresivo marketing de las instituciones
financieras.
- Negativamente: un trato fiscal favorable a la inversión inmobiliaria y los
beneficios sociales que desincentivan el ahorro financiero.
23
rentabilidad y fiscalidad, estimándose la misma tendencia e incluso mayor en el
futuro.
El hábito del ahorro regular está aún limitado al segmento de población con
rentas altas, sólo un 30% de la población española lo tiene (segmentos de renta
alta, profesionales y quiénes preparan su jubilación), existiendo -también
destacables- niveles de endeudamiento y considerando que aproximadamente
el 10% de la población vive por encima de sus posibilidades.11
Los ramos de daños registraron un crecimiento real del 7%, ubicándose por
encima de lo esperado en las industrias de países latinoamericanos. Por el
contrario, los ramos de vida y salud registraron un crecimiento real del 7.8%, por
debajo de lo que se esperaba para el promedio latinoamericano.
11ALBARRÁN LOZANO Irene. “Mercado de Seguros: Oferta y Demanda, ¿Cómo operan y se caracterizan?,
Biblioteca de la Facultad de Ciencias Económicas y Empresariales UCM. [online] [Citado el 5 de Julio de
2013] ]Disponible en <http://biblioteca.ucm.es/cee/doc/00-21/0021.htm>
24
La característica predominante en el 2010 fue una baja generalizada en la
siniestralidad con respecto a lo observado en 2009. Como consecuencia, el
resultado técnico mejoró, aunque continúa siendo negativo. Ahora bien, el
resultado técnico negativo de la industria se vio compensado con el rendimiento
de las inversiones, que fue de 2.4 billones de pesos, inferior a los 2.5 billones del
2009. Al respecto, se registraron aumentos en los rendimientos de renta variable
(acciones) y disminución en los de renta fija (TES) por valorización de estos. En
consecuencia el resultado neto de la industria fue de 1.4 billones, frente a 1.2
billones en el 2009.
25
Durante el 2011 la economía colombiana evidenció un importante dinamismo
que según las estimaciones del Gobierno alcanzaría un crecimiento del 5.5%,
jalonado principalmente por el sector de minas y petróleos. Por su parte, la
industria aseguradora registró un crecimiento real de 11% en las primas emitidas,
con una producción de primas de $14 billones, gracias al buen desempeño de la
economía, la disminución del desempleo y la expansión del crédito y el consumo.
26
El primero, que garantiza la educación superior de los hijos, tuvo un aumento
del 23% en primas emitidas, alcanzando alrededor de 25 mil asegurados, lo que
evidencia una mayor conciencia de riesgo y una mayor demanda por este tipo
de productos. El seguro de desempleo, pasó de una producción de $36 mil
millones en 2010, a $116 mil millones en 2011. El comportamiento del crédito
influyó en este resultado, así como las alianzas entre compañías de seguros y
bancos para la comercialización del producto. Lo anterior demuestra la
pertinencia de que el gobierno y el legislativo estudien mecanismos para
desarrollar este producto en aras de ampliar su cobertura a más colombianos.
27
Las perspectivas de crecimiento del sector son bastante positivas ya que, como
se comentó anteriormente, se espera que los países emergentes jalonen el
crecimiento económico mundial durante los próximos años, situación que, unida
con la baja penetración de los seguros, permitirá un mayor desarrollo de la
industria aseguradora de estos países. Proyecciones de la Swiss Re para el
sector asegurador colombiano estiman un crecimiento anual promedio de 5.3%
para los seguros de daños y de 9.5% en seguros de vida y salud para los
próximos 10 años, siendo estos últimos los más dinámicos de Latinoamérica.
12 FASECOLDA. Federación de Aseguradores Colombianos. Comunicado de Prensa. Enero de 2012. [online] [citado
el 24 de Febrero de 2012]. Disponible en Internet
<http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF/resultados%20industria%202011.pdf>
28
4.4.1. ¿Qué es el pronóstico de la demanda?
1. Incertidumbre
– Demanda y tiempo de entrega inciertos
– Capacidad incierta. Inventarios
– Oferta incierta
2. Variabilidad
– La demanda cambia
– La capacidad cambia. Puntos de re-orden
– La oferta cambia
Las estrategias que se pueden implementar para enfrentar estos problemas son:
29
1. Reducir variabilidad e incertidumbre:
– Mejor pronóstico
– Coordinar re abastecimiento y entregas
– Capacidad de reserva
2. Minimizar efecto de distorsión de la demanda
– Crear estrategias especiales
3. La planta productora espera hasta el último momento para enviar los
materiales (Posponement)
4. VMI (Inventario manejado por el proveedor).
5. CPFR (Planeamiento Participativo, Pronóstico, y Reabastecimiento)13
30
del pronóstico y responder a ellos en forma adecuada mediante la utilización de
inventarios de seguridad.
14 FILDES, R., P. GOODWIN, M. LAWRENCE, & K. Nikolopoulos (2009). Effective forecasting and judgmental
adjustments: an empirical evaluation and strategies for improvement in supply-chain planning. Citado por VIDAL
HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios
15LAWRENCE, M., P. GOODWIN, M. O´Connor, & D. Önkal (2006). Judgmental forecasting: A review of progress
over the last 25years. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios
31
Encuesta del mercado de Se pregunta a los clientes sobre sus planes de compras y su
consumidores comportamiento de compras proyectado. Se necesita a una gran
cantidad de encuestados para poder generalizar ciertos
resultados.
Por otro lado, el modelo causal utiliza una técnica matemática conocida como el
análisis de regresión que relaciona una variable dependiente (por ejemplo, la
demanda) con una variable independiente (por ejemplo, el precio, publicidad,
etc.) en la forma de ecuación lineal. Los métodos de pronóstico de series de
tiempo están descritos a continuación:
Método de
Descripción
Pronóstico series
de tiempo
Enfoque simplista Asume que la demanda en el siguiente período es igual que la demanda en el más
reciente período; el patrón de la demanda puede no siempre ser completamente
estable
Por ejemplo:
Si las ventas de julio fueron 50, las ventas de agosto también serán 50
Promedio móvil El PM es una serie de promedios aritméticos y se utiliza si existe poca o ninguna
(PM) tendencia en los datos; ofrece una impresión general de los datos en el tiempo
Un promedio móvil simple utiliza la demanda promedio durante una secuencia fija
de períodos y es bueno para una demanda estable sin patrones pronunciados de
comportamiento.
Ecuación:
P 4 = [D 1 + D2 + D3] / 4
P – Pronóstico, D – Demanda, No. – Periodo
16
SMETOOLTIK Instituto PYME. "Pronóstico de la Demanda". s.f. [online] [citado el 24 de Febrero de 2012].
Disponible en Internet http://mexico.smetoolkit.org/mexico/es/content/es/416/Pron%C3%B3stico-de-la-demanda
32
Un promedio móvil ponderado ajusta el método de promedio móvil para reflejar
fluctuaciones con mayor exactitud asignando mayor peso a los datos más recientes,
lo que significa que los datos más viejos son por lo general menos importantes. Los
pesos se basan en la intuición y están entre 0 y 1 y deben sumar un total de 1.0
Ecuación:
PMP 4 = (P) (D3) + (P) (D2) + (P) (D1)
PMP – Promedio móvil ponderado, P – Peso, D – Demanda, No. – Periodo
- Combinación de los anteriores: Tienen un gran potencial y suelen ser los más
efectivos en la mayoría de los casos. A continuación se detallan otros aspectos
fundamentales que caracterizan un sistema de pronósticos.
17LEE, W.Y., P. GOODWIN N, R. FILDES, K. NIKOLOPOULOS, & M. Lawrence (2007). Providing support for the use of
analogies in demand forecasting tasks. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión
de Inventarios
33
4.4.3. Pasos fundamentales y ambiente general de un sistema de
pronósticos
- Definir y comprender qué se desea pronosticar y para qué se van a utilizar los
pronósticos. No es lo mismo la realización de pronósticos para efectos de control
estadístico de la calidad de un producto que los pronósticos de demanda de un
producto para efectos de planeación de compras y despachos, por ejemplo.
Fildes et al. (2006)18 expresa que los pronósticos son típicamente producidos
por la combinación del juicio administrativo y técnicas cuantitativas, dentro de un
18
FILDES, R., P. GOODWIN, M. LAWRENCE, & K. NIKOLOPOULOS (2009) Op.cit.
34
sistema de soporte para pronósticos. En su artículo, los autores mencionan que
a menudo no se da esta integración con los consiguientes efectos negativos en
la precisión del pronóstico e identifican factores para disminuir este efecto.
Obsérvese dentro de este contexto la importancia de la medición y utilización de
los errores de pronóstico, los cuales son la fuente de análisis para determinar la
conveniencia del modelo utilizado. Los errores de pronóstico son básicos
principalmente por tres razones:
35
Una práctica muy común es la de pronosticar las ventas y no la demanda. La
diferencia es que cuando no ocurre una venta, sí pudo haber ocurrido una
demanda, la cual no pudimos satisfacer por no tener disponible el producto o por
algún otro motivo. También puede presentarse una venta parcial por no disponer
de la totalidad de la cantidad demandada. Esta demanda se denominará de
ahora en adelante “demanda no servida o demanda no satisfecha”.
A pesar del impacto significativo que tiene la demanda no servida sobre los
pronósticos de demanda, usualmente no es fácil determinarla. Por ejemplo, en
un supermercado un cliente se acerca a una góndola y al no encontrar el
producto que estaba buscando, probablemente escogerá y comprará otro
producto de diferente marca, de acuerdo con su grado de substitubilidad. Esta
demanda no servida del producto de la marca original, sin embargo, no queda
registrada en parte alguna. Es por eso que ocasionalmente en algunos
supermercados, al pagar en la caja registradora se le pregunta al cliente si hubo
algún producto que estaba buscando y que no encontró y de ser así, éste se
anota.
36
Corto plazo Mediano plazo Largo plazo
Generalmente menos
Duración de 3 meses, máximo De 3 meses a 3 años Más de 3 años
de 1 año
Desarrollo de nuevos
Planificación de Planificación de
productos,
Aplicabilidad tareas, asignación de ventas y producción,
planificación de
trabajadores presupuestos
instalaciones
Por eso, al escoger un período del pronóstico igual a un día, podríamos estar
induciendo alta variabilidad en los datos diarios, mientras que si agrupamos las
demandas en forma semanal, por ejemplo, es posible que dichas variaciones
diarias se amortigüen y así la variabilidad del pronóstico disminuya. El estudio
detallado de este factor en cada caso, es por supuesto lo recomendable. Un caso
37
real que considera las diferencias de demanda entre los días de semana puede
consultarse en Zamora y Ruiz (2008). 19
19 ZAMORA A. & C.R. RUIZ (2008). Sistema de despacho automático de bodega a puntos de venta para abarrotes en
una cadena de supermercados. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios
38
sistema de pronósticos están relacionados entonces con precisión, costo,
utilidad de los resultados, estabilidad y respuesta del sistema de pronósticos.
De acuerdo con Silver et al. (1998, pp. 78-79)20, la utilidad de los resultados se
mide principalmente con base en el grado de aceptación, credibilidad y utilización
que se le dé al sistema de pronósticos. Idealmente, un sistema de pronósticos
debería:
- Estimar la demanda esperada en el corto plazo, pero también proveer
mecanismos para estimar dicha demanda en el mediano y largo plazo para
efectos de planeación agregada esto corresponde a los denominados
pronósticos acumulados.
- Estimar adecuadamente los errores de pronóstico.
- Actualizar los pronósticos periódicamente de tal manera que cualquier
corrección pueda hacerse rápidamente.
- Balancear el costo de los errores de pronóstico obtenidos contra el costo de
generarlos.
- Permitir el juicio y la intervención humanos para refinar y modificar los
pronósticos, si así se considerare necesario.
- Ser robusto, o sea proveer pronósticos que no se vean afectados
significativamente por factores incontrolables al sistema, tales como las
variaciones aleatorias naturales del proceso bajo estudio.
20 SILVER, E.A. & D.J. ROBB (2008). Some insights regarding the optimal reorder period in periodic review
inventory systems . Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios
39
- Ser comprensible para la administración del sistema y todo el personal
involucrado directa o indirectamente en el proceso, en la medida que no solo
deben usarse sus resultados, sino comprender muy bien los mecanismos
internos que lo gobiernan.
La estabilidad y respuesta del sistema de pronósticos tiene que ver con el hecho
de que este no debe ser exageradamente sensible que responda
aceleradamente a las variaciones aleatorias naturales del proceso bajo estudio,
ni tampoco que su respuesta sea tardía o inexistente a cambios reales de la
tendencia de la demanda, esto se controla a través de las señales de rastreo y
de la actualización de los parámetros del sistema de pronósticos escogido, como
por ejemplo con el valor del número de períodos N a considerar para el cálculo
21 SANDERS, N.R. & K.B. MANRODT (2003). Forecasting Software in Practice: Use, Satisfaction and
Performance. Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios.
40
del promedio móvil y con la constante de suavización para el caso de los
métodos de suavización exponencial. 22
En el caso de la tendencia, se pueden ajustar los datos con algún tipo de curva
o recta y modelar los residuales. Como el propósito del ajuste es simplemente
remover la tendencia a largo plazo, una línea recta es suficiente.
Los modelos de series de tiempo son las técnicas de pronósticos que se basan
únicamente en la historia de la demanda del ítem que se está pronosticando.
Trabajan capturando los patrones en los datos históricos extrapolándolos en el
22
Vidal Holguín, Carlos Julio "Fundamentos de Control y Gestión de Inventarios". Universidad del Valle.
Facultad de Ingeniería. Santiago de Cali. Agosto de 2010. Capítulo 3. Páginas 41 - 51
41
futuro. Los Modelos de series de tiempo son adecuados cuando se puede asumir
una cantidad razonable de datos y una continuidad en el futuro próximo de las
condiciones que se presentaron en el pasado. Estos modelos se adaptan mejor
al corto plazo del pronóstico.
42
Los métodos de suavización modelan componentes en una serie que
normalmente son fáciles de ver en una serie de tiempo este método descompone
los datos en sus partes componentes y los extiende al futuro para pronosticar.
Se pueden seleccionar los métodos siguientes:
23
MONTBOMERY, D.C., L.A. JOHNSON, & J.S. Gardiner (1990). Forecasting & Time Series Analysis. Citado por VIDAL
HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de Inventarios.
43
capturar tendencia y patrones estaciónales y son automatizables, se diferencia
en que los modelos Box-Jenkins son basados en auto correlaciones en lugar de
una vista estructural de nivel, tendencia y estacionalidad. Los modelos de Box-
Jenkins tienden a obtener mejores resultados que los modelos de suavización
exponencial para series de tiempo más largas y estables no son buenos para
datos con ruido y alta volatilidad.
En primer lugar, existe casi siempre un lapso entre el momento en que se hacen
los pedidos y el tiempo de entrega. En segundo lugar, debido a ciertos costos de
orden, a menudo es necesario ordenar en lotes en lugar de unidad por unidad.
Esto significa que se debe mirar hacia adelante y prever la demanda futura.
44
consiguiente, también es necesario para estimar el error de pronóstico, que
puede ser representado por la desviación estándar o la desviación media
absoluta (MAD).
Es evidente que esto puede significar que los datos históricos ya no son
representativos mirando hacia el futuro. Normalmente es difícil tomar en cuenta
tales factores en la previsión de un sistema computarizado de control de
inventario. Por tanto, es generalmente más práctico para ajustar manualmente
la previsión en caso de tales eventos especiales.24
24COHEN Roger. Gestión de Recursos. FIUBA. "Pronósticos". s.f. [online] [citado el 13 de Marzo de 2012].
Disponible en Internet <http://materias.fi.uba.ar/7628/PronosticosTexto.pdf>
45
Durante las últimas tres décadas, se han hecho importantes avances en el
desarrollo de técnicas de pronóstico de ventas que permiten reflejar con
precisión las condiciones del mercado. Sin embargo, la práctica de encuestas de
previsión de ventas continúa informando sólo ganancias marginales en el
desempeño de los pronósticos de ventas. Esta brecha entre la teoría y la práctica
ha sido identificada como un problema importante para la investigación de
previsión de ventas. La literatura de pronósticos señala que el problema debe
abordarse mediante el examen de los factores organizativos en la gestión de
previsión de ventas.
25DAVIS Donna y MENTZER John T. "Los Factores Organizativos en la Gestión de Previsión de Ventas".
Revista Escuela de Negocios. Universidad de Texas. 2007.
46
muestra cómo las previsiones se pueden utilizar para calcular los niveles
progresivos.
26 SYNTETOS, A.A. & J.E. Boylan (2005). The accuracy of intermittent demand estimates. International
Journal of Forecasting Citado por VIDAL HOLGUÍN Carlos Julio. Fundamentos de Control y Gestión de
Inventarios.
27TEUNTER Ruud y BABANGIDA Sani. "Cálculo de las variaciones en los niveles de los productos con
demanda intermitente". Departamento de Gestión de la Ciencia. Universidad Lancaster. s.f.
47
Algunos autores afirman que una dificultad común en la previsión de movimiento
lento de inventario es la falta de información acerca de la demanda. Debido a las
fluctuaciones de compra del cliente, patrones resultantes en períodos aleatorios
de ninguna demanda, la demanda de un producto puede parecer ser cero, pero
su demanda futura aún puede ser lo suficientemente grande como para justificar
la realización del producto a largo plazo.
48
Los productos observados incluyen este grupo de productos con demanda cero
y el "periférico" que son productos que muestran una demanda positiva. A
diferencia del modelo de previsión en que se realiza un pronóstico para todo el
grupo, una propuesta de estimación de la demanda se hace sólo para ese grupo
de productos que demostrado una demanda cero
El inventario de baja rotación sería apropiado para los modelos propuestos que
tienen una demanda promedio por período que es baja .Los límites superior e
inferior de un intervalo de predicción para la demanda
proporcionan un rango para el nivel adecuado de existencias de seguridad.
Además, una sola estimación de la tasa de demanda puede inducir a error si la
varianza es grande.
49
que estén disponibles. Una compañía puede incluso tener un producto crítico
que debe ser mantenido a pesar de las ventas son esporádicas. En estos casos,
la administración debe determinar un nivel adecuado de inventario disponible.
A nivel de demanda:
28
LINDSEY Mathew y PAVUR Robert. Intervalos de predicción para la demanda futura de los productos
existentes con un observada demanda de cero. Revista Internacional de Publicaciones Económicas. Enero
de 2009.
50
1. La estimación de la demanda se realiza con un único método (principalmente
el promedio móvil), el cual no se ajusta correctamente a estacionalidades y
tendencias. Tampoco se consideran eventos: acciones ocasionadas por la
propia empresa y que alteran la demanda; y factores causales: factores externos
a la organización, existentes en el mercado, y que también alteran la demanda.
2. Para el cálculo de los pronósticos no se realiza una limpieza de los datos
históricos (eliminar eventos y factores causales pasados).
3. En el cálculo de la demanda, sólo se considera el consumo o la venta (la
oferta), no se consideran las ventas perdidas por motivos logísticos y que de
acuerdo a las políticas de la empresa, puede ser satisfecha por la empresa con
una mejor gestión de demanda.
4. No se aplica un buen procedimiento sistemático para combinar el pronóstico
cuantitativo (matemático) con el pronóstico cualitativo o de expertos.
5. Se confunde la problemática de la estacionalidad con la de los ítems con
demanda intermitente, que es aquella que posee significativos intervalos de
demanda cero. Los ítems intermitentes requieren de métodos específicos para
la determinación de la demanda (Croston).
6. La unidad de tiempo de previsión usada (time bucket) no necesariamente es
la correcta. El “time bucket” debe considerar las variaciones en los patrones de
demanda y los tiempos de ciclos de reposición.
7. Muchas veces la proyección de la demanda se realiza multiplicando un valor
medio de demanda por el número de períodos. Siendo que la demanda debe ser
dependiente de la fecha, día, o semana, o mes del año.
8. Cada “nivel” o etapa de la cadena logística realiza su propio pronóstico en
base a sus despachos, y no como debiese ser, en base a la demanda final de la
cadena (demanda del consumidor).
9. La unidad de previsión típicamente es el ítem, por ejemplo: por cliente, por
canal de distribución, por bodega, etc.29
29 Tendencias en Servicios de Gestión y Demanda, centrado en el Cliente. LGT Revista Logistec Miércoles 1 de Febrero
de 2006
51
Nivel de servicio e inventarios:
52
7. En la reposición de ítems, no se consideran las oportunidades de ahorro que
genera la reposición coordinada de ítems, en términos de: ahorros en costo de
compra por consolidación de compras, análisis de descuento de orden de
compra o consolidación del contenedor o camión.
8. En sistemas multinivel de inventarios (más de una bodega con stock de
seguridad, consecutiva en la cadena logística), las decisiones de reposición se
realizan nivel por nivel (enfoque secuencial), y no se modelan los costos de la
red completa.
9. No se considera el efecto látigo, consiste en la distorsión de la demanda a
medida que se transmite hacia atrás en la cadena logística, y que se genera
cuando cada nivel en la cadena pronostica su propia demanda y mantiene un
stock de seguridad propio.
10. En las fórmulas de stock de seguridad, no se entiende ni aplica
correctamente el concepto del “Nivel de Servicio”, tanto a nivel de planificación
(en los stocks de seguridad) como en medición.30
30
VELOZO Raimundo. "Tendencias en Servicios de Gestión y Demanda, Centrado en el Cliente. KOM
Internacional. Revista Logistec Miércoles 1 de Febrero de 2006
53
reservaciones efectuadas y el precio promedio de las habitaciones de hotel. Los
datos utilizados son anuales y el periodo de análisis va del año 1992 al año 2004,
lo que dio pauta para realizar predicciones hasta el año 2008.
El periodo del 1995 hasta nuestros días, podemos llamarlo “la etapa de la
recuperación del turismo Tabasqueño” gracias al aumento anual en el número
de turistas, sin embargo, hay mucho trabajo por hacer en lo concerniente a la
oferta turística en general, por lo tanto Tabasco tendrá que sacar provecho de la
riqueza arqueológica de la cultura Olmeca con la finalidad de aumentar la
afluencia de visitantes, pero sobre todo de turistas extranjeros. Los pronósticos
para el futuro del turismo en Tabasco son optimistas. Estos indican que del 2004
al 2008 la demanda de turistas nacionales habrá crecido en un 14.9% mientras
que la de turistas extranjeros crecerá en un 40.9%.31
54
5. DISEÑO DE LA PROPUESTA
55
Tabla 5: Datos de demanda para las clases SOAT más vendidas
56
2010 7 13892784 2011 11 8778997
2010 8 10511989 2011 12 11550863
2010 9 13846253 2012 1 11063935
2010 10 8462392 2012 2 7359801
2010 11 7998725
DEMANDA AUTOS DEMANDA AUTOS
FAMILIARES FAMILIARES
VALOR VALOR
AÑO MES AÑO MES
PRIMA PRIMA
2009 8 9873611 2010 12 12690865
2009 9 6636072 2011 1 8183967
2009 10 5617274 2011 2 6665298
2009 11 6937275 2011 3 13397265
2009 12 14715214 2011 4 12682070
2010 1 7464796 2011 5 10442400
2010 2 7052064 2011 6 10968934
2010 3 11314399 2011 7 8531471
2010 4 15181731 2011 8 9225002
2010 5 7577264 2011 9 8768336
2010 6 11521466 2011 10 6862934
2010 7 11285666 2011 11 7023570
2010 8 13615332 2011 12 12928835
2010 9 12015065 2012 1 7615232
2010 10 9333532 2012 2 6893670
2010 11 8201931
Fuente: Autora
UNIDADES
TIPO DE VEHICULO PORCENTAJE
VENDIDAS
Motos 4543 53,40%
Autos familiares 1719 20,21%
Carga o mixto 1134 13,33%
Camperos y camionetas 646 7,59%
Autos negocios, taxis y
335 3,94%
microbuses urbanos
Particulares para 6 o mas
111 1,30%
pasajeros
Servicio público urbano buses
4 0,05%
y busetas
57
Vehículos de servicio público
15 0,18%
intermunicipal
Fuente: Autora
Fuente: Autora
Este análisis se realizará usando series de tiempo que son métodos cuantitativos
estadísticos basados en datos históricos de demanda fundamentales para
determinar el sistema de pronósticos que se elija. En este tipo de pronósticos se
asume que el comportamiento de la demanda va a ser aproximadamente igual
al que se venía presentando en el tiempo, reflejado en los datos históricos
disponibles.
58
de vehículo ya que en términos de la utilidad es preferible vender aquellos
productos que representen un mayor valor de prima aun si son menos en
cantidad, se considera posteriormente una mezcla de ventas que permita
maximizar la rentabilidad del negocio. Se considerará un horizonte de 33 meses
e intervalos de 1 mes para su actualización.
Fuente: Autora
32
Vidal Holguín Carlos Julio. Op.cit.
59
El modelo de suavización exponencial doble es aplicable a patrones de demanda
con tendencia creciente o decreciente como el que se presenta en relación con
la demanda de Seguros de Accidentes de Tránsito para motocicletas.
Fuente: Autora
60
que maximice la rentabilidad del punto de venta, objeto de estudio, el detalle de
este cálculo y de los dos posteriores se incluyen en los anexos. (Ver anexo1)
Fuente: Autora
61
Figura 7: Suavización exponencial doble para valor de prima- Autos
Familiares [Valor prima/Mes]
LIM.
PERIODO PRONOSTICO LIM. SUPERIOR
INFERIOR
32 7716188 4.475.959 15.977.982
33 7525039 4.475.959 15.977.982
34 7333891 4.475.959 15.977.982
35 7142742 4.475.959 15.977.982
Fuente: Autora.
62
Clase de SOAT: Carga o Mixto
Fuente: Autora
63
LIM.
PERIODO PRONOSTICO LIM. SUPERIOR
INFERIOR
32 9417755 6644741 14735672
33 9391766 6644741 14735672
34 9365776 6644741 14735672
35 9339786 6644741 14735672
Fuente: Autora
Una vez hallados los pronósticos de las ventas para cada una de las clases de
vehículos más destacados del punto de venta y habiendo analizado su
pertinencia en cada caso, se procederá a usar los resultados obtenidos para
determinar la mezcla de ventas que maximice la utilidad y permita cumplir con
los compromisos contractuales o restricciones impuestas por cada una de las
aseguradoras con las cuales existe la relación comercial.
6. MEZCLA DE VENTAS
64
El punto de venta se encuentra vinculado y comercializa los productos de tres
aseguradoras; para mantener el acuerdo de venta se deben respetar una serie
de restricciones en relación con las ventas. Las principales restricciones que
éstas imponen son:
A todas se les debe cumplir con un nivel de ventas mínimo al mes este
nivel es asignado por la aseguradora y está determinado en dos millones
de pesos ($ 2.000.000) en valor de primas.
65
Fuente: Autora
Fuente: Autora
66
Fuente: Autora
67
Fuente: Autora
La base para calcular la retención será el 80% del ingreso del mes.
Notación
Índices
i : Clase Soat (motos, autos familiares, carga)
j : Tipo de vehículo (modelo, cilindraje, capacidad)
k: Aseguradora (Suramericana, Colpatria, Mundial)
Variable
Xijk Cantidad de seguros vendidos de la clase i, tipo j, con la aseguradora k.
T. Impuestos (Retención en la fuente LEY 1527 DE 2012)
Si ∑ 0,8Cijk Xijk ≤ 2604900 T=0
Sino ∑ 0,8Cijk Xijk ≤ 3907000 T= 0.02
Sino ∑ 0,8Cijk Xijk ≤ 5210000 T= 0.04
Sino ∑ 0,8Cijk Xijk ≤ 6512000 T= 0.06
Sino ∑ 0,8Cijk Xijk ≤ 7815000 T= 0.08
Sino ∑ 0,8Cijk Xijk > 7815000 T= 0.1
68
Parámetro
Cijk utilidad de seguros vendidos de la clase i, tipo j, con la aseguradora k.
PIJ: Primas vendidas de los seguros clase i tipo j
Di: demanda pronosticada de la clase i
Max Z = ∑𝑛𝑖=1 ∑𝑚
𝑗=1 ∑𝑜𝑘=1 𝐶𝑖𝑗𝑘. 𝑋𝑖𝑗𝑘 − 𝑇
Restricciones
De oferta. La cantidad de SOAT vendidos de la clase i del tipo j con la
aseguradora k debe ser mayor a cero para cumplir la condición de tener
ventas para todas las aseguradoras.
Xijk > 0
De demanda
∑𝐽 ∑𝑘 𝑋𝑖𝑗𝑘.Pij = Di I
𝑜𝑏𝑣𝑖𝑎𝑠
69
estimó que el impuesto por retención en la fuente a pagar según la legislación
vigente es de $32.695 mensuales y la distribución de las ventas óptima es:
7. CONCLUSIONES
70
La demanda del mercado asegurador colombiano se ve afectada por
variables de índole cultural, económica y política; en el país existe una
escasa cultura de aseguramiento pues aunque las personas tienen
conciencia de los riesgos y sus implicaciones creen que los seguros son
costosos y no se deciden a invertir en ellos.
8. RECOMENDACIONES
71
Implementar un sistema que permita realizar una actualización
permanente de los datos para tener soporte en la toma de decisiones en
la dirección de los esfuerzos para mantener rentable la actividad.
BIBLIOGRAFÍA
72
Empresariales UCM. [online] [Citado el 5 de Julio de 2013] ]Disponible en
Internet:
http://biblioteca.ucm.es/cee/doc/00-21/0021.htm
http://www.remolinaestrada.com/cms/index.php?option=com_content&ta
sk=view&id=24&Itemid=1
http://materias.fi.uba.ar/7628/PronosticosTexto.pdf
http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF
/determinantes%20de%20la%20demanda%20de%20seguros.pdfZ
http://www.articuloz.com/planificacion-estrategica-articulos/cual-es-la-
importancia-del-pronostico-y-la-planeacion-de-la-demanda-en-epocas-
de-crisis-2754458.html
73
http://www.fasecolda.com/fasecolda/BancoMedios/Documentos%20PDF
/resultados%20industria%202011.pdf
http://www.publicaciones.ujat.mx/publicaciones/hitos/ediciones/34/prono
stico.pd
http://qc.portafolio.com.co/columnistas/la-loteria-la-vida>
http://www.mercadoasegurador.com.ar/adetail.asp?id=2998
74
MONTGOMERY, D.C., L.A. JOHNSON, & J.S. GARDINER (1990).
Forecasting & Time Series Analysis. Citado por VIDAL HOLGUÍN Carlos
Julio. Fundamentos de Control y Gestión de Inventarios.
RODRÍGUEZ PULECIO Ana María. "La industria aseguradora a lo largo del ciclo
económico". Revista FASECOLDA. Bogotá. 2009. [online] [citado el 16 de
Febrero de 2012]. Disponible en Internet:
http://www.mapfre.com/documentacion/publico/i18n/catalogo_imagenes/
grupo.cmd?path=1060549
http://catarina.udlap.mx/u_dl_a/tales/documentos/mepi/nava_n_g/capitul
o2.pdf
http://mexico.smetoolkit.org/mexico/es/content/es/416/Pron%C3%B3stic
o-de-la-demanda
http://www.sura.com/TodoSobreElSOAT/sections/InformacionDelegados.
aspx
75
TEUNTER Ruud y BABANGIDA Sani. "Cálculo de las variaciones en los
niveles de los productos con demanda intermitente". Departamento de
Gestión de la Ciencia. Universidad Lancaster. s.f.
ANEXOS
76
MOTOS AUTOS FAMILIARES
ERROR MEDIO 549.560 ERROR MEDIO (78.457)
ECM 4,02E+13 ECM 1,06E+13
DESV. STD 6.340.307 DESV. STD 3.258.609
MAD 5.171.241 MAD 2.678.026
MAPE = 0,17 MAPE = 0,28
a= 0,447 a= 0,437
b= 0,126 b= 0,112
CARGA O MIXTO
ERROR MEDIO 159.871
ECM 5,06E+12
DESV. STD 2.249.843
MAD 1.948.480
MAPE = 0,20
a= 0,342
b= 0,03
Archivo de Modelo
# CONJUNTOS PRINCIPALES
77
set CLASE;
# PARAMETROS
# VARIABLES DE DECISION
var T {CLASE,TIPO,ASEGURADORA} ==
78
if (sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * x[i,j,k] * 0.8) <= 2604900
then sum{i in CLASE, j in TIPO, k in ASEGURADORA}
Utilidad_seguros_vendidos [i,j,k] * 0
79
maximize utilidad:
# ($)
# RESTRICCIONES
# De oferta
# De demanda
# parámetro
Archivo de Datos
#CONJUNTOS PRINCIPALES
80
set CLASE := 1 2 3;
set TIPO := 1 2 3 4 5 6 7 8 9 10
11 12 ;
set ASEGURADORA := 1 2 3;
#PARAMETROS
param Utilidad_seguros_vendidos :=
[*,*,1]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 4168 5596 6312 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 17894 13479 20458 16438 22799
19211
3 0 0 0 26851 38805 49078 0 0 0 0 0
0
[*,*,2]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 17387 23346 26333 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 16721 12596 19117 15360 21304
17952
3 0 0 0 25091 36260 45861 0 0 0 0 0
0
[*,*,3]:1 2 3 4 5 6 7 8 9 10 11
12 :=
81
1 13909 18677 21066 0 0 0 0 0 0 0 0
0
2 0 0 0 0 0 0 19508 14695 22303 17920 24855
20944
3 0 0 0 29273 42304 53504 0 0 0 0 0
0
;
param demanda :=
1 38569636
2 7716188
3 9417755 ;
param Primas:=
[*,*,1]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333
3 0 0 0 281400 406666 514333 0 0
0 0 0 0
[*,*,2]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333
82
3 0 0 0 281400 406666 514333 0 0
0 0 0 0
[*,*,3]:1 2 3 4 5 6 7 8 9 10 11
12 :=
1 156000 209466 236266 0 0 0 0 0
0 0 0 0
2 0 0 0 0 0 0 187533 141266
214400 172266 238933 201333
3 0 0 0 281400 406666 514333 0 0
0 0 0 0
;
Archivo de comandos
option show_stats 1;
option solution_precision 0;
option omit_zero_rows 1;
option omit_zero_cols 1;
option display_precision 6;
option display_round 1;
option display_width 50;
#COMANDO DE SOLUCION
model vanessa.txt;
data vanessadatos.txt;
solve;
83
printf "\n\n***********************************************************\n" >
resultados.txt;
printf "RESULTADOS DEL PROBLEMA MEZCLA DE VENTAS\n" >>
resultados.txt;
printf "\n\n***********************************************************\n" >>
resultados.txt;
Archivo de resultados
***********************************************************
RESULTADOS DEL PROBLEMA MEZCLA DE VENTAS
***********************************************************
UTILIDAD = 2981440.0
OFERTA =
84
oferta :=
;
DEMANDA =
demanda [*] :=
1 38956967.0
2 7429464.0
3 9378770.0
;
UTILIDAD SEGUROS VENDIDOS =
Utilidad_seguros_vendidos [1,*,*]
: 1 2 3 :=
1 4168.0 17387.0 13909.0
2 5596.0 23346.0 18677.0
3 6312.0 26333.0 21066.0
[2,*,*]
: 1 2 3 :=
7 17894.0 16721.0 19508.0
8 13479.0 12596.0 14695.0
9 20458.0 19117.0 22303.0
10 16438.0 15360.0 17920.0
11 22799.0 21304.0 24855.0
12 19211.0 17952.0 20944.0
[3,*,*]
: 1 2 3 :=
4 26851.0 25091.0 29273.0
5 38805.0 36260.0 42304.0
6 49078.0 45861.0 53504.0
;
CANTIDAD DE SEGUROS VENDIDOS =
85
x :=
3 6 3 121.7
;
IMPUESTO =
T [1,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0
[2,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0
86
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0
[3,*,*]
: 1 2 3 :=
1 32695.0 32695.0 32695.0
2 32695.0 32695.0 32695.0
3 32695.0 32695.0 32695.0
4 32695.0 32695.0 32695.0
5 32695.0 32695.0 32695.0
6 32695.0 32695.0 32695.0
7 32695.0 32695.0 32695.0
8 32695.0 32695.0 32695.0
9 32695.0 32695.0 32695.0
10 32695.0 32695.0 32695.0
11 32695.0 32695.0 32695.0
12 32695.0 32695.0 32695.0
87