Problema N°04

Electric Power provee de electricidad a clientes de ciudad Satélite, donde

los habitantes han estado creciendo establemente durante los últimos 10 años.
La gerencia necesita pronosticar la demanda trimestral de electricidad (en
términos del número de kilowatt-horas) para planear las cargas pico, el pedido
de suministros de combustible para los generadores, etc. Los archivos de la
compañía muestran el siguiente registro del número de kilowatt-horas usadas en
cada trimestre de los últimos 3 años.

AÑO ENE. – MAR. ABR. – JUN. JUL. – AGO. OCT. – DIC.

2009 6011 8790 12606 8369
2010 6743 9699 14077 9215
2011 7353 10638 15320 10109

Se desea pronosticar las ventas de los trimestres del año 2012

 Desarrollo

Considerando que la serie presenta tendencia positiva y estacionalidad, tal

y como se verifica en el gráfico respectivo, se utilizará el método de Winter para
determinar su evolución histórica.

18000

16000

14000

12000
Demanda

10000

8000

6000

4000

2000

0
0 2 4 6 8 10 12 14
Trimestres

Se asumirá α: 0.5, β: 0.5, λ: 0.3

Tratándose de datos trimestrales: C = 4

Para efecto de demostrar el procedimiento de este método, tomaremos

como datos históricos para estimar los valores iniciales, la demanda de
electricidad de los años 2009, 2010, utilizando las ventas del año 2011 para
contrastar los pronósticos respectivos.

Obtención de valores iniciales:

Promedio trimestral 2009: 𝑥̅−1 = 8941.5

Promedio trimestral 2010: 𝑥̅0 = 9933.5

9933.5 − 8941.5
𝑇0 = = 298
4

6−1
𝐿0 = 9933.5 + ( ) ∗ 248 = 10353.5
2
 1 𝑥1 𝑥4 1 6011 6743
𝑆−3 = ∗( + ) = ∗( + ) = 0.675536342
2 𝑥̅−1 𝑥̅0 2 8941.5 9933.5

𝑆−2 = 0.979165584

Los índices estacionales iniciales se resumen en la siguiente tabla:

Trimestre INDICES
Calendario T 2009 2010 Promedio(s)
Trimestre 1 -3 0.67225857 0.67881411 0.675536342
Trimestre 2 -2 0.98193815 0.97639301 0.979165584
Trimestre 3 -1 1.40983057 1.41712387 1.41347722
Trimestre 4 0 0.93597271 0.927669 0.931820855

Por tanto, los pronósticos se obtienen utilizando el modelo mixto, tal como
se muestra a continuación:

Trimestre 1:

𝐹1 = 𝐹0+1 = (𝐿0 + 𝑇0 ) ∗ 𝑆−3 = (10305.5 + 248) ∗ 0.675536342 = 7129.27278

𝐹1 = 7129.27278

𝑥1
𝐿1 = α ( ) + (1 − α)( 𝐿0 + 𝑇0 )
𝑆−3

7353
𝐿1 = 0.5 (0.675536342) + 0.5(248 + 10353.5) ∗ 10719.8923 =10719.09229

𝑇1 = β(𝐿1 − 𝐿0 ) + (1 − β) ∗ 𝑇0

𝑇1 = 0.5(10719.0923 − 10353.5) + (1 − 0.5)(248) = 330.746144

Trimestre 2:

𝐹2 = 𝐹1+1 = (𝐿1 + 𝑇1 ) ∗ 𝑆−2 = (10305.5 + 248) ∗ 0.675536342 = 10866.593

𝐹1 = 10866.593
 Siguiendo el procedimiento descrito, se obtiene los pronósticos del año
2012; así mismo, se calcula el error, tal como se muestra en la tabla que sigue:
Trimestre

Ventas
Año

t 𝐿𝑡 𝑇𝑡 𝑆𝑡 𝑓𝑡,𝑘 = 𝐹𝑡+𝑘 𝑒𝑡
𝑥𝑡

1 -3 0.675536
2 -2 0.9791656
2010

3 -1 1.4134772
4 0 10305.5 248 0.9318209
1 1 7353 10719.09229 330.79614 0.6786671 7129.2728 223.72722
2 2 10638 10957.12044 284.41215 0.9766786 10819.67 -181.67046
2011

3 3 15320 11040.0259 183.6588 1.4057374 15889.65 -569.65022

4 4 10109 11036.1685 89.900579 0.9270711 10458.463 -349.46348
1 5 7550.8971
2 6 10866.593
2012

3 7 15640.331
4 8 10314.656

Un punto que es necesario resaltar se refiere al hecho de que los índices

estacionales de un año se utilizan para estimar los pronósticos del siguiente año,
en este sentido no es imprescindible que se actualice los índices estacionales en
cada periodo, porque su necesidad se presenta en el correspondiente periodo
calendario del siguiente año.

𝑥1 7353
𝑆1 = λ ∗ ( ) + (1 − λ)𝑆−3 = 0.3 ( ) + (1 − 0.3)(0.6755) = 0.67866712
𝐿1 10752.21

Pronóstico del Trimestre, 2012

𝐹5 = 𝐹4+1 = (𝐿4 + 𝑇4 ) ∗ 𝑆1 = (11036.16325 + 89.9005767) ∗ 0.67866 = 75