UNIVERSIDAD NACIONAL

Error de Pronsticos DE SAN

Modelos de Pronsticos

AGUSTN
Ingeniera Industrial Ingeniera de Produccin

FACULTAD DE INGENIERA DE
PRODUCCIN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERA INDUSTRIAL

TCNICAS PARA HALLAR EL ERROR

DE PRONSTICOS Y MODELOS DE
PRONSTICOS

INGENIERA
PRESENTADO POR:
DE
MACHACA ESCOBAR, JUDITH VALIA

RIOS COAGUILA, MICHEL LORENA

TITO CHURATA, DMARIS GRALDINNE

DOCENTE:
Ing. Pablo Azlgara

Grupo: B Arequipa -
NDICE

INTRODUCCIN...................................................................1

INGENIERA DE
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

OBJETIVOS.......................................................4
1.- OBJETIVO GENERAL................................................................................4
2.- OBJETIVOS ESPECFICOS........................................................................4

CAPTULO I: CONCEPTOS BSICOS Y DEFINICIONES

PRELIMINARES.....................................................................5
I.1.- INGENIERA DE CONFIABILIDAD...........................................................5
1.1.1.- DEFINICIN: CONFIABILIDAD........................................................5
1.1.2.- IMPORTANCIA DE LA CONFIABILIDAD............................................6
1.1.3.- COSTO DEL CICLO DE VIDA...........................................................7
1.1.4.- COSTOS RELATIVOS A LA CONFIABILIDAD....................................8

I.2.- CONCEPTOS ESTADSTICOS..................................................................9

1.2.1.- VARIABLE ALEATORIA....................................................................9
1.2.2.- HISTORGRAMA DE FRECUENCIAS................................................10
1.2.3.- FUNCIN DENSIDAD DE PROBABILIDAD.....................................11
1.2.3.1.- Distribucin Normal..............................................................12
1.2.3.2.- Distribucin Exponencial......................................................12
1.2.3.3.- Distribucin de Weibull.........................................................13
1.2.4.- FUNCIN DE DISTRIBUCIN ACUMULADA...................................13
1.2.5.- FUNCIN DE CONFIABILIDAD......................................................14
1.2.6.- FUNCIN CUANTIL......................................................................15

I.3.- TEORA DE FALLAS.............................................................................16

1.3.1.- DISTRIBUCIN DE UNA FALLA.....................................................17
1.3.2.- PRONSTICO Y PREDICCIN DE FALLAS.....................................18
1.3.3.- EVOLUCIN HISTRICA SOBRE EL DESARROLLO DE FALLAS......18
1.3.3.1.- Curva de Baera o de Davies...............................................19
1.3.3.2.- Curva de Fallos Actuales.......................................................20
I.4.- MODELOS DE DISTRIBUCIN EN CONFIABILIDAD...............................22
1.4.1.- DISTRIBUCIN EXPONENCIAL.....................................................22
1.4.2.- DISTRIBUCIN WEIBULL..............................................................24
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

1.4.3.- DISTRIBUCIN NORMAL....................................25

1.4.4.- DISTRIBUCIN LOGNORMAL..............................26

I.5.- FIABILIDAD, MANTENIBILIDAD Y DISPONIBILIDAD..............................27

1.5.1.- FIABILIDAD..................................................................................27
1.5.2.- MANTENIBILIDAD........................................................................29
1.5.3.- DISPONIBILIDAD..........................................................................29

CAPTULO II: DISTRIBUCIN DE WEIBULL: GENERALIDADES

.......................................................................................... 30
II.1.- HISTORIA........................................................................................... 30
II.2.- PORQUE USAMOS WEIBULL?...........................................................30
II.3.- VENTAJAS.......................................................................................... 30
II.4.- RESULTADO AL APLICAR EL MODELO DE WEIBULL............................31
II.6.- PLANEACION DEL MANTENIMIENTO...................................................31
II.7.- DATOS PARA UNA DISTRIBUCIN WEIBULL.......................................32
II.8.- DESCRIPCIN DEL MODELO..............................................................33
II.9.- REPRESENTACIN GRFICA...............................................................34
II.10.- ESTIMACIN DE PARMETROS DEL MODELO...................................34
2.10.1.- FUNCIONES DE LOS PARMETROS............................................35
2.10.2.- DISTRIBUCIN WEIBULL DE DOS PARMETROS........................35
2.10.3.- DISTRIBUCIN WEIBULL DE TRES PARMETROS.......................37
2.10.4.- EFECTO DEL PARMETRO DE FORMA........................................38
2.10.5.- EFECTO DEL PARMETRO DE ESCALA.......................................38

CAPTULO III: MTODOS DE ANLISIS DE WEIBULL............39

III.1.- MTODOS DE ESTIMACIN DE PARAMETROS...................................39
3.1.1- MTODO GRFICO.......................................................................39
3.1.1.1.- Grfico de (ti - , Fi)...............................................................39
3.1.1.2.- Grfico logartmico...............................................................40

3.1.2- MTODO ANALTICO.....................................................................41

3.1.2.1.- Mtodo de la Mxima Varsemblanza....................................42
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

3.1.2.2.- Mtodo Implcito.........................................43

CAPTULO IV: APLICACIONES DE LA DISTRIBUCIN DE

WEIBULL............................................................................45
IV.1.- CLCULOS Y ANALISIS DE FIABILIDAD A PARTIR DEL WEIBULL.........45

IV.2.- OBSERVACIONES RESPECTO LA APLICACIN DE LA DISTRIBUCION DE

WEIBULL.................................................................................................... 46
4.2.1.- PROBLEMAS DE VARIABILIDAD....................................................46

IV.3.- FUNDAMENTOS DEL ANLISIS DE WEIBULL......................................47

4.3.1.- OTROS CASOS............................................................................. 51

CAPTULO V: EJEMPLO NUMRICO......................................53

V.1.- PRIMER PASO..................................................................................... 53
V.2.- SEGUNDO PASO.................................................................................54
V.3.- TERCER PASO.................................................................................... 54
V.4.- CUARTO PASO....................................................................................54
V.5.- QUINTO PASO.................................................................................... 55
V.6.- SEXTO PASO...................................................................................... 55

WEBGRAFA.......................................................................56

BIBLIOGRAFA....................................................................56

TCNICAS PARA HALLAR EL

ERROR DE PRONSTICOS
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

I.1.- ERROR DE PRONSTICO

Los pronsticos casi siempre contienen errores. Los errores
de pronstico se clasifican en dos formas: ya sea como errores de sesgo o
como errores aleatorios. Los errores de sesgo son el resultado de
equivocaciones sistemticas, por lo cual se observa que el pronstico
siempre es demasiado alto o demasiado bajo. Con frecuencia, esos errores
son el resultado de pasar por alto o no estimar correctamente los patrones
de la demanda, como los de tendencia, los estacionales o los cclicos.
(Krajewski, Ritzman y Malhotra, 2008, p.541)

El otro tipo de error de pronstico, el error aleatorio, es el resultado de

factores imprevisibles que provocan que el pronstico se desve de la
demanda real. Los analistas de pronsticos intentan minimizar los efectos
de los errores de sesgo y los errores aleatorios, seleccionando modelos de
pronstico apropiados, pero es imposible suprimir los errores en todas sus
formas. (Krajewski et al., 2008, p.541)

I.2.- MEDICIONES DEL ERROR DE PRONSTICO

Hay varios mtodos cuya finalidad es resumir los errores generados por una
tcnica especfica de pronsticos. La mayora de estas medidas son el
promedio de alguna funcin de la diferencia entre su valor real y su valor
pronosticado. Estas diferencias se conocen como residuos. Un residuo es la
diferencia entre un valor real observado y su valor de pronstico. (Hanke y
Wichern, 2010, p.82).

Krajewski (2008) afirma: En cualquier mtodo de pronstico, es importante

medir la precisin de los pronsticos. El error de pronstico es simplemente
la diferencia que se obtiene al restar el pronstico de la demanda real en
cualquier periodo determinado (p.533)

Et = Dt - Yt

Donde

Et = error de pronstico en el periodo t

Dt = demanda real en el periodo t
Ft = pronstico para el periodo t

Esta definicin presentada del error de pronstico para un periodo

determinado (Et = Dt - Ft) es el punto de partida para crear varias medidas
del error de pronstico que abarcan un periodo relativamente largo.(p.541)

1.2.1.- SUMA ACUMULADA DE ERRORES DE PRONSTICO (CFE)

Del ingls, cumulative sum of forecast errors, mide el error total de un

pronstico:
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

CFE = Et
Los grandes errores positivos tienden a compensarse
con grandes errores negativos en la medida de la CFE. Sin embargo, la
CFE resulta til para evaluar el sesgo de un pronstico. Por ejemplo, si un
pronstico siempre resulta ms bajo que la demanda real, el valor de la
CFE ser cada vez ms grande. Este error de magnitud creciente indica
que existe una deficiencia sistemtica en el mtodo de pronstico. Es
posible que el analista haya omitido un elemento de tendencia o un
patrn cclico, o tal vez las influencias estacionales hayan cambiado con
respecto a su patrn histrico. (Krajewski et al., 2008, p.541)

1.2.2.- ERROR CUADRTICO MEDIO (MSE)

El error cuadrtico medio (MSE) (del ingls mean squared error) es

Medida de la dispersin de los errores de pronstico. Tambin llamado
Error Medio Cuadrado (EMC)

Hanke (2010) menciona que el error cuadrtico medio (MSE) es otro

mtodo para evaluar una tcnica de elaboracin de pronsticos. Cada
error o residual se eleva al cuadrado; luego stos se suman y se dividen
entre el nmero de observaciones. Este enfoque sanciona errores
grandes en la elaboracin de pronsticos, ya que los errores estn
elevados al cuadrado, lo cual es importante porque una tcnica que
produce errores moderados quiz sea preferible a una que usualmente
tenga pequeos errores, pero ocasionalmente produce errores
extremadamente grandes. El MSE est dado por la ecuacin:

La raz cuadrada del MSE, o la raz cuadrada del error cuadrado medio
(RMSE), tambin se usa para evaluar los mtodos de elaboracin de
pronsticos. (p. 82)

Un MSE ms bajo es mejor porque es un valor que queremos minimizar.

El MSE exagera los errores porque los eleva al cuadrado. Una desventaja
de emplear el MSE es que tiende a acentuar las desviaciones
importantes debido al trmino al cuadrado. Por ejemplo, si el error de
pronstico para el periodo 1 es dos veces ms grande que el error para
el periodo 2, entonces el error al cuadrado en el periodo 1 es cuatro
veces ms grande que el del periodo 2. Por lo tanto, el uso del MSE como
medicin del error de pronstico usualmente indica que se prefiere tener
varias desviaciones pequeas en lugar de una sola desviacin grande.
(Heizer y Render, 2008, pag. 117)
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

1.2.3.- RAZ CUADRADA DEL ERROR CUADRADO MEDIO

(RMSE)

Se usa para evaluar los mtodos de elaboracin de

pronsticos. Tanto la RMSE como la MSE sancionan los errores grandes
pero tienen las mismas unidades de la serie que se est pronosticando,
de modo que su magnitud se interpreta con mayor facilidad. La RMSE se
presenta a continuacin. (Hanke y
Wichern, 2010, pp.82-83)

1.2.3.- COSTO DEL CICLO DE VIDA

Actualmente se exige que los productos sean fiables. Deben desempear

sus funciones de forma segura sin excesivo impacto en el
medioambiente y ser fciles de mantener durante su vida til.

I.2.- CONCEPTOS ESTADSTICOS

1.2.3.- FUNCIN DENSIDAD DE PROBABILIDAD

Tambin denominado Funcin de Densidad o Distribucin de Densidad.

En Mantenimiento se utiliza ms la funcin Densidad de Probabilidad que
el Histograma de Frecuencias. El modelamiento de la funcin es ms fcil
de analizar, ya que se utiliza una curva en vez de una distribucin de
barras. La notacin de la funcin de densidad de probabilidad es f(t),

1.2.3.1.- Distribucin Normal

La mayor aplicacin es la industria del petrleo, como estimador en la

produccin por campo (suma de las producciones individuales por
pozo) y suma totales de costos e inversiones.
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

MODELOS DE PRONSTICOS
II.1.- PROMEDIOS MVILES DOBLES
Una manera de pronosticar los datos de las series de tiempo que tienen una
tendencia lineal es usar promedios mviles dobles. Este mtodo hace lo que
indica su nombre: se calcula un conjunto de promedios mviles y luego se
calcula un segundo conjunto como un promedio mvil del primer conjunto.

La tabla presenta los datos de rentas semanales de Movie Video Store, junto
con los resultados de la aplicacin de un promedio mvil de tres semanas
para pronosticar las ventas futuras. El examen de la columna de error en la
tabla indica que todas las entradas son positivas, lo cual significa que los
pronsticos no alcanzaron la tendencia. El promedio mvil de tres semanas
y el promedio mvil doble para estos datos se presentan en la figura.
Observe cmo los promedios mviles de tres semanas se quedan retrasados
con respecto a los valores reales de periodos similares.

Esto ilustra lo que pasa cuando se emplea la tcnica de promedios mviles

con datos que muestran una tendencia. Advierta tambin que los
pronsticos realizados mediante promedios mviles dobles se retrasan con
respecto al primer conjunto de pronsticos casi tanto como ste se atrasa
con respecto a los valores reales. La diferencia entre los dos conjuntos de
promedios mviles se suma al promedio mvil de tres semanas para
pronosticar los valores reales.
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

Primero, se usa la
siguiente ecuacin para calcular el
promedio mvil de orden k.

Entonces para calcular el segundo promedio mvil se usa:

Se emplea la siguiente ecuacin para desarrollar un pronstico sumando al

promedio mvil simple la diferencia entre el promedio mvil simple y el
segundo promedio mvil.

La prxima ecuacin es un factor de ajuste adicional, que es similar a la

medida de cambio a lo largo de la serie:

Finalmente, para realizar el pronstico de p periodos en el futuro, se usa:

Donde:
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

k = nmero de periodos en el promedio mvil

p = nmero de periodos futuros por pronosticar

2.1.1- EJEMPLO: PROMDIOS MOVILES DOBLES

La Movie Video Store opera varias tiendas de renta de pelculas en

Denver, Colorado. La compaa est creciendo y necesita expandir su
inventario para adaptar sus servicios a la creciente demanda. El
presidente de la compaa asign a Jill Ottenbreit la tarea de realizar un
pronstico de las rentas para el siguiente mes. Estn disponibles los
datos de las rentas de las ltimas 15 semanas y se presentan en la
siguiente tabla. En primer lugar, Jill intenta desarrollar un pronstico
usando un promedio mvil de tres semanas. El MSE para este modelo es
133. Puesto que los datos tienen una tendencia obvia, Jill descubre que
sus pronsticos estn subestimando de manera sistemtica las rentas
reales. Por esta razn decide intentar con un promedio mvil doble. Los
resultados se presentan en la tabla. Para entender el pronstico de la
semana 16, se presentan los clculos a continuacin. Se emplea la
ecuacin para calcular el promedio mvil de tres semanas (columna 3).

Los mtodos grficos se basan en obtener los parmetros directamente

con el grfico, relacionando estos con caractersticas fcilmente
medibles en el grfico.
 Error de Pronsticos Modelos de Pronsticos
Ingeniera Industrial Ingeniera de Produccin

REFERENCIAS
1) http://www.eumed.net/libros-gratis/2013/1255/aplicaciones-
distribucion-weibull-ingenieria-confiabilidad.pdf

2) http://eio.usc.es/pub/mte/descargas/ProyectosFinMaster/Proyecto_613
.pdf

3) http://www.insht.es/InshtWeb/Contenidos/Documentacion/FichasTecnic
as/NTP/Ficheros/301a400/ntp_331.pdf

4) http://cybertesis.uni.edu.pe/bitstream/uni/750/1/apolinario_gm.pdf

5) http://masteres.ugr.es/moea/pages/curso201314/tfm1314/tfm-
septiembre1314/memoriamasternavarretemuela_silverio/!