Caso World Oil

DIRECCION TACTICA DE OPERACIONES ING. Gonzalo Ramiro Pérez Rodríguez :  AGUILAR VÁSQUEZ, Juan Rubén  ANGULO CARRANZA, Jorge Daniel FLORES DURAND, Frida Anny PLASENCIA CASTILLO, Joyce Massiel SALIRROSAS LIZÁRRAGA, Pathy Darly

“CASO DE PRONÓSTICO – WORLD OIL”

: VII

World Gil es un refinador y distribuidor mundial de productos combustibles para automóviles, aviones, camiones, operaciones marinas, estaciones de servicio e instalaciones de volumen como puntos de distribución. Mantener más de 1,000 puntos de distribución bien suministrados es un importante problema de operación para la compañía. Conservar los niveles de combustible adecuados en las estaciones de servicio es su principal preocupación, ya que el combustible genera el mayor ingreso para la empresa y tiene la mayor demanda de servicio al cliente (disponibilidad del producto). Ser capaces de pronosticar tasas de utilización por producto en estas estaciones de servicio es uno de los elementos clave de una buena operación de distribución. En particular, los despachadores de los camiones tanque requieren un pronóstico preciso de la utilización de combustible con objeto de programar entregas de combustible en las estaciones de servicio para evitar carencias.

Las estaciones de servicio pueden manejar tres o cuatro diferentes categorías de combustible, incluyendo gasolina de 87, 89 y 92 octanos y diesel, que se almacenan en tanques subterráneos. Debido a las variaciones en las tasas de utilización entre las estaciones y las capacidades limitadas de estos tanques, la frecuencia de reabastecimiento puede ir desde dos o tres veces por día a sólo algunas veces por semana. Cada tanque se dedica a un tipo de combustible. Los niveles de combustible se miden periódicamente colocando una vara calibrada dentro de tanque de almacenamiento, aunque algunas estaciones más modernas cuentan con dispositivos de medición electrónicos en sus tanques. Los camiones tanque por lo regular cuentan con cuatro compartimientos de combustible, utilizados para reabastecimiento.

Cada categoría de combustible de la estación de servicio representa una situación específica de pronóstico. Un ejemplo claro es una de las estaciones de menor volumen al vender combustible de 87 octanos. Ya que el reabastecimiento se presenta sólo unas cuantas veces por semana, los pronósticos de las tasas de utilización sobre una base diaria son adecuados. Ya que la utilización depende del día de la semana, el pronóstico para un día de la semana en particular puede ser muy diferente al de otro día de la semana. En la tabla 1, se proporciona un historial de las tasas de utilización de combustible de 87 octanos de los lunes para los dos últimos años para la estación de bajo volumen. En la figura 1 se muestra una gráfica de esta serie de tiempo.

  Tasas de utilización históricas diarias (lunes) del combustible de 87 octanos para una estación de servicio de bajo volumen.

Fig. 1 Utilización de combustible en lunes en una estación de bajo volumen de servicio durante aproximadamente los últimos dos años.

Tomado del libro de R. Ballou: Logística y Administración de la Cadena de Suministro. Capítulo 8. Pronóstico de los Requerimientos de la Cadena de Suministros.5ta Edic.Pág.325

DESARROLLE UN PROCEDIMIENTO DE PRONÓSTICO PARA ESTA ESTACIÓN DE TRABAJO. ¿POR QUÉ SELECCIONÓ SU MÉTODO? 1.

¿CÓMO DEBERÍAN MANEJARSE EN EL PRONÓSTICO LAS PROMOCIONES, FESTIVIDADES U OTROS PERIODOS DONDE LAS TASAS DE UTILIZACIÓN DEL COMBUSTIBLE SE DESVÍAN DE LOS PATRONES NORMALES? 2.

PRONOSTIQUE LA UTILIZACIÓN DEL PRÓXIMO LUNES E INDIQUE LA PROBABLE PRECISIÓN DEL PRONÓSTICO. 3.

Para el desarrollo de este caso sobre pronósticos se considero utilizar el Software POMQM FOR WINDOWS

Método ultimo valor (Native Method) Promedio móviles (Moving Averages) Promedio móvil ponderado (Weighted Moving Average) Suavizado exponencial (Exponential Smoothing)

42,963

810

BASE 2

39,766

795

BASE 3

40,472

826,667

Pesos: Más recientes: 3 Reciente: 2

39,252

798

Constante de suavizamiento: α=0,3

42,686

Promedio Móvil BASE 2 Promedio Móvil BASE 3

816,614

42,973 39,766 40,472 39,252 42,686

810 795 826.667 798 816.614

RESPUESTA: El método más factible de realizar el del Promedio móvil Base 2 cuyo MAD es de 39.77 de error y cuya producción siguiente seria de 795,

Para estos casos se debería usar una técnica de descomposición de series de tiempo, que es un método para descomponer una serie de tiempo en componentes estacionales, de tendencia y regularidad. Es bastante adecuado para identificar puntos críticos. Una seria de Tiempo es el resultado de observar los valores de una variable X a lo largo del tiempo, indica cómo se comporta un período con respecto al año como un todo.• Índices estacionales pueden utilizarse para desestacionalizar los datos.