INSTITUTO TECNOLGICO
DE LA PAZ
Administracin de las Operaciones I
Ejercicios Resueltos : Mtodo Holt
Winters
Maestro: Regino Alberto de la Vega Navarro
Equipo:
Appel Pea Laura Gpe.
Beltrn Snchez Marlene
Castro Mendoza Mared Olyenka
Ledesma Vega Jess Daniel
Torres Osuna Ricardo Ivn
Ingeniera Industrial
La Paz B.C.S. a 16 de Octubre del 2015.
Mtodo Holt Winters
El mtodo de Holt-Winters es bsicamente un
procedimiento de suavizamiento exponencial.
Este tipo de procedimientos facilitan los clculos
y
reducen
los
requerimientos
de
almacenamiento en las bases de datos, lo cual
cobra importancia cuando se estn prediciendo
muchas series de tiempo.
Se aplica cuando en la serie de tiempo se
tienen presentes los componentes de
tendencia y estacionalidad ya sea de
forma aditiva o multiplicativa.
Es decir, se suavizan los datos por el
mtodo exponencial Holt-Winters cuando
el
componente
sistemtico
de
la
demanda tiene un nivel, una tendencia y
un factor estacional.
Existen varios mtodos que pueden ser aplicados,
pero a manera de ejemplo se analizarn dos tipos de
variacin estacional:
Atenuacin Exponencial Ajustada con estimacin de
Tendencia y Variacin Estacional (mtodo de HoltWinters Multiplicativo)
Atenuacin Exponencial Ajustada con estimacin de
Tendencia y Variacin Estacional (mtodo de HoltWinters Aditivo)
La grfica siguiente presenta la
diferencia entre el modelo aditivo y el
modelo multiplicativo de Holt-Winters.
Mtodo Holt-Winters aditivo
La variacin estacional aditiva simplemente supone que
la cantidad estacional es una constante sin importar cul
es la tendencia o la cantidad promedio. Est dada por:
Pronstico que incluye tendencia y estacionalidad
= Tendencia + Estacionalidad.
Para el caso del modelo aditivo se tiene:
+
La prediccin para el periodo siguiente est dada por:
Para predicciones de ms de un perodo hacia l futuro el
ajuste se hace como se muestra a continuacin:
Para modelos estacionales el mtodo trata de encontrar
valores ptimos para,
cuadrtico
un
paso.
por minimizacin del error
A
estos
parmetros
de
suavizamiento, se le da un valor entre cero y uno,
cuanto mayor sea ese valor, mayor valor se le dar a la
observacin ms reciente.
Las variables en las ecuaciones anteriores tienen el
siguiente significado:
Estimado del nivel a t=0.
Estimado de tendencia en la demanda por periodo.
Estimado del factor estacional para el periodo t.
Pronstico de la demanda para el periodo t.
Demanda real observada en el periodo t.
Cantidad de perodos a pronosticar hacia delante.
Mtodo Holt-Winters multiplicativo
La serie tiene una tendencia, al menos localmente, y un
patrn estacional creciente.
La actualizacin global en el caso multiplicativo est dada
por:
+
Para predicciones de ms de un perodo hacia el futuro, el
ajuste se hace:
Donde es una constante de suavizamiento para el nivel,
0 < < 1; es una constante de suavizamiento para la
tendencia, 0 < < 1; y es una constante de
suavizamiento para el factor estacional, 0 < < 1.
Las variables en las ecuaciones tienen el siguiente
significado:
Estimado del nivel a t=0.
Estimado de tendencia en la demanda por periodo.
Estimado del factor estacional para el periodo t.
Pronstico de la demanda para el periodo t.
Demanda real observada en el periodo t.
Cantidad de perodos a pronosticar hacia delante.
Ejemplo; utilizando el Mtodo Holt Winters
Como ejemplo, consideremos la demanda de la sal de grano
empleada para derretir nieve. Esta sal es producida por una
compaa llamada San Val, la cual vende la sal a travs de varios
minoristas independientes en las montaas de la Sierra Nevada. En
el pasado, San Val se ha apoyado en los estimados de la demanda
de una muestra de sus minoristas, pero la compaa ha observado
que stos siempre sobreestiman sus compras, dejando a la
compaa (e incluso a algunos minoristas) con un exceso de
inventario. Despus de una junta con sus vendedores minoristas,
San Val ha decidido producir un pronstico colaborativo. San Val
quiere trabajar con los minoristas para crear un pronstico ms
preciso con base en las ventas reales de sal en los comercios
minoristas. La informacin de la demanda por trimestre durante los
tres aos pasados se muestra en la tabla a continuacin.
Demanda de
Trimestres)
sal
en
tres
aos
(12
AO
TRIMESTRE
PERIODO, t
DEMANDA, Dt
4,000
9,000
19,000
30,000
6,000
14,000
19,000
34,000
8,000
10
9,000
11
28,000
12
37,000
Observamos que la demanda de sal es estacional, y que se incrementa
desde el segundo trimestre de cualquier ao hasta el primer trimestre
del ao siguiente. El segundo trimestre de cada ao tiene la demanda
ms baja. Cada ciclo dura cuatro trimestres, y el patrn de la demanda
se repite cada ao. Existe tambin una tendencia en el crecimiento de
la demanda, con incrementos en las ventas durante los tres ltimos
aos. La compaa estima que el crecimiento continuar en el ao que
viene a tasas histricas. A continuacin se muestra la grfica para
poder identificar mejor la estacionalidad.
Tomando en cuenta los datos de la demanda para San Val,
pronostiquemos la demanda para el periodo 1 valindonos del
modelo de suavizamiento exponencial con correlacin por
tendencia y estacionalidad con , , .
Anlisis.- Podemos obtener los estimados iniciales del nivel,
tendencia y factores estacionales, realizando los clculos
pertinentes como se mencion en el mtodo esttico. stos se
expresan de la siguiente manera:
Se determina la demanda desestacionalizada y el factor
estacional con las siguientes formulas:
Podemos estimar los valores de L y T para la demanda
desestacionalizada utilizando la regresin lineal con la
demanda desestacionalizada como la variable dependiente y
el tiempo como la variable independiente. Aplicando el
anlisis de datos de Excel se obtiene lo siguiente:
Ahora, aplicando las formulas anteriores para determinar el nivel y
la tendencia se obtiene la siguiente tabla con la demanda
desestacionalizada y su factor estacional:
La periodicidad de la demanda en la tabla del ejemplo, es p = 4.
En nuestro ejemplo, p = 4 es par. Para t = 3, obtenemos la
demanda desestacionalizada empleando la ecuacin
para el
periodo t.
Con
los
datos
anteriores
podemos
recabar
la
siguiente
informacin para el ejemplo de San Val, obtenemos L = 14,439 y
T = 524. Para este ejemplo, la demanda desestacionalizada ,
para cualquier periodo t est dada por:
Estimacin de los factores estacionales:
Para el ejemplo de San Val, un total de 12 periodos, y una periodicidad de
p=4
implica que existen r = 3 ciclos estacionales en la informacin. Aplicando la siguiente
formula se obtienen los factores estacionales que corresponden a periodos similares.
Teniendo entonces:
Una vez, teniendo los valores anteriores, el pronstico para el periodo 1
est dado por:
La demanda observada para el periodo 1 es . El error de pronstico para el
periodo 1 est dado por:
Con , , , el estimado revisado del nivel y la tendencia para el periodo 1 y el
factor estacional para el periodo 5, empleando las ecuaciones de nivel,
tendencia y factor estacional, se tiene como:
Ahora bien, si se deseara realizar el pronstico de la demanda para el
periodo 2 este estara dado por:
Y as sucesivamente para los pronsticos de la demanda que
queramos determinar tomando en cuenta la frmula para pronsticos
que anteriormente se haba mencionado pero que a continuacin se
recalca para cuestiones tcnicas del ejemplo:
BIBLIOGRAFA
Snchez J. y Poveda, G. (2006). Aplicacin de los mtodos Mars,
Holt-Winters y Arima generalizado en el pronstico de caudales
medios mensuales en ros Antioquia. Meteorol. Colomnb. 10: 36-46.
Bogot, D.C., Colombia.
Chopra, S. y Meindl, P. (2008). Administracin de la cadena de
suministro. Tercera Edicin. Pearson Educacin, Mxico, D.F.
B. Chase, R., Jacobs, R. y J. Aquilano, N. (2009). Administracin de
operaciones. Produccin y cadena de suministros. Duodcima
edicin. McGraw-Hill/Interamericana Editores, Mxico, D.F.
