Capitulo 2
Pronsticos
Alumnos 02
PRONSTICOS
Factores que Afectan la Demanda
Factores externos
Se encuentran fuera del control de la gerencia.
Ejemplo: Una economa en auge influye positivamente en la
demanda pero no necesariamente a todos los sectores de
productividad o servicios. (Ej. Elctricas v/s carbn)
Un factor importante es:
Punto de Inflexin: perodo en que cambia la tasa de
crecimiento a lo largo de la demanda del producto, difcil de
prever el momento preciso, pero a travs de algunas series de
tiempo se tienen dichos puntos y pueden ser tiles para estimar
que ocurrir en la organizacin.
PRONSTICOS
Factores externos (continuacin)
Indicadores Tempranos: representan factores externos cuyos
puntos de inflexin anteceden a crestas y valles del ciclo general
de los negocios.
Ej. Incremento en ventas de residencias en verde.
Indicadores Coincidentes: los puntos de inflexin coinciden con
el ciclo general de los negocios
Ej. Cifras de desempleos, temporeras.
Indicadores retrasados: se presentan a continuacin de los
puntos de inflexin con demora de varias semanas o meses.
Ej. Prstamo comercial para expandir la empresa.
Otros factores: - Gustos cambiantes (ropa)
- Imagen del artculo (cigarros vs. cncer)
- Actividad de la competencia (publicidad)
3
PRONSTICOS
Factores internos
Las decisiones internas en su conjunto, provocan cambios en el
volumen de la demanda como es:
Diseo de producto o servicio.
Los precios y promociones publicitaria
Diseo de envases.
Incentivos para los vendedores
Expansin o contraccin del rea geogrfica seleccionada como
objetivo de mercado.
PRONSTICOS
Factores internos
Administracin de la demanda proceso de la empresa que
influyen en los tiempos y en el volumen de la demanda.
Con frecuencia respecto a su punto de mxima demanda, se
crean incentivos de precios o promociones antes y despus para
que compren.
Compaas programan fechas de entrega del producto o
servicios de acuerdo a sus capacidades (Ej. Mdicos, dentistas,
productos personalizados).
PRONSTICOS
Diseo del sistema de Pronstico
Gerencia frente a un pronstico debe tomar tres decisiones
Que va a pronosticar.
Que tipo de tcnica va a aplicar.
Tipo de hardware o software o ambos que utilizar.
I. Que va a pronosticar
1. Nivel de acumulacin
Es agrupar varios productos o servicios similares, con lo cual las
compaas pueden realizar pronsticos ms asertivos y derivar
por productos o servicios.
Esta forma con lleva a un error generalmente es 5%.
Al pronosticar por artculo el error es >> 5%.
PRONSTICOS
Que va a pronosticar (continuacin)
Sistema a dos niveles.
1er pronstico: Familias bienes o servicios con similares caractersticas
en:
Requisitos de demanda
Procesamiento
Trabajo y Materiales.
2do pronstico: de las cifras generales se deriva el pronstico por
elemento individual.
2. Unidades de medicin
De mayor utilidad son las unidades de productos o servicios y no de
dinero.
Ej. Unidades de radios, paquetes por entregar, nmero de clientes, etc.
Cuidado! No es til ingresos por ventas. (Ej. minoristas)
PRONSTICOS
Enfoques del Pronstico
Mtodos cualitativos
Se emplean cuando la situacin no
es clara y existen pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y experiencia:
Por ejemplo, el pronstico
de las ventas a travs de
Internet.
Mtodos cuantitativos
Se emplean cuando la situacin
es estable y existen datos
histricos:
Productos existentes.
Tecnologa actual.
Requieren tcnicas
matemticas:
Por ejemplo, el pronstico
de las ventas de
televisiones en color.
8
PRONSTICOS
II. Decisin del tipo de tcnica de pronstico
La precisin de pronstico depende de la seleccin de una
tcnica apropiada y de los costos que esto puede acarrear, para
este ltimo:
Comprar un software.
Tiempo requerido para hacerlo.
Capacitacin del personal.
Tcnicas
Cualitativa:
Mtodo de juicio
Cuantitativa:
Mtodos Causales
Anlisis de serie de tiempo
PRONSTICOS
Decisin del tipo de tcnica de pronstico (continuacin)
Cualitativos
Mtodo de juicio: cuando no se dispone de datos histricos
Opinin de Gerentes y Expertos
Encuestas de consumidores
Estimaciones entregadas por rea de ventas
Cuantitativos
Mtodos Causales: Dependencia de datos histricos de
variables independientes:
Campaa de promociones
Condiciones econmicas
Actividades de los competidores
Anlisis de Serie de Tiempo estadstico que depende,
fundamentalmente, de los datos histricos de la demanda.
10
Factores que Afectan la Demanda
Horizonte de tiempo
Aplicaciones
Corto plazo
(0-3 Meses)
Cantidad pronosticada Productos o
servicios
individuales
rea de decisin
Tcnica
de pronstico
Administracin
de inventario.
Programacin de
ensamble final.
Programacin de
la fuerza de trabajo.
Programacin de
produccin.
Series de tiempo
Causal
De juicio
Mediano plazo
(3 Meses - 2 Aos)
Largo plazo
(ms de 2 Aos)
Total de ventas
Grupos de familias
de productos o
servicios
Planificacin de
personal
Planificacin de Prod.
Programacin de
produccin
Compras
Distribucin
Total de ventas
Causal
De Juicio
Causal
De juicio
Localizacin
Planificacin de
capacidad
Administracin
de procesos
11
PRONSTICOS
III. Pronstico por medio de Computadoras
Contesta la pregunta qu tipo de hardware o software o ambos
utilizar?
Se aplica para cortos plazos y en el mercado existen muchos paquetes
que se clasifican como:
Sistemas manuales: Usuario selecciona la tcnica de pronstico y
parmetros.
Sistema semiautomtico: Usuario especifica la tcnica pero el
software determina los parmetros para el modelo.
Sistema automtico: Software analiza los datos, sugiere tcnica y
parmetros.
Criterios para seleccionar software (Dep. marketing + operaciones)
Satisfacer las necesidades.
Costo de compra o licencia.
Nivel del soporte del personal requerido.
Magnitud del mantenimiento necesario.
12
Anlisis de Mtodos
Mtodo de Juicio
Utilizado cuando:
No existen datos histricos.
Cambio de tecnologa.
Modificacin de pronsticos cuantitativos (resultados extraos)
Se confa en la experiencia y el buen juicio
Existen cuatro formas:
1.- Estimacin de la fuerza de ventas
Personas cerca de los clientes
Ventajas
Mayor probabilidad de conocer que productos o servicios
comprarn los clientes.
Informacin til para administrar inventario, distribucin,
formacin de equipos de venta.
Combinar todas las opiniones para obtener una sola por ejemplo
para una regin.
13
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
Desventajas
Algunos muy optimistas otros muy cautelosos.
No diferencian entre lo que el cliente desea y lo que realmente
necesita.
Vendedores subestiman el pronstico, para que su rendimiento
parezca bueno, cuando supera la proyeccin o esforzarse solamente
para alcanzar meta.
2.- Opinin Ejecutiva
Uso
Modificar un pronostico de venta actual, debido a un evento
inesperado.
Elaborar pronsticos tecnolgicos.
Desventajas
Puede ser costosa.
Puede quedar fuera de control (sin la aprobacin colectiva).
14
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
3.- Investigacin de Mercado
Creacin y puesta en marcha de diferentes hiptesis por medio de una encuesta,
para determinar el grado de inters del consumidor.
La investigacin incluye:
Diseo de un cuestionario, para obtener informacin econmica, demogrfica e
inters(es) de cada persona.
Aplicacin: - Telfono Correo Entrevista
Seleccin de la muestra representativa.
Anlisis de la informacin. Interpretacin con criterio estadstico.
Uso, pronosticar la demanda con precisin:
Excelente a corto plazo.
Buena a mediano plazo.
Regular a largo plazo.
Desventajas
Costosas, errores en la formulacin e interpretacin de las respuestas.
Limitaciones (Ej. Respuestas por correo).
15
Anlisis de Mtodos
Mtodo de Juicio (continuacin)
4.- Mtodo Delphi
Obtener consenso dentro de un grupo de expertos, pero en anonimato,
sin experiencia en el tema.
El panel de expertos pueden dedicarse a distintos rubros como, poltica,
negocios, cientfico, ambientalistas, etc.
Uso
Pronosticar a largo plazo.
Proyeccin de venta de un producto nuevo.
Desventajas
Puede alargarse por mucho tiempo (ms de un ao).
Probabilidad de respuestas menos significativas que si ellos no asumen
el problema.
Pocas evidencias de alto grado de precisin.
Los cuestionarios mal planteados conducen a errores.
16
Visin Global de los Mtodos
Cuantitativos
Regresin lineal
Promedio mviles simples
Promedio mviles ponderados
Suavizacin exponencial
Proyeccin de tendencia
Mtodo
causal
Modelos de
series temporales
17
Mtodo Causal
Regresin Lineal
Se dispone de datos histricos, se puede relacionar lo que se intenta
pronosticar con otros factores externos o internos.
Ventajas
Posee instrumentos ms refinados de pronsticos.
Excelente para prever puntos de inflexin de la demanda.
til para pronsticos de mediano o largo plazo.
Regresin lineal consiste en que una variable dependiente se relaciona
con una o ms variables independiente por medio de una expresin
algebraica.
Ejemplo:
Variable dependiente: se quiere pronosticar la demanda de barniz para
puertas.
Variable independiente: gasto de publicidad o inicio de la construccin
de nuevas viviendas.
Modelo de mayor sencillez: y = a + bx
18
Mtodo Causal
Regresin Lineal
Ecuacin de
regresin:
Y = a + bX
Variable Dependiente
Y
Estimacin de
Y a partir de
la ecuacin
de regresin
Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
19
Mtodo Causal
Regresin Lineal
Variable Dependiente
Desviacin
o error
Estimacin de
Y a partir de
la ecuacin
de regresin
Ecuacin de
regresin:
Y = a + bX
Valor
actual
de Y
Valor de X empleado
para calcular Y
X
Variable Independiente
20
Mtodo Causal Regresin Lineal
Objetivo del anlisis de regresin lineal Encontrara los valores de a y b
que minimicen la suma de las desviaciones (errores) al cuadrado de
los puntos reales de la grfica.
Formas de evaluar la precisin del pronstico (existen 2)
1.- Coeficiente de correlacin de la muestra ( r )
Mide la intensidad y direccin de la relacin entre x e y.
r puede fluctuar entre 1 y +1.
r = 0 x no se relaciona con y.
r = +1,00 cambios registrados de uno a otro perodo, en la direccin
(incrementos o decrementos) de la variable independiente, siempre lo
acompaa los cambios de la variable dependiente en la misma
direccin.
r = - 1,00 los decrementos de x siempre va acompaados de los
incrementos de y , y viceversa.
Cuando ms se aproxime el valor de r a 1,00 ser ms adecuado el
ajuste de la lnea de regresin respecto a los puntos de la grfica.
21
Mtodo Causal Regresin Lineal
2. Coeficiente de determinacin de la muestra ( r 2)
Mide la variacin que representa y respecto a su valor medio.
Coeficiente de determinacin = (Coeficiente de correlacin)2 = r 2
r 2 oscila entre 0,00 y 1,00; pero generalmente se analiza como un %.
Si r 2 se acerca a 1,00 significa que las variaciones de y y el
pronstico generado por la ecuacin de regresin se encuentran muy
relacionadas, en caso de alejarse ( 0,75) significa que existen otras
variables que estn afectando.
Desviacin Estndar (Syx): Promedio de desviacin de las puntuaciones
con respecto a la media.
Cuando mayor sea la dispersin de los datos alrededor de la media
mayor ser la desviacin estndar.
22
Mtodo Causal Regresin Lineal
Ejercicio prctico:
La persona a cargo de programar la produccin de la compaa,
tiene que elaborar un pronsticos de la demanda de un
producto, a fin de plantear las cantidades de produccin ms
apropiadas.
Durante un almuerzo de negocios, el gerente de Marketing
aporta informacin sobre el presupuesto de publicidad destinado
a una bisagra de bronce para puertas.
Se presenta a continuacin los datos sobre ventas y publicidad
correspondiente a los ltimos cinco meses.
La gerencia de Marketing afirma que la compaa gastar el mes
entrante US$1.750 en publicidad para el producto. Aplique la
regresin lineal para desarrollar una ecuacin y un pronstico
para ese producto.
23
Mtodo Causal Regresin Lineal
Mes
1
2
3
4
5
Ventas
(miles de unidades)
264
116
165
101
209
Publicidad 000 = miles
(miles de $)
2.5
1.3
1.4
1.0
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
Gasto en publicidad para el mes 6 es de $ 1.750
Antecedentes cuantitativos obtenidos a travs de la calculadora
24
Ventas (miles de unidades)
Mtodo Causal Regresin Lineal
300
250
000 = miles
200
a
b
r
r2
syx
150
100
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
Y = - 8.136 + 109.229X
50
|
|
|
|
1.0
1.5de r es2.0
2.5 a 1,00 significa que existe una
Pronstico
El valor
muy prximo
Pronsticopara
paraMes
Mes66
fuerte relacin
entre
ventas y publicidad, la seleccin es buena.
Publicidad
(miles de
dlares)
XX==$1750,
YY
==
- 8.136
+ 109.229(1.75)
$1.750,
183.015
unidades
R2 significa que el 96% de la variacin observada en las
25
ventas, se atribuye a los gasto involucrados de publicidad.
Mtodo Causal Regresin Lineal
Ventas (miles de unidades)
300
250
Ventas
Publicidad
Mes (000 unidades) (000 $)
200
1
2
150
3
4
100
5
50
264
2.5
116
1.3
165
1.4
101
1.0
Y = - 8.136 + 109.229X
209
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
|
| produccin
|
El ingeniero
a| cargo de
puede utilizar este
1.0
1.5 saber
2.0las bisagras
2.5
pronstico
para
que necesitar en el mes 6.
Publicidad
(miles
Si
suponemos
quede
sedlares)
tiene en inventario 62.500 unidades,
Cunto deber planificar como produccin?.
26
Ventas (miles de unidades)
Mtodo Causal Regresin Lineal
300
250
Ventas
Publicidad
Mes (000 unidades) (000 $)
200
1
2
150
3
4
100
5
50
264
2.5
116
1.3
165
1.4
101
1.0
Y = - 8.136 + 109.229X
209
2.0
a
b
r
r2
syx
=
=
=
=
=
- 8.136
109.229
0.98
0.96
15.61
|
|
|
|
Se 1.0
tiene en1.5
inventario
2.0 = 62,500
2.5 unidades,
Publicidad
(miles
de dlares)
Produccin
= 183,015
- 62,500 = 120,015 unidades
27
Mtodo Causal Regresin Lineal
El anlisis de regresin es una buena gua para decisiones
importantes como:
Administracin de inventarios.
Planificacin de capacidades.
Administracin de procesos.
Anlisis de regresin mltiples
Se da cuando la variable dependiente (Y) depende de ms de
una variable independiente. (Ej. Bisagra de bronce).
Son costosas, debido a la gran cantidad de datos que se
acumula y su posterior anlisis e interpretacin.
28
Mtodo Series de Tiempo
Usa solo informacin referida a la variable dependiente.
Supuesto: La variable dependiente (su patrn) del pasado continua
en el futuro.
Identifica los patrones de la demanda que se combinan para
generar el patrn histrico observado anteriormente en la demanda
dependiente generando un modelo que pueda reproducir dicho
patrn.
29
Mtodo Series de Tiempo
Modelo de Pronstico Emprico
Mtodo sencillo de series de tiempo.
Se usa con frecuencia.
Considera que: el pronstico de la demanda actual es igual al
pronstico de la demanda del perodo siguiente. Ejemplo.
Mes 1 : 150.000 art.
Martes 35 visitas sitio
Jueves 20 enfermos
Mes 2 : 150.000 art.
Mircoles 35 visitas sitio
Viernes 20 enfermos
Para demanda de tendencia
Incremento o decremento de la demanda actual se usa para
ajustar la demanda para el siguiente perodo.
30
Mtodo Series de Tiempo
Modelo de Pronstico Emprico (continuacin)
1 semana
108 unid.
2 semana
120 unid.
12
3 semana
4 semana
120 + 12 = 132
Real 127
127 + 7 = 134
Para demanda estacional
Los pronsticos de los meses del ao entrante ser el reflejo de la
demanda real observada en los mismos meses del ao anterior.
Ejemplo:
Julio 2011
Julio 2012
50.000 unid.
50.000 unid.
31
Mtodo Series de Tiempo
Ventajas del pronstico emprico
Simplicidad
Bajo costo
Funciona bien cuando las demanda son estables (variaciones al
azar pequeas)
Estimacin del promedio
Cada serie de tiempos de demanda posee a lo menos dos de los
5 patrones posibles de demanda. Ejemplo: Horizontal y Aleatorio
(azar).
Es posible que contenga tambin: de tendencia o estacinales o
cclicos, se har inicialmente el estudio sin considerar estos.
32
Mtodo Series de Tiempo
Estimacin del promedio (continuacin)
El patrn horizontal de una serie de tiempos se basa en la media
de las demandas poner atencin en los mtodos de pronsticos
en los que se estima el promedio de una serie de datos a travs
del tiempo.
El pronstico de la demanda para cualquier perodo futuro es el
promedio de las series de tiempos calculadas en el perodo actual.
Ejemplo:
33
Mtodo Series de Tiempo
Clnica: llegada de pacientes en las
ltimas 28 semanas.
Patrn de demanda: llegada de
pacientes no es de tendencia ni
estacional ni cclico.
Serie de tiempo: muestra un patrn
Horizontal y Aleatorio.
Errores aleatorios: nadie los puede
prever, no quedamos tranquilos al
estimar solo promedios.
Llegadas de pacientes
Ejemplo :
Llegadas reales
de pacientes
Semana
34
Mtodo Series de Tiempo
Tcnicas estadsticas tiles para el pronstico de series de tiempo:
Promedio mviles simples.
Promedio mviles ponderados.
Suavizacin exponencial.
Mtodo de Promedio Mviles Simples (MA)
Uso: estima el promedio de una serie de tiempos de demanda y
suprime de esta forma las fluctuaciones al azar.
til: cuando la demanda no tiene tendencias pronunciadas ni
influencias estacinales.
Clculo: para n perodos ms recientes, con el fin de usarlos
como pronsticos para el siguiente perodo.
Pronstico al perodo t + 1
F t + 1= At =
Suma de las n ltimas demandas
n
35
Mtodo de Promedio Mviles Simples (MA)
F t + 1 = At =
D t + D t 1 + D t 2 ...........D t n + 1
n
At = Promedio de la demanda real de n periodos anteriores
Dt = demanda real del perodo t
n = Nmero total de perodos incluidos en el promedio.
F t + 1 = pronstico para el perodo t + 1
F t+1 = At
Ft = At-1
Puede incluirse todos los perodos pasados de demanda que se
desee.
La estabilidad de una serie correspondiente a la demanda
determina cuantos perodos sern necesarios incluir o sea n.
Serie de demanda estable son aquellas para los cuales el
promedio cambia solamente en forma infrecuente.
36
Clculo del Promedio Mvil, At
Elabore un pronstico de promedio mvil de tres semanas para
estimar la llegada de pacientes a la clnica mdica durante la
cuarta semana. Los datos correspondientes a la llegada de
pacientes durante las ltimas tres semanas fueron las siguientes:
Semana
Llegada de pacientes
400
380
411
Si el nmero real de llegadas de pacientes durante la semana
cuatro fue de 415 Cul ser el pronstico para la semana 5?
37
Clculo del Promedio Mvil, At
D1 =400
D2 =380
415
A3 =397
Llegada de pacientes
D3 = 411
411
410
405
400
400
395Dt - 2 ) / 3
At =( Dt + Dt - 1 +
390D ) / 3
A3 =( D3 + D2 +
1
A3 =( 411 + 380385
+ 400 ) / 3
Ft = A t - 1380
F4 = A 3
F4 = 397
380
375
0
5Semana
38
Clculo del Promedio Mvil, At
D1 =400
D2 =380
420
D3 = 411
A4 =402
Llegada de pacientes
415
415
D4 = 415
411
410
405
400
400
At =( Dt + Dt - 1 +
D
)/3
395 t - 2
A4 =( D4 + D3 +
D2 ) / 3
390
A3 =( 415 + 411 385
+ 380 ) / 3
380
380
Ft = A t - 1
375
F5 = A 4
F5 = 402
5
6
Semana
39
Mtodo Series de Tiempo
Promedios Mviles Simples
Llegadas de pacientes
450
Pronstico MA
Pronstico MA
3-semana
6-semanas
430
410
390
370
Llegadas de
pacientes reales
|
5
|
10
Semana
|
15
|
20
|
25
|
30
40
Promedio Mvil Ponderado, AWt
Promedios Mviles Ponderados
Cada una de las tendencias histricas que intervienen en el
promedio pueden tener su ponderacin, la suma de estas debe
ser 1,00.
Ejemplo: En tres perodos, al ms reciente puede asignarse
ponderacin 0,50, al segundo ms reciente 0,30 y el tercero ms
reciente 0,20.
El promedio se obtiene como:
A t = 0,50 Dt + 0,30 Dt-1 + 0,20 Dt-2
Ft+1 = A t = 0,50 Dt + 0,30 Dt-1 + 0,20 Dt-2
41
Promedio Mvil Ponderado, AWt
Ventaja
Permite hacer nfasis en la demanda reciente.
Responde mejor que el pronstico de promedio mvil simple.
Desventaja
Sigue retrasndose con respecto a la demanda porque slo
calcula promedios de la demanda en el pasado.
Se observa mucho mejor el retraso cuando existe una tendencia,
ya que el promedio de serie de tiempos va en incremento o
disminucin en forma sistemtica.
42
Promedio Mvil Ponderado, AWt
El analista que est a cargo de la clnica mdica ha
asignado ponderaciones de 0.70 a la demanda ms
reciente, 0.20 a la demanda de hace una semana y 0.10 a
la demanda de hace dos semanas. Use los datos
correspondientes a las tres primeras semanas para
calcular el pronstico de promedio mvil ponderado para la
semana cuatro.
Semana
Llegada de pacientes Ponderacin
400
0,1
380
0,2
411
0.7
43
Promedio Mvil Ponderado, AWt
AWt D t j1 Wt j1
D1 =400 W1 = 0,1
D2 =380 W2 = 0,2
j1
415
Llegada de pacientes
D3 = 411 W3 = 0,7
411
410
405
A3 = W3*D3 + 400
W2*D2 + W1*D
4001
A3 = 0,7*411 + 0,2*380
+ 0,1*400
395
A3 = 403,7
=404
390
385
Ft =
380
A t-1
F4 =
375
0
380
A3
F4 = 404
5Semana
44
Promedio Mvil Ponderado, AWt
Llegadas de pacientes
450
Supongamos que la demanda real para
la semana 4 fuera de 415 pacientes.
Entonces el pronstico para la semana
5 seria:
430
410
390
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
45
Promedio Mvil Ponderado, AWt
Llegada de
Semana pacientes
Llegadas de pacientes
450
430
1
2
3
4
410
400
380
411
415
390
F5 = 0,7(415) + 0,2(411) + 0,1(380)
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
46
Promedio Mvil Ponderado, AWt
Llegada de
Semana pacientes
Llegadas de pacientes
450
430
1
2
3
4
410
400
380
411
415
390
F5 = 410,7 = 411 pacientes
370
Actual patient
arrivals
|
5
|
10
|
15
Semana
|
20
|
25
|
30
47
Suavizamiento Exponencial Simple
Dt = + et
El modelo refleja un error aleatorio alrededor de una tendencia central
estable. Donde et se distribuye normalmente con media cero.
El mtodo consiste en estimar la demanda promedio suavizada
(ajustada) para el periodo venidero (At) sumando o substrayendo a los
pronsticos promedios precedentes (A t - 1) un porcentaje () de la
diferencia entre la demanda actual (Dt) y los pronsticos promedios
precedentes (Ft - 1)
At = Dt + ( 1 - ) A t - 1
48
Suavizamiento Exponencial Simple
La constante de suavizamiento o tasa de respuesta ,
representa la proporcin del peso que se da a la
nueva demanda contra el promedio anterior
varia en general de 0.01 a 0.3
A t = Dt + ( 1 - ) A t - 1
A t -1 refleja la historia
Si se cree en la ltima demanda
=1
Si se cree en la historia
=0
49
Suavizamiento Exponencial Simple
At = Dt + ( 1 - ) A t 1
Ft+1 = A t
At = A t - 1 + ( Dt - At-1 )
Ft+1 = Dt + ( 1 - ) F t
et = Dt Ft
Donde: At
A t-1
Dt
Ft+1
et
= Nuevo promedio suavizado
= Antiguo promedio exponencial
= Constante de Suavizamiento Exponencial, 0 < < 1
= Demanda real actual
= Pronstico para el periodo t+1
= error aleatorio para el periodo t
50
Suavizamiento Exponencial Simple
Mtodo de promedio mvil ponderado muy refinado.
Calcula el promedio de una serie de tiempo, asignado a las
demandas recientes mayores ponderaciones que a las demandas
anteriores.
Su uso es de mayor frecuencia por su simplicidad y reducida
cantidad de datos que se necesita.
Requiere solo de tres tipos de datos:
El pronstico del ltimo perodo
Demanda de ese perodo
Un parmetro suavizador , cuyo valor flucta entre 0 y 1,0
51
Suavizamiento Exponencial Simple
F t+1 = (Demanda para ese perodo) + (1 - )(Pronstico calculado
para ese ltimo perodo)
F t+1 = D t + (1 - ) F t
F t+1 = F t + ( D t - F t )
equivalente a:
Es igual al pronstico del perodo
actual ms una proporcin del
error
del
pronstico
correspondiente al mismo perodo
actual.
52
Suavizamiento Exponencial Simple
Formas de Uso
Se requiere de las demandas histricas (Dt) y del pronstico ms
reciente (Ao = F1)
A1 = D1 + (1 - ) A0 F2 = D1 + ( 1 - ) F1
A2 = D2 + (1 - ) A1 F3 = D2 + ( 1 - ) F2
Se va calibrando
Tambin se puede utilizar la formula general:
t 1
Ft (1 ) k Dt k (1 ) t F1
k 0
Ft 1 * Dt (1 ) * Ft
Donde F1 es la estimacin inicial de
53
Suavizamiento Exponencial Simple
Ejemplo:
Suponiendo alfa = 0.20 , el pronstico para el periodo t+1 es:
Ft+1 = 0.20 Dt + 0.80Ft
Ft = 0.20Dt-1 + 0.80 Ft-1
(Reemplacemos en la
anterior)
Ft+1 = 0.20 Dt + 0.80 (0.20Dt-1 + 0.80 Ft-1) = 0.20Dt + 0.16Dt-1 + 0.64Ft-1
Si continuamos expandindola, obtenemos:
Ft+1 = 0.20Dt + 0.16Dt-1 + 0.128Dt-2 + 0.1024Dt-3 + ....
Este mtodo es similar al mtodo de los promedios mviles
ponderados, donde la suma de las ponderaciones debe ser igual a
uno.
54
Suavizamiento Exponencial Simple
En la prctica se ensaya con diversos valores de y se
selecciona el que produzca los mejores pronsticos, estos
valores puede ser altos o pequeos.
El trabajo con la suavizacin exponencial requiere de un
pronstico inicial que se puede obtener de dos formas:
1. Usar la demanda del ltimo perodo.
2. Con datos histricos, calcular el promedio de varios
perodos recientes de demanda.
55
Suavizamiento Exponencial Simple
El analista que est a cargo de la clnica mdica utilizar el
mtodo de suavizacin exponencial con alfa = 0,1 para estimar
la demanda del tercer periodo. Use el promedio
correspondientes a las dos primeras semanas para estimar un
pronstico inicial y calcular el pronstico de la semana 4
Semana
Llegada de pacientes
400
380
411
56
Suavizamiento Exponencial Simple
D1 =400
D2 =380
D3 = 411
Pronstico
Llegada de pacientes
415
411
410
405
Inicial
400
F3 = (D1 + D2)/2
395
F3 = (400 + 380)/2 = 390
390
385
= 0.1
Ft+1 = 0.1*Dt + (1 380
- 0.1)*Ft
F4 = 0.1*D3 + (1 - 0.1)*F3
375
F4 = 0.1*411 + (1 - 0.1)*390
0
F4 = 392,1
Para
400
380
1
5Semana
57
Suavizamiento Exponencial Simple
D1 =400
D2 =380
420
D3 = 411
Llegada de pacientes
415
415
D4 = 415
411
410
405
400
400
395
Si la demanda real390
D4 = 415
F5 = 0.1*415 +
0.9*392.1 = 394.1
385
380
380
375
0
5
6
Semana
58
Suavizamiento Exponencial Simple
Llegadas de pacientes
450
430
410
390
370
|
|
5
10
Semana
Suavizacin
Exponencial
= 0.10
|
|
15
20
|
25
|
30
59
Suavizamiento Exponencial Simple
Llegadas de pacientes
450
Pronstico MA
Pronstico MA
3-semanas
6-semanas
430
410
390
370
|
5
|
10
Semana
Suavizacin
Exponencial
= 0.10
|
|
15
20
|
25
|
30
60
