Professional Documents
Culture Documents
VERACRUZ
SUAVIZAMIENTO EXPONENCIAL Y
ERRORES DE PRONÓSTICO
ESPECIALIDAD:
INGENIERÍA INDUSTRIAL
ALUMNOS :
ÍNDICE ......................................................................................................................... 2
INTRODUCCIÓN ........................................................................................................ 3
EJERCICIO ............................................................................................................... 14
CONCLUSIÓN .......................................................................................................... 18
Página 2 de 19
INTRODUCCIÓN
Página 3 de 19
SUAVIZACIÓN EXPONENCIAL
Página 4 de 19
Por lo tanto, los exponentes 0, 1, 2, 3,…, etc. le dan su nombre.
La suavización exponencial es la más utilizada de las técnicas de pronóstico. Es
parte integral de casi todos los programas de pronóstico por computadora, y se usa
con mucha frecuencia al ordenar el inventario en las empresas minoristas, las
compañías mayoristas y las agencias de servicios.
Las técnicas de suavización exponencial se han aceptado en forma generalizada
por seis razones principales:
1. Los modelos exponenciales son sorprendentemente precisos.
2. Formular un modelo exponencial es relativamente fácil.
3. El usuario puede entender cómo funciona el modelo.
4. Se requieren muy pocos cálculos para utilizar el modelo.
5. Los requerimientos de almacenamiento en la computadora son bajos debido
al uso limitado de datos históricos.
6. Es fácil calcular las pruebas de precisión relacionadas con el desempeño del
modelo.
Donde:
Página 5 de 19
Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α = constante de suavización
At-1= demanda real del periodo anterior
Ejemplo:
Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la
ciudad capital de un país. Por ser la ciudad que congrega más habitantes, han
decidido comenzar ofreciendo servicio de seguro para coches.
Página 6 de 19
Gráficamente, esa tabla sería algo como esto:
Página 7 de 19
Esta ecuación establece que el nuevo pronóstico es igual al pronóstico anterior más
una porción del error (la diferencia entre el pronóstico anterior y lo que ocurrió
realmente).
Para demostrar el método, suponga que la demanda a largo plazo para el producto
sujeto a estudio es relativamente estable y una constante de suavización (α) de 0.05
se considera apropiada. Si el método exponencial se hubiera usado como una
política de continuidad, se habría hecho un pronóstico para el mes pasado. Suponga
que el pronóstico del mes pasado (Ft–1) fue de 1 050 unidades. Si la demanda real
fue de 1 000, en lugar de 1 050, el pronóstico para este mes sería
Ft = Ft−1 + α(At−1 − Ft−1)
= 1 050 + 0.05(1 000 − 1 050)
= 1 050 + 0.05(−50)
= 1 047.5 unidades
Página 8 de 19
La suavización exponencial simple tiene la desventaja de retrasar los cambios en la
demanda. El pronóstico se retrasa durante un incremento o un decremento pero se
dispara cuando ocurre un cambio en la dirección. Observe que mientras más alto
sea el valor de alfa, el pronóstico será más cercano a la realidad. Y mientras más
se acerque a la demanda real, es probable sumar un factor de tendencia. También
resulta útil ajustar el valor de alfa. Esto se conoce como pronóstico adaptativo.
Hay dos estrategias para controlar el valor de alfa. Una de ellas utiliza distintos
valores de alfa y la otra una señal de seguimiento.
1. Dos o más valores predeterminados de alfa. Se mide la cantidad de error entre el
pronóstico y la demanda real. Dependiendo del grado de error, se utilizan distintos
valores de alfa. Si el error es grande, alfa es 0.8; si el error es pequeño, alfa es 0.2.
2. Valores calculados de alfa. Una constante de rastreo alfa calcula si el pronóstico
sigue el paso a los cambios genuinos hacia arriba o hacia abajo en la demanda (en
contraste con los cambios aleatorios). En esta aplicación, la constante de rastreo
alfa se defi ne como el error real suavizado exponencialmente dividido entre el error
absoluto suavizado exponencialmente. Alfa cambia de un periodo a otro en el rango
posible de 0 a 1.
Página 10 de 19
ERRORES DE PRONÓSTICO
El término error se refiere a la diferencia entre el valor de pronóstico y lo que ocurrió
en realidad. En estadística, estos errores se conocen como residuales. Siempre y
cuando el valor del pronóstico se encuentre dentro de los límites de confianza, éste
no es realmente un error. Pero el uso común se refiere a la diferencia como un error.
La demanda de un producto se genera mediante la interacción de varios factores
demasiado complejos para describirlos con precisión en un modelo. Por lo tanto,
todas las proyecciones contienen algún error. Al analizar los errores de pronóstico,
es conveniente distinguir entre las fuentes de error y la medición de errores.
FUENTES DE ERROR
Los errores pueden provenir de diversas fuentes. Una fuente común de la que no
están conscientes muchos encargados de elaborar los pronósticos es el pronóstico
de las tendencias pasadas en el futuro. Por ejemplo, al hablar de errores
estadísticos en el análisis de regresión, se hace referencia a las desviaciones de las
observaciones de la recta de la regresión. Es común relacionar una banda de
confianza (es decir, límites de control estadístico) con la recta de la regresión para
reducir el error sin explicar. Pero cuando se utiliza esta recta de la regresión como
dispositivo de pronóstico, es probable que el error no se defina de manera correcta
mediante la banda de confianza proyectada. Esto se debe a que el intervalo de
confianza se basa en los datos pasados; quizá no tome en cuenta los puntos de
datos proyectados y por lo tanto no se puede utilizar con la misma confianza. De
hecho, la experiencia ha demostrado que los errores reales suelen ser mayores que
los proyectados a partir de modelos de pronóstico.
Los errores se pueden clasificar como sesgados o aleatorios.
Los errores sesgados ocurren cuando se comete un error consistente. Las fuentes
de sesgo incluyen el hecho de no incluir las variables correctas; el uso de las
relaciones equivocadas entre las variables; el uso de la recta de tendencia errónea;
un cambio equivocado en la demanda estacional desde el punto donde
normalmente ocurre; y la existencia de alguna tendencia secular no detectada.
Los errores aleatorios se definen como aquellos que el modelo de pronóstico
utilizado no puede explicar.
MEDICIÓN DE ERRORES
Varios términos comunes empleados para describir el grado de error son error
estándar, error cuadrado medio (o varianza) y desviación absoluta media. Además,
es posible usar señales de rastreo para indicar cualquier sesgo positivo o negativo
en el pronóstico.
Página 11 de 19
El error estándar se estudia en regresión lineal. Como el error estándar es la raíz
cuadrada de una función, a menudo es más conveniente utilizar la función misma.
Esto se conoce como error cuadrado medio o varianza.
Una medida adicional de error con frecuencia útil es el Error porcentual absoluto
medio (EPAM). Esta medida determina el error respecto del promedio de demanda.
El EPAM se calcula al tomar el DAM y dividir entre el promedio de demanda.
𝐷𝐴𝑀
𝐸𝑃𝐴𝑀 =
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑚𝑎𝑛𝑑𝑎
Esta es una medida útil porque es una estimación de cuento error se espera con un
pronóstico.
Página 12 de 19
Una señal de seguimiento es una medida que indica si el promedio pronosticado
sigue el paso de cualquier cambio hacia arriba o hacia abajo en la demanda. Como
se utiliza en el pronóstico, la señal de seguimiento es el número de desviaciones
absolutas medias que el valor pronosticado se encuentra por encima o por debajo
de la ocurrencia real.
𝑆𝐶𝐸𝑃
𝑆𝑆 =
𝐷𝐴𝑀
Donde
SCEP: Suma corriente de los errores pronosticados considerando la naturaleza del
error (los errores negativos cancelan los errores positivos y viceversa).
DAM: Promedio
de todos los errores pronosticados
Página 13 de 19
TRIMESTRE VENTAS α=0.0 DAM EPAM DESVIACION SCEP SS α=0.1 DAM EPAM DESVIACION SCEP SS
1 12
2 16 12 4 33.33% 4 4 1.00 12 4.00 33.33% 4.00 4.00 1.00
Página 14 de 19
3 20 12 8 66.67% 8 12 1.50 12.40 7.60 61.29% 7.60 11.60 1.53
4 34 12 22 183.33% 22 34 1.55 13.16 20.84 158.36% 20.84 32.44 1.56
5 23 12 11 91.67% 11 45 4.09 15.24 7.76 50.88% 7.76 40.20 5.18
6 19 12 7 58.33% 7 52 7.43 16.02 2.98 18.60% 2.98 43.18 14.49
7 20 12 8 66.67% 8 60 7.50 16.32 3.68 22.57% 3.68 46.86 12.73
8 35 12 23 191.67% 23 83 3.61 16.69 18.31 109.76% 18.31 65.17 3.56
9 11 12 1 8.33% -1 82 82.00 18.52 7.52 40.60% -7.52 57.66 7.67
10 19 12 7 58.33% 7 89 12.71 17.77 1.23 6.95% 1.23 58.89 47.71
11 24 12 12 100.00% 12 101 8.42 17.89 6.11 34.16% 6.11 65.00 10.64
12 36 12 24 200.00% 24 125 5.21 18.50 17.50 94.59% 17.50 82.50 4.71
13
22.42 11.00 10.58 14.54 8.13
EJERCICIO
α=0.2 DAM EPAM DESVIACION SCEP SS α=0.3 DAM EPAM DESVIACION SCEP SS
12 4.00 33.33% 4.00 4.00 1.00 12 4.00 33.33% 4.00 4.00 1.00
12.80 7.20 56.25% 7.20 11.20 1.56 13.20 6.80 51.52% 6.80 10.80 1.59
Página 15 de 19
14.24 19.76 138.76% 19.76 30.96 1.57 15.24 18.76 123.10% 18.76 29.56 1.58
18.19 4.81 26.43% 4.81 35.77 7.44 20.87 2.13 10.22% 2.13 31.69 14.86
19.15 0.15 0.80% -0.15 35.61 231.86 21.51 2.51 11.66% -2.51 29.18 11.64
19.12 0.88 4.59% 0.88 36.49 41.60 20.76 0.76 3.64% -0.76 28.43 37.64
19.30 15.70 81.36% 15.70 52.19 3.32 20.53 14.47 70.49% 14.47 42.90 2.96
22.44 11.44 50.98% -11.44 40.75 3.56 24.87 13.87 55.77% -13.87 29.03 2.09
20.15 1.15 5.71% -1.15 39.60 34.41 20.71 1.71 8.25% -1.71 27.32 15.99
19.92 4.08 20.48% 4.08 43.68 10.71 20.20 3.80 18.83% 3.80 31.12 8.18
20.74 15.26 73.61% 15.26 58.95 3.86 21.34 14.66 68.72% 14.66 45.79 3.12
16.50 7.04 17.60 6.96
α=0.4 DAM EPAM DESVIACION SCEP SS α=0.5 DAM EPAM DESVIACION SCEP SS
12 4.00 33.33% 4.00 4.00 1.00 12 4.00 33.33% 4.00 4.00 1.00
13.60 6.40 47.06% 6.40 10.40 1.63 14.00 6.00 42.86% 6.00 10.00 1.67
16.16 17.84 110.40% 17.84 28.24 1.58 17.00 17.00 100.00% 17.00 27.00 1.59
23.30 0.30 1.27% -0.30 27.94 94.41 25.50 2.50 9.80% -2.50 24.50 9.80
23.18 4.18 18.02% -4.18 23.77 5.69 24.25 5.25 21.65% -5.25 19.25 3.67
Página 16 de 19
21.51 1.51 7.01% -1.51 22.26 14.78 21.63 1.63 7.51% -1.63 17.63 10.85
20.90 14.10 67.43% 14.10 36.36 2.58 20.81 14.19 68.17% 14.19 31.81 2.24
26.54 15.54 58.56% -15.54 20.81 1.34 27.91 16.91 60.58% -16.91 14.91 0.88
20.33 1.33 6.52% -1.33 19.49 14.70 19.45 0.45 2.33% -0.45 14.45 31.90
19.80 4.20 21.24% 4.20 23.69 5.63 19.23 4.77 24.83% 4.77 19.23 4.03
21.48 14.52 67.62% 14.52 38.22 2.63 21.61 14.39 66.56% 14.39 33.61 2.34
18.23 6.99 18.62 7.26
Página 17 de 19
CONCLUSIÓN
Página 18 de 19
REFERENCIA BIBLIOGRÁFICA
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/suavizaci%C3%B3n-exponencial-simple
https://ingenioempresa.com/suavizacion-exponencial-simple/
file:///C:/Users/Karem/Downloads/Administracion%20de%20Operaciones%20(1).p
df
http://rochichan.blogspot.mx/2013/05/introduccion-la-administracion-de.html
https://www.gestiopolis.com/la-administracion-de-operaciones/
http://www.eumed.net/libros-gratis/2013a/1321/conclusion.html
https://sites.google.com/site/aolucina/home
https://sites.google.com/site/aolucina/unidad-3-planeacion-de-la-capacidad
https://prezi.com/yzbxz9lfwbfz/edit/#4_95982358
http://nulan.mdp.edu.ar/1613/1/08_diseno_procesos.pdf
https://books.google.com.mx/books?id=edZx_26yf64C&pg=PA299&lpg=PA299&d
q=planeacion+de+productos+administracion+de+operaciones&source=bl&ots=ZF1
zLIgLlo&sig=J0crAtql_V_tpSYeo0Cd6F_Kn4g&hl=es&sa=X&ved=0ahUKEwi7kNG
kiNjUAhUn74MKHVlbDloQ6AEIWzAJ#v=onepage&q&f=false
Página 19 de 19