administraciÓn de operaciones - clase 3€¦ · o suavización exponencial o método de índices o...
TRANSCRIPT
ADMINISTRACIÓN DE OPERACIONES
- CLASE 3 -
MÉTODOS CUANTITATIVOS
OBJETIVO
Pronosticar la demanda
utilizando los diferentes
métodos cuantitativos de
pronóstico.
TEMAS – CLASE 2
Modelos Cuantitativos de Pronóstico
A. Modelos de serie de tiempo:
o Método simplista,
o Promedio móvil simple
o Promedio móvil ponderado
o Suavización exponencial
o Método de índices
o Mínimos cuadrados
B. Modelos causales:
o Análisis de regresión y correlación
o Calculo de “r”
o Ejercicios.
Los modelos de series de tiempo predicen
sobre la base de la suposición de que el futuro
es una función del tiempo pasado. En otras
palabras, ellos ven lo que ha pasado en un
período de tiempo y usan una serie de datos
pasados para hacer el pronóstico.
Independientemente del método utilizado para
pronosticar, se siguen los 7 pasos ordenados:
1. Determinar el uso del pronóstico ¿Qué objetivos
se persigue obtener?
2. Seleccionar la variable que se va a pronosticar.
3. Determinar el horizonte de tiempo del pronóstico
¿Es a corto, mediano o largo plazo?
4. Buscar los datos históricos necesarios para hacer
el pronóstico.
5. Graficar los datos históricos, para observar su
comportamiento.
6. Seleccionar y validar el modelo de pronóstico.
7. Hacer el pronóstico e instrumentar los resultados.
A.MODELOS DE
SERIES DE TIEMPO
Pronósticos de series de tiempo
Una serie de tiempo se basa en la secuencia de
puntos de datos separados de manera uniforme
(semanal, mensual, trimestral y así sucesivamente).
El pronóstico de serie de tiempo implica que los
valores futuros se predicen únicamente a partir de
los valores pasados, y que cualquier otra variable se
ignore, no importa que tan valiosa sea.
1.
Método Simplista
(Pronóstico empírico)
Método Simplista (Pronóstico empírico)
La manera más fácil de pronosticar es asumir que la
demanda del siguiente período es exactamente
igual a la demanda del período inmediatamente
anterior.
Ejemplo:
Si las ventas de celulares, fue de 150 unidades en el
mes de julio, podemos pronosticar que las ventas
de agosto serán también de 150 unidades.
El método de pronóstico empírico se puede adaptar
para tomar en cuenta una tendencia de la demanda. El
incremento (o decremento) observado en la demanda
de los dos últimos periodos se usa para ajustar la
demanda actual a fin de llegar a un pronóstico.
Ejemplo.
Suponga que la demanda fue de 120 unidades en la
última semana y de 108 unidades la semana anterior. El
incremento de la demanda fue de 12 unidades en una
semana, por lo que el pronóstico para la siguiente
semana sería de 120 + 12 = 132 unidades. Si la
demanda real de la semana siguiente resultara ser de
127 unidades, el siguiente pronóstico sería de 127 + 7 =
134 unidades.
El método de pronóstico empírico también se
puede aplicar a patrones estacionales.
Ejemplo:
Si la demanda durante julio del año pasado fue de
50,000 unidades, el pronóstico para julio del año en
curso será de 50,000 unidades.
Asimismo, los pronósticos de demanda para cada
uno de los meses del año entrante será un simple
reflejo de la demanda real observada en esos
mismos meses durante el año pasado.
¿Qué sentido tiene esto?
• A favor:
Resulta que algunas líneas de productos,
seleccionan a este enfoque de pronóstico
simplista porque es el modelo de pronóstico
más eficiente en cuanto a costo y es más
objetivo.
• En contra:
La objeción principal al uso de estos
procedimientos para el pronóstico a corto plazo
es que son tan simplistas que lo más probable
es que arrojen un error sustancial de pronóstico.
2.
Promedios móviles
simples
Promedio móvil simple
Los promedios móviles son útiles si se asume que
las demandas del mercado serán más o menos
constantes durante un período de tiempo.
Un promedio móvil de cuatro meses se toma
sencillamente, como la suma de la demanda
durante los últimos cuatro meses dividida entre 4.
Con cada mes que pasa, el dato del mes más
reciente se adiciona a la suma de los datos de los
tres meses previos, y el primer mes se suprime.
Esto tiende a suavizar las irregularidades a corto
plazo en las series de datos.
Matemáticamente, el promedio móvil simple (que sirve como
estimación de la demanda del período siguiente) se expresa
como:
Promedio móvil =σ Demandas en n períodos previos
𝒏
Donde n es el número de períodos en el promedio móvil, por
ejemplo, cuatro, cinco o seis meses, respectivamente, para un
promedio móvil de cuatro, cinco o seis períodos
Donde:Dt = demanda real en el periodo t
n = número total de periodos incluidos en el promedio
Ft+1 = pronóstico para el periodo t +1
Donde:
Et = error de pronóstico en el periodo t
Dt = demanda real en el periodo t
Ft = pronóstico para el periodo t
Error de
pronóstico
en el período “t”
=Demanda
real en el período “t”
-Pronóstico
para el período “t”
Ejemplo.
Se muestra la venta de licuadoras de un almacén
de electrodomésticos.
o Calcular el promedio móvil de tres meses para el
cuarto mes (pronóstico de ventas para el cuarto
mes).
o Calcular el error de pronóstico para los meses
siguientes.
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL (20+24+28)/3 = 24
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
Nuevo dato: venta de licuadoras en el mes de Abril
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO (24+28+32)/3 = 28
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO (28+32+36)/3 = 32
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO (32+36+40)/3 = 36
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO (36+40+56)/3 = 44
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE (40+56+60)/3 =52
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE (56+60+40)/3 = 52
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE (60+40+50)/3 = 50
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE 48 (60+40+50)/3 = 50 -2
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE 48 (60+40+50)/3 = 50 -2
DICIEMBRE (40+50+48)/3 = 46
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE 48 (60+40+50)/3 = 50 -2
DICIEMBRE 64 (40+50+48)/3 = 46 18
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (20+24+28)/3 = 24 8
MAYO 36 (24+28+32)/3 = 28 8
JUNIO 40 (28+32+36)/3 = 32 8
JULIO 56 (32+36+40)/3 = 36 20
AGOSTO 60 (36+40+56)/3 = 44 16
SEPTIEMBRE 40 (40+56+60)/3 =52 -12
OCTUBRE 50 (56+60+40)/3 = 52 -2
NOVIEMBRE 48 (60+40+50)/3 = 50 -2
DICIEMBRE 64 (40+50+48)/3 = 46 18
ENERO (50+48+64)/3 = 54
RESOLVER:
a. Calcule un pronóstico de promedio móvil de tres semanas
para estimar la llegada de pacientes a la clínica médica
durante la semana 4. Las cifras correspondientes a las llegadas
de pacientes en las últimas tres semanas son las siguientes:
b. Si el número real de llegadas de pacientes durante la semana
4 es de 415, ¿cuál será el error de pronóstico para la semana
4?
c. ¿Cuál será el pronóstico para la semana 5?
SOLUCIÓN:
a. El pronóstico de promedio móvil al final de la semana 3
es:
a. El error de pronóstico para la semana 4 es:
b. Para elaborar el pronóstico correspondiente a la semana
5, es necesario conocer las llegadas reales durante las
semanas 2 a 4; es decir, los datos de las tres semanas
más recientes.
Punto de decisión.
Así, el pronóstico para la semana 4 sería de 397
pacientes, cifra inferior por 18 pacientes a la demanda
real.
El pronóstico para la semana 5, realizado al final de la
semana 4, sería de 402 pacientes.
Además, al final de la semana 5, el pronóstico para la
semana 6 y las siguientes será también de 402 pacientes.
Llegadas semanales de pacientesa una clínica médica
Comparación entre pronósticos de promedio móvil de tres y seis semanas
MA: Mobile Average
3.
Promedios móviles
ponderados
Promedios móviles ponderados
Cuando existe una tendencia o patrón, los pesos
pueden ser utilizados para poner más énfasis en los
valores recientes, esto hace que las técnicas sean más
sensibles a los cambios, ya que los períodos recientes
pueden tener mayor peso. Decidir qué pesos se van a
utilizar requiere de alguna experiencia y un poco de
suerte. La elección de pesos es de alguna forma
arbitraria ya que no existe fórmula alguna para
determinarlos.
Si el último mes o período tiene demasiado peso, el
pronóstico puede reflejar un cambio rápido e inusual
en la demanda o patrón de ventas.
Un promedio móvil ponderado se puede expresar
matemáticamente como:
𝐏𝐫𝐨𝐦𝐞𝐝𝐢𝐨 𝐦ó𝐯𝐢𝐥 =σ [ peso para el periodo n ∗ demanda para el periodo n ]
σ𝑝𝑒𝑠𝑜𝑠
Ejemplo:
En el almacén de electrodomésticos visto
anteriormente, se desea pronosticar las ventas de
licuadoras “pesando” los últimos tres meses como
sigue:
PERÍODO PESOS APLICADOS
Último mes 3
Hace dos meses 2
Hace tres meses 1
SUMA DE LOS PESOS 6
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL
DE TRES MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
La fórmula general para cada mes que se pronostique será la
que se muestra con los pesos definidos:
(3XVenta Último mes)+(2XVenta hace dos meses)+(1XVenta hace 3 meses)Pronóstico
del mes=
(1+2+3)
Los resultados de este pronóstico de promedios ponderados
se muestran en la siguiente tabla:
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL DE TRES
MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL (3x28+ 2x24 + 1x20)/6 = 25
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL DE TRES
MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (3x28+ 2x24 + 1x20)/6 = 25 7
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL DE TRES
MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (3x28+ 2x24 + 1x20)/6 = 25 7
MAYO 36
JUNIO 40
JULIO 56
AGOSTO 60
SEPTIEMBRE 40
OCTUBRE 50
NOVIEMBRE 48
DICIEMBRE 64
ENERO
MESVENTA REAL DE
LICUADORASPROMEDIO MÓVIL DE TRES
MESESERROR DE
PRONÓSTICO
ENERO 20
FEBRERO 24
MARZO 28
ABRIL 32 (3x28+ 2x24 + 1x20)/6 = 25 7
MAYO 36 (3x32+ 2x28 + 1x24)/6 = 29 7
JUNIO 40 (3x36+ 2x32 + 1x28)/6 = 33 7
JULIO 56 (3x40+ 2x36 + 1x32)/6 = 37 19
AGOSTO 60 (3x56+ 2x40 + 1x36)/6 = 47 13
SEPTIEMBRE 40 (3x60+ 2x56 + 1x40)/6 = 55 -15
OCTUBRE 50 (3x40+ 2x60 + 1x56)/6 = 49 1
NOVIEMBRE 48 (3x50+ 2x40 + 1x60)/6 = 48 0
DICIEMBRE 64 (3x48+ 2x50 + 1x40)/6 = 47 17
ENERO (3x64 +2x48 + 1x50)/6 = 56
Pronóstico de promedio móvil ponderado de la demanda de licuadoras
Demanda real: ------------
Pronóstico de promedio móvil ponderado:
Tanto los promedios móviles simples como los ponderados
son efectivos para suavizar las variaciones abruptas en el
patrón de demanda, con el fin de ofrecer estimados estables.
Sin embargo, los promedios móviles tienen tres problemas.
• Primero, el incremento del valor de n (número de periodos
promediados) suaviza mejor las fluctuaciones, pero al
mismo tiempo es menos sensitivo a los cambios reales en
la información.
• Segundo, los promedios móviles no pueden reconocer muy
bien las tendencias. Puesto que son promedios, siempre se
mantendrán dentro de los niveles pasados, y no predecirán
un cambio a mayor o menor nivel.
• Finalmente, los promedios móviles requieren de una gran
cantidad de registros de datos anteriores.
4.
Suavización Exponencial
Suavización Exponencial
La suavización exponencial es un método de
pronóstico fácil de usar y se maneja en forma
eficiente por medio de las computadoras.
Aunque es un tipo de técnica de los promedios
móviles, involucra poco respaldo de información
pasada.
La fórmula de la suavización exponencial básica se muestra a
continuación:
Pronóstico
nuevo
Pronóstico
del último
períodoα
Demanda real
del último
período
Pronóstico
del último
período= + -( )
Donde “α” es un peso, ó constante de suavización, que tiene
un valor entre 0 y 1, inclusive. La ecuación relacionada antes,
también pude escribirse como:
Ft+1 = Ft + α ( Dt - Ft )
Donde:Ft+1 = el pronóstico nuevo
Ft = el pronóstico anterior
α = constante de suavización (0 ≤ α ≤ 1)
Dt = demanda real del período anterior
ALTERNATIVAMENTE, para análisis y cálculos se puede
elegir entre las dos fórmulas equivalentes:
Ft+1 = α * Dt + (1 - α ) * Ft
Ft+1 = Ft + α * ( Dt - Ft)
Ejemplo:
En Junio, un transportador de turistas pronosticó una
demanda en Julio de 200 viajes por mes. La demanda real de
Julio fue de 180 viajes.
Utilizando una constante de suavización de α = 0.25,
podemos pronosticar la demanda de Agosto usando el
módulo de suavización exponencial, al sustituir en la fórmula
se obtiene:
El pronóstico nuevo = 200 + 0,25*(180-200) = 195
(para la demanda de Agosto)
Por lo que el pronóstico de la demanda para viajes para el
mes de agosto se estima en 195.
La constante de suavización α , esta generalmente en el
rango de 0.05 a 0.50 para aplicaciones de negocios.
Puede cambiarse para dar mayor peso a los datos
recientes (cuando α es alta), o mayor peso a los datos
anteriores (cuando α es baja).
La importancia de los datos de períodos pasados se
reduce rápidamente cuando α se incrementa. Cuando α
alcanza el extremo de 1.0 entonces Ft+1= Dt.
Todos los demás valores anteriores se eliminan, y el
pronóstico se vuelve idéntico al modelo simplista. Esto
significa que el pronóstico para el siguiente período es
justamente igual a la demanda del actual.
El siguiente cuadro ayuda a ilustrar este concepto.
Por ejemplo, cuando α = 0,5, se puede observar qué nuevo
pronóstico se basa en casi en su totalidad en la demanda
de los últimos tres o cuatro períodos. Cuando α =0,1 el
pronóstico proporciona poco peso en la demanda reciente
y toma muchos períodos de valores históricos en
consideración.
0.10.09 0.081
0.073 0.066
0.5
0.25
0.125
0.0630.0310
0.1
0.2
0.3
0.4
0.5
0.6
1 2 3 4 5
Comparación entre Alfa 0.1 y 0.5
ALFA = 0.1 ALFA = 0.5
Selección de la
constante de suavización(comparando el DAM)
Selección de la constante de suavización
El método de suavización exponencial es fácil de usar, y
se ha aplicado satisfactoriamente en bancos y
compañías financieras, empresas manufactureras,
mayoristas y otras organizaciones.
El valor adecuado de la constante de suavización “α”hace la diferencia entre el pronóstico exacto y el
inexacto.
Al seleccionar un valor para la constante de suavización,
el objetivo es obtener el pronóstico más exacto. La
exactitud global de un modelo de pronóstico puede
determinarse al comparar los valores pronosticados
contra los valores observados o reales.
El error del pronóstico se define como:
Error del pronóstico = Demanda - Pronóstico
Una medida del error global del pronóstico para un
modelo de desviación media absoluta (DAM). Esta se
calcula al sumar los valores absolutos de cada uno de
los errores individuales del pronóstico y dividiéndolos
entre el número de períodos de información (n):
DAM: absolute mean desviation
Ejemplo.
El puerto de Santa Marta ha descargado grandes
cantidades de carne de barcos procedentes de
Argentina durante los ocho trimestres pasados.
El administrador de operaciones del puerto desea
probar el empleo de la suavización exponencial y la
efectividad del método en la predicción del tonelaje
descargado.
Él asume que el pronóstico en el primer trimestre fue
de 350 toneladas.
Se examinan los dos valores de α = 0,1 y α = 0,5.
Determinar cuál es el valor de α más adecuado para la
situación de análisis.
TRIMESTRETONELAJE
DESCARGADO REAL
PRONÓSTICO REDONDEADO USANDO α
= 0,10*
PRONÓSTICO REDONDEADO
USANDO α = 0,50*
1 360
2 336
3 318
4 350
5 380
6 410
7 360
8 384
9 ?
Datos de descarga de los 8 trimestres pasados:
TRIMESTRETONELAJE
DESCARGADO REAL
PRONÓSTICO REDONDEADO USANDO α
= 0,10*
PRONÓSTICO REDONDEADO
USANDO α = 0,50*
1 360 350 350
2 336
3 318
4 350
5 380
6 410
7 360
8 384
9 360
SOLUCIÓN:
El primer pronóstico es dato del problema para ambos α.
TRIMESTRETONELAJE
DESCARGADO REAL
PRONÓSTICO REDONDEADO USANDO α
= 0,10*
PRONÓSTICO REDONDEADO
USANDO α = 0,50*
1 360 350 350
2 336 351=350 + 0.1(360-350) 355
3 318
4 350
5 380
6 410
7 360
8 384
9 ?
*Pronóstico redondeado a la tonelada más cercana
*Pronóstico redondeado a la tonelada más cercana
TRIMESTRETONELAJE
DESCARGADO REAL
PRONÓSTICO REDONDEADO CON
α = 0,10
PRONÓSTICO REDONDEADO
USANDO α = 0,50
1 360 350 350
2 336 351=350 + 0.1(360-350) 355
3 318 350=351 + 0.1(336-351) 346
4 350 347= 350+ 0.1(318-350) 332
5 380 347=347+ 0.1(350-347) 341
6 410 350=347+ 0.1(380-347) 361
7 360 356=350+0.1(410-350) 386
8 384 356=356+0.1(360-356) 373
Para evaluar la exactitud de cada constante de suavización se
pueden calcular las desviaciones absolutas y DAM.
DAM(α=0.1)
=185/8=23.12
Sobre la base de éste análisis, una constante de suavización α
= 0,10 se prefiere a α = 0,50 porque su DAM es menor.
TRIMESTRETONELAJE
DESCARGADO REAL
PRONÓSTICO REDONDEADO
CON α = 0,10
DESVIACIÓN ABSOLUTA
PARA α = 0,10
PRONÓSTICO REDONDEADO
USANDO α = 0,50
DESVIACIÓN ABSOLUTA
PARA α = 0,50
1 360 350 10 350 10
2 336 351 15 355 19
3 318 350 32 346 28
4 350 347 3 332 18
5 380 347 33 341 39
6 410 350 60 361 49
7 360 356 4 386 26
8 384 356 28 373 11
185 200
DAM(α=0.5)
=200/8=24.75
RESOLVER:
Las cifras correspondientes a las llegadas de pacientes a una
clínica en las últimas tres semanas son las siguientes:
a. Encontrar el pronóstico al final de la semana 3. A partir de α
= 0.10, calcule el pronóstico de suavizamiento exponencial
para la semana 4.
b. ¿Cuál fue el error de pronóstico en la semana 4 si la
demanda real resultó ser 415?
c. ¿Cuál es el pronóstico para la semana 5?
SOLUCIÓN:
a. El método de suavizamiento exponencial requiere un
pronóstico inicial. Suponga que tomamos los datos de
demanda de las primeras dos semanas y los
promediamos para obtener (400 + 380)/2 = 390 como
pronóstico inicial. A fin de calcular el pronóstico para la
semana 4, utilizando suavizamiento exponencial con α =
0.10, calculamos el promedio al final de la semana 3
como sigue:
Así, el pronóstico para la semana 4 sería de 392 pacientes.
Ft+1 = α * Dt + (1 - α )*Ft
b. El error de pronóstico en la semana 4 es de:
c. El nuevo pronóstico para la semana 5 sería:
o sea, 394 pacientes. Observe que hemos utilizado F4, y no el
pronóstico en valor entero para la semana 4, en el cálculo de F5.
En general, el resultado final se redondea solamente (cuando
resulta apropiado) para mantener la mayor precisión posible en
los cálculos.
Punto de decisión. Con este modelo de suavizamiento
exponencial, los pronósticos del analista serían de 392 pacientes
para la semana 4 y 394 pacientes a partir de la semana 5. En
cuanto se conociera la demanda real de la semana 5, el
pronóstico para la semana 6 tendría que actualizarse.
Ft+1 = α * Dt + (1 - α )*Ft
Proyecciones con
tendencia
Proyecciones con tendencia
En seguida se considerará una serie de tiempo de la
demanda con una tendencia. En una serie de tiempo,
una tendencia es un incremento o decremento
sistemático en el promedio de la serie a través del
tiempo. Cuando existe una tendencia significativa, los
métodos de suavizamiento exponencial deben
modificarse; de lo contrario, los pronósticos siempre
estarán por arriba o por debajo de la demanda real.
Para mejorar el pronóstico, es necesario calcular una
estimación de la tendencia.
Comenzaremos calculando la estimación actual de dicha
tendencia, que no es sino la diferencia entre el promedio
de la serie calculado en el periodo actual y el promedio
calculado en el último periodo.
Para obtener una estimación de la tendencia a largo
plazo, se pueden promediar las estimaciones actuales. El
método para estimar una tendencia es similar al que se
emplea para estimar el promedio de la demanda con el
suavizamiento exponencial.
El método para incorporar una tendencia en un
pronóstico suavizado exponencialmente se conoce como
método de suavizamiento exponencial ajustado a la
tendencia. En este enfoque, se suavizan las estimaciones
del promedio y la tendencia, para lo cual se requieren
dos constantes de suavizamiento.
Se calcula el promedio y la tendencia para cada periodo:
At = α Dt + (1 - α)(At-1 + Tt-1)
Tt = β(At - At-1) + (1 - β)Tt-1
Ft+1 = At + Tt
Donde:
Dt :Demanda en este periodo
At-1 :Promedio del último periodo
Tt-1:Estimación de la tendencia en el último periodo
At = promedio suavizado exponencialmente de la serie en el periodo t
Tt = promedio suavizado exponencialmente de la tendencia en el
periodo t
α = parámetro de suavizamiento para el promedio, con un valor entre
0 y 1
β = parámetro de suavizamiento para la tendencia, con un valor entre
0 y 1
Ft+1 = pronóstico para el periodo t + 1
PROBLEMA:
Medanalysis, Inc. ofrece servicios de laboratorio clínico a
los pacientes de Health Providers, una agrupación de diez
médicos familiares asociados con un nuevo programa de
mantenimiento de la salud. Los gerentes están
interesados en pronosticar el número de solicitudes de
análisis de sangre cada semana.
Es preciso comprar suministros y tomar una decisión
acerca del número de muestras de sangre que serán
enviadas a otro laboratorio debido a las limitaciones de
la capacidad del laboratorio principal.
La publicidad reciente para informar al público acerca de
los efectos nocivos del colesterol en el corazón ha
generado un incremento en las solicitudes de análisis
ordinarios de sangre en todo el país.
En promedio, Medanalysis realizó 28 análisis de sangre
cada semana durante las cuatro últimas semanas. La
tendencia en ese periodo fue de tres pacientes
adicionales por semana. La demanda en esta semana fue
de 27 análisis de sangre. Se usará α = 0.20 y β = 0.20
para calcular el pronóstico correspondiente a la semana
próxima.
SOLUCIÓN:
A0 = 28 pacientes y T0 = 3 pacientes
El pronóstico para la semana 2 (la semana siguiente) es:
A1 = 0.20(27) + 0.80(28 + 3) = 30.2
T1 = 0.20(30.2 - 28) + 0.80(3) = 2.8
F2 = 30.2 + 2.8 = 33 análisis de sangre
Si el número real de análisis de sangre solicitados en la
semana 2 resultara ser 44, entonces el pronóstico
actualizado para la semana 3 sería el siguiente:
A2 = 0.20(44) + 0.80(30.2 + 2.8) = 35.2
T2 = 0.2(35.2 - 30.2) + 0.80(2.8) = 3.2
F3 = 35.2 + 3.2 = 38.4 es decir, 38 análisis de sangre.
Punto de decisión. Con este modelo de suavizamiento
exponencial ajustado a la tendencia, el pronóstico para la
semana 2 fue de 33 análisis de sangre, y de 38 análisis de
sangre para la semana 3.
Si el analista elaborara los pronósticos al final de la
semana 2 para los periodos posteriores a la semana 3, el
pronóstico tendría que ser incluso mayor debido a la
tendencia ascendente, la cual se estima en 3.2 análisis de
sangre por semana.
Pronósticos para Medanalysis con el método de suavizamiento exponencial ajustadoa la tendencia
Para elaborar pronósticos correspondientes a periodos
posteriores al siguiente, se multiplica la estimación de la
tendencia por el número de periodos adicionales que se
desea incluir en el pronóstico y se suma el resultado al
promedio actual. Por ejemplo, si al final de la semana 2
se deseara estimar la demanda de análisis de sangre en la
semana 6 (es decir, 4 semanas más adelante), el
pronóstico sería de 35.23 + 4(3.28) = 48 análisis.
Una vez que llega la semana 15 y se sabe que el número
real de llegadas fue de 75 pacientes, el promedio
suavizado se actualiza a 66.38 y el promedio de la
tendencia a 2.29. En seguida, se pueden elaborar
pronósticos para varias semanas en el futuro.
Por ejemplo, los pronósticos para las próximas 3 semanas
serían:
o Pronóstico para la semana 16 = 66.38 + (1)(2.29) = 68.67
o Pronóstico para la semana 17 = 66.38 + (2)(2.29) = 70.96
o Pronóstico para la semana 18 = 66.38 + (3)(2.29) = 73.25
El método de suavizamiento exponencial ajustado a la
tendencia ofrece la ventaja de que es capaz de ajustar el
pronóstico a los cambios registrados en la tendencia. Sin
embargo, cuando la tendencia está cambiando, cuanto más
se proyecta hacia el futuro la estimación de la tendencia,
tanto más impreciso será el pronóstico. Por eso, es
conveniente restringir la utilización de los métodos de series
de tiempo a los pronósticos a corto plazo.