Universidad Francisco Gavidia Facultad de Ingeniera y Arquitectura Coordinacin de Ingeniera industrial

Asignatura: Investigacin de Operaciones II Catedrtico: Ing. Georgeth Renan Rodrguez Arvalo Grupo de Clase: 02

Trabajo Bibliogrfico sobre Suavizacin Exponencial Mltiple.

Integrantes:

Aguilar Prudencio Herbert Alberto

AP102211

Galdmez Garca Jenny Guadalupe

GG104609

Salazar Guilln Irma Vernica

SG100610

San Salvador, 3 de marzo del 2013.

ndice

Objetivos................................................................................................................................ 1 Objetivos Generales ........................................................................................................ 1 Objetivos Especficos ....................................................................................................... 1 Introduccin ......................................................................................................................... 2 I. II. Suavizado Exponencial Simple ................................................................................... 3 Suavizacin Exponencial Doble Mtodo de Brown ................................................ 4

III. Modelos de Pronstico Suavizacin Exponencial Ajustada a la Tendencia por el Mtodo de Holt ......................................................................................................... 6 IV. Suavizacin Exponencial Cuadrtica Mtodo De Brown .................................. 8

V. Suavizacin Exponencial Triple Mtodo De Winter o Ajuste a la Tendencia y a la Variacin Estacional........................................................................................................ 9 VI. VII. VIII. IX. X. Suavizacin exponencial Mltiple ........................................................................ 10 Metodologa de aplicacin: ................................................................................. 11 Aplicaciones ............................................................................................................ 12 Ejemplos ................................................................................................................ 12

Conclusiones ............................................................................................................... 14

Recomendaciones ............................................................................................................ 14 Glosario ................................................................................................................................ 15

Objetivos

Objetivos Generales Conocer, comprender los diferentes mtodos cuantitativos de pronsticos relacionados a la Suavizacin Exponencial dplex, triple y cudruple, en general suavizaciones exponenciales mltiples, para desarrollar criterios cuantitativos para la toma de decisiones aplicables a situaciones relevantes dentro de las organizaciones.

Objetivos Especficos Reconocer la importancia de la aplicacin de los mtodos de pronsticos cuantitativos en las organizaciones. Identificar posibles aplicaciones del mtodo de suavizacin exponencial en problemas que afectan las organizaciones Desarrollar distintos ejemplos para dar a conocer la funcionabilidad de la tcnica apropiada en mtodo de suavizacin exponencial. Emplear el software WinQSB y Excel para la solucin de problemas prcticos. Aplicar al menos un instrumento cuantitativo de decisiones.

Introduccin

Antes de entrar en detalle conoceremos que es el Suavizamiento Exponencial : Es un mtodo popular para series de tiempo estacionarias, en donde los datos recientes se ponderan de tal manera que esta disminuya exponencialmente en la medida que los datos se hacen antiguos, existen dos maneras generales comnmente utilizadas de suavizar series de tiempo, la primera es a travs de los mtodos o tcnicas conocidas como de promedios mviles y la segunda por medio de las tcnicas llamadas de suavizacin exponencial, la cual ser nuestro objeto de estudio, ahora bien dentro de las tcnicas de suavizacin exponencial existe una gran variedad pero entre ellas mencionaremos unas de las ms utilizadas que son las que siguientes:

Suavizacin Exponencial Simple Suavizacin Exponencial Ajustada a la tendencia (Mtodo de Holt) Suavizacin Exponencial Triple o de Tres parmetros de Winter

Suavizacin Exponencial Doble (Mtodo de Brown), Suavizacin Exponencial Simple de Respuesta Adaptativa, Suavizacin Exponencial Cuadrtica (Mtodo de Brown

En nuestro trabajo presentaremos los mtodos o tcnicas para suavizar o atenuar series de tiempo, y la obtencin de un valor estimado o pronosticado basado en esa atenuacin, poniendo mayor nfasis en las suavizaciones exponenciales dobles y triples, conoceremos a grandes rasgos las suavizaciones exponenciales simples Esperemos que nuestro lector quede satisfecho de la investigacin realizada.

I.

Suavizado Exponencial Simple

Este mtodo pondera las observaciones pasadas con ponderaciones decrecientes exponencialmente para pronosticar valores futuros, el esquema de suavizado comienza por colocar S2 a y1, donde Si posiciona para la observacin suavizada y y posiciona para la observacin original. El sub-ndice se refiere a los periodos de tiempo 1, 2, 3,.n, pero para el tercer periodo

Posicin de la observacin suavizada

Posicin de la observacin original

Periodo de tiempo Constante de atenuacin

S3 =y2 + (1-) S2-1, donde 0< 1, t 4

Esta es la ecuacin bsica del suavizado exponencial y la constante es la llamada constante de suavizado, al expander la ecuacin bsica pero sustituimos primero para St-1 en la ecuacin bsica para obtener

(
Al sustituir para

)[

y sucesivamente, hasta que alcancemos S2

puede ser mostrado que la ecuacin expandida puede ser escrita como ( ) ( ) , donde t=2

Teniendo ya una idea hacia donde queremos llegar presentamos el primer mtodo de Suavizacin Exponencial Doble Mtodo de Brown

II.

Suavizacin Exponencial Doble Mtodo de Brown

Este mtodo consiste en realizar dos suavizaciones exponenciales, a partir de las cuales se obtendr el valor estimado, o pronstico que buscamos realizar, mediante un clculo realizado con una expresin sencilla, la primera se aplica a los valores observados en la serie de tiempo y la segunda a la serie atenuada obtenida mediante la primera atenuacin, debido a que los valores calculados al realizar las dos primeras atenuaciones no son los datos estimados a obtener, es decir, que constituirn las inferencias de los valores que se espera que tome la serie de tiempo en el futuro cercano, usaremos una notacin distinta a la de la expresin final con la cual se calculan los valores que constituyen en realidad el pronstico. Las expresiones son las siguientes:

( (

) )

Donde m representa el nmero de periodos hacia el futuro del que se pretende hacer el pronstico. Tabla 1 Valores Pronosticados con la Suavizacin Exponencial Doble Mtodo de Brown.

Grfica 1 Grafica de Lneas de la Serie de Tiempo y de su Pronstico Obtenido con la Suavizacin Exponencial Doble por el Mtodo de Brown.

Tabla 2 Medidas de Precisin Obtenidas al Aplicar el Mtodo de la Suavizacin Exponencial Doble con el Mtodo de Brown.

Al utilizar este mtodo se obtienen valores estimados de la tendencia que son muy sensibles a las variaciones aleatorias, debido a que se utiliza una sola constante de atenuacin. Esta situacin que no es deseable que se presente es la que Holt intenta resolver al proponer el siguiente modelo.

III.

Modelos de Pronstico Suavizacin Exponencial Ajustada a la Tendencia por el Mtodo de Holt

Esta tcnica tambin conocida como el mtodo de los dos parmetros de Holt atena en forma directa la tendencia y la pendiente al utilizar una constante de atenuacin diferente para cada una de ellas.

Con esta ecuacin se atena la serie en forma exponencial de manera similar a como se haca en el caso de la suavizacin exponencial simple, la diferencia radica en que se agrega un trmino para tomar en cuenta la tendencia. La ecuacin con la cual se estima la tendencia es la que sigue.

La estimacin de la tendencia es calculada al obtener la diferencia entre los valores sucesivos de la atenuacin exponencial , ya que estos se atenuaron con fines de aleatoriedad, su diferencia constituye una estimacin de la tendencia de los datos. Y al final se obtiene el pronstico para m periodos hacia el futuro por medio de la posterior expresin matemtica. donde para las anteriores expresiones: en

SIMBOLOGIA

SIGNIFICADO Es el valor atenuado. Es la constante de atenuacin de los datos de la serie de tiempo Es el valor real de la serie de tiempo en el periodo t.

Es la constante de atenuacin utilizada para estimar la tendencia Estimacin de la tendencia. Es el nmero de periodos a pronosticar en el futuro. Es el pronstico de m periodos hacia el futuro.

IV.

Suavizacin Exponencial Cuadrtica Mtodo De Brown

Este mtodo se utiliza cuando se presenta una tendencia no lineal en la serie de tiempo, ya que las tcnicas estudiadas con anterioridad arrojan resultados con un elevado error al intentar pronosticar este tipo de comportamiento en los datos. Esta tcnica consigue buenos resultados al pronosticar este tipo de series al realizar tres suavizaciones como se muestra a continuacin en las expresiones matemticas para realizar el clculo de pronstico. Primera suavizacin Segunda suavizacin Tercera suavizacin Intercepto

Pendiente de la serie de tiempo

Parmetro de no linealidad de segundo rden Pronstico para el periodo

Como inicializacin podemos usar:

V.

Suavizacin Exponencial Triple Mtodo De Winter o Ajuste a la Tendencia y a la Variacin Estacional

Este mtodo se utiliza cuando adems de presentarse una tendencia lineal en la serie de tiempo, hay tambin un patrn de comportamiento de tipo estacional o peridico en los datos o valores de la serie de tiempo. Esta tcnica es una extensin del mtodo de Holt ya que incorpora una ecuacin para calcular una estimacin de la estacionalidad. La estimacin de la estacionalidad est dada por un ndice estacional se multiplica por la constante de atenuacin , sumndose despus a la que

estimacin anterior . Que se multiplica por . Las siguientes expresiones matemticas son las utilizadas para hacer los clculos en esta tcnica de pronstico. Atenuacin de la serie de tiempo.

. Estimacin de la tendencia. . Estimacin de la estacionalidad.

. Pronstico para p periodos en el futuro. .

En donde:

Es el nuevo valor atenuado suavizado. .

. Es la constante de atenuacin que toma valores en el intervalo . Es la nueva observacin o valor real de la serie en el momento t.

. Es la constante de atenuacin de la estimacin de la tendencia y toma valores en el intervalo . Es la estimacin de la tendencia.

. Es la constante de atenuacin de la estimacin de la estacionalidad y toma valores en el intervalo . Es la estimacin de la estacionalidad.

. Es el nmero de periodos a pronosticar en el futuro. . Es la longitud de la estacionalidad.

. Es el pronstico para p periodos en el futuro.

VI.

Suavizacin exponencial Mltiple

Una simple estimacin de la pendiente dara la diferencia entre las demandas en dos periodos sucesivos; sin embargo, la variacin aleatoria inherente hace que esta estimacin sea mala. Para reducir el efecto de aleatoriedad se puede usar la diferencia entre los promedios calculados en dos periodos sucesivos. Usando suavizacin exponencial, la estimacin del promedio en T, es ST, de manera que la estimacin de la pendiente en el tiempo T BT = (ST - ST-1) Con esta idea una vez ms, se puede usar suavizacin exponencial para actualizar la estimacin de la tendencia, lo que lleva a la suavizacin exponencial doble, representada por el siguiente conjunto de ecuaciones. ST = dT + (1- ) (ST-1 + BT-1) BT = (ST - ST-1) + (1- ) BT-1 FT+K = ST + k BT El pronstico para k periodos futuros consiste en la estimacin de la pendiente ms una correccin por tendencia. Debe elegirse uno de los dos parmetros y , para el suavizacin
10

exponencial doble. Los comentarios sobre la eleccin de en el suavizacin exponencial simple son vlidos para ambos parmetros en este caso. El doble suavizado exponencial tiende a suavizar el ruido en series de demanda estables. El modelo es directo; suaviza el pronstico obtenido con un modelo de suavizado exponencial de primer orden y el pronstico obtenido mediante un modelo de suavizado exponencial doble. FD1 = Alfa F t + (1 - Alfa) FD t-1 Donde 0 " Alfa " 1.0 Ft es el modelo suavizado exponencial de primer orden y debe ser calculado antes de encontrar la FDt

VII.

Metodologa de aplicacin:
Se define (0 < < 1) como constante de suavizacin y se supone que los puntos de la serie del tiempo para los ltimos t perodos son y1, y2,, yt. Entonces y*t+1, el estimado para el perodo t + 1, se calcula como sigue: y*t+1= yt+ 1- yt-1+ 1- 2yt-2+ Como los coeficientes respectivos de yt, yt-1, yt-2, son progresivamente menores, el nuevo procedimiento asigna ms peso a los puntos de los datos ms recientes. La frmula para calcular y*t+1 se puede simplificar como sigue: y*(t+1)= yt+1yt-1+ 1- yt-2+ 1- 2yt-3+= yt+1- y*t De esta forma se puede calcular y*t+1 a partir de y*t. En forma recursiva. La ecuacin recursiva se inicia saltndose la estimacin y*1 en t = 1 y tomando el estimado para t = 2 como igual al dato real para t = 1; esto es, y*2 = y1. En realidad, cualquier procedimiento razonable se puede usar para iniciar los clculos. Por ejemplo, hay quienes sugieren estimar a y*0 como el promedio de una cantidad razonable de periodos al iniciar la serie de tiempo. La seleccin de la constante de suavizacin es bsica para estimar los
11

pronsticos del futuro. Un valor mayor de implica que las observaciones ms recientes tienen mayor peso. En la prctica, el valor de va de 0.01 a 0.30. La seleccin de depende de las caractersticas de la demanda. Los valores altos de son ms sensibles a las fluctuaciones de la demanda. Los valores bajos de son ms apropiados para demandas relativamente estables (sin tendencia o ciclicidad), pero con una gran cantidad de variacin aleatoria. Un valor de que proporcione aproximadamente un grado equivalente de suavizacin tanto como un promedio mvil de un perodo es : = 2 / (n + 1).

VIII.

Aplicaciones
Las aplicaciones de este mtodo son muy diversas en el rea organizacional, algunas de ella son:

Cadenas de abastecimientos , supermercados, tiendas de conveniencia Pronsticos de ventas totales Estimacin de valores de inflacin Niveles de inventario Administracin de la demanda Proyecciones de nuevos productos

IX.

Ejemplos

1) El hospital general de Zacamil, ha experimentado una demanda irregular y a menudo creciente de material mdico desechable en todo el hospital. La demanda de tubos desechables durante los dos ltimos meses ha sido de 300 unidades en septiembre y de 350 unidades en octubre. El antiguo procedimiento de pronstico consisti en utilizar la demanda promedio del ao anterior como
12

pronstico para cada uno de los meses de ese ao. La demanda mensual del ao anterior fue de 200 unidades. Utilizando 200 unidades como el pronstico de la demanda de septiembre y un coeficiente de suavizacin de 0.7 para dar un mayor peso a la demanda ms reciente, el pronstico para el mes de octubre debera haber sido (t = octubre) F t = Dt-1 + (1 - ) F t-1 = .7(300) + (1 - .7)200 = 210 + 60 = 270 El pronstico para el mes de noviembre sera (t = noviembre) F t = Dt-1 + (1 - ) F t-1 = .7(350) + (1 - .7)270 = 245 + 81 = 326 En vez de la demanda mensual del ao pasado de 200 unidades, es pronstico para el mes de noviembre es de 326 unidades. El mtodo antiguo de pronstico, la heurstica basada en un promedio simple, proporcion un pronstico considerablemente diferente del que se obtuvo con el suavizado exponencial.

2) Milo Inc. Tiene un modelo de modelo de suavizado exponencial que ha proporcionado un pronstico de 103,500 bushels para un trigo de grado # 3del ao anterior, en el mes de junio, fue de 70,500 bushels. Esta cifra emplear como estimacin de pronstico ms reciente obtenida mediante un suavizado exponencial doble. Dado que Alfa = 0.20 parece ser un buen coeficiente de suavizado para Milo Inc., obtener un pronstico con un modelo exponencial doble para el mes de julio. Sea t = julio Entonces FD1 = F t + (1 - )FD t-1 =.2(103,500) + (1 - .2)(70,500) = 20,700 + 56,400
13

=77,100 El pronstico para julio ser de 77,100 bushels.

X.

Conclusiones

El mtodo de suavizacin exponencial simple o compuesta es un mtodo de pronsticos cuantitativo muy til para determinar eventos futuros a corto plazo, se debe elegir un valor Alfa es un valor entre 0 y 1, es decir es un porcentaje, que debe escoger la persona que hace el anlisis Este mtodo cuantitativo de pronsticos lo que realiza es un suavizado, es decir marca una tendencia a corto plazo, tomando en cuenta el dato inmediato anterior., aplicado a cadenas de abastecimientos, proyecciones de venta las aplicaciones de este mtodo son variadas y van desde cadenas de abastecimientos, proyecciones de venta, demanda, etc. El valor Alfa elegido debe estar entre 0 y 1, el cual puede ser determinado por una o varias personas expertas en la materia, ya que de eso depende que los resultados del pronstico sean certeros o lo ms cercano a la realidad. Podemos decir que la experiencia y el conocimiento de la situacin a tratar son vitales, adems es un mtodo a corto plazo ya que Da pesos relativos a los pronsticos anteriores y a la demanda ms reciente. * Para la solucin de este mtodo, la forma ms efectiva es emplear el software WinQSB o Excel para la solucin de problemas prcticos.

Recomendaciones
Se recomienda estudiar y conocer a profundidad cada uno de los mtodos de pronsticos, ya que son ampliamente utilizados en las organizaciones. Utilizar y practicar en los software indicados para el uso de estos mtodos para agilizar en la manera de lo posible la obtencin de datos. Conocer mediante exposiciones las utilidades, aplicaciones y usos de estos mtodos de pronsticos

14

 Se recomienda que el personal que utilizar el mtodo de suavizacin exponencial tengan la suficiente experiencia sobre la situacin a tratar ya que de ello depende la certeza el mtodo. Se recomienda realizar la toma de decisiones en base a mtodos conocidos y con aplicacin en el rea

Glosario
Pronstico a corto plazo: Este tiene un lapso de hasta un ao, pero es
generalmente menor a tres meses, se utiliza para planear las compras, programacin de planta, niveles de fuerza laboral, asignaciones de trabajo y niveles de produccin un pronstico de rango mediano, o intermedio, generalmente con un lapso de tres meses a tres aos es valioso en la planeacin de produccin y presupuestos, planeacin de ventas, presupuestos de efectivo, y el anlisis de varios planes de operacin. Pronstico a largo plazo: Generalmente con lapsos de tres aos o ms, los pronsticos a largo plazo se utilizan para planear nuevos productos desembolsos de capital, localizacin e instalaciones o su expansin, y la investigacin y el desarrollo. Tipos de pronstico Pronsticos econmicos marcan el ciclo del negocio al predecir las tasas de inflacin, oferta de dinero, nuevas construcciones, y otros indicadores de planeacin. Pronsticos tecnolgicos tienen que ver con las tasas de progreso tecnolgico, que pueden dar por resultado el nacimiento de productos novedosos, que requieren nuevas plantas y equipo Pronsticos de demanda son proyecciones de la demanda para los productos o servicios de una compaa. Estos pronsticos, tambin llamados pronsticos de ventas, conducen la produccin de una compaa, la capacidad, y los sistemas de programacin, y sirven como insumos a la planeacin financiera, de mercado y de personal. Enfoques para pronosticar

Bibliografa
HAMDY A. TAHA, Investigacin de Operaciones, 7a Edicin. Mxico, Pearson Educacin, Prentice Hall, 2004. RONALD E. WAPOLE / RAYNOND H. MYERS/SHARON L. MYER , Probabilidad y Estadstica para Ingenieros, 6ta. Edicin, Pearson Educacin, Prentice Hall, 1998

15

STEPHEN N. CHAPMAN, Planificacin y Control de la Produccin 1 era. Edicin, Pearson Educacin, Prentice Hall, 2006

16