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