Tecnológico Nacional de México Campus Cd.
Victoria
Nombre de la carrera: Ingeniería Industrial
Nombre de la materia: Administración de las operaciones I
Nombre y número de la unidad: Unidad 2 - Pronostico de la
demanda.
Nombre y número de la actividad: Tarea 3 Adm Op I
Nombre de la maestra: Flora Alicia González Jiménez
Nombre del estudiante: Arnoldo Brayam García Riestra
Numero de control: 19380237
Cd. Victoria – Tamaulipas, 18 de Octubre del 2021
Promedios Móviles
¿Qué es?
Se utiliza cuando se quiere dar más importancia a conjuntos de datos más
recientes para obtener la previsión. Cada punto de una media móvil de una serie
temporal es la media aritmética de un número de puntos consecutivos de la serie,
donde el número de puntos es elegido de tal manera que los efectos estacionales
y / o irregulares sean eliminados.
El pronóstico de promedio móvil es óptimo para patrones de demanda aleatoria o
nivelada donde se pretende eliminar el impacto de los elementos irregulares
históricos mediante un enfoque en períodos de demanda reciente.
Promedio Móvil
Fórmula:
Ejercicio
Una compañía presenta en el siguiente tabulado el reporte de ventas
correspondiente al año 2009:
Teniendo en cuenta los datos anteriores, se debe calcular un pronóstico mediante
la técnica de Promedio Móvil utilizando:
Un período de 3 meses (a partir de abril de 2009)
Un período de 6 meses (a partir de julio de 2009)
El objetivo consiste en identificar con cuál de los dos períodos del pronóstico se
obtiene mayor precisión al compararse con las ventas reales del reporte.
Solución
Al ser un pronóstico con un período móvil de 3 meses, este deberá efectuarse a
partir del mes de abril, es decir que para su cálculo tendrá en cuenta tres períodos,
es decir, Enero, Febrero y Marzo.
Luego para efectuar la previsión del mes de Mayo, deberán tenerse en cuenta los
últimos tres períodos que anteceden al mes de Mayo, es decir Febrero, Marzo y
Abril.
De esta manera se efectúan las previsiones restantes obteniendo el siguiente
resultado:
El
pronóstico restante al ser un pronóstico con un período móvil de 6 meses, este
deberá efectuarse a partir del mes de Julio, es decir que para su cálculo tendrá en
cuenta seis períodos, es decir, Enero, Febrero, Marzo, Abril, Mayo y Junio.
De esta manera se efectúan las previsiones restantes obteniendo el siguiente
resultado:
Aunque existen diversos indicadores de precisión de un pronóstico, en este caso
el resultado es más que evidente, pues podemos observar como el pronóstico con
un período móvil de 3 meses logra aproximarse en una mayor medida a las ventas
reales del año 2009 con relación a las previsiones obtenidas mediante el
pronóstico con un período móvil de 6 meses.
Suavización Exponencial
¿Qué es?
El método de suavizamiento exponencial es una manera de pronosticar la
demanda de un producto en un periodo dado. Estima que la demanda será igual a,
por ejemplo, la media de los consumos históricos para un periodo dado, dando
una mayor ponderación a los valores más cercanos en el tiempo.
El método de suavización exponencial simple trabaja a través de una constante de
suavización alfa (α) que tiene un valor comprendido entre 0 y 1, aunque en la
aplicación real su valor suele variar entre 0,05 y 0,50.
La fórmula de suavizamiento exponencial es la siguiente:
Fórmula de suavizamiento exponencial simple donde
Ft= Nuevo pronóstico
Ft-1= Pronóstico del periodo anterior
α = constante de suavización
At-1= demanda real del periodo anterior
Ejercicio
Una empresa de consumo masivo lleva registro de la demanda mensual de uno de
sus productos emblemáticos para un período de un año. Dicha información se
presenta en la columna etiquetada Demanda en la imagen a continuación. Se
requiere utilizar el método de suavizamiento exponencial simple considerando tres
valores para el parámetro de suavizamiento alfa: 0,1; 0,5 y 0,9. Obtener el
pronóstico del período 13 (mes de Enero del año siguiente) y evaluar el ajuste del
método para cada uno de los valores de alfa propuestos.
Recordar que el suavizado exponencial requiere de un primer pronóstico para su
aplicación. En este caso hemos decidido generar un pronóstico a contar del
segundo período (mes de Febrero) y asumir que dicho valor corresponde a la
demanda real del mes anterior (mes de Enero o período 1). Este criterio por cierto
es arbitrario y se podría seleccionar otro punto de partida, por ejemplo, un
promedio para la demanda real de los 12 meses.
Adicionalmente en las columnas E, F y G de la imagen anterior se observa los
pronósticos para alfa 0,1, 0,5 y 0,9, respectivamente. En particular se puede
corroborar la fórmula utilizada para obtener el pronóstico del mes de Febrero
utilizando α=0,1 (celda E5), donde los resultados han sido aproximados al entero
más cercano.
Considerando la información anterior ¿Cuál de los 3 métodos tiene asociado una
menor Desviación Absoluta Media (MAD)?
Para obtener el MAD (Mean Absolute Deviation) o Desviación Absoluta Media,
aplicamos el procedimiento descrito en el artículo Cálculo del MAD y la Señal de
Rastreo para un Pronóstico de Demanda. En la planilla interactiva a continuación
puedes simular tanto los pronósticos como el comportamiento del MAD para
distintos valores de alfa. Para ello basta con editar las celdas en color amarillo.
Conclusión: El alfa que provee el menor MAD al período 12 entre las 3 alternativas
evaluadas (0,1, 0,5 y 0,9) es α=0,1 (MAD de 449,7). En efecto se puede
corroborar utilizando el módulo Predictor de Crystal Ball (según se describe en
Cómo utilizar el Módulo Predictor en Crystal Ball para Promedio Móvil Simple y
Suavizado Exponencial Simple) que α=0,001 es el valor de alfa que minimiza el
MAD en este ejemplo.
Observación: En la pantalla de los resultados obtenidos con Predictor de Crystal
Ball se observa que para α=0,001 el valor del MAPE es 22,43%.
Fórmula
Notación
Ft – Pronóstico del periodo t
Dt – Valor observado en el periodo t
α – constante de suavizamiento o alisado
Los valores de la constante de suavizamiento (α) se encuentran entre 0 y 1. Así,
resulta sencillo entender la fórmula: el último pronóstico (F t) es igual al pronóstico
anterior (Ft-1) más una fracción (0≤α≤1) del error (Dt-1-Ft-1).
La fórmula se puede reescribir como:
Valor de la constante de suavizamiento
Entre más grande sea el valor de α más peso le estaremos dando los datos más
recientes. Si α=1 se tiene que el modelo SES se convierte en el modelo del último
dato:
Se recomienda usar valores entre 0.1 y 0.3 para eliminar las variaciones
aleatorias. Los valores altos responderán mejor a cambios repentinos pero, en ese
caso, resulta discutible que la serie de tiempo sea estable. Por ejemplo, un valor
alto de α permitirá que el pronóstico responda mejor frente a un cambio en la
tendencia pero, entonces, no estamos tratando con una serie estable y será
preferible utilizar otro modelo que considere la tendencia.
Estimación inicial
Para iniciar el modelo es necesario conocer el pronóstico anterior Ft-1.
Hay muchas maneras de proponer una estimación inicial, se puede:
Utilizar el método del último dato
Utilizar un promedio de N datos
Asumir que el error anterior fue cero lo que implica que
Tendencia Lineal
¿Qué es?
En este enfoque, las estimaciones para el promedio y la tendencia son
suavizadas, por lo cual se requieren solamente dos constantes de suavización.
Formula:
Ejercicio
Solución:
Bibliografía
1.- https://www.ingenieriaindustrialonline.com/pronostico-de-la-demanda/promedio-
movil/
2.- https://www.forcemanager.com/es/blog/pronosticos-cuantitativos/
3.- https://www.gestiondeoperaciones.net/proyeccion-de-demanda/suavizamiento-
exponencial-simple-ejercicios-resueltos/
4.- https://www.celeberrima.com/suavizado-exponencial-simple-ejemplo-y-formula/
5.- https://sites.google.com/site/claseadm2016/class-schedule/2-3-metodos-
cuantitativos-para-los-pronosticos
6.- https://prezi.com/zn_axsg8rkpz/14-metodosdemanda/
