Está en la página 1de 4

Universidad Distrital Francisco José de Caldas Planeación y Control de la Producción I Jairo Humberto Torres Acosta Ph.D. P.E.

MÉTODOS DE SERIES DE TIEMPO

Para pronósticos a corto plazo, se utilizan de manera amplia los métodos de series de tiempo .

Una serie de tiempo es simplemente una lista cronológica de datos históricos, para los cuales,

el

supuesto básico es que la historia predice el futuro razonablemente. Existen varios modelos

y

métodos de series de tiempo tales como modelos constantes , de tendencia y estacionales.

{Sipper, D. y Bulfin, R. Planeación y control de la producción , McGraw Hill, 1988}

Las técnicas que más comúnmente se emplean en la determinación de pronósticos son aquellas que fundamentan su cálculo en la utilización de una base de información histórica o serie de tiempo. {Torres Acosta, J.H., Elementos de producción Vol. I, Sistema de investigaciones UCC, 1994}

Los métodos de serie de tiempo se utilizan para hacer análisis detallado del comportamiento de la demanda a lo largo del tiempo en el pasado, y de esta manera estimar la demanda pronosticada, proyectando los patrones del comportamiento hacia el futuro. Uno de los supuestos fuertes de los métodos de pronóstico de series de tiempo consiste en que para su análisis, la serie se puede desagregar en componentes como son el nivel promedio, la tendencia, la estacionalidad, la ciclicidad y el efecto aleatorio. {Torres Acosta, J.H, Pronósticos , Grupo de investigación MMAI, 2007}

1. Promedios Móviles

Un método sencillo pero muy frecuente de pronóstico es el de los promedios móviles. Un promedio móvil de orden N simplemente es el promedio aritmético de las N observaciones más recientes. {Nahmias, S. Análisis de la producción y las operaciones . CECSA, 1999}

Es una técnica que se utiliza para pronósticos a corto plazo. Al presentarse cambios en el patrón de la información histórica, por la presencia de una tendencia, ciclaje, estacionalidad o una combinación de estas, la técnica de los promedios móviles no se adapta rápidamente al cambio. {Torres Acosta, J.H., Elementos de producción Vol. I, Sistema de investigaciones UCC,

1994}

Un pronóstico de promedio móvil se obtiene sumando los datos de un número deseado de períodos pasados. Se distingue de un promedio simple por la condición de cálculos consecutivos, pues en el promedio móvil, cada uno de ellos se mueve hacia delante en el tiempo con el propósito de incluir una información más reciente cada vez, eliminando al mismo tiempo el dato más antiguo, situación que genera un comportamiento de dinamismo continuo en los resultados pronóstico. {Torres Acosta, J.H., Elementos de producción Vol. I , Sistema de investigaciones UCC, 1994}

El método más sencillo para realizar pronósticos de series de tiempo es el método de promedio móvil. Este método supone solo los componentes de nivel y aleatorio. No involucra patrones de estacionalidad, tendencias, ni componentes de ciclos de los datos de la variable. {Torres Acosta, J.H, Pronósticos , Grupo de investigación MMAI, 2007}

Las formulaciones calculan en primer término el promedio móvil M T y se tiene la siguiente fórmula:

Universidad Distrital Francisco José de Caldas Planeación y Control de la Producción I Jairo Humberto Torres Acosta Ph.D. P.E.

1

T = período para el cual se está deduciendo el promedio M

t = es el período de la demanda observada (D t )

N = Número de observaciones para el promedio

El promedio M T también se puede calcular mediante la siguiente relación:

El primer T debe ser igual a N

Como desarrollo de las recientes investigaciones, se calculan los índices para cada período T que así lo permita, mediante la siguiente relación:

Para calcular el pronóstico de cada mes del siguiente año, se organizan los resultados de I T de tal forma que exista correspondencia entre los índices por mes y por año, es decir que por ejemplo los índices para el mes 1 años 1, 2, 3, 4, 5, 6 serían I 1 I 13 I 25 I 37 I 49 I 61 y de la misma forma para los demás meses del año.

Una vez organizados los índices para todos los meses (t) y años (m) de la información histórica, se procede a determinar los índices de temporada IT t .

para todos los t meses del año

Finalmente, el pronóstico será el promedio móvil por mes teniendo en cuenta que sea para el último año, es decir M tM multiplicado por el IT t

EJEMPLO

2. Suavización Exponencial

1, … ,

Suponga que quiere calcular un promedio móvil de período N pero no se conoce d T N+1 dato que es necesario en la formula de actualización. La única opción es estimarla; parece razonable usar el promedio móvil M T 1 como estimación de d T N+1 . {Sipper, D. y Bulfin, R. Planeación y control de la producción, McGraw Hill, 1988}.

La utilización de los métodos de pronóstico normalmente requiere de una gran cantidad de datos, lo cual se puede convertir en un problema de almacenamiento de información. La suavización exponencial elimina este tipo de problemas pues el índice de suavización ( α ) permite darle peso o ponderación a las observaciones de la información histórica, dándole mayor importancia a los datos más recientes o a los más antiguos de acuerdo con el nivel de conveniencia que se requiera manejar en el resultado de los pronósticos. {Torres Acosta, J.H., Elementos de producción Vol. I , Sistema de investigaciones UCC, 1994}

Universidad Distrital Francisco José de Caldas Planeación y Control de la Producción I Jairo Humberto Torres Acosta Ph.D. P.E.

La actualización del promedio M t es la siguiente:

Al reunir los términos semejantes se tiene:

1

1

1

Este promedio, hablando estrictamente, ya no es un promedio móvil, sino que, se puede ver cómo un promedio ponderado de los datos actuales y la estimación anterior de la media del proceso. El factor 1/N lo sustituimos por el valor α (0 ≤ α ≤ 1) y el estimador M T 1 por S T 1 . {Torres Acosta, J.H, Pronósticos , Grupo de investigación MMAI, 2007}

De esta forma el pronóstico para suavización exponencial es:

1 Que corresponde al promedio

De la formula anterior se deduce que α es la ponderación dada a la observación más reciente, de manera que una ponderación grande (cercana a 1) hará que el pronóstico sea más sensible al dato más reciente, mientras que un valor más pequeño (cercano a 0) le dará más peso a un valor promedio.

2.1 Suavización Exponencial Doble

Para hacer un pronóstico cuando existe una tendencia, el método de suavización exponencial doble puede ser utilizado para obtener el pronóstico. La siguiente ecuación representa el proceso de generación de datos para una serie con tendencia.

Donde

esperado igual a 0 y varianza

a

t

y

b son los parámetros del proceso y es el error por variación aleatoria con valor

t

t

σ

2

t

.

Para reducir el efecto de aleatoriedad se puede usar la diferencia de los promedios calculados en dos periodos sucesivos, de modo que la pendiente en el tiempo T sería:

El conjunto general de formulas que permite el cálculo para suavización exponencial doble es el siguiente:

Fórmula para la estimación de la ordenada

• Fórmula para la estimación de la ordenada 1 • Fórmula para la estimación de la

1

Fórmula para la estimación de la pendiente

Fórmula para el pronóstico

para la estimación de la ordenada 1 • Fórmula para la estimación de la pendiente •

para la estimación de la ordenada 1 • Fórmula para la estimación de la pendiente •

1

1

1

Universidad Distrital Francisco José de Caldas Planeación y Control de la Producción I Jairo Humberto Torres Acosta Ph.D. P.E.

Se recomienda que para los cálculos, los valores de α y β sean iguales.

Ejemplo