Produccin

Suavizacin Exponencial Simple

1
 Suavizacin Exponencial Simple
SES
Tenemos dos tipos de
informacin:
-El pronstico que hicimos
(HISTORIA)
-La demanda actual (ERROR).

Ft Dt 1 (1 ) Ft 1
El objetivo de este mtodo es
usar toda la informacin para ir
corrigiendo el pronstico del
periodo siguiente

2
 Suavizacin Exponencial Simple
SES
Modelo
Ft Dt 1 (1 ) Ft 1 Entonces

define el peso que queremos darle a

Ft Ft 1 ( Ft 1 Dt 1 ) la correccin del pronstico

Ft Ft 1 (et 1 ) El suavizamiento
exponencial aplica
un conjunto de
ponderaciones
Ft 1 Dt 1 et 1 0 decrecientes a
todos los datos
pasados..

3
 Suavizacin Exponencial Simple
SES
La Constante de suavizacin
250

200

150
Demanda
SES (alfa = 0,1)

100 SES (alfa = 0,5)

50

0
0 2 4 6 8 10 12 14 16 18 20

4
 Suavizacin Exponencial Simple
SES
Y la inicializacin
t Dt SE (0.1) PM (3)
1 50
Dt
2 35
60
3 42
55
4 45 50
5 45 45
Dt
6 55 40

7 56 35

8 46 30
0 2 4 6 8 10 12
9 42
10 57

5
 Suavizacin Exponencial Simple
SES
t Dt SE (0.1) PM (3)
60
1 50 47.3
2 35 47.6 55

3 42 46.3 50
Dt
4 45 45.9 42.3 45
SE (0.1)
5 45 45.8 40.7 40 PM (3)

6 55 45.7 44.0 35

7 56 46.6 48.3
30
0 2 4 6 8 10 12
8 46 47.6 52.0
9 42 47.4 52.3
10 57 46.9 48.0

6
 Suavizacin Exponencial Simple
SES
t Dt Ft (a= 0.2) et (a=0.2) abs (et) Ft (a=0.1) et (a=0.1) abs (et) PM (3) et abs (et)
1 50 47.3 -2.7 2.7 47.3 -2.7 2.7
2 35 47.8 12.8 12.8 47.6 12.6 12.6
3 42 45.3 3.3 3.3 46.6 4.6 4.6
4 45 44.6 -0.4 0.4 44.9 -0.1 0.1 42.3 -2.7 2.7
5 45 44.7 -0.3 0.3 44.7 -0.3 0.3 40.7 -4.3 4.3
6 55 44.8 -10.2 10.2 44.7 -10.3 10.3 44.0 -11.0 11.0
7 56 46.8 -9.2 9.2 45.8 -10.2 10.2 48.3 -7.7 7.7
8 46 48.6 2.6 2.6 47.7 1.7 1.7 52.0 6.0 6.0
9 42 48.1 6.1 6.1 48.4 6.4 6.4 52.3 10.3 10.3
10 57 46.9 -10.1 10.1 47.5 -9.5 9.5 48.0 -9.0 9.0

MSE 51.9 53.0 61.3

MAD 5.781 5.832 7.286

7
 Relacin entre los Mtodos
Relacin:
En series estacionarias: El papel que juegan y N
esta estrechamente relacionado; En caso de N
pequeos y grandes puede presentarse mayor
sensibilidad a los cambios en el proceso de la
demanda. (Errores con mayor varianza)
Dicha relacin esta dada por la siguiente expresin:
2
( N 1)

8
 Comparacin
Suavizacin Exponencial Simple o Promedios???
Similitudes Diferencias
Ambos mtodos se emplean para El pronstico con SES es un
cuando la demanda es estacionaria. promedio ponderado de todos los
Ambos mtodos dependen de la datos pasados. El pronstico con
especificacin de un solo promedios mviles, es un promedio
parmetro. ponderado de solo los ltimos N
datos.
Ambos mtodos se retrasarn con
respecto a una tendencia, si es que Para usar promedios mviles,
existe. debemos guardar todos los N datos
2 pasados, mientras que para el SES
Cuando N , ambos mtodos
slo necesitamos guardar el ltimo
tienen la misma distribucin de
pronstico
pronstico de error.

9
 Ejercicio 3
Las ventas semanales de martillos observadas en una
ferretera local en un periodo de 12 semanas fueron
de 14, 9, 30, 22, 34, 12, 19, 23, 35, 27, 29, 32.
a. Determine el pronstico para los periodos 1 a 13
utilizando SES con = 0.15, e inicializando con el
promedio de los datos.
b. Determine el pronstico para los periodos 6 a 16
utilizando SES con = 0.20, e inicializando con el
valor de la demanda del periodo 5.

10
 Produccin

Suavizacin Exponencial Doble o

Mtodo de Holt

11
 Agenda
Introduccin.
Suavizacin Exponencial Doble (SED - Holt).
Notacin
Modelo
Inicializacin
Mtodo de regresin lineal.
Otro Mtodo.

12
 Introduccin
Lo que conocemos hasta ahora.
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa
SUAVIZACIN EXPONENCIAL SIMPLE 0,2
t Dt St Ft e |e| %e e2
0 594,00 1800,00

1 640,00 603,20 594,00 -46,00 46,00 0,07 2116,00 1600,00

2 790,00 640,56 603,20 -186,80 186,80 0,24 34894,24 1400,00

1200,00
3 890,00 690,45 640,56 -249,44 249,44 0,28 62220,31
1000,00
4 1070,00 766,36 690,45 -379,55 379,55 0,35 144059,72
800,00
5 1150,00 843,09 766,36 -383,64 383,64 0,33 147180,88
600,00
6 1270,00 928,47 843,09 -426,91 426,91 0,34 182254,95
400,00
7 1330,00 1008,78 928,47 -401,53 401,53 0,30 161226,84
200,00
8 1530,00 1113,02 1008,78 -521,22 521,22 0,34 271674,98
1113,02 0,00
9
0 2 4 6 8 10 12
10 1113,02 ME -324,39
Demanda Pronstico SES (alfa = 0,1)
MAD 324,39
MAPE 0,28
MSE 125703,49
Dev. Std. 405,48

13
 Introduccin
Y si cambiamos el valor de alfa????
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa
SUAVIZACIN EXPONENCIAL SIMPLE 0,9
t Dt St Ft e |e| %e e2
0 594,00 1800,00
1 640,00 635,40 594,00 -46,00 46,00 0,07 2116,00 1600,00
2 790,00 774,54 635,40 -154,60 154,60 0,20 23901,16 1400,00
3 890,00 878,45 774,54 -115,46 115,46 0,13 13331,01 1200,00
4 1070,00 1050,85 878,45 -191,55 191,55 0,18 36689,87 1000,00
5 1150,00 1140,08 1050,85 -99,15 99,15 0,09 9831,63 800,00
6 1270,00 1257,01 1140,08 -129,92 129,92 0,10 16878,03 600,00
7 1330,00 1322,70 1257,01 -72,99 72,99 0,05 5327,77 400,00
8 1530,00 1509,27 1322,70 -207,30 207,30 0,14 42972,94 200,00

9 1509,27 0,00
0 2 4 6 8 10 12
10 1509,27 ME -127,12
Demanda Pronstico SES (alfa = 0,9)
MAD 127,12
MAPE 0,12
MSE 18881,05
Dev. Std. 158,90

14
 Introduccin
Y si ponemos otra constante de suavizacin??
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa Beta
SUAVIZACIN EXPONENCIAL DOBLE / HOLT CON TENDENCIA 0,1 0,2
t Dt St Gt Ft e |e| %e e 2

0 540,00 120,83
1 640,00 658,75 120,42 660,83 20,83 20,83 0,03 434,03 2500,00
2 790,00 780,25 120,63 779,17 -10,83 10,83 0,01 117,36
2000,00
3 890,00 899,80 120,42 900,88 10,88 10,88 0,01 118,45
4 1070,00 1025,19 121,41 1020,21 -49,79 49,79 0,05 2478,98 1500,00
5 1150,00 1146,94 121,48 1146,60 -3,40 3,40 0,00 11,55
6 1270,00 1268,58 121,51 1268,42 -1,58 1,58 0,00 2,50 1000,00
7 1330,00 1384,08 120,31 1390,09 60,09 60,09 0,05 3610,73
8 1530,00 1506,95 120,82 1504,39 -25,61 25,61 0,02 655,89 500,00
9 1627,77
10 1748,59 0,00
11 1869,42 0 5 10 15
12 1990,24 Demanda Pronstico SED (alfa = 0,1 / beta = 0,2)
13 2111,06
ME 0,07
MAD 22,88
MAPE 0,02
MSE 928,69
Dev. Std. 28,60

15
 Suavizacin Exponencial Doble o
Mtodo de Holt
Notacin

Nivel de la serie de tiempo en t: St

Tendencia de la serie de tiempo en t : Gt
Parmetro de suavizacin de nivel:
Parmetro de suavizacin de tendencia :

16
 Suavizacin Exponencial Doble o
Mtodo de Holt
Modelo
Ft, t+ = S t + Gt St = D t+ (1- ) (St-1 + Gt-1)

Gt = (St - St-1) + (1- ) Gt-1

50
Demanda
45

40

35
St
St
30
St-1 Gt-1 *
25

20 Dt

15 St* es la proyeccin de la recta que pasa

por St-1 y que tiene pendiente Gt-1
10

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

17
 Suavizacin Exponencial Doble o
Mtodo de Holt
Inicializacin por Regresin Lineal
Corte con el eje y (S0) Tendencia (G0)
Comportamiento de la Demanda
350

300

250

200

Yt
150
Lineal (Yt)

100

50

0
0 20 40 60 80 100 120
-50

18
 Suavizacin Exponencial Doble o
Mtodo de Holt
Inicializacin por Regresin Lineal
14
12 yi a bX i
10
8

y i
Y

6
4 ei yi
2
0
0 2 4 6 8 10 12

14
12 a y bx
10
8
n xi yi xi yi S xy
Y

6
4 b 2
2
0
n xi ( xi ) 2 S xx
0 2 4 6 8 10 12

19
Suavizacin Exponencial Doble o
Mtodo de Holt

r = 0.9517 r = 0,9601 r = 0,9532

20
 Suavizacin Exponencial Doble o
Mtodo de Holt
Otro mtodo de inicializacin

G0= (Vm-V1)/((m-1)*N)

S0 = V1- G0 *((N+1)/2)

21
 Ejercicio 1
t Dt St Gt Ft Et
50
0 45
1 15 40

2 20 35
30
3 26 25

4 30 20
15
5 35 10
6 38 5

7 40 0
0 2 4 6 8 10
8 43 Demanda

Alfa = 0,1
Beta = 0,2

22
 Solucin Ejercicio 1

t Dt St Gt Ft Et
50
0 12.8 4.01 45

1 15 16.7 3.99 16.8 1.83 40

35
2 20 20.6 3.99 20.6 0.64 30
25
3 26 24.7 4.00 24.6 -1.4 20
4 30 28.8 4.01 28.7 -1.3 15
10
5 35 33.1 4.04 32.9 -2.1 5
6 38 37.2 4.04 37.1 -0.9 0
0 2 4 6 8 10
7 40 41.1 4.03 41.2 1.24 Demanda Pronstico SED (alfa = 0,1 / beta = 0,2)
8 43 44.9 4.01 45.1 2.15

23
Solucin Ejercicio 1
(Empleando Excel )

24
 Ejercicio 2
Shoreline Park Mountain View, California, ha mantenido registros del nmero
de clientes habituales que visitan el parque desde su apertura en enero de
1993. Durante los primeros seis meses de operacin, se registraron las
siguientes cifras:
Mes # Clientes Mes # Clientes
Enero 133 Abril 640
Febrero 183 Mayo 1876
Marzo 285 Junio 2550

a. Calcule la inicializacin utilizando el mtodo de regresin lineal.

b. Calcule los pronsticos de Julio a Diciembre, empleando regresin lineal.
c. Calcule los pronsticos de Julio a Diciembre, empleando el mtodo de
SED con = 0,15 y =0,1

25