SUAVIZACIÓN

EXPONENCIAL

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial
Departamento de Gestión Industrial, Agroindustrial y Operaciones.
miércoles, 19 de febrero de 2020 PRODUCCIÓN 2020-1 1
 DEMANDA CONSTANTE

50

45
𝑑 𝑇 = a + ε𝑡
40

35

30
Donde
Demanda

25 𝐚 es la constante (promedio) de la demanda

20

15
𝜀𝑡 el ruido aleatorio con N(0,𝜎 2)
10

0
0 5 10 15 20 25 30 35 40
Periodo

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 2

 SUAVIZACIÓN EXPONENCIAL SIMPLE
(EXPONENTIAL SMOOTHING)

𝐹𝑇 = 𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑝𝑎𝑟𝑎 𝑇

𝛼= 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑐𝑖ó𝑛 (𝑒𝑠𝑡𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑒𝑛𝑡𝑟𝑒 𝑐𝑒𝑟𝑜 𝑦 𝑢𝑛𝑜)
𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1
𝑑 𝑇−1 = 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 anterior

𝐹𝑇−1 = 𝑒𝑠 𝑒𝑙 𝑝𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑇 − 1

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 3

CONSTANTE DE SUAVIZACIÓN α

α =0,5
0,5
0,25
0,125
0,0625

Constante de Uniformidad

Velocidad de reacción

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 4

 SUAVIZACIÓN EXPONENCIAL SIMPLE
EJEMPLO
Con los siguientes datos de demanda, hallar el pronóstico para el periodo 51:

Periodo Demanda
45 44000 𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1
46 43000
47 47000
𝛼 = 0,3
48 44000
49 46000
50 40000
51

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 5

 SUAVIZACIÓN EXPONENCIAL SIMPLE
EJEMPLO

Pronóstico 𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1

Periodo Demanda
alfa=0,3
45 44000 44000
46 43000 44000 𝛼 = 0,3
47 47000 43700
48 44000 44690 El pronóstico para el periodo 51 es de 43457
49 46000 44483 unidades
50 40000 44938,1
51 43456,67

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 6

 EJERCICIO EN CLASE 1

Si la demanda real para el periodo 51 fue de 43000, halle el pronóstico para la

semana 52.
Periodo Demanda
45 44000 𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1
46 43000
47 47000
48 44000
49 46000
50 40000
51 43000
52
PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 7
 EJERCICIO EN CLASE 2

Calcule el pronóstico para el periodo 8, utilizando una constante de uniformidad de

0,2.
Periodo Demanda 𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1
1 3500
2 3600
3 3450
4 3700
5 3550
6 3640
7 3590
8
PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 8
 EJERCICIO EN CLASE 3

Sunrise también planea sus compras de ingredientes para la producción de pan. Si para esta semana se
pronosticó una demanda de pan de 22 000 unidades, pero sólo se demandaron 21 000, ¿cuál debe ser la
demanda que pronostique Sunrise la próxima semana, con constante de suavización de 𝛼 = 0.10?

𝛼 = 0,1
𝐹𝑇 = 𝛼 𝑑 𝑇−1 + (1 − 𝛼)𝐹𝑇−1 𝑑 𝑇−1 =
𝐹𝑇−1 =
𝐹𝑇 =

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 9

EJERCICIO EN CLASE 4

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 10

EJERCICIO EN CLASE 5

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 11

 ANÁLISIS DE
REGRESIÓN

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial

miércoles, 19 de febrero de 2020 PRODUCCIÓN 2020-1 12

 DEMANDA CON TENDENCIA

120

100

80

𝒅𝒕 = 𝒂 + 𝒃𝒕 + 𝜺
Demanda

60

40

20

0
0 5 10 15 20 25 30 35 40
Periodo

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 13

 ANÁLISIS DE REGRESIÓN LINEAL
(LINEAR REGRESSION)
La relación existente entre una variable independiente X y una variable
dependiente Y sigue un comportamiento lineal de la forma:
300

𝑌 = 𝑎 + 𝑏𝑋 250 y = 5,2209x + 123,91

200

𝑎 = 𝑌ത + 𝑏𝑋ത
150

100

50

0
0 5 10 15 20 25

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 14

 EJEMPLO ANÁLISIS DE REGRESIÓN

La compañía ACME Ltda tiene a su disposición el histórico de ventas de los últimos

trimestres. El gerente de la compañía observa un crecimiento constante en las
ventas trimestrales y desea hallar el pronóstico para los seis trimestres siguientes.

Usando un análisis de regresión halle el pronóstico para los trimestres señalados.

En este caso, ¿Es confiable utilizar el método de regresión lineal?

Los datos de ventas se muestran a continuación:

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 15

 EJEMPLO ANÁLISIS DE REGRESIÓN

La compañía ACME Ltda tiene a su disposición el histórico de ventas de los últimos

trimestres. El gerente de la compañía observa un crecimiento constante en las
ventas trimestrales y desea hallar el pronóstico para los seis trimestres siguientes.
TRIMESTRE Demanda TRIMESTRE Demanda Pronóstico
1 2500 9 3700 TRIMESTRE Demanda
2 2600 10 3800 17
3 2650 11 3900 18
4 2800 12 4000 19
5 3100 13 4220 20
6 3150 14 4380 21
7 3500 15 4510 22
8 3300 16 4590

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 16

EJERCICIO EN CLASE 6

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 17

 ANÁLISIS DE REGRESIÓN (CAUSAL)
EJEMPLO
La empresa TurboGlass S.A lleva el registro anual de sus ventas en la ciudad de Medellín (en
metros cuadrados de vidrios para ventanas), además lleva un registro del numero de viviendas
construidas en esta zona en los últimos años. Los datos se presentan a continuación.
AÑO VIVIENDAS CONSTRUIDAS VENTA M2 DE VIDRIO ¿Si en el 2017, 2018, 2019, 2020 y 2021 las
2007 13000 180 viviendas a construir son 13500, 14800,
2008 12000 150 18350, 17000 y 18500 respectivamente.
2009 11000 120
2010 10000 100 Cual será la proyección de la demanda de
2011 14000 200 vidrio (en metros cuadrados)?
2012 16000 280
2013 19000 350
2014 17000 300
2015 13000 200
2016 15000 250
PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 18
 SUAVIZACIÓN
EXPONENCIAL DOBLE

Ing. Alfonso R. Romero-Conrado

MSc. en Ingeniería / Enf. Gestión de Operaciones
Programa de Ingeniería Industrial

miércoles, 19 de febrero de 2020 PRODUCCIÓN 2020-1 19

 SUAVIZACIÓN EXPONENCIAL DOBLE
(DOUBLE EXPONENTIAL SMOOTHING)

Con la suavización exponencial doble se actualiza tanto el pronóstico

estacionario como la tendencia de la demanda

𝑆𝑇 = 𝛼𝑑 𝑇 + (1 − 𝛼)(𝑆𝑇−1 + 𝐵𝑇−1 ) 𝛼 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑐𝑖𝑜𝑛

𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑟𝑖𝑜 (𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒)
𝐵𝑇 = 𝛽 𝑆𝑇 − 𝑆𝑇−1 + (1 − 𝛽)𝐵𝑇−1 𝛽 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑐𝑖𝑜𝑛
𝑑𝑒𝑙 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎𝑙
𝐹𝑇+𝑘 = 𝑆𝑇 + 𝑘𝐵𝑇
𝑘 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑎 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑟

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 20

 SUAVIZACIÓN EXPONENCIAL DOBLE
EJEMPLO
Teniendo en cuenta los siguientes datos de demanda, halle un pronóstico para los periodos 25 y 30
300
T DEMANDA T DEMANDA
1 116 13 201
250
2 133 14 219
3 139 15 207
200
4 157 16 205
5 154 17 210
150
6 159 18 207
7 162 19 225
8 172 20 223 100

9 163 21 257
10 163 22 232 50

11 164 23 240
12 191 24 241 0
0 5 10 15 20 25

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 21

EJERCICIO EN CLASE 7

Si la demanda real para el periodo 25 fue de 242, actualice el pronóstico para el periodo 26 con un alfa de 0,4
y un beta de 0,3.
𝑆𝑇 = 𝛼𝑑 𝑇 + (1 − 𝛼)(𝑆𝑇−1 + 𝐵𝑇−1 )
𝐵𝑇 = 𝛽 𝑆𝑇 − 𝑆𝑇−1 + (1 − 𝛽)𝐵𝑇−1 )
𝐹𝑇+𝑘 = 𝑆𝑇 + 𝑘𝐵𝑇

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 22

EJERCICIO EN CLASE 8

Las siguiente tabla contiene la información histórica de las ventas de teléfonos móviles de una de las
sucursales de MobileCo.
Trim.1 79
2015
Trim.2 83
1. Pronostique la demanda esperada para el tercer trimestre de
Trim.3 95 2019 con un alfa de 0,3 y beta de 0,2.
Trim.4 100 2. Si en el primer trimestre de 2019, las ventas de teléfonos
2016 Trim.1 102
Trim.2 130 ascendieron a 365. Pronostique la demanda del segundo,
Trim.3 115 tercer y cuarto trimestre de 2019.
Trim.4 145 3. Halle la ecuación del modelo y pronostique las ventas para el
2017 Trim.1 167
Trim.2 200 año 2019. ¿Qué tan confiable resulta utilizar el modelo lineal?
Trim.3 230 4. ¿Cuál de los modelos es más confiable al momento de
Trim.4 285
Trim.1 290
pronosticar? ¿Suavización Exponencial Doble o Regresión
2018
Trim.2 305 Lineal?. Justifique su respuesta.
Trim.3 322
Trim.4 350

PRODUCCIÓN 2020-1 miércoles, 19 de febrero de 2020 23