Universidad Francisco Gavidia

Facultad de Ingeniería y Arquitectura

Coordinación de Ingeniería industrial

Asignatura: Investigación de Operaciones II

Catedrático: Ing. Georgeth Renan Rodríguez Arévalo

Grupo de Clase: 02

“Trabajo Bibliográfico sobre Suavización

Exponencial Múltiple”.

Integrantes:

Aguilar Prudencio Herbert Alberto AP102211

Galdámez García Jenny Guadalupe GG104609

Salazar Guillén Irma Verónica SG100610

San Salvador, 3 de marzo del 2013.

 Índice

Objetivos................................................................................................................................ 1
Objetivos Generales ........................................................................................................ 1
Objetivos Específicos ....................................................................................................... 1
Introducción ......................................................................................................................... 2
I. Suavizado Exponencial Simple ................................................................................... 3
II. Suavización Exponencial Doble Método de Brown ................................................ 4
III. Modelos de Pronóstico Suavización Exponencial Ajustada a la Tendencia
por el Método de Holt ......................................................................................................... 6
IV. Suavización Exponencial Cuadrática Método De Brown .................................. 8
V. Suavización Exponencial Triple Método De Winter o Ajuste a la Tendencia y a
la Variación Estacional........................................................................................................ 9
VI. Suavización exponencial Múltiple ........................................................................ 10
VII. Metodología de aplicación: ................................................................................. 11
VIII. Aplicaciones ............................................................................................................ 12
IX. Ejemplos ................................................................................................................ 12
X. Conclusiones ............................................................................................................... 14
Recomendaciones ............................................................................................................ 14
Glosario ................................................................................................................................ 15

a
Objetivos

Objetivos Generales

Conocer, comprender los diferentes métodos cuantitativos de pronósticos

relacionados a la Suavización Exponencial dúplex, triple y cuádruple, en general
suavizaciones exponenciales múltiples, para desarrollar criterios cuantitativos para
la toma de decisiones aplicables a situaciones relevantes dentro de las
organizaciones.

Objetivos Específicos

Reconocer la importancia de la aplicación de los métodos de pronósticos

cuantitativos en las organizaciones.

Identificar posibles aplicaciones del método de suavización exponencial en

problemas que afectan las organizaciones

Desarrollar distintos ejemplos para dar a conocer la funcionabilidad de la

técnica apropiada en método de suavización exponencial.

Emplear el software WinQSB y Excel para la solución de problemas

prácticos.

Aplicar al menos un instrumento cuantitativo de decisiones.

1
Introducción

Antes de entrar en detalle conoceremos que es el Suavizamiento Exponencial :

“Es un método popular para series de tiempo estacionarias, en donde los datos
recientes se ponderan de tal manera que esta disminuya exponencialmente en la
medida que los datos se hacen antiguos”, existen dos maneras generales
comúnmente utilizadas de suavizar series de tiempo, la primera es a través de los
métodos o técnicas conocidas como de “promedios móviles” y la segunda por
medio de las técnicas llamadas de “suavización exponencial”, la cual será
nuestro objeto de estudio, ahora bien dentro de las técnicas de “suavización
exponencial “existe una gran variedad pero entre ellas mencionaremos unas de
las más utilizadas que son las que siguientes:

Suavización Exponencial Simple Suavización Exponencial Doble

Suavización Exponencial
Ajustada a la tendencia (Método de
Holt)
Suavización Exponencial Triple o
de Tres parámetros de Winter
(Método de Brown),
Suavización Exponencial Simple
de Respuesta Adaptativa, Suavización
Exponencial Cuadrática (Método de
Brown

En nuestro trabajo presentaremos los métodos o técnicas para suavizar o atenuar

series de tiempo, y la obtención de un valor estimado o pronosticado basado en
esa atenuación, poniendo mayor énfasis en las suavizaciones exponenciales
dobles y triples, conoceremos a grandes rasgos las suavizaciones exponenciales
simples

Esperemos que nuestro lector quede satisfecho de la investigación realizada.

2
 I. Suavizado Exponencial Simple

Este método pondera las observaciones pasadas con ponderaciones

decrecientes exponencialmente para pronosticar valores futuros, el esquema de
suavizado comienza por colocar S2 a y1, donde Si posiciona para la observación
suavizada y “y” posiciona para la observación original. El sub-índice se refiere a
los periodos de tiempo 1, 2, 3,….n, pero para el tercer periodo

S Posición de la observación
suavizada
Y Posición de la observación
original
N Periodo de tiempo
σ Constante de atenuación

S3 =σy2 + (1-σ) S2-1, donde 0<σ≤ 1, t≥ 4

Esta es la ecuación básica del suavizado exponencial y la constante σ es la

llamada constante de suavizado, al expander la ecuación básica pero
sustituimos primero para St-1 en la ecuación básica para obtener

( )[ ( ) ]

Al sustituir para y sucesivamente, hasta que alcancemos S2

puede ser mostrado que la ecuación expandida puede ser escrita como

∑ ( ) ( ) , donde t=2

3
Teniendo ya una idea hacia donde queremos llegar presentamos el primer
método de Suavización Exponencial Doble Método de Brown

II. Suavización Exponencial Doble Método de Brown

Este método consiste en realizar dos suavizaciones exponenciales, a partir de las

cuales se obtendrá el valor estimado, o pronóstico que buscamos realizar,
mediante un cálculo realizado con una expresión sencilla, la primera se aplica a
los valores observados en la serie de tiempo y la segunda a la serie atenuada
obtenida mediante la primera atenuación, debido a que los valores calculados al
realizar las dos primeras atenuaciones no son los datos estimados a obtener, es
decir, que constituirán las inferencias de los valores que se espera que tome la
serie de tiempo en el futuro cercano, usaremos una notación distinta a la de la
expresión final con la cual se calculan los valores que constituyen en realidad el
pronóstico.

Las expresiones son las siguientes:

( )

( )

4
Donde m representa el número de periodos hacia el futuro del que se pretende
hacer el pronóstico.

Tabla 1 Valores Pronosticados con la Suavización Exponencial Doble Método de

Brown.

Gráfica 1 Grafica de Líneas de la Serie de Tiempo y de su Pronóstico Obtenido

con la Suavización Exponencial Doble por el Método de Brown.

5
 Tabla 2 Medidas de Precisión Obtenidas al Aplicar el Método de la Suavización
Exponencial Doble con el Método de Brown.

Al utilizar este método se obtienen valores estimados de la tendencia que son

muy sensibles a las variaciones aleatorias, debido a que se utiliza una sola
constante de atenuación. Esta situación que no es deseable que se presente es la
que Holt intenta resolver al proponer el siguiente modelo.

III. Modelos de Pronóstico Suavización Exponencial Ajustada a

la Tendencia por el Método de Holt

Esta técnica también conocida como el método de los dos parámetros de Holt
atenúa en forma directa la tendencia y la pendiente al utilizar una constante de
atenuación diferente para cada una de ellas.

Con esta ecuación se atenúa la serie en forma exponencial de manera similar a

como se hacía en el caso de la suavización exponencial simple, la diferencia
radica en que se agrega un término para tomar en cuenta la tendencia.

La ecuación con la cual se estima la tendencia es la que sigue.

6
La estimación de la tendencia es calculada al obtener la diferencia entre los

valores sucesivos de la atenuación exponencial , ya que estos se

atenuaron con fines de aleatoriedad, su diferencia constituye una estimación de
la tendencia de los datos.

Y al final se obtiene el pronóstico para m periodos hacia el futuro por

medio de la posterior expresión matemática. en

donde para las anteriores expresiones:

SIMBOLOGIA SIGNIFICADO
Es el valor atenuado.

Es la constante de atenuación de los datos de la serie

de tiempo
Es el valor real de la serie de tiempo en el periodo t.

σ Es la constante de atenuación utilizada para estimar la

tendencia
Estimación de la tendencia.

Es el número de periodos a pronosticar en el futuro.

Es el pronóstico de m periodos hacia el futuro.

7
IV. Suavización Exponencial Cuadrática Método De Brown

Este método se utiliza cuando se presenta una tendencia no lineal en la serie de

tiempo, ya que las técnicas estudiadas con anterioridad arrojan resultados con un
elevado error al intentar pronosticar este tipo de comportamiento en los datos.

Esta técnica consigue buenos resultados al pronosticar este tipo de series al

realizar tres suavizaciones como se muestra a continuación en las expresiones
matemáticas para realizar el cálculo de pronóstico.

Primera suavización

Segunda suavización

Tercera suavización

Intercepto

Pendiente de la serie de tiempo

Parámetro de no linealidad de segundo órden

Pronóstico para el periodo

Como inicialización podemos usar:

8
V. Suavización Exponencial Triple Método De Winter o Ajuste
a la Tendencia y a la Variación Estacional

Este método se utiliza cuando además de presentarse una tendencia lineal en la

serie de tiempo, hay también un patrón de comportamiento de tipo estacional o
periódico en los datos o valores de la serie de tiempo. Esta técnica es una
extensión del método de Holt ya que incorpora una ecuación para calcular una
estimación de la estacionalidad.

La estimación de la estacionalidad está dada por un índice estacional que

se multiplica por la constante de atenuación , sumándose después a la

estimación anterior . Que se multiplica por . Las siguientes expresiones

matemáticas son las utilizadas para hacer los cálculos en esta técnica de
pronóstico.

Atenuación de la serie de tiempo.

Estimación de la tendencia.

Estimación de la estacionalidad.

Pronóstico para p periodos en el futuro.

En donde: Es el nuevo valor atenuado suavizado.

. Es la constante de atenuación que toma valores en el intervalo .

. Es la nueva observación o valor real de la serie en el momento t.

9
 . Es la constante de atenuación de la estimación de la tendencia y toma

valores en el intervalo . Es la estimación de la tendencia.

. Es la constante de atenuación de la estimación de la estacionalidad y toma

valores en el intervalo . Es la estimación de la estacionalidad.

. Es el número de periodos a pronosticar en el futuro.

. Es la longitud de la estacionalidad.

. Es el pronóstico para p periodos en el futuro.

VI. Suavización exponencial Múltiple

Una simple estimación de la pendiente daría la diferencia entre las

demandas en dos periodos sucesivos; sin embargo, la variación aleatoria
inherente hace que esta estimación sea mala. Para reducir el efecto de
aleatoriedad se puede usar la diferencia entre los promedios calculados
en dos periodos sucesivos. Usando suavización exponencial, la estimación
del promedio en T, es ST, de manera que la estimación de la pendiente en
el tiempo T
BT = (ST - ST-1)
Con esta idea una vez más, se puede usar suavización exponencial para
actualizar la estimación de la tendencia, lo que lleva a la suavización
exponencial doble, representada por el siguiente conjunto de ecuaciones.
ST = α dT + (1- α) (ST-1 + BT-1)
BT = β (ST - ST-1) + (1- β) BT-1
FT+K = ST + k BT
El pronóstico para k periodos futuros consiste en la estimación de la
pendiente más una corrección por tendencia.
Debe elegirse uno de los dos parámetros α y β, para el suavización

10
 exponencial doble. Los comentarios sobre la elección de α en el
suavización exponencial simple son válidos para ambos parámetros en este
caso.
El doble suavizado exponencial tiende a suavizar el ruido en series de
demanda estables.
El modelo es directo; suaviza el pronóstico obtenido con un modelo de
suavizado exponencial de primer orden y el pronóstico obtenido mediante
un modelo de suavizado exponencial doble.
FD1 = Alfa F t + (1 - Alfa) FD t-1
Donde
0 " Alfa " 1.0
Ft es el modelo suavizado exponencial de primer orden y debe ser
calculado antes de encontrar la FDt

VII. Metodología de aplicación:

Se define α (0 < α < 1) como constante de suavización y se supone que los
puntos de la serie del tiempo para los últimos t períodos son y1, y2,…, yt.
Entonces y*t+1, el estimado para el período t + 1, se calcula como sigue:
y*t+1= yt+ 1- yt-1+ 1- 2yt-2+…
Como los coeficientes respectivos de yt, yt-1, yt-2,… son progresivamente
menores, el nuevo procedimiento asigna más peso a los puntos de los
datos más recientes.
La fórmula para calcular y*t+1 se puede simplificar como sigue:
y*(t+1)= yt+1- yt-1+ 1- yt-2+ 1- 2yt-3+…= yt+1- y*t
De esta forma se puede calcular y*t+1 a partir de y*t. En forma recursiva. La
ecuación recursiva se inicia saltándose la estimación y*1 en t = 1 y
tomando el estimado para t = 2 como igual al dato real para t = 1; esto es,
y*2 = y1. En realidad, cualquier procedimiento razonable se puede usar
para iniciar los cálculos. Por ejemplo, hay quienes sugieren estimar a y*0
como el promedio de una cantidad “razonable” de periodos al iniciar la
serie de tiempo.
La selección de la constante de suavización α es básica para estimar los

11
 pronósticos del futuro. Un valor mayor de α implica que las observaciones
más recientes tienen mayor peso.
En la práctica, el valor de α va de 0.01 a 0.30.
La selección de α depende de las características de la demanda. Los
valores altos de α son más sensibles a las fluctuaciones de la demanda.
Los valores bajos de α son más apropiados para demandas relativamente
estables (sin tendencia o ciclicidad), pero con una gran cantidad de
variación aleatoria.
Un valor de α que proporcione aproximadamente un grado equivalente
de suavización tanto como un promedio móvil de un período es :
α = 2 / (n + 1).

VIII. Aplicaciones

Las aplicaciones de este método son muy diversas en el área

organizacional, algunas de ella son:
 Cadenas de abastecimientos , supermercados, tiendas de conveniencia
 Pronósticos de ventas totales
 Estimación de valores de inflación
 Niveles de inventario
 Administración de la demanda
 Proyecciones de nuevos productos

IX. Ejemplos

1) El hospital general de Zacamil, ha experimentado una demanda irregular y a

menudo creciente de material médico desechable en todo el hospital. La
demanda de tubos desechables durante los dos últimos meses ha sido de 300
unidades en septiembre y de 350 unidades en octubre. El antiguo procedimiento
de pronóstico consistió en utilizar la demanda promedio del año anterior como

12
pronóstico para cada uno de los meses de ese año. La demanda mensual del
año anterior fue de 200 unidades. Utilizando 200 unidades como el pronóstico de
la demanda de septiembre y un coeficiente de suavización de 0.7 para dar un
mayor peso a la demanda más reciente, el pronóstico para el mes de octubre
debería haber sido (t = octubre)
F t = Dt-1 + (1 - ) F t-1
= .7(300) + (1 - .7)200
= 210 + 60
= 270
El pronóstico para el mes de noviembre sería (t = noviembre)
F t =  Dt-1 + (1 - ) F t-1
= .7(350) + (1 - .7)270
= 245 + 81
= 326
En vez de la demanda mensual del año pasado de 200 unidades, es pronóstico
para el mes de noviembre es de 326 unidades. El método antiguo de pronóstico,
la heurística basada en un promedio simple, proporcionó un pronóstico
considerablemente diferente del que se obtuvo con el suavizado exponencial.

2) Milo Inc. Tiene un modelo de modelo de suavizado exponencial que ha

proporcionado un pronóstico de 103,500 bushels para un trigo de grado # 3del
año anterior, en el mes de junio, fue de 70,500 bushels. Esta cifra empleará como
estimación de pronóstico más reciente obtenida mediante un suavizado
exponencial doble. Dado que Alfa = 0.20 parece ser un buen coeficiente de
suavizado para Milo Inc., obtener un pronóstico con un modelo exponencial
doble para el mes de julio.
Sea t = julio
Entonces
FD1 =  F t + (1 - )FD t-1
=.2(103,500) + (1 - .2)(70,500)
= 20,700 + 56,400

13
=77,100
El pronóstico para julio será de 77,100 bushels.

X. Conclusiones

El método de suavización exponencial simple o compuesta es un método de

pronósticos cuantitativo muy útil para determinar eventos futuros a corto plazo, se
debe elegir un valor Alfa es un valor entre 0 y 1, es decir es un porcentaje, que
debe escoger la persona que hace el análisis

Este método cuantitativo de pronósticos lo que realiza es un suavizado, es decir

marca una tendencia a corto plazo, tomando en cuenta el dato inmediato
anterior., aplicado a cadenas de abastecimientos, proyecciones de venta las
aplicaciones de este método son variadas y van desde cadenas de
abastecimientos, proyecciones de venta, demanda, etc.

El valor Alfa elegido debe estar entre 0 y 1, el cual puede ser determinado por
una o varias personas expertas en la materia, ya que de eso depende que los
resultados del pronóstico sean certeros o lo más cercano a la realidad.

Podemos decir que la experiencia y el conocimiento de la situación a tratar son

vitales, además es un método a corto plazo ya que Da pesos relativos a los
pronósticos anteriores y a la demanda más reciente.

* Para la solución de este método, la forma más efectiva es emplear el software

WinQSB o Excel para la solución de problemas prácticos.

Recomendaciones

 Se recomienda estudiar y conocer a profundidad cada uno de los

métodos de pronósticos, ya que son ampliamente utilizados en las
organizaciones.
 Utilizar y practicar en los software indicados para el uso de estos métodos
para agilizar en la manera de lo posible la obtención de datos.
 Conocer mediante exposiciones las utilidades, aplicaciones y usos de estos
métodos de pronósticos

14
  Se recomienda que el personal que utilizará el método de suavización
exponencial tengan la suficiente experiencia sobre la situación a tratar ya
que de ello depende la certeza el método.
 Se recomienda realizar la toma de decisiones en base a métodos
conocidos y con aplicación en el área

Glosario

 Pronóstico a corto plazo: Este tiene un lapso de hasta un año, pero es

generalmente menor a tres meses, se utiliza para planear las compras,
programación de planta, niveles de fuerza laboral, asignaciones de trabajo
y niveles de producción un pronóstico de rango mediano, o intermedio,
generalmente con un lapso de tres meses a tres años es valioso en la
planeación de producción y presupuestos, planeación de ventas,
presupuestos de efectivo, y el análisis de varios planes de operación.
 Pronóstico a largo plazo: Generalmente con lapsos de tres años o más, los
pronósticos a largo plazo se utilizan para planear nuevos productos
desembolsos de capital, localización e instalaciones o su expansión, y la
investigación y el desarrollo.
 Tipos de pronóstico
 Pronósticos económicos marcan el ciclo del negocio al predecir las tasas
de inflación, oferta de dinero, nuevas construcciones, y otros indicadores
de planeación.
 Pronósticos tecnológicos tienen que ver con las tasas de progreso
tecnológico, que pueden dar por resultado el nacimiento de productos
novedosos, que requieren nuevas plantas y equipo
 Pronósticos de demanda son proyecciones de la demanda para los
productos o servicios de una compañía. Estos pronósticos, también
llamados pronósticos de ventas, conducen la producción de una
compañía, la capacidad, y los sistemas de programación, y sirven como
insumos a la planeación financiera, de mercado y de personal.
Enfoques para pronosticar

Bibliografía
HAMDY A. TAHA, Investigación de Operaciones, 7a Edición. México, Pearson
Educación, Prentice Hall, 2004.

RONALD E. WAPOLE / RAYNOND H. MYERS/SHARON L. MYER , Probabilidad y

Estadística para Ingenieros, 6ta. Edición, Pearson Educación, Prentice Hall, 1998

15
STEPHEN N. CHAPMAN, Planificación y Control de la Producción 1 era. Edición,
Pearson Educación, Prentice Hall, 2006

16