Escuela de Ingeniería Industrial

Programa de Posgrado
Sistemas de Pronósticos e
Inventarios: Sistemas de
Pronósticos (2)
Presentado por: Carlos Julio Vidal Holguín
Santiago de Cali, abril – junio de 2021
 Contenido
Suavización exponencial simple.
Suavización exponencial doble.
Usando el modelo incorrecto.
Ejemplo real.
Objetivo principal del sistema de
pronósticos.
Suavización exponencial simple
Adecuado para un modelo de demanda constante
más una variación aleatoria:

xt = b +  t
b es una constante
 t es el error aleatorio  N ( 0 ,  ) 2

Sugerido para los ítems clase B.

Se le da pesos diferentes a las observaciones de
demanda (exponencial)
 Ecuaciones y arranque de la
suavización simple

ST = αxT + (1 − α)ST −1

ST = Pronóstico del período T + 1

ST −1 = Pronóstico del período T
S0 se estima de datos históricos (promedio)
 Selección de 
Teóricamente, α es un número real entre 0 y 1.
Sin embargo, los autores recomiendan valores
en el rango 0.01  α  0.30 para evitar el
‘nerviosismo’ del pronóstico.
Se puede determinar un  óptimo, a través de la
simulación del pronóstico y con base en la MAD,
ECM o MAPE. Se recomienda utilizar el ECM.
Pueden utilizarse valores diferentes de 
dependiendo de la etapa del pronóstico.
Existen métodos auto-adaptivos (automáticos)
que permiten cambiar α de un período a otro.
 2
Semana Período T Demanda ST Pronóstico eT |e T | eT APE APE '
40 80
41 79
42 88

INICIALIZACIÓN
43 58
44 71
45 85 Promedio para iniciar (Cálculo de S 0)
46 79
47 63
48 57
49 50
50 71
51 0 112 74,42
52 1 53 71,20 74,42 -21,42 21,42 458,67 40,41% 28,78%
53 2 85 73,27 71,20 13,80 13,80 190,33 16,23% 19,38%
54 3 43 68,73 73,27 -30,27 30,27 916,49 70,40% 41,32%
55 4 47 65,47 68,73 -21,73 21,73 472,30 46,24% 31,62%
O
C 56 5 48 62,85 65,47 -17,47 17,47 305,29 36,40% 26,69%
57 6 73 64,37 62,85 10,15 10,15 102,99 13,90% 16,15%
I

58 7 23 58,17 64,37 -41,37 41,37 1711,81 179,89% 64,27%

T

59 8 116 66,84 58,17 57,83 57,83 3344,55 49,86% 99,42%

S

60 9 67 66,87 66,84 0,16 0,16 0,02 0,23% 0,24%

61 10 39 62,69 66,87 -27,87 27,87 776,53 71,45% 41,67%
Ó

62 11 81 65,43 62,69 18,31 18,31 335,39 22,61% 29,21%

N

63 12 67 65,67 65,43 1,57 1,57 2,45 2,34% 2,39%

O

64 13 58 64,52 65,67 -7,67 7,67 58,80 13,22% 11,68%

R

65 14 51 62,49 64,52 -13,52 13,52 182,74 26,51% 20,95%

66 15 52 60,92 62,49 -10,49 10,49 110,05 20,17% 16,79%
P

67 16 51 59,43 60,92 -9,92 9,92 98,34 19,44% 16,28%

68 17 65 60,26 59,43 5,57 5,57 31,03 8,57% 9,37%
69 18 56 59,63 60,26 -4,26 4,26 18,19 7,62% 7,08%
L

70 19 46 57,58 59,63 -13,63 13,63 185,65 29,62% 22,85%

E

71 20 75 60,19 57,58 17,42 17,42 303,41 23,22% 30,25%

D

72 21 47 58,22 60,19 -13,19 13,19 174,09 28,07% 21,92%

73 22 69 59,83 58,22 10,78 10,78 116,31 15,63% 18,53%
74 23 59 59,71 59,83 -0,83 0,83 0,69 1,41% 1,39%
75 24 54 58,85 59,71 -5,71 5,71 32,58 10,57% 9,56%
N

76 25 46 56,92 58,85 -12,85 12,85 165,17 27,94% 21,84%

Ó

77 26 44 54,99 56,92 -12,92 12,92 167,03 29,37% 22,70%

I

78 27 51 54,39 54,99 -3,99 3,99 15,88 7,81% 7,25%

C

79 28 41 52,38 54,39 -13,39 13,39 179,23 32,65% 24,62%

A

80 29 77 56,07 52,38 24,62 24,62 606,17 31,97% 47,00%

81 30 69 58,01 56,07 12,93 12,93 167,12 18,74% 23,05%
L

82 31 54 57,41 58,01 -4,01 4,01 16,09 7,43% 6,92%

U

83 32 76 60,20 57,41 18,59 18,59 345,59 24,46% 32,38%

M

84 33 88 64,37 60,20 27,80 27,80 772,93 31,59% 46,18%

I

85 34 55 62,96 64,37 -9,37 9,37 87,77 17,03% 14,55%

S

86 35 74 64,62 62,96 11,04 11,04 121,81 14,91% 17,53%

87 36 46 61,83 64,62 -18,62 18,62 346,66 40,48% 28,81%
88 37 49 59,90 61,83 -12,83 12,83 164,51 26,18% 20,75%
89
90
38
39
80 62,92 59,90 20,10 20,10 403,92
62,92 ←Pronóstico en tiempo real
25,12% 33,55%
Ejemplo 3.3,
sumas -76,67 577,99 13.488,60 1089,72% 934,92%
ALPHA =
alpha_min =
0,1500
0,01
MAD, ECM, MAPE Y MAPE ′→ 15,2103 354,96 28,68% 24,60% pp. 98-103.
alpha_max = 0,30 Desviación Estándar Estimada → 19,06 18,84
Pronósticos de suavización simple
Ilustración en hoja de cálculo
 Ejemplo de suavización simple
Pronóstico de suavización exponencial simple
con α = 0.1063 (ECM óptimo)
Demanda Pronóstico
140

120
Demanda (Unidades)

100

80

60

40

20

0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89

Semanas
 Suavización exponencial doble
Adecuada para un modelo de demanda con tendencia lineal
(creciente o decreciente) más una variación aleatoria:

x t = b1 + b2 t +  t ; b1 y b2 constantes

Sugerida para los ítems clase A (y actualmente también para

los B).
Ecuaciones y arranque un poco más complejos.
La constante de suavización se puede escoger y optimizar
de manera semejante a la de la suavización simple.
 Regresión lineal simple y
ecuaciones de suavización
exponencial doble (con una sola
constante de suavización)
 Suavización doble:
Deducción de ecuaciones (1)
Operador ST = xT + (1 −  ) ST −1
Sesgo
( = 1 −  )

Valor Esperado E ( ST ) = E ( xT ) − b2

Doble operador ST2  = ST + (1 −  ) ST2−1

2  
Valor Esperado E ( ST ) = E ( ST ) − b2


b2 = E ( ST ) − E ( ST ) E ( xT ) = E ( ST ) + b2
 2  
 
 Explicación del concepto de
‘sesgo’ en los pronósticos
Suavización simple con alpha = 0,1
Demanda Pronóstico
900
800
700
Unidades

600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Tiempo (Meses)
 Suavización doble:
Deducción de ecuaciones (2)
Buen estimador de b2 2 T


ˆb (T ) =  S − S 2 
T 
2 
Reemplazando E ( xT ) = 2 E ( S T ) − E ( S T )

Buen estimador de xT ˆxT = 2 ST − ST2 

E ( x̂T ) = 2 E ( ST ) − E ( ST2  )
      
Valor Esperado E ( x̂T ) = 2 b1 + b2T − b2  −  b1 + b2T − b2 − b2 
      
E ( x̂T ) = b1 + b2T (Estimador insesgado de xT )
 Suavización doble:
Deducción de ecuaciones (3)
Pronósticos  períodos adelante xˆ T + (T ) = xˆ T + bˆ2 (T )
Reemplazando los estimadores de b2 y xT, se obtiene finalmente:
      2 
xˆ T + (T ) =  2 +  ST −  1 +  ST
 1 −   1 − 
[2]
S0 y S 0 se estiman de las siguientes ecuaciones :
ˆ 1−  ˆ 2  ˆ 1−  ˆ
S0 = b1 (0) −  b2 (0) S0 = b1 (0) − 2 b2 (0)
     
Donde : bˆ1 (0) = aˆ1 (0) + mbˆ2 (0)
m es el número de períodos para iniciar el pronóstico
Ver la deducción de estas ecuaciones en el texto de inventarios, pág. 111-112.
 DEMANDA (Unidades)

0
10
20
30
40
50
60
70
80
1 90
4
7
10
13

a1(0)
16
19
22
25
28
31
34
37
40
43
46
Pendiente = b2(0)

49

SEMANAS
52
GRÁFICO EJEMPLO 3.4

55
58
61
64
b1(0)

67
70
73
76
79
82
85
88
Semana Per. T Demanda ST S T [2] Pronóstico eT │e T │ eT2
1 23
2 28
3 16
4 22
5 30
6 31 Con base en los primeros 51 datos (Tabla 3.13), se obtiene:
46 51 a 1(0) = 19.4565
47 33 b 2(0) = 0.5910
48 27 b 1(0) = 49.5995
49 65 (Nota: No se muestran todos los datos 1-51 por ahorro
50 43 de espacio)
51 0 48 44.2802 38.9608
52 1 44 44.2522 39.4899 50.19 -6.19 6.19 38.32
53 2 47 44.5269 39.9936 49.54 -2.54 2.54 6.47
54 3 47 44.7743 40.4717 49.56 -2.56 2.56 6.57
55 4 36 43.8968 40.8142 49.55 -13.55 13.55 183.73
56 5 79 47.4071 41.4735 47.32 31.68 31.68 1,003.50
57 6 62 48.8664 42.2128 54.00 8.00 8.00 64.00
58 7 31 47.0798 42.6995 56.26 -25.26 25.26 638.03
59 8 75 49.8718 43.4167 51.95 23.05 23.05 531.45
60 9 38 48.6846 43.9435 57.04 -19.04 19.04 362.68
61 10 40 47.8162 44.3308 53.95 -13.95 13.95 194.67
62 11 60 49.0345 44.8012 51.69 8.31 8.31 69.08
63 12 44 48.5311 45.1742 53.74 -9.74 9.74 94.83
64 13 37 47.3780 45.3945 52.26 -15.26 15.26 232.90
65 14 34 46.0402 45.4591 49.58 -15.58 15.58 242.79
66 15 59 47.3362 45.6468 46.69 12.31 12.31 151.64
67 16 47 47.3026 45.8124 49.21 -2.21 2.21 4.90
68 17 53 47.8723 46.0184 48.96 4.04 4.04 16.34
69 18 48 47.8851 46.2050 49.93 -1.93 1.93 3.73
70 19 44 47.4966 46.3342 49.75 -5.75 5.75 33.08
71 20 39 46.6469 46.3655 48.79 -9.79 9.79 95.81
72 21 52 47.1822 46.4471 46.96 5.04 5.04 25.41
73 22 70 49.4640 46.7488 48.00 22.00 22.00 484.05
74 23 58 50.3176 47.1057 52.48 5.52 5.52 30.46
75 24 66 51.8858 47.5837 53.89 12.11 12.11 146.74
76 25 54 52.0972 48.0351 56.67 -2.67 2.67 7.11
77 26 47 51.5875 48.3903 56.61 -9.61 9.61 92.37
78 27 71 53.5288 48.9042 55.14 15.86 15.86 251.54
79 28 59 54.0759 49.4213 58.67 0.33 0.33 0.11
80 29 73 55.9683 50.0760 59.25 13.75 13.75 189.13
81 30 46 54.9715 50.5656 62.52 -16.52 16.52 272.75
82 31 44 53.8743 50.8965 59.87 -15.87 15.87 251.76
83 32 62 54.6869 51.2755 57.18 4.82 4.82 23.20
84 33 69 56.1182 51.7598 58.48 10.52 10.52 110.73
85 34 30 53.5064 51.9344 60.96 -30.96 30.96 958.58
86 35 73 55.4557 52.2866 55.25 17.75 17.75 314.96
87 36 72 57.1102 52.7689 58.98 13.02 13.02 169.60
88 37 59 57.2992 53.2219 61.93 -2.93 2.93 8.61
89
90
38
39
59
?
57.4692 53.6467 61.83 -2.83
61.72 ← Pronóstico en tiempo real
2.83 8.01
Ejemplo 3.4,
Sumas -16.63 432.89 7,319.63

ALPHA_2 = 0.1000
MAD y ECM → 11.39 192.62 pp. 112-119.
Desviación estándar estimada → 14.28 13.88
Pronósticos de suavización doble
Ilustración en hoja de cálculo
 Ejemplo suavización doble

90

80 Demanda Pronóstico
Demanda (Unidades)

70

60

50

40

30

20

10

0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89

Semanas
 Usando el modelo incorrecto
Suavización simple con alpha = 0,1
Demanda Pronóstico
900
800
700
Unidades

600
500
400
300
200
100
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Tiempo (Meses)
 Ejemplo real de un modelo de
despacho automático periódico

Demanda pronóstico simple nivel máximo

140
Demanda (Unidades)

120
100
80
60
40
20
0
1

10

13

16

19

22

25

28

31

34

37
Semanas
 Ejemplo real de un modelo de despacho
automático con demanda creciente (k = 1.65)
Demanda pronóstico doble nivel máximo

100
Demanda (Unidades)

80

60

40

20

0
1
4
7
10
13
16
19
22
25
28
31
34
37
Semanas
 Ejemplo real de un modelo de despacho
automático con demanda creciente (k = 1.45)
Demanda pronóstico doble nivel máximo
Demanda (Unidades)

100
80
60
40
20
0
1

10

13

16

19

22

25

28

31

34

37
Semanas
Objetivo principal del sistema
de pronósticos
Especificación del valor
mínimo de k aceptable
Regla de decisión para
determinar el factor de
seguridad k
Características principales
relativas al ítem:
(Q, A, v, r, etc.)
SISTEMA DE
PRONÓSTICOS:
ˆ1 = ECM , ó
ˆ1 = 1.2533 * MAD
dˆ = Pr onóstico

Desviación estándar, ˆ L = ˆ1 L

s = xˆ L + kˆ L Pronóstico de demanda, xˆ L = dˆL

Ajuste manual del Sistema de información y de

punto de reorden s administración de la organización

Figura 5.3. Metodología general para determinar el punto de reorden s

[Fuente: Complementada de Silver et al. (1998), p. 256]