ENFOQUE SIMPLE

Infiere que la demanda en el próximo periodo será igual a la demanda del periodo más reciente.

PROMEDIO MÓVIL

Es el método extrapolativo más sencillo, se resume en dos pasos fundamentales simples para
elaborar un pronóstico para el siguiente periodo a partir de datos históricos.

Paso 1. Seleccionar el número de periodos para los cuales se tomaran en cuenta promedios
móviles. Este número, N, se denomina un orden de promedio móvil.

Paso 2. Tomar la demanda promedios para los N periodos más recientes. Esta demanda promedio
se convierte entonces en el pronóstico para el siguiente periodo.

EJEMPLO

Considérense los datos de demanda para un producto que durante los meses de febrero, marzo,
abril, mayo y junio tuvo una demanda de 90, 80, 120, 100 y 80 unidades respectivamente. El
propósito es establecer un pronóstico para el mes de julio.

Paso 1. Elegir N=4. También pueden elegirse otros valores. Los valores de N más grandes tendrán
un mayor efecto de amortiguación sobre las fluctuaciones aleatorias de la demanda. Valores más
pequeños de N enfatizarán la historia más reciente de la demanda. Debe notarse que N=1
resultará en que la demanda para el periodo actual sea el pronóstico para el siguiente periodo.

Paso 2. Encontrar la demanda promedio para los cuatros periodos más recientes, N = 4.

Promedio Móvil =

= 95 unidades

Ahora, supóngase que la demanda real para julio resulta ser de 100 unidades. El pronóstico para
agosto se calcula tomando la demanda promedio para abril, mayo, junio y julio. Este pronóstico
sería:

Una vez seleccionada N, el nuevo promedio móvil para cada periodo futuro es calculado tomando
la demanda promedio para los N periodos más recientes.

DESVENTAJAS

Requiere almacenamiento de datos de demanda para N periodos de cada artículo.

No suministra pronósticos adecuados si los datos de la demanda reflejan componentes de
tendencia o estacionales. Ejemplo si la tendencia es ascendente no proporcionara un pronóstico
aceptable de acuerdo a la demanda real.

PROMEDIO MÓVIL PONDERADO

En el método de promedio móvil simple todas las demandas tienen la misma ponderación en el
promedio, es decir, 1/n. En el método de promedio móvil ponderado, cada una de las demandas
históricas que intervienen en promedio puede tener su propia ponderación. El resultado de la
suma de las ponderaciones es 1.0. La ventaja del método de promedio móvil ponderado es que
nos permite hacer énfasis en la demanda reciente, por encima dela demanda anterior.

MÉTODOS DE NORMALIZACIÓN EXPONENCIAL O SUAVIZAMIENTOEXPONENCIAL SIMPLE

En estos métodos, el peso asignado a la demanda de un periodo previo aumenta

exponencialmente conforme los datos son menos recientes. De esta forma, los datos de la
demanda reciente reciben un mayor peso que los datos menos recientes de la demanda.

CUANDO USARLO

Su principal aplicación en producción y operaciones que incluyen la elaboración de pronósticos

para un gran número de artículos. Estos métodos funcionan mejor bajo las siguientes condiciones:

 El horizonte del pronóstico es relativamente corto; ej. demanda diaria, semanal o mensual
 Existe poca información externa disponible acerca de las relaciones causa y efecto entre la
demanda de un producto y factores independientes que influyen sobre ella.
 Se desea invertir poco esfuerzo en la elaboración. El esfuerzo se mide tanto por la facilidad
de aplicación del método como los requerimientos computacionales para instrumentarlo
 La actualización se hace fácil al ingresa r los nuevos datos como van surgiendo
 Es deseable que pueda ajustarse a la aleatoriedad (suavizar las fluctuaciones de la
demanda) y permita seguir las tendencia y la estacionalidad.

MODELO BÁSICO

Es aplicable cuando no existen componentes de tendencia o estacionalidad en los datos. De esta

forma, solo el componente horizontal de la demanda está presente y debido a lo aleatorio de los
datos, la demanda fluctúa alrededor de una “demanda promedio” que se conoce como demanda
“base”. Si la base es constante de periodo a periodo, entonces todas las fluctuaciones en la
demanda deben deberse a causas aleatorias. En realidad son causadas tanto por los cambios en la
base cono en el ruido aleatorio. El objetivo clave en los modelo de normalización o redondeo
exponencial es estimar la base y usar este estimado para pronosticar la demanda futura.

En el modelo básico de normalización exponencial, la base para el periodo actual, St se estima

modificando la base anterior sumándole o restándole una fracción α (alfa) de la diferencia entre la
demanda real actual Dt y la base anterior St-1. El estimado de la nueva base es, entonces
 Nueva base = Base anterior + α (Nueva demanda – Base anterior).

O, indicado por medio de símbolos, St = St-1 + α(Dt – St-1 )

La constante de normalización, α, se encuentra entre 0 y 1.0, estando los valores usados más
comúnmente entre 0.01 y 0.30.

Otra interpretación de la ecuación 1 es que la nueva base se estima modificando la base anterior,
corrigiendo el error observado para el periodo t . Denominamos a (Dt – St-1 ) un error observado
para el periodo t porque Dt es la demanda real para el periodo t y St-1 es el pronóstico para el
periodo t.

La ecuación 1 puede ser reacomodada de la siguiente manera:

Nueva base = α (Nueva demanda) + (1 – α)(Base anterior)

St = αDt + (1 – α) St-1

De esta forma, la nueva base es estimada simplemente tomando un promedio ponderado de la

nueva demanda Dt y de la base anterior St-1.

Para ilustrar la aplicación de este modelo, supóngase que α =1.0, Senero =50 unidades y Dfebrero = 60
unidades. La nueva base para febrero se calcula utilizando la ecuación 2:

Sfeb = 0.1 Dfeb + 0.9 Senero

=0.1 (60) + 0.9 (50)

=51 unidades

PROPIEDADES

1. Requiere que se almacene el mínimo de información

2. La elección de alfa nos permite controlar la ponderación de la nueva demanda

MODELO DE TENDENCIA LINEAL O SUAVIZAMIENTO EXPONENCIAL DOBLE

La tendencia lineal aparente en los promedios con normalización exponencial es la diferencia

entre los valores sucesivos, St – St-1. Si se tratade compensar la tendencia usando esta medida
fundamental, puede tenerse una corrección relativamente inestable dado que todavía están
presentes algunos efectos aleatorios. En ocasiones podrá registrarse una tendencia negativa
cuando, una realidad, la tendencia general es positiva. Para minimizar estos efectos irregulares,
puede estabilizarse la medida fundamental de tendencia de la misma manera que se estabilizan
las demandas reales, aplicando la normalización exponencial.
Puede normalizarse la serie St – St-1 con la constante de normalización β (beta). Esta constante de
normalización no necesariamente debe tener el mismo valor que la constante α usada para
normalizar Dt.

El cálculo de St deberá reflejar ahora una tendencia, por lo que se usarán las siguientes formulas

St = αDt + (1 – α) (St-1 + Tt-1)

El valor actualizado de Tt-1, la tendencia normalizada, es:

Tt = β(St – St-1) + (1 – β) Tt-1