Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gestión de La Demanda - Parte 3 PDF
Gestión de La Demanda - Parte 3 PDF
Operaciones
Unidad 1: Estrategia de Operaciones y
Gestión de la Demanda
5. Gestión de la Demanda – Parte 3
Logro de la Unidad
Al finalizar la unidad el estudiante analiza diversos esquemas de procesos de distintos
tipos de empresas definiendo el valor que se agrega al producto en cada proceso, analiza
la estrategia de procesos de una empresa tomando decisiones sobre los mismos
diferenciando los procesos de servicios con los de manufactura y propone el método
adecuado para la elaboración del mejor pronóstico, utilizando herramientas para elaborar
distintos escenarios de comportamiento de demanda futura. Asimismo analiza y decide la
mejor localización de la planta.
Gestión de la Demanda – Parte 3
At = Yt + (1 − ) At −1
At = At + (1 − ) At−1
at = 2 At − At
bt = ( At − At ) Yt = Real
1−
At = Valor atenuado exponencialmente de Yt en el periodo t
A´t= Valor doblemente atenuado exponencialmente de Yt en el
periodo t
Yˆt + p = at + bt p at = Similar a la medición de la intersección de la ordenada con
una recta que cambia durante la serie de tiempo.
bt = Similar a la medición de la pendiente de una recta que
cambia durante una serie de tiempo.
Yt+p = Pronostico
α = Constante de atenuación
p = periodos en el futuro
Atenuación Exponencial Doble: Brown
0.2 * 1303 + (1 - 0.2) * 1277
At = Yt + (1 − ) At −1
1800
1700
1600
Valor Y
1500
1400
at = 2 At − At
1300
1200
1100
( At − At )
1000
bt = 1 2 3 4 5 6 7 8 9 10 11 12 13
1− Periodo
2000
1800
Valor Y
1600
1400
1200
1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Periodo
Real Pronóstico
Gestión de la Demanda – Parte 3
At = Yt + (1 − )( At −1 + Tt −1 )
Tt = ( At − At −1 ) + (1 − )Tt −1
Yˆt + p = At + pTt
• Pesos grandes tienen como resultado cambios más rápidos en el componente; pesos
pequeños tienen como resultado cambios menos rápidos.
• Cuanto mayores son los pesos, los valores de suavizamiento seguirán más a los datos;
cuanto menores son los pesos, los valores de suavizamiento seguirán más a los valores de
suavizamiento previos.
• Para iniciar, se deben determinar los valores iniciales de At y Tt , un enfoque consiste en fijar la
primera estimación del nivel suavizado igual a la primera observación, luego se considera
la tendencia igual a cero.
Atenuación Exponencial de Holt: Ejemplo 1
0.3 * 350 – (1-0.3) * (500 + 0)
0.1 * (455 – 500) + (1-0.1) * 0
At = Yt + (1 − )( At −1 + Tt −1 )
2 350 455.0 -4.5 500.0 150.0 22,500 0.4
3 250 390.4 -10.5 450.5 200.5 40,200 0.8
Tt = ( At − At −1 ) + (1 − )Tt −1
4 400 385.9 -9.9 379.8 20.2 407 0.1
2001 5 450 398.2 -7.7 376.0 74.0 5,480 0.2
6 350 378.3 -8.9 390.5 40.5 1,640 0.1
7 200 318.6 -14.0 369.4 169.4 28,710 0.8 Yˆt + p = At + pTt
8 300 303.2 -14.1 304.6 4.6 21 0.0
2002 9 350 307.4 -12.3 289.1 60.9 3,708 0.2
10 200 266.6 -15.2 295.1 95.1 9,040 0.5
11
12
150
400
221.0
262.0
-18.2
-12.3
251.4
202.8
101.4
197.2
10,282
38,893
0.7
0.5
Atenuación Holt α = 0.3 β = 0.1
2003 13 550 339.8 -3.3 249.7 300.3 90,195 0.5 900
14 350 340.6 -2.9 336.5 13.5 182 0.0 800
15 250 311.4 -5.5 337.7 87.7 7,690 0.4 700
16 550 379.1 1.8 305.9 244.1 59,590 0.4 600
Ventas
2004 17 550 431.7 6.9 381.0 169.0 28,577 0.3 500
18 400 427.0 5.7 438.6 38.6 1,488 0.1 400
19 350 407.9 3.3 432.7 82.7 6,846 0.2 300
20 600 467.8 8.9 411.2 188.8 35,652 0.3 200
2005 21 750 558.7 17.1 476.8 273.2 74,664 0.4 100
22 500 553.1 14.8 575.9 75.9 5,753 0.2 0
23 400 517.6 9.8 567.9 167.9 28,205 0.4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
24 650 564.2 13.5 527.4 122.6 15,038 0.2
Trimestres
2006 25 850 577.6
Promedios 125.1 22380.9 33.5%
Valor Real Pronóstico
DAM ECM EPAM
Atenuación Exponencial de Holt: Ejemplo 2
At = Yt + (1 − )( At −1 + Tt −1 )
Atenuación Holt - α=0.42, β=0.3
Tt = ( At − At −1 ) + (1 − )Tt −1
2000
Yˆt + p = At + pTt 1800
Valor Real
1600
1400
p= 1 p= 1
α= 0.42 2 α= 0.64 2 1200
β= 0.30 3 β= 0.99 3
1000
^ ^
t Yt At Tt Yt+p Error t Yt At Tt Y t+p Error 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1254 1254 0 1 1254 1254 0 Pronóstico
2 1297 1272 5 1254 43 2 1297 1281 27 1254 43
3 1317 1294 10 1277 40 3 1317 1314 32 1308 9 Real Pronóstico
4 1370 1332 19 1304 66 4 1370 1361 47 1346 24
5 1347 1349 18 1351 4 5 1347 1369 9 1409 62
6 1435 1396 27 1367 68 6 1435 1414 44 1378 57
Atenuación Optimizda Holt - α=0.64, β=0.99
7 1433 1427 28 1422 11 7 1433 1442 28 1459 26 2200
8 1471 1462 30 1455 16 8 1471 1471 29 1471 0 2000
9 1529 1507 35 1492 37 9 1529 1518 47 1499 30 1800
Valor Real
10 1571 1554 38 1542 29 10 1571 1569 51 1565 6
1600
11 1646 1615 45 1593 53 11 1646 1636 67 1620 26
1400
12 1750 1698 56 1660 90 12 1750 1733 96 1704 46
1200
13 Pronóstico p = 1 1754 13 Pronóstico p = 1 1830
14 Pronóstico p = 2 1811 14 Pronóstico p = 2 1926 1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
15 Pronóstico p = 3 1867 15 Pronóstico p = 3 2022
Pronóstico
DAM 41.4 Minimo DAM 29.8
• Para iniciar se deben establecer los valores iniciales para las series suavizadas, At, la tendencia
Tt y los índices estacionales St. Un método consiste en igualar la primera estimación de la serie
suavizada (nivel) a la primera observación. Luego, la tendencia se iguala a cero y cada
índice estacional se fija en 1.0.
Atenuación Exponencial Ajustada a la Tendencia y a la
Variación Estacional (Winters)
+ (1 − )( At −1 + Tt −1 )
Yt
At =
St − L
Tt = ( At − At −1 ) + (1 − )Tt −1
+ (1 − )St − L
Yt
St =
At
Yˆt + p = ( At + pTt ) S t − L + p At: nuevo valor atenuado (estimado de nivel actual)
α : constante de atenuación del nivel de los datos ( 0 < α <1 )
Yt: nueva observación o valor real de la serie en el periodo t ( 0 < β < 1 )
β : constante de atenuación de la estimación de la tendencia
Tt: estimación de la tendencia
γ : constante de atenuación de la estimación de la estacionalidad ( 0 < γ < 1)
St : estimación de la estacionalidad
L: longitud de la estacionalidad
p: periodos a pronosticar en el futuro
Ŷ t+p : pronóstico de p periodos en el futuro
Atenuación Exponencial de Winters: Ejemplo 1
0.4 (350/1) + (1-0.4) * (500 +0)
+ (1 − )( At −1 + Tt −1 )
Yt
At =
0.1 * (440 – 500) + (1-0.1) * 0 St − L
Tt = ( At − At −1 ) + (1 − )Tt −1
α= 0.4 p= 1
β= 0.1 p= 2
0.3 * (350/440) + (1-0.3) * 1
ϒ= 0.3 p= 3
+ (1 − )St − L
L= 4 p= 4 Yt
Tiempo Valor Real At Tt St Error Abs. St =
Año Trimestres Yt ( α = 0.4) ( β = 0.1 ) ( ϒ = 0.3 ) Yt+p |et| (Yt - Yt)2 |et|/Yt (440 + 1 * (-6) ) * 1 At
Yˆt + p = ( At + pTt ) S t − L + p
-2 1.0
-1 1.0
0 1.0
2000 1 500 500 0.0 1.0
2 350 440.0 -6.0 0.9 500.0 150.0 22,500 0.4
3 250 360.4 -13.4 0.9 434.0 184.0 33,856 0.7
4 400 368.2 -11.2 1.0 347.0 53.0 2,805 0.1
2001 5 450 394.2 -7.5 1.0 357.0 93.0 8,652 0.2 Atenuación Winter - α=0.4, β=0.1, ϒ=0.3
6 350 381.2 -8.1 0.9 362.9 12.9 167 0.0
7 200 311.9 -14.2 0.8 338.8 138.8 19,264 0.7 900
8 300 295.6 -14.4 1.0 305.5 5.5 30 0.0
2002 9 350 303.0 -12.2 1.1 293.2 56.8 3,229 0.2 800
10 200 260.3 -15.3 0.9 271.2 71.2 5,068 0.4
11 150 219.5 -17.8 0.8 202.9 52.9 2,795 0.4
700
12 400 277.5 -10.2 1.1 206.2 193.8 37,563 0.5
2003 13 550 364.7 -0.5 1.2 287.6 262.4 68,865 0.5
600
Valor Real
14 350 377.0 0.8 0.9 321.7 28.3 799 0.1
15 250 354.1 -1.6 0.8 296.5 46.5 2,160 0.2
500
16 550 403.1 3.5 1.2 404.9 145.1 21,068 0.3
400
2004 17 550 426.4 5.5 1.2 490.3 59.7 3,569 0.1
18 400 437.5 6.0 0.9 387.3 12.7 161 0.0
300
19 350 450.1 6.7 0.8 337.6 12.4 155 0.0
20 600 471.9 8.2 1.2 554.1 45.9 2,105 0.1
200
2005 21 750 531.8 13.4 1.3 591.0 159.0 25,289 0.2
22 500 548.8 13.7 0.9 491.7 8.3 69 0.0
100
23 400 546.4 12.1 0.8 430.9 30.9 955 0.1
24 650 546.4 10.9 1.2 687.3 37.3 1,391 0.1 0
2006 25 850 Pronóstico p=1 716.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
25 600 Pronóstico p=2 514.0
25 450 Pronóstico p=3 437.7 Trimestre
28 700 Pronóstico p=4 718.8
Promedios 80.9 11,414 22.7%
Real Pronóstico
DAM ECM EPAM
Atenuación Exponencial de Winters: Ejemplo 2
α= 0.10 p= 1 α= 0.217 p= 1
β= 0.20 2 β= 0.246 2
ϒ= 0.70 3 ϒ= 0.693 3
L= 4 4 L= 4 4
Mes t Yt At Tt St Yt+p Error Mes t Yt At Tt St Yt+p Error
-2 1 -2 1
-1 1 -1 1
0 1 0 1
Ene-17 1 77 77 0 1 Ene-17 1 77 77 0 1
Feb-17 2 105 79.8 1 1.2 77 28.0 Feb-17 2 105 83 1 1.2 77 28.0
Mar-17 3 89 81 1 1.1 80 8.6 Mar-17 3 89 86 2 1.0 85 4.4
Abr-17 4 135 87 2 1.4 82 53.0 Abr-17 4 135 98 4 1.3 87 47.7
May-17 5 100 90 2 1.1 89 10.9 May-17 5 100 101 4 1.0 102 1.9
Jun-17 6 125 93 2 1.3 113 12.5 Jun-17 6 125 106 4 1.2 125 0.0
Jul-17 7 115 97 2 1.2 102 13.2 Jul-17 7 115 110 4 1.0 113 2.1
Ago-17 8 155 100 3 1.5 137 17.9 Ago-17 8 155 116 5 1.3 145 10.0
Set-17 9 120 104 3 1.1 111 9.0 Set-17 9 120 121 5 1.0 120 0.2
Oct-17 10 145 107 3 1.3 139 5.5 Oct-17 10 145 125 5 1.2 149 3.8
Nov-17 11 135 111 3 1.2 127 7.9 Nov-17 11 135 130 5 1.0 135 0.4
Dic-17 12 170 114 3 1.5 171 0.6 Dic-17 12 170 133 4 1.3 176 6.2
Ene-18 13 Pronóstico p=1 132 Ene-18 13 Pronóstico p=1 136
Feb-18 14 Pronóstico p=2 161 Feb-18 14 Pronóstico p=2 166
Mar-18 15 Pronóstico p=3 148 Mar-18 15 Pronóstico p=3 152
Abr-18 16 Pronóstico p=4 189 Abr-18 16 Pronóstico p=4 194
DAM 15 Minimo DAM 10
Atenuación Exponencial de Winters: Ejemplo 2
Atenuación - Winter (α=0.1, β=0.32 ϒ=0.7) Atenuación Optimizada - Winter (α=0.217, β=0.246
200 ϒ=0.693)
200
180
180
160
160
140
140
Ventas
Ventas
120
120
100
100
80 80
60 60
40 40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Meses Meses