Ejemplos

1.-

Una empresa de consumo masivo lleva registro de la demanda mensual de uno de sus
productos emblemáticos para un período de un año. Dicha información se presenta en la
columna etiquetada Demanda en la imagen a continuación. Se requiere utilizar el método
de suavizamiento exponencial simple considerando tres valores para el parámetro de
suavizamiento alfa: 0,1; 0,5 y 0,9. Obtener el pronóstico del período 13 (mes de Enero del
año siguiente) y evaluar el ajuste del método para cada uno de los valores de alfa
propuestos.
Recordar que el suavizado exponencial simple requiere de un primer pronóstico para
su aplicación. En este caso hemos decidido generar un pronóstico a contar del segundo
período (mes de Febrero) y asumir que dicho valor corresponde a la demanda real del
mes anterior (mes de Enero o período 1). Este criterio por cierto es arbitrario y se podría
seleccionar otro punto de partida, por ejemplo, un promedio para la demanda real de los
12 meses.

Adicionalmente en las columnas E, F y G de la imagen anterior se observa los pronósticos

para alfa 0,1, 0,5 y 0,9, respectivamente. En particular se puede corroborar la fórmula
utilizada para obtener el pronóstico del mes de Febrero utilizando α=0,1 (celda E5), donde
los resultados han sido aproximados al entero más cercano.
Considerando la información del Ejercicio N°1 ¿Cuál de los 3 métodos tiene asociado una
menor Desviación Absoluta Media (MAD)?

Para obtener el MAD (Mean Absolute Deviation) o Desviación Absoluta Media, aplicamos
el procedimiento descrito en el artículo Cálculo del MAD y la Señal de Rastreo para un
Pronóstico de Demanda. En la planilla interactiva a continuación puedes simular tanto los
pronósticos como el comportamiento del MAD para distintos valores de alfa. Para ello
basta con editar las celdas en color amarillo.
Conclusión: El alfa que provee el menor MAD al período 12 entre las 3 alternativas
evaluadas (0,1, 0,5 y 0,9) es α=0,1 (MAD de 449,7). En efecto se puede corroborar
utilizando el módulo Predictor de Crystal Ball (según se describe en Cómo utilizar el
Módulo Predictor en Crystal Ball para Promedio Móvil Simple y Suavizado Exponencial
Simple) que α=0,001 es el valor de alfa que minimiza el MAD en este ejemplo.
Asuma nuevamente la información del Ejercicio N°1 ¿Cuál de los 3 métodos tiene
asociado un menor Error Porcentual Absoluto Medio (MAPE)?

A continuación se presentan los resultados del cálculo del MAPE donde en particular se
puede observar que la fórmula de cálculo es simplemente el promedio de los errores
absolutos en términos porcentuales. Luego se concluye que al igual que en el Ejercicio
N°2 el parámetro alfa que tiene mejor desempeño en relación al MAPE es α=0,1.

Observación: En la pantalla de los resultados obtenidos con Predictor de Crystal Ball se

observa que para α=0,001 el valor del MAPE es 22,43%. Te recomendamos verificar el
resultado anterior haciendo uso del procedimiento anteriormente descrito.
Fórmula

Notación
Ft – Pronóstico del periodo t
Dt – Valor observado en el periodo t
α – constante de suavizamiento o alisado
Los valores de la constante de suavizamiento (α) se encuentran entre 0 y 1. Así,
resulta sencillo entender la fórmula: el último pronóstico (F t) es igual al pronóstico
anterior (Ft-1) más una fracción (0≤α≤1) del error (Dt-1-Ft-1).
La fórmula se puede reescribir como:

Valor de la constante de suavizamiento

Entre más grande sea el valor de α más peso le estaremos dando los datos más
recientes. Si α=1 se tiene que el modelo SES se convierte en el modelo del último
dato:

Se recomienda usar valores entre 0.1 y 0.3 para eliminar las variaciones
aleatorias. Los valores altos responderán mejor a cambios repentinos pero, en ese
caso, resulta discutible que la serie de tiempo sea estable. Por ejemplo, un valor
alto de α permitirá que el pronóstico responda mejor frente a un cambio en la
tendencia pero, entonces, no estamos tratando con una serie estable y será
preferible utilizar otro modelo que considere la tendencia.
Estimación inicial
Para iniciar el modelo es necesario conocer el pronóstico anterior Ft-1.

Hay muchas maneras de proponer una estimación inicial, se puede:

 Utilizar el método del último dato

 Utilizar un promedio de N datos
 Asumir que el error anterior fue cero lo que implica que 
2.-

El SES nos ayudará a pronosticar la demanda del producto para la semana 17, pues,
como muestra la siguiente gráfica la serie de tiempo es estable.
Antes de aplicar la fórmula debemos decidir qué valor le daremos a la constante
de suavizamiento α. Vamos a considerar que α=0.3 y, que el pronóstico de la
semana
1 es igual a la demanda real observada en la misma semana:

Ahora podemos aplicar la fórmula para calcular el pronóstico de ventas de la

semana 2:

Semana 2:

Semana 3:

Semana 4:

Continuamos hasta calcular el pronóstico de la semana 17:

Semana 17:
La siguiente tabla muestra los resultados obtenidos para α=0.3 para todas las
semanas:
La siguiente gráfica muestra la serie de tiempo de las ventas del producto y la serie de
tiempo correspondiente al suavizamiento exponencial.

Ambas, tabla y gráfica, muestran que el suavizado exponencial se mantuvo muy cerca de
los valores reales. Los valores que seleccionemos para α y la estimación inicial influirán
en la precisión del pronóstico, un pronóstico impreciso producirá un error más grande.
Existen medidas de precisión que permite seleccionar entre diferentes valores de α, la
desviación media absoluta, el porcentaje de error promedio absoluto  y el error cuadrático
medio son algunas de ellas. Por ejemplo, el pronóstico será mejor entre más pequeño sea
el valor de la desviación media absoluta.
Bibliografía
1.- https://www.gestiondeoperaciones.net/proyeccion-de-demanda/suavizamiento-
exponencial-simple-ejercicios-resueltos/
2.- https://www.celeberrima.com/suavizado-exponencial-simple-ejemplo-y-formula/
3.-