• Author / Uploaded
• Elizabeth Cáceres

Citation preview

Métodos de suavización y promedio móvil ponderado

Otro método de pronostico de demanda es el promedio móvil ponderado. Mientras en el método de promedio móvil simple asignamos igual importancia a todos los datos de la demanda pasada, el método de promedio móvil ponderado nos permite calcular pronósticos asignando más peso para los elementos que consideremos. Esta es la ventaja del método, pues bajo ciertas circunstancias, las empresas necesitan predecir la demanda de próximos periodos ponderando unos sobre otros, lo que permite por ejemplo, darle más importancia a la tendencia, que aunque este método nos sigue debiendo frente a este aspecto, si sale victorioso si se compara con el promedio o media simple.

Cómo elegir la ponderación en el promedio ponderado Realmente no hay una regla general que nos diga qué ponderación elegir. La experiencia y el análisis de la demanda suelen ser decisorios para determinar la importancia en la ponderación. Sin embargo, se suele considerar que en el cálculo de pronósticos es más importante la demanda reciente, pues ante ausencia de datos, es el indicador más fiel que tenemos para el próximo periodo. Pero esto depende del tiempo donde nos encontremos. Un ejemplo de promedio móvil ponderado es una empresa que vende piscinas de plástico y que sabe que en verano la demanda aumenta, y por ende es un periodo en el que se debe asignar un mayor peso ponderado en el pronóstico.

Formula de promedio móvil ponderado El promedio ponderado suele reaccionar más rápido ante los cambios de la demanda, con relación al promedio simple. Sin embargo, la verdadera utilidad del método dependerá de la experticia del administrador de operaciones al pronosticar la demanda, como en todos.

En nuestra formula de promedio, la suma de las ponderaciones debe ser igual a 1. Con esto en mente vamos a nuestro ejemplo.

Cómo calcular un promedio móvil ponderado IngE es una compañía productora de alimentos para perro y requiere calcular el pronóstico de demanda con el método de media móvil ponderada. Para la empresa, la demanda pasada reciente es la más importante y le asignan un

peso de 50%. La demanda intermedia tiene un peso de 30% y la más lejana de

20%. En este ejemplo de promedio ponderado, para calcular el pronóstico de demanda del periodo 4, multiplicamos el periodo 3 (el más reciente) por 50%, yoel periodo 2 (el intermedio 2) por 30% y el periodo 1 (el más lejano) por 20%. El resultado de cada producto lo sumamos y obtuvimos 139. Para pronosticar el siguiente periodo, multiplicamos la demanda real (la que obtuvimos, no la pronosticada) del periodo 4 por 50%, la del periodo 3 por 30%

y la demanda del 2 por 20%

a diferencia de otros métodos, el suavizado o alisamiento exponencial funciona con muy pocos registros de periodos anteriores, destacando los hechos más recientes sobre los más antiguos

A diferencia de los métodos de promedio móvil simple y ponderado, este método no necesita de gran volumen de datos históricos de la demanda. Por ende cada vez que se calcula el pronóstico, se remueve la observación anterior y es reemplazada por la demanda más reciente, y aquí es donde radica la ventaja.

Ventajas del método de suavización exponencial simple Es el método de pronóstico más usado por su simpleza, tanto por pequeñas y grandes empresas, sea en un sencillo archivo de Excel o un software como forecast pro. Sus ventajas son: Formulación es sencilla, pues solo requiere el pronóstico anterior, la demanda real del periodo de pronóstico y la constante de suavización, como ya lo veremos más adelante. No requiere de gran volumen de datos históricos. Al ser un modelo exponencial, es más preciso.

Es flexible al conseguir darle más importancia a la demanda más reciente o a la antigua. Su desventaja, al igual que los métodos de promedio móvil, es la respuesta a la tendencia. Aun cuando un valor de alfa (α) logra responder frente a cambios en el promedio, cambios sistemáticos de este harán más grande el error de pronóstico. Es tan así, que cuando se está aplicando un alfa mayor a 0.5 con buenos resultados, optar por el alisado exponencial doble suele ser mejor idea MENÚ

Inicio » Pronóstico de demanda » Suavizado exponencial simple

Cómo usar la suavización exponencial simple para pronosticar la demanda Publicado: 15 de febrero de 2016 | Actualizado: 04 de febrero de 2020

Continuando con los métodos de series de tiempo, hoy le toca el turno a la suavización exponencial simple. Los pronósticos de producción desarrollados con series de tiempo, hacen uso de los datos del pasado para predecir el comportamiento de la demanda en el futuro.

Sin embargo, y a diferencia de otros métodos, el suavizado o alisamiento exponencial funciona con muy pocos registros de periodos anteriores, destacando los hechos más recientes sobre los más antiguos.

A diferencia de los métodos de promedio móvil simple y ponderado, este método no necesita de gran volumen de datos históricos de la demanda. Por ende cada vez que se calcula el pronóstico, se remueve la observación anterior y es reemplazada por la demanda más reciente, y aquí es donde radica la ventaja.

Ventajas del método de suavización exponencial simple Es el método de pronóstico más usado por su simpleza, tanto por pequeñas y grandes empresas, sea en un sencillo archivo de Excel o un software como forecast pro. Sus ventajas son: Formulación es sencilla, pues solo requiere el pronóstico anterior, la demanda real del periodo de pronóstico y la constante de suavización, como ya lo veremos más adelante. No requiere de gran volumen de datos históricos. Al ser un modelo exponencial, es más preciso. Es flexible al conseguir darle más importancia a la demanda más reciente o a la antigua. Su desventaja, al igual que los métodos de promedio móvil, es la respuesta a la tendencia. Aun cuando un valor de alfa (α) logra responder frente a cambios en el promedio, cambios sistemáticos de este harán más grande el error de pronóstico. Es tan así, que cuando se está aplicando un alfa mayor a 0.5 con buenos resultados, optar por el alisado exponencial doble suele ser mejor idea.

La constante de suavización en el alisado exponencial El método de suavización exponencial simple trabaja a través de una constante de suavización alfa (α) que tiene un valor comprendido entre 0 y 1, aunque en la aplicación real su valor suele variar entre 0,05 y 0,50. La constante funciona como un factor de ponderación (si, parecido al pronóstico móvil ponderado) y su variación se hace de acuerdo a nuestra necesidad de darle más peso a datos recientes (alfa α más elevado) o a datos anteriores (alfa α más bajo). En este sentido, si α=1, nuestro pronóstico de demanda del próximo periodo será exactamente igual al del periodo actual. En consecuencia, el alfa que elijamos estará relacionado con el índice de respuesta deseado y la naturaleza del producto. ¿Por qué? Veamos. Por ejemplo, teniendo un producto o servicio con demanda estable a través del año, nuestra constante de suavización tenderá a ser pequeña (0,10 por ejemplo), debido a que, no requerimos un elevado índice de respuesta frente a los cambios entre la demanda real y la demanda pronosticada.

Caso contrario es cuando la compañía comienza a tener un crecimiento en su demanda, lo que va a requerir un alfa más elevado (0,30 por ejemplo) para dar mayor importancia a la demanda reciente.

Cómo calcular un pronóstico con suavización exponencial Como bien mencionamos antes, el cálculo es simple. Requerimos el pronóstico anterior, la demanda real del periodo de pronóstico y la constante de suavización. Si es la primera vez que usamos el método, el pronóstico anterior puede ser un estimado o el resultado de un promedio simple, por ejemplo. La fórmula de suavizamiento exponencial es la siguiente:

Donde Ft= Nuevo pronóstico Ft-1= Pronóstico del periodo anterior α = constante de suavización At-1= demanda real del periodo anterior

Ejemplo de suavización exponencial Luz Verde es una empresa de seguros que ha decidido expandir su mercado a la ciudad capital de un país. Por ser la ciudad que congrega más habitantes, han decidido comenzar ofreciendo servicio de seguro para coches. Como ejercicio inicial, la empresa desea pronosticar cuántos seguros de vehículo serán contratados por las personas de la ciudad capital, para lo cual usarán como dato inicial los seguros de vehículos contratados en otra ciudad con menos habitantes pero con mayor posicionamiento en el mercado. El pronóstico de demanda del período 1 es 2869 seguros de carro adquiridos por personas, pero la demanda para ese periodo fue de 3200. La compañía según su criterio asigna α=0,35. La demanda del próximo periodo es: Ft= 2869+0.35(3200-2869)=2984.85 Este mismo ejercicio lo realizó a través del año, obteniendo la siguiente tabla comparativa entre lo realmente obtenido (demanda – segunda columna) y lo pronosticado en ese momento (tercer columna).

Gráficamente, esa tabla sería algo como esto: