Suavizacion Exponencial

SUAVIZACIÓN EXPONENCIAL

Suavización exponencial es, es una manera de suavizar series de tiempo, y a la vez pronosticar datos, desempeñan bien en términos de exactitud, pueden ser automatizados, permitiendo ser utilizados a gran escala. Los modelos de suavización exponencial capturan y pronostican el nivel de los datos de acuerdo a los diferentes tipos de tendencias y patrones estaciónales. Dan una mayor importancia a los datos más recientes como a los más distantes dependiendo del alpha a utilizar. Con el caso a exponer se estará explicando el fin de este método.

DESCRIPCION DEL PROBLEMA

La empresa FIMECO SAC, dedicada al rubro de importación de bobinas de telas, ha experimentado una demanda irregular en el mercado nacional, es por ello que el Gerente General decide desarrollar un pronóstico sobre la demanda de bobinas de tela Jersey algodón (50% algodón y 50% poliéster), para conocer la cantidad que debería emitir la orden de compra a China, realizando una importación, sin embargo debe tomar en cuenta que la mercancía demora en llegar de Hong Kong al Callao, desde la fecha de la orden de compra mas el tiempo de travesía por vía marítima 40 días, 6 días aproximado para la nacionalización de dicha mercancía, 3 días para el inventario y distribución a las distintas sucursales de FIMECO SAC. Si bien es cierto aparte de considerar el tiempo que debería solicitar la orden de compra para determinar la fecha aproximada que dispondrá de la mercancía, deberá conocer la demanda del mes, con el fin de solicitar una cantidad adecuada. Sabiendo que la primera orden lo realiza el 1 de Marzo.

Primero comenzaremos con analizar los promedios móviles considerando dos, tres y cuatro meses; dependiendo de la desviación absoluta media, tomaremos en cuenta el número de periodos a utilizar para determinar por medio del método suavización la cantidad que necesitaríamos importar. En este cuadro observamos la cantidad demanda mensualmente en el mercado nacional y promedios móviles de 2, 3 y 4 meses.

MESES DEMANDA Promedio Móvil 2meses Desviación D2 Promedio Móvil 3meses Desviación D2

Marzo 2,300

Abril 2,000

Mayo 3,600 2,150.0 1,450.0 2,102,500.0

Junio 3,500 2,800.0 700.0 490,000.0 2,633.3 866.7 751,111.1

Julio 2,990 3,550.0 -560.0 313,600.0 3,033.3 -43.3 1,877.8

Agosto 3,000 3,245.0 -245.0 60,025.0 3,363.3 -363.3 132,011.1

Septiembre 3,780 2,995.0 785.0 616,225.0 3,163.3 616.7 380,277.8

Octubre 4,280 3,390.0 890.0 792,100.0 3,256.7 1,023.3 1,047,211.1

Noviembre 4,300 4,030.0 270.0 72,900.0 3,686.7 613.3 376,177.8

Diciembre 4,520 4,290.0 230.0 52,900.0 4,120.0 400.0 160,000.0

Enero 4,080 4,410.0 -330.0 108,900.0 4,366.7 -286.7 82,177.8

Febrero 3,520 4,300.0 -780.0 608,400.0 4,300.0 -780.0 608,400.0

Marzo 3,000 3,800.0 -800.0 640,000.0 4,040.0 -1,040.0 1,081,600.0

Abril 3,260.0 3,533.3

TOTAL 5,857,550.0 4,620,844.4

RAIZ D2 2,420.2 2,149.6

DESVIACION MEDIA 220.0 215.0

Promedio Móvil 4meses Desviación D2

2,850.0 140.0 19,600.0

3,022.5 -22.5 506.3

3,272.5 507.5 257,556.3

3,317.5 962.5 926,406.3

3,512.5 787.5 620,156.3

3,840.0 680.0 462,400.0

4,220.0 -140.0 19,600.0

4,295.0 -775.0 600,625.0

4,105.0 -1,105.0 1,221,025.0

3,780.0

4,127,875.0

2,031.7

225.7

La empresa Fimeco considera que existen errores en el método de pronóstico de promedio móviles, ya que hay diversos factores que afectan a estos datos siendo uno de ellos, la estacionalidad que va en relación a la venta que realiza en determinadas temporadas, es por ello que aplicara la formula de Suavización Exponencial, la cual considera los efectos estacionales.

MESES DEMANDA Promedio Movil 3meses α = 0.1 Desviación Absoluta d2

Marzo 2,300

Abril 2,000

Mayo 3,600

Junio 3,500 2,633.3 2,633.3 -

Julio 2,990 3,033.3 2,633.33 400.0 160,000.0

Agosto 3,000 3,363.3 2,673.33 690.0 476,100.0

Septiembre 3,780 3,163.3 2,742.33 421.0 177,241.0

Octubre 4,280 3,256.7 2,784.43 472.2 223,004.3

Noviembre 4,300 3,686.7 2,831.66 855.0 731,042.1

Diciembre 4,520 4,120.0 2,917.16 1,202.8 1,446,829.7

Enero 4,080 4,366.7 3,037.44 1,329.2 1,766,838.5

Febrero 3,520 4,300.0 3,170.36 1,129.6 1,276,076.6

...