Produccion

Lección 4: SUAVIZACIÓN EXPONENCIAL

El método de suavización exponencial es un método de promedio móvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas recientes mayor ponderación que a las demandas anteriores.

Es el método de pronóstico formal que se usa más a menudo, por su simplicidad y por la reducida cantidad de datos que requiere. A diferencia del método de promedio móvil ponderado, que requiere n periodos de demanda pretérita y n ponderaciones, la suavización exponencial requiere solamente tres tipos de datos: el pronóstico del último periodo, la demanda de ese periodo y un parámetro suavizador, alfa , cuyo valor fluctúa entre 0 y 1.0. Para elaborar un pronóstico con suavización exponencial, será suficiente que calculemos un promedio ponderado de la demanda más reciente y el pronóstico calculado para el último periodo.

En la suavización exponencial se asignan pesos a los datos pasados tal que los pesos disminuyen al hacerse los datos más antiguos, esto es que en un proceso cambiante, esto es que los datos recientes son más validos que los datos antiguos.

Este método solo necesita el pronóstico más reciente, una constante de suavización (es un valor arbitrario entre 0 y 1) y el último dato real, y así se elimina la necesidad de almacenar grandes cantidades de datos pasados.

La suavización exponencial requiere un valor de inicio. Si se tienen datos disponibles se puede emplear un promedio sencillo para iniciar el proceso; si los datos no son seguros se puede hacer una predicción subjetiva.

La ecuación correspondiente a este pronóstico es:

Ft+1= (demanda para este periodo) + (1- )(pronóstico calculado para el último periodo)

Ft+1= Dt + (1- )Ft

La siguiente ecuación es equivalente :

Ft+1= Ft + (Dt-Ft)

La constante de suavización a es un número entre 0 y 1 que entra multiplicando en cada pronóstico, pero cuya influencia declina exponencialmente al volverse antiguos los datos.

Una a baja de más ponderación a los datos históricos. Una a de 1 refleja una ajuste total a la demanda reciente, y los pronósticos serán las demandas reales de los periodos anteriores.

La selección depende de las características de la demanda. Los valores altos de a son más sensibles a las fluctuaciones en la demanda.

Los valores bajos de a son más apropiados para demandas relativamente estables (sin tendencia o ciclicidad), pero con una gran cantidad de variación aleatoria.

La suavización exponencial simple es un promedio suavizado centrado en el periodo presente. No se puede extrapolar para efectos de tendencia, por la que ningún valor de a compensará completamente la tendencia en los datos.

Los valores ordinarios de a varían entre 0.01 y 0.40. Los valores bajos de a disminuyen efectivamente la variación aleatoria (ruido - dispersión).

Los valores altos son más sensibles a cambios en la demanda (introducciones de nuevos productos y error buscando cuál valor reduce el error del pronóstico.

Esto puede hacerse fácilmente modelando el pronóstico en un programa de cómputo, tratando con diferentes valores de a.

Un valor de a que proporcione aproximadamente un grado equivalente de suavización tanto como un promedio móvil de un periodo es a =2 / (n + 1)

Esta forma de la ecuación muestra que el pronóstico para el periodo siguiente es igual al pronóstico del periodo actual más una proporción del error del pronóstico correspondiente al mismo periodo actual.

Para poner en marcha la suavización exponencial se requiere un pronóstico inicial. Hay dos formas de realizar este pronóstico inicial: Usar la demanda del último periodo, o bien, se dispone de datos históricos, calcular el promedio de varios periodos recientes de demanda. El efecto de la estimación inicial del promedio sobre las estimaciones sucesivas del mismo disminuye a lo largo del tiempo porque, con la suavización exponencial, las ponderaciones asignadas a las demandas históricas sucesivas, que se utilizan para calcular el promedio, disminuyen exponencialmente.

EJEMPLO

Calcule el pronóstico de suavización exponencial para la semana 4, considerando los datos de la siguiente tabla

...