Gerencia de Producción

Suavización Exponencial Simple

1
 Suavización Exponencial Simple
SES
Tenemos dos tipos de
información:
-El pronóstico que hicimos
(HISTORIA)
-La demanda actual (ERROR).

Ft  Dt 1  (1   ) Ft 1 El objetivo de este método es

usar toda la información para ir
corrigiendo el pronóstico del
periodo siguiente…

2
 Suavización Exponencial Simple
SES
Modelo
Ft  Dt 1  (1   ) Ft 1 Entonces…

α define el peso que queremos darle a

Ft  Ft 1   ( Ft 1  Dt 1 ) la corrección del pronóstico…

Ft  Ft 1   (et 1 ) El suavizamiento
exponencial aplica
un conjunto de
ponderaciones
Ft 1  Dt 1  et 1  0 decrecientes a
todos los datos
pasados…..

3
 Suavización Exponencial Simple
SES
La Constante de suavización
250

200

150
Demanda

Demanda
SES (alfa = 0,1)
100
SES (alfa = 0,5)

50

0
0 2 4 6 8 10 12 14 16 18 20
tiempo

4
 Suavización Exponencial Simple
SES
Y la inicialización
t Dt SE (0.1) PM (3)
1 50
Dt
2 35
60
3 42 55

4 45 50

Demanda
45
5 45
40 Dt
6 55
35
7 56 30
0 2 4 6 8 10 12
8 46 tiempo
9 42
10 57
Inicializando con el promedio de los datos.

5
 Suavización Exponencial Simple
SES
t Dt SE (0.1) PM (3)
60
1 50 47.3
55
2 35 47.6
50
3 42 46.3

Demanda
45 Dt
4 45 45.9 42.3
SE (0.1)
40
5 45 45.8 40.7 PM (3)
35
6 55 45.7 44.0
30
7 56 46.6 48.3 0 2 4 6 8 10 12
Tiempo
8 46 47.6 52.0
9 42 47.4 52.3
10 57 46.9 48.0

6
 Suavización Exponencial Simple
SES
t Dt Ft (a= 0.2) et (a=0.2) abs (et) Ft (a=0.1) et (a=0.1) abs (et) PM (3) et abs (et)
1 50 47.3 -2.7 2.7 47.3 -2.7 2.7
2 35 47.8 12.8 12.8 47.6 12.6 12.6
3 42 45.3 3.3 3.3 46.6 4.6 4.6
4 45 44.6 -0.4 0.4 44.9 -0.1 0.1 42.3 -2.7 2.7
5 45 44.7 -0.3 0.3 44.7 -0.3 0.3 40.7 -4.3 4.3
6 55 44.8 -10.2 10.2 44.7 -10.3 10.3 44.0 -11.0 11.0
7 56 46.8 -9.2 9.2 45.8 -10.2 10.2 48.3 -7.7 7.7
8 46 48.6 2.6 2.6 47.7 1.7 1.7 52.0 6.0 6.0
9 42 48.1 6.1 6.1 48.4 6.4 6.4 52.3 10.3 10.3
10 57 46.9 -10.1 10.1 47.5 -9.5 9.5 48.0 -9.0 9.0

MSE 47.84 49.19 61.3

MAD 5.55 5.50 7.28

7
 Relación entre los Métodos
• Relación:
En series estacionarias: El papel que juegan α y N
esta estrechamente relacionado; En caso de N
pequeños y α grandes puede presentarse mayor
sensibilidad a los cambios en el proceso de la
demanda. (Errores con mayor varianza)
Dicha relación esta dada por la siguiente expresión:
2

( N  1)

8
 Comparación
Suavización Exponencial Simple o Promedios???
Similitudes
• Ambos métodos se emplean para
cuando la demanda es estacionaria.
• Ambos métodos dependen de la
especificación de un solo
parámetro.
• Ambos métodos se retrasarán con
respecto a una tendencia, si es que
existe.
2 
• Cuando N   , ambos métodos
tienen la misma distribución de
pronóstico de error.
Diferencias
• El pronóstico con SES es un
promedio ponderado de todos los
datos pasados. El pronóstico con
promedios móviles, es un promedio
ponderado de solo los últimos N
datos.
• Para usar promedios móviles,
debemos guardar todos los N datos
pasados, mientras que para el SES
sólo necesitamos guardar el último
pronóstico
9
 Ejercicio 3
Las ventas semanales de martillos observadas en una
ferretería local en un periodo de 12 semanas fueron
de 14, 9, 30, 22, 34, 12, 19, 23, 35, 27, 29, 32.
a. Determine el pronóstico para los periodos 1 a 13
utilizando SES con α = 0.15, e inicializando con el
promedio de los datos.
b. Determine el pronóstico para los periodos 6 a 16
utilizando SES con α = 0.20, e inicializando con el
valor de la demanda del periodo 5.

10
Gerencia de Producción

Suavización Exponencial Doble o

Método de Holt

11
 Agenda
• Introducción.
• Suavización Exponencial Doble (SED - Holt).
– Notación
– Modelo
– Inicialización
• Método de regresión lineal.
• Otro Método.

12
 Introducción
Lo que conocemos hasta ahora….
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa
SUAVIZACIÓN EXPONENCIAL SIMPLE 0,2
t Dt St Ft e |e| %e e2
0 594,00 1800,00

1 640,00 603,20 594,00 -46,00 46,00 0,07 2116,00 1600,00

2 790,00 640,56 603,20 -186,80 186,80 0,24 34894,24 1400,00

1200,00
3 890,00 690,45 640,56 -249,44 249,44 0,28 62220,31
1000,00
4 1070,00 766,36 690,45 -379,55 379,55 0,35 144059,72
800,00
5 1150,00 843,09 766,36 -383,64 383,64 0,33 147180,88
600,00
6 1270,00 928,47 843,09 -426,91 426,91 0,34 182254,95
400,00
7 1330,00 1008,78 928,47 -401,53 401,53 0,30 161226,84
200,00
8 1530,00 1113,02 1008,78 -521,22 521,22 0,34 271674,98
1113,02 0,00
9
0 2 4 6 8 10 12
10 1113,02 ME -324,39
Demanda Pronóstico SES (alfa = 0,1)
MAD 324,39
MAPE 0,28
MSE 125703,49
Dev. Std. 405,48

13
 Introducción
Y si cambiamos el valor de alfa????
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa
SUAVIZACIÓN EXPONENCIAL SIMPLE 0,9
t Dt St Ft e |e| %e e2
0 594,00 1800,00
1 640,00 635,40 594,00 -46,00 46,00 0,07 2116,00 1600,00
2 790,00 774,54 635,40 -154,60 154,60 0,20 23901,16 1400,00
3 890,00 878,45 774,54 -115,46 115,46 0,13 13331,01 1200,00
4 1070,00 1050,85 878,45 -191,55 191,55 0,18 36689,87 1000,00
5 1150,00 1140,08 1050,85 -99,15 99,15 0,09 9831,63 800,00
6 1270,00 1257,01 1140,08 -129,92 129,92 0,10 16878,03 600,00
7 1330,00 1322,70 1257,01 -72,99 72,99 0,05 5327,77 400,00
8 1530,00 1509,27 1322,70 -207,30 207,30 0,14 42972,94 200,00

9 1509,27 0,00
0 2 4 6 8 10 12
10 1509,27 ME -127,12
Demanda Pronóstico SES (alfa = 0,9)
MAD 127,12
MAPE 0,12
MSE 18881,05
Dev. Std. 158,90

14
 Introducción
Y si ponemos otra constante de suavización??
MODELOS BASADOS EN SERIES DE TIEMPOS Alfa Beta
SUAVIZACIÓN EXPONENCIAL DOBLE / HOLT CON TENDENCIA 0,1 0,2
t Dt St Gt Ft e |e| %e e 2

0 540,00 120,83
1 640,00 658,75 120,42 660,83 20,83 20,83 0,03 434,03 2500,00
2 790,00 780,25 120,63 779,17 -10,83 10,83 0,01 117,36
2000,00
3 890,00 899,80 120,42 900,88 10,88 10,88 0,01 118,45
4 1070,00 1025,19 121,41 1020,21 -49,79 49,79 0,05 2478,98 1500,00
5 1150,00 1146,94 121,48 1146,60 -3,40 3,40 0,00 11,55
6 1270,00 1268,58 121,51 1268,42 -1,58 1,58 0,00 2,50 1000,00
7 1330,00 1384,08 120,31 1390,09 60,09 60,09 0,05 3610,73
8 1530,00 1506,95 120,82 1504,39 -25,61 25,61 0,02 655,89 500,00
9 1627,77
10 1748,59 0,00
11 1869,42 0 5 10 15
12 1990,24 Demanda Pronóstico SED (alfa = 0,1 / beta = 0,2)
13 2111,06
ME 0,07
MAD 22,88
MAPE 0,02
MSE 928,69
Dev. Std. 28,60

15
 Suavización Exponencial Doble o
Método de Holt
Notación

Nivel de la serie de tiempo en t: St

Tendencia de la serie de tiempo en t : Gt
Parámetro de suavización de nivel: 
Parámetro de suavización de tendencia :

16
 Suavización Exponencial Doble o
Método de Holt
Modelo
Ft, t+ = S t +  Gt St = D t+ (1- ) (St-1 + Gt-1)

Gt = (St - St-1) + (1- ) Gt-1

50
Demanda
45

40

35
St
St
30
St-1 Gt-1 *
25

20 Dt

15 St* es la proyección de la recta que pasa

por St-1 y que tiene pendiente Gt-1
10

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

17
 Suavización Exponencial Doble o
Método de Holt
Inicialización por Regresión Lineal
Corte con el eje y (S0) Tendencia (G0)
Comportamiento de la Demanda
350

300

250

200

Yt
150
Lineal (Yt)

100

50

0
0 20 40 60 80 100 120
-50

18
 Suavización Exponencial Doble o
Método de Holt
Inicialización por Regresión Lineal
ˆ i  a  bX i
14
12 y
10
8

ei  yˆi  yi
Y

6
4
2
0
0 2 4 6 8 10 12

a  y  bx
14
12

n xi yi   xi  yi
10
8
S xy
Y

b 
6

n xi  ( xi )
4
2 2
2
0
S xx
0 2 4 6 8 10 12

19
 Suavización Exponencial Doble o
Método de Holt
Otro método de inicialización

G0= (Vm-V1)/((m-1)*N)

S0 = V1- G0 *((N+1)/2)

20
 Ejemplo
Paso 1: Graficar
600
t Dt t Dt
1 15 18 262 500
2 10 19 235
3 115 20 331 400

Demanda
4 39 21 338
5 71 22 306 300
Dt
6 39 23 386 Yt
200
7 132 24 428
8 66 25 429 100
9 207 26 383
10 104 27 438 0
11 230 28 487 0 5 10 15 20 25 30 35
Tiempo
12 245 29 430
13 170 30 482 β = 0.1
14 233 31 427 α = 0.2
15 212 32 472
16 186 33 460
17 308
21 21
 Ejemplo
Paso 2: Inicializar So y Go

t Dt St Gt Ft et
0 -6.71 16.20
1 15 10.59 16.31 9.49 -5.51
2 10 23.52 15.97 26.90 16.90
3 115 54.59 17.48 39.49 -75.51
4 39 65.46 16.82 72.08 33.08
5 71 80.02 16.59 82.28 11.28 ˆ i  a  bX i
y

20 331 303.22 14.94 296.28 -34.72

21 338 322.13 15.34 318.16 -19.84
22 306 331.18 14.71 337.47 31.47
23 386 353.91 15.51 345.89 -40.11
24 428 381.14 16.68 369.42 -58.58
25 429 404.06 17.31 397.82 -31.18
22 22
 Ejemplo
Paso 3: Cálculos de acuerdo al modelo

t Dt St Gt Ft et
0 -6.71 16.20
1 15 10.59 16.31 9.49 -5.51 10.59 = 0.2*15 + (0.8)*(-6.71+16.20)
2 10 23.52 15.97 26.90 16.90
3 115 54.59 17.48 39.49 -75.51
4 39 65.46 16.82 72.08 33.08
5 71 80.02 16.59 82.28 11.28
16.31 = 0.1*(10.59 + 6.71) + (0.9)*16.20)

20 331 303.22 14.94 296.28 -34.72

21 338 322.13 15.34 318.16 -19.84
22 306 331.18 14.71 337.47 31.47 9.49 = -6.71 + 16.20
23 386 353.91 15.51 345.89 -40.11
24 428 381.14 16.68 369.42 -58.58
25 429 404.06 17.31 397.82 -31.18
23 23
 Ejemplo
Paso 3: Cálculos de acuerdo al modelo

t Dt St Gt Ft et
0 -6.71 16.20
1 15 10.59 16.31 9.49 -5.51
2 10 23.52 15.97 26.90 16.90
3 115 54.59 17.48 39.49 -75.51
4 39 65.46 16.82 72.08 33.08
5 71 80.02 16.59 82.28 11.28

20 331 303.22 14.94 296.28 -34.72

21 338 322.13 15.34 318.16 -19.84
22 306 331.18 14.71 337.47 31.47
23 386 353.91 15.51 345.89 -40.11
24 428 381.14 16.68 369.42 -58.58
25 429 404.06 17.31 397.82 -31.18

24 24
 Ejemplo
Paso 4: El pronóstico

t Dt St Gt Ft
25 429 404.06 17.31 397.82
26 383 421.36 421.36 = 404.06+(1*17.31)
27 438 438.67
28 487 455.98
29 430 473.29
30 482 490.59
438.67= 404.06+(2*17.31)
31 427 507.90
32 472 525.21
33 460 542.51

455.98= 404.06+(3*17.31)

25 25
 Ejercicio 1
t Dt St Gt Ft Et
50
0 45

1 15 40
35
2 20 30

Demanda
3 26 25
20
4 30 15
10
5 35 5
6 38 0
0 2 4 6 8 10
7 40 tiempo

8 43 Demanda

Alfa = 0,1
Beta = 0,2

26
 Solución Ejercicio 1

t Dt St Gt Ft Et
50
0 12.8 4.01 45
40
1 15 16.7 3.99 16.8 1.83 35

Demanda
2 20 20.6 3.99 20.6 0.64 30
25
3 26 24.7 4.00 24.6 -1.4 20
15
4 30 28.8 4.01 28.7 -1.3 10
5
5 35 33.1 4.04 32.9 -2.1 0
0 2 4 6 8 10
6 38 37.2 4.04 37.1 -0.9 tiempo

7 40 41.1 4.03 41.2 1.24 Demanda Pronóstico SED (alfa = 0,1 / beta = 0,2)
8 43 44.9 4.01 45.1 2.15

27
 Ejercicio 2
Shoreline Park Mountain View, California, ha mantenido registros del número
de clientes habituales que visitan el parque desde su apertura en enero de
1993. Durante los primeros seis meses de operación, se registraron las
siguientes cifras:
Mes # Clientes Mes # Clientes
Enero 133 Abril 640
Febrero 183 Mayo 1876
Marzo 285 Junio 2550

a. Calcule la inicialización utilizando el método de regresión lineal.

b. Calcule los pronósticos de Julio a Diciembre, empleando regresión lineal.
c. Calcule los pronósticos de Julio a Diciembre, empleando el método de
SED con α = 0,15 y β =0,1

28