Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Suavización Exponencial Simple
SES
Tenemos dos tipos de
información:
-El pronóstico que hicimos
(HISTORIA)
-La demanda actual (ERROR).
2
Suavización Exponencial Simple
SES
Modelo
Ft Dt 1 (1 ) Ft 1 Entonces…
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
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 Diferencias
• Ambos métodos se emplean para • El pronóstico con SES es un
cuando la demanda es estacionaria. promedio ponderado de todos los
• Ambos métodos dependen de la datos pasados. El pronóstico con
especificación de un solo promedios móviles, es un promedio
parámetro. ponderado de solo los últimos N
datos.
• Ambos métodos se retrasarán con
respecto a una tendencia, si es que • Para usar promedios móviles,
existe. debemos guardar todos los N datos
2 pasados, mientras que para el SES
• Cuando N , ambos métodos
sólo necesitamos guardar el último
tienen la misma distribución de
pronóstico
pronóstico de error.
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
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
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
16
Suavización Exponencial Doble o
Método de Holt
Modelo
Ft, t+ = S t + Gt St = D t+ (1- ) (St-1 + Gt-1)
40
35
St
St
30
St-1 Gt-1 *
25
20 Dt
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
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)
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
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
28