El mtodo de suavizacin exponencial es un mtodo de pronstico fcil de utilizar y que se maneja eficientemente mediante computadoras.

Aunque es una tcnica del tipo de promedio mvil, implica un nivel bajo de registro de datos pasados.

La suavizacin exponencial requiere solamente tres tipos de datos para pronosticar el futuro: El pronstico del ltimo periodo, la demanda real que ocurri durante el periodo de pronostico y una constante de uniformidad alfa (), cuyo valor flucta entre 0 y 1.0, adems esta constante de suavizacin determina el nivel de uniformidad y la velocidad de reaccin a las diferencias entre los pronsticos y las ocurrencias reales.

Ventajas y desventajas exponencial.

de

la

suavizacin

La suavizacin exponencial tiene la ventaja de ser sencilla y requerir un mnimo de datos. Su utilizacin es econmica, y por lo tanto, muy atractiva para las empresas que realizan miles de pronsticos para cada periodo de tiempo. Sin embargo, su sencillez se convierte en una desventaja cuando el promedio fundamental se modifica, como en el caso de las series de demanda que muestran una tendencia.

Parmetro de Suavizacin : El valor del parmetro de suavizacin () determina qu tanto se suaviza la variacin aleatoria. Su valor debe estar entre cero (0) y uno (1). Si es pequeo: los pronsticos sern lentos a reaccionar a cambios en la demanda. Si es grande: los pronsticos reaccionarn rpidamente a cambios en la demanda, pero tambin al ruido.

Frmulas para calcular el pronstico:

La ecuacin para un solo pronstico de uniformidad exponencial es simplemente:

Ft Ft 1 At 1 Ft 1

Se est organizando una reunin en Francia. Se espera pronosticar la atencin del ao 2008 usando el suavizado exponencial. (a = .10). En 2003 el pronstico fue 175. 2003 2004 2005 2006 2007 180 168 159 175 190

GRAFICO DE SUAVIZADO EXPONENCIAL

Concepto: Consideremos ahora una serie de tiempo de la demanda con una tendencia. Aun cuando se dispone de varios mtodos de pronstico que permiten reconocer las tendencias, nos concentraremos en la suavizacin exponencial porque su uso est muy generalizado en la prctica. En una serie de tiempo, una tendencia consiste en un incremento o decremento sistemtico de los promedios de la serie a travs del tiempo. Cuando existe una tendencia, los enfoques de la suavizacin exponencial deben modificarse; si no se modifican, los pronsticos siempre estarn por arriba o por debajo de la demanda real.

Para corregir la tendencia, se necesitan dos constantes de suavizacin. Adems de la constante de suavizacin (), la ecuacin de la tendencia utiliza una constante de suavizacin (). La reduce el impacto del error que ocurre entre la realidad y el pronstico. Si no se incluye ni alfa ni el beta, la tendencia reacciona en forma exagerada ante los errores.

1.Formulas a utilizar:

DONDE:

Ejemplo: Ann Hickman debe pronosticar las ventas de su empresa en expansin de autotransportes, de forma que pueda planear las necesidades de efectivo, personal y combustible. Ella cree que las ventas durante el periodo de los 6 meses anteriores son representativas de las ventas de futuro. Desarrolle un pronstico de suavizacin exponencial con tendencia para las ventas del mes 7, si y las ventas histricas, en miles de dlares, fueron:
Meses ()
1 2 3 4 5 6

Ventas (miles de dlares) (A) 130 136 134 140 146 150

SOLUCION:
Estimamos el pronstico de iniciacin para el mes 1.

Estimamos un componente inicial de tendencia: una forma de estimar el componente de tendencia es restar las ventas reales del mes 6 de las ventas reales del mes 1, y a continuacin dividirlos entre 5, que es la cantidad de periodos entre 1 y 6.

A continuacin, utilizamos el pronstico y el componente de tendencia inciales de los meses 1 y 2, calculamos un pronstico para las ventas en cada uno de los meses que nos llevan a un pronstico para el mes 7:

Meses () 1 2 3 4 5 6
Meses ()

Ventas (miles de dlares) (A) 130 136 134 140 146 150
Ventas (miles de dlares) (A)

1 2 3

130 136 134

Conocido = 4

4
5 6

140
146 150

Meses ()

Ventas (miles de dlares) (A)

1 2 3 4 5

130 136 134 140 146

conocido 130

6 7

150 -----

Concepto:

Es una fluctuacin peridica de la serie temporal, de periodo fijo no superior al ao, debida a la influencia de fenmenos sociolgicos y econmicos ntimamente correlacionados con las variaciones de las variables causales que evolucionan a lo largo del ao.

Generalmente, la variacin estacional se determina en forma de nmeros ndices que ponen de manifiesto el porcentaje (sobre la media anual o el total anual) de aumento o disminucin de las ventas, debido al hecho de estar en una determinada poca o sub periodo interanual.

 El periodo interanual puede coincidir con ndice estacional: Indica cmo se compara una estacin especifica; por ejemplo: trimestre; con una estacin promedio. Cuando no existe tendencia, el ndice puede determinarse mediante la divisin del valor promedio de una estacin especifica entre el promedio de datos. Segn este enfoque un ndice de 1 significa que la estacin es promedio.

Trimestre Mes bimestre Estacin climtica Semana Quincena, etc.

El primero es eliminar ese patrn a fin de estudiar las fluctuaciones cclicas. La segunda finalidad es identificar factores estacionales, de esta manera que se puedan considerar en la toma de decisiones.

 POR EJEMPLO la ventas promedio en enero fueron de 120 y las ventas promedio en todos los meses fueron 200, con un ndice estacional de enero sera de 120/200=0.60, lo que indica que enero se encuentra en el promedio.

En forma similar, la demanda de cortes de cabello suele alcanzar un punto mximo los sbados, semana tras semanas. En este caso el patrn estacional dura una semana, y las estaciones son los das de la semana

Las ventas mensuales de los dos ltimos aos de una marca de contestadora telefnica de Eichel Supplies se muestran en la tabla. Se calcula la demanda promedio de cada mes y esos valores se dividen entre el promedio general (94) para encontrar el ndice estacional mensual. Luego se utilizan los ndices estacionales para ajustar los pronsticos futuros.

MES

DEMANDA AO 1 AO 2

DEMANDA PROMEDIO DE DOS AOS

90 80 85 100 123 115 105 100 90 80 80 80

DEMANDA MENSUAL

INDICE ESTACIONAL PROMEDIO

ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SETIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE

80 85 80 110 115 120 100 110 85 75 85 80

100 75 90 90 131 110 110 90 95 85 75 80

94 94 94 94 94 94 94 94 94 94 94 94

0.957 0.851 0.904 1.064 1.309 1.223 1.117 1.064 0.957 0.851 0.851 0.851

DEMANDA TOTAL PROMEDIO = 1128

Demanda promedio mensual = 1128 = 94 12 meses

ndice estacional = demanda promedio. De dos aos demanda promedio. mensual

Por ejemplo suponga que se espera que la demanda anual de maquinas contestadoras durante el tercer ao sea de 1200 unidades, los cuales equivalen a 100 por mes. No se puede pronosticar que en cada mes la demanda sea de 100 unidades, pero puede ajustarse con base en los ndices estacionales de la siguiente forma: Enero: (1200/12) * 0.957 = 96

Febrero: (1200/12) * 0.851 = 85 Marzo: Abril: (1200/12) * 0.904 = 90 (1200/12) * 1.064 = 106 Julio: Agosto: (1200/12) * 1.117 = 112 (1200/12) * 1.064 = 106

Mayo:
Junio:

(1200/12) * 1.309 = 131

(1200/12) * 1.223 = 122

Setiembre: (1200/12) * 0.957 = 96

Octubre: (1200/12) * 0.851 = 85

Noviembre: (1200/12) * 0.851 = 85 Diciembre: (1200/12) * 0.851 = 85

El mtodo estacional multiplicativo recibe su nombre de la forma en que se calculan y utilizan los factores estacionales. El hecho de multiplicar el factor estacional por una estimacin de la demanda promedio durante el periodo implica que el patrn estacional depende del nivel de la demanda.

Calcular el Promedio Mvil Centrado CMA, en cada una de las observaciones Promediar la proporcin estacional, para obtener el ndice estacional.
=

calcular en los ndices estacionales

Eliminar la estacionalidad de los datos

Determinar el pronstico para el siguiente periodo a travs del mtodo de regresin lineal. Y por medio de ello se traza una lnea de tendencias con base en los datos desestacionalizados.

Ejemplo N 1: Las cifras de ventas trimestrales de TURNER INDUSTRIES se muestran en la tabla. Se observa que existe una tendencia definitiva ya que el total aumenta cada ao y de igual manera existe un aumento en cada trimestre de un ao al siguiente. El componente estacional es obvio, ya que se presenta una cada por tanto entre el cuarto trimestre de un ao y el primer trimestre del siguiente. Se observa un patrn similar cuando se comparan los terceros trimestres con los cuartos trimestres que le siguen inmediatamente. Se pide: Hallar el ndice estacional, el pronstico basado en una tendencia para el trimestre 13.

TRIMESTRE 1 2 3 4 PROMEDIO

Ao 1 108 125 150 1471 131.00

Ao 2 116 134 159 152 140.25

Ao 3 123 142 168 165 149.50

PROMEDIO 115.67 133.67 159.00 152.67 140.25

DESARROLLO
AO TRIMESTRE
1 2 3 4 1 2 3 4 1 2 3 4

VENTAS (millones de$)

108 125 150 141 116 134 159 152 123 142 168 165

CMA

NDE PROPORCION VENTAS TRIMESTRES ESTACIONAL (Y) (X)

1 2 3 4 5 6 7 8 9 10 11 12 108 125 150 141 116 134 159 152 123 142 168 165

INDICE ESTACIONAL
0.85 0.96 1.13 1.06 0.85 0.96 1.13 1.06 0.85 0.96 1.13 1.06

VENTAS DESESTACIONALIZADAS
127.059 130.208 132.743 133.019 136.471 139.583 140.708 143.396 144.706 147.917 148.673 155.66

XY
108 250 450 564 580 804 1113 1216 1107 1420 1848 1980

1 4 9 16 25 36 49 64 81 100 121 144

132 134.125 136.375 138.875 141.125 143 145.125 147.875

1.136 1.051 0.851 0.965 1.127 1.063 0.848 0.96

=78

1683

11440

650

Promedio Mvil Centrado CMA

CMA3= CMA4= CMA5=
. ++++ . . ++++(.) . ++++ .

= . = . = .

Proporcin estacional

150 = = 1.136 132 141 = = 1.051 134.125 116 = = 0.851 136.375

ndices estacionales:

(. + . ) 1 = = . (. + . ) 2 = = . (. + . ) 3 = = . (. + . ) 4 = = . Eliminar la estacionalidad
108 = 127.059 0.85 125 2 = = 130.208 0.96 150 3 = = 132.743 1.13 1 =

En el caso de los datos de Turner Industries, se desea pronosticar el primer trimestre de ao 4 (trimestre 13) es lo siguiente:

()() = . ()

()() = . ()

 = 117.5 + 3.5 = 117.5 + 3.5 13 = El ajuste estacional = . = .