Suavización exponencial simple (SES)

La suavización exponencial simple es un método utilizado para pronosticar la demanda en el análisis de series de tiempo. A diferencia de otros métodos, como el promedio móvil simple y ponderado, este método no requiere una gran cantidad de datos históricos. En cambio, se centra en los hechos más recientes y destaca los cambios más recientes en lugar de los más antiguos. Esto lo convierte en un método popular debido a su simplicidad y precisión.

El método de suavización exponencial simple utiliza una constante de suavización alfa (α) que varía entre 0 y 1. Esta constante determina el peso relativo que se le da a los datos más recientes en comparación con los datos anteriores. Un valor de alfa más alto da más importancia a los datos más recientes, mientras que un valor más bajo da más importancia a los datos antiguos.

En resumen, la suavización exponencial simple es un método popular y sencillo para pronosticar la demanda en el análisis de series de tiempo. Su simplicidad y precisión lo convierten en una opción atractiva para empresas grandes y pequeñas. Por lo tanto, el suavizado exponencial simple es otro método utilizado para suavizar las fluctuaciones aleatorias en el patrón de demanda. Las dos fórmulas (matemáticamente equivalentes) que se emplean más comúnmente para calcularlo son:

La SES nos permite calcular los pronósticos de las ventas de la demanda para el siguiente periodo únicamente, la aproximación exponencial. Es una ponderación o valor de ajuste con cierto grado de error, que se puede estimar o determinar al emitir un pronóstico, este valor de ajuste fluctúa en (0.1 y 1). Si el valor de ponderación es pequeño el deslizamiento  o ajuste será gradual y mínimo. Para asignar el valor de ajuste o de ponderación (α) se debe tener en cuenta lo siguiente:

a) La demanda en condiciones de estabilidad α = 0.1, 0.2 y 0.3

b) La demanda en condiciones de estabilidad promedio α =  0.4 y 0.6

c) La demanda en proceso de cambio o cuando se trata de nuevos productos α = 0.7, 0.8 y 0.9.

El valor de alfa siempre se encuentra entre cero y uno, dado a que si equivale a cero no se añade ninguna parte del error y el pronóstico siempre es el mismo número, mientras que si equivale a uno se añadirá el error completo del pronóstico y no se realizaría ninguna suavización.

Se ejemplificara con el ejercicio de la unidad:

Utilizando alfa como 0.2, 0.5 y 0.8; para ver cómo se comporta el pronóstico, dependiendo del error.

Primeramente, se debe de calcular el primer pronóstico con alguno de los métodos anteriores (promedio móvil simple o promedio móvil ponderado), en este ejemplo se realizó con un promedio móvil simple para el año 2006.

(80+82+84)/3=82

A partir de este se tiene que seguir la formula (para este caso se utilizó la ecuación 1):

Determinar la diferencia de la demanda anterior con el pronóstico anterior

Obtener el error cuadrático

1*1=1

Multiplicar por alfa, para obtener el error

Para la primer columna con alfa =0.2

0.2*1=0.2

Sumar el error con el pronóstico anterior, y así obtener el nuevo pronóstico

Hasta llegar al pronóstico de 2015.

EJEMPLO: 

 

PROYECTOS A DESARROLLAR

PROYECTO 1. Estimar el salario mínimo en la región A para el año 2021, empleando los valores históricos que se presentan  en el siguiente cuadro. Determine cuál de las tres estimaciones reporta el mejor pronóstico para valores 0.1, 0.5 y 0.9 del factor α. Para el cálculo solicitado únicamente utilice los valores correspondientes a la zona A.

Para el primer periodo aplique un PMS para un móvil de 3. Desarrolle el método SES  y determine los errores cuadráticos, la suma de errores cuadráticos, error cuadrático medio, raíz del error cuadrático medio, elabore gráfica de tendencia de la media móvil. Analice los indicadores y determine cuál es la mejor serie de pronósticos.

PROYECTO 2.Con los siguientes datos calcule el pronóstico de ventas o de la demanda para el periodo 9, considere factores de ajuste 0.3 y 0.5; los datos históricos de ventas así como los periodos se indican a continuación:

Periodos Mensuales	Demanda (D)
3	16
4	18
5	20
6	12
7	16
8	20
9	¿?

Para el primer periodo aplique un PMS para un móvil de 3. Desarrolle el método SES  y determine los errores cuadráticos, la suma de errores cuadráticos, error cuadrático medio, raíz del error cuadrático medio y elabore gráfica de tendencia de la media móvil. Analice los indicadores y determine cuál es la mejor serie de pronósticos.

Proyecto 3. Calcule el pronóstico de suavización exponencial para la semana 4, considerando los datos de la siguiente tabla que representan la llegada de pacientes a una clínica en las últimas tres semanas. Tenga en cuenta que alfa= 0.10

Para el primer periodo, el pronóstico es igual a la llegada de pacientes. Desarrolle el método SES (Determine los errores cuadráticos, la suma de errores cuadráticos, error cuadrático medio, raíz del error cuadrático medio y elabore gráfica de tendencia de la media móvil) Analice los indicadores y determine cuál es la mejor serie de pronósticos.

Proyecto 4. Se dispone de una serie de 12 resultados de una variable X, se relacionan a continuación en la segunda columna, se desea hacer un pronóstico usando Suavización Exponencial Simple para alfa   de 0.1 y 0.3:

Para el primer periodo aplique un PMS para un móvil de 3. Desarrolle el método SES y determine los errores cuadráticos, la suma de errores cuadráticos, error cuadrático medio, raíz del error cuadrático medio y elabore gráfica de tendencia de la media móvil. Analice los indicadores y determine cuál es la mejor serie de pronósticos.