II, - METODO DE LOS PROMEDIOS MOVILES.
Una de las técnicas usadas para el célculo de pronésticos es -
el Método de los Promedios Méviles, Este método consiste esencialmen-
te encalcular un valor promedio en base a los datos hist6ricos de que -
se disponga, y utilizar este valor como prondstico para un perfodo en el-
futuro, .
EI método parte de la-base de que hay un patrén bésico de com
portamiento en los valores de las variables a ser pronosticadas y que las
“observaciones hist6ricas que se tienen, representan tanto a este modelo
basico de comportamiento como a fluctuaciones aleatorias,
Para eliminar la aleatoriedad de los datos obtenidos hay que -~
considerar el promedio de los Gltimos valores observades, y usarlo como
pronéstico para un perfodo préximo. El nimero de observaciones que s€ -
habrén de utilizar en este promedio se especifica de antemano y perma-~
nece constante.
El término de "Promedios Méviles” se utiliza porque con cada
nueva observacién de que se dispone, se puede calcular un nuevo prome~
dio que se puede usar como pronéstico,
‘Una de las caracterfsticas de este método es que antes de hacer
cualquier prondstico, se deben tener tantos datos anteriores como se va-~
yan a necesitar en el promedio que se va a calcular, 0 sea, N datos. Ast
Si se use un promedio movil de § semanas, el primer pronstico que se -
podrd hacer ser4 para la sexta semana. Ademds, da igual importancia a I
los datos que se utilizan para calcular el pronéstico, o sea, los “‘éltimos
N datos, y no da importancia alguna a los datos anteriores a estos,a) PROMEDIOS MOVILES PARA PROCESOS CONSTANTES.
Considerando una serie de-tiempos generada por un'proceso -
constante, y un error aleatorio @ , nuestro modelo de pronéstico es
Xet a+ ey ay
donde @, es una variable aleatoria tal que su valor esperado y su va
riancia son:E[@J-oyVI@;:q*, y @ es un pardmetro desconocido. Es -
posible que a tome valores diferentes para partes en la secuencia de -
‘empos que estén muy separadas, pero para cualquier segmento de - -
tiempo en particular @ es una constante.
Xef
Qe %
ab en
Tt
Para pronosticar futuros valores se debe estimar el paréme--
tro deeconocidlo a. Suponiendo que se tienen dieponibles todas las ob
servaciones a través de un period de tempo (x11 Xay 5-1)
asigndndoles un mismo valor a todas, con el criterio de los Minimos
Cindrados 66 obtiene Ta siguiente exprestén:
se De ay
ta a
Derivando con respecto al parametro desconocido a
lando a cero para encontrar el valor que minimice la expresién, nos
z
queda
are = a :
Si -@)-N=O0
+ 22% : aPor lo tanto
Z, Xe
ae a
Que es la media aritmética de T valores.
Esta expresién nos sirve para calcular pronésticos déndole --
‘un mismo valor 0 peso a cada una de las obgervaciones anteriores.
Ahora, debido a que el valor de @ cambia a través del tiempo,
y siguiendo el criterio de los Promedios Méviles, es razonable dar un ma.
yor valor a las observaciones mas recientes, y no tomar en cuenta a ob=
Servaciones que por ser ya muy antiguas, sean obsoletas. Asi, tomando-
fen cuenta solo las N observaciones mas recientes y siguiendo el criterio-
de los Minimos Cuadrados, se obtiene
Derivando con respecto a @ ¢ igualando a cero para minimi -
zar
d Se x a
ee. 22k -A\=0
x x a
dhe = DA = NO
Decode CEM Stem
x
K
a eetPor lo tanto x
Peo ae @
Ahora, si
ze
Pega
yt
zw
DXe = DXe + Xr - Anew
pe Sew
Ja expresién de P,,, nos quedarfa
be
fen ote 4 Ra Xew
Xe = Krew
Pre = Prot (4)
donde Pes el pronéstico anterior ( hecho para el perfodo actual ), Xx +=
8 la observacion real que se tuvo, la cual Se agrega al nuevo pronéstico,
Y XnneS la observaciOn mas antigua que se tenfa, la cuakes descartada, ~
Asi, el ndmero de datos N que se toman en cuenta, se mantiene constante,
y los pronésticos que se van obteniendo se calculan en base a los titimos-
valores observados.
EJEMPLO, -
La"Gemanda un cierto tipo de bolsa de polietileno durante las -
Gltimas seis semanas ha sido (en Kilogramos ):
X,=200, X$250, X#230, Xz 200, Xz210, XF170
usando la éxpresién (8) 'y con una N56, tenemos que
= = 20242504230 +200 42101170 _ 1260. 319
Pane Ray =P = Soetaeet2se +200 +2108170 _ 1260,
El pronéstico de demanda para la séptima semana es B=210 ~Kgs.
Si result6 que en la séptima semana la demanda fué de 280 Kgs. ,
cl pronéstico para la octava semana serd
es
Poy = Pez ESL = 280 423042004210+1704230 _ 1290
n> Per StL = REO 82804200420 +1704250 1290.
= 2
Pe=215 kgs.O también, usando (4)
Bays Pr = Py + MaeKae. apy 220-208
Pe
Pe .
El pronéstico para la octava semana es F,=215 Kgs,
‘Como se notard, una vez calculado el primer pronéstico, al-
calcular el siguiente, se agreg6 la nueva observacién (demanda de la -
séptima semana ), y se descarté la tiltima observacién ( demanda de -
la primer semana),
La conducta de éste método esta en funcién del némero de ob
servaciones a tomar en cuenta (N). SiN es grande, el promedio m6 =
vil reaccionaré lentamente a cambios en el pardmetro a, y si Nes -
pequefla reaccionard répidamente, Por ejemplo, un proceso opera con =
lun parémetro asa, y de pronto cambia a say tomaré N observaciones
al promedio mévil para dar pronésticos que séan consistentes con el --
nuevo valor de a. Sin embargo, si los errores aleatorios son variables
aleatorlag independientes, la variancia de los siguientes pronésticos
serd Oa /N, asi que para N pequefias la variancia de los siguientes
prondsticos sera relativamente grande. Por eso, cuando se tenga la
certeza de que el proceso es constante se recomienda usar una N grande,
y cuando el proceso esté cambiando, es preferible usar una N pequefia,
ZI0+e = 215
Zio + 32
215 kgs/
b) PROMEDIOS MOVILES PARA PROCESOS CON-TENDENCIAS,
Considerando una serie de tlempes generada por un proceso -
‘con tendencia, y un error aleatorio @ , el siguiente madelo puede ade-
cuadamente ser aplicado: :
Ke= @t bt + Se (5)
donde a. y b*son parémetros desconocitos, y @ es una variable alea.
toria tal que su valor esperado y su variancia son:E(eJ-oy V[Ex] =a."
Xe
Para cotimar loo pardmetros deaconecidos a y b+ ac usaré-
el criterio de los Minimos Cuadrados y se tomarén en cuenta solo las -
Gltimas N observaciones mad recientes (promedios méviles), asi, obte-
nemos la siguiente expresi
7, na
DSt = DOu-4 -Et) (e)
10 ee
Para encontrar los valares de @ y“L que minimicen esta ex-
presién, Ia derivamos con respecto a estos parémetros desconocidos e-
igualamos a cero cada expresién, quedandonos:
22 Sexe B-BNGD= o M
eHr
227 x
Bee 222% -A-bOLD =o (H:
te Fone
de donde se obtiene
3% = 54 +Stt ‘ 9)
tet He tern tT ne
Stys Sat+ S80? Gre)
thin Sm Kaen
y Si tenemos que (utilizando series)
St = Beaterm)
terest
St? = S [Cv-nan-)+ er(t+-n)]
Fi -
de ta ecuacién (9) obtenemos_ |
r “ n
DX = NA+ ateinyd oo
te TNe 2
y de la ecuacién (10) obtenemos
Fare ns + Aornewnecrerien]s (12)
En este punto, tenemos dos ecuaciones con dos incdgnitas, --
con lo que se puede resolver el sistema, Sin embargo, las expresio--
nes son algo complejas, por lo que para simplificar los cdlculos, se -
mover el origen al centro de los datos, esto es, de t=0 a tt, dondeAsi, hacemos la siguiente transformacion:
tet-t=t-[r-42]
donde t! es en el nuevo origen el equivalente de t (del origen anterior),
Por lo que el nuevo valor de T, que es el limite superior de la sumato-
ria, con Fespecto al nuevo origen sera:
2 T-[T- 4e4]= 4
0 sea
Te
Sustituyendo el nuevo valor de T en las.ecuaciones (11) y (12);
de la ecuacién (11) obtenemos:
F xyes NOs Bf sien}
tee
N@+ortienyB = NA+ wot
M
ea
M
x
+
j
z
®y-si notamos que
es é
DXe = 2%
tea teTHNa
los valores del lado izquterdo de la igualdad son los mismos que los del
lado derecho, obtenemos
= tT
2% Sy
*s t
eo fie 3)
y de la ecuacién (12) obtenemos:
. Sex = ERts)+ renfee +E [ncannscee ye seny]t
we Sora ate fantencanete conemee-gen]?
= (0)A' +8 fanan sit Canean(- +] B
= (0) @ 4 fantesn es ahs a ae 3] 8
= LF-an-g eon] O
=tP-a]-4[
= NONFA) H
kes AED
4s 4h
aa
wad,
royde donde
An 12. Xy Wht uname id
b= WWF Dt Xe INGENEERIA WDUSTRIAL
= BreLiotecs
y como .
3% = Ye
tee. ae te ToNet
vemos que
Bs Wwe wes yam MB Kronen 2 TMP y a AMER] (14)
Una vez que #e han obtenido los primeros valores de@’ yt,
es posible obtener los siguientes de manera recursiva, con lo que nos ~~
Auedan Ias siguientes expresiones:
a, = Oy, +EK HX) 05)
“4, =) +5 they Pte te Be] cred
‘Asi, para pronosticar para ¢' perfodos, nuestro modelo queda
de la siguiente manera:
B= est[T+4] oe
en el nuevo origen, 1a expresién final nos queda asi:
Pag +t [+d]Para ilustrar este proceso tenemos la siguiente figura:
t
7 Tee
T Nal tate tt
Aqui vemos que el premedio mévil Ofyse queda rezagado con-
respecto a la demanda esperada en el perfodo T, en una cantidad igual
‘2 (32)‘B1_ ,entonces para prenosticar para el perfodo T+ , primero -
actualizaines el promedio movil @'; , agregandole la diferencia qu
es el producto (¥!)S1 y entonces ya podemos extrapolar el valor para
el perfodo T+ , agregando el producto de la pendiente “B.> por la - -
distancia § , 0 sea, J.) » asi el pronOatico final queda “expresado -
de la siguiente manera:
Pag = AL +B C+ BD
a Pras Oro B [M+ J]
EJEMPLO, -
El nfmero de rollos de poliesttreno que se han vendido en las
Gitimas cinco semanas es:
X\=30, XF33, Xq96, Xe, X97
{Cull es el prondstico de venta para la Sexta semana?
Usando (13) y con una N=5, obtenemosaX Sx
fh te St _ 30433+30+30437 _ 170 _
Qe = AEE = setabeersetee - 122 23a
Usando (14)
q
te 5
2 [Seo on- BEG0+ 5:
aT
=3(34) 4 #09]
atldss [-$G9- £@9-000+ 5604409]
ther [-<0-sa434+74] et(s)2 15
ters
sustituyendo ',y B, en (17) y con una f=
obtenemos
Prog = Pon = 344 vel she i]= 344 vs[4-]
Po = 34415(3) = 344452 385
Py = 385
El pronéstico de venta para la sexta semana es _R=38.5 rollos,
Si en la sexta semana se vendieron 39 rollos, ,CuAl es el pro-
néstico de venta para la séptima semana?
Utilizando las ecuaciones (15) y (16) tenemos:
Ate
Oe = Os + (Kew) = B44 E(SaS0)= BHF Ee s4 4 e
Qo= 358
y
Bw
"
SCY
Zz
Bee es =(5) ae]a i
Bee hs sths[4 (a+ (20 -s(aa)]
shstse[ree 90-190] = nse dens -0.2
™
Bes us
Sustituyendo Ay y “By en (7) yconumag=2
Rare Pye as8 +n afStai]s 9584 13(241) 235.8410)
P= 85843.9= 39.9
Rs 307
El pronéstico de venta para la séptima semana es
P, = 99.7 rollos.