Anda di halaman 1dari 13
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% : a Por 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 eet Por 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 eH r 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, donde Asi, 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, roy de 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, obtenemos aX 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.

Anda mungkin juga menyukai