TRABAJO PRESENTADO PARA OPTAR POR UNA NOTA EN LA

ASIGNATURA DE INGENIERIA DE OPERACIONES I

ING, M.SC, JUAN CABARCAS REYES

UNIVERSIDAD DEL ATLÁNTICO

FACUTAD DE INGENIERÍA
INGENIERIA INDUSTRIAL
BARRANQUILLA
23/8/2018

MÉTODOS DE SERIES DE TIEMPO CON PROCESO

UA CONSTANTE (PROMEDIO MOVIL Y SUAVIZACIÓN
EXPONENCIAL SIMPLE)

| Carlos Mario Altamar Estrada, Luis Enrique Malkun Tobón

MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE (PROMEDIO
MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

ALTAMAR ESTRADA CARLOS MARIO

MALKUN TOBÓN LUIS ENRIQUE

TRABAJO PRESENTADO PARA OPTAR POR UNA NOTA EN LA

ASIGNATURA DE INGENIERIA DE OPERACIONES

ING, M.SC JUAN CABARCAS REYES

UNIVERSIDAD DEL ATLÁNTICO

FACUTAD DE INGENIERÍA
INGENIERIA MECÁNICA
BARRANQUILLA
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1. Ejercicio 4.27 del libro Planeación y control de la producción de Sipper [1]

Heather Foods, Inc. hace botanas que se venden a supermercados. La

siguiente tabla muestra las observaciones mensuales de las ventas de botanas de
maíz durante 1992 y 1993 en miles de bolsas. Heather Foods ha vendido botanas
de maíz durante 10 años, y el departamento de planeación maneja la demanda
como un proceso constante. Determine el pronóstico para enero de 1994 usan do
los siguientes métodos:
a) El último dato
b) Promedio de todos los datos
c) Promedio móvil con N = 6
d) Suponga que la demanda real en enero de 1994 es 55.2 miles de bolsas.
Calcule el pronóstico para febrero usando la ecuación de actualización
para el promedio móvil con N = 6

Figura 1, Observaciones mensuales de las ventas de botanas de maíz durante

1992 y 1993 en miles de bolsas.

2
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.1 Solución del ejercicio 4,27

a) Si se utiliza el último dato para hacer el pronóstico del periodo siguiente

tenemos:
̅ 𝒕=𝟐𝟓 = 𝟓𝟔, 𝟑 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 𝒃𝒐𝒍𝒔𝒂𝒔
𝒀
Cabe resaltar que al considerar únicamente el último dato para el pronostico del
periodo siguiente, el modelo presentara demasiada sensibilidad a las fluctuaciones
aleatorias que se hallen en la demanda real.
b) Si se utiliza el promedio móvil del total de los datos para hacer el
pronóstico del periodo siguiente tenemos:
̅ 𝒕=𝟐𝟓 = 𝟓𝟏, 𝟗 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 𝒃𝒐𝒍𝒔𝒂𝒔
𝒀
Por otra parte, al considerar la totalidad de los periodos para hallar el pronóstico
del periodo siguiente, el modelo presentara poca sensibilidad a las fluctuaciones
aleatorias que se hallen en la demanda real.
c) Si se utiliza el promedio móvil con 𝑛 = 6 al hacer el pronóstico del periodo
siguiente tenemos:
𝟓𝟑 + 𝟒𝟖, 𝟔 + 𝟓𝟎, 𝟖 + 𝟓𝟑, 𝟒 + 𝟒𝟗, 𝟖 + 𝟓𝟔, 𝟑
̅ 𝒕=𝟐𝟓 =
𝒀 = 𝟓𝟏, 𝟗𝟖 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 𝒃𝒐𝒍𝒔𝒂𝒔
𝟔
Asimismo, al considerar los 6 datos más recientes de la demanda real para
hallar el pronóstico del periodo siguiente, este responderá al cambio en el proceso
de una manera más rápida.
d) Si se supone que la demanda real 𝑌𝑡=25 = 55,2 y se utiliza el promedio
móvil con 𝑛 = 6 al hacer el pronóstico del periodo siguiente y tenemos:
𝟓𝟓, 𝟐 + 𝟒𝟖, 𝟔 + 𝟓𝟎, 𝟖 + 𝟓𝟑, 𝟒 + 𝟒𝟗, 𝟖 + 𝟓𝟔, 𝟑
̅ 𝒕=𝟐𝟔 =
𝒀 = 𝟓𝟐, 𝟑𝟓 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 𝒃𝒐𝒍𝒔𝒂𝒔
𝟔

3
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.2 Promedio móvil simple

Con el fin de validar cual es el n más adecuado que permitirá obtener un

pronostico más confiable se procede a hallar el error cuadrado medio de menor
valor.

1.2.1 Cuando n=3

Tabla 1, Cálculos de pronósticos de demanda con promedio móvil simple

cuando n=3.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 48,50
2 46,00
3 54,40
4 49,80 49,63 -0,17 0,17 0,03
5 48,10 50,07 1,97 1,97 3,87
6 55,00 50,77 -4,23 4,23 17,92
7 47,70 50,97 3,27 3,27 10,67
8 45,20 50,27 5,07 5,07 25,67
9 51,00 49,30 -1,70 1,70 2,89
10 47,50 47,97 0,47 0,47 0,22
11 49,10 47,90 -1,20 1,20 1,44
12 50,80 49,20 -1,60 1,60 2,56
13 48,90 49,13 0,23 0,23 0,05
14 49,50 49,60 0,10 0,10 0,01
15 59,00 49,73 -9,27 9,27 85,87
16 56,00 52,47 -3,53 3,53 12,48
17 49,30 54,83 5,53 5,53 30,62
18 58,50 54,77 -3,73 3,73 13,94
19 53,00 54,60 1,60 1,60 2,56
20 48,60 53,60 5,00 5,00 25,00
21 50,80 53,37 2,57 2,57 6,59
22 53,40 50,80 -2,60 2,60 6,76
23 49,80 50,93 1,13 1,13 1,28
24 56,30 51,33 -4,97 4,97 24,67
53,17 -6,06 2,85 13,10 -4,25
̅ 𝒕=𝟐𝟓 SESGO DAM MSE
𝒀 SR

4
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.2.2 Cuando n=4

Tabla 2, Cálculos de pronósticos de demanda con promedio móvil simple

cuando n=4.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 48,50
2 46,00
3 54,40
4 49,80
5 48,10 49,68 1,58 1,58 2,48
6 55,00 49,58 -5,43 5,43 29,43
7 47,70 51,83 4,12 4,12 17,02
8 45,20 50,15 4,95 4,95 24,50
9 51,00 49,00 -2,00 2,00 4,00
10 47,50 49,73 2,23 2,23 4,95
11 49,10 47,85 -1,25 1,25 1,56
12 50,80 48,20 -2,60 2,60 6,76
13 48,90 49,60 0,70 0,70 0,49
14 49,50 49,08 -0,43 0,43 0,18
15 59,00 49,58 -9,43 9,43 88,83
16 56,00 52,05 -3,95 3,95 15,60
17 49,30 53,35 4,05 4,05 16,40
18 58,50 53,45 -5,05 5,05 25,50
19 53,00 55,70 2,70 2,70 7,29
20 48,60 54,20 5,60 5,60 31,36
21 50,80 52,35 1,55 1,55 2,40
22 53,40 52,73 -0,68 0,68 0,46
23 49,80 51,45 1,65 1,65 2,72
24 56,30 50,65 -5,65 5,65 31,92
52,58 -7,34 3,28 15,69 -2,24
̅ 𝒕=𝟐𝟓 SESGO
𝒀 DAM MSE SR

5
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.2.3 Cuando n=5

Tabla 3, Cálculos de pronósticos de demanda con promedio móvil simple

cuando n=5.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 48,50
2 46,00
3 54,40
4 49,80
5 48,10
6 55,00 49,36 -5,64 5,64 31,81
7 47,70 50,66 2,96 2,96 8,76
8 45,20 51,00 5,80 5,80 33,64
9 51,00 49,16 -1,84 1,84 3,39
10 47,50 49,40 1,90 1,90 3,61
11 49,10 49,28 0,18 0,18 0,03
12 50,80 48,10 -2,70 2,70 7,29
13 48,90 48,72 -0,18 0,18 0,03
14 49,50 49,46 -0,04 0,04 0,00
15 59,00 49,16 -9,84 9,84 96,83
16 56,00 51,46 -4,54 4,54 20,61
17 49,30 52,84 3,54 3,54 12,53
18 58,50 52,54 -5,96 5,96 35,52
19 53,00 54,46 1,46 1,46 2,13
20 48,60 55,16 6,56 6,56 43,03
21 50,80 53,08 2,28 2,28 5,20
22 53,40 52,04 -1,36 1,36 1,85
23 49,80 52,86 3,06 3,06 9,36
24 56,30 51,12 -5,18 5,18 26,83
51,78 -9,54 3,42 18,02 -2,79
̅ 𝒕=𝟐𝟓 SESGO
𝒀 DAM MSE SR

6
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.2.4 Cuando n=6

Tabla 4, Cálculos de pronósticos de demanda con promedio móvil simple

cuando n=6.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 48,50
2 46,00
3 54,40
4 49,80
5 48,10
6 55,00
7 47,70 50,30 2,60 2,60 6,76
8 45,20 50,17 4,97 4,97 24,67
9 51,00 50,03 -0,97 0,97 0,93
10 47,50 49,47 1,97 1,97 3,87
11 49,10 49,08 -0,02 0,02 0,00
12 50,80 49,25 -1,55 1,55 2,40
13 48,90 48,55 -0,35 0,35 0,12
14 49,50 48,75 -0,75 0,75 0,56
15 59,00 49,47 -9,53 9,53 90,88
16 56,00 50,80 -5,20 5,20 27,04
17 49,30 52,22 2,92 2,92 8,51
18 58,50 52,25 -6,25 6,25 39,06
19 53,00 53,53 0,53 0,53 0,28
20 48,60 54,22 5,62 5,62 31,55
21 50,80 54,07 3,27 3,27 10,67
22 53,40 52,70 -0,70 0,70 0,49
23 49,80 52,27 2,47 2,47 6,08
24 56,30 52,35 -3,95 3,95 15,60
51,98 -4,92 2,98 14,97 -1,65
̅ 𝒕=𝟐𝟓 SESGO
𝒀 DAM MSE SR

7
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.2.5 Resumen de resultados obtenidos con promedio móvil simple

Tabla 5, Resumen de resultados.

n ̅ 𝒕=𝟐𝟓
𝒀 SESGO DAM MSE SR
3 53,17 -6,06 2,85 13,10 -2,12
4 52,58 -7,34 3,28 15,69 -2,24
5 51,78 -9,54 3,42 18,02 -2,79
6 51,98 -4,92 2,98 14,97 -1,65

Al observar detenidamente la tabla 5, se puede concluir que el n más optimo es

igual a 3, debido a que el error cuadrado medio obtenido presenta el valor más
pequeño, además la señal de rastreo se encuentra dentro de los parámetros
aceptable, es decir, no se encuentra sesgado.
Para finalizar, el pronóstico para el periodo 25 (enero de 1994) cuando 𝑛 = 3 es
𝑌̅𝑡=25 = 53,17.

8
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.3 Suavización exponencial simple

Con el fin de validar cual es el 𝛼 más adecuado que permitirá obtener un

pronostico más confiable se procede a hallar el error cuadrado medio de menor
valor.
Tabla 6, Cálculos de pronósticos de demanda con suavización exponencial
simple cuando 𝛼 = 0,17.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐 T
1 48,50 48,50
2 46,00 48,50 2,50 2,50 6,25
3 54,40 48,08 -6,33 6,33 40,01
4 49,80 49,15 -0,65 0,65 0,42
5 48,10 49,26 1,16 1,16 1,35
6 55,00 49,06 -5,94 5,94 35,24
7 47,70 50,07 2,37 2,37 5,63
8 45,20 49,67 4,47 4,47 19,97
9 51,00 48,91 -2,09 2,09 4,37
10 47,50 49,26 1,76 1,76 3,11
11 49,10 48,96 -0,14 0,14 0,02
12 50,80 48,99 -1,81 1,81 3,28
13 48,90 49,30 0,40 0,40 0,16
14 49,50 49,23 -0,27 0,27 0,07
15 59,00 49,27 -9,73 9,73 94,58
16 56,00 50,93 -5,07 5,07 25,72
17 49,30 51,79 2,49 2,49 6,20
18 58,50 51,37 -7,13 7,13 50,88
19 53,00 52,58 -0,42 0,42 0,18
20 48,60 52,65 4,05 4,05 16,41
21 50,80 51,96 1,16 1,16 1,35
22 53,40 51,76 -1,64 1,64 2,67
23 49,80 52,04 2,24 2,24 5,03
24 56,30 51,66 -4,64 4,64 21,52
52,45 -23,26 2,98 14,97 -7,81
̅ 𝒕=𝟐𝟓 SESGO DAM
𝒀 MSE SR

9
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

1.3.1 Resumen de resultados obtenidos con suavización exponencial

simple.
Tabla 7, Resumen de resultados.

𝜶 𝒀𝒕=𝟐𝟓 SESGO DAM MSE SR

0,01 55,74 -80,99 3,25 19,78 -24,89
0,05 55,63 -67,12 2,99 16,78 -22,47
0,09 55,74 -57,75 2,94 15,55 -19,63
0,13 55,91 -51,22 2,96 15,08 -17,32
0,17 56,08 -46,52 2,98 14,97 -15,63
0,21 56,27 -43,04 3,01 15,06 -14,31
0,25 56,48 -40,48 3,07 15,25 -13,19
0,29 56,69 -38,54 3,12 15,50 -12,34
0,33 56,90 -37,04 3,18 15,79 -11,66
0,37 57,11 -35,90 3,24 16,12 -11,09
0,41 57,32 -35,02 3,29 16,49 -10,63
0,45 57,53 -34,26 3,35 16,89 -10,24
0,49 57,73 -33,71 3,40 17,32 -9,93
0,53 57,93 -33,24 3,44 17,79 -9,65
0,57 58,14 -32,87 3,49 18,29 -9,41
0,61 58,34 -32,53 3,54 18,83 -9,18
0,65 58,56 -32,25 3,61 19,41 -8,93
0,69 58,79 -32,04 3,68 20,02 -8,71
0,73 59,04 -31,84 3,78 20,67 -8,43
0,77 59,29 -31,68 3,87 21,36 -8,18
0,81 59,54 -31,53 3,97 22,09 -7,95
0,85 59,78 -31,35 4,06 22,85 -7,72
0,89 60,03 -31,28 4,15 23,64 -7,53
0,93 60,27 -31,18 4,24 24,47 -7,36
0,97 60,51 -31,12 4,32 25,32 -7,20

Al observar detenidamente la tabla 7, se puede concluir que el 𝛼 más optimo es

igual a 0,17, debido a que el error cuadrado medio obtenido presenta el valor más
pequeño, sin embargo, la señal de rastreo se encuentra por fuera de los parámetros
aceptable, es decir, se encuentra sesgado. Esto hace necesario realizar un ajuste
en el pronóstico del periodo siguiente ya que el modelo está tendiendo subestimar
la demanda, por lo tanto, se le debe sumar el valor de la DAM, teniendo así que el
pronostico 𝑌𝑡=25 = 56,08. Conviene subrayar que cada uno de los pronósticos de la
tabla 7 se encuentran debidamente ajustados.

10
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2. Segundo ejercicio

Aplicar los dos modelos vistos en clase y hallar el pronóstico para el primer
semestre del año 2018.
Tabla 8, Demanda real de los años 2105, 2016 y 2017.

2015 2016 2017

DEMANDA PERIODO DEMANDA PERIODO DEMANDA PERIODO
Enero 2000 Enero 2300 Enero 2200
Febrero 6500 Febrero 6400 Febrero 6800
Marzo 4800 Marzo 3900 Marzo 4100
Abril 3400 Abril 4100 Abril 3700
Mayo 2700 Mayo 2600 Mayo 5700
Junio 5900 Junio 5500 Junio 2900
Julio 4200 Julio 2400 Julio 4300
Agosto 3520 Agosto 5300 Agosto 6420
Septiembre 6250 Septiembre 6100 Septiembre 2300
Octubre 2100 Octubre 4300 Octubre 5800
Noviembre 3480 Noviembre 2500 Noviembre 3500
Diciembre 5600 Diciembre 3800 Diciembre 4700

Se pueden apreciar 36 periodos en la tabla 8, se necesita pronosticar los

siguientes 6 periodos del año 2018, pero debido a que el pronostico solo se puede
aplicar al mes inmediatamente siguiente cuando se desconoce la demanda real se
puede concluir que el pronostico para el periodo 37 será valido para los 5 siguientes
meses, lo anterior puede ser expresado mediante la siguiente ecuación:
̅ 𝒕=𝟑𝟕 = 𝒀
𝒀 ̅ 𝒕=𝟑𝟖 = 𝒀
̅ 𝒕=𝟑𝟗 = 𝒀
̅ 𝒕=𝟒𝟎 = 𝒀
̅ 𝒕=𝟒𝟏 = 𝒀
̅ 𝒕=𝟒𝟐

2.1 Promedio móvil simple

Con el fin de validar cual es el n más adecuado que permitirá obtener un

pronóstico más confiable se procede a hallar el error cuadrado medio de menor
valor.

11
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.1.1 Cuando n=3

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 2000,00
2 6500,00
3 4800,00
4 3400,00 4433,33 1033,33 1033,33 1067777,78
5 2700,00 4900,00 2200,00 2200,00 4840000,00
6 5900,00 3633,33 -2266,67 2266,67 5137777,78
7 4200,00 4000,00 -200,00 200,00 40000,00
8 3520,00 4266,67 746,67 746,67 557511,11
9 6250,00 4540,00 -1710,00 1710,00 2924100,00
10 2100,00 4656,67 2556,67 2556,67 6536544,44
11 3480,00 3956,67 476,67 476,67 227211,11
12 5600,00 3943,33 -1656,67 1656,67 2744544,44
13 2300,00 3726,67 1426,67 1426,67 2035377,78
14 6400,00 3793,33 -2606,67 2606,67 6794711,11
15 3900,00 4766,67 866,67 866,67 751111,11
16 4100,00 4200,00 100,00 100,00 10000,00
17 2600,00 4800,00 2200,00 2200,00 4840000,00
18 5500,00 3533,33 -1966,67 1966,67 3867777,78
19 2400,00 4066,67 1666,67 1666,67 2777777,78
20 5300,00 3500,00 -1800,00 1800,00 3240000,00
21 6100,00 4400,00 -1700,00 1700,00 2890000,00
22 4300,00 4600,00 300,00 300,00 90000,00
23 2500,00 5233,33 2733,33 2733,33 7471111,11
24 3800,00 4300,00 500,00 500,00 250000,00
25 2200,00 3533,33 1333,33 1333,33 1777777,78
26 6800,00 2833,33 -3966,67 3966,67 15734444,44
27 4100,00 4266,67 166,67 166,67 27777,78
28 3700,00 4366,67 666,67 666,67 444444,44
29 5700,00 4866,67 -833,33 833,33 694444,44
30 2900,00 4500,00 1600,00 1600,00 2560000,00
31 4300,00 4100,00 -200,00 200,00 40000,00
32 6420,00 4300,00 -2120,00 2120,00 4494400,00
33 2300,00 4540,00 2240,00 2240,00 5017600,00
34 5800,00 4340,00 -1460,00 1460,00 2131600,00
35 3500,00 4840,00 1340,00 1340,00 1795600,00
36 4700,00 3866,67 -833,33 833,33 694444,44
4666,67 833,34 1438,59 2863814,14 0,58
̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR

12
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.1.2 Cuando n=4

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐 T
1 2000,00
2 6500,00
3 4800,00
4 3400,00
5 2700,00 4175,00 1475,00 1475,00 2175625,00
6 5900,00 4350,00 -1550,00 1550,00 2402500,00
7 4200,00 4200,00 0,00 0,00 0,00
8 3520,00 4050,00 530,00 530,00 280900,00
9 6250,00 4080,00 -2170,00 2170,00 4708900,00
10 2100,00 4967,50 2867,50 2867,50 8222556,25
11 3480,00 4017,50 537,50 537,50 288906,25
12 5600,00 3837,50 -1762,50 1762,50 3106406,25
13 2300,00 4357,50 2057,50 2057,50 4233306,25
14 6400,00 3370,00 -3030,00 3030,00 9180900,00
15 3900,00 4445,00 545,00 545,00 297025,00
16 4100,00 4550,00 450,00 450,00 202500,00
17 2600,00 4175,00 1575,00 1575,00 2480625,00
18 5500,00 4250,00 -1250,00 1250,00 1562500,00
19 2400,00 4025,00 1625,00 1625,00 2640625,00
20 5300,00 3650,00 -1650,00 1650,00 2722500,00
21 6100,00 3950,00 -2150,00 2150,00 4622500,00
22 4300,00 4825,00 525,00 525,00 275625,00
23 2500,00 4525,00 2025,00 2025,00 4100625,00
24 3800,00 4550,00 750,00 750,00 562500,00
25 2200,00 4175,00 1975,00 1975,00 3900625,00
26 6800,00 3200,00 -3600,00 3600,00 12960000,00
27 4100,00 3825,00 -275,00 275,00 75625,00
28 3700,00 4225,00 525,00 525,00 275625,00
29 5700,00 4200,00 -1500,00 1500,00 2250000,00
30 2900,00 5075,00 2175,00 2175,00 4730625,00
31 4300,00 4100,00 -200,00 200,00 40000,00
32 6420,00 4150,00 -2270,00 2270,00 5152900,00
33 2300,00 4830,00 2530,00 2530,00 6400900,00
34 5800,00 3980,00 -1820,00 1820,00 3312400,00
35 3500,00 4705,00 1205,00 1205,00 1452025,00
36 4700,00 4505,00 -195,00 195,00 38025,00
4075,00 -50,00 1462,34 2957992,97 -0,03
̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR

13
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.1.3 Cuando n=5

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 2000,00
2 6500,00
3 4800,00
4 3400,00
5 2700,00
6 5900,00 3880,00 -2020,00 2020,00 4080400,00
7 4200,00 4660,00 460,00 460,00 211600,00
8 3520,00 4200,00 680,00 680,00 462400,00
9 6250,00 3944,00 -2306,00 2306,00 5317636,00
10 2100,00 4514,00 2414,00 2414,00 5827396,00
11 3480,00 4394,00 914,00 914,00 835396,00
12 5600,00 3910,00 -1690,00 1690,00 2856100,00
13 2300,00 4190,00 1890,00 1890,00 3572100,00
14 6400,00 3946,00 -2454,00 2454,00 6022116,00
15 3900,00 3976,00 76,00 76,00 5776,00
16 4100,00 4336,00 236,00 236,00 55696,00
17 2600,00 4460,00 1860,00 1860,00 3459600,00
18 5500,00 3860,00 -1640,00 1640,00 2689600,00
19 2400,00 4500,00 2100,00 2100,00 4410000,00
20 5300,00 3700,00 -1600,00 1600,00 2560000,00
21 6100,00 3980,00 -2120,00 2120,00 4494400,00
22 4300,00 4380,00 80,00 80,00 6400,00
23 2500,00 4720,00 2220,00 2220,00 4928400,00
24 3800,00 4120,00 320,00 320,00 102400,00
25 2200,00 4400,00 2200,00 2200,00 4840000,00
26 6800,00 3780,00 -3020,00 3020,00 9120400,00
27 4100,00 3920,00 -180,00 180,00 32400,00
28 3700,00 3880,00 180,00 180,00 32400,00
29 5700,00 4120,00 -1580,00 1580,00 2496400,00
30 2900,00 4500,00 1600,00 1600,00 2560000,00
31 4300,00 4640,00 340,00 340,00 115600,00
32 6420,00 4140,00 -2280,00 2280,00 5198400,00
33 2300,00 4604,00 2304,00 2304,00 5308416,00
34 5800,00 4324,00 -1476,00 1476,00 2178576,00
35 3500,00 4344,00 844,00 844,00 712336,00
36 4700,00 4464,00 -236,00 236,00 55696,00
4544,00 -1884,00 1397,42 2727356,13 -1,35
̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR

14
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.1.4 Cuando n=6

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 2000,00
2 6500,00
3 4800,00
4 3400,00
5 2700,00
6 5900,00
7 4200,00 4216,67 16,67 16,67 277,78
8 3520,00 4583,33 1063,33 1063,33 1130677,78
9 6250,00 4086,67 -2163,33 2163,33 4680011,11
10 2100,00 4328,33 2228,33 2228,33 4965469,44
11 3480,00 4111,67 631,67 631,67 399002,78
12 5600,00 4241,67 -1358,33 1358,33 1845069,44
13 2300,00 4191,67 1891,67 1891,67 3578402,78
14 6400,00 3875,00 -2525,00 2525,00 6375625,00
15 3900,00 4355,00 455,00 455,00 207025,00
16 4100,00 3963,33 -136,67 136,67 18677,78
17 2600,00 4296,67 1696,67 1696,67 2878677,78
18 5500,00 4150,00 -1350,00 1350,00 1822500,00
19 2400,00 4133,33 1733,33 1733,33 3004444,44
20 5300,00 4150,00 -1150,00 1150,00 1322500,00
21 6100,00 3966,67 -2133,33 2133,33 4551111,11
22 4300,00 4333,33 33,33 33,33 1111,11
23 2500,00 4366,67 1866,67 1866,67 3484444,44
24 3800,00 4350,00 550,00 550,00 302500,00
25 2200,00 4066,67 1866,67 1866,67 3484444,44
26 6800,00 4033,33 -2766,67 2766,67 7654444,44
27 4100,00 4283,33 183,33 183,33 33611,11
28 3700,00 3950,00 250,00 250,00 62500,00
29 5700,00 3850,00 -1850,00 1850,00 3422500,00
30 2900,00 4383,33 1483,33 1483,33 2200277,78
31 4300,00 4233,33 -66,67 66,67 4444,44
32 6420,00 4583,33 -1836,67 1836,67 3373344,44
33 2300,00 4520,00 2220,00 2220,00 4928400,00
34 5800,00 4220,00 -1580,00 1580,00 2496400,00
35 3500,00 4570,00 1070,00 1070,00 1144900,00
36 4700,00 4203,33 -496,67 496,67 246677,78
4503,33 -173,34 1288,44 2320649,07 -0,13
̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR

15
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.1.5 Resumen de resultados obtenidos con promedio móvil simple

Tabla 9, Resumen de resultados.

n ̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR
3 4666,67 833,34 1438,59 2863814,14 0,58
4 4075,00 -50,00 1462,34 2957992,97 -0,03
5 4544,00 -1884,00 1397,42 2727356,13 -1,35
6 4503,33 -346,68 1288,44 2320649,07 -0,27

Al observar detenidamente la tabla 9, se puede concluir que el n más optimo es

igual a 6, debido a que el error cuadrado medio obtenido presenta el valor más
pequeño, además la señal de rastreo se encuentra dentro de los parámetros
aceptable, es decir, no se encuentra sesgado.
Para finalizar, el pronóstico para el periodo 37 (enero de 2018) cuando 𝑛 = 6 es
𝑌̅𝑡=37 = 4503,33.
Este mismo pronostico es aplicado para los siguientes 5 meses subsiguientes en
caso dado de desconocer la demanda real del periodo 37.

16
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.2 Suavización exponencial simple

Con el fin de validar cual es el 𝛼 más adecuado que permitirá obtener un
pronostico más confiable se procede a hallar el error cuadrado medio de menor
valor.
Tabla 10, Cálculos de pronósticos de demanda con suavización exponencial
simple cuando 𝛼 = 0,16.

T 𝒀𝒕 ̅𝒕
𝒀 𝑬𝒕 |𝑬𝒕 | 𝑬𝒕 𝟐
1 2000,00 2000,00
2 6500,00 2000,00 -4500,00 4500,00 20250000,00
3 4800,00 2720,00 -2080,00 2080,00 4326400,00
4 3400,00 3052,80 -347,20 347,20 120547,84
5 2700,00 3108,35 408,35 408,35 166751,36
6 5900,00 3043,02 -2856,98 2856,98 8162359,40
7 4200,00 3500,13 -699,87 699,87 489813,58
8 3520,00 3612,11 92,11 92,11 8484,60
9 6250,00 3597,37 -2652,63 2652,63 7036424,88
10 2100,00 4021,79 1921,79 1921,79 3693292,68
11 3480,00 3714,31 234,31 234,31 54899,80
12 5600,00 3676,82 -1923,18 1923,18 3698629,24
13 2300,00 3984,53 1684,53 1684,53 2837631,45
14 6400,00 3715,00 -2685,00 2685,00 7209210,30
15 3900,00 4144,60 244,60 244,60 59830,28
16 4100,00 4105,47 5,47 5,47 29,88
17 2600,00 4104,59 1504,59 1504,59 2263795,23
18 5500,00 3863,86 -1636,14 1636,14 2676964,70
19 2400,00 4125,64 1725,64 1725,64 2977832,30
20 5300,00 3849,54 -1450,46 1450,46 2103841,95
21 6100,00 4081,61 -2018,39 2018,39 4073892,71
22 4300,00 4404,55 104,55 104,55 10931,44
23 2500,00 4387,82 1887,82 1887,82 3563883,13
24 3800,00 4085,77 285,77 285,77 81666,20
25 2200,00 4040,05 1840,05 1840,05 3385781,43
26 6800,00 3745,64 -3054,36 3054,36 9329106,38
27 4100,00 4234,34 134,34 134,34 18046,91
28 3700,00 4212,84 512,84 512,84 263009,56
29 5700,00 4130,79 -1569,21 1569,21 2462421,76
30 2900,00 4381,86 1481,86 1481,86 2195918,36
31 4300,00 4144,77 -155,23 155,23 24097,89
32 6420,00 4169,60 -2250,40 2250,40 5064288,33
33 2300,00 4529,67 2229,67 2229,67 4971411,40
34 5800,00 4172,92 -1627,08 1627,08 2647390,58
35 3500,00 4433,25 933,25 933,25 870960,19
36 4700,00 4283,93 -416,07 416,07 173112,51
4350,50 -14690,66 1404,39 3064933,09 -10,46
̅ 𝒕=𝟑𝟕
𝒀 SESGO DAM MSE SR

17
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

2.2.1 Resumen de resultados obtenidos con suavización exponencial

simple.
Tabla 11, Resumen de resultados.

𝜶 𝒀𝒕=𝟑𝟕 SESGO DAM MSE SR

0,04 5363,21 -43518,67 1622,46 4013087,06 -26,82
0,08 5640,59 -27299,15 1456,67 3304122,71 -18,74
0,12 5705,82 -19225,01 1398,82 3109006,42 -13,74
0,16 5754,89 -14690,66 1404,39 3064933,09 -10,46
0,2 5798,22 -11857,59 1426,70 3083299,42 -8,31
0,24 5835,09 -9933,40 1451,07 3134705,48 -6,85
0,28 5872,54 -8543,74 1480,29 3206970,45 -5,77
0,32 5906,66 -7494,31 1508,47 3294247,91 -4,97
0,36 5945,26 -6675,17 1542,20 3393474,88 -4,33
0,4 5982,63 -6019,44 1574,86 3502993,28 -3,82
0,44 6021,98 -5483,96 1609,06 3621940,38 -3,41
0,48 6063,67 -5039,56 1644,67 3749951,93 -3,06
0,52 6106,25 -4665,94 1679,95 3887006,47 -2,78
0,56 6150,28 -4348,37 1715,21 4033338,73 -2,54
0,6 6200,77 -4075,85 1755,24 4189388,78 -2,32
0,64 6257,74 -3840,37 1799,90 4355770,66 -2,13
0,68 6322,51 -3635,56 1850,32 4533252,42 -1,96
0,72 6389,56 -3456,65 1900,76 4722743,38 -1,82
0,76 6459,12 -3299,89 1951,21 4925286,59 -1,69
0,8 6531,47 -3162,31 2001,62 5142055,89 -1,58
0,84 6606,97 -3041,69 2051,96 5374357,38 -1,48
0,88 6686,06 -2936,22 2102,19 5623635,70 -1,40
0,92 6770,73 -2844,67 2153,64 5891485,89 -1,32
0,96 6863,56 -2766,11 2208,09 6179672,03 -1,25

Al observar detenidamente la tabla 11, se puede concluir que el 𝛼 más optimo es

igual a 0,16, debido a que el error cuadrado medio obtenido presenta el valor más
pequeño, sin embargo, la señal de rastreo se encuentra por fuera de los parámetros
aceptable, es decir, se encuentra sesgado. Esto hace necesario realizar un ajuste
en el pronóstico del periodo siguiente ya que el modelo está tendiendo subestimar
la demanda, por lo tanto, se le debe sumar el valor de la DAM, teniendo así que el
pronostico 𝑌𝑡=37 = 5754,89. Conviene subrayar que cada uno de los pronósticos de
la tabla 11 se encuentran debidamente ajustados.
Este mismo pronóstico es aplicado para los siguientes 5 meses subsiguientes en
caso dado de desconocer la demanda real del periodo 37.

18
 MÉTODOS DE SERIES DE TIEMPO CON PROCESO CONSTANTE
(PROMEDIO MOVIL Y SUAVIZACIÓN EXPONENCIAL SIMPLE)

3. Conclusión

Finalmente, al validar los resultados obtenidos por ambos métodos, se notan

que existen diferencias notables en los pronósticos, pero se puede afirmar que el
método de suavización exponencial simple presenta mayor confiabilidad, debido a
que solo se requiere sacrificar un dato, esto nos permite tener una respuesta más
conservadora y precisa.

4. Bibliografía

[1] D. Sipper, R. L. Bulfin, M. González Osuna, y S. Hernández García, Planeación

y control de la producción. México: McGraw-Hill, 2005.

19