Los métodos de pronóstico de demanda de series de tiempo como Suavizamiento Exponencial (Alisamiento Exponencial) y Media Móvil Simple, tienen un mejor desempeño cuando el patrón histórico de la demanda no evidencia tendencia ni estacionalidad marcada como se observa en el gráfico a continuación. En particular en el caso del Suavizamiento Exponencial, si la serie de tiempo tiene una tendencia creciente se tenderá a subestimar la demanda real y de forma análoga cuando la demanda presenta una tendencia decreciente el alisamiento exponencial tenderá a sobrestimar el valor de la demanda real.
Para mejorar la calidad del pronóstico al observar una tendencia en la serie de tiempo se puede considerar el método de Suavizamiento Exponencial Doble, conocido también como Suavizamiento Exponencial Ajustado a la Tendencia o Método de Holt. Cabe recordar que una tendencia es un incremento o decremento sistemático en el promedio de la serie a través del tiempo. Luego, el método de Suavizamiento Exponencial Doble busca incorporar la tendencia en un pronóstico suavizado exponencialmente.
Para su cálculo se requieren dos constantes de suavizamiento: α y β, realizándose las siguientes estimaciones:
Donde 
es el promedio suavizado exponencialmente de la serie en el período t, 
el promedio suavizado exponencialmente de la tendencia en el período t, α el parámetro de suavizamiento para el promedio, con un valor entre 0 y 1, β el parámetro de suavizamiento para la tendencia, con un valor entre 0 y 1 y 
el pronóstico para el período t+1.
Ejemplo Suavizamiento Exponencial Doble
Un laboratorio clínico realiza exámenes de sangre cada semana. En promedio el laboratorio realizó 28 análisis de sangre cada semana durante las últimas cuatro semanas. Adicionalmente la tendencia en ese período fue de tres muestras adicionales por semana. La demanda en esta semana fue de 27 análisis de sangre. Si α=0,2 y β=0,2 se requiere calcular el pronóstico correspondiente a la semana próxima.
En el caso que el número real de exámenes en la semana 2 resultará ser 44, entonces el pronóstico actualizado para la semana 3 sería el siguiente:
A continuación se presenta un gráfico con el comportamiento de la demanda real y el pronóstico con Suavizamiento Exponencial Doble para los datos del ejemplo anterior.
Finalmente ponemos a disposición de nuestros usuarios una plantilla que permite editar los datos de la demanda real (celdas color amarillo claro) y los datos iniciales 
y 
(celdas celestes), junto con el valor de los parámetros α y β. Al modificar la información de dichas celdas se actualiza automáticamente los pronósticos, el error de cada período, el MAD (Desviación Media Absoluta) y el gráfico que contrasta el comportamiento de la demanda real con el pronóstico.
En caso de obtener un error del tipo #VALUE! ingrese los valores de α y β utilizando . (punto) como separador de decimal, por ejemplo, α=0.2.
Buen Día. Disculpa, en tu ejemplo de análisis de sangre, mencionas que existe una tendencia de 3, ¿cómo la determinas? ¿lógica? ¿ecuación matemática?. Saludos.
@Amanda. En el ejemplo simplemente se presentó la tendencia de 3[unidades/semana] como un dato adicional para no hacer más compleja la explicación al tener que recurrir a otro método de pronóstico de demanda para obtener ese parámetro. No obstante la pregunta es muy válida y en ese contexto si se desea tener una estimación de la tendencia semanal se puede ajustar una regresión lineal a los datos históricos. Te recomiendo ver: https://www.gestiondeoperaciones.net/proyeccion-de-demanda/como-utilizar-una-regresion-lineal-para-realizar-un-pronostico-de-demanda/
Estimado Francisco, ¿que método puedo utilizar para determinar los valores óptimos de alpha y beta?
@Felipe. Lo típico en estos casos más que «optimizar» el valor de los parámetros es probar el desempeño del método de pronóstico para distintos valores de éstos (alfa y beta) y luego seleccionar el que tenga mejor comportamiento utilizando como criterio indicadores como el MAD, Señal de Rastreo, MAPE (por nombrar algunos).