Metoda i przykład zmiękczania wykładniczego

On Wykórne zmiękczenie Jest to sposób na prognozowanie popytu na artykuł na dany okres. Ta metoda szacuje, że popyt będzie równy średniej konsumpcji historycznej w danym okresie, co daje większą wagę lub wagę wartościom, które są najbliższe w czasie. Dodatkowo dla następujących prognoz uwzględniają istniejący błąd bieżącej prognozy.

Prognozy popytu to metoda projektu zapotrzebowania na produkt lub usługę przez klientów. Proces ten jest ciągły, w którym menedżerowie wykorzystują dane historyczne, aby obliczyć, czego oczekują od zapotrzebowania na sprzedaż dobrej lub usługi.

Źródło: Pixabay.com

Informacje z przeszłości firmy są wykorzystywane przez dodanie go do danych ekonomicznych rynku, aby sprawdzić, czy sprzedaż wzrośnie lub zmniejszy.

Wyniki prognozowania popytu są wykorzystywane do ustalenia celów działu sprzedaży, próbując pozostać zgodne z celami firmy.

[TOC]

Metoda zmiękczania wykładniczego

Zmiękczenie jest bardzo powszechnym procesem statystycznym. Dane zmiękczone często występują w różnych formach życia codziennego. Za każdym razem, gdy średnia jest używana do opisania czegoś, używana jest miękka liczba.

Załóżmy, że w tym roku doświadczyłem najcieplejszego zarejestrowania. Aby to oszacować, rozpoczyna się codzienny zestaw danych na zimowy okres każdego zarejestrowanego roku historycznego.

To generuje wiele liczb z dużymi „skokami”. Potrzebna jest liczba, która eliminuje wszystkie te dane z danych, aby łatwiej porównać jedną zimę z drugą.

Wyeliminuj skok danych nazywa się zmiękczeniem. W takim przypadku można użyć prostej średniej, aby osiągnąć bardziej miękkie.

Może ci służyć: EFI Matrix: Co ocenia, jak to zrobić, analiza, przykład

Zmiękczenie w prognozie

W przypadku prognozowania popytu, zmiękczenie służy również do wyeliminowania zmian popytu historycznego. Pozwala to lepiej zidentyfikować wzorce popytu, które można wykorzystać do oszacowania przyszłego popytu.

Różnice popytu to ta sama koncepcja, co „skok” danych temperatury. Najczęstszym sposobem eliminowania zmian historii popytu jest stosowanie średniej lub konkretnie średniej mobilnej.

Średnia mobilna wykorzystuje predefiniowaną liczbę okresów do obliczenia średniej, a okresy te poruszają się w miarę upływu czasu.

Na przykład, jeśli zostanie użyta średnia mobilna czterech miesięcy, a dziś wynosi 1 maja, zostanie wykorzystany średni zapotrzebowanie, które nastąpiło w styczniu, lutym, marcu i kwietniu. 1 czerwca, zostanie wykorzystany żądanie lutego, marca, kwietnia i maja.

Ważona średnia mobilna

Gdy używana jest prosta średnia, zastosowano to samo znaczenie do każdej wartości w zestawie danych. Dlatego w czterech miesiącach mobilnych co miesiąc stanowi 25% średniej mobilnej.

Wykorzystując historię popytu do przewidywania przyszłego popytu, logiczne jest stwierdzenie, że ostatni okres ma większy wpływ na prognozę.

Obliczenie średniej mobilnej można dostosować do zastosowania różnych „pesos” do każdego okresu, aby uzyskać pożądane wyniki.

Te peso są wyrażone jako wartości procentowe. W sumie wszystkich wag dla wszystkich okresów musi dodać 100%.

Dlatego jeśli chcesz zastosować 35% jako wagę dla najbliższego okresu w średniej czterech miesięcy, 35% z 100% można odjąć, pozostawiając 65% na podzielenie między pozostałych trzech okresów

Może ci służyć: Deming Circle: Etapes, zalety, wady i przykład

Na przykład możesz zakończyć ważeniem odpowiednio 15%, 20%, 30% i 35% przez cztery miesiące (15+20+30+35 = 100).

Wykórne zmiękczenie

Wprowadzanie obliczania zmiękczania wykładniczego jest znane jako współczynnik zmiękczania. Reprezentuje ważenie stosowane w popycie na ostatni okres.

Jeżeli 35% jest używanych jako ważenie ostatniego okresu w obliczeniach średniej mobilnej, można go również wybrać do użycia 35% jako czynnika zmiękczonego w obliczeniu zmiękczania wykładniczego.

Część wykładnicza

Różnica w obliczaniu wykładniczego zmiękczania polega na tym, że zamiast dowiedzieć się, ile masy zastosuje się do każdego poprzedniego okresu, do tego stosuje się czynnik zmiękczony.

To jest część „wykładnicza”. Jeśli 35% jest używanych jako czynnik zmiękczony, ważenie popytu na ostatni okres wyniesie 35%. Waga popytu na okres przed najnowszym, wyniesie 65% z 35%.

65% pochodzi z odejmowania 35% 100%. Jest to równoważne w tym okresie 22,75%. Zapotrzebowanie na następny ostatni okres wyniesie 65% z 65% z 35%, co odpowiada 14,79%.

Poprzedni okres będzie ważony jako 65% z 65% z 65% z 35%, co odpowiada 9,61%. Zostanie to zrobione przez wszystkie poprzednie okresy, dopóki nie osiągniesz pierwszego okresu.

Formuła

Wzór obliczania wykładniczego zmiękczenia jest następujący: (d*s) + (p*(1-s)), gdzie,

D = Nowsze zapotrzebowanie na ten okres.

S = współczynnik miękki, reprezentowany dziesiętnie (35% wynosiłoby 0,35).

P = rokowanie z ostatniego okresu, wynik obliczenia zmiękczenia z poprzedniego okresu.

Może ci służyć: Nayarit Activity Economic Activity

Zakładając, że istnieje współczynnik w kształcie miękkiego 0,35, byłby wtedy: (d*0,35) + (p*0,65).

Jak widać, jedynym niezbędnym nakładem danych są popyt i rokowanie z ostatniego okresu.

Przykład

Firma ubezpieczeniowa postanowiła rozszerzyć swój rynek na największe miasto w kraju, zapewniając ubezpieczenie pojazdów.

Jako początkowe działanie firma chce prognozować, ile ubezpieczenia pojazdu zostanie zakupione przez mieszkańców tego miasta.

Aby to zrobić, wykorzystają jako dane początkowe ilość ubezpieczenia samochodu kupionego w innym mniejszym mieście.

Prognozy dotyczące popytu na okres 1 wynosi 2.869 Ubezpieczenie pojazdu umownego, ale rzeczywisty popyt w tym okresie wynosił 3.200.

Zgodnie z kryteriami firmy przypisuje 0,35 bardziej miękki. Przewidywane zapotrzebowanie następującego okresu wynosi: P2 = (3200*0,35) + 2869*(1-0,35) = 2984,85.

Te same obliczenia zostały dokonane przez cały rok, osiągając następującą tabelę porównawczą między tym, co naprawdę uzyskano a prognozą na ten miesiąc.

W porównaniu do średnich, wykładnicze zmiękczenie może lepiej przewidzieć trend. Jednak nadal jest krótki, jak pokazano na wykresie:

Możesz zobaczyć, w jaki sposób szarej linii prognozy można znaleźć znacznie poniżej lub powyżej niebieskiej linii popytu, bez całkowitego dostania się.

Bibliografia

1. Wikipedia (2019). Wykórne zmiękczenie. Zaczerpnięte: to jest.Wikipedia.org.
2. Zatrudnienie Ingenio (2016). Jak używać prostej wykładniczej klejności, aby prognozować popyt. Zaczerpnięte z: ingenioempresa.com.
3. Dave Piacki (2019). Wyjaśnione wygładzanie wykładnicze. Zaczerpnięte z: Inventoryps.com.
4. Study (2019). Techniki prognozowania zapotrzebowania: przenoszenie wygładzania Avege i wykładnicze. Zaczerpnięte z: Study.com.
5. Cityu (2019). Metody wygładzania wykładniczego. Zaczerpnięte z: osobistego.CB.Miasto.Edu.Hk.