Metoda eksponentnega mehčanja in primer

On eksponentno mehčanje To je način napovedovanja povpraševanja po članku za določeno obdobje. Ta metoda ocenjuje, da bo povpraševanje enako povprečju zgodovinske porabe v določenem obdobju, kar bo večjo težo ali uteži vrednosti, ki so najbližje pravočasno. Poleg tega za naslednje napovedi upošteva obstoječo napako trenutne napovedi.

Prognoza povpraševanja je metoda za načrtovanje povpraševanja po izdelku ali storitvi s strani kupcev. Ta postopek je neprekinjen, kjer menedžerji uporabljajo zgodovinske podatke za izračun, kaj pričakujejo, da bo povpraševanje po prodaji dobrega ali storitve.

Vir: Pixabay.com

Informacije iz preteklosti podjetja se uporabljajo tako, da jih dodajamo na gospodarske podatke na trgu, da bi ugotovili, ali se bo prodaja povečala ali zmanjšala.

Rezultati prognoze povpraševanja se uporabljajo za določitev ciljev prodajnega oddelka in poskušajo ostati v skladu s cilji podjetja.

[TOC]

Metoda eksponentnega mehčanja

Mehča je zelo pogost statistični postopek. Mehčane podatke pogosto najdemo v različnih oblikah vsakdanjega življenja. Vsakič, ko se za nekaj uporabi povprečje, se uporablja mehko število.

Recimo, da je letos doživel najtoplejši registrirani. Za količinsko opredelitev se začnejo dnevni nabor podatkov za zimsko obdobje vsakega zabeleženega zgodovinskega leta.

To ustvari številne številke z velikimi "skoki". Potrebno je število, ki odpravlja vse te podatke iz podatkov, da bi lahko lažje primerjali eno zimo z drugo.

Odpravite skok v podatkih se imenuje mehča. V tem primeru lahko za doseganje mehkejšega lahko uporabimo preprosto povprečje.

Vam lahko služi: EFI Matrix: Kaj ocenjuje, kako to storiti, analiza, primer

Mehčanje napovedi

Za prognozo povpraševanja se mehčanje uporablja tudi za odpravo sprememb v zgodovinskem povpraševanju. To omogoča boljše prepoznavanje vzorcev povpraševanja, ki jih je mogoče uporabiti za oceno prihodnjega povpraševanja.

Razlike v povpraševanju so enak konceptu kot "skok" temperaturnih podatkov. Najpogostejši način, na katerega se odpravljajo različice zgodovine, je uporaba povprečnega ali natančnejšega povprečja za mobilne naprave.

Mobilno povprečje za izračun povprečja uporablja vnaprej določeno število obdobij in ta obdobja se premikajo s časom.

Na primer, če se uporablja štirimesečno povprečje mobilnih naprav in je danes 1. maja, bo uporabljeno povprečno povpraševanje, ki se je zgodilo januarja, februarja, marca in aprila. 1. junija bo uporabljena zahteva za februar, marec, april in maj.

Tehtano mobilno povprečje

Ko se uporablja preprosto povprečje, se za vsako vrednost v naboru podatkov uporabi enak pomen. Zato v štirimesečnem mobilnem povprečju vsak mesec predstavlja 25% mobilnega povprečja.

Z uporabo zgodovine povpraševanja za načrtovanje prihodnjega povpraševanja je logično sklepati, da ima zadnje obdobje večji vpliv na napoved.

Izračun mobilnega povprečja je mogoče prilagoditi tako.

Ti pesovi so izraženi v odstotkih. Skupaj vseh uteži za vsa obdobja mora dodati 100%.

Če želite uporabiti 35% kot težo za najbližje obdobje v štirimesečnem tehtanem povprečju, lahko odštejemo 35% 100%

Lahko vam služi: Deming Circle: stopnje, prednosti, slabosti in primer

Na primer, končate s ponderiranjem 15%, 20%, 30% in 35% štiri mesece (15+20+30+35 = 100).

Eksponentno mehčanje

Eksponentni vnos izračuna mehčanja je znan kot faktor mehčanja. Predstavlja tehtanje, ki se uporablja za povpraševanje po zadnjem obdobju.

Če se 35% uporablja kot uteži zadnjega obdobja pri izračunu tehtanega mobilnega povprečja, bi ga lahko izbrali tudi za uporabo 35% kot mehčani faktor pri izračunu eksponentnega mehčanja.

Eksponentni del

Razlika v izračunu eksponentnega mehčanja je v tem, da se za samodejno uporabi mehčani faktor, namesto da bi ugotovili, koliko teže velja za vsako prejšnje obdobje.

To je "eksponentni" del. Če se 35% uporablja kot mehčani faktor, bo tehtanje povpraševanja po zadnjem obdobju 35%. Tehtanje povpraševanja po obdobju pred najnovejšim bo 65% od 35%.

65% izvira iz odštevanja 35% od 100%. To je enakovredno 22,75% tehtanja za to obdobje. Povpraševanje po naslednjem zadnjem obdobju bo 65% od 65% od 35%, kar je enakovredno 14,79%.

Prejšnje obdobje bo tehtano 65% od 65% od 65% od 35%, kar ustreza 9,61%. To bo storjeno za vsa prejšnja obdobja, dokler ne dosežete prvega obdobja.

Formula

Formula za izračun eksponentnega mehčanja je naslednja: (d*s) + (p*(1-s)), kjer,

D = novejše povpraševanje po obdobju.

S = najmehkejši faktor, predstavljen decimalno (35% bi bilo 0,35).

P = napoved zadnjega obdobja, rezultat izračuna mehčanja prejšnjega obdobja.

Lahko vam služi: Nayarit gospodarske dejavnosti

Ob predpostavki, da obstaja 0,35 mehkega faktorja, bi bil potem: (D*0,35) + (P*0,65).

Kot je razvidno, so edini potrebni vnosi podatkov povpraševanje in napoved zadnjega obdobja.

Primer

Zavarovalnica se je odločila razširiti svoj trg na največje mesto v državi in ​​zagotavljala zavarovanje za vozila.

Kot prvotno dejanje želi podjetje napovedati, koliko zavarovanja vozil bodo kupili prebivalci tega mesta.

Če želite to narediti, bodo kot začetne podatke uporabili znesek avtomobilskega zavarovanja, kupljenega v drugem manjšem mestu.

Prognoza povpraševanja za obdobje 1 je 2.869 pogodbeno zavarovanje vozil, vendar je bilo resnično povpraševanje v tem obdobju 3.200.

V skladu s merili podjetja dodeli 0,35 mehkejši faktor. Predvidena zahteva naslednjega obdobja je: P2 = (3200*0,35) + 2869*(1-0,35) = 2984,85.

Ta isti izračun je bil narejen celo leto in dosegel naslednjo primerjalno tabelo med resnično pridobljeno in napovedjo za ta mesec.

V primerjavi s povprečji lahko eksponentno mehčanje na bolje napoveduje trend. Vendar je še vedno kratek, kot je prikazano v grafu:

Lahko vidite, kako lahko sivo linijo napovedi najdete precej pod ali nad modro povpraševanje, ne da bi popolnoma postali popolnoma.

Reference

1. Wikipedia (2019). Eksponentno mehčanje. Vzet od: je.Wikipedija.org.
2. Zaposlitev Ingenio (2016). Kako uporabiti preprosto eksponentno mehkico za napovedovanje povpraševanja. Vzet od: Ingenioempresa.com.
3. Dave Piacki (2019). Je pojasnil eksponentno glajenje. Vzeti iz: Inventoryps.com.
4. Študija (2019). Tehnike napovedovanja povpraševanja: premikanje Avege in eksponentno glajenje. Vzeto iz: Študij.com.
5. Cityu (2019). Eksponentne metode glajenja. Vzeto od: Osebno.Cb.Mesto.Edu.Hk.