Plik wygładzanie wykładnicze jest to sposób prognozowania zapotrzebowania na towar w danym okresie. Metoda ta szacuje, że popyt będzie równy średniej historycznej konsumpcji w danym okresie, nadając większą wagę lub wagę bliższym w czasie wartościom. Dodatkowo dla kolejnych prognoz należy wziąć pod uwagę istniejący błąd bieżącej prognozy.
Prognozowanie popytu to metoda prognozowania zapotrzebowania klientów na produkt lub usługę. Proces ten jest ciągły, a menedżerowie wykorzystują dane historyczne do obliczenia oczekiwanego zapotrzebowania na towar lub usługę..
Informacje z przeszłości firmy są wykorzystywane przez dodanie ich do danych ekonomicznych rynku, aby sprawdzić, czy sprzedaż wzrośnie, czy spadnie.
Wyniki prognozy popytu służą do wyznaczania celów dla działu sprzedaży, starając się pozostać w zgodzie z celami firmy.
Indeks artykułów
Wygładzanie to bardzo powszechny proces statystyczny. Wygładzone dane są często spotykane w różnych formach życia codziennego. Za każdym razem, gdy do opisania czegoś używa się średniej, używana jest wygładzona liczba.
Załóżmy, że w tym roku miała miejsce najcieplejsza odnotowana zima. Aby to określić ilościowo, zaczynamy od zestawu danych dotyczących temperatury dobowej dla okresu zimowego każdego zarejestrowanego roku historycznego..
Generuje to szereg liczb z dużymi „skokami”. Potrzebujesz liczby, która wyeliminuje wszystkie te skoki z danych, aby móc łatwiej porównać jedną zimę z drugą.
Eliminacja przeskoku danych nazywa się wygładzaniem. W takim przypadku można użyć prostej średniej, aby uzyskać wygładzanie.
Do prognozowania popytu stosuje się również wygładzanie w celu wyeliminowania wahań popytu historycznego. Pozwala to na lepszą identyfikację wzorców popytu, które można wykorzystać do oszacowania przyszłego popytu..
Wahania zapotrzebowania to ta sama koncepcja, co „skok” danych temperatury. Najczęstszym sposobem usuwania zmian w historii popytu jest użycie średniej lub konkretnie średniej ruchomej..
Średnia ruchoma używa wstępnie zdefiniowanej liczby okresów do obliczenia średniej, a okresy te zmieniają się w miarę upływu czasu..
Na przykład, jeśli używana jest czteromiesięczna średnia ruchoma, a dziś jest 1 maja, zostanie użyty średni popyt ze stycznia, lutego, marca i kwietnia. 1 czerwca zostanie wykorzystane zapotrzebowanie na luty, marzec, kwiecień i maj.
Używając prostej średniej, taką samą wagę przypisuje się każdej wartości w zestawie danych. Dlatego w czteromiesięcznej średniej ruchomej każdy miesiąc stanowi 25% średniej ruchomej..
Wykorzystując historię popytu do prognozowania przyszłego popytu, wydaje się, że ostatni okres ma większy wpływ na prognozę..
Możesz dostosować obliczenia średniej ruchomej, aby zastosować różne „wagi” do każdego okresu, aby uzyskać pożądane wyniki..
Te wagi są wyrażone w procentach. Suma wszystkich wag dla wszystkich okresów musi wynosić 100%.
Dlatego jeśli chcesz zastosować 35% jako wagę dla najbliższego okresu w średniej ważonej z czterech miesięcy, możesz odjąć 35% od 100%, pozostawiając 65% do podzielenia między trzema pozostałymi okresami.
Na przykład możesz otrzymać wagę odpowiednio 15%, 20%, 30% i 35% dla czterech miesięcy (15 + 20 + 30 + 35 = 100).
Wejście sterujące dla obliczenia wygładzania wykładniczego jest znane jako współczynnik wygładzania. Reprezentuje wagę zastosowaną do popytu w ostatnim okresie.
Jeśli 35% jest używane jako ostatnia waga okresu w obliczeniu ważonej średniej ruchomej, można również użyć 35% jako współczynnika wygładzania w obliczaniu wygładzania wykładniczego..
Różnica w obliczaniu wygładzania wykładniczego polega na tym, że zamiast obliczać, jaką wagę należy zastosować do każdego poprzedniego okresu, współczynnik wygładzania jest używany do tego automatycznie..
To jest część „wykładnicza”. Jeżeli 35% zostanie użyte jako czynnik wygładzający, waga popytu dla ostatniego okresu wyniesie 35%. Popyt z poprzedniego okresu do ostatniego wyniesie 65% z 35%.
65% pochodzi z odjęcia 35% od 100%. Odpowiada to ważeniu 22,75% w tym okresie. W kolejnym ostatnim okresie popyt wyniesie 65% z 65% z 35%, co równa się 14,79%.
Poprzedni okres będzie ważony jako 65% z 65% z 65% z 35%, co odpowiada 9,61%. Będzie to miało miejsce dla wszystkich poprzednich okresów, aż do pierwszego okresu.
Wzór na obliczanie wygładzania wykładniczego jest następujący: (D * S) + (P * (1-S)), gdzie,
D = ostatnie zapotrzebowanie w danym okresie.
S = współczynnik wygładzania, przedstawiony w postaci dziesiętnej (35% byłoby 0,35).
P = prognoza dla ostatniego okresu, wynik obliczenia wygładzenia dla poprzedniego okresu.
Zakładając, że mamy współczynnik wygładzający 0,35, otrzymalibyśmy: (D * 0,35) + (P * 0,65).
Jak widać, jedyne wymagane dane wejściowe to popyt i najnowsza prognoza okresu..
Firma ubezpieczeniowa zdecydowała się rozszerzyć swój rynek o największe miasto w kraju, oferując ubezpieczenia pojazdów.
W pierwszej kolejności firma chce prognozować, ile ubezpieczeń komunikacyjnych wykupią mieszkańcy tego miasta.
Aby to zrobić, wykorzystają jako dane początkowe kwotę ubezpieczenia samochodu zakupionego w innym mniejszym mieście.
Prognoza popytu na okres 1 to 2869 zakontraktowanych ubezpieczeń komunikacyjnych, ale rzeczywisty popyt w tym okresie wyniósł 3200.
Według uznania firmy przypisuje współczynnik wygładzania 0,35. Prognozowany popyt na następujący okres to: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.
To samo obliczenie przeprowadzono dla całego roku, uzyskując następującą tabelę porównawczą między tym, co faktycznie uzyskano, a tym, co było prognozowane na ten miesiąc.
W porównaniu z technikami uśredniania, wygładzanie wykładnicze może lepiej przewidywać trend. Jednak nadal jest niewystarczający, jak pokazano na wykresie:
Można zobaczyć, jak szara linia prognozy może znajdować się znacznie poniżej lub powyżej niebieskiej linii popytu, nie będąc w stanie jej w pełni śledzić.
Jeszcze bez komentarzy