Metóda a príklad exponenciálneho zmäkčenia

On exponenciálne zmäkčenie Je to spôsob, ako predpovedať dopyt po článku na dané obdobie. Táto metóda odhaduje, že dopyt sa bude rovnať priemeru historickej spotreby v danom období, čo dáva väčšiu váhu alebo váženie hodnotám, ktoré sú v čase najbližšie. Ďalej pre nasledujúce predpovede zohľadňuje existujúcu chybu aktuálnej predpovede.

Prognóza dopytu je metóda na premietanie dopytu po produkte alebo službe zákazníkmi. Tento proces je nepretržitý, kde manažéri používajú historické údaje na výpočet toho, čo očakávajú, že budú dopytom po predaji dobra alebo služby.

Zdroj: Pixabay.com

Informácie z minulosti spoločnosti sa používajú pridaním do ekonomických údajov o trhu, aby sa zistilo, či sa predaj zvýši alebo zníži.

Výsledky prognózy dopytu sa používajú na stanovenie cieľov pre obchodné oddelenie a snažia sa zostať v súlade s cieľmi spoločnosti.

[TOC]

Metóda exponenciálneho zmäkčenia

Zmäkčanie je veľmi bežný štatistický proces. Zmätené údaje sa často nachádzajú v rôznych formách každodenného života. Zakaždým, keď sa na niečo opísal priemer, používa sa mäkké číslo.

Predpokladajme, že tento rok bol najteplejší registrovaný. Na jeho kvantifikáciu sa začína denný súbor údajov pre zimné obdobie každého zaznamenaného historického roka.

To generuje množstvo čísel s veľkými „skokmi“. Je potrebné číslo, ktoré eliminuje všetky tieto údaje z údajov, aby bolo možné ľahšie porovnať jednu zimu s druhou.

Eliminujte skok v údajoch, ktoré sa nazýva zmäkčanie. V tomto prípade sa na dosiahnutie mäkšieho môže použiť jednoduchý priemer.

Môže vám slúžiť: EFI Matica: Čo hodnotí, ako na to, analýza, príklad

Zmäkčenie v predpovedi

Pokiaľ ide o prognózu dopytu, zmäkčenie sa tiež používa na odstránenie variácií historického dopytu. To umožňuje lepšie identifikovať vzorce dopytu, ktoré sa dajú použiť na odhad budúceho dopytu.

Variácie dopytu sú rovnaké ako „skok“ údajov o teplotách. Najbežnejším spôsobom, akým sa vylučujú variácie histórie dopytu, je použitie priemeru alebo konkrétne mobilného priemeru.

Mobilný priemer používa na výpočet priemeru preddefinovaný počet období a tieto obdobia sa pohybujú s časom.

Napríklad, ak sa používa štvormesačný mobilný priemer a dnes je 1. mája, bude sa používať priemerný dopyt, ku ktorému došlo v januári, februári, marec a apríli. 1. júna sa použije požiadavka na február, marec, apríl a máj.

Vážený mobilný priemer

Ak sa použije jednoduchý priemer, na každú hodnotu sa v súbore údajov používa rovnaký význam. Preto v priemere mobilných mesiacov, každý mesiac, predstavuje 25% mobilného priemeru.

Použitím histórie dopytu na projektovanie budúceho dopytu je logické dospieť k záveru, že posledné obdobie má väčší vplyv na predpoveď.

Výpočet mobilného priemeru sa môže prispôsobiť tak, aby sa na každé obdobie uplatňovali rôzne „pesos“, aby sa dosiahli požadované výsledky.

Tieto pesos sú vyjadrené ako percentuálne podiely. Celková suma všetkých váh za všetky obdobia musí pridať 100%.

Preto, ak chcete aplikovať 35% ako hmotnosť pre najbližšie obdobie v priemere s váženou štvorčlenou, 35% zo 100% sa dá odpočítať, pričom 65% sa rozdelí medzi zostávajúce tri obdobia

Môže vám slúžiť: Deming Circle: Etapy, výhody, nevýhody a príklad

Napríklad môžete skončiť váhou 15%, 20%, 30% a 35% počas štyroch mesiacov (15+20+30+35 = 100).

Exponenciálne zmäkčenie

Exponenciálny záznam o zmäkčovaní je známy ako faktor zmäkčovania. Predstavuje váženie aplikované na dopyt po poslednom období.

Ak sa 35% používa ako váženie najnovšieho obdobia pri výpočte váženého mobilného priemeru, mohlo by sa tiež zvoliť, aby sa použilo 35% ako zmäkčený faktor pri výpočte exponenciálneho zmäkčenia.

Exponenciálna časť

Rozdiel vo výpočte exponenciálneho zmäkčenia spočíva v tom, že namiesto toho, aby ste zistili, koľko hmotnosti sa vzťahuje na každé predchádzajúce obdobie, sa na to používa zmäkčený faktor automaticky.

Toto je „exponenciálna“ časť. Ak sa 35% používa ako zmäkčený faktor, váženie dopytu na posledné obdobie bude 35%. Váženie dopytu na obdobie pred najnovšími bude 65% z 35%.

65% pochádza z odpočítania 35% zo 100%. To zodpovedá 22,75% váženiu za toto obdobie. Dopyt po ďalšom poslednom období bude 65% zo 65% z 35%, čo je rovnocenné 14,79%.

Predchádzajúce obdobie bude vážené ako 65% zo 65% zo 65% zo 35%, čo zodpovedá 9,61%. Toto sa uskutoční pre všetky predchádzajúce obdobia, až kým nedosiahnete prvé obdobie.

Vzorec

Vzorec na výpočet exponenciálneho zmäkčenia je nasledujúci: (d*s) + (p*(1-s)), kde,

D = novšia požiadavka na obdobie.

S = jemný faktor, predstavuje decimálne (35% by bolo 0,35).

P = prognóza posledného obdobia, výsledok výpočtu zmäkčovania predchádzajúceho obdobia.

Môže vám slúžiť: nayarit hospodárske aktivity

Za predpokladu, že existuje 0,35 mäkký faktor, potom by to bolo: (d*0,35) + (p*0,65).

Ako je zrejmé, jediným potrebným vstupom údajov je dopyt a prognóza posledného obdobia.

Príklad

Poisťovňa sa rozhodla rozšíriť svoj trh na najväčšie mesto v krajine a poskytla poistenie vozidiel.

Ako počiatočná akcia chce spoločnosť predpovedať, koľko poistenia vozidla kúpia obyvatelia tohto mesta.

Na tento účel budú ako počiatočné údaje využiť množstvo poistenia vozidla zakúpeného v inom menšom meste.

Prognóza dopytu pre obdobie 1 je 2.869 zmluvného poistenia vozidla, ale skutočný dopyt v tomto období bol 3.200.

Podľa kritérií spoločnosti priraďuje 0,35 mäkší faktor. Predpovedaný dopyt z nasledujúceho obdobia je: P2 = (3200*0,35) + 2869*(1-0,35) = 2984,85.

Rovnaký výpočet sa uskutočnil pre celý rok, ktorý dosiahol nasledujúcu porovnávaciu tabuľku medzi tým, čo sa skutočne získalo, a predpovedaním tohto mesiaca.

V porovnaní s priemermi môže exponenciálne zmäkčenie predpovedať tento trend lepším spôsobom. Je však stále krátky, ako je znázornené v grafe:

Môžete vidieť, ako si šedá predpovedná čiara nájdete hlboko pod alebo nad modrou líniou dopytu, bez toho, aby ste sa úplne dostali.

Odkazy

1. Wikipedia (2019). Exponenciálne zmäkčenie. Prevzaté: Je to.Wikipedia.orgán.
2. Ingenio zamestnanosti (2016). Ako používať jednoduchú exponenciálnu zmienku na predpovedanie dopytu. Zobraté z: Ingenioempresa.com.
3. Dave Piacki (2019). Exponenciálne vyhladenie vysvetlilo. Prevzaté z: Inventoryps.com.
4. Štúdia (2019). Techniky predpovedania dopytu: Pohybovanie Avege a exponenciálne vyhladenie. Zobraté z: štúdie.com.
5. Cityu (2019). Metódy exponenciálneho vyhladenia. Prevzaté z: osobného.Cb.Mesto.Edu.HK.