Exponentielle Erweichungsmethode und Beispiel

Er Exponentielle Erweichung Es ist eine Möglichkeit, die Nachfrage nach einem Artikel für einen bestimmten Zeitraum zu prognostizieren. Diese Methode schätzt, dass die Nachfrage dem Durchschnitt des historischen Verbrauchs in einem bestimmten Zeitraum entspricht und den Werten, die zeitlich am nächsten stehen. Darüber hinaus berücksichtigt es für die folgenden Prognosen den vorhandenen Fehler der aktuellen Prognose.

Nachfragenprognose ist die Methode, um die Nachfrage nach einem Produkt oder einer Dienstleistung durch Kunden zu projizieren. Dieser Prozess ist kontinuierlich, wo Manager historische Daten verwenden, um die Nachfrage nach Umsatz eines guten guten oder Dienstes zu berechnen.

Quelle: Pixabay.com

Informationen aus der Vergangenheit des Unternehmens werden verwendet, indem sie den Wirtschaftsdaten des Marktes hinzugefügt werden, um festzustellen, ob der Umsatz steigt oder sinkt.

Die Ergebnisse der Nachfrage -Prognose werden verwendet, um Ziele für die Vertriebsabteilung festzulegen, und versuchen, den Zielen des Unternehmens zu entsprechen.

[TOC]

Exponentielle Erweichungsmethode

Weich ist ein sehr häufiger statistischer Prozess. Erweichte Daten finden sich häufig in verschiedenen Formen des Alltags. Jedes Mal, wenn ein Durchschnitt verwendet wird, um etwas zu beschreiben, wird eine weiche Zahl verwendet.

Angenommen, die wärmste registrierte war erfahren. Um dies zu quantifizieren, beginnt der tägliche Datensatz für die Winterperiode jedes aufgezeichneten historischen Jahres.

Dies erzeugt eine Reihe von Zahlen mit großen "Sprüngen". Eine Zahl ist erforderlich, die alle diese Daten aus den Daten beseitigt, um einen Winter leichter mit einem anderen zu vergleichen.

Beseitigen Sie, dass der Sprung in den Daten als weich genannt wird. In diesem Fall kann ein einfacher Durchschnitt verwendet werden, um das Weichere zu erreichen.

Kann Ihnen dienen: EFI -Matrix: Was bewertet, wie es geht, Analyse, Beispiel

Erweichen in der Prognose

Für die Prognose der Nachfrage wird die Erweichung auch verwendet, um die Schwankungen der historischen Nachfrage zu beseitigen. Dies ermöglicht es, Nachfragemuster besser zu identifizieren, die verwendet werden können, um die zukünftige Nachfrage abzuschätzen.

Variationen der Nachfrage sind das gleiche Konzept wie der "Sprung" von Temperaturdaten. Die häufigste Art und Weise, wie die Variationen des Nachfrageverlaufs beseitigt werden.

Der mobile Durchschnitt verwendet eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, und diese Perioden bewegt sich im Laufe der Zeit.

Wenn beispielsweise ein mobiler Durchschnitt von vier Monaten verwendet wird und heute der 1. Mai ist, wird die durchschnittliche Nachfrage im Januar, Februar, März und April verwendet. Am 1. Juni wird die Forderung nach Februar, März, April und Mai verwendet.

Gewichteter mobiler Durchschnitt

Wenn ein einfacher Durchschnitt verwendet wird, wird die gleiche Bedeutung für jeden Wert im Datensatz angewendet. Daher entspricht er in einem mobilen Durchschnitt von vier Monaten jeden Monat 25% des mobilen Durchschnitts.

Durch die Verwendung der Nachfragegeschichte, um die zukünftige Nachfrage zu projizieren, ist es logisch zu dem Schluss, dass die jüngste Zeit einen größeren Einfluss auf die Prognose hat.

Die Berechnung des mobilen Durchschnitts kann angepasst werden, um verschiedene „Pesos“ auf jeden Zeitraum anzuwenden, um die gewünschten Ergebnisse zu erhalten.

Diese Pesos werden als Prozentsätze ausgedrückt. Die Summe aller Gewichte für alle Zeiträume muss 100% hinzufügen.

Wenn Sie also 35% als Gewicht für den nächsten Zeitraum im viermonaten gewichteten Durchschnitt anwenden möchten, können 35% der 100% subtrahiert werden, sodass sich 65% zwischen den verbleibenden drei Perioden teilen können

Kann Ihnen dienen: Deming Circle: Stufen, Vor-, Nachteile und Beispiele

Zum Beispiel können Sie vier Monate mit einer Gewichtung von 15%, 20%, 30% bzw. 35% enden (15+20+30+35 = 100).

Exponentielle Erweichung

Exponentielle Erweidungsberechnungsertrag wird als Erweidungsfaktor bezeichnet. Repräsentiert die Gewichtung, die auf die Nachfrage für den letzten Zeitraum angewendet wird.

Wenn 35% als Gewichtung der letzten Zeit bei der Berechnung des gewichteten mobilen Durchschnitts verwendet werden, könnte es auch ausgewählt werden, 35% als erweichter Faktor bei der Berechnung der exponentiellen Erweichung zu verwenden.

Exponentieller Teil

Der Unterschied in der Berechnung der exponentiellen Erweichung besteht darin, dass anstatt herauszufinden, wie viel Gewicht für jede frühere Periode gelten, der erweichte Faktor verwendet wird, um dies automatisch zu tun.

Dies ist der "exponentielle" Teil. Wenn 35% als weicher Faktor verwendet werden, beträgt die Gewichtung der Nachfrage für den letzten Zeitraum 35%. Die Gewichtung der Nachfrage für den Zeitraum vor der letzten wird 65% von 35% betragen.

65% stammen aus der Subtraktion von 35% von 100%. Dies entspricht der Gewichtung von 22,75% für diesen Zeitraum. Die Nachfrage nach der nächsten letzten Periode beträgt 65% von 65% von 35%, was 14,79% entspricht.

Die Vorperiode wird mit 65% von 65% von 65% von 35% gewichtet, was 9,61% entspricht. Dies erfolgt für alle früheren Perioden, bis Sie die erste Periode erreichen.

Formel

Die Formel zur Berechnung der exponentiellen Erweichung ist wie folgt: (d*s) + (p*(1-s)), wo,

D = neuere Nachfrage für den Zeitraum.

S = weichster Faktor, dezimal dargestellt (35% wäre 0,35).

P = Prognose der jüngsten Periode, Folge der Berechnung der Erweidung der früheren Periode.

Es kann Ihnen dienen: nayarit wirtschaftliche Aktivitäten

Angenommen, es gibt einen 0,35 weichen Faktor, wäre es dann: (d*0,35) + (p*0,65).

Wie zu sehen ist, sind die einzigen erforderlichen Dateneingaben die Nachfrage und Prognose des letzten Zeitraums.

Beispiel

Eine Versicherungsgesellschaft hat beschlossen, seinen Markt auf die größte Stadt des Landes auszuweiten und Versicherungen für Fahrzeuge abzuschließen.

Als Erstklage möchte das Unternehmen prognostizieren, wie viele Fahrzeugversicherungen von den Einwohnern dieser Stadt gekauft werden.

Dazu werden sie als Erstdaten die in einer anderen kleinere Stadt gekaufte Kfz -Versicherung verwenden.

Die Nachfrage -Prognose für den Zeitraum 1 beträgt 2.869 vertragliche Fahrzeugversicherung, aber die tatsächliche Nachfrage in diesem Zeitraum betrug 3.200.

Nach den Kriterien des Unternehmens weist es einen weicheren Faktor von 0,35 zu. Die vorhergesagte Nachfrage der folgenden Periode lautet: p2 = (3200*0,35) + 2869*(1-0,35) = 2984,85.

Dieselbe Berechnung wurde für das ganze Jahr durchgeführt, wobei die folgende Vergleichstabelle zwischen dem, was wirklich erhalten wurde, und der Prognose für diesen Monat erreicht wurde.

Im Vergleich zu Durchschnittswerten kann die exponentielle Erweichung den Trend besser vorhersagen. Es ist jedoch noch kurz, wie in der Grafik gezeigt:

Sie können sehen, wie die graue Vorhersagelinie deutlich unter oder über der blauen Nachfragelinie gefunden werden kann, ohne vollständig zu bekommen.

Verweise

1. Wikipedia (2019). Exponentielle Erweichung. Genommen von: Es ist.Wikipedia.Org.
2. Beschäftigung Ingenio (2016). So verwenden Sie eine einfache exponentielle Softisierung, um die Nachfrage zu prognostizieren. Genommen von: Ingenioempresa.com.
3. Dave Piacki (2019). Exponentielle Glättung erklärt. Entnommen aus: Inventoryps.com.
4. Studie (2019). Nachfrageprognosetechniken: Moving Avege & Exponential Glättung. Entnommen aus: Studium.com.
5. Cityu (2019). Exponentielle Glättungsmethoden. Genommen von: persönlich.CB.Stadt.Edu.HK.