Eksponensiell utjevning: metode og eksempel

Eksponensiell utjevning er en måte å forutse etterspørselen etter et element for en gitt periode. Denne metoden anslår at etterspørselen vil være lik gjennomsnittet av det historiske forbruket i en gitt periode, noe som gir større vekt eller vekt til verdiene som er nærmere i tide. I tillegg tar følgende prognoser hensyn til den eksisterende feilen i den nåværende prognosen.

Forespørselen av etterspørselen er metoden til å projisere etterspørselen etter et produkt eller en tjeneste fra kundens side. Denne prosessen er kontinuerlig, hvor ledere bruker historiske data for å beregne hva de forventer å være etterspørselen etter salg av en god eller tjeneste.

Selskapets tidligere informasjon brukes ved å legge det til markedsøkonomiske data for å se om salget vil øke eller redusere.

Resultatene av prognosen for etterspørselen brukes til å etablere mål for salgsavdelingen, og prøver å holde seg i tråd med selskapets mål.

Eksponensiell utjevningsmetode

Utjevning er en svært vanlig statistisk prosess. Ofte blir det utjevnet data i ulike former for dagligliv. Hver gang et gjennomsnitt brukes til å beskrive noe, brukes et jevnt tall.

La oss anta at den varmeste vinterregistreringen ble opplevd i år. For å kvantifisere det, starter vi med settet med daglige temperaturdata for vinterperioden i hvert registrert historisk år.

Dette genererer en rekke tall med store "hopp". Du trenger et nummer som eliminerer alle disse hoppene med data for å kunne sammenligne lettere en vinter med en annen.

Å eliminere hoppet i dataene kalles utjevning. I dette tilfellet kan et enkelt gjennomsnitt brukes til å oppnå glatting.

Utjevning i prognosen

For etterspørselsprognosen er utjevning også brukt til å eliminere variasjoner i historisk etterspørsel. Dette gir bedre identifisering av etterspørselsmønstre, som kan brukes til å estimere fremtidig etterspørsel.

Variasjonene i etterspørselen er det samme konseptet som "hoppet" av temperaturdataene. Den vanligste måten som endringer i etterspørselshistorikken blir eliminert, er å bruke et gjennomsnitt eller spesifikt et glidende gjennomsnitt.

Det bevegelige gjennomsnittet bruker et forhåndsdefinert antall perioder for å beregne gjennomsnittet, og disse periodene beveger seg når tiden går.

For eksempel, hvis et glidende gjennomsnitt på fire måneder blir brukt og i dag er 1. mai, vil gjennomsnittlig etterspørsel bli brukt i januar, februar, mars og april. 1. juni vil søksmålet bli brukt i februar, mars, april og mai.

Vektet glidende gjennomsnitt

Når et enkelt gjennomsnitt brukes, blir den samme betydningen brukt på hver verdi i datasettet. Derfor, i et firemåneders glidende gjennomsnitt, representerer hver måned 25% av det bevegelige gjennomsnittet.

Ved å bruke etterspørselshistorien til å projisere fremtidig etterspørsel er det logisk å konkludere med at den siste perioden har større innvirkning på prognosen.

Beregningen av det bevegelige gjennomsnittet kan tilpasses for å anvende forskjellige "vekter" til hver periode for å oppnå de ønskede resultater.

Disse vektene er uttrykt som prosenter. Summen av alle vekter for alle perioder må legge opp til 100%.

Derfor, hvis du vil bruke 35% som vekten for nærmeste periode i det veide gjennomsnittet på fire måneder, kan du trekke 35% fra 100%, slik at 65% deles mellom de tre gjenværende periodene

For eksempel kan den bli ferdig med en veiing på henholdsvis 15%, 20%, 30% og 35% i de fire månedene (15 + 20 + 30 + 35 = 100).

Eksponensiell utjevning

Kontrollinngangen til beregningen av utjevningseksponenten er kjent som utjevningsfaktor. Representerer vekten som er brukt på etterspørselen fra den siste perioden.

Hvis 35% brukes som vekting av den siste perioden i beregningen av det veide glidende gjennomsnittet, kan man også velge å bruke 35% som utjevningsfaktor ved beregning av eksponensiell utjevning.

Eksponentiell del

Forskjellen i beregningen av utjevning eksponentiell er at i stedet for å finne ut hvor mye vekt som skal gjelde for hver tidligere periode, blir utjevningsfaktoren brukt til å gjøre det automatisk.

Dette er den "eksponentielle" delen. Hvis 35% brukes som utjevningsfaktor, vil etterspørselen vekting for den siste perioden være 35%. Vektingen av etterspørselen fra tidligere periode til siste vil være 65% av 35%.

65% kommer fra å trekke 35% fra 100%. Dette tilsvarer 22, 75% vekting for den perioden. Etterspørselen etter neste siste periode vil være 65% av 65% av 35%, noe som tilsvarer 14, 79%.

Den forrige perioden vil bli vektet som 65% av 65% av 65% av 35%, tilsvarende 9, 61%. Dette vil bli gjort for alle tidligere perioder, til du når den første perioden.

formel

Formelen for å beregne eksponensiell utjevning er følgende: (D * S) + (P * (1-S)), hvor,

D = siste etterspørsel av perioden.

S = utjevningsfaktor, representert i desimalform (35% ville være 0, 35).

P = prognose for den siste perioden, resultat av utjevningsberegningen av forrige periode.

Forutsatt at du har en utjevningsfaktor på 0, 35, vil du da ha: (D * 0.35) + (P * 0.65).

Som du ser, er de eneste datainngangene som er nødvendige, etterspørselen og prognosen for den siste perioden.

eksempel

Et forsikringsselskap har besluttet å utvide sitt marked til den største byen i landet, og gir forsikring for kjøretøy.

Som en første handling vil selskapet prognose hvor mange kjøretøyforsikringer som skal kjøpes av innbyggerne i denne byen.

For dette vil de som utgangspunkt bruke mengden bilforsikring kjøpt i en annen mindre by.

Etterspørselsprognosen for periode 1 er 2869 kontraheret kjøretøyforsikring, men den faktiske etterspørselen i perioden var 3.200.

I henhold til selskapets kriterier tildeles det en utjevningsfaktor på 0, 35. Den forventede etterspørselen etter følgende periode er: P2 = (3200 * 0.35) + 2869 * (1-0.35) = 2984.85.

Den samme beregningen ble gjort for hele året, og fikk følgende komparative tabell mellom det som faktisk er oppnådd og hva som var forventet for den måneden.

Sammenlignet med gjennomsnittsteknikker kan eksponensiell utjevning forutsi utviklingen bedre. Det fortsetter imidlertid å bli kort, som vist i diagrammet: