Exponentielle Glättung Explained. Copyright Content auf ist urheberrechtlich geschützt und ist nicht verfügbar für die Wiederveröffentlichung. Wenn die Menschen zuerst den Begriff Exponential Glättung begegnen, können sie denken, dass klingt wie eine Hölle von viel Glättung, was Glättung ist sie dann beginnen, eine komplizierte mathematisch vorzustellen Berechnung, die wahrscheinlich erfordert einen Abschluss in Mathematik zu verstehen, und hoffe, es ist eine eingebaute Excel-Funktion zur Verfügung, wenn sie jemals brauchen, um es zu tun Die Realität der exponentiellen Glättung ist weit weniger dramatisch und weit weniger traumatisch. Die Wahrheit ist, exponentielle Glättung ist Eine sehr einfache rechnung, die eine ganz einfache aufgabe ausführt Es hat nur einen komplizierten Namen, denn was technisch geschieht als Ergebnis dieser einfachen Berechnung ist eigentlich ein wenig kompliziert. Um die exponentielle Glättung zu verstehen, hilft es, mit dem allgemeinen Konzept der Glättung und eines zu beginnen Einige andere gängige Methoden verwendet, um Glättung zu erreichen. Was ist Glättung. Smoothing ist ein sehr häufiger statistischer Prozess In der Tat, wir regelmäßig begegnen geglätteten Daten in verschiedenen Formen in unserem täglichen Leben Jedes Mal, wenn Sie einen Durchschnitt verwenden, um etwas zu beschreiben, Du nimmst eine geglättete Zahl Wenn du darüber nachdenkst, warum du einen Durchschnitt benutzt, um etwas zu beschreiben, wirst du schnell das Konzept der Glättung verstehen. Zum Beispiel haben wir gerade den wärmsten Winter auf Rekord erlebt. Wie können wir das gut beurteilen? Wir beginnen mit Datasets Von den täglichen Hoch - und Tieftemperaturen für den Zeitraum, den wir Winter für jedes Jahr in der aufgezeichneten Geschichte nennen. Aber das lässt uns mit einem Bündel von Zahlen, die um ziemlich viel herumspringen, ist es nicht wie jeden Tag dieser Winter war wärmer als die entsprechenden Tage von allen Vorherige Jahre Wir brauchen eine Nummer, die all dies aus den Daten herausbringt, so dass wir einfach einen Winter mit dem nächsten vergleichen können. Das Entfernen des Sprungs um in den Daten wird als Glättung bezeichnet, und in diesem Fall können wir einfach einen einfachen Durchschnitt verwenden Die Glättung. Bei der Bedarfsprognose verwenden wir Glättung, um zufälliges Variation Lärm von unserer historischen Nachfrage zu entfernen Dies ermöglicht es uns, besser zu identifizieren Nachfrage Muster in erster Linie Trend und Saisonalität und Nachfrage Ebenen, die verwendet werden können, um zukünftige Nachfrage zu schätzen Der Lärm in der Nachfrage ist das gleiche Konzept Wie die tägliche Sprung um die Temperatur Daten Nicht überraschend, die häufigste Art und Weise Menschen entfernen Lärm aus der Nachfrage Geschichte ist es, einen einfachen Durchschnitt oder genauer gesagt, ein gleitender Durchschnitt Ein gleitender Durchschnitt verwendet nur eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, Und diese Perioden bewegen sich wie die Zeit vergeht Zum Beispiel, wenn ich m mit einem 4-Monats-gleitenden Durchschnitt, und heute ist der 1. Mai, ich bin mit einem durchschnittlichen Nachfrage, die im Januar, Februar, März und April aufgetreten am 1. Juni, ich Wird die Nachfrage von Februar, März, April und Mai. Weighted gleitenden Durchschnitt. Wenn durchschnittlich verwenden wir die gleiche Bedeutung Gewicht auf jeden Wert in der Datensatz In der 4-Monats-gleitenden Durchschnitt, jeden Monat repräsentiert 25 der bewegenden Durchschnittlich Wenn Sie die Nachfragegeschichte nutzen, um die zukünftige Nachfrage und vor allem den künftigen Trend zu projizieren, ist es logisch, zu dem Schluss zu kommen, dass Sie eine neuere Geschichte haben möchten, um einen größeren Einfluss auf Ihre Prognose zu haben. Wir können unsere gleitende Durchschnittsberechnung anpassen, um verschiedene Gewichte anzuwenden Jede Periode, um unsere gewünschten Ergebnisse zu erhalten Wir drücken diese Gewichte als Prozentsätze aus, und die Summe aller Gewichte für alle Perioden muss bis zu 100 hinzufügen. Wenn wir uns entscheiden, dass wir 35 als Gewicht für die nächste Periode in unserem 4-Monats bewerben wollen Gewichteter gleitender Durchschnitt, können wir 35 von 100 subtrahieren, um zu finden, dass wir noch 65 übrig haben, um über die anderen 3 Perioden zu teilen. Zum Beispiel können wir mit einer Gewichtung von 15, 20, 30 und 35 für die 4 Monate 15 20 30 enden 35 100.Exponential Glättung. Wenn wir zurück zu dem Konzept der Anwendung eines Gewichts auf die jüngste Periode wie 35 im vorherigen Beispiel und die Ausbreitung der restlichen Gewicht berechnet durch Subtraktion der jüngsten Zeitraum Gewicht von 35 von 100 zu 65, Wir haben die Grundbausteine für unsere exponentielle Glättungsberechnung Der steuernde Eingang der exponentiellen Glättungsberechnung wird als Glättungsfaktor bezeichnet, der auch als Glättungskonstante bezeichnet wird. Im Wesentlichen repräsentiert er die Gewichtung, die auf die jüngste Periode angefordert wird. So, wo wir 35 verwendet haben Die Gewichtung für die jüngste Periode in der gewichteten gleitenden Durchschnittsberechnung, könnten wir auch wählen, um 35 als Glättungsfaktor in unserer exponentiellen Glättungsberechnung zu verwenden, um einen ähnlichen Effekt zu erhalten. Der Unterschied zur exponentiellen Glättungsrechnung ist, dass anstelle von uns auch Herauszufinden, wie viel Gewicht auf jede vorherige Periode anzuwenden, wird der Glättungsfaktor verwendet, um automatisch das zu tun. So kommt hier der exponentielle Teil Wenn wir 35 als Glättungsfaktor verwenden, wird die Gewichtung der letzten Periode s Nachfrage 35 sein Gewichtung der nächsten jüngsten Periode s verlangen die Periode vor dem jüngsten wird 65 von 35 65 kommt von Subtraktion 35 von 100 Dies entspricht 22 75 Gewichtung für diesen Zeitraum, wenn Sie die Mathematik. Die nächste letzte Periode s Nachfrage wird Sei 65 von 65 von 35, was 14 79 entspricht. Die Periode davor wird als 65 von 65 von 65 von 35 gewichtet, was 9 61 entspricht, und so weiter Und das geht zurück durch alle Ihre vorherigen Perioden den ganzen Weg Zurück zu dem Anfang der Zeit oder der Punkt, an dem Sie begonnen haben, exponentielle Glättung für das jeweilige Einzelteil zu verwenden. Sie denken vermutlich, dass s wie eine ganze Mathe aussieht Aber die Schönheit der exponentiellen Glättungberechnung ist das, anstatt, um gegen zu rekalkulieren Jede vorherige Periode jedes Mal, wenn Sie eine neue Periode s Nachfrage erhalten, verwenden Sie einfach die Ausgabe der exponentiellen Glättung Berechnung aus der vorherigen Periode, um alle vorherigen Perioden zu repräsentieren. Sind Sie verwirrt noch Dies wird mehr Sinn machen, wenn wir die tatsächliche Berechnung betrachten. In der Regel beziehen wir uns auf die Ausgabe der exponentiellen Glättungsberechnung als nächste Periode Prognose In Wirklichkeit braucht die endgültige Prognose ein wenig mehr Arbeit, aber für die Zwecke dieser spezifischen Berechnung werden wir es als die Prognose verweisen. Die exponentielle Glättung Berechnung Ist wie folgt. Die jüngste Periode s Nachfrage multipliziert mit dem Glättungsfaktor PLUS Die jüngste Periode s Prognose multipliziert mit einem Minus der Glättungsfaktor. Die jüngste Periode s Nachfrage S der Glättungsfaktor in Dezimalform dargestellt, so würde 35 als dargestellt werden 0 35 F die jüngste Periode s prognostiziert die Ausgabe der Glättungsberechnung aus der vorherigen Periode. OR unter der Annahme eines Glättungsfaktors von 0 35. Es ist nicht viel einfacher als das. Sie können sehen, alles, was wir für Dateneingaben hier benötigen Sind die jüngste Periode s Nachfrage und die jüngste Periode s Prognose Wir wenden die Glättung Faktor Gewichtung auf die jüngste Periode s Nachfrage die gleiche Weise würden wir in der gewichteten gleitenden Durchschnitt Berechnung Wir wenden dann die restliche Gewichtung 1 minus der Glättungsfaktor zu Die jüngste Periode s prognostiziert. Da die jüngste Periode s Prognose auf der Grundlage der vorherigen Periode s Nachfrage und der vorherigen Periode s Prognose, die auf der Nachfrage für den Zeitraum vor diesem und die Prognose für den Zeitraum vor, Die auf der Nachfrage nach dem damaligen Zeitraum und der Prognose für die Zeit vor dem, die auf der Periode vor diesem basiert, basiert. Sie können sehen, wie alle vorherigen Periode s Nachfrage in der Berechnung dargestellt werden, ohne tatsächlich zurückzukehren und Alles neu zu berechnen. Und das s, was die anfängliche Popularität der exponentiellen Glättung fuhr Es war nicht, weil es eine bessere Arbeit der Glättung als gewichtet gleitenden Durchschnitt, es war, weil es einfacher war, in einem Computer-Programm zu berechnen und weil Sie didn t müssen Darüber nachzudenken, welche Gewichtung, um vorherige Perioden zu geben, oder wieviele vorherige Perioden zu verwenden, wie Sie in gewichtetem gleitendem Durchschnitt wären und weil es gerade kühler klang als gewichteter gleitender Durchschnitt. In der Tat konnte man argumentieren, dass der gewichtete gleitende Durchschnitt mehr Flexibilität bietet Sie haben mehr Kontrolle über die Gewichtung der vorherigen Perioden Die Realität ist entweder von diesen können respektable Ergebnisse liefern, also warum nicht mit einfacher und kühler klingen. Exponential Glättung in Excel. Let s sehen, wie dies tatsächlich in einer Kalkulationstabelle mit realen Daten suchen würde. Copyright Content auf ist urheberrechtlich geschützt und steht für die Wiederveröffentlichung nicht zur Verfügung. In Abbildung 1A haben wir eine Excel-Tabelle mit 11 Wochen Nachfrage und eine exponentiell geglättete Prognose, die aus dieser Nachfrage berechnet wurde. Ich habe einen Glättungsfaktor von 25 0 25 verwendet Zelle C1 Die aktuelle aktive Zelle ist Zelle M4, die die Prognose für Woche 12 enthält. Sie können in der Formelleiste sehen, die Formel lautet L3 C1 L4 1- C1 Also die einzigen direkten Eingaben zu dieser Berechnung sind die vorherige Periode s fordern Zelle L3, Die vorherige Periode s prognostizierte Zelle L4 und die Glättungsfaktor Zelle C1, die als absolute Zellreferenz C1 dargestellt ist. Wenn wir eine exponentielle Glättungsberechnung beginnen, müssen wir manuell den Wert für die 1. Prognose So in Zelle B4 anstatt einer Formel stecken , Haben wir nur die Nachfrage aus dem gleichen Zeitraum wie die Prognose In Cell C4 eingegeben haben wir unsere 1. exponentielle Glättung Berechnung B3 C1 B4 1- C1 Wir können dann Cell C4 kopieren und fügen Sie es in die Zellen D4 bis M4, um den Rest unserer zu füllen Prognosezellen. Sie können nun auf eine beliebige Prognosezelle doppelklicken, um zu sehen, dass sie auf der vorherigen Periode s Prognosezelle basiert und die vorherige Periode s Nachfragezelle hat. Jede nachfolgende exponentielle Glättungsberechnung erbt die Ausgabe der vorherigen exponentiellen Glättungsberechnung Jede vorherige Periode s Nachfrage ist in der jüngsten Periode s Berechnung dargestellt, obwohl diese Berechnung nicht direkt auf diese vorherigen Perioden Bezug Wenn Sie wollen, um Lust zu bekommen, können Sie Excel s Trace-Präzedenz-Funktion verwenden Um dies zu tun, klicken Sie auf Cell M4, dann Auf der Multifunktionsleiste Excel 2007 oder 2010 klicken Sie auf die Registerkarte Formeln und klicken Sie dann auf Trace Precedents Es wird Verbindungslinien auf die 1. Ebene der Präzedenzfälle zu ziehen, aber wenn Sie auf Trace Precedents klicken, wird es Verbindungslinien zu allen vorherigen Perioden zu zeigen, um Ihnen zu zeigen Geerbte verhältnisse. Jetzt sehen wir, welche exponentielle Glättung für uns getan hat. Figur 1B zeigt ein Liniendiagramm unserer Nachfrage und Prognose Sie Fall sehen, wie die exponentiell geglättete Prognose entfernt die meisten der Zacke das Springen um von der wöchentlichen Nachfrage, aber immer noch gelingt Folgen Sie, was scheint ein Aufwärtstrend in der Nachfrage Sie werden auch feststellen, dass die geglättete Prognose Linie neigt dazu, niedriger als die Nachfrage Linie Dies ist bekannt als Trend Verzögerung und ist eine Nebenwirkung des Glättungsprozesses Jedes Mal, wenn Sie Glättung verwenden, wenn ein Trend Ist präsentiert Ihre Prognose wird hinter dem Trend verzögern Dies gilt für jede Glättung Technik In der Tat, wenn wir diese Kalkulationstabelle fortsetzen und starten Eingabe niedrigere Nachfrage Zahlen machen einen Abwärtstrend würden Sie sehen, die Nachfrage Linie fallen, und die Trendlinie bewegen sich oben Es bevor es anfängt, dem Abwärtstrend zu folgen. Das ist der Grund, warum ich vorher die Ausgabe von der exponentiellen Glättungsberechnung erwähnt habe, die wir eine Prognose nennen, noch etwas mehr Arbeit braucht. Es gibt viel mehr zu prognostizieren als nur die Glocken in der Nachfrage zu schlagen Um zusätzliche Anpassungen für Dinge wie Trend Verzögerung, Saisonalität, bekannte Ereignisse, die die Nachfrage beeinflussen können, etc. Aber alles, was außerhalb des Umfangs dieses Artikels ist. Sie werden wahrscheinlich auch in Begriffe wie doppel-exponentielle Glättung und Triple-exponentielle Glättung Diese Begriffe Sind ein bisschen irreführend, da du die Nachfrage nicht mehrmals neu glättet, wenn du willst, aber das ist nicht der Punkt hier. Diese Begriffe stellen sich mit exponentieller Glättung auf weitere Elemente der Prognose dar So mit einfacher exponentieller Glättung wirst du die Basis-Nachfrage, aber mit doppel-exponentieller Glättung glätten Sie die Basis-Nachfrage plus den Trend, und mit Triple-Exponential-Glättung glätten Sie die Basis-Nachfrage plus den Trend plus die Saisonalität. Die am häufigsten gestellte Frage über exponentielle Glättung ist woher Ich bekomme meinen Glättungsfaktor Hier gibt es keine magische Antwort, du musst verschiedene Glättungsfaktoren mit deinen Bedarfsdaten testen, um zu sehen, was dir die besten Ergebnisse bringt. Es gibt Berechnungen, die den Glättungsfaktor automatisch einstellen und ändern können. Diese fallen unter den Begriff adaptive Glättung , Aber du musst mit ihnen vorsichtig sein. Es gibt einfach keine perfekte Antwort, und du solltest keine Berechnungen ohne gründliche Prüfung durchführen und ein gründliches Verständnis dafür entwickeln, was diese Berechnung ist. Du solltest auch was-if-Szenarien ausführen, um zu sehen, wie diese Berechnungen reagieren Um Änderungen zu verlangen, die derzeit nicht in den Nachfragedaten existieren, die Sie für das Testen verwenden. Das Datenbeispiel, das ich vorher verwendet habe, ist ein sehr gutes Beispiel für eine Situation, in der Sie wirklich einige andere Szenarien testen müssen. Das besondere Datenbeispiel zeigt etwas einheitlich nach oben Trend Viele große Unternehmen mit sehr teuren Prognosesoftware haben sich in der nicht so weit entfernten Vergangenheit in große Schwierigkeiten gebracht, als ihre Software-Einstellungen, die für eine wachsende Wirtschaft gezwickt wurden, nicht gut reagierten, als die Wirtschaft stagnierte oder schrumpfte Ich verstehe, was deine Berechnungssoftware tatsächlich tut Wenn sie ihr Prognosesystem verstanden hätten, hätten sie gewusst, dass sie nötig waren, um zu springen und etwas zu ändern, wenn es plötzliche dramatische Änderungen an ihrem Geschäft gab. So haben Sie es die Grundlagen der exponentiellen Glättung erklärt Um mehr über die Verwendung von exponentiellen Glättung in einer tatsächlichen Prognose zu erfahren, schauen Sie sich mein Buch Inventory Management Explained. Copyright Content auf ist urheberrechtlich geschützt und ist nicht verfügbar für republication. Dave Piasecki ist Eigentümer Betreiber von Inventory Operations Consulting LLC ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Inventur Management, Material Handling und Lager-Operationen Er hat über 25 Jahre Erfahrung in der Betriebsführung und kann über seine Website erreicht werden, wo er zusätzliche relevante Informationen. My Business. What s der Unterschied zwischen gleitenden durchschnittlichen und gewichteten gleitenden Durchschnitt 5-Perioden-Gleitender Durchschnitt, basierend auf den oben genannten Preisen, würde unter Verwendung der folgenden Formeln berechnet werden. Auf der obigen Gleichung wurde der durchschnittliche Preis über den oben genannten Zeitraum 90 66. Mit bewegten Durchschnitten ist eine effektive Methode zur Beseitigung starker Preisschwankungen Schlüsselbegrenzung ist, dass Datenpunkte von älteren Daten nicht anders als Datenpunkte am Anfang des Datensatzes gewichtet werden. Hier werden gewichtete Bewegungsdurchschnitte ins Spiel gebracht. Die gewichteten Durchschnittswerte weisen den aktuellen Datenpunkten eine schwerere Gewichtung zu, da sie relevanter sind Als Datenpunkte in der fernen Vergangenheit Die Summe der Gewichtung sollte bis zu 1 oder 100 addieren. Bei dem einfachen gleitenden Durchschnitt sind die Gewichtungen gleichmäßig verteilt, weshalb sie in der obigen Tabelle nicht dargestellt sind. Schlusskurs von AAPL. Seasonal Factor - der Prozentsatz der durchschnittlichen vierteljährlichen Nachfrage, die in jedem Quartal auftritt. Einheitliche Prognose für das Jahr 4 wird voraussichtlich 400 Einheiten. Weitere Prognose pro Quartal ist 400 4 100 Einheiten. Quarterly Prognose Avg Prognose saisonalen Faktor. CAUSAL FORECASTING METHODS. causal Prognosemethoden basieren auf einer bekannten oder wahrgenommenen Beziehung zwischen dem zu prognostizierenden Faktor und anderen externen oder internen Faktoren.1 Regressions-mathematische Gleichung bezieht sich auf eine abhängige Variable auf eine oder mehrere unabhängige Variablen, von denen angenommen wird, dass sie die abhängige Variable beeinflussen.2 ökonometrisches Modellsystem Von interdependenten Regressionsgleichungen, die einen gewissen Sektor der ökonomischen Aktivität beschreiben.3 Input-Output-Modelle beschreiben die Ströme von einem Sektor der Wirtschaft zu einer anderen, und so prognostiziert die Eingaben, die erforderlich sind, um Ausgänge in einem anderen Sektor zu produzieren.4 Simulation modelling. MEASURING FORECAST FEHLER. Es gibt zwei Aspekte der Prognose Fehler zu besorgt über - Bias und Genauigkeit. Bias - Eine Prognose ist voreingenommen, wenn es irrt sich mehr in eine Richtung als in der anderen.- Die Methode neigt zu Prognosen oder Over-Prognosen. Accuracy - Forecast Genauigkeit bezieht sich auf die Entfernung der Prognosen von der tatsächlichen Nachfrage ignorieren die Richtung dieses Fehlers. Example Für sechs Perioden Prognosen und tatsächliche Nachfrage wurden verfolgt Die folgende Tabelle gibt die tatsächliche Nachfrage D t und Prognose Nachfrage F t für sechs Perioden kumulative Summe der Prognose Fehler CFE -20.mean absolute Abweichung MAD 170 6 28 33.Manquadratfehler MSE 5150 6 858 33.Standardabweichung von Prognosefehlern 5150 6 29 30.mean absoluter Prozentfehler MAPE 83 4 6 13 9.Was Informationen geben jeweils. Prognose hat eine Tendenz zur Überschätzung der Nachfrage. Großfehler pro Prognose war 28 33 Einheiten oder 13 9 der tatsächlichen Nachfrage. Sampling Verteilung der Prognosefehler hat Standardabweichung von 29 3 Einheiten. KRITERIEN FÜR AUSWÄHLEN EINES FORECASTING METHOD. Objectives 1 Maximieren Sie Genauigkeit Und 2 Minimieren Bias. Potential Regeln für die Auswahl einer Zeitreihe Prognose Methode Wählen Sie die Methode, die die kleinste Vorspannung, wie durch kumulative Prognose Fehler CFE gemessen wird, oder gibt die kleinste mittlere absolute Abweichung MAD oder. gives das kleinste Tracking-Signal oder. supports Management-Glauben über das zugrunde liegende Muster der Nachfrage. or andere Es scheint offensichtlich, dass ein Maß an Genauigkeit und Vorspannung zusammen verwendet werden sollte Wie. Was über die Anzahl der Perioden zu probieren. die Nachfrage ist inhärent stabil, niedrige Werte von und und Höhere Werte von N werden vorgeschlagen. Wenn die Nachfrage inhärent instabil ist, werden hohe Werte von und und niedrigeren Werten von N vorgeschlagen. FOCUS FORECASTING. focus Prognose bezieht sich auf einen Ansatz zur Prognose, der Prognosen durch verschiedene Techniken entwickelt, dann wählt die Prognose, die produziert wurde Durch die besten dieser Techniken, wo am besten durch eine gewisse Maßnahme der Prognosefehler bestimmt wird. FOCUS FORECASTING BEISPIEL. Für die ersten sechs Monate des Jahres war die Nachfrage nach einem Einzelhandel Gegenstand 15, 14, 15, 17, 19 und 18 Einheiten. Ein Einzelhändler verwendet ein Fokus-Prognosesystem, das auf zwei Prognosetechniken basiert, einem zweistufigen gleitenden Durchschnitt und einem trendorientierten exponentiellen Glättungsmodell mit 0 1 und 0 1. Mit dem exponentiellen Modell war die Prognose für Januar 15 und der Trend Durchschnitt am Ende Dezember war 1.Der Einzelhändler nutzt die mittlere absolute Abweichung MAD für die letzten drei Monate als das Kriterium für die Auswahl, welches Modell wird für die Vorhersage für den nächsten Monat verwendet werden. a Was wird die Prognose für Juli und welches Modell sein Wird verwendet werden. b Würdest du auf Teil a antworten, sei anders, wenn die Nachfrage nach Mai 14 statt 19 gewesen wäre.
No comments:
Post a Comment