Metodo ed esempio di ammorbidimento esponenziale

Lui Ammorbidimento esponenziale È un modo per prevedere la domanda di un articolo per un determinato periodo. Questo metodo stima che la domanda sarà uguale alla media del consumo storico in un determinato periodo, dando maggiore peso o ponderazione ai valori più vicini nel tempo. Inoltre, per le seguenti previsioni tiene conto dell'errore esistente della previsione corrente.

La prognosi della domanda è il metodo per proiettare la domanda di un prodotto o servizio da parte dei clienti. Questo processo è continuo, in cui i manager utilizzano dati storici per calcolare ciò che si aspettano di essere la domanda di vendite di un bene o di un servizio.

Fonte: Pixabay.com

Le informazioni dal passato dell'azienda vengono utilizzate aggiungendole ai dati economici del mercato per vedere se le vendite aumenteranno o diminuiranno.

I risultati della prognosi della domanda vengono utilizzati per stabilire obiettivi per il dipartimento delle vendite, cercando di rimanere in linea con gli obiettivi dell'azienda.

[TOC]

Metodo di ammorbidimento esponenziale

Ammorbidire è un processo statistico molto comune. I dati ammorbiditi si trovano spesso in varie forme di vita quotidiana. Ogni volta che viene utilizzata una media per descrivere qualcosa, viene utilizzato un numero morbido.

Supponiamo che quest'anno sia stato sperimentato il registrato più caldo. Per quantificarlo, inizia il set di dati giornaliero per il periodo invernale di ogni anno storico registrato.

Questo genera un numero di numeri con grandi "salti". È necessario un numero che elimina tutti questi dati dai dati per poter confrontare più facilmente un inverno con un altro.

Eliminare il salto nei dati è chiamato ammorbidimento. In questo caso, una media semplice può essere utilizzata per ottenere il più morbido.

Può servirti: matrice EFI: cosa valuta, come farlo, analisi, esempio

Ammorbidimento nella previsione

Per la prognosi della domanda, l'ammorbidimento viene anche utilizzato per eliminare le variazioni della domanda storica. Ciò consente di identificare meglio i modelli di domanda, che possono essere utilizzati per stimare la domanda futura.

Le variazioni della domanda sono lo stesso concetto del "salto" dei dati di temperatura. Il modo più comune in cui vengono eliminate le variazioni di cronologia della domanda è l'utilizzo di una media media o in particolare.

La media mobile utilizza un numero predefinito di periodi per calcolare la media e tali periodi si muovono mentre il tempo passa.

Ad esempio, se viene utilizzata una media mobile a quattro mesi e oggi è il 1 maggio, verrà utilizzata la domanda media che si è verificata a gennaio, febbraio, marzo e aprile. Il 1 giugno, la domanda di febbraio, marzo, aprile e maggio verrà utilizzata.

Media mobile ponderata

Quando viene utilizzata una media semplice, la stessa importanza viene applicata a ciascun valore nel set di dati. Pertanto, in una media mobile di quattro mesi, ogni mese rappresenta il 25% della media mobile.

Usando la storia della domanda per proiettare la domanda futura, è logico concludere che il periodo più recente ha un impatto maggiore sulla previsione.

Il calcolo della media mobile può essere adattato per applicare diversi "pesos" a ciascun periodo, al fine di ottenere i risultati desiderati.

Questi pesos sono espressi come percentuali. Il totale di tutti i pesi per tutti i periodi deve aggiungere il 100%.

Pertanto, se si desidera applicare il 35% come peso per il periodo più vicino nella media ponderata a quattro mesi, il 35% del 100% può essere sottratto, lasciando il 65% a dividere tra i restanti tre periodi

Può servirti: Deming Circle: fasi, vantaggi, svantaggi ed esempio

Ad esempio, puoi terminare con una ponderazione del 15%, 20%, 30% e 35% rispettivamente per quattro mesi (15+20+30+35 = 100).

Ammorbidimento esponenziale

L'ingresso di calcolo ammorbidimento esponenziale è noto come fattore di ammorbidimento. Rappresenta la ponderazione applicata alla domanda per il periodo più recente.

Se il 35% viene utilizzato come ponderazione del periodo più recente nel calcolo della media mobile ponderata, potrebbe anche essere scelto per utilizzare il 35% come fattore ammorbidito nel calcolo dell'ammorbidimento esponenziale.

Parte esponenziale

La differenza nel calcolo dell'ammorbidimento esponenziale è che, invece di dover scoprire quanto peso si applica a ciascun periodo precedente, il fattore ammorbidito viene utilizzato per farlo automaticamente.

Questa è la parte "esponenziale". Se il 35% viene utilizzato come fattore ammorbidito, la ponderazione della domanda per il periodo più recente sarà del 35%. La ponderazione della domanda per il periodo precedente al più recente, sarà del 65% del 35%.

Il 65% proviene dalla sottrazione del 35% del 100%. Ciò è equivalente alla ponderazione del 22,75% per quel periodo. La domanda per il prossimo periodo più recente sarà il 65% del 65% del 35%, il che equivale al 14,79%.

Il periodo precedente sarà ponderato come il 65% del 65% del 65% del 35%, equivalente al 9,61%. Questo verrà fatto per tutti i periodi precedenti, fino a raggiungere il primo periodo.

Formula

La formula per il calcolo dell'ammorbidimento esponenziale è la seguente: (d*s) + (p*(1-s)), dove,

D = domanda più recente per il periodo.

S = fattore più soft, rappresentato decimamente (il 35% sarebbe 0,35).

P = prognosi del periodo più recente, risultato del calcolo dell'ammorbidimento del periodo precedente.

Può servirti: le attività economiche di Nayarit

Supponendo che ci sia un fattore a forma di morbido 0,35, sarebbe quindi: (D*0,35) + (P*0,65).

Come si può vedere, gli unici input di dati necessari sono la domanda e la prognosi del periodo più recente.

Esempio

Una compagnia assicurativa ha deciso di espandere il proprio mercato nella più grande città del paese, fornendo assicurazioni per i veicoli.

Come azione iniziale, la società vuole prevedere quante assicurazioni del veicolo verranno acquistate dagli abitanti di questa città.

Per fare ciò, utilizzeranno come dati iniziali l'importo dell'assicurazione auto acquistata in un'altra città più piccola.

La prognosi della domanda per il periodo 1 è 2.869 Assicurazione per veicoli contratti, ma la vera domanda in quel periodo era 3.200.

Secondo i criteri dell'azienda, assegna un fattore 0,35 più morbido. La domanda prevista del seguente periodo è: p2 = (3200*0,35) + 2869*(1-0,35) = 2984,85.

Questo stesso calcolo è stato effettuato per tutto l'anno, raggiungendo la seguente tabella comparativa tra ciò che è stato realmente ottenuto e previsto per quel mese.

In confronto alle medie, l'ammorbidimento esponenziale può prevedere la tendenza in modo migliore. Tuttavia, è ancora breve, come mostrato nel grafico:

Puoi vedere come la linea di previsione grigia può essere trovata ben al di sotto o sopra la linea di domanda blu, senza essere completamente.

Riferimenti

1. Wikipedia (2019). Ammorbidimento esponenziale. Tratto da: è.Wikipedia.org.
2. Employment Ingenio (2016). Come utilizzare una semplice softalizzazione esponenziale per prevedere la domanda. Tratto da: Ingenioempresa.com.
3. Dave Piacki (2019). Smoothing esponenziale spiegato. Preso da: Inventoryps.com.
4. Studio (2019). Tecniche di previsione della domanda: spostamento Avege e livellamento esponenziale. Preso da: studio.com.
5. Cityu (2019). Metodi di levigatura esponenziale. Tratto da: personale.CB.Città.Edu.HK.