რა არის ექსპონენციალური დაგლუვება?

ექსპონენციალური გამარტივება ეს არის მეთოდი, რომელსაც აქვს თვითგამორკვევის მექანიზმი, რომელსაც აქვს შესაძლებლობა შეცვალოს პროგნოზები წარსული შეცდომების საწინააღმდეგოდ. ეს არის მიმდინარე და წარსული მნიშვნელობების შეწონილი საშუალო საშუალო წონების შემცირება ექსპონენციალურად, ამიტომ ის შეიძლება გამოყენებულ იქნას გლუვი და ამავე დროს სხვადასხვა სახის შესასრულებლად პროგნოზები.

ეს მეთოდი განიხილება, როგორც შეწონილი მოძრავი საშუალო მეთოდის ევოლუცია, სადაც გამოითვლება დროის საშუალო, რომელსაც აქვს თვითრეკრეციის მექანიზმი. ფოკუსირებულია პროგნოზების კორექტირებაზე, წინა საწინააღმდეგო გადახრების საწინააღმდეგოდ, კორექტირების გზით, რამაც შეიძლება გავლენა იქონიოს გამარტივების კოეფიციენტზე.

ამ გზით ამ მოდელს შეუძლია მიაღწიოს მიუთითეთ ბოლო პერიოდის საპროგნოზო მონაცემები და მოთხოვნა, დაგლუვების კოეფიციენტის გარდა. მისი გავლენა ეძებს გზას, რათა აღმოფხვრას სხვადასხვა ისტორიული არარეგულარული ელემენტები ამჟამინდელი მოთხოვნის პერიოდების განმავლობაში, ოპტიმალური შედეგების მისაღწევად.

ექსპონენციალური დამარბილებელი მახასიათებლები

აღმოსავლეთი დაგლუვების მეთოდი მოიცავს შემდეგ მახასიათებლებს:

• ეს არის ნდობის აღდგენის ტექნიკა, რადგან ის შეიძლება გამოყენებულ იქნას სეზონური და დროის სერიების მონაცემებზე. ამ გზით უზრუნველყოს გლუვი მონაცემების სერია პრეზენტაციისა და ასევე შესასრულებლად პროგნოზები.
• დროის სერიების მონაცემები არის დაკვირვების სერია.
• დაკვირვება არის პროცესი, რომელიც ხორციელდება შემთხვევითი წესით, მოწესრიგებული წესით.
• ექსპონენციალური გამარტივება საშუალებას იძლევა დროთა განმავლობაში შემცირდეს ექსპონენციალური წონა.
• ეს არის მეთოდი, რომელიც არ უნდა იქნას გამოყენებული სეზონური პროდუქციის გაყიდვების პროგნოზირებისთვის, ეს გამოწვეულია გაყიდვებით, რომლებიც აჩვენებს ნიმუშს, რომლის მოძრაობის საშუალო მეთოდს არ აქვს მოდელირების შესაძლებლობა.
• რაოდენობრივი მონაცემების გათვალისწინებით, ამ მეთოდმა შეიძლება მეტი წონა მიანიჭოს ბოლოდროინდელ მონაცემებს, ვიდრე ნაკლებად ბოლოდროინდელ ან შებრუნებულ მონაცემებს.
• ეს არის მეთოდი, რომელიც ანიჭებს ერთ მნიშვნელობას, რომელიც უზრუნველყოფს მომავალში პრევენციას.

როგორ გამოთვლით პროგნოზს ექსპონენციალური დაგლუვების საშუალებით?

ვინაიდან ეს არის მარტივი გაანგარიშება, ის მხოლოდ წინა პროგნოზს, რეალურ საპროგნოზო პერიოდზე მოთხოვნას და მუდმივის საჭიროებას მოითხოვს გამარტივება. ამ მეთოდის პირველად გამოყენებისას მხედველობაში მიიღება წინა პროგნოზის ან მარტივი საშუალო შედეგის შეფასება.

ექსპონენციალური გამარტივების ფორმულა ეს არის:

ახალი პროგნოზი = წინა პერიოდის პროგნოზი + ალფა (წინა პერიოდის რეალური მოთხოვნა - წინა პერიოდის პროგნოზი)

სად:

F1 = ახალი პროგნოზი

F1–1 = წინა პერიოდის პროგნოზი

ალფა = გამარტივების მუდმივა

A1-1 = წინა პერიოდის რეალური მოთხოვნა

რა არის გამარტივების მუდმივა ექსპონენციალური დაგლუვებისას?

ეს მეთოდი მუშაობს მუდმივის საშუალებით ალფა გამარტივება რომელსაც აქვს მნიშვნელობა, რომელიც არის 0-დან 1-მდე, თუმცა, მისი რეალური გამოყენებისას, მნიშვნელობა შეიძლება შეიცვალოს 0,05-დან 0,50-მდე.

მუდმივი მოქმედებს როგორც შეწონილი ფაქტორი და მისი ცვალებადობა ხდება იმის მიხედვით, თუ რა საჭიროა უფრო მეტი წონა მიანიჭოთ ბოლო მონაცემებს ან წინა მონაცემებს. ამ თვალსაზრისით, თუ ალფა უდრის 1-ს, მომდევნო პერიოდის მოთხოვნის პროგნოზი უნდა იყოს მიმდინარე პერიოდის ტოლი.

შედეგად, არჩეული ალფა უნდა იყოს დაკავშირებული რეაგირების სასურველ მაჩვენებელთან და პროდუქტთან. წინააღმდეგ შემთხვევაში, ეს მოხდება, თუ კომპანია დაიწყებს თავის მოთხოვნის ზრდას, ამას დასჭირდება უფრო მაღალი ალფა და ამით უფრო მეტ მნიშვნელობას ანიჭებს ბოლოდროინდელ მოთხოვნას.

ექსპონენციალური დაგლუვების მეთოდის უპირატესობები და უარყოფითი მხარეები

ყველაზე მნიშვნელოვანი უპირატესობებია:

• ეს არის პროგნოზირების მეთოდი, რომელიც ყველაზე მეტად გამოიყენება, რადგან ის ძალიან მარტივია, რამაც საშუალება მისცა პრაქტიკულად დანერგონ დიდ და მცირე კომპანიებში. ეს ჩვეულებრივ კეთდება მარტივი Excel ფაილებში ან პროგრამულ უზრუნველყოფაში.
• გამოყენებული ფორმულა ძალიან მარტივია, საჭიროა მხოლოდ წინა პროგნოზი, რეალური მოთხოვნა პროგნოზის პერიოდისთვის და გამარტივების მუდმივა.
• თქვენ არ უნდა გქონდეთ დიდი მოცულობის ისტორიული მონაცემები.
• ეს უზრუნველყოფს უფრო მეტ სიზუსტეს, რადგან ეს არის ექსპონენციალური მოდელი.
• როგორც წესი, იგი საკმაოდ მოქნილია, როგორც უფრო ბოლო მოთხოვნის, ასევე უძველესი მოთხოვნის უფრო დიდი მნიშვნელობის მინიჭება.

ამ მეთოდის ზოგიერთი ნაკლის გამოსაკვეთად, შეიძლება ითქვას, რომ:

• საშუალო მოძრავი მეთოდების მსგავსად, ეს არის ტენდენციის რეაგირება, ანუ მიუხედავად იმისა, რომ ალფა მნიშვნელობა მიაღწევს რეაგირება მოახდენს გარკვეულ ცვლილებებს, რომლებიც ხდება საშუალოში, ეს სისტემატური ცვლილებები გაზრდის შეცდომას პროგნოზები. ეს ნიშნავს, რომ 0.5-ზე მეტი ალფა გამოყენებისას, რომელსაც აქვს კარგი შედეგი, უმჯობესია აირჩიოთ ორმაგი ექსპონენციალური გამარტივება.

ექსპონენციალური დაგლუვების Excel შაბლონი

ექსპონენციალური დამარბილებელი ექსელის შაბლონი შეიცავს შემდეგ მახასიათებლებს:

• გაატარეთ სერიის პროგნოზი გრაფიკთან ერთად, შეფასების შეცდომების მისაღებად.
• შეგიძლიათ გამოანგარიშოთ დროის სერიის საშუალო მაჩვენებელი, თვითრეკრეციის პროცედურის გამოყენებით.
• დაკვირვების საშუალო მაჩვენებელი შეგიძლიათ შეიძინოთ ექსპონენციალურად, რაც ნიშნავს რომ მონაცემები არის ისინი შეწონილნი არიან ბოლო დაკვირვებებზე მეტი წონის მიცემით და უფრო დიდი წონის მქონე ადამიანებისთვის სიძველე
• იგი რეკომენდებულია დონის ან შემთხვევითი მოთხოვნის შაბლონებისთვის, სადაც ის მიზნად ისახავს არარეგულარულ ისტორიულ ელემენტებზე გავლენის წარმოქმნას.