De exponentiële afvlakking Het is een methode met een zelfcorrigerend mechanisme dat het vermogen heeft om voorspellingen aan te passen op een manier die in strijd is met fouten uit het verleden. Dit zijn gewogen voortschrijdende gemiddelden van huidige en vroegere waarden waarbij de gewichten zijn verlaagd exponentieel, daarom kan het worden gebruikt om verschillende soorten glad te strijken en tegelijkertijd uit te voeren voorspellingen.
Deze methode wordt beschouwd als een evolutie van de methode van het gewogen voortschrijdend gemiddelde, waarbij het tijdsgemiddelde met een zelfcorrectiemechanisme wordt berekend. richt zich op het aanpassen van prognoses in tegenstelling tot eerdere afwijkingen door correcties die de afvlakkingscoëfficiënt kunnen beïnvloeden.
advertenties
Op deze manier kan dit model bereiken: specificeer prognosegegevens en vraag voor de laatste periode, naast de afvlakkingscoëfficiënt. De impact ervan zoekt een manier om de verschillende historische onregelmatige elementen te elimineren door de huidige vraagperioden, waardoor optimale resultaten worden bereikt.
advertenties
In dit artikel vind je:
Exponentiële afvlakkingskenmerken
Oosten afvlakkingsmethode: omvat de volgende kenmerken:
- Het is een vertrouwenwekkende techniek omdat het kan worden toegepast op seizoens- en tijdreeksgegevens. op deze manier een reeks afgevlakte gegevens bieden voor presentatie en ook om uit te voeren voorspellingen.
- Tijdreeksgegevens zijn reeksen waarnemingen.
- Observatie is een proces dat willekeurig en ordelijk wordt uitgevoerd.
- Exponentiële afvlakking maakt de toewijzing van afnemende exponentiële gewichten in de loop van de tijd mogelijk.
- Het is een methode die niet mag worden gebruikt om de verkoop van seizoensproducten te voorspellen, dit komt door de verkoop die een patroon vertoont dat de voortschrijdend gemiddelde methode niet kan modelleren.
- Afhankelijk van de kwantificering kan deze methode meer gewicht toekennen aan recente gegevens dan aan minder recente of omgekeerde.
- Het is een methode die één waarde toekent die preventie in de toekomst garandeert.
Hoe bereken je een prognose met Exponential Smoothing?
Omdat het een eenvoudige berekening is, vereist het alleen de vorige prognose, de vraag naar de werkelijke prognoseperiode en de constante van gladmaken. Wanneer deze methode voor de eerste keer wordt gebruikt, wordt rekening gehouden met een schatting van de vorige prognose of het resultaat van een eenvoudig gemiddelde.
advertenties
De exponentiële afvlakkingsformule het is:
Nieuwe prognose = prognose vorige periode + alfa (werkelijke vraag vorige periode - prognose vorige periode)
advertenties
Waar:
F1 = Nieuwe voorspelling
advertenties
F1–1 = Prognose van de vorige periode
Alpha = afvlakkingsconstante
A1-1 = reële vraag van de vorige periode Previous
Wat is de afvlakkingsconstante bij exponentiële afvlakking?
Deze methode werkt door middel van een constante van alfa-afvlakking die een waarde heeft die tussen 0 en 1 ligt, maar in de werkelijke toepassing kan de waarde variëren tussen 0,05 en 0,50.
De constante fungeert als een gewogen factor en de variatie ervan wordt gemaakt afhankelijk van de noodzaak om meer gewicht toe te kennen aan recente gegevens of eerdere gegevens. In die zin, als alfa gelijk is aan 1, moet de vraagprognose voor de volgende periode gelijk zijn aan de huidige periode.
Als gevolg hiervan moet de gekozen alfa gerelateerd zijn aan de gewenste respons en het product. Anders gebeurt het dat als het bedrijf een groei in zijn vraag begint te krijgen, dit een hogere alfa nodig heeft en dus een groter belang krijgt voor de recente vraag.
Voor- en nadelen van de Exponential Smoothing-methode
Een van de meest relevante voordelen zijn:
- Het is de voorspellingsmethode die het meest wordt gebruikt omdat het heel eenvoudig is, waardoor het in de praktijk kan worden gebracht in grote en kleine bedrijven. Het wordt meestal gedaan in eenvoudige Excel-bestanden of in Software.
- De gebruikte formule is heel eenvoudig, u hebt alleen de vorige prognose, de werkelijke vraag voor de prognoseperiode en de afvlakkingsconstante nodig.
- U hoeft geen grote hoeveelheid historische gegevens te hebben.
- Het garandeert een grotere precisie, omdat het een exponentieel model is.
- Het is meestal vrij flexibel om meer belang te hechten aan zowel de meest recente vraag als de oudste vraag.
Om een nadeel van deze methode te benadrukken, kan worden gezegd dat:
- Net als methoden voor voortschrijdend gemiddelde is het een trendrespons, dat wil zeggen, ook al wordt een alfawaarde bereikt reageren op enkele veranderingen die zich in het gemiddelde voordoen, zullen deze systematische veranderingen de fout van de voorspellingen. Dit betekent dat bij het toepassen van een alfa groter dan 0,5 die goede resultaten geeft, het beter is om te kiezen voor dubbele exponentiële afvlakking.
Exponentiële afvlakking Excel-sjabloon
De exponentiële afvlakking Excel-sjabloon bevat de volgende kenmerken:
- Voer een prognose van een reeks uit in combinatie met een grafiek om de schattingsfouten te verkrijgen.
- U kunt het gemiddelde van een tijdreeks berekenen met behulp van een zelfcorrectieprocedure.
- Het gemiddelde van de waarnemingen, je kunt ze exponentieel verkrijgen, wat betekent dat de gegevens ze worden gewogen door meer gewicht te geven aan recente waarnemingen en minder gewicht aan die met meer oudheid.
- Het wordt ten zeerste aanbevolen voor gelijkmatige of willekeurige vraagpatronen, waarbij wordt geprobeerd de productie van impact op onregelmatige historische elementen te voorkomen.
