WYGŁADZANIE WYKŁADNICZE: METODA I PRZYKŁAD - DUDAS - 2026

Wykładniczy wygładzanie jest sposobem na prognozowanie zapotrzebowania na artykule dla danego okresu. Ta metoda szacuje, że popyt będzie równy średniej historycznej konsumpcji w danym okresie, nadając większą wagę lub wagę wartościom, które są bliższe w czasie. Dodatkowo dla kolejnych prognoz należy uwzględnić istniejący błąd bieżącej prognozy.

Prognozowanie popytu to metoda prognozowania zapotrzebowania klientów na produkt lub usługę. Ten proces jest ciągły, w którym menedżerowie wykorzystują dane historyczne do obliczenia oczekiwanego zapotrzebowania na towar lub usługę.

Źródło: pixabay.com

Informacje z przeszłości firmy są wykorzystywane przez dodanie ich do rynkowych danych ekonomicznych w celu sprawdzenia, czy sprzedaż wzrośnie, czy spadnie.

Wyniki prognozy popytu służą do wyznaczania celów dla działu sprzedaży, starając się pozostać w zgodzie z celami firmy.

Metoda wygładzania wykładniczego

Wygładzanie to bardzo powszechny proces statystyczny. Wygładzone dane są często spotykane w różnych formach życia codziennego. Za każdym razem, gdy do opisu czegoś używana jest średnia, używana jest wygładzona liczba.

Załóżmy, że w tym roku miała miejsce najcieplejsza odnotowana zima. Aby to określić ilościowo, zaczynamy od dobowych danych temperatury ustalonych dla okresu zimowego każdego zarejestrowanego roku historycznego.

Generuje to szereg liczb z dużymi „skokami”. Potrzebujesz liczby, która wyeliminuje wszystkie te skoki z danych, aby ułatwić porównanie jednej zimy z drugą.

Eliminacja przeskoku w danych nazywa się wygładzaniem. W takim przypadku można użyć prostej średniej, aby uzyskać wygładzanie.

Wygładzanie prognozy

Przy prognozowaniu popytu stosuje się również wygładzanie, aby wyeliminować wahania popytu historycznego. Pozwala to na lepszą identyfikację wzorców popytu, które można wykorzystać do oszacowania przyszłego popytu.

Wahania zapotrzebowania to ta sama koncepcja, co „skok” danych temperatury. Najczęstszym sposobem usuwania zmian w historii popytu jest użycie średniej lub w szczególności średniej ruchomej.

Średnia ruchoma wykorzystuje wstępnie zdefiniowaną liczbę okresów do obliczenia średniej, a okresy te zmieniają się w miarę upływu czasu.

Na przykład, jeśli używasz czteromiesięcznej średniej ruchomej, a dzisiaj jest 1 maja, użyjesz średniego popytu ze stycznia, lutego, marca i kwietnia. 1 czerwca zostanie wykorzystane zapotrzebowanie na luty, marzec, kwiecień i maj.

Ważona średnia krocząca

W przypadku korzystania z prostej średniej takie same znaczenie ma każda wartość w zestawie danych. Dlatego w czteromiesięcznej średniej ruchomej każdy miesiąc stanowi 25% średniej ruchomej.

Wykorzystując historię popytu do prognozowania przyszłego popytu, wydaje się, że ostatni okres ma większy wpływ na prognozę.

Obliczanie średniej ruchomej można dostosować do zastosowania różnych „wag” do każdego okresu w celu uzyskania pożądanych wyników.

Te wagi są wyrażone w procentach. Suma wszystkich wag dla wszystkich okresów musi wynosić 100%.

Dlatego jeśli chcesz zastosować 35% jako wagę dla najbliższego okresu w średniej ważonej z czterech miesięcy, możesz odjąć 35% od 100%, pozostawiając 65% do podzielenia między trzema pozostałymi okresami.

Na przykład możesz otrzymać odpowiednio wagę 15%, 20%, 30% i 35% dla czterech miesięcy (15 + 20 + 30 + 35 = 100).

Wygładzanie wykładnicze

Wejście sterujące dla obliczenia wygładzania wykładniczego jest znane jako współczynnik wygładzania. Reprezentuje wagę zastosowaną do popytu w ostatnim okresie.

Jeśli 35% jest używane jako waga ostatniego okresu w obliczeniu ważonej średniej ruchomej, można również wybrać 35% jako współczynnik wygładzania w obliczaniu wygładzania wykładniczego.

Część wykładnicza

Różnica w obliczaniu wygładzania wykładniczego polega na tym, że zamiast obliczać, jaką wagę należy zastosować do każdego poprzedniego okresu, współczynnik wygładzania jest używany do tego automatycznie.

To jest część „wykładnicza”. Jeżeli 35% zostanie użyte jako czynnik wygładzający, waga popytu dla ostatniego okresu wyniesie 35%. Waga popytu z okresu poprzedzającego ostatni wyniesie 65% z 35%.

65% pochodzi z odjęcia 35% od 100%. Odpowiada to ważeniu 22,75% w tym okresie. Popyt na następny ostatni okres wyniesie 65% z 65% z 35%, co równa się 14,79%.

Poprzedni okres będzie ważony jako 65% z 65% z 65% z 35%, co odpowiada 9,61%. Będzie to miało miejsce dla wszystkich poprzednich okresów, aż do pierwszego okresu.

Formuła

Wzór na wyliczenie wygładzania wykładniczego jest następujący: (D * S) + (P * (1-S)), gdzie,

D = ostatnie zapotrzebowanie w danym okresie.

S = współczynnik wygładzania, przedstawiony w postaci dziesiętnej (35% byłoby równe 0,35).

P = prognoza dotycząca ostatniego okresu, wynikająca z obliczenia wyrównania poprzedniego okresu.

Zakładając, że mamy współczynnik wygładzający 0,35, otrzymalibyśmy: (D * 0,35) + (P * 0,65).

Jak widać, jedyne wymagane dane wejściowe to popyt i najnowsza prognoza okresu.

Przykład

Firma ubezpieczeniowa zdecydowała się rozszerzyć swój rynek o największe miasto w kraju, oferując ubezpieczenia pojazdów.

Na początek firma chce prognozować, ile ubezpieczeń komunikacyjnych wykupią mieszkańcy tego miasta.

Aby to zrobić, wykorzystają jako dane początkowe kwotę ubezpieczenia samochodu zakupionego w innym mniejszym mieście.

Prognoza popytu na pierwszy okres to 2869 zakontraktowanych ubezpieczeń komunikacyjnych, ale rzeczywisty popyt w tym okresie wyniósł 3200.

Według uznania firmy przydziela współczynnik wygładzający 0,35. Prognozowany popyt na kolejny okres to: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.

Te same obliczenia przeprowadzono dla całego roku, uzyskując następującą tabelę porównawczą między tym, co faktycznie uzyskano, a tym, co było prognozowane na ten miesiąc.

W porównaniu z technikami uśredniania, wygładzanie wykładnicze może lepiej przewidywać trend. Jednak nadal jest niewystarczający, jak pokazano na wykresie:

Można zobaczyć, jak szara linia prognozy może znajdować się znacznie poniżej lub powyżej niebieskiej linii popytu, nie będąc w stanie w pełni jej przestrzegać.

Bibliografia

1. Wikipedia (2019). Wygładzanie wykładnicze. Zaczerpnięte z: es.wikipedia.org.
2. Ingenio Empresa (2016). Jak używać prostego wygładzania wykładniczego do prognozowania popytu. Zaczerpnięte z: ingenioempresa.com.
3. Dave Piasecki (2019). Wyjaśnienie wygładzania wykładniczego. Zaczerpnięte z: inventoryops.com.
4. Badanie (2019). Techniki prognozowania popytu: średnia ruchoma i wygładzanie wykładnicze. Zaczerpnięte z: study.com.
5. Cityu (2019). Metody wygładzania wykładniczego. Zaczerpnięte z: personal.cb.cityu.edu.hk.