Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Фирма, производящая складские навесы, решает прогнозировать продажи путем взвешивания прошлых продаж за три месяца следующим образом.
Используемые веса | Период |
Прошлый месяц | |
Два месяца назад | |
Три месяца назад | |
Сумма весов | |
Прогноз для этого месяца |
3 * Продажи прошлого месяца + 2 * Продажи два месяца назад +
+ 1 * Продажи три месяца назад
6 Сумма весов
Результаты прогнозирования на базе взвешенной средней показаны в следующей таблице.
Месяц | Текущие продажи | Изменяющаяся взвешенная средняя за три месяца |
Январь | ||
Февраль | ||
Март | ||
Апрель | ((3 х 13) + (2 х 12) + (10)) / 6 =12 1/6 | |
Май | ((3 х 16) + (2 х 13) + (12)) / 6 = 14 1/3 | |
Июнь | ((3 х 19) + (2 х 16) + (13)) / 6 = 17 | |
Июль | ((3 х 23) + (2 х 19) + (16)) / 6 = 20 1/2 | |
Август | ((3 х 26) + (2 х 23) + (19)) / 6 = 23 5/6 | |
Сентябрь | ((3 х 30) + (2 х 26) + (23)) / 6 = 27 1/2 | |
Октябрь | (3 х 28) + (2 х 30) + (26)) / 6 = 28 1/3 | |
Ноябрь | ((3 х 18) + (2 х 28) + (30)) / 6 = 23 1/3 | |
Декабрь | ((3 х 16) + (2 х 18) + (28)) / б = 18 2/3 |
Как простая, так и взвешенная меняющаяся средние эффективны в сглаживании внезапных флуктуации в модели спроса для того, чтобы получать стабильные прогнозы. Меняющиеся средние имеют, однако, три проблемы. Первое: возрастание размера п (числа усредняемых периодов) делает сглаживание флуктуации лучше, но это делает и метод более чувствительным к реальным изменениям в данных. Второе: меняющиеся средние не очень хорошо отражают тренды. Так как они усреднены, тренды будут всегда стоять на прошлом уровне и не будут отражать изменения на другой, более высокий или более низкий уровень. Наконец, меняющиеся средние требуют записей прошлых данных.
Рис. 4.2 с данными из примеров 1 и 2 иллюстрирует лаговый эффект моделей меняющейся средней.
Экспоненциальное сглаживание. Экспоненциальное сглаживание – это метод прогнозирования, который чаще и эффективнее применяется с помощью компьютера, хотя использует очень мало записей, относящихся к прошлым данным. Базовая формула экспоненциального сглаживания может быть показана следующим образом:
Новый прогноз = (Прогноз прошлого периода +
+ α (Текущий спрос прошлого периода) –
– (Прогноз прошлого периода), (4.3)
где α – вес, или константа сглаживания, которая расположена между 0 и 1.
Уравнение (4.3) может быть также записано математически:
Ft = Ft – 1 + α (At – 1 – Ft – 1),
где Ft – новый прогноз;
Ft – 1 – прошлый прогноз;
α – константа сглаживания (0 ≤ α ≤ 1);
At – 1 – текущий спрос прошлого периода.
Прошлый прогноз спроса эквивалентен старому прогнозу, существуют различия между текущим спросом прошлого периода и старым прогнозом.
Дата публикования: 2015-03-29; Прочитано: 212 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!