وصف الحركة و الخلافات بين الحركة - المتوسطات و الأسي - تجانس

إكسبوننتيال سموثينغ Explinder. Copyright المحتوى على محمية بحقوق الطبع والنشر وغير متاحة لإعادة النشر. عندما يلتقي الناس لأول مرة مصطلح التماسي الأسي قد يعتقدون أن يبدو وكأنه جحيم الكثير من تمهيد أي تمهيد هو ثم تبدأ في تصور رياضي معقد الحساب الذي يحتمل أن يتطلب درجة في الرياضيات لفهم، ونأمل أن يكون هناك المدمج في وظيفة إكسيل المتاحة إذا كانوا بحاجة من أي وقت مضى للقيام بذلك واقع التجانس الأسي هو أقل بكثير دراماتيكية وصدمة أقل بكثير. الحقيقة هي، تمهيد الأسي هو حساب بسيط جدا أن ينجز مهمة بسيطة نوعا ما لديه فقط اسم معقد لأن ما يحدث من الناحية الفنية نتيجة لهذه العملية الحسابية البسيطة هو في الواقع معقدة قليلا. لإدراك التجانس الأسي، فإنه يساعد على البدء مع المفهوم العام للتجانس و زوجين من الأساليب الشائعة الأخرى المستخدمة لتحقيق تمهيد. ما هو التمهيد. التمهيد هو p الاحصائيات الإحصائية شائعة جدا روسيس في الواقع، نحن نواجه بانتظام البيانات ممسحة في أشكال مختلفة في حياتنا اليومية يوما في أي وقت كنت تستخدم متوسط ​​لوصف شيء، كنت تستخدم عدد ممهدة إذا كنت تفكر لماذا تستخدم متوسط ​​لوصف شيء، أنت سوف نفهم بسرعة مفهوم تجانس على سبيل المثال، لقد شهدنا فقط أحر الشتاء في سجل كيف يمكننا أن نقدر هذا حسنا نبدأ مع مجموعات من درجات الحرارة العالية والمنخفضة اليومية للفترة التي نسميها الشتاء لكل سنة في التاريخ المسجل ولكن الذي يترك لنا مع مجموعة من الأرقام التي تقفز حول قليلا جدا انها ليست مثل كل يوم هذا الشتاء كان أكثر دفئا من الأيام المقابلة من جميع السنوات السابقة نحن بحاجة إلى عدد الذي يزيل كل هذا القفز من حول البيانات حتى نتمكن من أكثر سهولة مقارنة شتاء واحد إلى التالي إزالة القفز حول في البيانات يسمى التنعيم، وفي هذه الحالة يمكننا فقط استخدام متوسط ​​بسيط لإنجاز التجانس. في التنبؤ الطلب، ونحن نستخدم تمهيد لإزالة ه ضوضاء الاختلاف العشوائي من الطلب التاريخي لدينا وهذا يسمح لنا لتحديد أنماط الطلب بشكل رئيسي الاتجاه والموسمية ومستويات الطلب التي يمكن استخدامها لتقدير الطلب في المستقبل الضجيج في الطلب هو نفس مفهوم القفز اليومي حول بيانات درجة الحرارة ليس من المستغرب ، الطريقة الأكثر شيوعا الناس إزالة الضوضاء من تاريخ الطلب هو استخدام متوسط ​​بسيط أو أكثر تحديدا، المتوسط ​​المتحرك A المتوسط ​​المتحرك يستخدم فقط عدد محدد مسبقا من الفترات لحساب المتوسط، وهذه الفترات تتحرك مع مرور الوقت على سبيل المثال، إذا كان أنا باستخدام المتوسط ​​المتحرك لمدة 4 أشهر، واليوم هو 1 مايو، أنا باستخدام متوسط ​​الطلب الذي حدث في يناير وفبراير ومارس ونيسان في 1 يونيو، وسوف تستخدم الطلب من فبراير، مارس، أبريل، و عند استخدام المتوسط ​​المتوسط ​​فإننا نطبق نفس الأهمية على كل قيمة في مجموعة البيانات في المتوسط ​​المتحرك لمدة 4 أشهر، يمثل كل شهر 25 من المتوسط ​​المتحرك عند استخدام الطلب h إستوري إلى الطلب في المستقبل الطلب وخاصة الاتجاه المستقبلي، فمن المنطقي أن يأتي إلى الاستنتاج الذي تريد المزيد من التاريخ الحديث أن يكون لها تأثير أكبر على توقعاتك يمكننا تكييف لدينا حساب متحرك متوسط ​​لتطبيق مختلف الأوزان لكل فترة للحصول على النتائج المرجوة نحن نعبر عن هذه الأوزان كنسب مئوية، ويجب أن يصل مجموع جميع الأوزان لجميع الفترات إلى 100 حتى إذا قررنا أن نطبق 35 كوزن لأقرب فترة في المتوسط ​​المتحرك المرجح لمدة 4 أشهر، يمكننا طرح 35 من 100 لإيجاد لدينا 65 المتبقية لتقسيم على مدى 3 فترات أخرى على سبيل المثال، قد ينتهي بنا مع ترجيح 15، 20، 30، و 35 على التوالي لمدة 4 أشهر 15 20 30 35 100.Exonential وتمهيد. إذا عدنا إلى مفهوم تطبيق الوزن إلى الفترة الأخيرة مثل 35 في المثال السابق ونشر الوزن المتبقية محسوبة عن طريق طرح أحدث وزن الفترة من 35 من 100 للحصول على 65، لدينا الأساسية بناء كتل من أجل حساب التجانس الأسي لدينا. إن مدخلات التحكم في حساب التجانس الأسي تعرف باسم عامل التمهيد الذي يطلق عليه أيضا ثابت التجانس وهو يمثل أساسا الترجيح المطبق على آخر فترة من فترة الطلب لذا، حيث استخدمنا 35 كمرجح ل في الفترة الأخيرة في حساب المتوسط ​​المتحرك المرجح، يمكننا أيضا اختيار استخدام 35 كعامل التمهيد في حساب التجانس الأسي للحصول على تأثير مماثل الفرق مع حساب التجانس الأسي هو أنه بدلا من الاضطرار إلى معرفة أيضا كم الوزن لتطبيقها على كل فترة سابقة، ويستخدم عامل تجانس للقيام بذلك تلقائيا. لذلك يأتي هنا الجزء الأسي إذا كنا نستخدم 35 كعامل التجانس، فإن الترجيح من آخر فترة ق الطلب سيكون 35 ترجيح القادم آخر فترة ق الطلب على الفترة قبل آخر سيكون 65 من 35 65 يأتي من طرح 35 من 100 وهذا يعادل 22 75 ترجيح لتلك الفترة إذا كنت تفعل الرياضيات. الطلب المقبل آخر فترة s سيكون 65 من 65 من 35، وهو ما يعادل 14 79 الفترة قبل أن يتم ترجيح 65 65 من 65 من 35، وهو ما يعادل 9 61 وهكذا دواليك هذا يذهب من جديد من خلال كل ما تبذلونه من الفترات السابقة على طول الطريق إلى بداية الوقت أو النقطة التي كنت بدأت باستخدام تمهيد الأسي لهذا البند معين. كنت ربما التفكير في أن تبدو وكأنها ككل الكثير من الرياضيات ولكن جمال الحساب التجانس الأسي هو أنه بدلا من الاضطرار إلى إعادة حساب ضد كل فترة سابقة في كل مرة تحصل على طلب فترة جديدة ق، يمكنك ببساطة استخدام الإخراج من حساب تمهيد الأسي من الفترة السابقة لتمثيل كل السابق فترات. هل كنت الخلط بعد وهذا سيجعل أكثر منطقية عندما ننظر إلى الحساب الفعلي. نحن عادة نشير إلى إخراج حساب تجانس الأسي كما توقعات الفترة المقبلة في الواقع، فإن التنبؤ النهائي يحتاج إلى أكثر من ذلك بقليل من العمل، ولكن لأغراض هذا الحساب المحدد، وسوف نشير إليها كما التنبؤ. حساب التجانس الأسي هو كما يلي. أحدث فترة ق الطلب مضروبا في عامل تمهيد بلوس أحدث فترة ق توقعات مضروبا في واحد ناقص عامل التجانس. د معظم فترة الفترة s الطلب S عامل التمثيل ممثلة في شكل عشري حتى 35 سيتم تمثيل كما 0 35 F في الفترة الأخيرة ق توقع إخراج حساب تجانس من الفترة السابقة. أفترض عامل تمهيد من 0 35.It لا تحصل على أبسط من ذلك بكثير. كما ترون، كل ما نحتاج إليه لمدخلات البيانات هنا هي أحدث فترة ق الطلب وأحدث فترة ق توقعات نحن تطبيق عامل تمهيد الترجيح إلى معظم الفترة الأخيرة ق الطلب بنفس الطريقة التي نفعلها في حساب المتوسط ​​المتحرك المرجح نحن ثم تطبيق الترجيح المتبقي 1 ناقص عامل تمهيد إلى أحدث توقعات s الفترة. منذ أحدث تم إنشاء توقعات الفترة بناء على توقعات الفترة السابقة وتوقعات الفترة السابقة والتي كانت تستند إلى الطلب على الفترة السابقة لذلك والتوقعات للفترة السابقة لذلك والتي كانت تستند إلى الطلب على الفترة السابقة لذلك والتنبؤ للفترة قبل ذلك، والتي كانت تقوم على الفترة قبل ذلك. ويل، يمكنك ان ترى كيف يتم تمثيل كل طلب الفترة السابقة ق في الحساب دون العودة فعلا وإعادة حساب أي شيء. وهذا ما قادت شعبية الأولي من تمهيد الأسي لأنه كان أفضل وظيفة من تمهيد من المتوسط ​​المتحرك المرجح، كان ذلك لأنه كان من الأسهل لحساب في برنامج كمبيوتر، ولأنك لم تحتاج إلى التفكير في ما الترجيح لإعطاء فترات سابقة أو كم الفترات السابقة لاستخدامها، كما تفعل في المتوسط ​​المتحرك المرجح، ولأنه بدا فقط برودة من المتوسط ​​المتحرك المرجح. في الواقع، يمكن القول بأن المتوسط ​​المتحرك المرجح يوفر غر ومرونة الآكل منذ لديك المزيد من السيطرة على ترجيح الفترات السابقة والواقع هو أي من هذه يمكن أن توفر نتائج محترمة، فلماذا لا تذهب مع السبر أسهل وأكثر برودة. التمهيد إكسبوننتيال في Excel. Let s انظر كيف يمكن أن ننظر في الواقع في جدول بيانات مع البيانات الحقيقية. محتوى حقوق الطبع والنشر على محمية بحقوق الطبع والنشر وغير متوفر ل ريبوبليكاتيون. في الشكل 1A، لدينا جدول إكسل مع 11 أسبوعا من الطلب، وتوقعات أملس أضعافا محسوبة من هذا الطلب لقد استخدمت عامل تمهيد من 25 0 25 في الخلية C1 الخلية النشطة الحالية هي الخلية M4 التي تحتوي على توقعات للأسبوع 12 يمكنك أن ترى في شريط الصيغة، والصيغة هي L3 C1 L4 1- C1 لذلك المدخلات المباشرة الوحيدة لهذا الحساب هي الطلب في الفترة السابقة خلية L3، في الفترة السابقة ق توقعات الخلية L4، وعامل تجانس الخلية C1، كما هو مبين كمرجع الخلية المطلقة C1.When نبدأ حساب التجانس الأسي، ونحن بحاجة إلى سد العجز يدويا لقيمة 1S t توقع ذلك في الخلية B4، بدلا من صيغة، ونحن فقط كتبته في الطلب من نفس الفترة كما توقعات في الخلية C4 لدينا لدينا 1 الأسي حساب تمهيد B3 C1 B4 1- C1 يمكننا ثم نسخ الخلية C4 ولصقه في خلايا D4 من خلال M4 لملء بقية الخلايا توقعاتنا. يمكنك الآن انقر نقرا مزدوجا فوق على أي خلية توقعات لنرى أنه يقوم على الخلية السابقة ق خلية التوقعات والسابقة السابقة خلية الطلب s حتى كل لاحقة الأسي حساب تجانس يرث الناتج من حساب تمهيد الأسي السابق أن s كيف يتم تمثيل كل طلب الفترة السابقة ق في الفترة الأخيرة حساب s على الرغم من أن هذا الحساب لا يشير مباشرة تلك الفترات السابقة إذا كنت ترغب في الحصول على الهوى، يمكنك استخدام إكسيل s تتبع السوابق فونكتيون للقيام بذلك، انقر فوق الخلية M4، ثم على شريط الأدوات الشريط إكسيل 2007 أو 2010 انقر فوق علامة التبويب الصيغ، ثم انقر فوق تتبع السوابق فإنه سيتم رسم خطوط الموصل إلى المستوى الأول من السوابق، ولكن إذا يمكنك الاستمرار في النقر تتبع السوابق أنها سوف ترسم خطوط موصل لجميع الفترات السابقة لتظهر لك العلاقات الموروثة. لا يسمح الآن نرى ما تمهيد الأسي لم us. Figure 1B يظهر مخطط خطي لطلبنا وتوقعات لك حالة نرى كيف تم تسويتها أضعافا مضاعفة توقعات يزيل معظم خدش القفز حول من الطلب الأسبوعي، ولكن لا يزال يدير لمتابعة ما يبدو أن الاتجاه التصاعدي في الطلب سوف تلاحظ أيضا أن خط التنبؤ ممهدة يميل إلى أن يكون أقل من خط الطلب هذا هو المعروف باسم الاتجاه تأخر وهو تأثير جانبي لعملية تمهيد أي وقت كنت تستخدم تمهيد عندما يكون الاتجاه الحالي توقعاتك سوف تتخلف عن الاتجاه هذا صحيح لأي تقنية تمهيد في الواقع، إذا كنا لمواصلة هذا جدول البيانات والبدء في إدخال أرقام الطلب أقل مما يجعل الاتجاه الهبوطي سترى انخفاض خط الطلب، وخط الاتجاه التحرك فوقه قبل البدء في اتباع الاتجاه النزولي. وهذا لماذا ذكرت سابقا أوو من حساب التعرية الأسي الذي نسميه توقعات، لا يزال يحتاج إلى مزيد من العمل هناك الكثير أكثر للتنبؤ من مجرد تمهيد المطبات في الطلب نحن بحاجة إلى إجراء تعديلات إضافية لأشياء مثل تأخر الاتجاه، والموسمية، والأحداث المعروفة التي قد ولكن كل ما هو أبعد من نطاق هذه المادة. سوف من المرجح أيضا أن تعمل من حيث مثل تمهيد مزدوج الأسي والتجانس الثلاثي الأسي هذه الشروط هي مضللة بعض الشيء لأنك لا إعادة تمهيد الطلب عدة مرات لك يمكن إذا كنت تريد، ولكن هذا ليس نقطة هنا تمثل هذه المصطلحات باستخدام تمهيد الأسي على عناصر إضافية للتنبؤ حتى مع التمهيد الأسي بسيطة، كنت تمهيد الطلب قاعدة، ولكن مع تجانس مزدوج الأسي كنت تمهيد الطلب قاعدة زائد هذا الاتجاه، ومع تمهيد الثلاثي الأسي كنت تمهيد الطلب قاعدة بالإضافة إلى الاتجاه بالإضافة إلى الموسمية. السؤال الآخر الأكثر شيوعا حول إكس تمهيد أونيتال هو أين يمكنني الحصول على عامل التجانس بلدي لا يوجد الجواب السحري هنا، تحتاج إلى اختبار مختلف العوامل تمهيد مع بيانات الطلب الخاص بك لمعرفة ما يحصل لك أفضل النتائج هناك حسابات التي يمكن تعيين تلقائيا وتغيير عامل تمهيد هذه الخريف تحت مصطلح التجانس التكيف، ولكن عليك أن تكون حذرا معهم هناك ببساطة لا يوجد إجابة مثالية ويجب أن لا تنفذ بشكل أعمى أي حساب دون اختبار شامل وتطوير فهم دقيق لما هذا الحساب هل يجب عليك أيضا تشغيل ما إذا سيناريوهات ل انظر كيف تتفاعل هذه العمليات الحسابية مع التغييرات التي قد لا توجد حاليا في بيانات الطلب التي تستخدمها للاختبار. مثال البيانات الذي استخدمته سابقا هو مثال جيد جدا على الوضع حيث تحتاج حقا لاختبار بعض السيناريوهات الأخرى هذا المثال بيانات معينة يظهر اتجاها تصاعديا متسقا إلى حد ما العديد من الشركات الكبيرة مع برامج التنبؤ باهظة الثمن حصلت في ورطة كبيرة في غير ذلك في الماضي عندما كانت إعدادات البرامج التي تم تعديلها لاقتصاد متنام لا تتفاعل بشكل جيد عندما بدأ الاقتصاد الركود أو تقلص أشياء مثل هذا يحدث عندما كنت لا تفهم ما هي برامج الحسابات الخاصة بك تفعل فعلا إذا فهموا نظام التنبؤ بهم، سيكون لديهم والمعروف أنهم بحاجة إلى القفز في وتغيير شيء عندما كانت هناك تغييرات مفاجئة مفاجئة لأعمالهم. لذلك كان لديك ذلك أساسيات تمهيد الأسي وأوضح تريد أن تعرف المزيد عن استخدام التجانس الأسي في التنبؤ الفعلي، وتحقق من كتابي شرح إدارة المخزون. محتوى حقوق الطبع والنشر على محمية بحقوق الطبع والنشر وغير متوفرة لإعادة النشر. ديف بياسيكي هو مالك مشغل جرد العمليات الاستشارية ليك شركة استشارية تقديم الخدمات المتعلقة بإدارة المخزون، مناولة المواد، وعمليات المستودع لديه أكثر من 25 عاما من الخبرة في إدارة العمليات ويمكن الوصول إليه من خلال موقعه على شبكة الإنترنت، حيث يحافظ على إضافية المعلومات ذات الصلة. ماي بوسينيس. ما الفرق بين المتوسط ​​المتحرك والمتوسط ​​المتحرك المرجح. يتم حساب المتوسط ​​المتحرك لفترة 5، استنادا إلى الأسعار أعلاه، باستخدام الصيغة التالية. بناء على المعادلة أعلاه، فإن متوسط ​​السعر فوق الفترة المذكورة أعلاه 90 66 استخدام المتوسطات المتحركة هي طريقة فعالة للقضاء على تقلبات الأسعار القوية والقيود الرئيسية هي أن نقاط البيانات من البيانات القديمة لا ترجح أي اختلاف عن نقاط البيانات بالقرب من بداية مجموعة البيانات هذا هو المكان الذي تأتي المتوسطات المرجحة في المتوسط. تعيين المتوسطات المرجحة أثقل ترجيح لنقاط البيانات أكثر حداثة لأنها أكثر ملاءمة من نقاط البيانات في الماضي البعيد مجموع الوزن يجب أن تضيف ما يصل إلى 1 أو 100 في حالة المتوسط ​​المتحرك البسيط، والأوزان هي موزعة بالتساوي، وهذا هو السبب في أنها لا تظهر في الجدول أعلاه. الغلاف سعر AAPL. Seasonal عامل - النسبة المئوية من متوسط ​​الطلب الفصلي الذي يحدث في إيك ساعة. ومن المتوقع أن يكون 400 وحدة سنويا. توقعات متوسط ​​في الربع هو 400 4 100 وحدة. قيمة ربع سنوية توقعات أفغ توقعات عامل الموسمية. توقع أسالیب METHODS. causal تستند أساليب التنبؤ على علاقة معروفة أو المتصورة بين العامل (1) المعادلات الرياضية الانحدارية ترتبط متغير تابع لمتغير واحد أو أكثر من المتغيرات المستقلة التي يعتقد أنها تؤثر على المتغير التابع (2). نظام نماذج الاقتصاد القياسي لمعادلات الانحدار المترابطة التي تصف بعض قطاعات النشاط الاقتصادي (3). تصف نماذج المدخلات والمخرجات التدفقات من قطاع من قطاعات الاقتصاد إلى قطاع آخر، وتتوقع بالتالي المدخلات المطلوبة لإنتاج مخرجات في قطاع آخر (4). تشكيل المحاكاة. خطأ التنبؤ بالخطأ هناك جانبان من جوانب أخطاء التنبؤ التي ينبغي أن تكون محل اهتمام بشأن التحيز و الدقة. بياس - تنبؤات منحازة إذا كان خطأ أكثر في اتجاه واحد مما كانت عليه في الآخر.- الأسلوب يميل إلى u التنبؤات أو التنبؤات الزائدة. دقة - تشير دقة التنبؤ إلى مسافة التنبؤات من الطلب الفعلي تجاهل اتجاه ذلك الخطأ. مثال لتتبع ست فترات والطلب الفعلي تم تعقب الجدول التالي يعطي الطلب الفعلي D t والتنبؤ الطلب F t لمدة ست فترات. المجموع التراكمي لأخطاء التنبؤ كف -20.mean الانحراف المطلق درهم 170 6 28 33.mean خطأ في الخطأ مس 5150 6 858 33. الانحراف القياسي لأخطاء التنبؤ 5150 6 29 30. الخطأ المطلق في النسبة المئوية ميب 83 4 6 13 9. ما هي المعلومات التي يعطيها كل. forecast لديه ميل إلى الإفراط في تقدير الطلب. أخطاء الخطأ في التنبؤ 28 28 وحدة، أو 13 9 من الطلب الفعلي. توزيع العينات من أخطاء التنبؤ لديه انحراف معياري من 29 3 وحدة. معايير اختيار طريقة متوقعة. الأهداف 1 تعظيم الدقة و 2 تقليل التحيز. القواعد المحتملة لاختيار طريقة التنبؤ بالسلاسل الزمنية حدد الطريقة التي تحسب أصغر التحيز، ويقاس خطأ التراكمي التراكمي C في or. gif أصغر متوسط ​​الانحراف المطلق ماد أو. gif أصغر إشارة تتبع أو يدعم الاعتقادات الإدارة حول النمط الأساسي للطلب. أخرى ويبدو واضحا أن بعض قياس كل من الدقة والتحيز يجب أن تستخدم معا How. What حول عدد الفترات التي سيتم أخذ عينات منها. إذا كان الطلب مستقر بطبيعته، يتم اقتراح قيم منخفضة و قيم أعلى من N. إذا كان الطلب غير مستقر بطبيعته، يتم اقتراح قيم عالية و و قيم أقل من N. FOCUS التنبؤ. التركيز المرئي يشير إلى نهج للتنبؤ بتطوير التنبؤات من خلال تقنيات مختلفة، ثم يختار التوقعات التي تم إنتاجها من قبل أفضل من هذه التقنيات، حيث يتم تحديد أفضل من خلال بعض قياس الخطأ المتوقع. فوكوس التنبؤ مثال. في الأشهر الستة الأولى من السنة ، كان الطلب على عنصر التجزئة 15 و 14 و 15 و 17 و 19 و 18 وحدة. يستخدم بائع التجزئة نظام التنبؤ بالتركيز على أساس اثنين من تقنيات التنبؤ بمتوسط ​​متحرك لمدة عامين، وإعلان الاتجاه نموذج التجانس الأسي المبرر مع 0 1 و 0 1 مع النموذج الأسي، كانت التوقعات لشهر يناير 15 وكان متوسط ​​الاتجاه في نهاية ديسمبر 1. يستخدم بائع التجزئة المتوسط ​​الانحراف المطلق درهم خلال الأشهر الثلاثة الأخيرة كمعيار ل اختيار النموذج الذي سيتم استخدامه للتنبؤ للشهر التالي. ما هو توقعات يوليو و النموذج الذي سيتم استخدامه. b هل ستجيب على الجزء يكون مختلفا إذا كان الطلب على شهر مايو كان 14 بدلا من 19.