Il livellamento esponenziale è un modo per prevedere la domanda di un articolo per un determinato periodo. Questo metodo stima che la domanda sarà uguale alla media dei consumi storici in un dato periodo, dando un peso o un peso maggiore ai valori più vicini nel tempo. Inoltre, per le seguenti previsioni prendere in considerazione l'errore esistente della previsione corrente.
La previsione della domanda è il metodo di proiezione della domanda dei clienti per un prodotto o servizio. Questo processo è continuo, in cui i manager utilizzano i dati storici per calcolare ciò che si aspettano dalla domanda di vendita di un bene o servizio..
Le informazioni del passato dell'azienda vengono utilizzate aggiungendole ai dati economici del mercato per vedere se le vendite aumenteranno o diminuiranno.
I risultati della previsione della domanda vengono utilizzati per fissare obiettivi per il reparto vendite, cercando di rimanere in linea con gli obiettivi dell'azienda.
Indice articolo
Lo smorzamento è un processo statistico molto comune. I dati uniformi si trovano spesso in varie forme di vita quotidiana. Ogni volta che viene utilizzata una media per descrivere qualcosa, viene utilizzato un numero smussato.
Supponiamo che quest'anno sia stato vissuto l'inverno più caldo mai registrato. Per quantificarlo, iniziamo con il set di dati sulla temperatura giornaliera per il periodo invernale di ogni anno storico registrato..
Questo genera una serie di numeri con grandi "salti". Serve un numero che elimini tutti questi salti dai dati per poter confrontare più facilmente un inverno con l'altro.
L'eliminazione del salto nei dati si chiama smoothing. In questo caso è possibile utilizzare una media semplice per ottenere la levigatura.
Per la previsione della domanda, il livellamento viene utilizzato anche per eliminare le variazioni nella domanda storica. Ciò consente una migliore identificazione dei modelli di domanda, che possono essere utilizzati per stimare la domanda futura..
Le variazioni nella domanda sono lo stesso concetto del "salto" dei dati di temperatura. Il modo più comune per rimuovere le variazioni nella cronologia della domanda è utilizzare una media o, in particolare, una media mobile..
La media mobile utilizza un numero predefinito di periodi per calcolare la media e tali periodi si spostano con il passare del tempo..
Ad esempio, se viene utilizzata una media mobile di quattro mesi e oggi è il 1 maggio, verrà utilizzata la domanda media per gennaio, febbraio, marzo e aprile. Il 1 ° giugno verrà utilizzata la domanda per febbraio, marzo, aprile e maggio.
Quando si utilizza una media semplice, la stessa importanza viene applicata a ciascun valore nel set di dati. Pertanto, in una media mobile di quattro mesi, ogni mese rappresenta il 25% della media mobile..
Utilizzando la cronologia della domanda per proiettare la domanda futura, è ovvio che il periodo più recente ha un impatto maggiore sulla previsione..
È possibile adattare il calcolo della media mobile per applicare diversi "pesi" a ciascun periodo, al fine di ottenere i risultati desiderati..
Questi pesi sono espressi come percentuali. Il totale di tutti i pesi per tutti i periodi deve arrivare fino al 100%.
Pertanto, se si desidera applicare il 35% come peso per il periodo più vicino nella media ponderata di quattro mesi, è possibile sottrarre il 35% dal 100%, lasciando il 65% da dividere tra i tre periodi rimanenti.
Ad esempio, puoi finire con una ponderazione del 15%, 20%, 30% e 35% rispettivamente per i quattro mesi (15 + 20 + 30 + 35 = 100).
L'input di controllo per il calcolo del livellamento esponenziale è noto come fattore di livellamento. Rappresenta il peso applicato alla domanda per il periodo più recente.
Se il 35% viene utilizzato come il peso del periodo più recente nel calcolo della media mobile ponderata, è anche possibile scegliere di utilizzare il 35% come fattore di livellamento nel calcolo di livellamento esponenziale..
La differenza nel calcolo del livellamento esponenziale è che invece di dover calcolare quanto peso applicare a ciascun periodo precedente, il fattore di livellamento viene utilizzato per farlo automaticamente..
Questa è la parte "esponenziale". Se si utilizza il 35% come fattore di livellamento, il peso della domanda per il periodo più recente sarà del 35%. La ponderazione della domanda dal periodo precedente a quello più recente sarà del 65% del 35%.
Il 65% deriva dalla sottrazione del 35% dal 100%. Ciò equivale al 22,75% di ponderazione per quel periodo. La domanda del prossimo periodo più recente sarà del 65% dal 65% dal 35%, che equivale al 14,79%.
Il periodo precedente sarà ponderato come 65% del 65% del 65% del 35%, pari al 9,61%. Questo sarà fatto per tutti i periodi precedenti, fino al primo periodo.
La formula per calcolare il livellamento esponenziale è la seguente: (D * S) + (P * (1-S)), dove,
D = domanda più recente del periodo.
S = fattore di livellamento, rappresentato in forma decimale (il 35% sarebbe 0,35).
P = previsione del periodo più recente, risultato del calcolo dello smoothing del periodo precedente.
Supponendo di avere un fattore di smussamento di 0,35, avremmo quindi: (D * 0,35) + (P * 0,65).
Come puoi vedere, gli unici input di dati richiesti sono la domanda e la previsione del periodo più recente..
Una compagnia di assicurazioni ha deciso di espandere il proprio mercato nella più grande città del paese, fornendo assicurazioni per i veicoli.
Come azione iniziale, la compagnia vuole prevedere quanta assicurazione sul veicolo verrà acquistata dagli abitanti di questa città.
Per fare ciò, useranno come dati iniziali l'importo dell'assicurazione auto acquistata in un'altra città più piccola.
La domanda prevista per il periodo 1 è di 2.869 assicurazioni per veicoli con contratto, ma la domanda reale in quel periodo era di 3.200.
A discrezione dell'azienda, assegna un fattore di levigatura di 0,35. La domanda prevista per il periodo seguente è: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.
Lo stesso calcolo è stato effettuato per l'intero anno, ottenendo la seguente tabella comparativa tra quanto effettivamente ottenuto e quanto previsto per quel mese.
Rispetto alle tecniche di calcolo della media, il livellamento esponenziale può prevedere meglio la tendenza. Tuttavia, è ancora insufficiente, come mostrato nel grafico:
Si può vedere come la linea grigia della previsione possa essere ben al di sotto o al di sopra della linea blu della domanda, senza poterla seguire appieno.
Nessun utente ha ancora commentato questo articolo.