Metode dan contoh pelunakan eksponensial

Dia pelunakan eksponensial Ini adalah cara memperkirakan permintaan artikel untuk periode tertentu. Metode ini memperkirakan bahwa permintaan akan sama dengan rata -rata konsumsi historis dalam periode tertentu, memberikan bobot atau bobot yang lebih besar pada nilai -nilai yang paling dekat dalam waktu. Selain itu, untuk perkiraan berikut ini memperhitungkan kesalahan yang ada dari perkiraan saat ini.

Prognosis permintaan adalah metode untuk memproyeksikan permintaan produk atau layanan oleh pelanggan. Proses ini berkelanjutan, di mana manajer menggunakan data historis untuk menghitung apa yang mereka harapkan sebagai permintaan penjualan barang atau jasa.

Sumber: Pixabay.com

Informasi dari masa lalu perusahaan digunakan dengan menambahkannya ke data ekonomi pasar untuk melihat apakah penjualan akan meningkat atau berkurang.

Hasil prognosis permintaan digunakan untuk menetapkan tujuan untuk departemen penjualan, mencoba untuk tetap sejalan dengan tujuan perusahaan.

[TOC]

Metode pelunakan eksponensial

Melembutkan adalah proses statistik yang sangat umum. Data lunak sering ditemukan dalam berbagai bentuk kehidupan sehari -hari. Setiap kali rata -rata digunakan untuk menggambarkan sesuatu, jumlah yang lunak sedang digunakan.

Misalkan tahun ini terdaftar paling hangat dialami. Untuk mengukurnya, kumpulan data harian untuk periode musim dingin dari setiap tahun sejarah yang tercatat dimulai.

Ini menghasilkan sejumlah angka dengan "lompatan" besar. Suatu angka diperlukan yang menghilangkan semua data ini dari data agar dapat lebih mudah membandingkan satu musim dingin dengan yang lain.

Menghilangkan lompatan dalam data disebut lunak. Dalam hal ini, rata -rata sederhana dapat digunakan untuk mencapai yang lebih lembut.

Dapat melayani Anda: EFI Matriks: Apa yang Dievaluasi, Bagaimana Melakukannya, Analisis, Contoh

Melembutkan dalam perkiraan

Untuk prognosis permintaan, pelunakan juga digunakan untuk menghilangkan variasi permintaan historis. Ini memungkinkan untuk mengidentifikasi pola permintaan dengan lebih baik, yang dapat digunakan untuk memperkirakan permintaan di masa depan.

Variasi permintaan adalah konsep yang sama dengan "lompatan" data suhu. Cara paling umum di mana variasi riwayat permintaan dihilangkan adalah menggunakan rata -rata, atau secara khusus, rata -rata seluler.

Rata -rata seluler menggunakan jumlah periode yang telah ditentukan sebelumnya untuk menghitung rata -rata, dan periode tersebut bergerak seiring berjalannya waktu.

Misalnya, jika rata -rata seluler empat bulan digunakan dan hari ini adalah 1 Mei, permintaan rata -rata yang terjadi pada bulan Januari, Februari, Maret dan April akan digunakan. Pada tanggal 1 Juni, permintaan untuk Februari, Maret, April dan Mei akan digunakan.

Rata -rata seluler tertimbang

Ketika rata -rata sederhana digunakan, kepentingan yang sama diterapkan untuk setiap nilai dalam set data. Oleh karena itu, dalam rata -rata seluler empat bulan, setiap bulan mewakili 25% dari rata -rata seluler.

Dengan menggunakan sejarah permintaan untuk memproyeksikan permintaan di masa depan, logis untuk menyimpulkan bahwa periode terbaru memiliki dampak yang lebih besar pada perkiraan.

Perhitungan rata -rata seluler dapat disesuaikan untuk menerapkan "peso" yang berbeda untuk setiap periode, untuk mendapatkan hasil yang diinginkan.

Peso ini dinyatakan sebagai persentase. Total semua bobot untuk semua periode harus menambah 100%.

Oleh karena itu, jika Anda ingin menerapkan 35% sebagai bobot untuk periode terdekat dalam rata -rata tertimbang empat bulan, 35% dari 100% dapat dikurangi, meninggalkan 65% untuk membelah antara tiga periode yang tersisa

Dapat melayani Anda: Deming Circle: Tahapan, Keuntungan, Kekurangan dan Contoh

Misalnya, Anda dapat mengakhiri dengan bobot 15%, 20%, 30% dan 35% masing -masing selama empat bulan (15+20+30+35 = 100).

Pelunakan eksponensial

Entri perhitungan pelunakan eksponensial dikenal sebagai faktor pelunakan. Mewakili bobot yang diterapkan pada permintaan untuk periode terbaru.

Jika 35% digunakan sebagai bobot periode terbaru dalam perhitungan rata -rata seluler tertimbang, itu juga dapat dipilih untuk menggunakan 35% sebagai faktor lunak dalam perhitungan pelunakan eksponensial.

Bagian eksponensial

Perbedaan dalam perhitungan pelunakan eksponensial adalah bahwa, alih -alih harus mengetahui berapa banyak berat yang berlaku untuk setiap periode sebelumnya, faktor lunak digunakan untuk melakukannya secara otomatis.

Ini adalah bagian "eksponensial". Jika 35% digunakan sebagai faktor lunak, bobot permintaan untuk periode terbaru adalah 35%. Bobot permintaan untuk periode sebelum yang terbaru, akan menjadi 65% dari 35%.

65% berasal dari mengurangi 35% dari 100%. Ini setara dengan 22,75% bobot untuk periode itu. Permintaan untuk periode terbaru berikutnya adalah 65% dari 65% dari 35%, yang setara dengan 14,79%.

Periode sebelumnya akan ditimbang karena 65% dari 65% dari 65% dari 35%, setara dengan 9,61%. Ini akan dilakukan untuk semua periode sebelumnya, sampai Anda mencapai periode pertama.

Rumus

Rumus untuk menghitung pelunakan eksponensial adalah sebagai berikut: (d*s) + (p*(1-s)), di mana,

D = Permintaan yang lebih baru untuk periode tersebut.

S = faktor terlembut, diwakili secara desimal (35% akan menjadi 0,35).

P = prognosis periode terbaru, hasil perhitungan pelunakan periode sebelumnya.

Itu dapat melayani Anda: kegiatan ekonomi nayarit

Dengan asumsi bahwa ada faktor berbentuk lunak 0,35, kemudian akan menjadi: (d*0,35) + (p*0,65).

Seperti dapat dilihat, satu -satunya input data yang diperlukan adalah permintaan dan prognosis dari periode terbaru.

Contoh

Perusahaan asuransi telah memutuskan untuk memperluas pasarnya ke kota terbesar di negara ini, menyediakan asuransi untuk kendaraan.

Sebagai tindakan awal, perusahaan ingin memperkirakan berapa banyak asuransi kendaraan yang akan dibeli oleh penduduk kota ini.

Untuk melakukan ini, mereka akan menggunakan data awal jumlah asuransi mobil yang dibeli di kota kecil lainnya.

Prognosis permintaan untuk periode 1 adalah 2.869 asuransi kendaraan yang dikontrak, tetapi permintaan nyata dalam periode itu adalah 3.200.

Menurut kriteria perusahaan, ia memberikan faktor 0,35 yang lebih lembut. Permintaan yang diprediksi dari periode berikut adalah: P2 = (3200*0.35) + 2869*(1-0.35) = 2984.85.

Perhitungan yang sama ini dibuat sepanjang tahun, mencapai tabel komparatif berikut antara apa yang benar -benar diperoleh dan diperkirakan untuk bulan itu.

Dibandingkan dengan rata -rata, pelunakan eksponensial dapat memprediksi tren dengan cara yang lebih baik. Namun, masih pendek, seperti yang ditunjukkan dalam grafik:

Anda dapat melihat bagaimana garis perkiraan abu -abu dapat ditemukan jauh di bawah atau di atas garis permintaan biru, tanpa sepenuhnya.

Referensi

1. Wikipedia (2019). Pelunakan eksponensial. Diambil dari: itu.Wikipedia.org.
2. Pekerjaan Ingenio (2016). Cara menggunakan sofisasi eksponensial sederhana untuk memperkirakan permintaan. Diambil dari: ingenioempresa.com.
3. Dave Piacki (2019). Smoothing eksponensial menjelaskan. Diambil dari: Inventoryps.com.
4. Studi (2019). Teknik Peramalan Permintaan: Memindahkan Ave & Smoothing Eksponensial. Diambil dari: belajar.com.
5. Cityu (2019). Metode perataan eksponensial. Diambil dari: pribadi.CB.Kota.Edu.HK.