ПРИМЕР 1
Продажи складских навесов для хранения показаны в средней колонке следующей таблицы. Изменяющаяся средняя за три месяца дана в правой колонке таблицы.
Месяц | Текущие продажи | Изменяющаяся средняя за три месяца |
Январь | ||
Февраль | ||
Март | ||
Апрель | (10 + 12 + 13) / 3 = 11 2/3 | |
Май | (12 + 13 + 16) / 3 = 13 2/3 | |
Июнь | (13 + 16 + 19) / 3 =16 | |
Июль | (16 + 19 + 23) / 3 = 19 1/3 | |
Август | (19 + 23 + 26) / 3 = 22 2/3 | |
Сентябрь | (23 + 26 + 30) / 3 = 26 1/3 | |
Октябрь | (26 + 30 + 28) / 3 = 28 | |
Ноябрь | (30 + 28 + 18) / 3 = 25 1/3 | |
Декабрь | (28 + 18 + 16) / 3 = 20 2/3 |
Взвешенные меняющиеся средние
Когда этот метод используется, веса могут предназначаться для придания большего значения текущим данным. Это делается техникой, учитывающей большую способность к изменениям для текущих периодов, которым могут быть приданы более тяжелые веса. Решение, какие веса использовать, требует опыта и момента удачи. Выбор весов чаще всего произвольный, так как не существует формулы их определения. Если для прошлого месяца или периода веса более тяжелые, то прогноз может отразить необычно большие изменения в спросе или продажах более быстро.
|
|
Взвешенная меняющаяся средняя может быть определена математически:
Взвешенная меняющаяся средняя = [Σ(вес для периода n) * (спрос в период n)] /
/ [Σ весов] (4.2)
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 – этометод 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.