EKSPONENTIELL UTJEVNING: METODE OG EKSEMPEL - DUDAS - 2026

Den eksponentielle utjevningen er en måte å forutsi etterspørselen etter en artikkel for en gitt periode. Denne metoden estimerer at etterspørselen vil være lik gjennomsnittet av det historiske forbruket i en gitt periode, og gi større vekt eller vekt til verdiene som er nærmere i tid. I tillegg tar for de følgende prognosene hensyn til den eksisterende feilen i den nåværende prognosen.

Forespørsel om etterspørsel er metoden for å projisere kundenes etterspørsel etter et produkt eller en tjeneste. Denne prosessen er kontinuerlig, der ledere bruker historiske data for å beregne hva de forventer at etterspørselen etter en vare eller tjeneste skal være.

Kilde: pixabay.com

Informasjon fra selskapets fortid brukes ved å legge den til markedsøkonomiske data for å se om salget vil øke eller redusere.

Resultatene fra etterspørselsvarselet brukes til å sette mål for salgsavdelingen, og prøver å holde seg i tråd med selskapets mål.

Eksponentiell utjevningsmetode

Utjevning er en veldig vanlig statistisk prosess. Utjevnet data finnes ofte i forskjellige former for hverdagsliv. Hver gang et gjennomsnitt brukes til å beskrive noe, brukes et jevnet antall.

Anta at den varmeste vinteren på rekorden ble opplevd i år. For å kvantifisere dette starter vi med det daglige temperaturdatasettet for vinterperioden for hvert innspilte historiske år.

Dette genererer et antall tall med store "hopp". Du trenger et tall som eliminerer alle disse hoppene fra dataene for å gjøre det lettere å sammenligne en vinter med en annen.

Å eliminere hoppet i dataene kalles utjevning. I dette tilfellet kan et enkelt gjennomsnitt brukes for å oppnå utjevning.

Utjevning i prognosen

For å spå etterspørsel brukes utjevning også for å eliminere variasjoner i historisk etterspørsel. Dette muliggjør bedre identifisering av etterspørselmønstre, som kan brukes til å estimere fremtidig etterspørsel.

Variasjonene i etterspørsel er det samme konseptet som "hoppet" av temperaturdataene. Den vanligste måten å fjerne variasjoner i etterspørselshistorikken er ved å bruke et gjennomsnitt, eller spesifikt, et glidende gjennomsnitt.

Det bevegelige gjennomsnittet bruker et forhåndsdefinert antall perioder for å beregne gjennomsnittet, og de periodene beveger seg når tiden går.

Hvis du for eksempel bruker et fire måneders glidende gjennomsnitt og i dag er 1. mai, bruker du gjennomsnittlig etterspørsel for januar, februar, mars og april. 1. juni brukes etterspørselen etter februar, mars, april og mai.

Vektet glidende gjennomsnitt

Når du bruker et enkelt gjennomsnitt, blir samme betydning lagt til hver verdi i datasettet. Derfor utgjør hver måned 25% av det glidende gjennomsnittet i et fire måneders glidende gjennomsnitt.

Ved å bruke etterspørselshistorikk for å projisere fremtidig etterspørsel, er det grunn til at den siste perioden har større innvirkning på prognosen.

Beregningen av det bevegelige gjennomsnittet kan tilpasses for å bruke forskjellige "vekter" på hver periode for å oppnå de ønskede resultatene.

Disse vektene er uttrykt som prosenter. Totalen av alle vekter for alle perioder må legge opp til 100%.

Derfor, hvis du vil bruke 35% som vekten for den nærmeste perioden i det fire måneder veide gjennomsnittet, kan du trekke 35% fra 100%, og etterlate 65% å dele mellom de tre gjenværende periodene.

For eksempel kan du ende opp med en vekting på henholdsvis 15%, 20%, 30% og 35% i de fire månedene (15 + 20 + 30 + 35 = 100).

Eksponensiell utjevning

Kontrollinngangen for beregningen av eksponentiell utjevning er kjent som utjevningsfaktoren. Representerer vekten lagt til etterspørselen for den siste perioden.

Hvis 35% brukes som den nyeste periodevekten i det vektede glidende gjennomsnittlig beregning, kan du også velge å bruke 35% som utjevningsfaktoren i den eksponentielle utjevningsberegningen.

Eksponentiell del

Forskjellen i den eksponentielle utjevningsberegningen er at i stedet for å måtte finne ut hvor mye vekt som skal brukes på hver forrige periode, blir utjevningsfaktoren brukt til å gjøre det automatisk.

Dette er den "eksponentielle" delen. Hvis 35% brukes som utjevningsfaktor, vil etterspørselsvekten for den siste perioden være 35%. Vektingen av etterspørselen fra perioden før den siste vil være 65% av 35%.

65% kommer fra å trekke 35% fra 100%. Dette tilsvarer 22,75% vekting for den perioden. Etterspørselen etter den neste siste perioden vil være 65% fra 65% fra 35%, noe som tilsvarer 14,79%.

Den forrige perioden vektes som 65% av 65% av 65% av 35%, tilsvarer 9,61%. Dette vil bli gjort for alle tidligere perioder, frem til første periode.

Formel

Formelen for beregning av eksponentiell utjevning er som følger: (D * S) + (P * (1-S)), hvor,

D = siste etterspørsel for perioden.

S = utjevningsfaktor, representert i desimal form (35% ville være 0,35).

P = prognose for den siste perioden, som følge av utjevningsberegningen for forrige periode.

Forutsatt at vi har en utjevningsfaktor på 0,35, vil vi da ha: (D * 0,35) + (P * 0,65).

Som du ser, er de eneste datainngangene som kreves, etterspørselen og den siste prognosen.

Eksempel

Et forsikringsselskap har bestemt seg for å utvide markedet til den største byen i landet, og tilbyr forsikring for kjøretøy.

Som en første handling ønsker selskapet å forutsi hvor mye bilforsikring som vil bli kjøpt av innbyggerne i denne byen.

For å gjøre dette, vil de bruke som opplysninger om mengden bilforsikring som er kjøpt i en annen mindre by.

Forespørsel om etterspørsel for periode 1 er 2.869 kontrakterte bilforsikringer, men den reelle etterspørselen i den perioden var 3.200.

Etter selskapets skjønn tildeler det en utjevningsfaktor på 0,35. Prognosen for den neste perioden er: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.

Samme beregning ble gjort for hele året, og oppnådde følgende sammenligningstabell mellom hva som faktisk ble oppnådd og hva som var spådd for den måneden.

Sammenlignet med gjennomsnittsteknikker, kan eksponentiell utjevning forutsi trenden bedre. Imidlertid kommer det fortsatt til kort, som vist i grafen:

Det kan sees hvordan den grå linjen i prognosen kan ligge godt under eller over den blå etterspørselen, uten å kunne følge den fullt ut.

referanser

1. Wikipedia (2019). Eksponensiell utjevning. Hentet fra: es.wikipedia.org.
2. Ingenio Empresa (2016). Hvordan bruke enkel eksponentiell utjevning for å spå etterspørsel. Hentet fra: ingenioempresa.com.
3. Dave Piasecki (2019). Eksponentiell glatting forklart. Hentet fra: inventops.com.
4. Studie (2019). Teknikker for forespørsel om etterspørsel: glidende gjennomsnittlig og eksponentiell utjevning. Hentet fra: study.com.
5. Cityu (2019). Eksponentielle utjevningsmetoder. Hentet fra: personal.cb.cityu.edu.hk.