، كيف ل حساب واحد في توقعات باستخدام واحد في 3 - فترة الانتقال بين متوسط

موفينغ أفيراج. هذا المثال يعلمك كيفية حساب المتوسط ​​المتحرك لسلسلة زمنية في إكسيل يتم استخدام المتوسط ​​المتحرك للتخلص من المخالفات القمم والوديان بسهولة التعرف على الاتجاهات. أولا، دعونا نلقي نظرة على سلسلة زمنية لدينا. من علامة التبويب بيانات، انقر فوق تحليل البيانات. ملاحظة يمكن العثور على زر تحليل البيانات انقر هنا لتحميل الأداة المساعدة تولباك تولباك. 3 حدد المتوسط ​​المتحرك وانقر فوق موافق .4 انقر في المربع نطاق الإدخال وحدد النطاق B2 M2. 5 انقر في المربع الفاصل الزمني واكتب 6.6 انقر في المربع نطاق الإخراج وحدد الخلية B3.8 رسم رسم بياني لهذه القيم. الاستهداف لأننا تعيين الفاصل الزمني إلى 6، المتوسط ​​المتحرك هو متوسط ​​نقاط البيانات 5 السابقة و نقطة البيانات الحالية ونتيجة لذلك، يتم تمهيد قمم والوديان خارج يظهر الرسم البياني اتجاها متزايدا لا يمكن إكسيل حساب المتوسط ​​المتحرك لأول 5 نقاط البيانات بسبب عدم وجود ما يكفي من نقاط البيانات السابقة 9. كرر الخطوات من 2 إلى 8 للفترة 2 والفاصل الزمني 4. الاستنتاج ذي لا رجر الفاصل الزمني، كلما تم تمهيد القمم والوديان خارج أصغر الفاصل الزمني، وأقرب المتوسطات المتحركة هي لنقاط البيانات الفعلية. متوسط ​​المتوسط ​​للتنبؤ. التقدم كما قد تخمين نحن نبحث في بعض من النهج الأكثر بدائية ل التنبؤ ولكن نأمل أن تكون هذه على الأقل مقدمة جديرة بالاهتمام لبعض القضايا الحوسبة المتعلقة بتنفيذ التنبؤات في جداول البيانات. في هذا السياق سوف نستمر من خلال البدء في البداية والبدء في العمل مع تحريك متوسط ​​التوقعات. متوسط ​​المتوسط ​​التوقعات الجميع على دراية التحرك متوسط ​​التوقعات بغض النظر عما إذا كانوا يعتقدون أنهم جميع طلاب الجامعات القيام بها في كل وقت التفكير في درجاتك الاختبار في دورة حيث سيكون لديك أربعة اختبارات خلال الفصل الدراسي دعونا نفترض أنك حصلت على 85 في الاختبار الأول الخاص بك. ماذا كان كنت تتوقع لنتيجة الاختبار الثاني الخاص بك. ما رأيك معلمك من المتوقع لدرجة الاختبار الخاص بك المقبل. ما رأيك أصدقائك قد قبل ديكت لدرجة الاختبار الخاص بك المقبل. ماذا تعتقد أن والديك قد توقع لنتيجة الاختبار الخاص بك المقبل. بغض النظر عن كل بلابينغ قد تفعل لأصدقائك وأولياء الأمور، هم ومعلمك من المرجح جدا أن نتوقع منك الحصول على شيء في منطقة من 85 كنت حصلت فقط. حسنا، دعونا الآن نفترض أنه على الرغم من الترويج الذاتي الخاص بك إلى أصدقائك، وكنت أكثر من تقدير نفسك والشكل يمكنك دراسة أقل للاختبار الثاني وحتى تحصل على 73.Now ماذا هي كل من المعنيين وغير مدرك الذهاب إلى توقع سوف تحصل على الاختبار الثالث هناك نوعان من النهج المرجح جدا بالنسبة لهم لتطوير تقدير بغض النظر عما إذا كانوا سوف تقاسمها معك. أنهم قد يقولون لأنفسهم، هذا الرجل هو دائما تهب دخان حول ذكائه انه ذاهب للحصول على آخر 73 إذا كان s محظوظا. مايبي الآباء سوف تحاول أن تكون أكثر داعمة ويقول، حسنا، حتى الآن كنت حصلت على 85 و 73، لذلك ربما يجب أن الرقم على الحصول على حوالي 85 73 2 79 أنا لا أعرف، ربما إذا كنت أقل حزب و ويرن ر تهز ابنان في جميع أنحاء المكان، وإذا كنت بدأت تفعل الكثير من الدراسة يمكن أن تحصل على درجة أعلى. لكن هذه التقديرات تتحرك في الواقع متوسط ​​التوقعات. الأول هو استخدام فقط أحدث درجاتك للتنبؤ الأداء المستقبلي الخاص بك هذا ويسمى متوسط ​​التوقعات المتحركة باستخدام فترة واحدة من البيانات. الثاني هو أيضا توقعات المتوسط ​​المتحرك ولكن باستخدام فترتين من البيانات. لنفترض أن كل هؤلاء الناس خرق على العقل العظيم لديك نوع من سكران قبالة لكم وتقرر أن تفعل حسنا على الاختبار الثالث لأسباب خاصة بك ووضع درجة أعلى أمام حلفائكم كنت تأخذ الاختبار ودرجاتك هو في الواقع 89 الجميع، بما في ذلك نفسك، هو impressed. So الآن لديك الاختبار النهائي للفصل الدراسي قادم كالمعتاد كنت تشعر بالحاجة إلى غواد الجميع في جعل توقعاتهم حول كيف سوف ليرة لبنانية القيام به على الاختبار الأخير حسنا، نأمل أن ترى نمط. الآن، نأمل يمكنك أن ترى النمط الذي تعتقد أنه هو الأكثر دقة. ويستل e ونحن نعمل الآن نعود إلى شركة التنظيف الجديدة التي بدأتها أختك نصف مستدع يسمى صافرة بينما نعمل لدينا بعض البيانات المبيعات الماضية ممثلة في القسم التالي من جدول البيانات نحن أولا تقديم البيانات لمدة ثلاثة توقعات المتوسط ​​المتحرك. يجب أن يكون الدخول للخلايا C6.Now يمكنك نسخ هذه الصيغة خلية وصولا إلى الخلايا الأخرى C7 من خلال C11.Notice كيف يتحرك المتوسط ​​على أحدث البيانات التاريخية ولكن يستخدم بالضبط ثلاث فترات الأخيرة المتاحة لكل التنبؤ يجب أيضا لاحظ أننا لا نحتاج حقا لجعل التنبؤات للفترات الماضية من أجل تطوير أحدث توقعاتنا هذا يختلف بالتأكيد عن نموذج تمهيد الأسي أنا شملت التوقعات السابقة لأننا سوف استخدامها في صفحة الويب التالية لقياس التنبؤ الصلاحية. الآن أريد أن أعرض نتائج مماثلة لفترة اثنين المتوسط ​​المتحرك المتوقع. يجب أن يكون دخول الخلية C5.Now يمكنك نسخ هذه الصيغة الخلية وصولا إلى الخلايا الأخرى C6 من خلال C11.Notice كيف الآن فقط اثنين من أحدث القطع من البيانات التاريخية تستخدم لكل التنبؤ مرة أخرى لقد أدرجت التنبؤات السابقة لأغراض توضيحية واستخدامها لاحقا في التحقق من صحة التوقعات. بعض الأشياء الأخرى التي هي من من المهم أن يلاحظ. بالنسبة للمتوسط ​​المتحرك للمتوسط ​​m تتوقع فقط معظم قيم المعطيات الأخيرة تستخدم لجعل التنبؤ لا شيء آخر ضروري. للمؤشر المتحرك للمتوسط ​​المتحرك، عند التنبؤات السابقة، لاحظ أن التنبؤ الأول يحدث في الفترة م 1. من هذه القضايا سوف تكون كبيرة جدا عند تطوير التعليمات البرمجية لدينا. تطوير المتوسط ​​المتحرك المتحرك الآن نحن بحاجة إلى تطوير رمز لتوقعات المتوسط ​​المتحرك التي يمكن استخدامها بشكل أكثر مرونة يلي التعليمات البرمجية لاحظ أن المدخلات هي لعدد من الفترات التي تريد استخدامها في التوقعات ومجموعة من القيم التاريخية يمكنك تخزينه في أي المصنف الذي تريده. وظيفة موفينغافيراج التاريخية، نومبروفريودس والخطيئة غل ديكلارينغ وتهيئة المتغيرات ديم إيتم كما متغير عداد خافت كما عدد صحيح تراكم خافت كما أحادية ديم هيستوريكالزيس أس إنتيجر. تهيئة المتغيرات كونتر 1 تراكم 0. تحديد حجم المصفوفة التاريخية تاريخية. للعداد 1 إلى نومبروفريودس. تجميع العدد المناسب من أحدث القيم التي تمت ملاحظتها سابقا. تراكم التراكم تاريخي تاريخيالحجم - نومبروفريودس عداد. محرك متوسط ​​تراكم عدد أوفيريودس. سيتم شرح التعليمات البرمجية في الفصل تريد وضع الوظيفة على جدول البيانات بحيث تظهر نتيجة الحساب حيث ينبغي مثل ما يلي. A التنبؤ حساب أمثلة. أ 1 طرق حساب التنبؤات. توفير أساليب حساب التوقعات المتاحة توفر معظم هذه الطرق لمراقبة محدودة للمستخدم على سبيل المثال، والوزن وضعت على البيانات التاريخية الأخيرة أو النطاق الزمني للبيانات التاريخية المستخدمة في يمكن تحديد الحسابات التالية توضح الإجراءات الحسابية لكل طريقة من طرق التنبؤ المتاحة، بالنظر إلى مجموعة متطابقة من البيانات التاريخية. تستخدم الأمثلة التالية نفس بيانات المبيعات لعامي 2004 و 2005 لإنتاج توقعات مبيعات عام 2006 بالإضافة إلى التوقعات حساب، كل مثال يتضمن محاكاة 2005 فو إعادة صياغة لخيار معالجة فترة الانتظار لمدة ثلاثة أشهر 19 3 والتي يتم استخدامها بعد ذلك لنسبة من الدقة ومتوسط ​​حسابات الانحراف المطلق المبيعات الفعلية مقارنة مع التوقعات المحاكاة. 2 توقعات تقييم الأداء المتوقعة. اعتمادا على اختيارك من خيارات المعالجة وعلى الاتجاهات و الأنماط الموجودة في بيانات المبيعات، فإن بعض أساليب التنبؤ سوف تؤدي أداء أفضل من غيرها لمجموعة بيانات تاريخية معينة. طريقة التنبؤ المناسبة لمنتج واحد قد لا تكون مناسبة لمنتج آخر ومن غير المرجح أيضا أن طريقة التنبؤ التي توفر نتائج جيدة في ستبقى مرحلة واحدة من دورة حياة المنتج مناسبة طوال دورة الحياة بأكملها. يمكنك الاختيار بين طريقتين لتقييم الأداء الحالي لطرق التنبؤ هذه هي الانحراف المطلق ماد و٪ من الدقة بوا تتطلب كل من طرق تقييم الأداء هذه بيانات المبيعات التاريخية للمستخدم المحدد فترة من الزمن هذه الفترة من الزمن فترة استبقاء أو فترات مناسبة أفضل بف تستخدم البيانات في هذه الفترة كأساس لتوصية أي من طرق التنبؤ المستخدمة في وضع توقعات التوقعات التالية هذه التوصية خاصة بكل منتج، ويمكن أن تتغير من توليد توقعات واحد إلى التالي تظهر طرائق تقييم أداء التنبؤين في الصفحات التالية لأمثلة أساليب التنبؤ الإثني عشر. أ 3 الطريقة 1 - النسبة المئوية المحددة خلال السنة الماضية. تضاعف هذه الطريقة بيانات المبيعات عن السنة السابقة بواسطة عامل محدد للمستخدم على سبيل المثال، 1 10 للحصول على زيادة 10 أو 0 97 للحصول على 3 انخفاض. تاريخ المبيعات المطلوبة سنة واحدة لحساب التوقعات بالإضافة إلى عدد المستخدم المحدد من الفترات الزمنية لتقييم خيار معالجة الأداء التنبؤات 19.A 4 1 حساب التنبؤ. سلسلة من تاريخ المبيعات لاستخدامها في حساب الخيار عامل عامل النمو 2a 3 في هذا المثال. سم الأشهر الثلاثة الأخيرة من عام 2005 114 119 137 370. سم نفس ثلاثة أشهر ل p سنة محسوبة 123 139 133 395. العامل المحسوب 370 395 0 9367. حساب التوقعات. يناير 2005 المبيعات 128 0 9367 119 8036 أو حوالي 120. فبراير 2005 المبيعات 117 0 9367 109 5939 أو حوالي 110.March، 2005 المبيعات 115 0 9367 107 7205 أو حوالي 108.A 4 2 حساب التنبؤ المحاكى. الثلاثة أشهر من عام 2005 قبل فترة الاستحواذ يوليو وأغسطس 1299 140 131 400. نفس نفس الأشهر الثلاثة من العام السابق 141 128 118 387 . المحسوبة عامل 400 387 1 033591731.Calculate محاكاة التوقعات. أكتوبر 2004 المبيعات 123 1 033591731 127 13178. نوفمبر 2004 مبيعات 139 1 033591731 143 66925. ديسمبر ديسمبر 2004 المبيعات 133 1 033591731 137 4677.A 4 3 نسبة حساب الدقة. POA 127 13178 143 66925 137 4677 114 119 137 100 408 26873 370 100 110 3429.A 4 4 متوسط ​​حساب الانحراف المطلق. 0000 127 13178 - 114 143 66925 - 119 137 4677- 137 3 13 13178 24 66925 0 4677 3 12 75624.A 5 طريقة 3 - في العام الماضي لهذا العام. هذه الطريقة نسخ بيانات المبيعات من العام السابق إلى السنة التالية وتاريخ المبيعات المتأخر سنة واحدة لحساب التنبؤات بالإضافة إلى عدد الفترات الزمنية المحددة لتقييم خيار معالجة الأداء التنبؤي 19.A 6 1 حساب التنبؤات: عدد الفترات التي يتعين إدراجها في متوسط ​​خيار المعالجة 4a 3 في هذا المثال. للكل شهر من التوقعات، متوسط ​​بيانات الأشهر الثلاثة السابقة. توقعات يناير 114 119 137 370، 370 3 123 333 أو 123. توقعات فبراير / شباط 119 137 123 379، 379 3 126 333 أو 126. التوقعات الشهرية 137 123 126 379، 386 3 128 667 أو 129.A 6 2 حساب التنبؤات المحاكاة. أكتوبر 2005 المبيعات 129 140 131 3 133 3333. نوفمبر 2005 المبيعات 140 131 114 3 128 3333. ديسمبر 2005 المبيعات 131 114 119 3 121 3333.A 6 3 نسبة حساب الدقة. 133 3333 128 3333 121 3333 114 119 137 100 103 513.A 6 4 متوسط ​​حساب الانحراف المطلق. ماد 133 3333 - 114 128 3333 - 119 121 3333 - 137 3 14 7777.A 7 الطريقة 5 - التقريب الخطي. التحليل الخطي يحسب الاتجاه استنادا إلى اثنين من نقاط البيانات تاريخ المبيعات. ثم نقطتين د إفين خط الاتجاه المستقيم الذي من المتوقع في المستقبل استخدام هذا الأسلوب بحذر، كما يتم الاستفادة من التوقعات طويلة المدى من خلال تغييرات صغيرة في اثنين فقط من نقاط البيانات. تاريخ المبيعات المطلوبة عدد الفترات لتشمل في الانحدار تجهيز الخيار 5a، زائد 1 زائد عدد الفترات الزمنية لتقييم خيار معالجة الأداء التنبؤي 19.A 8 1 حساب التنبؤات: عدد الفترات التي يتعين إدراجها في خيار معالجة الانحدار 6a 3 في هذا المثال. بالنسبة إلى كل شهر من التوقعات، تضاف الزيادة أو النقصان خلال الفترات المحددة قبل فترة الاستحواذ في الفترة السابقة. المتوسط ​​في الأشهر الثلاثة السابقة 114 119 137 3 123 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 114 1 119 2 137 3 763 - الاختلاف بين القيم. 763 - 123 3333 1 2 3 23 - النسبة 1 2 2 2 3 2 - 2 3 14 - 12 2 - النسبة المئوية 1 نسبة الفرق 23 2 11 5 - القيمة 2 المتوسط ​​- القيمة 1 123 3333 - 11 5 2 100 3333.Forecast 1 n value1 value2 4 11 5 100 3333 146 333 أو 146.Forecast 5 11 5 100 3333 157 8333 أو 158.Forecast 6 11 5 100 3333 169 3333 أو 169.A 8 2 حساب التوقعات المحاكية. المبيعات في أكتوبر 2004.المتوسط ​​في الأشهر الثلاثة السابقة . 129 140 131 3 133 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 129 1 140 2 131 3 802 - الاختلاف بين القيم. 802 - 133 3333 1 2 3 2.Ratio 1 2 2 2 3 2 - 2 3 14 - 12 2.Value1 نسبة الاختلاف 2 2 1.Value2 متوسط ​​- value1 نسبة 133 3333 - 1 2 131 3333.Forecast 1 n value1 value2 4 1 131 3333 135 3333.November 2004 sales. Average من الأشهر الثلاثة السابقة. 140 131 114 3 128 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 140 1 131 2 114 3 744.الفرق بين القيم 744 - 128 3333 1 2 3 -25 9999.Value1 نسبة الاختلاف -25 9999 2 -12 9999.Value2 متوسط ​​- القيمة 1 128 3333 - -12 9999 2 154 3333.Forecast 4 -12 9999 154 3333 102 3333.December 2004 sales. Average من الأشهر الثلاثة السابقة. 131 114 119 3 121 3333.Summary من الأشهر الثلاثة السابقة مع الوزن في الاعتبار. 131 1 114 2 119 3 716.الفرق بين القيم. 716 - 121 3333 1 2 3 -11 9999.Value1 نسبة الاختلاف -11 9999 2 -5 9999.Value2 متوسط ​​- قيمة 1 121 3333 - -5 9999 2 133 3333.Forecast 4 -5 9999 133 3333 109 3333.A 8 3 النسبة المئوية لحساب الدقة. بوا 135 33 102 33 109 33 114 119 137 100 93 78.A 8 4 حساب الانحراف المطلق المتوسط ​​.MAD 135 33 - 114 102 33 - 119 109 33 - 137 3 21 88.A 9 الطريقة 7 - درجة التقريب. يحدد الانحدار الخطي القيم a و b في صيغة التنبؤ Y a بكس بهدف تركيب خط مستقيم على بيانات تاريخ المبيعات تقريب الدرجة الثانية متشابه ومع ذلك، تحدد هذه الطريقة قيم a و b و c في صيغة التنبؤ Y بكس cX2 بهدف تركيب منحنى لبيانات تاريخ المبيعات قد تكون هذه الطريقة مفيدة عندما يكون المنتج في مرحلة الانتقال بين مراحل دورة حياة على سبيل المثال، عندما يتحرك منتج جديد من مراحل مقدمة إلى مراحل النمو ، فإن اتجاه المبيعات قد يتسارع بسبب مصطلح الترتيب الثاني، يمكن التنبؤ بسرعة الاقتراب إنفينيتي أو إسقاط إلى الصفر اعتمادا على ما إذا كان معامل ج موجب أو سلبي لذلك، هذه الطريقة مفيدة فقط على المدى القصير. مواصفات فوريك الصيغ يجد a، b، c لتتناسب مع منحنى إلى ثلاث نقاط بالضبط يمكنك تحديد n في خيار المعالجة 7a، وعدد من الفترات الزمنية للبيانات لتتراكم في كل من النقاط الثلاث في هذا المثال ن 3 لذلك، يتم الجمع بين بيانات المبيعات الفعلية لشهر ابريل حتى يونيو في النقطة الأولى، Q1 يوليو حتى سبتمبر تضاف معا لخلق Q2 ، وتشرين الأول / أكتوبر حتى كانون الأول / ديسمبر إلى Q3 سيتم تركيب المنحنى على القيم الثلاث Q1 و Q2 و Q3.Required تاريخ المبيعات 3 n فترات لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية اللازمة لتقييم الأداء التنبؤي بف. عدد من أجل تضمين خيار المعالجة 7 أ 3 في هذا المثال. استخدم الأشهر الثلاثة السابقة في فدرات ثلاثة أشهر. Q1 أبريل - يونيو 125 122 137 384.Q2 يوليو - سبتمبر 129 140 131 400.Q3 أكتوبر - ديسمبر 114 119 137 370. وتشمل الخطوة التالية ج حساب المعاملات الثلاثة a و b و c لاستخدامها في صيغة التنبؤ Y a بكس سك 2. 1 Q1 a بكس سك 2 حيث X 1 a b c. 2 Q2 a بكس سك 2 حيث X 2 a 2b 4c. 3 Q3 a بكس سك 2 حيث X 3 a 3b 9.c حل المعادلات الثلاث في وقت واحد لإيجاد b و a و c. Soptract المعادلة 1 من المعادلة 2 وحل b. Substitute هذه المعادلة b إلى المعادلة 3. 3 Q3 a 3 Q2 - Q1 - 3c C. Finally، يستعاض عن هذه المعادلات عن a و b في المعادلة 1. Q3 - 3 Q2 - Q1 q2 - Q1 - 3c c Q1.c Q3 - Q2 Q1 - Q2 2.The طريقة التقريب من الدرجة الثانية تحسب (أ) و (ب) و (ج) على النحو التالي: (أ) 3 - 3 س 2 - 1 370 - 3 400 - 384 322 ج س 3 - س 2 س 1 - س 2 2 370 - 400 384 - 400 2 - 23 - ب س 2 - 384 - 3 -23 85.Y a بكس سك 2 322 85 X -23 X 2. يناير / كانون الثاني من توقعات آذار / مارس X 4. 322 340 - 368 3 294 3 98 لكل فترة. أبريل من حزيران / يونيه توقعات X 5. 322 425 - 575 3 57 333 أو 57 لكل فترة. توقعات تموز / يوليه من هذا العام X 6 322 510 - 828 3 1 33 أو 1 لكل فترة. تشرين الأول / أكتوبر كانون الأول / ديسمبر X 7. 322 595 - 1127 3 -70.A 9 2 حساب التنبؤات المحاكاة. تشرين الأول / أكتوبر، تشرين الثاني / نوفمبر و ديسمبر، 2004 المبيعات. Q1 يناير - مارس 360.Q2 أبريل - يونيو 384.Q3 يوليو - سبتمبر 400.a 400 - 3 384 - 360 328.c 400 - 384 360 - 384 2 - 4.b 384 - 360 - 3 -4 36. 328 36 4 -4 16 3 136.A 9 3 نسبة حساب الدقة. بوا 136 136 136 114 119 137 100 110 27.A 9 4 حساب الانحراف المطلق المتوسط. أحمد 136 - 114 136 - 119 136 - 137 3 13 33.A 10 الطريقة 8 - الطريقة المرنة. الطريقة المرنة النسبة المئوية أكثر من شهر يشبه سابقة الطريقة 1، النسبة المئوية خلال السنة الماضية كلتا الطريقتين تضاعف بيانات المبيعات من فترة زمنية سابقة بواسطة عامل محدد من قبل المستخدم ، ثم مشروع هذه النتيجة في المستقبل في طريقة النسبة المئوية على مدى العام الماضي، ويستند الإسقاط على بيانات من نفس الفترة الزمنية في العام السابق الأسلوب المرن يضيف القدرة على تحديد فترة زمنية أخرى من نفس الفترة من العام الماضي إلى استخدام كأساس لحسابات. عامل الضرب على سبيل المثال، حدد 1 15 في خيار المعالجة 8b لزيادة البيانات السابقة مبيعات التاريخ بنسبة 15.Base الفترة على سبيل المثال، ن 3 سوف يسبب أول توقعات أن تستند على بيانات المبيعات في أكتوبر، 2005. الحد الأدنى لسجل المبيعات رقم المستخدم المحدد o f إلى فترة الأساس، بالإضافة إلى عدد الفترات الزمنية اللازمة لتقييم الأداء التنبؤي بف. A 10 4 حساب الانحراف المطلق المتوسط. 148 - 114 161 - 119 151 - 137 3 30 ألف 11 الطريقة 9 - التحرك المرجح المتوسط. المتوسط ​​المتحرك المتوسط ​​المرجح أسلوب وما يشبه الأسلوب 4، المتوسط ​​المتحرك ما ومع ذلك، مع المتوسط ​​المتحرك المرجح يمكنك تعيين الأوزان غير المتكافئة للبيانات التاريخية الأسلوب بحساب المتوسط ​​المرجح من تاريخ المبيعات الأخيرة للوصول إلى إسقاط ل على المدى القصير عادة ما يتم تعيين المزيد من البيانات الحديثة وزن أكبر من البيانات القديمة، لذلك هذا يجعل وما أكثر استجابة للتحولات في مستوى المبيعات ومع ذلك، التحيز التنبؤ والأخطاء المنهجية لا تزال تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاه قوي أو أنماط موسمية هذا يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من دورة الحياة. عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التنبؤ على سبيل المثال، حدد ن 3 في خيار المعالجة 9a لاستخدام أحدث ثلاث فترات كأساس للتوقعات في الفترة الزمنية القادمة قيمة كبيرة ل n مثل 12 يتطلب المزيد من المبيعات التاريخ أنه يؤدي إلى توقعات مستقرة ، ولكن سيكون بطيئا في التعرف على التحولات في مستوى المبيعات من ناحية أخرى، قيمة صغيرة ل n مثل 3 سوف تستجيب أسرع للتحولات في مستوى المبيعات، ولكن التوقعات قد تتقلب على نطاق واسع جدا أن الإنتاج لا يمكن أن تستجيب ل الاختلافات. الوزن المخصص لكل فترة من فترات البيانات التاريخية يجب أن يبلغ مجموع الترجيح المعين 1 00 على سبيل المثال، عندما يكون n 3، يعطى أوزان 0 و 0 و 3 و 0 1، مع تلقي أحدث البيانات أكبر وزن . الحد الأدنى المطلوب من تاريخ المبيعات n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم الأداء التنبؤي بف. أحمد 133 5 - 114 121 7 - 119 118 7 - 137 3 13 5.A 12 الطريقة 10 - التنعيم الخطي. هذا الأسلوب مشابه ل الطريقة 9، المتوسط ​​المتحرك المرجح وما كيف من أي وقت مضى، بدلا من التعيين التعسفي للأوزان للبيانات التاريخية، يتم استخدام صيغة لتعيين الأوزان التي تنخفض خطيا ومجموعها إلى 00 1 وتحسب الطريقة ثم المتوسط ​​المرجح لتاريخ المبيعات الأخيرة للوصول إلى إسقاط على المدى القصير. كما هو صحيح من جميع تقنيات التنبؤ المتوسط ​​المتحرك الخطي والتحيز التنبؤي والأخطاء المنهجية تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاها قويا أو أنماط موسمية هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة بدلا من المنتجات في مراحل النمو أو التقادم من الحياة دورة. عدد فترات مبيعات التاريخ لاستخدامها في حساب التنبؤ هذا محدد في خيار المعالجة 10a على سبيل المثال، حدد n 3 في خيار المعالجة 10b لاستخدام أحدث ثلاث فترات كأساس للتوقعات في الفترة الزمنية التالية سيقوم النظام تلقائيا بتعيين أوزان البيانات التاريخية التي تنخفض خطيا ومجموعها إلى 00 1 على سبيل المثال، عندما n 3، s سوف يستيم تعيين الأوزان من 0 5، 0 3333، و 0 1، مع أحدث البيانات تلقي أكبر وزن. الحد الأدنى المطلوب تاريخ المبيعات ن بالإضافة إلى عدد من الفترات الزمنية اللازمة لتقييم الأداء التنبؤ بف. A 12 1 حساب التنبؤ. عدد الفترات التي يجب تضمينها في تمهيد متوسط ​​خيار المعالجة 10a 3 في هذا المثال. الطريقة لفترة واحدة قبل 3 n 2 n 2 3 3 2 3 2 3 6 0 5.Ratio لفترتين قبل 2 n 2 n 2 2 3 2 3 2 2 6 0 3333.Ratio لمدة ثلاث فترات قبل 1 n 2 n 2 1 3 2 3 2 1 6 0 1666. توقعات شهرية 137 0 5 119 1 3 114 1 6 127 16 أو 127. توقعات شباط / فبراير 127 0 5 137 1 3 119 1 6 129. توقعات المسيرة 129 0 5 127 1 3 137 1 6 129 666 أو 130.A 12 2 حساب التنبؤات المحاكاة. أكتوبر / تشرين الأول 2004 المبيعات 129 1 6 140 2 6 131 3 6 133 6666. نوفمبر / تشرين الثاني 2004 المبيعات 140 1 6 131 2 6 114 3 6 124. كانون الأول / ديسمبر 2004 المبيعات 131 1 6 114 2 6 119 3 6 119 3333.A 12 3 نسبة حساب الدقة. بوا 133 6666 124 119 3333 114 119 137 100 101 891.A 12 4 حساب متوسط ​​الانحراف المطلق. MAD الطريقة 11 - التنعيم الأسي. هذا الأسلوب يشبه الأسلوب 10، الخطي التمهيد في الخطي التمهيد النظام يعين الأوزان إلى البيانات التاريخية التي تنخفض خطيا في التماسك الأسي ، فإن النظام يعين الأوزان التي تسوس أضعافا مضاعفة الأسي تنعيم معادلة التنبؤ هو. فوريكاست المبيعات الفعلية السابقة 1 - A التوقعات السابقة. التوقع هو المتوسط ​​المرجح للمبيعات الفعلية من الفترة السابقة والتوقعات من الفترة السابقة هو هو الوزن المطبق على المبيعات الفعلية للفترة السابقة 1-a هو الوزن المطبق على التوقعات للفترة السابقة القيم الصالحة لنطاق من 0 إلى 1، وعادة ما تقع بين 0 1 و 0 4 مجموع الأوزان هو 1 00 a 1-a 1. يجب تعيين قيمة لمستوى التمهيد، a إذا لم تقم بتعيين قيم ثابت التجانس، يقوم النظام بحساب قيمة مفترضة استنادا إلى عدد فترات تاريخ المبيعات سبيسيفي d في خيار المعالجة 11a. a ثابت التمهيد المستخدم في حساب المتوسط ​​المنعم للمستوى العام أو حجم المبيعات القيم الصالحة لنطاق من 0 إلى 1.n نطاق بيانات تاريخ المبيعات ليشمل في الحسابات عموما سنة واحدة من بيانات تاريخ المبيعات كافية لتقدير المستوى العام للمبيعات لهذا المثال، تم اختيار قيمة صغيرة ل ن 3 من أجل تقليل الحسابات اليدوية المطلوبة للتحقق من النتائج الأسس التمهيد يمكن أن تولد توقعات على أساس أقل من تاريخ واحد نقطة البيانات. الحد الأدنى المطلوب من تاريخ المبيعات n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم الأداء التنبؤي بف. A 13 1 حساب التنبؤ. عدد الفترات التي يجب تضمينها في تمهيد متوسط ​​خيار المعالجة 11a 3 وخيار معالجة عامل ألفا 11 ب فارغ في هذا مثال لعامل بيانات المبيعات الأقدم 2 1 1 أو 1 عندما يكون ألفا محددا. عامل ل 2 أقدم بيانات المبيعات 2 1 2 أو ألفا عندما يكون ألفا محددا. عامل ل 3 أقدم بيانات المبيعات 2 1 3 أو ألفا عندما يتم تحديد ألفا. عامل لأحدث بيانات المبيعات 2 1 n أو ألفا عندما يتم تحديد ألفا. نوفمبر سم أفغ أكتوبر الفعلي 1 - أكتوبر تشرين الأول سم المتوسط ​​1 114 0 0 114.December سم متوسط ​​نوفمبر تشرين الثاني الفعلي 1 - نوفمبر تشرين الثاني سم متوسط ​​2 3 119 1 3 114 117 3333. يناير توقعات ديسمبر الفعلي 1 - ديسمبر سم أفغ 2 4 137 2 4 117 3333 127 16665 أو 127. توقعات فبراير يناير توقعات 127.March توقعات يناير توقعات 127.A 13 2 حساب محاكاة محاكاة. جولي، 2004 سم أفغ 2 2 129 129. سم سم أفغ 2 3 140 1 3 129 136 3333. سم سم أفغ 2 4 131 2 4 136 3333 133 6666.October، 2004 ساليس سيب سم أفغ 133 6666.August، 2004 سم أفغ 2 2 140 140.September سم أفغ 2 3 131 1 3 140 134. أكتوبر سم أفغ 2 4 114 2 4 134 124. نوفمبر، 2004 المبيعات سيب سم متوسط ​​124. أيلول / سبتمبر 2004 سم أفغ 2 2 131 131. أكتوبر سم أفغ 2 3 114 1 3 131 119 6666. نوفيمبر سم أفغ 2 4 119 2 4 119 6666 119 3333. ديسمبر 2004 المبيعات سبتمبر المتوسط ​​المتوسط ​​119 3333.A 13 3 النسبة المئوية من الدقة الحسابية (بوا 133 6666 124 119 3333 114 119 137 100 101 891.A 13 4 حساب متوسط ​​الانحراف المطلق. المادة 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111.A 14 الطريقة 12 - التماسك الأسي مع الاتجاه والموسمية. وهذا الأسلوب يشبه الأسلوب 11، التماسك الأسي، حيث يحسب المتوسط ​​الملمس ومع ذلك، تشتمل الطريقة 12 أيضا على مصطلح في معادلة التنبؤ لحساب اتجاه سلس. وتتكون التنبؤات من معدل متوسط ​​تم ضبطه لاتجاه خطي عند تحديده في خيار المعالجة، يتم تعديل التوقعات أيضا للموسمية. a ثابت التمهيد المستخدم في حساب المتوسط ​​المنعم للمستوى العام أو حجم المبيعات القيم الصالحة لمدى ألفا من 0 إلى 1.b ثابت التمهيد المستخدم في حساب السلس متوسط ​​عنصر الاتجاه للتنبؤ القيم الصالحة لنطاق بيتا من 0 إلى 1. ما إذا كان المؤشر الموسمي يطبق على التنبؤ. أ و ب مستقلان عن بعضهما البعض. لا يلزم إضافتهما إلى 1 0. مين إيموم مطلوب تاريخ المبيعات عامين بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم الأداء بف المتوقعة. الميثود 12 يستخدم اثنين من المعادلات تمهيد الأسي ومتوسط ​​بسيط لحساب المتوسط ​​السلس، واتجاه سلس، ومتوسط ​​بسيط عامل موسمي. A 14 1 حساب التوقعات. A متوسط ​​ممسود أضعافا. MAD 122 81 - 114 133 14 - 119 135 33 - 137 3 8 2.A 15 تقييم التنبؤات. يمكنك اختيار أساليب التنبؤ لتوليد ما يصل إلى اثني عشر التوقعات لكل منتج كل التنبؤ من المحتمل أن تخلق طريقة مختلفة قليلا عند توقع الآلاف من المنتجات، فمن غير العملي لاتخاذ قرار شخصي بشأن أي من التوقعات لاستخدامها في الخطط الخاصة بك لكل من المنتجات. النظام تلقائيا بتقييم الأداء لكل من أساليب التنبؤ التي تحددها، ولكل من المنتجات توقعات يمكنك الاختيار بين معيارين الأداء، يعني الانحراف المطلق درهم ونسبة من أكور أسي بوا ماد هو مقياس لخطأ التنبؤ بوا هو مقياس للتنبؤ بالتنبؤ يتطلب كل من تقنيات تقييم الأداء هذه بيانات تاريخ المبيعات الفعلية لفترة زمنية محددة للمستخدم. وتسمى هذه الفترة من التاريخ الحديث فترة استيعاب أو فترات تناسب بف. لقياس أداء طريقة التنبؤ، استخدم الصيغ المتوقعة لمحاكاة توقعات لفترة الاستحواذ التاريخية ستكون هناك عادة اختلافات بين بيانات المبيعات الفعلية والتوقعات المحاكاة لفترة الاستحواذ. عندما يتم اختيار طرق التنبؤ المتعددة، فإن هذه العملية نفسها يحدث لكل طريقة يتم حساب التنبؤات المتعددة لفترة الاستحواذ ومقارنتها مع تاريخ المبيعات المعروف لنفس الفترة من الوقت يوصى باستخدام طريقة التنبؤ التي تنتج أفضل مطابقة تناسب أفضل بين التوقعات والمبيعات الفعلية خلال فترة الاستبعاد للاستخدام في خططك هذه التوصية محددة لكل منتج، ويمكن أن تتغير من جيل واحد للتنبؤ إلى ن xt. A 16 يعني الانحراف المطلق ماد. MAD هو متوسط ​​أو متوسط ​​القيم المطلقة أو حجم الانحرافات أو الأخطاء بين البيانات الفعلية والتنبؤات ماد هو مقياس لمتوسط ​​حجم الأخطاء المتوقع، بالنظر إلى طريقة التنبؤ والبيانات التاريخ نظرا لأن القيم المطلقة تستخدم في الحساب، فإن الأخطاء الإيجابية لا تلغي الأخطاء السلبية عند المقارنة بين عدة طرق للتنبؤ، فقد أظهرت واحدة مع أصغر درهم أن تكون الأكثر موثوقية لهذا المنتج لفترة الاستيلاء عندما تكون التوقعات غير منحازة و يتم توزيع الأخطاء عادة، وهناك علاقة رياضية بسيطة بين ماد واثنين من التدابير المشتركة الأخرى للتوزيع والانحراف المعياري ومتوسط ​​تربيع error. A 16 1 النسبة المئوية من الدقة POA. Percent دقة بوا هو مقياس للتنبؤ التوقعات عندما تكون التوقعات على الدوام مرتفعة جدا، تتراكم المخزونات وترتفع تكاليف المخزون عندما تكون التوقعات ثابتة باستمرار، يتم استهلاك المخزون وتراجع خدمة العملاء s التوقعات التي هي 10 وحدات منخفضة جدا، ثم 8 وحدات مرتفعة جدا، ثم 2 وحدات عالية جدا، سيكون توقعات غير متحيزة يتم إلغاء الخطأ الإيجابي من 10 من الأخطاء السلبية من 8 و 2. الخطأ الفعلي - التنبؤ. عندما المنتج يمكن تخزينها في المخزون، وعندما تكون التوقعات غير منحازة، كمية صغيرة من الأسهم السلامة يمكن استخدامها لتخفيف الأخطاء في هذه الحالة، فإنه ليس من المهم للقضاء على أخطاء التنبؤ كما هو لتوليد توقعات غير منحازة ولكن في صناعات الخدمات ، فإن الحالة المذكورة أعلاه سوف ينظر إليها على أنها ثلاثة أخطاء الخدمة سيكون نقص الموظفين في الفترة الأولى، ثم زيادة عدد الموظفين للفترتين المقبلتين في الخدمات، وحجم أخطاء التنبؤ عادة ما تكون أكثر أهمية مما هو متوقع التحيز. الجمع خلال فترة الاستحواذ يسمح أخطاء إيجابية لإلغاء الأخطاء السلبية عندما يتجاوز إجمالي المبيعات الفعلية إجمالي المبيعات المتوقعة، ونسبة أكبر من 100 وبطبيعة الحال، فإنه من المستحيل أن يكون أكثر من 100 دقيقة عندما تكون التوقعات غير منحازة إد، فإن نسبة بوا ستكون 100 ولذلك، فمن المستحسن أن يكون 95 دقيقة من أن تكون دقيقة 110 معايير بوا اختيار طريقة التنبؤ التي لديها نسبة بوا الأقرب إلى 100. سكريبتينغ في هذه الصفحة يعزز التنقل المحتوى، ولكن لا تغيير المحتوى بأي شكل من الأشكال.