EKSPONENCIJALNO IZGLAĐIVANJE: METODA I PRIMJER - DUDÁS - 2025

Eksponencijalno izglađivanje je način predvidjeti potražnju za članak za određeno razdoblje. Ova metoda procjenjuje da će potražnja biti jednaka prosjeku povijesne potrošnje u određenom razdoblju, dajući veću težinu ili težinu vrijednostima koje su vremenom bliže. Uz to, za sljedeće prognoze uzimaju se u obzir postojeće pogreške trenutne prognoze.

Prognoza potražnje je metoda projiciranja potražnje kupaca za proizvodom ili uslugom. Taj je postupak kontinuiran, gdje menadžeri koriste povijesne podatke za izračunavanje onoga što očekuju da potražnja za proizvodom ili uslugom bude.

Izvor: pixabay.com

Podaci iz prošlosti tvrtke koriste se dodavanjem na tržišne ekonomske podatke kako bi se vidjelo hoće li prodaja rasti ili opadati.

Rezultati prognoze potražnje koriste se za postavljanje ciljeva za odjel prodaje, nastojeći ostati u skladu s ciljevima tvrtke.

Eksponencijalna metoda izglađivanja

Zaglađivanje je vrlo čest statistički postupak. Izglađeni podaci često se nalaze u različitim oblicima svakodnevnog života. Svaki put kada se prosjek koristi za opisivanje nečega, koristi se izglađeni broj.

Pretpostavimo da je ove godine bila najtoplija zima na snimanju. Da bismo to utvrdili, započinjemo s podacima o dnevnoj temperaturi za zimsko razdoblje svake zabilježene povijesne godine.

Ovo stvara brojne brojeve s velikim "skokovima". Potreban vam je broj koji eliminira sve te skokove iz podataka da biste olakšali usporedbu jedne zime s drugom.

Eliminiranje skoka u podacima naziva se izglađivanje. U ovom se slučaju za postizanje izglađivanja može koristiti jednostavan prosjek.

Uglađivanje u prognozi

Za predviđanje potražnje koristi se i zaglađivanje kako bi se uklonile razlike u povijesnoj potražnji. To omogućava bolju identifikaciju obrazaca potražnje, koji se mogu koristiti za procjenu buduće potražnje.

Varijacije u potražnji isti su pojam kao i "skok" temperaturnih podataka. Najčešći način uklanjanja varijacija u povijesti potražnje je korištenjem prosjeka ili, konkretno, pomičnog prosjeka.

Pomični prosjek koristi unaprijed definirani broj razdoblja za izračunavanje prosjeka, a ta se razdoblja pomiču kako vrijeme prolazi.

Na primjer, ako se koristi dvomjesečni pomični prosjek, a danas je 1. svibnja, koristit će se prosječni zahtjev za siječanj, veljaču, ožujak i travanj. Od 1. lipnja koristit će se potražnja za veljačom, ožujkom, aprilom i svibnjem.

Ponderirani prosjek

Kada se koristi jednostavan prosjek, ista se važnost primjenjuje na svaku vrijednost u skupu podataka. Zbog toga, u dvomjesečnom pomičnom prosjeku svaki mjesec predstavlja 25% pomičnog prosjeka.

Korištenjem povijesti potražnje za projiciranje buduće potražnje, opravdano je da najnovije razdoblje ima veći utjecaj na prognozu.

Izračun pomičnih prosjeka može se prilagoditi tako da se za svako razdoblje primjenjuju različiti "utezi" kako bi se dobili željeni rezultati.

Te ponderi su izraženi u postocima. Ukupna masa svih utega za sva razdoblja mora iznositi do 100%.

Stoga, ako želite primijeniti 35% kao težinu za najbliže razdoblje u četveromjesečnom ponderiranom prosjeku, možete oduzeti 35% od 100%, ostavljajući 65% za podjelu između tri preostala razdoblja.

Na primjer, za četiri mjeseca možete završiti s utezima od 15%, 20%, 30% i 35% (15 + 20 + 30 + 35 = 100).

Eksponencijalno izglađivanje

Upravljački ulaz za izračun eksponencijalnog izravnavanja poznat je kao faktor izglađivanja. Predstavlja težinu koja se primjenjuje na potražnju u posljednjem razdoblju.

Ako se za izračun ponderiranog pomičnog prosjeka koristi 35% kao posljednje razdoblje, također biste mogli koristiti 35% kao faktor izravnavanja u proračunu eksponencijalnog izravnavanja.

Eksponencijalni dio

Razlika u eksponencijalnom proračunu izglađivanja je ta što se umjesto da se izračuna koliko težine treba primijeniti na svako prethodno razdoblje, faktor izravnavanja koristi za to automatski.

Ovo je "eksponencijalni" dio. Ako se kao faktor izglađivanja koristi 35%, težina potražnje za posljednje razdoblje iznosi 35%. Ponderiranje potražnje iz razdoblja prije najnovijeg razdoblja iznosit će 65% od 35%.

65% dolazi od oduzimanja 35% od 100%. To iznosi 22,75% ponderiranja za to razdoblje. Potražnja za sljedeće najnovije razdoblje iznosit će 65% od 65% od 35%, što je ravno 14,79%.

Prethodno razdoblje ponderiraće se kao 65% od 65% od 65% od 35%, što je ekvivalentno 9,61%. To će se raditi za sva prethodna razdoblja, pa sve do prvog razdoblja.

Formula

Formula za izračunavanje eksponencijalnog izravnavanja je sljedeća: (D * S) + (P * (1-S)), gdje, D = najnovija potražnja za razdoblje.

S = faktor izglađivanja, predstavljen u decimalnom obliku (35% bi bilo 0,35).

P = prognoza najnovijeg razdoblja, što je rezultat izračuna izravnavanja za prethodno razdoblje.

Pod pretpostavkom da imamo faktor izravnavanja 0,35, tada bismo imali: (D * 0,35) + (P * 0,65).

Kao što vidite, potrebni su samo unosi podataka potražnja i najnovija prognoza razdoblja.

Primjer

Osiguravajuća tvrtka odlučila je proširiti svoje tržište na najveći grad u zemlji, osiguravajući osiguranje vozila.

Kao početna akcija, tvrtka želi predvidjeti koliko će osiguranje vozila kupiti stanovnici ovog grada.

Da bi to učinili, upotrijebit će početne podatke o količini automobilskih osiguranja kupljenih u drugom manjem gradu.

Prognoza potražnje za razdoblje 1 je 2.869 ugovorenih osiguranja vozila, ali je realna potražnja u tom razdoblju bila 3200.

Prema vlastitom nahođenju, ona dodjeljuje faktor izravnavanja 0,35. Prognoza potražnje za sljedeće razdoblje je: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.

Isti je izračun izrađen za cijelu godinu dobivši sljedeću usporednu tablicu između onoga što je stvarno dobiveno i onoga što je bilo predviđeno za taj mjesec.

U usporedbi s tehnikama prosječenja, eksponencijalno izglađivanje može bolje predvidjeti trend. Međutim, i dalje je kratak, kao što je prikazano na grafu:

Može se vidjeti kako siva linija prognoze može biti znatno ispod ili iznad plave linije potražnje, a da je ne možete u potpunosti slijediti.

Reference

1. Wikipedija (2019). Eksponencijalno izglađivanje. Preuzeto sa: es.wikipedia.org.
2. Ingenio Empresa (2016). Kako se jednostavnim eksponencijalnim zaglađivanjem predvidjeti potražnja. Preuzeto sa: ingenioempresa.com.
3. Dave Piasecki (2019). Objasnjeno eksponencijalno izglađivanje. Preuzeto sa: invenops.com.
4. Studija (2019). Tehnike predviđanja potražnje: pomicanje prosjeka i eksponencijalno izglađivanje. Preuzeto sa: study.com.
5. Cityu (2019.). Eksponencijalne metode izglađivanja. Preuzeto iz: personal.cb.cityu.edu.hk.