MELICINKAN EKSPONENSIAL: KAEDAH DAN CONTOH - DUDAS - 2026

Pelancaran eksponensial adalah cara untuk meramalkan permintaan artikel untuk jangka waktu tertentu. Kaedah ini menganggarkan bahawa permintaan akan sama dengan rata-rata penggunaan sejarah dalam jangka masa tertentu, memberikan berat atau bobot yang lebih besar kepada nilai-nilai yang lebih dekat dalam masa. Selain itu, untuk ramalan berikut mengambil kira kesilapan ramalan semasa.

Peramalan permintaan adalah kaedah memproyeksikan permintaan pelanggan untuk produk atau perkhidmatan. Proses ini berterusan, di mana pengurus menggunakan data sejarah untuk mengira apa yang mereka harapkan daripada permintaan penjualan untuk suatu barang atau perkhidmatan.

Sumber: pixabay.com

Maklumat dari masa lalu syarikat digunakan dengan menambahkannya ke data ekonomi pasar untuk melihat apakah penjualan akan meningkat atau menurun.

Hasil ramalan permintaan digunakan untuk menetapkan tujuan untuk bahagian penjualan, berusaha untuk tetap sesuai dengan tujuan perusahaan.

Kaedah melicinkan eksponen

Melicinkan adalah proses statistik yang sangat biasa. Data yang lancar sering dijumpai dalam pelbagai bentuk kehidupan seharian. Setiap kali rata-rata digunakan untuk menggambarkan sesuatu, bilangan yang halus digunakan.

Anggap musim sejuk yang paling panas di rekodkan pada tahun ini. Untuk mengukur ini, kita mulakan dengan set data suhu harian untuk tempoh musim sejuk setiap tahun sejarah yang direkodkan.

Ini menghasilkan sejumlah nombor dengan "lompatan" besar. Anda memerlukan nombor yang menghilangkan semua lompatan ini dari data untuk memudahkan membandingkan satu musim sejuk dengan musim sejuk yang lain.

Menghilangkan lompatan data disebut melicinkan. Dalam kes ini, purata sederhana boleh digunakan untuk mencapai kelancaran.

Melicinkan ramalan

Untuk meramalkan permintaan, pelicinan juga digunakan untuk menghilangkan variasi permintaan sejarah. Ini memungkinkan untuk mengenal pasti corak permintaan yang lebih baik, yang dapat digunakan untuk memperkirakan permintaan masa depan.

Variasi permintaan adalah konsep yang sama dengan "lompatan" data suhu. Cara paling umum untuk menghilangkan variasi dalam sejarah permintaan adalah dengan menggunakan rata-rata, atau secara khusus, rata-rata bergerak.

Purata bergerak menggunakan bilangan tempoh yang telah ditentukan untuk mengira purata, dan tempoh tersebut bergerak seiring berjalannya waktu.

Contohnya, jika anda menggunakan purata bergerak selama empat bulan dan hari ini adalah 1 Mei, anda akan menggunakan permintaan purata untuk Januari, Februari, Mac, dan April. Pada 1 Jun, permintaan untuk Februari, Mac, April dan Mei akan digunakan.

Purata bergerak berwajaran

Apabila menggunakan purata sederhana, kepentingan yang sama diterapkan pada setiap nilai dalam set data. Oleh itu, dalam purata bergerak empat bulan, setiap bulan mewakili 25% daripada purata bergerak.

Dengan menggunakan riwayat permintaan untuk memproyeksikan permintaan di masa depan, ada alasan bahawa tempoh terakhir mempunyai kesan yang lebih besar pada ramalan.

Pengiraan purata bergerak dapat disesuaikan untuk menerapkan "bobot" yang berbeza pada setiap jangka masa untuk mendapatkan hasil yang diinginkan.

Berat ini dinyatakan sebagai peratusan. Jumlah semua bobot untuk semua tempoh mesti menambah hingga 100%.

Oleh itu, jika anda ingin menggunakan 35% sebagai bobot untuk jangka waktu terdekat dalam purata empat bulan, anda boleh mengurangkan 35% dari 100%, meninggalkan 65% untuk membahagi antara tiga tempoh yang tinggal.

Sebagai contoh, anda boleh berakhir dengan pemberat masing-masing 15%, 20%, 30% dan 35% untuk empat bulan (15 + 20 + 30 + 35 = 100).

Melicinkan eksponensial

Input kawalan untuk pengiraan pelicinan eksponensial dikenali sebagai faktor pelicinan. Merupakan berat yang dikenakan untuk permintaan untuk tempoh terakhir.

Sekiranya 35% digunakan sebagai berat jangka masa terakhir dalam pengiraan purata bergerak berwajaran, anda juga boleh memilih untuk menggunakan 35% sebagai faktor pelicinan dalam pengiraan pelicinan eksponensial.

Bahagian eksponen

Perbezaan dalam penghitungan pelicinan eksponensial adalah bahawa bukannya harus mengetahui berapa banyak berat yang harus diterapkan pada setiap periode sebelumnya, faktor pelicin digunakan untuk melakukannya secara automatik.

Ini adalah bahagian "eksponensial". Sekiranya 35% digunakan sebagai faktor pelicin, berat permintaan untuk tempoh terakhir adalah 35%. Wajaran permintaan dari tempoh sebelum yang terakhir adalah 65% daripada 35%.

65% berasal dari pengurangan 35% dari 100%. Ini sama dengan pemberat 22.75% untuk tempoh tersebut. Permintaan untuk tempoh terakhir akan datang adalah 65% dari 65% dari 35%, iaitu sama dengan 14.79%.

Tempoh sebelumnya akan ditimbang sebagai 65% dari 65% dari 65% dari 35%, bersamaan dengan 9,61%. Ini akan dilakukan untuk semua tempoh sebelumnya, hingga tempoh pertama.

Formula

Formula untuk menghitung pelicinan eksponensial adalah seperti berikut: (D * S) + (P * (1-S)), di mana,

D = permintaan terkini untuk tempoh tersebut.

S = faktor pelicin, ditunjukkan dalam bentuk perpuluhan (35% akan menjadi 0,35).

P = ramalan jangka masa terakhir, hasil dari pengiraan kelancaran tempoh sebelumnya.

Dengan andaian bahawa kita mempunyai faktor penghalusan 0,35, kita akan mempunyai: (D * 0,35) + (P * 0,65).

Seperti yang anda lihat, satu-satunya input data yang diperlukan adalah permintaan dan ramalan jangka masa yang paling baru.

Contohnya

Sebuah syarikat insurans telah memutuskan untuk mengembangkan pasarannya ke bandar terbesar di negara ini, dengan menyediakan insurans untuk kenderaan.

Sebagai tindakan awal, syarikat ingin meramalkan berapa banyak insurans kenderaan yang akan dibeli oleh penduduk kota ini.

Untuk melakukan ini, mereka akan menggunakan sebagai data awal jumlah insurans kereta yang dibeli di bandar lain yang lebih kecil.

Ramalan permintaan untuk tempoh 1 adalah 2.869 insurans kenderaan yang dikontrak, tetapi permintaan sebenar dalam tempoh tersebut adalah 3.200.

Atas budi bicara syarikat, ia memberikan faktor kelancaran 0.35. Permintaan ramalan untuk tempoh berikutnya adalah: P2 = (3200 * 0.35) + 2869 * (1-0.35) = 2984.85.

Pengiraan yang sama ini dibuat sepanjang tahun, memperoleh jadual perbandingan berikut antara apa yang sebenarnya diperoleh dan apa yang diramalkan untuk bulan itu.

Berbanding dengan teknik rata-rata, pelicinan eksponensial dapat meramalkan tren dengan lebih baik. Walau bagaimanapun, ia masih pendek, seperti yang ditunjukkan dalam grafik:

Ini dapat dilihat bagaimana garis kelabu ramalan dapat berada jauh di bawah atau di atas garis permintaan biru, tanpa dapat mengikutinya sepenuhnya.

Rujukan

1. Wikipedia (2019). Melicinkan eksponensial. Diambil dari: es.wikipedia.org.
2. Ingenio Empresa (2016). Cara menggunakan pelicinan eksponensial sederhana untuk meramalkan permintaan. Diambil dari: ingenioempresa.com.
3. Dave Piasecki (2019). Penjelasan Eksponensial Dijelaskan. Diambil dari: inventoryops.com.
4. Kajian (2019). Teknik Ramalan Permintaan: Melancarkan Purata & Melicinkan Eksponensial. Diambil dari: study.com.
5. Cityu (2019). Kaedah Melicinkan Eksponensial. Diambil dari: personal.cb.cityu.edu.hk.