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 نقاط البيانات الفعلية. أو ملاحظات هي سلسلة من الملاحظات التمهيدية على الموضوعات التي تقع تحت عنوان واسع من الميدان من بحوث العمليات أو كانت تستخدم أصلا من قبل لي في تمهيدية أو بالطبع أعطي في كلية إمبريال وهي متاحة الآن للاستخدام من قبل أي طلاب والمعلمين المهتمين في أو تخضع للشروط التالية. القائمة الكاملة للموضوعات المتوفرة في OR - ويمكن الاطلاع على الملاحظات هنا. مثال فوريكاستينغ. فوركاستينغ سبيل المثال 1996 أوغ الامتحان. الطلب على المنتج في كل من الأشهر الخمسة الماضية هو مبين أدناه. استخدام المتوسط المتحرك لمدة شهرين لتوليد توقعات للطلب في الشهر 6.Apply التماسك الأسي مع ثابت ثابت من 0 9 لتوليد توقعات للطلب على الطلب في الشهر 6. أي من هذين التنبؤين تفضل ولماذا. ويعطى المتوسط المتحرك لمدة شهرين لمدة شهرين إلى خمسة من قبل. التوقعات ل m على ستة هو مجرد المتوسط المتحرك للشهر قبل ذلك أي المتوسط المتحرك لشهر 5 م 5 2350. تطبيق التجانس الأسي مع ثابت تمهيد من 0 9 نحصل. كما قبل توقعات لشهر ستة هو مجرد متوسط للشهر 5 M 5 2386. للمقارنة بين التنبؤين نحسب متوسط الانحراف التربيعي مسد إذا فعلنا ذلك نجد أنه بالنسبة للمتوسط المتحرك. مسد 15 - 19 18 - 23 21 - 24 3 16 67. وبالنسبة للمتوسط السلس المتوسط مع تمهيد ثابت من 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. أوفيرال ثم نرى أن التمهيد الأسي يبدو أن يعطي أفضل التوقعات شهر واحد كما أن لديها مسد أقل وبالتالي نحن تفضل توقعات 2386 التي تم إنتاجها من قبل التمهيد الأسي. تمهيد المثال 1994 امتحان أوغ. ويبين الجدول أدناه الطلب على جديد بعد البيع في متجر لكل من الأشهر ال 7 الماضية. حساب المتوسط المتحرك لمدة شهرين لمدة شهرين إلى سبعة ماذا سيكون توقعاتك للطلب في الشهر الثامن. تطبيق تمهيد الأسي مع ثابت تجانس 0 1 لاشتقاق توقعات للطلب في الشهر الثماني. وهو من اثنين من التوقعات في الشهر الثامن هل تفضل ولماذا. ويعتقد صاحب متجر أن العملاء يتحولون إلى هذا الجديد بعد البيع من العلامات التجارية الأخرى ناقش كيف يمكنك نموذج سلوك التحويل هذا وتشير إلى البيانات التي ستحتاجها لتأكيد ما إذا كان هذا التحويل يحدث أم لا. ويعطى المتوسط المتحرك لمدة شهرين للأشهر من سنتين إلى سبعة. وتوقعات الشهر الثامن هي فقط المتوسط المتحرك ل الشهر قبل ذلك أي المتوسط المتحرك لشهر 7 م 7 46. تطبيق التجانس الأسي مع ثابت التمهيد من 0 1 نحصل. كما قبل توقعات الشهر الثامن هو مجرد المتوسط للشهر 7 M 7 31 11 31 كما لا يمكننا لديها طلب كسور. لإجراء مقارنة بين اثنين من التوقعات نحسب متوسط الانحراف التربيعي مسد إذا فعلنا ذلك نجد أن بالنسبة للمتوسط المتحرك. للمتوسط أملس أضعافا مع ثابت تمهيد من 0 1.Ove ثم نرى أن المتوسط المتحرك لشهرين يبدو أنه يعطي أفضل التوقعات قبل شهر واحد حيث أن لديه مسد أقل وبالتالي فإننا نفضل توقعات 46 التي تم إنتاجها من خلال المتوسط المتحرك لمدة شهرين. لتحديد التحويل سنحتاج إلى استخدام نموذج عملية ماركوف، حيث الدول العلامات التجارية، ونحن بحاجة إلى معلومات الحالة الأولية وتحويل العملاء الاحتمالات من المسوحات ونحن بحاجة إلى تشغيل النموذج على البيانات التاريخية لمعرفة ما إذا كان لدينا تناسب بين النموذج والسلوكيات التاريخية. مثال فوري 1992 أوغ الامتحان. الجدول أدناه يوضح الطلب على علامة تجارية معينة من الحلاقة في متجر لكل من الأشهر التسعة الماضية. حساب المتوسط المتحرك لمدة ثلاثة أشهر لمدة ثلاثة إلى تسعة ما سيكون توقعاتك للطلب في الشهر 10. تطبيق الأسي تمهيد مع ثابت تمهيد من 0 3 لاشتقاق توقعات للطلب في الشهر العاشر. أي من التوقعات لمدة الشهر العاشر هل تفضل ولماذا. المتوسط المتحرك لمدة ثلاثة أشهر لأشهر 3 إلى 9 هو جيف من قبل. التوقعات لشهر 10 هو مجرد المتوسط المتحرك للشهر قبل ذلك أي المتوسط المتحرك للشهر 9 م 9 20 33.Hence كما أننا لا يمكن أن يكون الطلب كسور توقعات الشهر 10 هو 20. تطبيق التمدد الأسي مع تمهيد ثابت من 0 3 نحصل. كما قبل توقعات لشهر 10 هو مجرد المتوسط للشهر 9 M 9 18 57 19 كما أننا لا يمكن أن يكون الطلب كسور. لإجراء مقارنة بين اثنين من توقعات نحسب متوسط الانحراف التربيع مسد إذا فعلنا هذا نجد أنه بالنسبة للمتوسط المتحرك. وبالنسبة للمتوسط المتحرك الأسي مع ثابت التمهيد من 0 3. أوفيرال ثم نرى أن المتوسط المتحرك لمدة ثلاثة أشهر يبدو أن يعطي أفضل التوقعات شهر واحد كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات 20 التي تم إنتاجها من خلال المتوسط المتحرك لمدة ثلاثة أشهر. تمهيد المثال 1991 امتحان أوغ. ويبين الجدول أدناه الطلب على علامة تجارية معينة من جهاز الفاكس في متجر في كل من الأشهر الاثني عشر الماضية. حساب الشهر أربعة وسائل التحقق متوسط الشهر للأشهر من 4 إلى 12 ما هي توقعاتك للطلب في الشهر 13. تطبيق التمهيد الأسي مع ثابت التمهيد من 0 2 لاستخلاص توقعات للطلب في الشهر 13. أي من توقعات اثنين من الشهر 13 هل ولعل العوامل الأخرى التي لا تؤخذ في الاعتبار في الحسابات المذكورة أعلاه قد تؤثر على الطلب على جهاز الفاكس في الشهر 13. ويعطى المتوسط المتحرك لمدة أربعة أشهر للأشهر من 4 إلى 12 بواسطة m 4 23 19 15 12 4 17 25 m 5 27 23 19 15 4 21 م 6 30 27 23 19 4 24 75 م 7 32 30 27 23 4 28 م 8 33 32 30 27 4 30 5 م 9 37 33 32 30 4 33 م 10 41 37 33 32 4 35 75 م 11 49 41 37 33 4 40 m 12 58 49 41 37 4 46 25. التوقعات للشهر 13 هي مجرد المتوسط المتحرك للشهر قبل ذلك أي المتوسط المتحرك للشهر 12 م 12 46 25.Hence كما لا يمكننا كسور الطلب توقعات لشهر 13 هو 46.Applying التمهيد الأسي مع ثابت تمهيد من 0 2 نحصل. كما قبل توقعات لشهر 13 هو مجرد متوسط للشهر 12 M 12 38 618 39 كما w e لا يمكن أن يكون الطلب كسور. لإجراء مقارنة بين اثنين من التوقعات نحسب متوسط الانحراف التربيعية مسد إذا فعلنا ذلك نجد أن للمتوسط المتحرك. للمتوسط أملس أضعافا مع ثابت تمهيد من 0 2.Overall ثم نرى أن ويبدو أن المتوسط المتحرك لمدة أربعة أشهر يعطي أفضل التوقعات قبل شهر واحد كما أن لديها مسد أقل وبالتالي نحن نفضل توقعات 46 التي تم إنتاجها من قبل المتوسط المتحرك لمدة أربعة أشهر. طلب أساسي. تغييرات الأسعار، سواء هذه العلامة التجارية وغيرها من العلامات التجارية. الحالة الاقتصادية العامة. تكنولوجيا جديدة. مثال على سبيل المثال 1989 امتحان أوغ. ويبين الجدول أدناه الطلب على علامة تجارية معينة من فرن الميكروويف في متجر في كل من الأشهر الاثني عشر الماضية. حساب المتوسط المتحرك لمدة ستة أشهر عن كل شهر ما يمكن أن يكون توقعاتك للطلب في الشهر 13.Apply التمهيد الأسي مع ثابت تجانس من 0 7 لاشتقاق توقعات للطلب في الشهر 13.Wichich من اثنين من التوقعات لشهر 13 هل تفضل ولماذا. الآن لا يمكننا حساب المتوسط المتحرك لمدة ستة أشهر حتى يكون لدينا 6 ملاحظات على الأقل - أي أننا يمكن أن نحسب فقط هذا المتوسط من الشهر 6 فصاعدا وبالتالي لدينا m. 6 34 32 30 29 31 27 6 30 50.m 7 36 34 32 30 ليتيربوت 37 35 6 32 00 8 35 36 34 32 30 29 6 32 37 35 36 34 35 36 35 35 36 34 32 6 35 50.m 11 40 39 37 35 36 34 6 36 83.m 12 42 40 39 37 35 36 6 38 17- إن توقعات الشهر 13 هي مجرد المتوسط المتحرك للشهر قبل ذلك أي المتوسط المتحرك للشهر 12 م 12 38 17- من حيث أنه لا يمكن أن يكون لدينا طلب كسري توقعات لشهر 13 هو 38.Applying التمهيد الأسي مع ثابت تمهيد من 0 7 نحصل. وتتضمن عملية التهيئة توليد عدد أو مجموعة من الأرقام أو السيناريو الذي يتوافق مع حدوث مستقبلي ومن الضروري للغاية على المدى القصير و التخطيط الطويل المدى من خلال التعريف، يستند التنبؤ إلى البيانات السابقة، بدلا من التنبؤ، وهو أكثر موضوعية ويستند إلى الغريزة، ويشعر الأمعاء، أو تخمين على سبيل المثال، مساء والأخبار يعطي توقعات الطقس لا التنبؤ الطقس بغض النظر، وغالبا ما تستخدم المصطلحات التنبؤ والتنبؤ بين التداخل على سبيل المثال، تعريفات الانحدار تقنية تستخدم في بعض الأحيان في التنبؤ عموما الدولة أن الغرض منه هو شرح أو التنبؤ. ويستند فوريكاستينغ على عدد من الافتراضات. الماضي سوف يعيد نفسه وبعبارة أخرى، ما حدث في الماضي سيحدث مرة أخرى في المستقبل. كما يقصر الأفق التوقعات، توقعات دقة الزيادة على سبيل المثال، توقعات للغد سيكون أكثر دقة من توقعات ل الشهر المقبل توقعات الشهر المقبل سيكون أكثر دقة من توقعات للعام المقبل وسوف توقعات للعام المقبل سيكون أكثر دقة من توقعات لمدة عشر سنوات في المستقبل. التجميع في المجموع هو أكثر دقة من التنبؤ البنود الفردية وهذا يعني أن الشركة سوف تكون قادرة على التنبؤ إجمالي الطلب على كامل طيفها من المنتجات بشكل أكثر دقة من أنها سوف تكون قادرة على التنبؤ ستو الفردية سك-كيبينغ ونيتس سكوكس على سبيل المثال، جنرال موتورز يمكن أكثر توقعا بدقة العدد الإجمالي للسيارات اللازمة للعام المقبل من العدد الإجمالي من شيفروليه الأبيض إمبالاس مع مجموعة خيار معين. فوريكاست نادرا ما تكون دقيقة وعلاوة على ذلك، التوقعات تقريبا أبدا دقيقة تماما بينما بعضهم قريبون جدا، قليلون على حق المال، لذلك من الحكمة أن نقدم نطاقا للتنبؤات إذا كان المرء يتوقع أن يبلغ الطلب على 100،000 وحدة للشهر التالي، فمن غير المرجح أن يكون الطلب يساوي 100000 بالضبط. ومع ذلك، من 90،000 إلى 110،000 من شأنه أن يوفر هدفا أكبر بكثير للتخطيط. ويليام J ستيفنسون يسرد عددا من الخصائص التي هي مشتركة لتوقعات جيدة. دقيقة وينبغي تحديد درجة معينة من الدقة وذكر بحيث يمكن إجراء المقارنة للتنبؤات البديلة. ريليابل يجب أن توفر طريقة التنبؤ باستمرار توقعات جيدة إذا كان المستخدم هو إنشاء درجة معينة من الثقة. في الوقت نفسه هناك حاجة إلى قدر معين من الوقت ل r إسبوند إلى التوقعات لذلك أفق التنبؤ يجب أن تسمح للوقت اللازم لإجراء تغييرات. سهلة الاستخدام وفهم المستخدمين للتنبؤ يجب أن تكون واثقة ومريحة العمل معها. كفاءة فعالة التكلفة لجعل التنبؤ لا ينبغي أن يفوق الفوائد التي تم الحصول عليها من التنبؤات. وتتراوح تقنيات فوريكاستينغ من بسيطة إلى معقدة للغاية وتصنف هذه التقنيات عادة على أنها نوعية أو كمية. التقنيات التقنية. تقنيات التنبؤ النوعية هي أكثر واقعية من نظرائهم الكمي عموما التقنيات النوعية هي أكثر فائدة في المراحل الأولى من دورة حياة المنتج، عند وجود بيانات أقل في الماضي لاستخدامها في الأساليب الكمية وتشمل الأساليب الكمية تقنية دلفي، تقنية المجموعة الاسمية نغت، آراء قوة المبيعات، الآراء التنفيذية، وأبحاث السوق. تقنية دلفي. تستخدم تقنية دلفي فريق من الخبراء لإنتاج التنبؤات ويطلب من كل خبير لتقديم توقعات سب إيكيفيك إلى الحاجة في متناول اليد بعد إجراء التوقعات الأولية، كل خبير يقرأ ما كتبه كل خبير آخر، وبطبيعة الحال، تأثرت بآرائهم وهناك بعد ذلك توقعات من قبل كل خبير كل خبير ثم يقرأ مرة أخرى ما كتبه كل خبير آخر ويتأثر مرة أخرى من تصورات الآخرين وتكرر هذه العملية نفسها حتى كل خبير يقترب من اتفاق على السيناريو المطلوب أو أرقام. NOMINAL غروب TECHNIQUE. Nominal المجموعة تقنية تشبه تقنية دلفي في أنه يستخدم مجموعة من المشاركين، وعادة الخبراء بعد أن يستجيب المشاركون للأسئلة المتعلقة بالتنبؤات، فإنهم يرتبون ردودهم حسب الأهمية النسبية المتصورة ثم يتم تجميع التصنيف وتجميعه في نهاية المطاف، يجب أن تتوصل المجموعة إلى توافق في الآراء بشأن أولويات القضايا التي تم تصنيفها. ساليس فورس أوبينيونس. في كثير من الأحيان مصدرا جيدا للمعلومات المتعلقة بالطلب في المستقبل قد يطلب مدير المبيعات لإدخال من كل شخص المبيعات و أغغر على سبيل المثال ردودهم في توقعات مركب قوة المبيعات ينبغي توخي الحذر عند استخدام هذه التقنية حيث أن أعضاء قوة المبيعات قد لا تكون قادرة على التمييز بين ما يقوله العملاء وما يفعلونه فعلا أيضا، إذا كانت التوقعات سيتم استخدامها لإنشاء المبيعات والحصص، وقوة المبيعات قد يميل إلى تقديم تقديرات أقل. إكسكوتيف أوبينيونس. في بعض الأحيان مستويات العليا المديرين تلبية وتطوير التوقعات على أساس معرفتهم من مجالات مسؤوليتها ويشار إلى هذا أحيانا باسم هيئة محلفين من الرأي التنفيذي. الماركة ريزارتش. في أبحاث السوق، وتستخدم الدراسات الاستقصائية المستهلك لإنشاء الطلب المحتمل مثل هذه البحوث التسويقية عادة ما ينطوي على بناء الاستبيان الذي يلتمس المعلومات الشخصية والديموغرافية والاقتصادية والتسويق في بعض الأحيان، والباحثين في السوق جمع هذه المعلومات شخصيا في منافذ البيع بالتجزئة ومراكز التسوق، حيث يمكن للمستهلك تجربة طعم، ويشعر، ورائحة، ورؤية منتج معين يجب على الباحث أن يكون حذرا ذلك فإن عينة الأشخاص الذين شملهم الاستطلاع تمثل الهدف المستهدف من المستهلكين. التقنيات التقنية. تقنيات التنبؤ الكمي هي عموما أكثر موضوعية من نظرائهم النوعيين يمكن أن تكون التنبؤات الكمية التنبؤات السلاسل الزمنية أي إسقاط الماضي في المستقبل أو التنبؤات على أساس نماذج الارتباطية أي على أساس متغير واحد أو أكثر من المتغيرات التفسيرية قد تحتوي السلاسل الزمنية على السلوكيات الأساسية التي تحتاج إلى تحديدها من قبل المتنبأ وبالإضافة إلى ذلك، قد تحتاج التنبؤات لتحديد أسباب السلوك قد تكون بعض هذه السلوكيات أنماط أو ببساطة الاختلافات العشوائية بين والأنماط هي. التوجهات، والتي هي الحركات على المدى الطويل صعودا أو هبوطا في البيانات. الخصوصية، والتي تنتج الاختلافات على المدى القصير التي عادة ما تكون ذات الصلة إلى الوقت من السنة والشهر، أو حتى يوم معين، كما تشهد مبيعات التجزئة في عيد الميلاد أو ارتفاع طفيف في النشاط المصرفي في أول من الشهر وفي أيام الجمعة. الدورات، والتي هي الاختلافات وافيليك دائم م خام من السنة التي ترتبط عادة بالظروف الاقتصادية أو السياسية. التباينات غير النظامية التي لا تعكس السلوك النموذجي، مثل فترة من الطقس المتطرف أو الإضراب النقابي. الفوارق الاختلافات، والتي تشمل جميع السلوكيات غير نموذجية لا تمثلها والتصنيفات الأخرى. ومن بين نماذج السلاسل الزمنية، فإن أبسطها هو التنبؤ غير السليم، إذ أن التوقعات غير المستخدمة هي ببساطة الطلب الفعلي خلال الفترة الماضية كطلب متوقع للفترة المقبلة، وهذا بالطبع يجعل الافتراض بأن الماضي كرر كما يفترض أن أي اتجاهات، موسمية، أو دورات إما تنعكس في الطلب في الفترة السابقة ق أو غير موجودة ويرد مثال على التنبؤ غير نا في الجدول 1.Table 1 نا في التنبؤ. أي أسلوب بسيط آخر هو استخدام المتوسط للحصول على توقعات باستخدام المتوسط، واحد ببساطة يأخذ متوسط عدد من فترات من البيانات الماضية عن طريق تلخيص كل فترة وتقسيم النتيجة حسب عدد الفترات وقد تم العثور على هذه التقنية ل تكون فعالة جدا للتنبؤ قصير المدى. وتشمل معدلات المتوسط المتوسط المتحرك والمتوسط المرجح والمتوسط المتحرك المرجح المتوسط A المتوسط المتحرك يأخذ عددا محددا مسبقا من الفترات ويجمع الطلب الفعلي ويقسم حسب عدد الفترات للوصول توقعات لكل فترة لاحقة، تنخفض أقدم فترة من البيانات وتضاف آخر فترة على افتراض المتوسط المتحرك لمدة ثلاثة أشهر وباستخدام البيانات الواردة في الجدول 1، يمكن للمرء أن يضيف ببساطة 45 يناير و 60 فبراير و 72 مارس وتقسيم من قبل ثلاثة للوصول إلى التوقعات في أبريل 45 60 72 177 3 59. للوصول إلى توقعات لشهر مايو، واحد من شأنه أن يخفض الطلب يناير من المعادلة وإضافة الطلب من أبريل الجدول 2 يقدم مثالا على ثلاثة أشهر تتحرك متوسط التوقعات. الثانية 2 المتوسط المتحرك لثلاثة أشهر. الطلب الفعلي 000 سا المتوسط المرجح يطبق وزن محدد سلفا على كل شهر من البيانات السابقة، ويجمع البيانات السابقة من كل فترة، ويقسم على مجموع الأوزان إذا كان يقوم الأوبك بتعديل الأوزان بحيث يساوي مجموعها 1، ثم تضاعف الأوزان بالطلب الفعلي لكل فترة مطبقة. ثم يتم تلخيص النتائج لتحقيق توقعات مرجحة وبصفة عامة، كلما زادت البيانات الأخيرة كلما زاد الوزن، أقدم البيانات أقل وزن باستخدام مثال الطلب، والمتوسط المرجح باستخدام الأوزان من 4 3 2، و 1 من شأنه أن يسفر عن توقعات لشهر يونيو كما 60 1 72 2 58 3 40 4 53 8.Forecasters قد تستخدم أيضا مجموعة من المتوسط المرجح والمتوسط المتحرك للتنبؤات يحدد متوسط المتوسط المتحرك المرجح الأوزان لعدد محدد سلفا من فترات البيانات الفعلية ويحسب التوقعات بنفس الطريقة الموصوفة أعلاه وكما هو الحال مع جميع التنبؤات المتحركة، كلما أضيفت كل فترة جديدة، فإن البيانات المأخوذة من الأقدم يتم التخلص من الفترة الزمنية يوضح الجدول 3 توقعات متوسط الحركة المرجحة لمدة ثلاثة أشهر باستخدام الأوزان 5 3 و 2. الجدول 3 المتوسط المتحرك لمدة ثلاثة أشهر المتوسط المتوقع. الطلب الفعلي 000 ألف شكل أكثر تعقيدا من الأوزان المتوسط المتحرك هو التمهيد الأسي، لذلك اسمه لأن الوزن ينخفض أضعافا مضاعفة حيث أن البيانات سن التجانس الأسي يأخذ الفترة السابقة ق التوقعات وضبطها من قبل ثابت ثابت سلفا، ودعا ألفا قيمة ألفا هو أقل من واحد مضروبا في الفرق في التوقعات السابقة والطلب الذي حدث بالفعل خلال الفترة المتوقعة سابقا يسمى خطأ التنبؤ يتم التعبير عن التجانس الأسي صياغتها على هذا النحو توقعات جديدة التوقعات السابقة ألفا الطلب الفعلي التوقعات السابقة ففا F. التمكين التفاضلي يتطلب المتنبأ لبدء التنبؤ في فترة سابقة و العمل قدما إلى الفترة التي تحتاج إلى توقعات الحالية وهناك كمية كبيرة من البيانات السابقة وتوقعات بداية أو الأولية ضرورية أيضا يمكن أن تكون التوقعات الأولية توقعات الفعلية من الفترة السابقة، والطلب الفعلي من الفترة السابقة، أو أنه يمكن تقديرها من خلال حساب كل أو جزء من البيانات السابقة بعض الاستدلال توجد لحسابات التنبؤ الأولي على سبيل المثال، فإن الاستدلال N 2 1 و ألفا من 5 من شأنه أن يسفر عن N من 3، مما يشير إلى أن المستخدم متوسط الفترات الثلاث الأولى من البيانات للحصول على توقعات أولية ومع ذلك، فإن دقة التوقعات الأولية ليس حاسما إذا كان المرء يستخدم كميات كبيرة من البيانات، لأن التجانس الأسي هو تصحيح ذاتي ونظرا إلى فترات زمنية كافية من البيانات السابقة، فإن التجانس الأسي سيؤدي في نهاية المطاف إلى إجراء تصحيحات كافية للتعويض عن توقعات أولية غير دقيقة إلى حد معقول باستخدام البيانات المستخدمة في أمثلة أخرى، التوقعات الأولية من 50، و ألفا من 7، يتم احتساب توقعات لشهر فبراير على هذا النحو توقعات جديدة فبراير 50 7 45 50 41 5.التوقعات ل مارس توقعات جديدة مارس 41 5 7 60 41 5 54 45 تستمر هذه العملية حتى يصل إلى الفترة المطلوبة في الجدول 4 هذا سيكون لشهر يونيو، حيث أن الطلب الفعلي لشهر يونيو غير معروف. الطلب الفعلي 000 s. يمكن تمديد التمدد الأسي عند استخدام السلاسل الزمنية d عتا يسلك اتجاها خطي يعرف هذا الأسلوب من قبل عدة أسماء مزدوجة تجانس تعديل تعديل توقعات الأسي تعديل تعديل بما في ذلك الاتجاه صالح ونموذج هولت الصورة دون تعديل، سوف نتائج تجانس الأسي بسيطة تأخر هذا الاتجاه، وهذا هو، فإن توقعات يكون دائما منخفضة إذا كان الاتجاه في تزايد، أو ارتفاع إذا كان الاتجاه آخذ في التناقص مع هذا النموذج هناك اثنين من الثوابت تمهيد، ومع تمثيل عنصر الاتجاه. تمديد نموذج هولت s، ودعا هولت الشتاء S الطريقة، ويأخذ في الاعتبار كل من الاتجاه والموسمية هناك نسختين، مضاعفة ومضافة، مع كون المضاعف الأكثر استخداما على نطاق واسع في النموذج المضاف، يعبر عن الموسمية ككمية تضاف إلى أو تطرح من متوسط السلسلة ويعكس النموذج المضاعف الموسمية كنسبة مئوية تعرف بالأقارب الموسمية أو الموسمية فهارس المتوسط أو الاتجاه ثم تضاعف مرات القيم من أجل دمج الموسمية النسبية من 0 8 سوف i و 80٪ من المتوسط، في حين أن 1 10 تشير إلى أن الطلب هو أعلى بنسبة 10٪ من المتوسط يمكن الاطلاع على معلومات مفصلة حول هذه الطريقة في معظم الكتب الإدارية لإدارة العمليات أو واحدة من عدد من الكتب على التنبؤ. تنطوي على تحديد المتغيرات التي يمكن استخدامها للتنبؤ متغير آخر من الفائدة على سبيل المثال، يمكن استخدام أسعار الفائدة للتنبؤ الطلب على إعادة تمويل المنزل عادة، وهذا ينطوي على استخدام الانحدار الخطي، حيث يكون الهدف هو تطوير معادلة تلخص تأثير المتغيرات المستقلة على المتنبأ المتنبأ به إذا تم رسم متغير التنبؤ، فإن الهدف هو الحصول على معادلة خط مستقيم يقلل من مجموع الانحرافات التربيعية عن الخط مع الانحراف عن المسافة من كل نقطة إلى الخط ستظهر المعادلة كما يا بكس، حيث y هو المتغير التابع المتوقع، x هو ما قبل متغير مستقل ديكتور، b هو منحدر الخط، ويساوي ارتفاع الخط عند اعتراض y بمجرد تحديد المعادلة، يمكن للمستخدم إدراج القيم الحالية للمتغير المستقل التنبؤ للوصول إلى التنبؤ تعتمد المتغير. إذا كان هناك أكثر من متغير متنبأ واحد أو إذا كانت العلاقة بين التنبؤ والتنبؤ ليست خطية، والانحدار الخطي بسيط لن يكون كافيا بالنسبة للحالات مع متعددة التنبؤات، وينبغي أن تستخدم الانحدار المتعدد، في حين أن العلاقات غير الخطية تدعو لاستخدام الانحدار المنحني. التوقعات الاقتصادية. الأساليب الاقتصادية، مثل نموذج الانحدار الذاتي المتكامل المتوسط المتحرك أريما، تستخدم معادلات رياضية معقدة لإظهار العلاقات السابقة بين الطلب والمتغيرات التي تؤثر على الطلب يتم اشتقاق المعادلة ثم اختبارها وضبطها بدقة لضمان هو موثوق بها تمثيل العلاقة الماضية ممكن بمجرد الانتهاء من ذلك، والقيم المتوقعة للتأثير ودخل المتغيرات، والأسعار، وما إلى ذلك يتم إدراجها في المعادلة لجعل التنبؤ. إيفالواتينغ يمكن تحديد دقة فوريكاستس. فوريكاست من خلال حساب التحيز، يعني الانحراف المطلق درهم، يعني خطأ مربع مس، أو يعني خطأ في المئة المطلق ماب للتنبؤ باستخدام مختلفة قيم التحيز ألفا هي مجموع أخطاء التنبؤ في بالنسبة لمثال التجانس الأسي أعلاه، يكون التحيز المحسوب 60 41 5 72 54 45 58 66 74 40 60 62 6 69. وإذا افترضنا أن التحيز المنخفض يشير إلى انخفاض إجمالي خطأ في التنبؤ، يمكن للمرء أن يحسب التحيز لعدد من القيم المحتملة ألفا ويفترض أن واحد مع أدنى التحيز سيكون الأكثر دقة ومع ذلك، يجب مراعاة الحذر في تلك التنبؤات غير دقيقة بعنف قد يؤدي إلى التحيز المنخفض إذا كانت تميل إلى على كل من التنبؤات وتحت التوقعات السلبية والإيجابية على سبيل المثال، على مدى ثلاث فترات شركة قد تستخدم قيمة معينة ألفا إلى أكثر من المتوقع من 75،000 وحدة 75،000، تحت التوقعات من قبل 100،000 وحدة 100،000، و ثم أكثر من التوقعات ب 25،000 وحدة 25،000، مما أسفر عن تحيز الصفر 75،000 100،000 25،000 0 وبالمقارنة، فإن ألفا آخر ينتج عن التوقعات من 2000 وحدة، 1،000 وحدة، و 3،000 وحدة من شأنه أن يؤدي إلى التحيز من 5000 وحدة إذا كان الطلب العادي 100،000 وحدة لكل ، فإن أول ألفا سوف يسفر عن تنبؤات بنسبة 100٪ في حين أن ألفا الثاني سيكون خارجا بحد أقصى 3٪ فقط، على الرغم من أن التحيز في التوقعات الأولى كان صفرا. وهناك مقياس أكثر أمنا لدقة التنبؤ متوسط الانحراف المطلق داد لحساب الدرهم، يقوم المرصد بتحصيل القيمة المطلقة لأخطاء التنبؤ ثم يقسم حسب عدد التنبؤات في N من خلال أخذ القيمة المطلقة لأخطاء التنبؤ، يتم تجنب مقاصة القيم الإيجابية والسلبية هذا يعني أن كل من التوقعات 50 و 50 تحت التوقعات من 50 هي خارج 50 باستخدام البيانات من سبيل المثال الأسي، يمكن حساب درهم على النحو التالي 60 41 5 72 54 45 58 66 74 40 60 62 4 16 35 لذلك، فإن المتنبأ هو قبالة في المتوسط 16 35 وحدة لكل توقعات بالمقارنة مع نتيجة أخرى من ألفاس، فإن المتنبأ يعرف أن ألفا مع أدنى درهم يسفر عن التنبؤ الأكثر دقة. ميان مربع خطأ يمكن أيضا أن تستخدم مس في نفس الأسلوب مس هو مجموع الأخطاء توقعات مربع مقسوما على N-1 في N-1 تخطي أخطاء التنبؤ يلغي إمكانية تعويض الأرقام السلبية، لأن أيا من النتائج يمكن أن تكون سلبية باستخدام نفس البيانات على النحو الوارد أعلاه، و سوف تكون المشروعات متناهية الصغر 18 18 17 17 17 20 20 3 383 94 كما هو الحال مع الدرهم، يمكن أن يقارن المتنبأ بالمشروعات المتناهية الصغر والصغيرة من التنبؤات المشتقة باستخدام قيم مختلفة من ألفا ويفترض أن ألفا مع أدنى مس هي التي تنتج التنبؤات الأكثر دقة. خطأ في النسبة المئوية ميب هو متوسط الخطأ المطلق في المئة للوصول إلى ميب يجب أن يأخذ المرء مجموع النسب بين خطأ التنبؤ ومرات الطلب الفعلية 100 للحصول على النسبة المئوية والفرق حسب N الطلب الفعلي التنبؤ الطلب الفعلي 100 N باستخدام البيانات من مثال التجانس الأسي، يمكن حساب ميب على النحو التالي 18 5 60 17 55 72 8 74 58 20 62 48 100 4 28 33 كما هو الحال مع الدرهم والمشاريع المتناهية الصغر والصغيرة، كلما انخفض الخطأ النسبي كلما زادت دقة التنبؤ. وتجدر الإشارة إلى أن قدرة التنبؤ في بعض الحالات على التغيير بسرعة للاستجابة للتغيرات في أنماط البيانات تعتبر أكثر أهمية من الدقة ولذلك، فإن اختيار واحد من طريقة التنبؤ ينبغي أن يعكس التوازن النسبي للأهمية بين الدقة والاستجابة ، على النحو الذي يحدده فوريكاستر. ماكينغ A فوريكاست. ويليام J ستيفنسون يسرد ما يلي كخطوات أساسية في عملية التنبؤ. تحديد الغرض من التوقعات عوامل مثل كيف ومتى سيتم استخدام التوقعات ودرجة الدقة المطلوبة، و مستوى التفصيل المطلوب تحديد الوقت التكلفة والمال والموظفين التي يمكن أن تكون مخصصة للتنبؤ ونوع من طريقة التنبؤ لاستخدامها. إقامة أفق زمني يحدث هذا بعد واحد وردع الملغومة الغرض من التوقعات التوقعات على المدى الطويل تتطلب آفاق زمنية أطول والعكس بالعكس دقة هو مرة أخرى الاعتبار. إختيار تقنية التنبؤ تعتمد التقنية المختارة على الغرض من التوقعات، والأفق الزمني المطلوب، والتكلفة المسموح بها. الجمع و تحليل البيانات ويخضع كمية ونوع البيانات المطلوبة من قبل الغرض من التنبؤ، وتقنية التنبؤ المختارة، وأي اعتبارات التكلفة. توقع التوقعات. تراقب توقعات تقييم أداء التوقعات وتعديل، إذا لزم الأمر. أكثر قراءة. فيش ، بايرون J أوبيراتيونس الآن الربحية والعمليات والأداء 2 إد بوسطن ماكجرو هيل إيروين، 2006.Green، ويليام H تحليل اقتصاديات 5 إد نهر السرج العلوي، نج برنتيس هول، 2003.Joppe، د. ماريون تقنية المجموعة الاسمية عملية البحث المتاحة from. Stevenson، ويليام J إدارة العمليات 8 إد بوسطن ماكجرو هيل إيروين، 2005. أيضا قراءة المقال عن التنبؤ من ويكيبيديا.
No comments:
Post a Comment