Exponentiell Gewichtete Gleitende Durchschnitt Glättung Konstante

So berechnen Sie gewichtete Bewegungsdurchschnitte in Excel mit exponentieller Glättung. Excel Datenanalyse für Dummies, 2. Auflage. Das Exponential-Glättungswerkzeug in Excel berechnet den gleitenden Durchschnitt. Die exponentielle Glättung gewichtet jedoch die in den gleitenden Durchschnittsberechnungen enthaltenen Werte, so dass neuere Werte vorliegen Eine größere Wirkung auf die durchschnittliche Berechnung und alte Werte haben einen geringeren Effekt Diese Gewichtung wird durch eine Glättungskonstante erreicht. Um zu veranschaulichen, wie das Exponential-Glättungswerkzeug funktioniert, nehmen wir an, dass Sie wieder die durchschnittliche tägliche Temperaturinformation betrachten. Um die gewichteten gleitenden Mittelwerte zu berechnen Verwenden Sie eine exponentielle Glättung, nehmen Sie die folgenden Schritte vor: Um einen exponentiell geglätteten gleitenden Durchschnitt zu berechnen, klicken Sie zuerst auf die Schaltfläche Datenregisterkarte. Wenn Excel das Dialogfeld Datenanalyse anzeigt, wählen Sie aus der Liste die Option Exponentielle Glättung aus und klicken dann auf OK. Excel zeigt das Dialogfeld Exponentielle Glättung an. Identifizieren Sie die Daten. Um die Daten zu identifizieren, für die Sie einen exponentiell geglätteten gleitenden Durchschnitt berechnen möchten, klicken Sie in das Eingabefeld des Eingabebereichs. Markieren Sie dann den Eingabebereich, indem Sie entweder eine Arbeitsbereichsbereichsadresse eingeben oder nach Auswählen des Arbeitsbereichsbereichs Wenn Ihr Eingabebereich eine Textbeschriftung enthält, um Ihre Daten zu identifizieren oder zu beschreiben, markieren Sie das Kontrollkästchen Etiketten. Geben Sie die Glättungskonstante ein. Geben Sie den Glättungskonstantenwert im Textfeld Dämpfungsfaktor an Die Excel-Hilfedatei schlägt vor, dass Sie eine Glättung Konstante zwischen 0 2 und 0 3 Vermutlich aber, wenn Sie dieses Werkzeug verwenden, haben Sie Ihre eigenen Vorstellungen darüber, was die richtige Glättung Konstante ist Wenn Sie ahnungslos über die Glättung Konstante, vielleicht sollten Sie nicht mit diesem Tool verwenden. Sagen Sie Excel, wo Sie die exponentiell geglätteten gleitenden Durchschnittsdaten platzieren können. Verwenden Sie das Textfeld Ausgabebereich, um den Arbeitsbereichsbereich zu identifizieren, in den Sie die gleitenden Durchschnittsdaten platzieren möchten. Im Beispiel des Arbeitsblattes legen Sie die gleitenden Durchschnittsdaten in das Arbeitsblatt Bereich B2 B10. Optional werden die exponentiell geglätteten Daten angezeigt. Um die exponentiell geglätteten Daten zu markieren, markieren Sie das Kontrollkästchen Diagrammausgabe. Optional Geben Sie an, dass Standardfehlerinformationen berechnet werden sollen. Um Standardfehler zu berechnen, markieren Sie das Kontrollkästchen Standardfehler. Excel setzt Standardfehlerwerte neben den exponentiell geglätteten gleitenden Mittelwerten ein. Nachdem Sie die Angabe festgelegt haben, welche gleitenden Durchschnittsinformationen berechnet werden sollen und wo Sie wollen Es platziert, klicken Sie auf OK. Excel berechnet gleitenden durchschnittlichen Informationen. Exponential Filter. Diese Seite beschreibt exponentielle Filterung, die einfachste und beliebteste Filter Dies ist Teil der Abschnitt Filterung, die Teil eines Leitfadens zur Fehlererkennung und Diagnose ist. Überblick, Zeitkonstante , Und analoges Äquivalent. Das einfachste Filter ist der exponentielle Filter Es hat nur einen Tuning-Parameter außer dem Sample-Intervall Es erfordert die Speicherung von nur einer Variablen - die vorherige Ausgabe Es ist ein IIR autoregressive Filter - die Auswirkungen eines Eingangswechsel-Zerfalls Exponentiell bis die Grenzen der Displays oder Computer-Arithmetik verstecken. In verschiedenen Disziplinen wird die Verwendung dieses Filters auch als exponentielle Glättung bezeichnet. In einigen Disziplinen wie Investitionsanalyse wird der Exponentialfilter als exponentiell gewichtete Moving Average EWMA oder nur Exponential bezeichnet Moving Average EMA Dies missbraucht die traditionelle ARMA gleitenden durchschnittlichen Terminologie der Zeitreihenanalyse, da es keine Eingangshistorie gibt, die verwendet wird - nur die aktuelle Eingabe. Es ist die diskrete Zeitäquivalent der Verzögerung erster Ordnung, die üblicherweise bei der analogen Modellierung von kontinuierlich - Zeitsteuersysteme In elektrischen Schaltungen ist ein RC-Filterfilter mit einem Widerstand und einem Kondensator eine Verzögerung erster Ordnung. Bei der Betonung der Analogie zu analogen Schaltungen ist der Einzelabstimmungsparameter die Zeitkonstante, die üblicherweise als Kleinbuchstabe Tau In geschrieben wird Tatsache, die Werte bei den diskreten Abtastzeiten entsprechen genau der äquivalenten kontinuierlichen Zeitverzögerung mit der gleichen Zeitkonstante. Die Beziehung zwischen der digitalen Implementierung und der Zeitkonstante ist in den folgenden Gleichungen dargestellt. Exponentielle Filtergleichungen und Initialisierung. Der Exponentialfilter ist gewichtet Kombination der vorherigen Schätzausgabe mit den neuesten Eingabedaten, wobei die Summe der Gewichte gleich 1 ist, so dass die Ausgabe mit dem Eingang im Steady-State übereinstimmt. Nach der Filter-Notation bereits eingeführt. ykay k-1 1-ax k. wo xk ist Die Rohaufnahme zum Zeitpunkt Schritt kyk ist die gefilterte Ausgabe zum Zeitschritt ka ist eine Konstante zwischen 0 und 1, normalerweise zwischen 0 8 und 0 99 a-1 oder a wird manchmal Glättungskonstante genannt. Für Systeme mit einem festen Zeitschritt T Zwischen den Samples wird die Konstante a nur dann vereinfacht und gespeichert, wenn der Applikationsentwickler einen neuen Wert der gewünschten Zeitkonstante spezifiziert. Dabei ist tau die Filterzeitkonstante in den gleichen Zeiteinheiten wie T. Für Systeme mit Datenabtastung bei Unregelmäßigen Intervallen, muss die Exponentialfunktion oben mit jedem Zeitschritt verwendet werden, wobei T die Zeit seit dem vorherigen Sample ist. Die Filterausgabe wird gewöhnlich initialisiert, um die erste Eingabe anzupassen. Wenn sich die Zeitkonstante 0 nähert, geht a auf Null Es gibt keine Filterung der Ausgabe entspricht der neuen Eingabe Da die Zeitkonstante sehr groß wird, nähert sich 1 1, so dass neue Eingabe fast sehr stark gefiltert wird. Die Filtergleichung oben kann in den folgenden Prädiktor-Korrektor-Äquivalent umgeordnet werden Macht es deutlicher, dass die variable Schätzausgabe des Filters als unverändert von der vorherigen Schätzung y k-1 plus ein Korrekturterm auf der Grundlage der unerwarteten Innovation vorhergesagt wird - der Unterschied zwischen dem neuen Eingang xk und der Vorhersage y k-1 Dies ist möglich Form ist auch das Ergebnis der Ableitung der exponentiellen Filter als ein einfacher Spezialfall eines Kalman-Filters, die die optimale Lösung für ein Schätzproblem mit einem bestimmten Satz von Annahmen ist. Schritt Antwort. Ein Weg, um den Betrieb des exponentiellen Filters zu visualisieren ist Plot seine Antwort über die Zeit zu einem Step-Eingang Das heißt, beginnend mit dem Filter-Eingang und Ausgang bei 0 wird der Eingangswert plötzlich auf 1 geändert. Die resultierenden Werte sind unten aufgetragen. Im obigen Diagramm wird die Zeit durch die Filterzeit geteilt Konstante Tau, so dass Sie die Ergebnisse für jede Zeitperiode leichter vorhersagen können, für jeden Wert der Filterzeitkonstante Nach einer Zeit gleich der Zeitkonstante steigt der Filterausgang auf 63 21 seines Endwertes Nach einer Zeit gleich 2 mal Konstanten steigt der Wert auf 86 47 seines Endwertes Die Ausgänge nach Zeiten gleich 3,4 und 5 Zeitkonstanten sind 95 02, 98 17 bzw. 99 33 des Endwertes. Da der Filter linear ist, bedeutet dies Dass diese Prozentsätze für jede Größenordnung der Stufenänderung verwendet werden können, nicht nur für den Wert von 1, der hier verwendet wird. Obwohl die Stufenreaktion in der Theorie eine unendliche Zeit nimmt, von einem praktischen Standpunkt aus, denken Sie an den exponentiellen Filter als 98 bis 99 Reagiert nach einer Zeit gleich 4 bis 5 Filterzeitkonstanten. Variationen auf dem Exponentialfilter. Es gibt eine Variation des Exponentialfilters, der als nichtlinearer Exponentialfilter bezeichnet wird, der Weber, 1980 beabsichtigt, das Rauschen innerhalb einer bestimmten typischen Amplitude stark zu filtern, aber dann mehr zu reagieren Schnell zu größeren änderungen. Copyright 2010 - 2013, Greg Stanley. Share diese Seite. Exponential Glättung Explained. Copyright Content auf ist urheberrechtlich geschützt und ist nicht für republication. Wenn die Menschen zuerst den Begriff Exponential Glättung begegnen sie vielleicht denken, dass klingt wie ein Hölle von einer Menge Glättung, was Glättung ist Sie dann beginnen, eine komplizierte mathematische Berechnung, die wahrscheinlich erfordert einen Abschluss in Mathematik zu verstehen, und hoffe, es ist eine eingebaute Excel-Funktion zur Verfügung, wenn sie jemals brauchen, um es zu tun Die Realität der exponentiellen Glättung ist weit weniger dramatisch und weit weniger traumatisch. Die Wahrheit ist, exponentielle Glättung ist eine sehr einfache Berechnung, die eine ziemlich einfache Aufgabe vollbringt. Es hat nur einen komplizierten Namen, denn was technisch geschieht als Ergebnis dieser einfachen Berechnung ist eigentlich ein wenig kompliziert. Um eine exponentielle Glättung zu verstehen, hilft es, mit dem allgemeinen Konzept der Glättung zu beginnen und ein paar andere gängige Methoden, um Glättung zu erreichen. Was ist Glättung. Smoothing ist ein sehr häufiger statistischer Prozess In der Tat, wir regelmäßig begegnen geglätteten Daten in verschiedenen Formen in Unsere täglichen Leben Jedes Mal, wenn Sie einen Durchschnitt verwenden, um etwas zu beschreiben, verwenden Sie eine geglättete Zahl Wenn Sie darüber nachdenken, warum Sie einen Durchschnitt verwenden, um etwas zu beschreiben, werden Sie schnell verstehen, das Konzept der Glättung Zum Beispiel haben wir nur erlebt Der wärmste Winter auf Rekord Wie können wir das gut beurteilen Nun beginnen wir mit Datensätzen der täglichen Hoch - und Tieftemperaturen für den Zeitraum, den wir Winter für jedes Jahr in der aufgezeichneten Geschichte nennen. Aber das lässt uns mit einem Bündel von Zahlen, die ganz herumspringen Biss ist es nicht wie jeden Tag dieser Winter war wärmer als die entsprechenden Tage aus allen vergangenen Jahren Wir brauchen eine Nummer, die all dies aus den Daten springt, so dass wir leichter einen Winter mit dem nächsten vergleichen können, das das Springen in den Daten entfernt Heißt Glättung, und in diesem Fall können wir einfach einen einfachen Durchschnitt verwenden, um die Glättung zu erreichen. Bei der Bedarfsprognose verwenden wir Glättung, um zufälliges Variation Lärm aus unserer historischen Nachfrage zu entfernen. Dies ermöglicht es uns, die Nachfragemuster in erster Linie Trend und Saisonalität und Nachfrage zu identifizieren Ebenen, die zur Schätzung der zukünftigen Nachfrage verwendet werden können Der Lärm in der Nachfrage ist das gleiche Konzept wie das tägliche Springen um die Temperatur Daten Nicht überraschend, die häufigste Art und Weise Menschen entfernen Lärm aus der Nachfrage Geschichte ist es, eine einfache durchschnittliche oder genauer gesagt, ein Gleitender Durchschnitt Ein gleitender Durchschnitt verwendet nur eine vordefinierte Anzahl von Perioden, um den Durchschnitt zu berechnen, und diese Perioden bewegen sich, wenn die Zeit vergeht. Zum Beispiel, wenn ich einen 4-Monats-Gleitender Durchschnitt brauche und heute am 1. Mai bin ich mit einem Durchschnitt Nachfrage, die im Januar, Februar, März und April aufgetreten ist Am 1. Juni werde ich die Nachfrage von Februar, März, April und Mai. Weighted gleitenden Durchschnitt. Wenn Sie einen Durchschnitt verwenden wir die gleiche Bedeutung Gewicht auf jeden Wert in Der Dataset Im 4-Monats-Gleitender Durchschnitt repräsentiert jeder Monat 25 des gleitenden Durchschnitts. Wenn man die Nachfragegeschichte verwendet, um die zukünftige Nachfrage und vor allem den künftigen Trend zu projizieren, ist es logisch, zu dem Schluss zu kommen, dass Sie eine neuere Geschichte haben möchten Auswirkungen auf Ihre Prognose Wir können unsere gleitendurchschnittliche Berechnung anpassen, um verschiedene Gewichte auf jede Periode anzuwenden, um unsere gewünschten Ergebnisse zu erhalten. Wir geben diese Gewichte als Prozentsätze aus, und die Summe aller Gewichte für alle Perioden muss bis zu 100 addieren. Wenn wir uns entscheiden Wir wollen 35 als das Gewicht für die nächste Periode in unserem 4-Monats-gewichteten gleitenden Durchschnitt anwenden, können wir 35 von 100 zu subtrahieren, um zu finden, dass wir noch 65 übrig haben, um über die anderen 3 Perioden zu teilen. Zum Beispiel können wir am Ende mit einer Gewichtung Von 15, 20, 30 und 35 für die 4 Monate 15 20 30 35 100.Exponentielle Glättung. Wenn wir zurück zu dem Konzept der Anwendung eines Gewichts auf die jüngste Periode wie 35 im vorherigen Beispiel und die Verbreitung der verbleibenden Gewicht, berechnet durch Subtraktion des letzten Periodengewichts von 35 von 100, um 65 zu erhalten, haben wir die Grundbausteine ​​für unsere exponentielle Glättungsberechnung. Der steuernde Eingang der exponentiellen Glättungsberechnung wird als Glättungsfaktor bezeichnet, der auch als Glättungskonstante bezeichnet wird Die Gewichtung auf die jüngste Periode s Nachfrage So, wo wir 35 als die Gewichtung für die jüngste Periode in der gewichteten gleitenden durchschnittlichen Berechnung verwendet haben, könnten wir auch wählen, um 35 als Glättungsfaktor in unserer exponentiellen Glättung Berechnung zu bekommen Ähnlicher Effekt Der Unterschied zur exponentiellen Glättungsrechnung ist, dass anstelle von uns auch herauszufinden ist, wie viel Gewicht für jede vorherige Periode gilt, wird der Glättungsfaktor verwendet, um das automatisch zu tun. So kommt hier der exponentielle Teil Wenn wir 35 als verwenden Der Glättungsfaktor, die Gewichtung der jüngsten Periode s Nachfrage wird 35 Die Gewichtung der nächsten letzten Periode s verlangen die Zeit vor dem jüngsten werden 65 von 35 65 kommt von Subtraktion 35 von 100 Dies entspricht 22 75 Gewichtung Für diesen Zeitraum, wenn Sie die Mathematik. Die nächste jüngste Periode s Nachfrage wird 65 von 65 von 35, was entspricht 14 79 Die Periode davor wird als 65 von 65 von 65 von 35 gewichtet werden, was 9 61 entspricht , Und so weiter Und das geht zurück durch alle Ihre vorherigen Perioden den ganzen Weg zurück zum Anfang der Zeit oder der Punkt, an dem Sie begonnen, exponentielle Glättung für das jeweilige Item. Sie vermutlich denken, dass s wie eine ganze Menge aussieht Mathe Aber die Schönheit der exponentiellen Glättung Berechnung ist, dass anstatt, um jede vorherige Periode neu zu berechnen, jedes Mal, wenn Sie eine neue Periode s Nachfrage erhalten, verwenden Sie einfach die Ausgabe der exponentiellen Glättung Berechnung aus der vorherigen Periode, um alle vorherigen Perioden zu repräsentieren. Sind Sie verwirrt, doch wird dies sinnvoller sein, wenn wir uns die tatsächliche Berechnung anschauen. Typischerweise verweisen wir auf die Ausgabe der exponentiellen Glättungsberechnung als nächste Periode Prognose In Wirklichkeit braucht die ultimative Prognose ein wenig mehr Arbeit, aber für die Zwecke von Diese spezifische berechnung, so werden wir sie als prognose bezeichnen. Die exponentielle Glättungsberechnung ist wie folgt: Die jüngste Periode s verlangt multipliziert mit dem Glättungsfaktor PLUS Die jüngste Periode s prognostiziert multipliziert mit einem minus dem Glättungsfaktor Periode s Nachfrage S der Glättungsfaktor, der in Dezimalform dargestellt wird, so würde 35 als 0 35 F dargestellt werden. Die jüngste Periode s prognostiziert die Ausgabe der Glättungsberechnung aus der vorherigen Periode. OR unter der Annahme eines Glättungsfaktors von 0 35. Es geht nicht Viel einfacher als das. Sie können sehen, alles, was wir für Dateneingaben brauchen, sind hier die jüngste Periode s Nachfrage und die jüngste Periode s Prognose Wir wenden die Glättung Faktor Gewichtung auf die jüngste Periode s Nachfrage die gleiche Weise, die wir in Die gewichtete gleitende Durchschnittsberechnung Wir setzen dann die verbleibende Gewichtung 1 minus der Glättungsfaktor auf die jüngste Periode s prognostizieren. Da die jüngste Periode s Prognose auf der Grundlage der vorherigen Periode s Nachfrage und der vorherigen Periode s Prognose, die basiert wurde erstellt wurde Auf die Forderung nach dem vorangegangenen Zeitraum und die Prognose für den Zeitraum vor dem, der auf der Nachfrage nach dem darauffolgenden Zeitraum und der Prognose für den Zeitraum davor basierte, der auf der Zeit vor diesem war Sehen Sie, wie alle vorherigen Periode s Nachfrage in der Berechnung dargestellt werden, ohne tatsächlich zurückzugehen und alles neu zu berechnen. Und das s, was die anfängliche Popularität der exponentiellen Glättung fuhr Es war nicht, weil es einen besseren Job der Glättung als gewichteten gleitenden Durchschnitt tat, war es, weil Es war einfacher, in einem Computerprogramm zu berechnen Und weil du nicht darüber nachdenken musst, was Gewichtung, um vorherige Perioden zu geben oder wieviele vorherige Perioden zu verwenden, wie du in gewichtetem gleitendem Durchschnitt gehst Und weil es nur kühler klang als gewichtet bewegt Mittlerweile könnte man argumentieren, dass der gewichtete gleitende Durchschnitt eine größere Flexibilität bietet, da Sie mehr Kontrolle über die Gewichtung der vorherigen Perioden haben. Die Realität ist entweder von diesen kann respektable Ergebnisse liefern, also warum nicht mit einfacher und kühler klingen. Exponential Glättung In Excel. Let s sehen, wie dies tatsächlich in einer Kalkulationstabelle mit echten Daten aussehen würde. Copyright Content auf ist urheberrechtlich geschützt und ist nicht für die Wiederveröffentlichung verfügbar. In Abbildung 1A haben wir eine Excel-Kalkulationstabelle mit 11 Wochen Nachfrage und eine exponentiell Geglättete Prognose aus dieser Nachfrage berechnet Ich habe einen Glättungsfaktor von 25 0 25 in Zelle C1 verwendet Die aktuelle aktive Zelle ist Zelle M4, die die Prognose für Woche 12 enthält. Sie können in der Formelleiste sehen, die Formel ist L3 C1 L4 1- C1 Also die einzigen direkten Eingaben zu dieser Berechnung sind die vorherige Periode s Nachfrage Zelle L3, die vorherige Periode s Prognose Zelle L4, und die Glättungsfaktor Zelle C1, als absolute Zelle Referenz C1.Wenn wir eine exponentielle Glättung Berechnung beginnen, müssen wir Manuell stecken den Wert für die 1. Prognose Also in Zelle B4, anstatt eine Formel, haben wir nur die Nachfrage aus dem gleichen Zeitraum wie die Prognose In Zelle C4 haben wir unsere erste exponentielle Glättung Berechnung B3 C1 B4 1- C1 Wir können dann Kopiere Cell C4 und füge es in die Zellen D4 bis M4 ein, um den Rest unserer Prognosezellen zu füllen. Du kannst nun auf eine beliebige Prognosezelle doppelklicken, um zu sehen, dass sie auf der vorherigen Periode s Prognosezelle basiert und die vorherige Periode s Nachfrage Zelle So Jede nachfolgende exponentielle Glättungsberechnung erbt die Ausgabe der vorherigen exponentiellen Glättungsberechnung. Das ist, wie jede vorherige Periode s Nachfrage in der jüngsten Periodenrechnung berechnet wird, obwohl diese Berechnung nicht direkt auf diese vorherigen Perioden verweist. Wenn du Lust haben willst, Kann Excel s Trace-Präzedenz-Funktion verwenden Um dies zu tun, klicken Sie auf Cell M4, dann auf die Multifunktionsleiste Excel 2007 oder 2010 klicken Sie auf die Registerkarte Formeln, dann klicken Sie auf Trace Precedents Es wird Verbindungslinien auf die 1. Ebene der Präzedenzfälle, aber wenn Sie Klicke auf Trace Precedents wird es Verbindungslinien zu allen vorherigen Perioden zeichnen, um Ihnen die ererbten Beziehungen zu zeigen. Jetzt sehen wir, was exponentielle Glättung für uns getan hat. Bild 1B zeigt ein Liniendiagramm unserer Nachfrage und Prognose Sie Fall sehen, wie die exponentiell geglättete Prognose Entfernt die meisten der Zacken, die von der wöchentlichen Nachfrage herumspringen, aber immer noch gelingt, dem zu folgen, was ein Aufwärtstrend bei der Nachfrage zu sein scheint. Sie werden auch feststellen, dass die geglättete Prognoselinie tendenziell niedriger ist als die Nachfragelinie. Dies wird als Trendverzögerung bezeichnet Und ist eine Nebenwirkung des Glättungsprozesses Jedes Mal, wenn Sie Glättung verwenden, wenn ein Trend vorhanden ist, wird Ihre Prognose hinter dem Trend liegen. Dies gilt für jede Glättungstechnik In der Tat, wenn wir diese Kalkulationstabelle fortsetzen und die Eingabe von niedrigeren Nachfragezahlen machen würden Ein Abwärtstrend würden Sie die Nachfragelinie fallen sehen, und die Trendlinie bewegt sich über ihm, bevor sie anfängt, dem Abwärtstrend zu folgen. Das ist der Grund, warum ich vorher die Ausgabe von der exponentiellen Glättungsrechnung erwähnt habe, die wir eine Prognose nennen, benötigt noch etwas mehr Arbeit Es gibt viel mehr zu prognostizieren als nur Glättung der Beulen in der Nachfrage Wir müssen zusätzliche Anpassungen für Dinge wie Trend Verzögerung, Saisonalität, bekannte Ereignisse, die die Nachfrage beeinflussen können, etc. Aber alles, was außerhalb des Umfangs dieses Artikels ist. Sie ​​werden Wahrscheinlich auch in Begriffe wie doppel-exponentielle Glättung und Triple-Exponential-Glättung Diese Begriffe sind ein bisschen irreführend, da Sie nicht re-Glättung der Nachfrage mehrmals, wenn Sie wollen, aber das ist nicht der Punkt hier Diese Begriffe sind mit exponentiell Glättung auf weitere Elemente der Prognose So mit einfacher, exponentieller Glättung glätten Sie die Basisanforderung, aber mit doppelter Exponentialglättung glätten Sie die Basisanforderung und den Trend und mit der dreifach exponentiellen Glättung glätten Sie die Basisanforderung plus die Trend und die Saisonalität. Die andere am häufigsten gestellte Frage nach exponentielle Glättung ist, wo bekomme ich meine Glättung Faktor Es gibt keine magische Antwort hier, müssen Sie verschiedene Glättungsfaktoren mit Ihren Nachfrage Daten zu sehen, was bekommt man die besten Ergebnisse Es gibt Berechnungen, die automatisch den Glättungsfaktor einstellen und ändern können. Diese fallen unter den Begriff adaptive Glättung, aber du musst mit ihnen vorsichtig sein. Es gibt einfach keine perfekte Antwort und du solltest keine Blindheit ohne gründliche Prüfung durchführen und ein gründliches Verständnis dessen schaffen Diese Berechnungen sollten Sie auch ausführen, was-wenn-Szenarien zu sehen, wie diese Berechnungen auf Bedarfsänderungen reagieren, die derzeit nicht in den Bedarfsdaten vorhanden sind, die Sie zum Testen verwenden. Das Datenbeispiel, das ich vorher verwendete, ist ein sehr gutes Beispiel für eine Situation, wo Sie müssen wirklich einige andere Szenarien testen. Das besondere Datenbeispiel zeigt einen etwas konsequenten Aufwärtstrend Viele große Unternehmen mit sehr teurer Prognosesoftware haben sich in der nicht so weit entfernten Vergangenheit in große Schwierigkeiten gebracht, als ihre Software-Einstellungen, die für eine wachsende Wirtschaft gezwickt wurden, didn T reagieren gut, wenn die Wirtschaft begann zu stagnieren oder zu schrumpfen Dinge wie dies geschehen, wenn Sie nicht verstehen, was Ihre Berechnungssoftware tatsächlich tut Wenn sie ihre Prognosesystem verstanden haben, hätten sie gewusst, dass sie brauchen, um zu springen und etwas zu ändern, wenn es plötzlich dramatisch war Änderungen an ihrem business. So dort haben Sie es die Grundlagen der exponentiellen Glättung erklärt Wollen Sie mehr über die Verwendung von exponentiellen Glättung in einer tatsächlichen Prognose wissen, schauen Sie sich mein Buch Inventory Management Explained. Copyright Content auf ist urheberrechtlich geschützt und ist nicht für die Wiederveröffentlichung verfügbar. Dave Piasecki ist Eigentümer Betreiber von Inventory Operations Consulting LLC ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Material Handling und Lager-Operationen hat Er hat über 25 Jahre Erfahrung in der Betriebsführung und kann über seine Website erreicht werden, wo er zusätzliche relevante Informationen unterhält. Mein Geschäft.