सरल चलती - औसत - उदाहरण - पूर्वानुमान

औसत चल रहा है। यह उदाहरण आपको सिखाता है कि Excel में एक समय श्रृंखला की चलती औसत की गणना कैसे की जा सकती है एक चलती औसत का प्रयोग रुझानों को आसानी से पहचानने के लिए चोटियों और घाटियों को आसानी से करने के लिए किया जाता है। सबसे पहले, हम अपने समय की श्रृंखला देखें। डेटा टैब पर, डेटा विश्लेषण पर क्लिक करें। नोट डेटा विश्लेषण बटन नहीं ढूंढ सकता विश्लेषण टूलपैक ऐड-इन को लोड करने के लिए यहां क्लिक करें। चलना औसत चुनें और OK.4 पर क्लिक करें। इनपुट रेंज बॉक्स पर क्लिक करें और सीमा B2 M2 चुनें। 5 अंतराल बॉक्स में क्लिक करें और टाइप करें 6.6 आउटपुट रेंज बॉक्स में क्लिक करें और सेल का चयन करें B3.8 इन मानों का ग्राफ़ करें। एक्सप्लैनेशन क्योंकि हम अंतराल को 6 निर्धारित करते हैं, चल औसत औसत पिछले 5 डेटा बिंदुओं का औसत है और वर्तमान डेटा बिंदु, नतीजतन, चोटियों और घाटियों को सुखाया जाता है ग्राफ बढ़ती हुई प्रवृत्ति को दर्शाता है एक्सेल पहले 5 डेटा बिंदुओं के लिए चलती औसत की गणना नहीं कर सकता क्योंकि वहां पर्याप्त पिछले डेटा पॉइंट्स नहीं हैं। 9 अंतराल के लिए चरण 2 से 8 दोहराएं और अंतराल 4. सम्मेलन ला अंतराल को रगड़ना, अधिक चोटियों और घाटियों को खत्म कर दिया जाता है छोटे अंतराल, वास्तविक डेटा बिंदुओं के करीब चलती औसत। सरल मूविंग एवरेज - एसएमए। डाउनिंग डाउन सरल मूविंग औसत - एसएमए। सरल चलती औसत अनुकूलन योग्य है इसमें समय की एक संख्या के लिए सुरक्षा की समाप्ति मूल्य को जोड़कर समय की एक अलग अवधि के लिए गणना की जा सकती है, और फिर समय अवधि की संख्या से यह कुल विभाजित करके, जो सुरक्षा की औसत कीमत देता है समय की अवधि एक सरल चलती औसत में अस्थिरता को चिकना होता है, और सुरक्षा की कीमत प्रवृत्ति को देखना आसान बनाता है यदि सरल चलती औसत अंक ऊपर, इसका मतलब यह है कि सुरक्षा की कीमत बढ़ रही है यदि यह इंगित हो रहा है तो इसका मतलब है कि सुरक्षा चलती औसत के लिए अब समय सीमा, चिकनी सरल चलती औसत एक छोटी अवधि की चलती औसत अधिक अस्थिर है, लेकिन इसके पढ़ने स्रोत डेटा के करीब है। विश्लेषणात्मक l महत्वपूर्णता। औसत की औसत एक महत्वपूर्ण विश्लेषणात्मक उपकरण है जिसका उपयोग वर्तमान मूल्य प्रवृत्तियों और एक स्थापित प्रवृत्ति में बदलाव की संभावना को पहचानने में किया जाता है। सरल चलने वाले औसत विश्लेषण का उपयोग करने का सरलतम रूप यह उपयोग करने के लिए तेजी से पहचानता है कि क्या कोई सुरक्षा एक अपट्रेंड में है या डाउनथ्रेंड थोड़ा और जटिल विश्लेषणात्मक उपकरण हालांकि, एक और लोकप्रिय, प्रत्येक को अलग-अलग समय के फ्रेम के साथ सरल चलती औसत की एक जोड़ी की तुलना करना है यदि एक छोटी-सी अवधि की सरल चलती औसत एक लंबी अवधि के औसत से ऊपर है, तो एक अपट्रेंड की उम्मीद है दूसरे पर हाथ, कम अवधि के औसत से ऊपर एक दीर्घकालिक औसत प्रवृत्ति में एक निम्न गति का संकेत देता है। लोकप्रिय व्यापार पैटर्न। दो लोकप्रिय व्यापारिक पैटर्न जो साधारण चलती औसत का उपयोग करते हैं उनमें मौत पार और एक सुनहरा क्रॉस शामिल होता है एक मौत पार तब होता है जब 50- दिन की सरल चलती औसत 200-दिवसीय मूविंग एक्शन से नीचे पार करता है यह एक मंदी का संकेत माना जाता है, जिससे कि अधिक नुकसान स्टोर में हो रहा है जब सुनहरे क्रॉस तब होता है जब अल्पावधि चलती है लंबी अवधि के चलने वाले औसत से अधिक का टूटना, उच्च व्यापारिक संस्करणों से मजबूत होता है, यह आगे बढ़ने का संकेत कर सकता है दुकान में हैं। एक पूर्वानुमान गणना उदाहरण। 1 1 पूर्वानुमान गणना पद्धतियां। गणना की गणना के दस तरीके उपलब्ध हैं इनमें से अधिकांश तरीके सीमित उपयोगकर्ता नियंत्रण उदाहरण के लिए, हाल के ऐतिहासिक डेटा या गणना में उपयोग किए जाने वाले ऐतिहासिक डेटा की तारीख सीमा पर दिया गया वजन निर्दिष्ट किया जा सकता है निम्नलिखित उदाहरण प्रत्येक ऐतिहासिक पूर्वानुमानों के समान सेट के अनुसार, उपलब्ध पूर्वानुमान विधियों के लिए गणना प्रक्रिया दिखाते हैं। उदाहरणों में 2006 की बिक्री पूर्वानुमान के लिए एक ही 2004 और 2005 के बिक्री डेटा का उपयोग पूर्वानुमान पूर्वानुमान के अलावा, प्रत्येक उदाहरण में एक तीन महीने की धारक अवधि प्रसंस्करण विकल्प 1 9 3 के लिए सिम्युलेटेड 2005 पूर्वानुमान शामिल है, जिसका उपयोग सटीकता के प्रतिशत के लिए किया जाता है और निरपेक्ष विचलन गणना वास्तविक पूर्वानुमान की तुलना में नकली पूर्वानुमान। ए 2 पूर्वानुमान प्रदर्शन मूल्यांकन मानदंड आपके प्रोसेसिंग विकल्पों के चयन पर और बिक्री डेटा में मौजूदा प्रवृत्तियों और पैटर्नों पर एनजी, कुछ भविष्यवाणी के तरीके किसी भी ऐतिहासिक डेटा सेट के लिए दूसरों की तुलना में बेहतर प्रदर्शन करेंगे। एक उत्पाद के लिए उपयुक्त एक पूर्वानुमान विधि किसी दूसरे उत्पाद के लिए उपयुक्त नहीं हो सकती है यह भी संभावना नहीं है कि भविष्यवाणी की विधि जो उत्पाद के जीवन चक्र के एक चरण में अच्छे परिणाम प्रदान करती है, पूरे जीवन चक्र में उचित रहेगी। आप भविष्य के तरीकों के वर्तमान प्रदर्शन का मूल्यांकन करने के लिए दो विधियों के बीच चयन कर सकते हैं ये पूर्ण अर्थ विचलन एमएडी हैं और शुद्धता पीओए का प्रतिशत इन दोनों प्रदर्शन मूल्यांकन विधियों को उपयोगकर्ता के लिए निर्दिष्ट समय के लिए ऐतिहासिक बिक्री डेटा की आवश्यकता होती है समय की अवधि को एक पकड़ने की अवधि या सर्वोत्तम समय के लिए पीबीएफ कहा जाता है इस अवधि में डेटा की सिफारिश के लिए आधार के रूप में उपयोग किया जाता है अगली पूर्वानुमान प्रक्षेपण करने में उपयोग करने के लिए पूर्वानुमान की विधियां यह सिफारिश प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से अगले में बदल सकते हैं दो पूर्वानुमान प्रदर्शन मूल्यांकन विधियों बारह पूर्वानुमान के तरीकों के उदाहरणों के बाद पृष्ठों में प्रदर्शित होते हैं। एक 3 विधि 1 - पिछले वर्ष से निर्दिष्ट प्रतिशत। इस पद्धति से पिछले वर्ष के बिक्री डेटा गुणा कर उदाहरण के लिए एक उपयोगकर्ता निर्दिष्ट कारक, 10 वृद्धि के लिए 1 10, या 3 में कमी के लिए 0 97. अनिवार्य बिक्री इतिहास पूर्वानुमान की गणना के लिए एक वर्ष और उपयोगकर्ता पूर्वानुमान पूर्वानुमान प्रसंस्करण विकल्प का मूल्यांकन करने के लिए समय अवधि की निर्दिष्ट संख्या 19.ए 4 1 भविष्यवाणी की गणना। इस उदाहरण में वृद्धि कारक प्रसंस्करण विकल्प 2 ए 3 की गणना करने के लिए बिक्री इतिहास की सीमा। 2005 के अंतिम तीन महीनों में 114 114 9 117 137 370. पिछले वर्ष के लिए ही तीन महीने 123 13 9 133 395. गणना का कारक 370 395 0 9 367. अनुमानों का अनुमान लगा लो। जनवरी, 2005 की बिक्री 128 0 9367 119 8036 या लगभग 120.फेबबरी, 2005 की बिक्री 117 0 9367 109 5939 या 110 के बारे में। मार्च, 2005 बिक्री 115 0 9367 107 7205 या लगभग 108. ए 4 2 नकली अनुमान गणना। 2005 के तीन महीनों के लिए धारक अवधि जुलाई, अगस्त, सितंबर, 140 140 131 400.Sum पिछले वर्ष के लिए ही तीन महीने .41 128 118 387. गणना का पहलू 400 387 1 0335 9 17 31. नकली भविष्यवाणी का अनुमान। अक्टूबर 2004 बिक्री 123 1 0335 9 1731 127 13178। नवंबर, 2004 बिक्री 13 9 1 0335 9 1731 143 66925.डिस्कर, 2004 की बिक्री 133 1 0335 9 1731 137 4677. ए 4 3 सटीकता की गणना की प्रतिशत। पीओए 127 13178 143 66925 137 4677 114 119 137 100 408 26873 370 100 110 3429. ए 4 4 निरपेक्ष विचलन गणना। एमएडी 127 13178 - 114 143 66925 - 119 137 4677- 137 3 13 13178 24 66925 0 4677 3 12 75624. ए 5 विधि 3 - पिछले साल इस साल के लिए। इस पद्धति में पिछले साल से पिछले वर्ष के बिक्री आंकड़ों की प्रतियां प्रतिलिपि होती हैं। पूर्वानुमानयुक्त बिक्री इतिहास पूर्वानुमान के लिए एक वर्ष के पूर्वानुमान के साथ-साथ भविष्यवाणी प्रदर्शन प्रसंस्करण विकल्प के मूल्यांकन के लिए निर्दिष्ट समय अवधि की संख्या 19.ए 6 1 पूर्वानुमान गणना औसतन प्रसंस्करण में शामिल होने की अवधि इस उदाहरण में ption 4a 3। पूर्वानुमान के प्रत्येक महीने के लिए, औसत पिछले तीन महीने के डेटा। जनवरी का पूर्वानुमान 114 119 137 370, 370 3 123 333 या 123.फ़िबरी पूर्वानुमान 119 137 123 37 9, 37 9 3 126 333 या 126। मार्च का पूर्वानुमान 137 123 126 379, 386 3 128 667 या 12 9. ए 6 2 सिमुलेट पूर्वानुमान गणना। अक्टूबर 2005 की बिक्री 12 9 140 131 3 133 3333. नवंबर 2005 बिक्री 140 131 114 3 128 3333.डिसेंबर 2005 की बिक्री 131 114 119 3 121 3333 ए 6 3 सटीकता की गणना की प्रतिशत। पीओए 133 3333 128 3333 121 3333 114 119 137 100 103 513. ए 6 4 मतलब निरपेक्ष विचलन गणना। एमएडी 133 3333 - 114 128 3333 - 119 121 3333 - 137 3 14 7777. ए 7 विधि 5 - रैखिक अनुमान। लाइनर एडॉसिमेशन दो विक्रय इतिहास डेटा बिंदुओं के आधार पर एक प्रवृत्ति की गणना करता है। ये दो अंक एक सीधे प्रवृत्ति रेखा को परिभाषित करते हैं जो भविष्य में पेश किया गया है सावधानी के साथ इस पद्धति का उपयोग करें, क्योंकि लंबी अवधि के पूर्वानुमानों में छोटे बदलाव दो डेटा बिंदु। आवश्यक बिक्री इतिहास प्रतिगमन जनसंपर्क में शामिल करने के लिए अवधि की संख्या ओसाइजिंग विकल्प 5 ए, प्लस 1 प्लस पूर्वानुमान प्रदर्शन प्रदर्शन विकल्प का मूल्यांकन करने के लिए समय अवधि की संख्या 19.ए 8 1 पूर्वानुमान गणना। इस उदाहरण में प्रतिगमन प्रसंस्करण विकल्प 6a 3 में शामिल होने की संख्या। पूर्वानुमान के प्रत्येक महीने के लिए, जोड़ें पिछली अवधि से पहले की अवधि के दौरान निर्दिष्ट अवधि के दौरान वृद्धि या कमी। पिछले तीन महीनों के औसत 114 119 137 3 123 3333. माना जाता है कि वजन के साथ पिछले तीन महीनों के सारांश 114 1 119 2 137 3 763. मूल्यों के बीच अंतर। 763 - 123 3333 1 2 3 23. आरक्षण 1 2 2 2 2 2 - 2 3 14 - 12 2. वैल्यू 1 अंतर अनुपात 23 2 11 5. वैल्यू 2 औसत - मान 1 अनुपात 123 3333 - 11 5 2 100 3333.Forecast 1 n मान 1 मूल्य 2 4 11 5 100 3333 146 333 या 146 5 5 5 11 5 100 3333 157 8333 या 158. 6 6 6 5 5 5 5 6 33 33 169 3333 या 16 9. ए 8 2 नकली अनुमान गणना। अक्टूबर 2004 बिक्री। पिछले तीन महीनों के औसत । 12 9 140 131 3 133 3333. पिछले तीन महीनों के वजन के साथ माना जाता है। 12 9 1 140 2 131 3 802. मूल्यों के बीच अंतर। 802 - 133 3333 1 2 3 2. रिटियो 1 2 2 2 2 2 2 3 14 - 12 2. वैल्यू 1 अंतर अनुपात 2 2 1. वेल्यू 2 औसत - मान 1 अनुपात 133 3333 - 1 2 131 3333.Forecast 1 n मान 1 मान 2 4 1 131 3333 135 3333. नवंबर 2004 बिक्री। पिछले तीन महीनों के औसत। 140 131 114 3 128 3333. पिछले तीन महीने के वजन के साथ माना जाता है। 140 1 131 2 114 3 744. मूल्यों के बीच अंतर 744 - 128 3333 1 2 3 -25 99 99. वैल्यू 1 अंतर अनुपात -25 99 99 2 -12 99 99. मूल्य 2 औसत - मान 1 अनुपात 128 3333 - -12 99 99 2 154 3333.Forecast 4 -12 99 99 154 3333 102 3333. दिसंबर 2004 बिक्री। पिछले तीन महीनों के औसत। 131 114 119 3 121 3333. पिछले तीन महीनों के वजन में माना जाता है। 131 1 114 2 119 3 716. मूल्यों के बीच अंतर। 716 - 121 3333 1 2 3 -11 99 99. वैल्यू 1 अंतर अनुपात -11 99 99 2 -5 99 99. वैल्यू 2 औसत - मान 1 अनुपात 121 3333 - -5 99 99 2 133 3333.अधिकृत 4 -5 99 99 133 3333 109 3333. ए 8 3 पीओए 135 33 102 33 109 33 114 119 137 100 93 78. ए 8 4 मतलब निरपेक्ष विचलन गणना.एमएडी 135 33 - 114 102 33 - 119 109 33 - 137 3 21 88. ए 9 विधि 7 - दूसरा डिग्री अनुमान। लीडर रेग्रेसन पूर्वानुमान और फार्मूले में ए और बी के लिए मूल्यों को निर्धारित करता है वाई एक बीएक्स, बिक्री इतिहास के आंकड़ों के लिए सीधी रेखा फिटिंग के उद्देश्य से दूसरा डिग्री अनुमान समान है हालांकि, यह विधि ए, बी और सी के लिए मूल्यों को निर्धारित करती है पूर्वानुमान का सूत्र वाई बीएक्स सीएक्स 2 बिक्री के इतिहास के आंकड़ों के लिए एक वक्र फिटिंग के उद्देश्य के साथ यह विधि उपयोगी हो सकती है जब एक उत्पाद जीवन चक्र के चरणों के बीच संक्रमण में होता है उदाहरण के लिए, जब एक नया उत्पाद विकास चरणों में परिचय से चलता है , बिक्री की प्रवृत्ति में तेजी ला सकती है क्योंकि दूसरे आदेश की अवधि के कारण, पूर्वानुमान जल्दी पहुंच सकता है अनन्तता या शून्य पर निर्भर करता है कि क्या गुणांक सी सकारात्मक या ऋणात्मक है इसलिए, यह विधि केवल अल्पावधि में उपयोगी है। मौसम विशिष्टताओं सूत्रों को एक, बी, और सी को खोजने के लिए वक्र को ठीक तीन अंक मिलते हैं। प्रसंस्करण विकल्प 7 ए, डेटा के समय-अवधि की संख्या, तीन अंकों में से प्रत्येक में जमा होती है इस उदाहरण में एन 3 इसलिए, जून के माध्यम से अप्रैल के लिए वास्तविक बिक्री डेटा पहले बिंदु में जोड़ दिया जाता है, Q1 जुलाई से सितंबर को एक साथ जोड़ दिया जाता है ताकि Q2 बनाया जा सके , और अक्टूबर से दिसंबर राशि तक Q3 के लिए वक्र तीन मानों Q1, Q2, और Q3 के लिए फिट होगा। पूर्वानुमान की गणना के लिए अनिवार्य बिक्री इतिहास 3 एन अवधि प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. Number of इस उदाहरण में प्रसंस्करण विकल्प 7a 3 को शामिल करने की अवधि। तीन महीने के महीनों में पिछले 3 महीने का उपयोग करें। क्यू 1 अप्रैल - जून 125 122 137 384. क्वा। जुलाई - सितंबर 12 9 140 131 400. क्वा 3 अक्टूबर - दिसंबर 114 119 137 370। अगले चरण में सी शामिल है पूर्वानुमान के सूत्र वाई एक बीएक्स सीएक्स 2 में इस्तेमाल होने वाले तीन गुणांकों को ए, बी, और सी को एल्कोलेट करना। 1 Q1 एक बीएक्स सीएक्स 2 जहां एक्स 1 ए बी सी 2 क्यू 2 एक बीएक्स सीएक्स 2 जहां एक्स 2 ए 2 बी 4 सी। 3 क्यू 3 एक बीएक्स सीएक्स 2 जहां एक्स 3 ए 3 बी 9 सी। समीकरण 3 समीकरणों को एक साथ समीकरण के लिए बी, ए, और सी। स्यूब्ट्रैक्ट समीकरण 1 को समीकरण 2 से मिला और बी के लिए हल करें। इस समीकरण को बी में समीकरण 3. 3 क्यू 3 ए 3 Q2 - Q1 - 3 सी सी। अंत में, समीकरणों में ए और बी के लिए इन समीकरणों का स्थान बदलें 1. क्यू 3 - 3 Q2 - Q1 q2 - Q1 - 3 सी सी Q1.c Q3 - Q2 Q1 - Q2 2. दूसरा डिग्री अनुमान का तरीका गणना क्यू 3 - 3 क्यू 2 - क्यू 1 370 - 3 400 - 384 322 सी क्यू 3 - क्यू 2 क्यू 1 - क्यू 2 2 370 - 400 384 - 400 2 -23. बी क्यू 2 - क्यू 1 - 3 सी 400 - 384 - 3 -23 85. एक बीएक्स सीएक्स 2 322 85 एक्स -23 एक्स 2. जनवरी के माध्यम से जनवरी का पूर्वानुमान एक्स 4. 322 340 - 368 3 294 3 98 प्रति अवधि। जून पूर्वानुमान एक्स के माध्यम से अप्रैल। 322 425 - 575 3 57 333 या 57 प्रति अवधि। सितंबर के पूर्वानुमान के मुकाबले जुलाई 6 एक्स 6 322 510 - 828 3 1 33 या 1 प्रति अवधि। अक्टूबर से दिसंबर 7 तक। 322 595 - 1127 3 -70. ए 9 2 नकली अनुमान गणना। अक्टूबर, नवंबर और दिसंबर, 2004 की बिक्री। Q1 जनवरी - मार्च 360.क्यू 2 अप्रैल - जून 384.क्यू 3 जुलाई - सितंबर 400.ए 400-3384 - 360 328 सी 400 - 384 360 - 384 2 -4. बी 384 - 360 - 3 -4 36. 328 36 4 -4 16 3 136. ए 9 3 शुद्धता की गणना की प्रतिशत। पीओए 136 136 136 114 119 137 100 110 27. ए 9 4 निरपेक्ष विचलन गणना। एमएडी 136 - 114 136 - 119 136 - 137 3 13 33. ए 10 विधि 8 - लचीला विधि। लचीला विधि प्रतिशत प्रतिशत से अधिक पूर्व पहले विधि के अनुसार 1, प्रतिशत पिछले वर्ष से अधिक है दोनों तरीकों से एक निर्दिष्ट समय से उपयोगकर्ता निर्दिष्ट कारक से गुणा बिक्री डेटा , फिर भविष्य में होने वाले प्रोजेक्ट, पिछले साल की तुलना में प्रतिशत में, प्रक्षेपण पिछले वर्ष की समान अवधि के आंकड़ों पर आधारित है। लचीला पद्धति पिछले वर्ष की इसी अवधि की तुलना में एक समय अवधि निर्दिष्ट करने की क्षमता जोड़ती है गणना के आधार के रूप में उपयोग करें। मल्टीप्लेक्शन कारक उदाहरण के लिए, 15 बीस अवधि के द्वारा पिछले बिक्री इतिहास के डेटा को बढ़ाने के लिए प्रसंस्करण विकल्प 8b में 1 15 निर्दिष्ट करें उदाहरण के लिए, n 3 पहले पूर्वानुमान को बिक्री डेटा के आधार पर बनाएगा अक्टूबर, 2005. न्यूनतम बिक्री इतिहास उपयोगकर्ता निर्दिष्ट संख्या ओ एफ अवधि के आधार अवधि के लिए, प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. A 10 4 माध्य निरपेक्ष विचलन गणना। एमएडी 148 - 114 161 - 119 151 - 137 3 30. ए 11 विधि 9 - वेटेड मूविंग औसत। भारित चलते औसत WMA विधि विधि 4 के समान है, मूविंग औसत एमए हालांकि, वेटेड मूविंग एवरल के साथ आप ऐतिहासिक डेटा को असमान वजन प्रदान कर सकते हैं विधि के लिए प्रक्षेपण पर पहुंचने के लिए हाल के बिक्री इतिहास के भारित औसत की गणना करता है अल्पावधि अधिक हाल के आंकड़ों को आमतौर पर पुराने आंकड़ों के मुकाबले अधिक बड़ा सौंपा जाता है, इसलिए यह बिक्री के स्तर में बदलाव के लिए डब्ल्यूएमए को अधिक उत्तरदायी बनाता है हालांकि, पूर्वानुमान पूर्वाग्रह और व्यवस्थित त्रुटियां तब भी होती हैं जब उत्पाद की बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है विधि जीवन चक्र के विकास या अप्रचलन चरणों में उत्पादों के बजाय परिपक्व उत्पादों की छोटी अवधि के पूर्वानुमान के लिए बेहतर बनाती है। बिक्री इतिहास की अवधि की संख्या में उपयोग करने के लिए पूर्वानुमान गणना उदाहरण के लिए, अगली बार अवधि में प्रक्षेपण के आधार के रूप में सबसे हाल की तीन अवधि का उपयोग करने के लिए प्रसंस्करण विकल्प 9 ए में एन 3 निर्दिष्ट करें जैसे कि 12 के लिए बड़े मूल्य के लिए अधिक बिक्री इतिहास की आवश्यकता होती है यह एक स्थिर पूर्वानुमान , लेकिन बिक्री के स्तर में पाली को पहचानने में धीमी गति होगी, दूसरी तरफ, जैसे n के लिए 3 का एक छोटा सा मान बिक्री के स्तर में तेजी से बदलाव का जवाब देगा, लेकिन पूर्वानुमान इतना व्यापक हो सकता है कि उत्पादन का जवाब नहीं हो सकता भिन्नताएं। प्रत्येक ऐतिहासिक डेटा अवधियों को असाइन किया गया भार, असाइन किए गए भार को 1 00 के लिए होना चाहिए उदाहरण के लिए, जब n 3, 0 6, 0 3, और 0 1 का वजन, सबसे अधिक वजन प्राप्त करने वाले सबसे हालिया डेटा के साथ न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. MAD 133 5 - 114 121 7 - 119 118 7 - 137 3 13 5. ए 12 विधि 10 - रैखिक चिकनाई। यह विधि समान है विधि 9, वेटेड मूविंग औसत WMA कैसे करें कभी-कभी, ऐतिहासिक आंकड़ों के वजन को असाइन करने के बजाय, एक फार्मूला का इस्तेमाल उन भारों को सौंपने के लिए किया जाता है जो रैखिक रूप से गिरावट आते हैं और 1 00 के लिए योग करते हैं, फिर विधि अल्पावधि के लिए प्रक्षेपण पर पहुंचने के लिए हाल के विक्रय इतिहास के भारित औसत की गणना करता है। सभी रैखिक चलती औसत पूर्वानुमान तकनीकों के बारे में सच है, पूर्वानुमान पूर्वाग्रह और व्यवस्थित त्रुटियां तब होती हैं जब उत्पाद की बिक्री का इतिहास मजबूत प्रवृत्ति या मौसमी पैटर्न दर्शाता है यह विधि जीवन के विकास या अप्रचलन चरणों में उत्पादों के बजाय परिपक्व उत्पादों की छोटी अवधि के पूर्वानुमान के लिए बेहतर बनाती है चक्र की गणना अवधि के गणना में उपयोग करने के लिए बिक्री इतिहास की अवधि की संख्या प्रसंस्करण के विकल्प 10 ए में निर्दिष्ट किया जाता है उदाहरण के लिए, प्रसंस्करण के विकल्प 10b में 3 को निर्दिष्ट करें, जिसमें हाल के तीन अवधियों का प्रक्षेपण अगली बार अवधि सिस्टम स्वचालित रूप से उन ऐतिहासिक आंकड़ों को वजन देगा जो रैखिक रूप से गिरावट और 1 00 के लिए योग होगा उदाहरण के लिए, जब n 3, एस यंत्र, 0 5, 0 3333 और 0 1 के वजन को सबसे अधिक वजन वाले सबसे हालिया आंकड़े प्रदान करेगा। न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. A 12 1 पूर्वानुमान गणना। इस उदाहरण में औसत प्रसंस्करण विकल्प 10 ए 3 को चौरसाई करने के लिए समयावधि की संख्या। पूर्व में एक अवधि के लिए रेट 3 एन 2 एन 2 3 3 2 3 2 3 6 0 5. दो अवधि के लिए रोटियो पहले 2 एन 2 एन 2 2 2 3 2 3 2 2 6 0 3333. तीन अवधियों के लिए राइट 1 एन 2 एन 2 1 3 2 3 2 1 6 0 1666. जनवरी का पूर्वानुमान 137 0 5 119 1 3 114 1 6 127 16 या 127. फ़ेबी पूर्वानुमान 127 0 5 137 1 3 119 1 6 12 9। मार्च का पूर्वानुमान 12 9 0 5 127 1 3 137 1 6 12 9 666 या 130. ए 12 2 नकली पूर्वानुमान गणना। अक्टूबर 2004 की बिक्री 12 9 1 6 140 2 6 131 3 6 133 6666। नवंबर 2004 बिक्री 140 1 6 131 2 6 114 3 6 124. दिसंबर 2004 बिक्री 131 1 6 114 2 6 119 3 6 119 3333. ए 12 3 सटीकता की गणना की प्रतिशत। पीओए 133 6666 124 119 3333 114 119 137 100 101 891. ए 12 4 मतलब पूर्ण विचलन गणना ।पागल 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111. ए 13 विधि 11 - घातीय चौरसाई। यह विधि विधि 10 के समान है, रैखिक चिकनाई में रैखिक चिंगारी प्रणाली को ऐतिहासिक डेटा के लिए वजन सौंपता है जो कि रेखीय रूप से गिरावट घाटे में चपटा हुआ है , प्रणाली घाटे को बढ़ाती है जो तेजी से क्षय करता है घातीय चिकनाई पूर्वानुमान समीकरण है। पिछला वास्तविक बिक्री का पूर्वानुमान 1 पिछला पूर्वानुमान। पूर्वानुमान पिछले अवधि से वास्तविक बिक्री का एक भारित औसत और पिछली अवधि से पूर्वानुमान है पिछली अवधि 1 - ए के लिए वास्तविक बिक्री पर लागू वज़न पिछले अवधि के लिए भविष्यवाणी के लिए लागू वज़न है 0 से 1 की सीमा के लिए वैध मान, और आमतौर पर 0 1 और 0 4 के बीच आते हैं वजन का योग 1 है 00 एक 1-ए 1. आपको चौरसाई स्थिरांक के लिए एक मान असाइन करना चाहिए, यदि आप चौरसाई निरंतर के लिए मूल्य निर्दिष्ट नहीं करते हैं, तो सिस्टम अनुमानित मान की गणना करता है बिक्री इतिहास निर्दिष्ट अवधि डी प्रसंस्करण के विकल्प 11 ए. ए. में चौरसाई स्थिरांक सामान्य स्तर या बिक्री के आयाम के लिए औसत औसत की गणना में प्रयोग किया जाता है 0 से 1.n तक की सीमा के लिए वैध मूल्यों की बिक्री इतिहास डेटा की श्रेणी की गणना में शामिल करने के लिए आम तौर पर एक वर्ष बिक्री के इतिहास का आंकड़ा बिक्री के सामान्य स्तर का अनुमान लगाने के लिए पर्याप्त है इस उदाहरण के लिए, एनएन 3 के लिए एक छोटा मूल्य चुना गया था ताकि परिणामों को सत्यापित करने के लिए आवश्यक मैनुअल गणना को कम किया जा सके। Exponential smoothing एक ऐतिहासिक के रूप में छोटा पर आधारित अनुमान उत्पन्न कर सकता है डेटा बिंदु। न्यूनतम आवश्यक बिक्री इतिहास n प्लस पूर्वानुमान प्रदर्शन का मूल्यांकन करने के लिए आवश्यक समय अवधि की संख्या PBF. A 13 1 पूर्वानुमान गणना। अवधि औसत संख्या को चौरसाई औसत प्रोसेसिंग विकल्प 11a 3 में शामिल करने के लिए, और अल्फा कारक प्रसंस्करण विकल्प 11b इस में रिक्त उदाहरण: सबसे पुराना बिक्री डेटा 2 1 1, या 1 के लिए एक कारक जब अल्फा निर्दिष्ट होता है। 2 सबसे पुराना बिक्री डेटा 2 1 2, या अल्फा अल्फा निर्दिष्ट होने के लिए एक कारक। एक कारक 3 सबसे पुराना बिक्री आंकड़ों के लिए 2 1 3, या अल्फा जब अल्फा निर्दिष्ट होता है। अल्फा निर्दिष्ट होने पर सबसे हाल की बिक्री डेटा 2 1 एन या अल्फा के लिए एक कारक। नवम्बर एसएम औसत एक अक्टूबर 1 - एक अक्टूबर एसएम औसत 1 114 0 0 114.डिशम्बर एसएम औसत नवंबर वास्तविक 1 - एक नवंबर एसएम औसत 2 3 119 1 3 114 117 3333.जानरी एक दिसंबर वास्तविक 1 का पूर्वानुमान - एक दिसंबर एसएम औसत 2 4 137 2 4 117 3333 127 16665 या 127.फेब्रुवारी पूर्वानुमान जनवरी का पूर्वानुमान 127. मार्च पूर्वानुमान पूर्वानुमान का पूर्वानुमान 127. ए 13 2 नकल अनुमान गणना। जुलाई, 2004 एसएम औसत 2 2 12 9 12 9.अगस्ट एसएम औसत 2 3 140 1 3 12 9 136 3333.September sm औसत 2 4 131 2 4 136 3333 133 6666.ऑक्टोबर, 2004 की बिक्री में एसएसएम औसत 133 6666. अगस्त, 2004 एसएम औसत 2 2 140 140. सितंबर एसएम औसत 2 3 131 1 3 140 134. अक्टूबर एसएएम औसत 2 4 114 2 4 134 124. नवंबर, 2004 बिक्री सितंबर एसएम एसएम औसत 124. सितंबर 2004 एसएम औसत 2 2 131 131. अक्टूबर एसएएम औसत 2 3 114 1 3 131 119 6666. नवम्बर एसएम औसत 2 4 119 2 4 119 6666 119 3333.डिस्बर 2004 बिक्री एसएसएम औसत 119 3333. ए 13 3 प्रतिशत सटीकता की गणना टीओएन। पीओए 133 6666 124 119 3333 114 119 137 100 101 891. ए 13 4 मतलब निरपेक्ष विचलन गणना। एमएडी 133 6666 - 114 124 - 119 119 3333 - 137 3 14 1111. ए 14 विधि 12 - रुझान और मौलिकता के साथ घातीय चौरसाई यह विधि विधि 11, घातीय चिकनाई के समान है, जिसमें एक औसत औसत गणना की जाती है हालांकि, विधि 12 में भी एक समृद्ध प्रवृत्ति की गणना करने के लिए पूर्वानुमान समीकरण में एक शब्द शामिल है पूर्वानुमान एक रेखीय प्रवृत्ति के लिए समायोजित एक चिकनी औसत से बना है जब निर्दिष्ट प्रसंस्करण के विकल्प में, मौसम के लिए पूर्वानुमान भी समायोजित किया जाता है। सामान्य स्तर या बिक्री के परिमाण के लिए चिकनी औसत की गणना में चौरसाई निरंतर का इस्तेमाल किया जाता है अल्फा श्रेणी के लिए वैध मूल्य 0 से 1.b तक चिकनी चौरसाई स्थिरता की गणना में प्रयोग किया जाता है पूर्वानुमान की प्रवृत्ति घटकों के लिए औसत 0 से 1 तक बीटा श्रेणी के लिए वैध मानें। पूर्वानुमान के लिए एक मौसमी सूचकांक लागू किया जाता है। ए और बी एक-दूसरे से स्वतंत्र होते हैं उन्हें 1 0.इन में जोड़ना नहीं है इम्यूम को आवश्यक बिक्री के इतिहास को दो वर्ष से अधिक पूर्वानुमान पूर्वानुमान के मूल्यांकन के लिए आवश्यक समय अवधि PBF. Method 12 दो घातीय चिकनाई समीकरणों का उपयोग करता है और एक साधारण औसत, एक चिकनी प्रवृत्ति और साधारण औसत मौसमी कारक की गणना करने के लिए एक साधारण औसत। 14 1 पूर्वानुमान गणना। एक बहुत तेजी से औसत औसत। एमएडी 122 81 - 114 133 14 - 119 135 33 - 137 3 8 2. ए 15 पूर्वानुमान का मूल्यांकन करना। आप प्रत्येक उत्पाद के लिए जितने बार बार बारह पूर्वानुमान उत्पन्न करने के लिए पूर्वानुमानित विधियों का चयन कर सकते हैं जब संभवतः हजारों उत्पादों का अनुमान लगाया जाए तो विधि अलग-अलग प्रक्षेपण करेगी, प्रत्येक उत्पाद के लिए आपकी योजनाओं में उपयोग किए जाने वाले पूर्वानुमानों के बारे में एक व्यक्तिपरक निर्णय करने के लिए यह अव्यावहारिक नहीं है। सिस्टम स्वचालित रूप से पूर्वानुमानित तरीकों में से प्रत्येक के लिए प्रदर्शन का मूल्यांकन करता है जिसे आप चुनते हैं, और प्रत्येक उत्पाद के पूर्वानुमान के लिए आप दो प्रदर्शन मानदंडों के बीच चयन कर सकते हैं, निरपेक्ष विचलन एमएडी और सटीक का प्रतिशत एसी पीओए एमएडी पूर्वानुमान त्रुटि का एक उपाय है पीओए पूर्वानुमान पूर्वाग्रह का एक उपाय है इन दोनों प्रदर्शन मूल्यांकन तकनीकों को उपयोगकर्ता की निर्दिष्ट अवधि के लिए वास्तविक बिक्री इतिहास डेटा की आवश्यकता होती है हाल के इतिहास की इस अवधि को धारण अवधि या अवधि सबसे अच्छा फिट पीबीएफ कहा जाता है। पूर्वानुमानित विधि के प्रदर्शन को मापने के लिए, ऐतिहासिक धारक अवधि के पूर्वानुमान के लिए पूर्वानुमान फ़ार्मुलों का उपयोग करें, आमतौर पर वास्तविक बिक्री डेटा और होल्डआउट अवधि के लिए नकली पूर्वानुमान के बीच अंतर होगा। जब कई पूर्वानुमान विधियों का चयन किया जाता है, यह वही प्रक्रिया प्रत्येक विधि के लिए होता है कई पूर्वानुमानों को धारण अवधि के लिए गणना की जाती है, और इसी अवधि के लिए ज्ञात बिक्री इतिहास की तुलना में पूर्वानुमानित विधि का उत्पादन सर्वोत्तम अवधि का पूर्वानुमान और धारक अवधि के दौरान वास्तविक बिक्री के बीच सबसे अच्छा फिट करने के लिए उपयोग के लिए अनुशंसित है अपनी योजनाओं में यह अनुशंसा प्रत्येक उत्पाद के लिए विशिष्ट है, और एक पूर्वानुमान पीढ़ी से नेन में बदल सकती है xt. a 16 निरपेक्ष विचलन MAD. MAD औसत मूल्यों या वास्तविकता और पूर्वानुमान डेटा के बीच त्रुटियों की त्रुटियों या परिमाण के औसत या औसत है, एमएडी उम्मीद की त्रुटियों की औसत मात्रा का एक उपाय है, एक पूर्वानुमान विधि और डेटा इतिहास क्योंकि गणना में पूर्ण मूल्यों का उपयोग किया जाता है, सकारात्मक त्रुटियां नकारात्मक त्रुटियों को रद्द नहीं करती हैं, कई पूर्वानुमानकारी तरीकों की तुलना करते समय, सबसे छोटी एमएडी वाले उस उत्पाद के लिए उस विश्वसनीय अवधि के लिए सबसे अधिक विश्वसनीय साबित हुआ है जब पूर्वानुमान निष्पक्ष हो और त्रुटियों को आम तौर पर वितरित किया जाता है, एमएडी और वितरण के दो अन्य सामान्य उपाय, मानक विचलन और मध्य स्क्वायर त्रुटि के बीच एक सरल गणितीय संबंध है। 16 शुद्धता पीओए की 1 प्रतिशत सटीकता पीओए का पूर्वानुमान पूर्वानुमान पूर्वाग्रह का एक उपाय है जब पूर्वानुमान लगातार होते हैं बहुत अधिक, माल संग्रह और इन्वेंट्री की लागत बढ़ जाती है जब पूर्वानुमान लगातार दो कम होते हैं, माल का सेवन किया जाता है और ग्राहक सेवा में गिरावट आई है एस एक पूर्वानुमान है कि 10 इकाइयां बहुत कम हैं, तो 8 इकाइयां बहुत ऊंची हैं, फिर 2 इकाइयां बहुत ऊंची हैं, एक निष्पक्ष पूर्वानुमान होगा 10 की सकारात्मक त्रुटि रद्द की गई है और नकारात्मक त्रुटियों द्वारा रद्द किया गया है 2. त्रुटि वास्तविक - पूर्वानुमान। जब कोई उत्पाद सूची में संग्रहीत किया जा सकता है, और जब पूर्वानुमान निष्पक्ष हो, तो त्रुटियों को बफर करने के लिए सुरक्षा स्टॉक का एक छोटा सा हिस्सा इस्तेमाल किया जा सकता है इस स्थिति में, पूर्वानुमानित त्रुटियों को खत्म करना इतना महत्वपूर्ण नहीं है क्योंकि यह निष्पक्ष पूर्वानुमान पैदा करना है हालांकि सेवा उद्योग में , उपरोक्त स्थिति को तीन त्रुटियों के रूप में देखा जाएगा सेवा को पहले की अवधि में कमजोर कर दिया जाएगा, फिर अगले दो दिनों के लिए अतिरंजित हो जाएगा सेवाओं में, पूर्वानुमान त्रुटियों की भयावहता आमतौर पर पूर्वाग्रह की तुलना में अधिक महत्वपूर्ण है। धारण अवधि नकारात्मक त्रुटियों को रद्द करने के लिए सकारात्मक त्रुटियों की अनुमति देता है जब वास्तविक बिक्री की कुल बिक्री की कुल बिक्री से अधिक है, तो अनुपात 100 से अधिक है बेशक, 100 से अधिक सटीक होना असंभव है जब एक पूर्वानुमान अनबियास होता है एड, पीओए अनुपात 100 हो सकता है, इसलिए 110 सटीक होने की तुलना में 95 सटीक होना अधिक वांछनीय है पीओए मानदंडों की भविष्यवाणी पद्धति का चयन करें, जिसकी पीओए अनुपात 100 के करीब है। इस पृष्ठ पर स्क्रीप्टिंग सामग्री नेविगेशन को बढ़ाती है, लेकिन नहीं किसी भी तरह से सामग्री को बदलने