Previsão Ponderada Em Movimento Média Fórmula

Demonstração Médica em Movimento Introdução. Como você pode imaginar, estamos olhando algumas das abordagens mais primitivas da previsão. Mas espero que este seja, pelo menos, uma introdução interessante para algumas das questões de informática relacionadas à implementação de previsões em planilhas. Nesse sentido, continuaremos começando no início e começaremos a trabalhar com as previsões de média móvel. Previsões médias móveis. Todos estão familiarizados com as previsões da média móvel, independentemente de acreditarem estar ou não. Todos os estudantes universitários fazem-no o tempo todo. Pense nos resultados do teste em um curso onde você terá quatro testes durante o semestre. Vamos assumir que você obteve um 85 no seu primeiro teste. O que você prever para o seu segundo resultado de teste O que você acha que seu professor prever para o seu próximo resultado de teste? O que você acha que seus amigos podem prever para o seu próximo resultado do teste? O que você acha que seus pais podem prever para o seu próximo resultado? Todos os blabbing que você pode fazer para seus amigos e pais, eles e seu professor provavelmente esperam que você consiga algo na área dos 85 que você acabou de receber. Bem, agora vamos assumir que, apesar de sua auto-promoção para seus amigos, você superestimar-se e imaginar que você pode estudar menos para o segundo teste e então você obtém um 73. Agora, o que todos os interessados ​​e desinteressados ​​vão Preveja que você obtém seu terceiro teste. Existem duas abordagens muito prováveis ​​para que eles desenvolvam uma estimativa, independentemente de compartilharem com você. Eles podem dizer para si mesmos, esse cara está sempre soprando fumaça sobre seus inteligentes. Ele vai ter outro 73 se tiver sorte. Talvez os pais tentem ser mais solidários e dizer, muito, até agora você obteve um 85 e um 73, então talvez você devesse entender sobre obter um (85 73) 2 79. Eu não sei, talvez se você fez menos festa E wessging wagging a doninha em todo o lugar e se você começou a fazer muito mais estudando você poderia obter uma pontuação mais alta. Quantas dessas estimativas são, na verdade, as previsões médias móveis. O primeiro está usando apenas o seu resultado mais recente para prever seu desempenho futuro. Isso é chamado de previsão média móvel usando um período de dados. O segundo também é uma previsão média móvel, mas usando dois períodos de dados. Vamos assumir que todas essas pessoas que estão se abalando na sua ótima mente ficaram chateadas e você decide fazer bem no terceiro teste por suas próprias razões e colocar uma pontuação maior na frente do quotalliesquot. Você faz o teste e sua pontuação é realmente um 89. Todos, incluindo você, estão impressionados. Então, agora você começa o teste final do semestre e, como de costume, você sente a necessidade de incitar todos a fazer suas previsões sobre como você fará no último teste. Bem, espero que você veja o padrão. Agora, espero que você possa ver o padrão. O que você acredita é o Whistle mais preciso enquanto trabalhamos. Agora, retornamos à nossa nova empresa de limpeza, iniciada pela sua meia-irmã, chamado Whistle While We Work. Você possui alguns dados de vendas passadas representados pela seção a seguir de uma planilha. Primeiro apresentamos os dados para uma previsão média móvel de três períodos. A entrada para a célula C6 deve ser Agora você pode copiar esta fórmula celular para as outras células C7 até C11. Observe como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão. Você também deve notar que nós realmente não precisamos fazer as previsões para os períodos passados ​​para desenvolver nossa previsão mais recente. Isso é definitivamente diferente do modelo de suavização exponencial. Eu incluí o quotpast predictionsquot porque nós os usaremos na próxima página da web para medir a validade da previsão. Agora eu quero apresentar os resultados análogos para uma previsão média móvel de dois períodos. A entrada para a célula C5 deve ser Agora você pode copiar esta fórmula celular para as outras células C6 até C11. Observe como agora apenas as duas peças históricas mais recentes são usadas para cada previsão. Mais uma vez, incluí as predições quotpast para fins ilustrativos e para uso posterior na validação de previsão. Algumas outras coisas que são importantes para aviso prévio. Para uma previsão média móvel de m-período, apenas os valores de dados m mais recentes são usados ​​para fazer a previsão. Nada mais é necessário. Para uma previsão média móvel de m-período, ao fazer quotpast predictionsquot, observe que a primeira previsão ocorre no período m 1. Essas duas questões serão muito significativas quando desenvolvamos nosso código. Desenvolvendo a função de média móvel. Agora precisamos desenvolver o código para a previsão média móvel que pode ser usada de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que deseja usar na previsão e na matriz de valores históricos. Você pode armazená-lo em qualquer livro de trabalho que desejar. Função MovingAverage (Histórico, NumberOfPeriods) As Single Declarando e inicializando variáveis ​​Dim Item As Variant Dim Counter As Integer Dim Accumulation As Single Dim HistoricalSize As Integer Inicializando variáveis ​​Counter 1 Accumulation 0 Determinando o tamanho da matriz histórica HistoricalSize Historical. Count Para o contador 1 para NumberOfPeriods Acumulando o número apropriado dos valores mais recentes anteriormente observados Acumulação Acumulação Histórico (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods O código será explicado na classe. Você deseja posicionar a função na planilha para que o resultado da computação apareça onde deveria gostar do seguinte. Forecasting Future Demand A segunda parte desta série mostra como refinar a previsão média ponderada para gerenciar o estoque de forma mais eficaz. O último artigo desta série (julho de 2006, página 52) explorou a previsão de demanda futura de produtos com uso recorrente. Embora a previsão média ponderada tenha produzido resultados mais precisos do que a média de uso registrado nos últimos meses, ainda existe um grande erro de previsão. Ainda existe uma diferença significativa entre nossa previsão de demanda futura e uso real. Este artigo continuará a explorar maneiras de melhorar a precisão da previsão. Revisão da previsão média ponderada A maioria dos distribuidores elétricos utilizam uma previsão média simples para prever o uso futuro de itens estocados. Por exemplo, podem significar o uso registrado nos últimos seis meses. Isso funciona bem se os produtos tiverem um uso bastante consistente, mas muitos produtos experimentam aumento ou diminuição do uso ao longo do tempo. Outros produtos têm um padrão sazonal de uso, onde as vendas geralmente são maiores durante certas épocas do ano. Alguns produtos apresentam picos recorrentes de uso ao longo do ano. A previsão média ponderada nos permite abordar diferentes padrões de uso nos cálculos de previsão. Cada fórmula média ponderada coloca peso, ou ênfase no histórico de uso registrado em meses anteriores específicos. Aqui está um conjunto comum de pesos a serem usados ​​no cálculo da demanda por um item não sazonal, aumentando gradualmente ou diminuindo as vendas: Coloque um peso de 3.0 sobre o uso registrado no período mais recente. Coloque um peso de 2,5 no uso registrado no próximo período anterior. Coloque um peso de 2,0 sobre o uso registrado no próximo período anterior. Coloque um peso de 1,5 no uso registrado no próximo período anterior. Coloque um peso de 1,0 no uso registrado no próximo período anterior. Permite usar a Tabela 1, Previsão Média Ponderada, para ajudar a entender como calcular a previsão de Julys para um item com o seguinte histórico de uso. Cada peso é multiplicado pelo uso de meses correspondente. A extensão total (1.297,5) é dividida pelo peso total (10) para determinar a nossa previsão da demanda de julho de 129,75 ou 130 peças. Embora este seja melhor do que uma previsão de 120 peças derivadas da média do uso de seis meses anteriores (148 133 126 110 104 98) 6 120, ele ainda não parece ser uma ótima previsão. Observe o gráfico de uso nos últimos seis meses para a Tabela 1. A previsão de 130 peças é representada pela linha preta sólida. O uso está obviamente aumentando ao longo do tempo. Não importa qual conjunto de pesos sejam usados, nenhuma média de uso passado pode resultar em uma previsão maior do que o uso de meses mais altos. Para melhor prever a demanda futura, considere os quatro elementos de uma previsão precisa: Tendências crescentes ou decrescentes no uso. Informações colaborativas sobre necessidades futuras específicas dos clientes. O cronograma ou horizonte apropriado para a previsão. As tendências podem ser determinadas examinando o uso nos últimos meses. Na Tabela 2, observe o aumento contínuo mas errático no uso nos últimos quatro meses. O aumento médio de uso nos últimos quatro meses é de 10,5% (14,5 5,6 11,3) 3 10,5. Para aplicar esse fator de tendência, multiplique os resultados da fórmula de previsão média ponderada (130) em 1.105 para resultar em uma previsão de 144 peças. A Tabela 3 ilustra o nivelamento do aumento experimentado nos últimos meses. Por favor, note duas diretrizes na aplicação de fatores de tendência para prever fórmulas: na maioria dos casos, os fatores de tendência não devem ser aplicados, a menos que haja um aumento constante ou um uso decrescente em três ou quatro períodos de inventário. Qualquer fator de tendência calculado superior a 100 por cento (uma duplicação no uso) deve ser levado à atenção de um comprador ou planejador de inventário antes da sua aplicação. Os fatores de tendência que podem ser determinados examinando o histórico de uso passado são referidos como fatores de tendência internos. Mas outras tendências podem não se refletir no histórico de uso passado. Aqui estão três exemplos: seu departamento de marketing pode estimar que as vendas dos itens em uma determinada linha de produtos irão aumentar em 15%. Isso pode ser devido a um novo esforço de vendas, a uma mudança na economia, a clientes atuais aumentam nos negócios, um concorrente que sai do mercado ou algum outro motivo. Você pode antecipar uma diminuição no uso de 10 por cento devido a um novo concorrente que entra no mercado ou um aumento nas taxas de juros. Fatores climáticos, como temperatura extrema ou precipitação, podem fazer com que o uso aumente ou diminua. Estes são referidos como fatores de tendência externa porque a informação para eles vem de fora de sua organização: as observações dos vendedores do mercado, as notícias financeiras em um jornal local ou na internet, a previsão do tempo ou alguma outra fonte. Fatores de tendência externa geralmente afetam uma linha de produtos inteira ou todos os produtos em uma filial, mas fatores de tendência internos são calculados para itens individuais. Os fatores de tendência externa geralmente são identificados por observação. Isso significa que vendedores ou compradores percebem uma mudança significativa no uso e começam a procurar um motivo. É importante registrar essas observações e ver se elas ocorrem novamente no futuro. Observe o efeito específico de cada fator externo sempre que afeta a previsão. Por exemplo, as vendas realmente aumentaram nos 15% projetados quando um concorrente deixou o mercado ou foi 12%. Os resultados servirão de guia na aplicação do fator específico nas previsões futuras. Previsões precisas ajudam a atingir o objetivo de um gerenciamento de estoque efetivo: atender ou exceder as expectativas dos clientes sobre a disponibilidade do produto com a quantidade de cada item que maximizará seus lucros líquidos. O próximo artigo explorará os elementos restantes de uma previsão precisa: estimativas colaborativas e horizonte de previsão. Enquanto isso, se você tiver alguma dúvida específica, avise-me. Com mais de 36 anos de experiência, Jon Schreibfeder é presidente da Effective Inventory Management Inc. A Coppell, Texas, uma empresa de consultoria dedicada a ajudar os distribuidores a maximizar a produtividade e a rentabilidade do seu investimento em estoque. A Schreibfeder é autora da recente edição da Achieving Effective Inventory Management 3rd Edition. Entre em contato com Schreibfeder no (972) 304-3325 ou no final do ano. Compartilhe este artigo