- घातीय चौरसाई विधि
- पूर्वानुमान में चिकना
- भारित चलती औसत
- एक्स्पोनेंशियल स्मूदिंग
- घातीय भाग
- सूत्र
- उदाहरण
- संदर्भ
घातीय समरेखण एक निश्चित अवधि के लिए एक लेख के लिए मांग की भविष्यवाणी करने का तरीका है। यह विधि अनुमान लगाती है कि मांग एक निश्चित अवधि में ऐतिहासिक खपत के औसत के बराबर होगी, जो समय के करीब आने वाले मूल्यों को अधिक वजन या भार देगा। इसके अतिरिक्त, निम्नलिखित पूर्वानुमानों में वर्तमान पूर्वानुमान की मौजूदा त्रुटि को ध्यान में रखा गया है।
मांग पूर्वानुमान उत्पाद या सेवा के लिए ग्राहक की मांग को पेश करने की विधि है। यह प्रक्रिया निरंतर है, जहां प्रबंधक ऐतिहासिक डेटा का उपयोग करके यह गणना करते हैं कि वे एक अच्छी या सेवा के लिए बिक्री की मांग की क्या उम्मीद करते हैं।
स्रोत: pixabay.com
कंपनी के अतीत की जानकारी का उपयोग बाजार के आर्थिक आंकड़ों में जोड़कर किया जाता है ताकि यह देखा जा सके कि बिक्री बढ़ेगी या घटेगी।
मांग पूर्वानुमान के परिणामों का उपयोग बिक्री विभाग के लक्ष्यों को निर्धारित करने के लिए किया जाता है, कंपनी के लक्ष्यों के अनुरूप रहने की कोशिश की जाती है।
घातीय चौरसाई विधि
चौरसाई एक बहुत ही सामान्य सांख्यिकीय प्रक्रिया है। चिकना डेटा अक्सर रोजमर्रा की जिंदगी के विभिन्न रूपों में पाया जाता है। हर बार किसी चीज का वर्णन करने के लिए एक औसत का उपयोग किया जाता है, एक स्मूथ नंबर का उपयोग किया जा रहा है।
मान लीजिए रिकॉर्ड पर सबसे गर्म सर्दियों इस साल का अनुभव किया गया था। इसे निर्धारित करने के लिए, हम प्रत्येक रिकॉर्ड किए गए ऐतिहासिक वर्ष की सर्दियों की अवधि के लिए दैनिक तापमान डेटा सेट के साथ शुरू करते हैं।
यह बड़े "जंप" के साथ कई नंबर उत्पन्न करता है। आपको एक संख्या की आवश्यकता है जो डेटा से इन सभी छलांगों को समाप्त करती है ताकि एक सर्दियों की दूसरे के साथ तुलना करना आसान हो सके।
डेटा में कूद को खत्म करने को स्मूथिंग कहा जाता है। इस मामले में चौरसाई हासिल करने के लिए एक साधारण औसत का उपयोग किया जा सकता है।
पूर्वानुमान में चिकना
मांग की भविष्यवाणी के लिए, स्मूथिंग का उपयोग ऐतिहासिक मांग में बदलाव को खत्म करने के लिए भी किया जाता है। यह मांग पैटर्न की बेहतर पहचान के लिए अनुमति देता है, जिसका उपयोग भविष्य की मांग का अनुमान लगाने के लिए किया जा सकता है।
मांग में भिन्नता तापमान डेटा के "कूद" के समान अवधारणा है। सबसे आम तरीका है कि मांग इतिहास में भिन्नताएं एक औसत या विशेष रूप से एक चलती औसत का उपयोग करके होती हैं।
मूविंग एवरेज औसत की गणना करने के लिए पूर्वनिर्धारित अवधि की संख्या का उपयोग करता है, और वे समय बीतने के साथ चलते हैं।
उदाहरण के लिए, यदि आप चार महीने की चलती औसत का उपयोग करते हैं और आज 1 मई है, तो आप जनवरी, फरवरी, मार्च और अप्रैल की औसत मांग का उपयोग करेंगे। 1 जून को फरवरी, मार्च, अप्रैल और मई की मांग का उपयोग किया जाएगा।
भारित चलती औसत
एक साधारण औसत का उपयोग करते समय, डेटा सेट में प्रत्येक मूल्य पर समान महत्व लागू होता है। इसलिए, चार महीने की चलती औसत में, प्रत्येक महीने चलती औसत का 25% प्रतिनिधित्व करता है।
भविष्य की मांग को प्रोजेक्ट करने के लिए मांग इतिहास का उपयोग करके, यह इस कारण से खड़ा होता है कि हाल की अवधि का पूर्वानुमान पर अधिक प्रभाव पड़ता है।
चलती औसत गणना वांछित परिणाम प्राप्त करने के लिए प्रत्येक अवधि के लिए अलग-अलग "भार" लागू करने के लिए अनुकूलित की जा सकती है।
इन भारों को प्रतिशत के रूप में व्यक्त किया जाता है। सभी अवधि के लिए कुल वजन 100% तक जोड़ना चाहिए।
इसलिए, यदि आप चार महीने के भारित औसत में निकटतम अवधि के लिए वजन के रूप में 35% लागू करना चाहते हैं, तो आप शेष तीन अवधियों के बीच विभाजित करने के लिए 65% छोड़कर, 100% से 35% घटा सकते हैं।
उदाहरण के लिए, आप चार महीनों (15 + 20 + 30 + 35 = 100) के लिए क्रमशः 15%, 20%, 30% और 35% के भार के साथ समाप्त कर सकते हैं।
एक्स्पोनेंशियल स्मूदिंग
घातीय चौरसाई गणना के लिए नियंत्रण इनपुट को चौरसाई कारक के रूप में जाना जाता है। सबसे हाल की अवधि की मांग के लिए लागू वजन का प्रतिनिधित्व करता है।
यदि भारित चलती औसत गणना में 35% का उपयोग सबसे हाल की अवधि के वजन के रूप में किया जाता है, तो आप घातीय चौरसाई गणना में चौरसाई कारक के रूप में 35% का उपयोग करना चुन सकते हैं।
घातीय भाग
घातीय चौरसाई गणना में अंतर यह है कि यह जानने के बजाय कि प्रत्येक पिछली अवधि में कितना वजन लागू होता है, चौरसाई कारक का उपयोग स्वचालित रूप से करने के लिए किया जाता है।
यह "घातीय" भाग है। यदि 35% को चौरसाई कारक के रूप में उपयोग किया जाता है, तो सबसे हाल की अवधि के लिए मांग वजन 35% होगा। सबसे हाल की अवधि से पहले की मांग का भार 65% 35% होगा।
65% 100% से 35% घटाकर आता है। यह उस अवधि के लिए 22.75% भार के बराबर है। अगले सबसे हाल की अवधि की मांग 65% से 35% से 65% होगी, जो 14.79% के बराबर है।
पिछली अवधि को 9.61 के बराबर 35% के 65% के 65% के रूप में भारित किया जाएगा। यह पिछले सभी अवधि के लिए किया जाएगा, पहली अवधि तक।
सूत्र
घातीय चौरसाई की गणना करने का सूत्र इस प्रकार है: (डी * एस) + (पी * (1-एस)), जहां, डी = अवधि के लिए हाल की मांग।
S = चौरसाई कारक, दशमलव रूप में दर्शाया गया (35% 0.35 होगा)।
पी = सबसे हाल की अवधि का पूर्वानुमान, जिसके परिणामस्वरूप पिछली अवधि की चौरसाई गणना।
यह मानते हुए कि हमारे पास 0.35 का चौरसाई कारक है, हमारे पास तब होगा: (डी * 0.35) + (पी * 0.65)।
जैसा कि आप देख सकते हैं, केवल आवश्यक डेटा इनपुट की मांग और सबसे हालिया अवधि का पूर्वानुमान है।
उदाहरण
एक बीमा कंपनी ने वाहनों के लिए बीमा प्रदान करते हुए, देश के सबसे बड़े शहर में अपने बाजार का विस्तार करने का फैसला किया है।
एक प्रारंभिक कार्रवाई के रूप में, कंपनी यह अनुमान लगाना चाहती है कि इस शहर के निवासियों द्वारा कितना वाहन बीमा खरीदा जाएगा।
ऐसा करने के लिए, वे प्रारंभिक डेटा के रूप में किसी अन्य छोटे शहर में खरीदे गए कार बीमा की राशि का उपयोग करेंगे।
1 अवधि के लिए मांग पूर्वानुमान 2,869 अनुबंधित वाहन बीमा है, लेकिन उस अवधि में वास्तविक मांग 3,200 थी।
कंपनी के विवेक पर, यह 0.35 का एक चौरसाई कारक प्रदान करता है। अगली अवधि के लिए पूर्वानुमान की मांग है: P2 = (3200 * 0.35) + 2869 * (1-0.35) = 2984.85।
यह उसी गणना पूरे वर्ष के लिए की गई थी, जो वास्तव में प्राप्त की गई थी और उस महीने के लिए पूर्वानुमान क्या था, के बीच निम्नलिखित तुलनात्मक तालिका प्राप्त करना।
औसत तकनीकों की तुलना में, घातीय चौरसाई बेहतर प्रवृत्ति का अनुमान लगा सकती है। हालाँकि, यह अभी भी छोटा है, जैसा कि ग्राफ में दिखाया गया है:
यह देखा जा सकता है कि किस प्रकार पूर्वानुमान की धूसर रेखा मांग की नीली रेखा के नीचे या ऊपर अच्छी तरह से हो सकती है, बिना इसका पूरी तरह पालन किए।
संदर्भ
- विकिपीडिया (2019)। एक्स्पोनेंशियल स्मूदिंग। से लिया गया: es.wikipedia.org
- Ingenio Empresa (2016)। मांग का पूर्वानुमान लगाने के लिए सरल घातीय चौरसाई का उपयोग कैसे करें। से लिया गया: ingenioempresa.com
- डेव पियासेकी (2019)। घातीय चिकनाई की व्याख्या। से लिया गया: इन्वेंट्रॉप्स.कॉम।
- अध्ययन (2019)। मांग पूर्वानुमान तकनीक: चलती औसत और घातीय चौरसाई। से लिया गया: study.com।
- शहरू (2019)। घातीय चिकनाई के तरीके। से लिया गया: personal.cb.cityu.edu.hk