الانتقال من المتوسط - طريقة من الطلب التنبؤ

تتحرك متوسط ​​التنبؤ. الإنتاج كما قد تخمين نحن نبحث في بعض من أكثر النهج البدائية للتنبؤ ولكن نأمل أن هذه على الأقل مقدمة جديرة بالاهتمام لبعض القضايا الحوسبة المتعلقة بتنفيذ التوقعات في جداول البيانات. في هذا السياق سوف نستمر من قبل بدءا من البداية والبدء في العمل مع توقعات متوسط ​​التحرك. متوسط ​​متوسط ​​التوقعات الجميع على دراية بتحريك توقعات المتوسط ​​بغض النظر عما إذا كانوا يعتقدون أنهم جميع طلاب الجامعات يفعلونها في كل وقت فكر في درجات الاختبار في دورة حيث أنت ذاهب إلى لديك أربعة اختبارات خلال الفصل الدراسي دعونا نفترض أنك حصلت على 85 على الاختبار الأول. ماذا كنت تتوقع لنتيجة الاختبار الثاني. ما رأيك تعتقد المعلم الخاص بك لنتيجة الاختبار الخاص بك المقبل. ما رأيك تعتقد أصدقائك قد التنبؤ لنتيجة الاختبار الخاص بك المقبل. ماذا تعتقدون أن والديك قد توقع لنتيجة الاختبار الخاص بك المقبل. بصرف النظر عن كل بلابينغ قد تفعل لفرانك إيندس والآباء والأمهات، هم ومعلمك من المرجح جدا أن نتوقع منك الحصول على شيء في مجال 85 كنت حصلت فقط. حسنا، والآن دعونا نفترض أنه على الرغم من الترويج الذاتي الخاص بك إلى أصدقائك، وكنت أكثر من تقدير نفسك والشكل يمكنك دراسة أقل للاختبار الثاني وحتى تحصل على 73.Now ما هي كل من المعنيين وغير مدرك الذهاب إلى توقع سوف تحصل على الاختبار الثالث هناك نوعان من المرجح جدا النهج بالنسبة لهم لوضع تقدير بغض النظر عن ما إذا كانوا سوف تقاسمها معك. أنهم قد يقولون لأنفسهم، هذا الرجل هو دائما تهب الدخان حول ذكائه انه ذاهب للحصول على آخر 73 إذا كان محظوظا. مايبي الآباء سوف تحاول أن تكون أكثر داعمة ويقول، حسنا، لذلك حتى الآن كنت حصلت على 85 و 73، لذلك ربما يجب أن تحصل على الحصول على حوالي 85 73 2 79 أنا لا أعرف، ربما لو كنت أقل من الحفلات و ويرن ر رهان في كل مكان، وإذا كنت بدأت القيام الكثير من الدراسة يمكن أن تحصل على درجة أعلى. لكن هذه التقديرات الفعلية تحسب التوقعات المتوسطة الأولى. أولا يستخدم فقط أحدث درجاتك للتنبؤ بأدائك المستقبلي وهذا ما يطلق عليه متوسط ​​التوقعات المتحركة باستخدام فترة واحدة من البيانات. والثاني هو أيضا متوسط ​​التوقعات المتحركة ولكن باستخدام فترتين من البيانات. أن كل هؤلاء الناس خرق على العقل العظيم لديك نوع من سكران قبالة لكم وتقرر أن تفعل جيدا في الاختبار الثالث لأسباب خاصة بك ووضع درجة أعلى أمام حلفائكم كنت تأخذ الاختبار ودرجاتك هو في الواقع 89 الجميع، بما في ذلك نفسك، وأعجب. لذلك لديك الآن الاختبار النهائي للفصل الدراسي الخروج وكالعادة كنت تشعر بالحاجة إلى غواد الجميع في جعل توقعاتهم حول كيف سوف تفعل على آخر اختبار حسنا، ونأمل أن ترى style. Now، نأمل يمكنك أن ترى نمط الذي تعتقد أنه الأكثر دقة. ويستل بينما نعمل الآن نعود إلى شركة التنظيف الجديدة التي بدأتها شقيقة نصف استدارة دعا صافرة بينما نعمل لدينا بعض البيانات الماضية المبيعات ممثلة في القسم التالي من جدول بيانات نحن أولا تقديم البيانات لفترة ثلاثة توقعات المتوسط ​​المتحرك. يجب أن يكون إدخال الخلية C6.Now يمكنك نسخ هذه الصيغة خلية وصولا إلى الخلايا الأخرى من C7 إلى C11.Notice كيف يتحرك المتوسط على أحدث البيانات التاريخية ولكن يستخدم بالضبط ثلاث فترات الأخيرة المتاحة لكل التنبؤ يجب أن تلاحظ أيضا أننا لا تحتاج حقا لجعل التنبؤات للفترات الماضية من أجل تطوير أحدث توقعاتنا هذا يختلف بالتأكيد عن الأسي نموذج تمهيد I في شملت التنبؤات السابقة لأننا سوف تستخدمها في صفحة الويب التالية لقياس صحة التنبؤ. الآن أريد أن أعرض نتائج مماثلة لفترة سنتين المتوسط ​​المتحرك المتوقع. يجب أن يكون دخول الخلية C5.Now لك يمكن نسخ هذه الصيغة الخلية وصولا إلى الخلايا الأخرى C6 من خلال C11.Notice كيف الآن فقط اثنين من أحدث القطع من البيانات التاريخية تستخدم لكل التنبؤ مرة أخرى لقد شملت د التنبؤات السابقة لأغراض توضيحية وللاستخدام لاحقا في التحقق من صحة التوقعات. بعض الأمور الأخرى التي من الأهمية أن تلاحظ. للمتوسط ​​المتحرك م فترة التنبؤ فقط م تستخدم معظم القيم البيانات الأخيرة لجعل التنبؤ لا شيء آخر ضروري. للمتوسط ​​المتحرك متوسط ​​التوقعات، عند إجراء التنبؤات السابقة، لاحظ أن التنبؤ الأول يحدث في الفترة م 1. بوث من هذه القضايا سوف تكون كبيرة جدا عندما نطور لدينا التعليمات البرمجية. تطوير المتوسط ​​المتحرك المتحرك الآن نحن بحاجة إلى تطوير رمز توقعات المتوسط ​​المتحرك التي يمكن استخدامها بشكل أكثر مرونة تتبع التعليمات البرمجية لاحظ أن المدخلات هي لعدد الفترات التي تريد استخدامها في التوقعات ومصفوفة القيم التاريخية يمكنك تخزينها في أي المصنف الذي تريده. وظيفة موفينغافيراج التاريخية، نومبروفريودس كما واحد إعلان وتهيئة المتغيرات ديم البند كما متغير عداد خافت كما عدد صحيح تراكم خافت كما أحادية ديم تاريخية الحجم كما صحيح. تهيئة المتغيرات كونتر 1 تراكم 0. تحديد حجم المصفوفة التاريخية تاريخية. للعداد 1 إلى نومبروفريودس. تجميع العدد المناسب من أحدث القيم التي تمت ملاحظتها سابقا. تراكم التراكم تاريخي تاريخيالحجم - نومبروفريودس عداد. محرك متوسط ​​تراكم عدد أوفيريودس. سيتم شرح التعليمات البرمجية في الفصل تريد وضع الوظيفة على جدول البيانات بحيث تظهر نتيجة الحساب حيث ينبغي مثل ما يلي 3 فهم مستويات وأساليب التنبؤ. يمكنك توليد كل من التفاصيل توقعات البند واحد وتوقعات ملخص خط الانتاج التي تعكس أنماط الطلب على المنتجات يحلل النظام الماضي المبيعات لحساب التوقعات باستخدام 12 أساليب التنبؤ وتشمل التوقعات معلومات تفصيلية في البند (1) معايير تقييم الأداء المتوقعة. اعتمادا على اختيار خيارات المعالجة وعلى الاتجاهات والأنماط في بيانات المبيعات، فإن بعض أساليب التنبؤ تؤدي أداء أفضل من غيرها في تاريخ تاريخي معين مجموعة البيانات طريقة التنبؤ التي هو مناسب لمنتج واحد قد لا يكون مناسبا لمنتج آخر قد تجد أن طريقة التنبؤ التي توفر نتائج جيدة في مرحلة واحدة من دورة حياة المنتج لا تزال مناسبة طوال دورة الحياة بأكملها. يمكنك الاختيار بين طريقتين لتقييم الأداء الحالي من أسالیب التنبؤ. دقة الدقة بوا. الانحراف المطلق للماجیر المدروسة. تتطلب طرق تقییم الأداء ھذه بیانات المبیعات التاریخیة للفترة التي تحددھا تسمی ھذه الفترة فترة الاستبقاء أو الفترة التي تناسب أفضل البیانات المستخدمة في ھذه الفترة کأساس لتوصیة طریقة التنبؤ التي سیستخدمھا في وضع توقعات التوقعات القادمة ھذه التوصیة محددة لکل منتج ویمکن أن تتغیر من تولید من التوقع إلی التالیة 3 1 1 أفضل نظام صالح. یوصي النظام بالتنبؤات الأفضل من خلال تطبیق وأساليب التنبؤ المحددة إلى الماضي تاريخ النظام المبيعات ومقارنة محاكاة التنبؤ إلى التاريخ الفعلي عند إنشاء أفضل يقابل التوقعات، يقارن النظام الفعلي تاريخ أوامر المبيعات للتنبؤات لفترة زمنية محددة ويحسب مدى دقة كل طريقة التنبؤ المختلفة توقع المبيعات ثم يوصي النظام التنبؤ الأكثر دقة كما يناسب أفضل يوضح هذا الرسم البياني أفضل تناسب التوقعات. في الشكل 3- 1 أفضل توقعات مناسبا. يستخدم النظام هذا التسلسل من الخطوات لتحديد أفضل مناسبا. استخدام كل طريقة محددة لمحاكاة توقعات لفترة الانتظار فترة المبيعات الفعلية لتوقعات محاكاة لفترة الاستحواذ. حساب بوا أو درهم لتحديد أي طريقة التنبؤ تتطابق بشكل وثيق مع المبيعات الفعلية الماضية. يستخدم النظام إما بوا أو درهم، استنادا إلى خيارات المعالجة التي تحددها. يوصي أفضل تناسب التوقعات من قبل بوا التي هي الأقرب إلى 100 في المئة فوق أو تحت أو درهم الذي هو الأقرب إلى صفر. 2 طرق التنبؤ. JD إدواردز إنتربريسون إدارة التوقعات تستخدم 12 طريقة للتنبؤ الكمي وتشير إلى الطريقة التي توفر (1) النسبة المئوية عن السنة الماضية. الميثود 2 النسبة المئوية المحسوبة خلال السنة الماضية. الميثود 3 السنة الماضية لهذه السنة. الميثود 4 المتوسط ​​المتحرك. الميثود 5 التقريب الخطي. الميثود 6 أقل انحدارات الساحات. الطريقة 7 الدرجة الثانية التقريب. الميثود 8 الطريقة المرنة. الميثود 9 المتوسط ​​المتحرك المرجح. الأسلوب 10 التجانس الخطي. الميثود 11 الأسي تجانس. الموثود 12 الأسي التمويه مع الاتجاه والموسمية. تحديد الطريقة التي تريد استخدامها في خيارات المعالجة ل برنامج توليد التوقعات R34650 توفر معظم هذه الطرق مراقبة محدودة على سبيل المثال، يمكن تحديد الوزن الذي تم وضعه على البيانات التاريخية الحديثة أو النطاق الزمني للبيانات التاريخية المستخدمة في العمليات الحسابية من قبلك. وتشير الأمثلة الواردة في الدليل إلى إجراء الحساب ل كل من طرق التنبؤ المتاحة، نظرا لمجموعة متطابقة من البيانات التاريخية. أمثلة الطريقة في الدليل تستخدم جزء أو كل مجموعات البيانات هذه، h هو البيانات التاريخية من العامين الماضيين التوقعات المتوقعة تذهب إلى العام المقبل. هذه البيانات مبيعات التاريخ مستقرة مع الزيادات الموسمية الصغيرة في يوليو وديسمبر هذا النمط هو سمة من المنتجات الناضجة التي قد تقترب من التقادم 3 2 1 الطريقة 1 النسبة المئوية خلال العام الماضي. هذه الطريقة تستخدم صيغة النسبة المئوية خلال العام الماضي لمضاعفة كل فترة توقعات بنسبة الزيادة أو النقصان المحددين. للتنبؤ بالطلب، تتطلب هذه الطريقة عدد الفترات للحصول على أفضل مناسبة بالإضافة إلى سنة واحدة من تاريخ المبيعات هذه الطريقة من المفيد التنبؤ بالطلب على الأصناف الموسمية مع النمو أو الانخفاض. 3 2 1 1 مثال الطريقة 1 النسبة المئوية عن السنة الماضية. تضاعف النسبة المئوية على صيغة السنة الماضية بيانات المبيعات عن العام السابق بعامل تحدده ثم المشاريع التي تؤدي إلى نتيجة في العام المقبل قد تكون هذه الطريقة مفيدة في وضع الميزانية لمحاكاة تأثير معدل نمو محدد أو عندما يكون تاريخ المبيعات مكونا موسميا هاما. الأيونات عامل الضرب على سبيل المثال، حدد 110 في خيار المعالجة لزيادة بيانات سجل مبيعات السنة السابقة بنسبة 10 في المائة. تاريخ المبيعات المطلوب سنة واحدة لحساب التوقعات، بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل تناسب التي تحددها. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤات. توقعات فبراير تساوي 117 1 1 128 7 تقريب إلى 129.March التوقعات يساوي 115 1 1 126 5 تقريب إلى 127.3 2 2 الطريقة 2 محسوبة النسبة خلال العام الماضي. تستخدم هذه الطريقة النسبة المئوية المحسوبة خلال صيغة العام الماضي لمقارنة المبيعات السابقة لفترات محددة للمبيعات من نفس الفترات من السنة السابقة. يحدد النظام نسبة الزيادة أو النقصان، ثم يضاعف كل فترة حسب النسبة المئوية لتحديد التوقعات. للتنبؤ الطلب، وهذا الأسلوب يتطلب عدد من فترات من أجل المبيعات التاريخ بالإضافة إلى سنة واحدة من تاريخ المبيعات هذا الأسلوب هو مفيد للتنبؤ المدى القصير ديم وبالنسبة للبنود الموسمية مع النمو أو الانخفاض .3 2 2 1 مثال الطريقة 2 النسبة المئوية المحسوبة خلال السنة الماضية. النسبة المئوية المحسوبة على صيغة السنة الماضية تضاعف بيانات المبيعات عن السنة السابقة بعامل يحسبه النظام، هذه النتيجة للعام المقبل قد تكون هذه الطريقة مفيدة في إسقاط تأثير توسيع معدل النمو الأخير للمنتج في العام المقبل مع الحفاظ على نمط موسمي موجود في تاريخ المبيعات. مواصفات فوريكاست مجموعة من تاريخ المبيعات لاستخدامها في حساب معدل النمو على سبيل المثال، حدد n يساوي 4 في خيار المعالجة لمقارنة تاريخ المبيعات لأحدث أربع فترات لنفس تلك الفترات الأربع من العام السابق استخدم النسبة المحسوبة لجعل الإسقاط للسنة التالية. تاريخ المبيعات المطلوب سنة واحدة لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل ملاءمة. هذا الجدول هو التاريخ المستخدمة ط n حساب التنبؤات، نظرا n 4. توقعات فبراير تساوي 117 0 9766 114 26 مدورة إلى 114.March التوقعات يساوي 115 0 9766 112 31 تقريب إلى 112.3 2 3 الطريقة 3 السنة الماضية لهذا العام. وهذا الأسلوب يستخدم مبيعات العام الماضي ل توقعات السنة المقبلة s. للتنبؤ الطلب، وهذا الأسلوب يتطلب عدد من فترات أفضل تناسب زائد سنة واحدة من تاريخ النظام المبيعات هذا الأسلوب هو مفيد للتنبؤ الطلب على المنتجات الناضجة مع الطلب على مستوى أو الطلب الموسمي دون اتجاه .3 2 3 1 طريقة المثال 3 السنة الماضية لهذا العام. السنة الماضية لهذا العام صيغة نسخ بيانات المبيعات من السنة السابقة إلى السنة التالية هذه الطريقة قد تكون مفيدة في الميزانية لمحاكاة المبيعات في المستوى الحالي المنتج هو ناضجة وليس لديها أي اتجاه أكثر من على المدى الطويل، ولكن قد يكون هناك نمط الطلب الموسمي كبير. مواصفات فوريك لا شيء. تاريخ المبيعات المطلوبة سنة واحدة لحساب التوقعات بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل الجدول. هذا الجدول هو التاريخ المستخدم في حساب التنبؤات. توقعات يناير تساوي يناير من العام الماضي مع قيمة التوقعات من 128. توقعات فبراير فبراير يساوي فبراير من العام الماضي مع قيمة توقعات 117.March التوقعات يساوي مارس من العام الماضي مع القيمة المتوقعة 115.3 2 4 الطريقة 4 المتوسط ​​المتحرك. هذه الطريقة تستخدم صيغة المتوسط ​​المتحرك لمتوسط ​​العدد المحدد للفترات لعرض الفترة التالية يجب عليك إعادة حسابها في كثير من الأحيان شهريا أو على الأقل ربع سنوي لتعكس تغيير مستوى الطلب. للتنبؤ بالطلب ، تتطلب هذه الطريقة عدد الفترات الأكثر ملاءمة بالإضافة إلى عدد الفترات من تاريخ أمر المبيعات هذه الطريقة مفيدة للتنبؤ بالطلب على المنتجات الناضجة بدون اتجاه .3 2 4 1 مثال على الطريقة 4 المتوسط ​​المتحرك. المتوسط ​​المتحرك هو طريقة شائعة لمتوسط ​​نتائج تاريخ المبيعات الأخيرة لتحديد إسقاط على المدى القصير طريقة توقعات ما تتخلف عن الاتجاهات التحيز التنبؤ والأخطاء المنهجية تحدث عندما المنتج سال إس التاريخ المعارض اتجاه قوي أو أنماط الموسمية هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة من المنتجات التي هي في مراحل النمو أو التقادم من دورة الحياة. مواصفات فوريك ن يساوي عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التنبؤ على سبيل المثال، حدد ن 4 في خيار المعالجة لاستخدام أحدث أربع فترات كأساس للتوقعات في الفترة الزمنية القادمة وهناك قيمة كبيرة ل n مثل 12 يتطلب المزيد من المبيعات التاريخ أنه يؤدي إلى توقعات مستقرة، ولكن بطيئة في التعرف على التحولات في مستوى المبيعات على العكس من ذلك، قيمة صغيرة ل n مثل 3 هو أسرع للرد على التحولات في مستوى المبيعات، ولكن التوقعات قد تتقلب على نطاق واسع حتى أن الإنتاج لا يمكن أن تستجيب إلى الاختلافات. تاريخ المبيعات المطلوبة n بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل ملاءمة. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤات. توقعات فبراير يساوي 114 119 137 125 4 123 75 مقربا إلى 124. توقعات الأرصدة تساوي 119 137 125 124 4 126 25 مقربة إلى 126.3 2 5 الطريقة 5 التقريب الخطي. وهذه الطريقة تستخدم الصيغة التقريبية الخطية لحساب اتجاه من عدد فترات المبيعات وتاريخ النظام، وعرض هذا الاتجاه إلى التوقعات يجب إعادة حساب الاتجاه الشهري للكشف عن التغيرات في الاتجاهات. وهذه الطريقة تتطلب عدد من فترات من أفضل تناسب بالإضافة إلى عدد من فترات محددة من تاريخ النظام المبيعات هذا الأسلوب هو مفيد للتنبؤ الطلب على منتجات جديدة أو منتجات ذات توجهات إيجابية أو سلبية متسقة غير ناجمة عن التقلبات الموسمية .3 2 5 1 مثال على الطريقة 5 تقريب تقريبي خطي. تقريب تقريبي يحسب الاتجاه الذي يستند إلى نقطتي بيانات تاريخ المبيعات تحدد هاتان النقطتان اتجاها مستقيما الخط المتوقع في المستقبل استخدام هذه الطريقة بحذر لأن الاستبانة طويلة المدى تستمد من التغييرات الصغيرة في نقطتي بيانات فقط. مواصفات فوريكاست n يساوي نقطة البيانات في تاريخ المبيعات التي يتم مقارنتها مع أحدث نقطة بيانات لتحديد اتجاه على سبيل المثال، حدد ن 4 لاستخدام الفرق بين ديسمبر أحدث البيانات وأغسطس أربعة فترات قبل ديسمبر كأساس لحساب الاتجاه. الحد الأدنى مطلوب تاريخ المبيعات ن زائد 1 بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم فترات الأداء التنبؤ من أفضل مناسبا. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤات. توقعات يناير كانون الأول من العام الماضي 1 الاتجاه الذي يساوي 137 1 2 139. توقعات فبراير كانون الأول من العام الماضي 1 الاتجاه الذي يساوي 137 2 2 141.March توقعات ديسمبر من العام الماضي 1 الاتجاه الذي يساوي 137 3 2 143.3 2 6 الطريقة 6 أقل المربعات الانحدار. السطر الأقل طريقة الانحدار لسر يستمد معادلة تصف خط مستقيم العلاقة بين بيانات المبيعات التاريخية ومرور الوقت لسر يناسب خط إلى مجموعة مختارة من البيانات بحيث مجموع مربعات من الاختلافات بين الفعلية يتم تقليل نقاط بيانات المبيعات وخط الانحدار التوقعات هو إسقاط هذا الخط المستقيم في المستقبل. وهذه الطريقة تتطلب بيانات مبيعات التاريخ للفترة التي يمثلها عدد من الفترات أفضل تناسب بالإضافة إلى عدد محدد من فترات البيانات التاريخية و الحد الأدنى المطلوب هو نقطتي بيانات تاريخيتين هذه الطريقة مفيدة للتنبؤ بالطلب عندما يكون الاتجاه الخطي في البيانات. 3 2 6 1 مثال على الطريقة 6 انحدار المربعات الصغرى. الانحدار الخطي أو انحدار المربعات الصغرى لسر هو الأسلوب الأكثر شيوعا لتحديد اتجاه خطي في بيانات المبيعات التاريخية تحسب الطريقة القيم ل a و b ليتم استخدامها في الصيغة. هذه المعادلة تصف خط مستقيم حيث يمثل Y المبيعات ويمثل X الوقت الانحدار الخطي بطيئا في التعرف على نقاط التحول ونوبات وظيفة الخطوة في الطلب الانحدار الخطي يناسب خط مستقيم على البيانات، حتى عندما تكون البيانات الموسمية أو أفضل وصفها منحنى عندما تتبع بيانات مبيعات التاريخ في أو لديه نمط موسمي قوي، والتحيز التنبؤي والأخطاء المنهجية تحدث. مواصفات فوريك ن يساوي فترات من تاريخ المبيعات التي سيتم استخدامها في حساب القيم ل و ب على سبيل المثال، حدد ن 4 لاستخدام التاريخ من سبتمبر حتى ديسمبر كأساس للحسابات عندما تكون البيانات متاحة، فإن n أكبر مثل n 24 عادة ما يستخدم لسر يحدد خطا لعدد قليل من نقطتي بيانات لهذا المثال، تم اختيار قيمة صغيرة ل ن 4 لتقليل الحسابات اليدوية التي هي المطلوبة للتحقق من النتائج. الحد الأدنى المطلوب مبيعات التاريخ ن فترات بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم فترات الأداء التنبؤ من أفضل مناسبا. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤ. توقعات مارش يساوي 119 5 7 2 3 135 6 تقريب إلى 136.3 2 7 الطريقة 7 الدرجة الثانية التقريب. للتنبؤ بالتنبؤ، تستخدم هذه الطريقة صيغة تقريب الدرجة الثانية لرسم منحنى يستند إلى عدد الفترات تاريخ المبيعات يتطلب هذا الأسلوب عدد من الفترات أفضل تناسب بالإضافة إلى عدد من فترات من أجل تاريخ المبيعات مرات ثلاثة هذه الطريقة ليست مفيدة للتنبؤ الطلب لفترة طويلة الأجل 3 2 7 1 مثال الطريقة 7 الدرجة الثانية تقريب. الخطي يحدد الانحدار القيم ل a و b في صيغة التنبؤ Y أب X بهدف تركيب خط مستقيم على بيانات تاريخ المبيعات. تقريب الدرجة الثانية متشابه ولكن هذه الطريقة تحدد القيم ل a و b و c في صيغة التنبؤ هذه. والهدف من هذه الطريقة هو تناسب منحنى إلى بيانات تاريخ المبيعات هذه الطريقة مفيدة عندما يكون المنتج في مرحلة الانتقال بين مراحل دورة الحياة على سبيل المثال، عندما يتحرك منتج جديد من مرحلة مقدمة إلى مراحل النمو، قد تسارع اتجاه المبيعات بسبب مصطلح الترتيب الثاني، يمكن التنبؤ بسرعة الاقتراب اللانهاية أو إسقاط إلى الصفر اعتمادا على ما إذا كان معامل ج إيجابي أو سلبي هذه الطريقة مفيدة فقط على المدى القصير. فوريك سبيسيفيكات أيونات الصيغة تجد a و b و c لتتناسب مع منحنى إلى ثلاث نقاط بالضبط يمكنك تحديد n، عدد الفترات الزمنية للبيانات التي تتراكم في كل نقطة من النقاط الثلاث في هذا المثال، n 3 بيانات المبيعات الفعلية للفترة من أبريل إلى يونيو يتم دمجها في النقطة الأولى، Q1 يوليو حتى سبتمبر تضاف معا لخلق Q2، وأكتوبر خلال ديسمبر المبلغ إلى Q3 يتم تركيب منحنى إلى القيم الثلاثة Q1، Q2، Q3.Required تاريخ المبيعات 3 ن فترات لحساب التوقعات بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل ملاءمة. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤ. Q0 يناير فبراير مارس. Q1 أبريل مايو يونيو وهو يساوي 125 122 137 384.Q2 يوليو أغسطس سبتمبر الذي يساوي 140 129 131 400.Q3 أكتوبر نوفمبر ديسمبر وهو ما يعادل 114 119 137 370. وتتضمن الخطوة التالية حساب المعاملات الثلاثة a و b و c لاستخدامها في صيغة التنبؤ Y أب X c X 2.Q1 و Q2 و يتم عرض Q3 على الرسم البياني، حيث يتم رسم الوقت على أفقي أ يمثل زيس Q1 المبيعات التاريخية الإجمالية لشهر أبريل ومايو ويونيو، ويتم رسمها في X 1 Q2 يتوافق مع يوليو وحتى سبتمبر Q3 يتوافق مع أكتوبر حتى ديسمبر ويظهر Q4 من يناير حتى مارس يوضح هذا الرسم تخطيطات Q1 و Q2 و Q3 و Q4 للحصول على تقريب من الدرجة الثانية. الشكل 3-2 التآمر Q1 و Q2 و Q3 و Q4 لتقريب الدرجة الثانية. تقوم المعادلات الثلاث بوصف النقاط الثلاث على الرسم البياني. 1 Q1 a بكس سك 2 حيث X 1 Q1 a b c. 2 Q2 a بكس سك 2 حيث X 2 Q2 a 2b 4c. 3 Q3 a بكس سك 2 حيث X 3 Q3 a 3b 9.c حل المعادلات الثلاث في وقت واحد لإيجاد b و a و c. Soptract المعادلة 1 1 من المعادلة 2 2 وحل ل b. سوبستيتيوت هذه المعادلة b إلى المعادلة 3. 3 Q3 a 3 Q2 Q1 3c 9c Q3 3 Q2 Q1.Finally استبدال هذه المعادلات ل a و b إلى المعادلة 1. 1 q3 3 q2 q1 q2 q1 3c c q1c q3 q2 q1 q2 2. طريقة الدرجة الثانية تقريب يحسب a و b و c كما يلي. أ Q3 3 Q2 Q1 370 3 400 384 370 3 16 322.b Q2 Q1 3c 400 384 3 23 16 69 85.c Q3 Q2 Q1 Q2 2 370 400 384 400 2 23.This هو حساب للتقديرات التقريبية من الدرجة الثانية. a بكس سك 2 322 85X 23 X 2.When X 4، Q4 322 340 368 294 التوقعات تساوي 294 3 98 لكل فترة. عندما X 5، Q5 322 425 575 172 تساوي التوقعات 172 3 58 33 مقربا إلى 57 في كل مرة. عندما X 6، Q6 322 510 828 4 التوقعات تساوي 4 3 1 33 تقريب إلى 1 في الفترة الواحدة. هذا هو توقعات للعام المقبل، السنة الماضية إلى هذه السنة. 3 2 8 الطريقة 8 طريقة مرنة. هذه الطريقة تمكنك من اختيار أفضل عدد مناسبا من لكل واليود من تاريخ طلب المبيعات الذي يبدأ قبل أشهر من تاريخ بدء التوقعات، وتطبيق نسبة الزيادة أو نقصان عامل الضرب الذي لتعديل التوقعات هذا الأسلوب مشابه لطريقة 1، النسبة المئوية خلال العام الماضي، إلا أنه يمكنك تحديد عدد الفترات التي تستخدمها كقاعدة. اعتمادا على ما تختاره ك n، تتطلب هذه الطريقة فترات تناسب أفضل بالإضافة إلى عدد فترات بيانات المبيعات المشار إليها هذه الطريقة مفيدة للتنبؤ بالطلب على اتجاه مخطط. 3 2 8 1 طريقة المثال 8 الطريقة المرنة. الطريقة المرنة النسبة المئوية أكثر من شهر يشبه سابق الأسلوب 1، النسبة المئوية خلال السنة الماضية كلتا الطريقتين تضاعف بيانات المبيعات من فترة زمنية سابقة بعامل محدد من قبلك، ومن ثم عرض هذه النتيجة في المستقبل في طريقة النسبة المئوية خلال العام الماضي، يستند الإسقاط إلى بيانات من نفس الفترة الزمنية في السنة السابقة يمكنك أيضا استخدام الطريقة المرنة لتحديد فترة زمنية، بخلاف الفترة الزمنية نفسها في ست، لاستخدامها كأساس لحسابات. عامل الضرب على سبيل المثال، حدد 110 في خيار المعالجة لزيادة البيانات السابقة مبيعات التاريخ بنسبة 10 في المئة. فترة الأساس على سبيل المثال، ن 4 يسبب التوقعات الأولى أن تستند إلى بيانات المبيعات في سبتمبر من العام الماضي. الحد الأدنى المطلوب تاريخ المبيعات عدد الفترات إلى فترة الأساس بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل مناسبا. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤات. 3 2 9 الطريقة 9 المتوسط ​​المتحرك المرجح. صيغة المتوسط ​​المتحرك المرجح مشابهة للطريقة 4، صيغة المتوسط ​​المتحرك، لأنها متوسطات سجل المبيعات في الشهر السابق لعرض تاريخ المبيعات في الشهر التالي ومع ذلك، يمكنك مع هذه الصيغة تعيين أوزان لكل من الفترات السابقة. وهذه الطريقة تتطلب عدد الفترات المرجحة المختارة بالإضافة إلى عدد الفترات التي تناسب البيانات على النحو الأمثل للمتوسط ​​المتحرك، وهذه الطريقة متخلفة عن اتجاهات الطلب، لذلك هذا لا يوصى باستخدام المنتجات ذات الاتجاهات القوية أو الموسمية. هذه الطريقة مفيدة للتنبؤ بالطلب على المنتجات الناضجة مع الطلب الذي يكون المستوى 3 نسبيا. 9 9 1 مثال على الطريقة 9 المتوسط ​​المتحرك المرجح. المتوسط ​​المتحرك المتوسط ​​المرجح أسلوب وما مشابه للطريقة 4 ، موفينغ أفيراج ما ومع ذلك، يمكنك تعيين أوزان غير متكافئة للبيانات التاريخية عند استخدام وما تحسب الطريقة المتوسط ​​المرجح لتاريخ المبيعات الأخير للتوصل إلى إسقاط على المدى القصير وعادة ما يتم تعيين البيانات الحديثة أكثر وزنا من البيانات القديمة، لذلك وما هو أكثر استجابة للتحولات في مستوى المبيعات ومع ذلك، والتحيز التنبؤ والأخطاء المنهجية تحدث عندما يظهر تاريخ مبيعات المنتجات اتجاهات قوية أو أنماط الموسمية هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة من المنتجات في النمو أو التقادم مراحل من دورة الحياة. عدد الفترات من تاريخ المبيعات ن لاستخدامها في حساب التنبؤ. على سبيل المثال، حدد ن 4 في بروس سسينغ الخيار لاستخدام أحدث أربع فترات كأساس للتوقعات في الفترة الزمنية القادمة وهناك قيمة كبيرة ل n مثل 12 يتطلب المزيد من المبيعات التاريخ مثل هذه القيمة يؤدي إلى توقعات مستقرة، ولكن بطيئة الاعتراف التحولات في مستوى المبيعات على العكس من ذلك، قيمة صغيرة ل n مثل 3 يستجيب بسرعة أكبر للتحولات في مستوى المبيعات، ولكن التوقعات قد تتقلب على نطاق واسع بحيث أن الإنتاج لا يمكن أن تستجيب إلى الاختلافات. العدد الإجمالي للفترات لخيار المعالجة 14 - ينبغي ألا تتجاوز الفترات الزمنية المتضمنة 12 شهرا. الوزن المخصص لكل فترة من فترات البيانات التاريخية. ويجب أن تكون الأوزان المخصصة 100 1 على سبيل المثال، عندما يكون n 4، يعطى أوزان 0 50 و 0 25 و 0 و 15 و 0 10 مع أحدث البيانات التي تتلقى أكبر وزن. الحد الأدنى المطلوب تاريخ المبيعات ن بالإضافة إلى عدد من الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل مناسبا. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤ. أست يساوي 131 0 10 114 0 15 119 0 25 137 0 50 0 10 0 15 0 25 0 50 128 45 مقربة إلى 128. توقعات شباط / فبراير تساوي 114 0 10 119 0 15 137 0 25 128 0 50 1 127 5 مقربة إلى 128. توقعات مارس تساوي 119 0 10 137 0 15 128 0 25 128 0 50 1 128 45 تقريب إلى 128.3 2 10 الطريقة 10 خطي التجانس. هذه الطريقة تحسب المتوسط ​​المرجح لبيانات المبيعات الماضية في الحساب، يستخدم هذا الأسلوب عدد فترات تاريخ طلب المبيعات من 1 إلى 12 المشار إليه في خيار المعالجة يستخدم النظام تطور رياضي ل وزن البيانات في المدى من أول وزن أقل إلى الوزن النهائي النهائي ثم يقوم النظام بمشاريع هذه المعلومات لكل فترة في التوقعات. هذا يتطلب الشهر الأفضل مناسبا بالإضافة إلى تاريخ أمر المبيعات لعدد الفترات المحددة في خيار المعالجة .3 2 10 1 مثال على الطريقة 10 التجانس الخطي. هذا الأسلوب مشابه للطريقة 9، وما ومع ذلك، بدلا من التنازل التعسفي أوزان البيانات التاريخية، يتم استخدام صيغة لتعيين الأوزان التي تنخفض خطيا ومجموعها إلى 00 1 وتحسب الطريقة بعد ذلك المتوسط ​​المرجح لتاريخ المبيعات الأخير للتوصل إلى إسقاط على المدى القصير مثل جميع تقنيات التنبؤ المتوسط ​​المتحرك الخطي والتحيز المتوقع والأخطاء المنهجية تحدث عندما يكون تاريخ مبيعات المنتجات يعرض اتجاهات قوية أو أنماط موسمية هذا الأسلوب يعمل بشكل أفضل للتنبؤات قصيرة المدى من المنتجات الناضجة من المنتجات في مراحل النمو أو التقادم من دورة الحياة. ن يساوي عدد الفترات من تاريخ المبيعات لاستخدامها في حساب التنبؤ على سبيل المثال، حدد n يساوي 4 في خيار المعالجة لاستخدام أحدث أربع فترات كأساس للتوقعات في الفترة الزمنية التالية يحدد النظام تلقائيا الأوزان للبيانات التاريخية التي تنخفض خطيا وتجمع إلى 00 1 على سبيل المثال، عندما يساوي n 4 ، يعين النظام أوزان 0 4 و 0 3 و 0 2 و 0 1، مع أحدث البيانات التي تتلقى أكبر وزن. الحد الأدنى المطلوب تاريخ المبيعات نب لیس عدد الفترات الزمنیة المطلوبة لتقییم فترات الأداء التوقعیة الأنسب. ھذا الجدول ھو التاریخ المستخدم في حساب التوقع. 3 2 11 الطریقة 11 تجانس الأسي. تحسب ھذه الطریقة متوسطا ممسدا یصبح تقدیرا یمثل المستوى العام للمبيعات على فترات البيانات التاريخية المختارة. وهذه الطريقة تتطلب تاريخ بيانات المبيعات للفترة الزمنية التي يمثلها عدد الفترات الأكثر ملاءمة بالإضافة إلى عدد فترات البيانات التاريخية المحددة الحد الأدنى المطلوب هو فترتين بيانات تاريخية هذا طريقة مفيدة للتنبؤ بالطلب عند عدم وجود اتجاه خطي في البيانات .3 2 11 1 مثال على الطريقة 11 تجانس أسي. ويشبه هذا الأسلوب الأسلوب 10، التنعيم الخطي في التمهيد الخطي، يعين النظام الأوزان التي تنخفض خطيا إلى البيانات التاريخية في التمدد الأسي، يعين النظام الأوزان التي تسوس أضعافا مضاعفة معادلة للتنبؤ الأسي التنبؤ هو. فوريكاست P ريفيوس المبيعات الفعلية 1 التوقعات السابقة. التوقع هو المتوسط ​​المرجح للمبيعات الفعلية من الفترة السابقة والتوقعات من الفترة السابقة ألفا هو الوزن الذي يتم تطبيقه على المبيعات الفعلية للفترة السابقة 1 هو الوزن الذي يتم تطبيقه إلى توقعات الفترة السابقة قيم المدى ألفا من 0 إلى 1 وعادة ما تقع بين 0 1 و 0 4 مجموع الأوزان هو 1 00 1 1. يجب تعيين قيمة ثابت التمهيد، ألفا إذا لم تقم بذلك تعيين قيمة ثابت التمهيد، يقوم النظام بحساب القيمة المفترضة التي تستند إلى عدد فترات تاريخ المبيعات المحددة في خيار المعالجة. ساوي ثابت التمهيد المستخدم لحساب المتوسط ​​الملمس للمستوى العام أو حجم المبيعات. قيم لمجموعة ألفا من 0 إلى 1.n يساوي مجموعة من بيانات مبيعات التاريخ لتشمل في الحسابات. عموما، سنة واحدة من بيانات التاريخ المبيعات كافية لتقدير المستوى العام للمبيعات على سبيل المثال، تم اختيار قيمة صغيرة ل ن 4 لتقليل الحسابات اليدوية المطلوبة للتحقق من النتائج يمكن أن يؤدي التمهيد الأسي إلى توليد توقعات تستند إلى أقل من نقطة بيانات تاريخية واحدة. الحد الأدنى المطلوب من سجل المبيعات n بالإضافة إلى الرقم من الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة من أفضل ملاءمة. هذا الجدول هو التاريخ المستخدمة في حساب التنبؤات 3 2 12 الطريقة 12 الأسي تمهيد مع الاتجاه والموسمية. وهذه الطريقة بحساب الاتجاه، مؤشر موسمية، و المتوسط ​​السلس أضعافا مضاعفة من تاريخ أمر المبيعات النظام ثم تطبيق إسقاط للاتجاه إلى التوقعات ويعدل للمؤشر الموسمي. وهذه الطريقة تتطلب عدد من فترات أفضل تناسب بالإضافة إلى عامين من بيانات المبيعات، ومفيد للبنود التي لديها سواء الاتجاه والموسمية في توقعات يمكنك إدخال عامل ألفا وبيتا، أو يكون النظام حساب لهم ألفا والعوامل بيتا هي ثابت تمهيد أن يستخدم النظام لحساب المتوسط ​​المنعم للمستوى العام أو حجم ألفا المبيعات ومكون الاتجاه من بيتا التوقعات 3 12 12 1 مثال الطريقة 12 تمهيد الأسي مع الاتجاه والموسمية. هذا الأسلوب مشابه لطريقة 11، الأسي التمهيد ، حيث يحسب المتوسط ​​السلس ومع ذلك، تشتمل الطريقة 12 أيضا على مصطلح في معادلة التنبؤ لحساب اتجاه سلس تتألف التوقعات من متوسط ​​سلس يتم تعديله للاتجاه الخطي عند تحديده في خيار المعالجة، يكون التنبؤ كما يتم تعديلها للموسمية. ألفا يساوي ثابت التمهيد الذي يستخدم في حساب المتوسط ​​المنعم للمستوى العام أو حجم المبيعات. القيم لمجموعة ألفا من 0 إلى 1.Beta تساوي ثابت التمهيد المستخدم في حساب المتوسط ​​المنعم عنصر الاتجاه من التوقعات. قيم لمجموعة بيتا من 0 إلى 1.Whether يتم تطبيق مؤشر موسمية على التنبؤ. الفا وبيتا مستقلة عن e آخر لا يجب أن يختصر إلى 1 0. الحد الأدنى المطلوب من تاريخ المبيعات سنة واحدة بالإضافة إلى عدد الفترات الزمنية المطلوبة لتقييم فترات الأداء المتوقعة التي تناسب على أفضل وجه عند توفر سنتين أو أكثر من البيانات التاريخية، يستخدم النظام سنتين من البيانات في العمليات الحسابية. الميثود 12 يستخدم اثنين من المعادلات الأسية تمهيد ومتوسط ​​بسيط واحد لحساب المتوسط ​​السلس، واتجاه سلس، ومؤشر موسمية متوسط ​​بسيط. المتوسط ​​أملس أضعافا مضاعفة. في اتجاه ممسود أضعافا. المتوسط ​​المتوسط ​​بسيط index. Figure 3-3 بسيط متوسط ​​الموسمية index. The ثم يتم احتساب التوقعات باستخدام نتائج المعادلات الثلاث. L هو طول الموسمية L يساوي 12 شهرا أو 52 أسبوعا. هو الفترة الزمنية الحالية. m هو عدد من الفترات الزمنية في مستقبل التوقعات. هو عامل التعديل الموسمية المضاعف الذي يتم فهرسته إلى الفترة الزمنية المناسبة. يسرد هذا الجدول التاريخ المستخدم في حساب التوقعات. هذا القسم بيأر المبيدات نظرة عامة على تقييمات التوقعات ومناقشتها. يمكنك تحديد أساليب التنبؤ لتوليد ما يصل إلى 12 توقعات لكل منتج كل طريقة التنبؤ قد تخلق اسقاطا مختلفا قليلا عندما يتم توقع الآلاف من المنتجات، قرار شخصي غير عملي بشأن التوقعات لاستخدام في الخطط لكل منتج. يقوم النظام تلقائيا بتقييم الأداء لكل طريقة تنبؤ تحددها ولكل منتج تتوقعه يمكنك الاختيار بين معيارين من معايير الأداء ماد و بوا ماد هو مقياس لخطأ التنبؤ بوا هو مقياس للتحيز المتوقع كل من هذه التقنيات تقييم الأداء تتطلب البيانات الفعلية مبيعات التاريخ لفترة محددة من قبلك فترة من التاريخ الحديث المستخدمة للتقييم يسمى فترة الاستيلاء أو فترة من أفضل مناسبا. لقياس أداء طريقة التنبؤ، والنظام. يستخدم الصيغ المتوقعة لمحاكاة توقعات لفترة الاستحواذ التاريخية. جعل المقارنة بين وبيانات المبيعات الفعلية والتوقعات محاكاة لفترة الاستحواذ. عندما تقوم بتحديد أساليب التنبؤ متعددة، تحدث هذه العملية نفسها لكل طريقة يتم احتساب توقعات متعددة لفترة الاستحواذ ومقارنة مع تاريخ المبيعات المعروفة عن تلك الفترة نفسها طريقة التنبؤ التي تنتج أفضل مباراة تناسب أفضل بين التوقعات والمبيعات الفعلية خلال فترة الاستحواذ يوصى لاستخدامها في الخطط هذه التوصية هي محددة لكل منتج، ويمكن أن تتغير في كل مرة أن تولد توقعات 3 3 1 يعني المطلق الانحراف. ميان المطلق الانحراف ماد هو متوسط ​​أو متوسط ​​القيم المطلقة أو حجم الانحرافات أو الأخطاء بين البيانات الفعلية والتنبؤات ماد هو مقياس لمتوسط ​​حجم الأخطاء المتوقع، نظرا لطريقة التنبؤ وتاريخ البيانات لأن القيم المطلقة تستخدم في والحساب، والأخطاء الإيجابية لا تلغي الأخطاء السلبية عند مقارنة عدة أساليب التنبؤ، واحد مع أصغر ما D هو الأكثر موثوقية لهذا المنتج لفترة الانتظار هذه عندما تكون التوقعات غير منحازة ويتم توزيع الأخطاء عادة، توجد علاقة رياضية بسيطة بين ماد واثنين من التدابير المشتركة الأخرى للتوزيع، والتي هي الانحراف المعياري ومتوسط ​​الخطأ التربيعي ل example. MAD Actual Forecast n. Standard Deviation, 1 25 MAD. Mean Squared Error 2.This example indicates the calculation of MAD for two of the forecasting methods This example assumes that you have specified in the processing option that the holdout period length periods of best fit is equal to five periods.3 3 1 1 Method 1 Last Year to This Year. This table is history used in the calculation of MAD, given Periods of Best Fit 5.Mean Absolute Deviation equals 2 1 20 10 14 5 9 4.Based on these two choices, the Moving Average, n 4 method is recommended because it has the smaller MAD, 9 4, for the given holdout period.3 3 2 Percent of Accuracy. Percent of Accuracy POA is a measure of forecast bias When forecast s are consistently too high, inventories accumulate and inventory costs rise When forecasts are consistently too low, inventories are consumed and customer service declines A forecast that is 10 units too low, then 8 units too high, then 2 units too high is an unbiased forecast The positive error of 10 is canceled by negative errors of 8 and 2. Error Actual Forecast. When a product can be stored in inventory, and when the forecast is unbiased, a small amount of safety stock can be used to buffer the errors In this situation, eliminating forecast errors is not as important as generating unbiased forecasts However, in service industries, the previous situation is viewed as three errors The service is understaffed in the first period, and then overstaffed for the next two periods In services, the magnitude of forecast errors is usually more important than is forecast bias. POA Forecast sales during holdout period Actual sales during holdout period 100 percent. The summation over the holdout period enables positive errors to cancel negative errors When the total of forecast sales exceeds the total of actual sales, the ratio is greater than 100 percent Of course, the forecast cannot be more than 100 percent accurate When a forecast is unbiased, the POA ratio is 100 percent A 95 percent accuracy rate is more desirable than a 110 percent accurate rate The POA criterion selects the forecasting method that has a POA ratio that is closest to 100 percent. This example indicates the calculation of POA for two forecasting methods This example assumes that you have specified in the processing option that the holdout period length periods of best fit is equal to five periods.3 3 2 1 Method 1 Last Year to This Year. This table is history used in the calculation of MAD, given Periods of Best Fit 5.3 4 2 Forecast Accuracy. These statistical laws govern forecast accuracy. A long term forecast is less accurate than a short term forecast because the further into the future you project the fore cast, the more variables can affect the forecast. A forecast for a product family tends to be more accurate than a forecast for individual members of the product family. Some errors cancel each other as the forecasts for individual items summarize into the group, thus creating a more accurate forecast.3 4 3 Forecast Considerations. You should not rely exclusively on past data to forecast future demands These circumstances might affect the business, and require you to review and modify the forecast. New products that have no past data. Plans for future sales promotion. Changes in national and international politics. New laws and government regulations. Weather changes and natural disasters. Innovations from competition. You can use long term trend analysis to influence the design of the forecasts. Leading economic indicators.3 4 4 Forecasting Process. You use the Refresh Actuals program R3465 to copy data from the Sales Order History File table F42119 , the Sales Order Detail File table F4211 , or both, into either the Forecast File table F3460 or the Forecast Summary File table F3400 , depending on the kind of forecast that you plan to generate. Scripting on this page enhances content navigation, but does not change the content in any way. Demand Forecasting Techniques Moving Average We have over 79 college courses that prepare you to earn credit by exam that is accepted by over 2,000 colleges and universities You can test out of the first two years of college and save thousands off your degree Anyone can earn credit-by-exam regardless of age or education level. Transferring credit to the school of your choice. Not sure what college you want to attend yet has thousands of articles about every imaginable degree, area of study and career path that can help you find the school that s right for you. Research Schools, Degrees Careers. Get the unbiased info you need to find the right school. Browse Articles By Category.