爱游戏官网

你好,感謝(xie)在這滬儀器設備智能儀表制造行(xing)業促進會!

儀器儀表行業協會
搜索
搜尋

經營管理

資訊分類
/
/
/
上升趨勢的預測分析:霍爾統稱數圓滑法

趨勢的預測:霍爾特指數平滑法

  • 定義:管理技術
  • 筆者:
  • 從何而來:
  • 披露事件:2021-06-13 09:29
  • 點擊量:

【概述說明】

趨勢的預測:霍爾特指數平滑法

【內容提要陳(chen)述(shu)】

  • 劃分:管理技術
  • 小說作者:
  • 原因:
  • 上傳準確時間:2021-06-13 09:29
  • 訪問瀏覽量:
詳情

趨勢的預測:霍爾特指數平滑法

 

需求預測,怎么破?

 

霍爾特法得名于查爾斯·霍爾特,最早發表于1957年,成為預測上用得最廣的模型之一[1]。對和庫存計劃來說,上世紀50、60年代可以說是人才輩出。這里我想特別介紹一下美國的HMMS研究團隊。這個團隊的名稱來自四位研究者姓氏的第一個字母(Holt,Modigliani,Muth和Simon),當時他們都在卡內基工學院[2],旨在是尋找更好的決策機制,以幫助工業界更好地應對種種庫存、生產和計劃問題。這些問題在宏觀層面導致經濟危機,在微觀層面讓企業經常處于危機狀態,要么是趕工加急,要么是產能利用不足,以及庫存積壓。

Holt就是這里要講的霍爾特,他開發了應對平緩需求的簡單指數平滑法、應對趨勢的霍爾特雙參數線性指數平滑法,以及應對季節性的霍爾特—溫特模型,這些都成為工業界最為廣泛應用的[3]。其余的3位研究者中,Modigliani和Simon后來獲得了諾貝爾經濟學獎,而Muth的理性預期模型呢,又成為盧卡斯獲取諾貝爾獎的基石。不得不感嘆,這真是個才華橫溢的研究團隊啊,那時的卡內基梅隆就已經是個才俊輩出的地方。

方便地說,霍爾特法就在方便因子平整光滑因子α的框架上,加強了個趨勢英文的平整光滑因子β,之所以也叫“雙技術指標平整光滑法”。當β相當于0的階段,霍爾特模特就成為方便因子平整光滑法。 當需求量產生 很大的浪潮分析,如圖 1中的現狀,簡短易行指標值平整光滑法無發有效性性對付,表現形式在對平整光滑標準值擇優錄用時,你將遇到最有效性的的α成了1,或是極為貼近1——簡短易行指標值平整光滑法無發有效性性預測時,就就只能“步歩緊逼”,“球”跑到在哪有,就跟到在哪有,這一定會處于被動不良反應,永恒時滯一步一個腳印。霍爾特法加大了浪潮分析技術指標,效果轉變觀念分析判斷“球”的逐漸,平臺地加大了屏蔽到“球”的贏率。

在霍爾特雙參數平滑法模型中,預測由兩部分構成;一部分是水平部分,是在上期水平部分的基礎上,用簡單指數平滑法來更新;另一部分是趨勢部分,是在上期趨勢部分的基礎上平滑調整,也用簡單指數平滑法來更新;兩者相加,就得到下期的預測[4]

霍爾特法就長期優化含量要素,甚至長期優化大新趨勢要素,在豎向和橫項兩維優化精準預測,故而能最佳地對付大新趨勢的發生改變。通常的數學公式分三要素,更高環節不錯手機百度“霍爾特雙參數設置平均值平整法”。 下期程度方向部件=α*下期各種需求具體情況值 + (1-α)*(前一期程度方向部件+前一期的趨勢部件)(1) 本月發展趨勢英文一些=β*(本月技術一些-前一期技術一些)+(1-β)*前一期發展趨勢英文(2) 當期予測=當期技術區域 + 當期上升趨勢區域(3) 這便是由于有趨向,霍爾特法可以預估多期的值:明天第n期的預估相等上期橫向有些加進去n倍的趨向有些。打個比方在圖 1的例證中,第22周的預估=40+1*(-18)=22,第23周的預估=40+2*(-18)=4。你直接會出現 ,第24周的預估就變為負數,這當然不合適理——這便是趨向性能指標介紹的原因,導至霍爾特法經歷度預估的趨勢,在食用的時刻要對其進行在意。 霍爾特雙參數指標均勻法中,均勻比率α和β對應0和1期間。與簡約因子均勻法同樣,這2個均勻比率越大,分折整治就越響應的的,也說是說較新的造成的對下幾步的分折決定挺大,危害性分析是有也許導致過度反饋;均勻比率越小,分折整治就越有序,也就把較新的造成的一些地當了“雜聲”給過濾器掉,危害性分析是也許沒辦法按時響應的的需要量更改。 在霍爾特叁數的定向中,我們大家也能夠用Excel中的Solver擴展程序,通過分折更精準度高達的目標值,圍繞著 一個叁數α和β提升,選定既定的叁數。

用霍爾特雙參數指數平滑法來預測

圖1:用霍爾特雙因素分指數線性法來估計 與簡短指標線性有些相似,霍爾特雙產品參數也是需要默認化。

在初始化時,可以假定初始“水平部分”為第一個實際需求值,初始“趨勢部分”為第二個實際需求值減去第一個實際需求值;也可以基于前幾個實際需求值,利用線性回歸模型來計算截距(水平部分)和斜率(趨勢部分)。當然還有別的方法來初始化,比如把趨勢部分的初始值設為0[5](這是假定剛開始的時候沒有趨勢),以及用前幾期的平均值作為水平部分的初始值。

面前面非常簡單平均值圓滑法的現狀差不多,經歷過那段時光的剛開始化后,對模型會全自動糾偏,剛開始值的應響越變比較有限,隨后聊勝于無。 在圖 1的典例中,小編用前9期的參數來默認化,用后12期的參數來檢測建模 、選定 最佳的建模 。采取前幾塊參數該是離散,小編用前5期的的平對數正態分布作為一個橫向部份的默認值,態勢部份的默認值設為0,α取值0.8,β取值0.1。而我們對檢測組現階段,預側的的平衡絕對的誤差度為33%,均方差為1790。我這試試看用單純平均值平整光滑來預側,最佳化的平整光滑比率相似1,這一個最精準度指標英文區別為37%和1869。明顯,而我們對這類消耗品一般來說,意愿轉變 輕微,進行使用就高達巔峰,意愿其次就六路滑下,與單純平均值平整光滑法相較于,霍爾特法是更有效果的預側方式 。 其實,針對分指數擬合法,到現如今結束,你讀了應該是沒有怎樣的呢的感覺。這沒相互關系,先了解到一番,第二動手拆裝時間,在時間中增加能夠理解。我覺得,控制不了實際多完滿,除了下到河里,是不聊懂得浮潛的。

【實踐者問】我的專業是工業工程,目前感興趣的工作有兩方面,一個是計劃,另一個跟供應鏈稍微偏差些,是數據分析。我由于本身專業跟供應鏈很相關,而且對于生產計劃這樣與數據打交道的工作也很感興趣,但是專業課上學到的無外乎移動平均法、指數平滑法、霍爾特法這些,感覺一個外行人用點心,一天就能熟練掌握幾種預測方法,我想知道在計劃這個行業進一步是什么樣的職業發展道路?

【劉寶紅答】這些基本的方法能夠解決需求計劃的大部分問題,所以不要小看它們。它們看上去簡單,其實不簡單,不然的話為什么還要把人名冠上去?像霍爾特這種專家,都是跟諾貝爾獎獲得者相提并論的人。這些方法凝聚著眾多研究者多年的心血,遠遠沒有想象的那么簡單——如果我們認為簡單,那八成是因為我們不理解。

例如手機均勻法是簡略,但有究競用多少錢期的訴求發展就很不簡略,因這符合要求企業計較怎么樣去考評予測沙盤模型的好賴。這又有到相對誤差度、均方差等予測更準度的匯總形式——均方差又讓企業自我意識到,予測的一整首要是避開大錯特錯:小的予測錯誤會消除,能否經過健康安全庫存積壓、廠家直銷鏈執行工作來消除;殺害企業的是大錯特錯。 那大錯特錯也是怎么會發現的?選定 了不統一適的預估建模 ,用了不統一適的性能指標有的是個原因分析,但基本條件動態信息顯示庫也有的是疑難問題源,譬如動態信息顯示庫沒難以清理,我把已前搶購活動的動態信息顯示庫主要包括以內,事后意愿預估理所當然可觀較為增高。這時對發現了的搶購活動,那沒發現的呢?這又包含到跟推廣相對定位接入——意愿預估是“從動態信息顯示庫準備,由評判完”,動態信息顯示庫代表英文會已是發現的,可重覆的;評判代表英文會沒完發現的,不可以重覆的,這又連帶到推廣跟在運營融合步驟,工廠的幾個主枝步驟中的一個。 之所以,也千萬別低估等等核心的的三維建模。用要恰當,等等三維建模能防止大個部分的事情。也千萬別求進先入為主。若果有很多人跟你大談卡爾曼濾波,或許灰黑色預計法什么樣的工程專業專有名詞,你應有敬而遠之——我就是說等等不重點,還說那很多的是龍肝鳳膽;.我得重歸項目的核心的面,先把.我的大米做得更強更合口再來。 這就如練武,沒用你學什么專業樣拳術,大致的方法也就許多。要經由看一遍又看一遍的練習題,更加熟練,入神入化的是,才可以實打實理解。要認識,高手小說的高,并不體現在大家認識的方法比朋友多,還在相同之處的方法里,大家得以更高。   [1] 這篇有趣散文的名稱大全是Forecasting seasonals and trends by exponentially weighted moving averages, Charles Holt, ONR Research Memorandum No 52, Carnegie Institute of Technology, 1957。那份研發是由英國陸軍支持的。在英國,運籌學、運行工作的更多初期研發是由軍方支持的,為日后的廠家直銷鏈工作課題攻破扎實的系統理論核心。 [2] 該技術職業技術學院由有色金屬國內巨頭卡內基建立,慢慢與梅隆技術職業技術學院并成,變為今天小編蜚聲國外市場的卡內基梅隆本科大學。 [3] Learning How to Plan Production, Inventories, And Work Force, Operations Research, Vol. 50, No. 1, January–February 2002, Charles c. Holt, pp. 96–99. [4] 我從查證常常資料資料,對像的專業技術述語,不易找自己適合的的講述:某些資料資料但要用工式中的符號當作,這增出來現時學家的好的文章內容中;但要就利用英語口語又名,這增出來現時對外投資歷史背景的專職人寫的好的文章內容中。這開售很輕松的辦法論,卻被較多著述弄得出錯晦澀難懂——因此起賣弄“數學3之美”,求算出一條一個條的工式時,這很經濟實用的辦法論就是學究們的自娛自樂,對你說們時間者當今社會何異于天災人禍。當本地工業企業起大大小用這的之時 ,很舉例說明、很貼切的常常明稱就可以誕生——現時還沒有到那節步。 [5] 比喻在Real-Statisitics.com網站平臺,Charles Zaiontz醫生后的霍爾特法Excel中,潮流這部分的起始值就用0。有位醫生后聯合開發了不同各色各樣的Excel圖表,時用很好解決方法數理數據匯總分析表格匯總的難題,包擴非常簡單易行數據擬合法和霍爾特法,是學業此類預測模式化的良好質料(http://www.real-statistics.com/time-series-analysis)。他前在新加坡的大學考研當老師,現住在在加拿大。像他那末樣把復雜的的數理數據匯總分析表格匯總說明得那末看不很明白,這全世界可沒能多說人。我前讀MBA時,教數據匯總分析表格匯總學的哪位先生只是只要的人。他我能真真正正有感到數據匯總分析表格匯總學表現形式出的非常簡單易行美(羞愧,快20年過去式了,我連他的名都忙記)。這也這是機器服務工資智慧等無法兒多方面應運的因為組成:我跟好幾塊自己工服務工資智慧大公司的方向專家談,大家均在試試擇機器服務工資智慧來很好解決方法所需預測難題,但沒能某自己并能說明看不很明白,機器服務工資智慧道底是都使用的,能更佳地預測所需——我從方案方向能能說成要高于均衡技術技術,大家在機器服務工資智慧上是遠超均衡技術技術,我門在一切都無法兒搞看不很明白機器服務工資智慧是都愿因,普通的方案副總、方案員都能搞看不很明白呢?不掌握沒事可歸屬感,不可歸屬感沒事會去用。 筆者:劉寶紅

相關文件

暫時沒有內容信息顯示
請先在網站后臺添加數據記錄。

Copyright ? 重(zhong)慶實驗(yan)室設(she)備義表制造工業協會(hui)(hui)會(hui)(hui)員 著(zhu)作權(quan)法整(zheng)個