指数平滑化は、一定期間のための物品のための需要を予測するための方法です。この方法は、需要が特定の期間の過去の消費量の平均と等しくなると推定し、より近い値に大きな重みまたは重みを与えます。さらに、以下の予測では、現在の予測の既存の誤差を考慮に入れます。
需要予測は、製品またはサービスに対する顧客の需要を予測する方法です。このプロセスは継続的であり、管理者は履歴データを使用して、商品またはサービスの販売需要を予測します。
出典：pixabay.com
会社の過去の情報を市場経済データに追加して使用し、売上が増加するか減少するかを確認します。
需要予測の結果は、営業部門の目標を設定するために使用され、会社の目標に沿った状態を維持しようとします。
指数平滑法
平滑化は非常に一般的な統計プロセスです。平滑化されたデータは、日常生活のさまざまな形でよく見られます。平均が何かを表すために使用されるたびに、平滑化された数値が使用されています。
記録的に最も暖かい冬が今年経験したと仮定します。これを定量化するために、まず、記録された各歴史年の冬の期間の毎日の気温データセットから始めます。
これにより、大きな「ジャンプ」を伴う多数の数値が生成されます。ある冬と別の冬を簡単に比較できるようにするには、データからこれらのジャンプをすべて排除する数値が必要です。
データのジャンプを排除することを平滑化と呼びます。この場合、単純平均を使用して平滑化を実現できます。
予測の平滑化
需要の予測では、平滑化を使用して履歴需要の変動を排除します。これにより、将来の需要を推定するために使用できる需要パターンをより適切に特定できます。
需要の変動は、温度データの「ジャンプ」と同じ概念です。需要履歴の変動を削除する最も一般的な方法は、平均、具体的には移動平均を使用することです。
移動平均では、事前定義された数の期間を使用して平均を計算し、それらの期間は時間の経過とともに移動します。
たとえば、4か月の移動平均を使用し、今日が5月1日である場合、1月、2月、3月、4月の平均需要を使用します。6月1日には、2月、3月、4月、5月の需要が使用されます。
加重移動平均
単純平均を使用する場合、データセットの各値に同じ重要度が適用されます。したがって、4か月の移動平均では、各月は移動平均の25％を表します。
需要履歴を使用して将来の需要を予測することにより、直近の期間が予測により大きな影響を与えることは当然です。
移動平均計算は、各期間に異なる「重み」を適用して目的の結果を得るように適合させることができます。
これらの重みはパーセンテージで表されます。すべての期間のすべての重みの合計は、100％になる必要があります。
したがって、4か月の加重平均で最も近い期間のウェイトとして35％を適用する場合は、100％から35％を差し引いて、残りの3つの期間を65％で除算できます。
たとえば、4か月の重み付けがそれぞれ15％、20％、30％、35％になる可能性があります（15 + 20 + 30 + 35 = 100）。
指数平滑法
指数平滑計算の制御入力は、平滑化係数と呼ばれます。最新の期間の需要に適用される重みを表します。
35％が加重移動平均計算で最新の期間の重みとして使用される場合、指数平滑化計算で平滑化係数として35％を使用することもできます。
指数部
指数平滑法計算の違いは、前の各期間に適用する重みの量を計算する代わりに、平滑化係数を使用してそれを自動的に行うことです。
これは「指数」の部分です。35％を平滑化係数として使用すると、最新の期間の需要ウェイトは35％になります。最新の1つ前の期間の需要の重み付けは、35％の65％になります。
65％は、100％から35％を引いたものです。これは、その期間の重み付け22.75％に相当します。次の直近の期間の需要は、35％から65％に65％になります。これは14.79％に相当します。
前の期間は、35％の65％の65％の65％として重み付けされ、9.61％に相当します。これは、最初の期間までの以前のすべての期間に対して行われます。
式
指数平滑法の計算式は次のとおりです：（D * S）+（P *（1-S））、ここで、
D =期間の最新の需要。
S = 10進数形式で表された平滑化係数（35％は0.35）
P =前の期間の平滑化計算から得られた最新の期間の予測。
0.35の平滑化係数があるとすると、（D * 0.35）+（P * 0.65）になります。
ご覧のとおり、必要なデータ入力は需要と最新の期間予測のみです。
例
保険会社は、自動車保険を提供して、国内最大の都市に市場を拡大することを決定しました。
最初のアクションとして、この都市の住民が購入する自動車保険の額を予測したいと考えています。
これを行うために、彼らは初期データとして別の小さな都市で購入した自動車保険の金額を使用します。
期間1の需要予測は2,869の契約車両保険ですが、その期間の実際の需要は3,200でした。
会社の裁量で、0.35の平滑化係数を割り当てます。次の期間の予測需要は、P2 =（3200 * 0.35）+ 2869 *（1-0.35）= 2984.85です。
これと同じ計算が通年行われ、実際に得られたものとその月の予測されたものとの間の次の比較表が得られました。
平均化手法と比較して、指数平滑法は傾向をよりよく予測できます。ただし、グラフに示すように、それでも不十分です。
予測の灰色の線が、青い線の需要を完全に追跡することなく、青い線の需要をはるかに下回るか上回っていることがわかります。
参考文献
- ウィキペディア（2019）。指数平滑法。es.wikipedia.orgから取得。
- Ingenio Empresa（2016）。単純な指数平滑法を使用して需要を予測する方法。取得元：ingenioempresa.com。
- Dave Piasecki（2019）。指数平滑法の説明。取得元：inventoryops.com。
- 調査（2019）。需要予測手法：移動平均および指数平滑法。study.comから取得。
- Cityu（2019）。指数平滑法。取得元：personal.cb.cityu.edu.hk。