Um cálculo de previsão Exemplos A.1 Métodos de cálculo da previsão Doze métodos de cálculo de previsões estão disponíveis. A maioria desses métodos fornece controle limitado de usuários. Por exemplo, o peso colocado em dados históricos recentes ou o intervalo de datas dos dados históricos usados nos cálculos pode ser especificado. Os exemplos a seguir mostram o procedimento de cálculo para cada um dos métodos de previsão disponíveis, dado um conjunto idêntico de dados históricos. Os exemplos a seguir usam os mesmos dados de vendas de 2004 e 2005 para produzir uma previsão de vendas de 2006. Além do cálculo de previsão, cada exemplo inclui uma previsão simulada de 2005 para um período de suspensão de três meses (opção de processamento 19 3), que é usado para porcentagem de precisão e cálculos de desvio absoluto médio (vendas reais em comparação com previsão simulada). A.2 Critérios de avaliação do desempenho da previsão Dependendo da sua seleção de opções de processamento e das tendências e padrões existentes nos dados de vendas, alguns métodos de previsão serão melhores do que outros para um determinado conjunto de dados históricos. Um método de previsão apropriado para um produto pode não ser apropriado para outro produto. Também é improvável que um método de previsão que ofereça bons resultados em um estágio do ciclo de vida de um produto permaneça adequado ao longo de todo o ciclo de vida. Você pode escolher entre dois métodos para avaliar o desempenho atual dos métodos de previsão. Estes são Mean Absolute Deviation (MAD) e Percentagem de Precisão (POA). Ambos os métodos de avaliação de desempenho exigem dados históricos de vendas para um período de tempo especificado pelo usuário. Este período de tempo é chamado de período de espera ou períodos de melhor ajuste (PBF). Os dados neste período são utilizados como base para recomendar qual dos métodos de previsão a serem usados na realização da próxima projeção de previsão. Esta recomendação é específica para cada produto e pode mudar de uma geração de previsão para a próxima. Os dois métodos de avaliação de desempenho de previsão são demonstrados nas páginas seguindo os exemplos dos doze métodos de previsão. A.3 Método 1 - Porcentagem especificada em relação ao ano passado Este método multiplica os dados de vendas do ano anterior por um fator especificado pelo usuário, por exemplo, 1.10 para um aumento de 10, ou 0,97 para uma diminuição de 3. Histórico de vendas obrigatório: um ano para calcular a previsão mais o número de períodos de tempo especificado pelo usuário para avaliar o desempenho da previsão (opção de processamento 19). A.4.1 Cálculo de Previsão Faixa de histórico de vendas para usar no cálculo do fator de crescimento (opção de processamento 2a) 3 neste exemplo. Soma os três meses finais de 2005: 114 119 137 370 Soma os mesmos três meses do ano anterior: 123 139 133 395 O fator calculado 370 395 0.9367 Calcular as previsões: janeiro de 2005 vendas 128 0.9367 119.8036 ou cerca de 120 de fevereiro de 2005 vendas 117 0,9367 109,5939 ou cerca de 110 de março de 2005 vendas 115 0,9367 107,7205 ou cerca de 108 A.4.2 Cálculo de Previsão Simulado Sume os três meses de 2005 antes do período de retenção (julho, agosto, setembro): 129 140 131 400 Sume os mesmos três meses para O ano anterior: 141 128 118 387 O fator calculado 400 387 1.033591731 Calcular previsão simulada: outubro de 2004 vendas 123 1.033591731 127.13178 novembro de 2004 vendas 139 1.033591731 143.66925 dezembro de 2004 vendas 133 1.033591731 137.4677 A.4.3 Porcentagem de cálculo de precisão POA (127.13178 143.66925 137.4677) (114 119 137) 100 408.26873 370 100 110.3429 A.4.4 Cálculo médio de desvio absoluto MAD (127.13178 - 114 143.66925 - 119 137.4677- 137) 3 (13.13178 24.66925 0.4677) 3 12.75624 A.5 Método 3 - Ano passado para este ano Este método copia dados de vendas do ano anterior para o próximo ano. Histórico de vendas obrigatório: um ano para calcular a previsão, além do número de períodos de tempo especificados para avaliar o desempenho da previsão (opção de processamento 19). A.6.1 Cálculo de Previsão Número de períodos a serem incluídos na média (opção de processamento 4a) 3 neste exemplo Para cada mês da previsão, média dos dados dos três meses anteriores. Previsão de janeiro: 114 119 137 370, 370 3 123.333 ou previsão de 123 de fevereiro: 119 137 123 379, 379 3 126.333 ou 126 Previsão de março: 137 123 126 379, 386 3 128.667 ou 129 A.6.2 Cálculo de Previsão Simulado Vendas de outubro de 2005 (129 140 131) 3 133.3333 vendas de novembro de 2005 (140 131 114) 3 128.3333 vendas de dezembro de 2005 (131 114 119) 3 121.3333 A.6.3 Porcentagem do cálculo de precisão POA (133.3333 128.3333 121.3333) (114 119 137) 100 103.513 A.6.4 Absoluto médio Cálculo do desvio MAD (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14.7777 A.7 Método 5 - Aproximação linear Aproximação linear calcula uma tendência com base em dois pontos de dados de histórico de vendas. Esses dois pontos definem uma linha de tendência direta que é projetada para o futuro. Use este método com cautela, pois as previsões de longo alcance são alavancadas por pequenas mudanças em apenas dois pontos de dados. Histórico de vendas obrigatório: o número de períodos a serem incluídos na regressão (opção de processamento 5a), mais 1 mais o número de períodos de tempo para avaliar o desempenho da previsão (opção de processamento 19). A.8.1 Cálculo de Previsão Número de períodos a serem incluídos na regressão (opção de processamento 6a) 3 neste exemplo Para cada mês da previsão, adicione o aumento ou diminuição durante os períodos especificados antes do período de retenção no período anterior. Média dos três meses anteriores (114 119 137) 3 123.3333 Resumo dos três meses anteriores com peso considerado (114 1) (119 2) (137 3) 763 Diferença entre os valores 763 - 123.3333 (1 2 3) 23 Razão ( 12 22 32) - 2 3 14 - 12 2 Relação de Diferença Value1 23 2 11,5 Valor2 Rácio médio - valor1 123.3333 - 11,5 2 100.3333 Previsão (1 n) valor1 valor2 4 11,5 100.3333 146.333 ou 146 Previsão 5 11.5 100.3333 157.8333 ou 158 Previsão 6 11.5 100.3333 169.3333 ou 169 A.8.2 Cálculo de Previsão Simulado Vendas de outubro de 2004: Média dos três meses anteriores (129 140 131) 3 133.3333 Resumo dos três meses anteriores com peso considerado (129 1) (140 2) (131 3) 802 Diferença Entre os valores 802 - 133.3333 (1 2 3) 2 Razão (12 22 32) - 2 3 14 - 12 2 Valor1 Diferença Relação 2 2 1 Valor2 Rácio médio - valor1 133.3333 - 1 2 131.3333 Previsão (1 n) valor1 valor2 4 1 131.3333 135.3333 novembro de 2004 Vendas Média dos três meses anteriores (140 131 114) 3 128.3333 Resumo dos três meses anteriores com peso considerado (140 1) (131 2) (114 3) 744 Diferença entre os valores 744 - 128.3333 (1 2 3) -25.9999 Relação de diferença Value1 -25,9999 2 -12,9999 Valor2 Rácio médio - valor1 128,333 - (-12,9999) 2 154,333 Previsão 4 -12,9999 154,333 102,333 Vendas de dezembro de 2004 Média dos três meses anteriores (131 114 119) 3 121,333 Resumo dos três meses anteriores com Peso considerado (131 1) (114 2) (119 3) 716 Diferença entre os valores 716 - 121.3333 (1 2 3) -11,9999 Value1 Diferença Ratio -11,9999 2 -5,9999 Valor2 Rácio médio - valor1 121,333 - (-5,9999) 2 133,333 Previsão 4 (-5,9999) 133,333 109,333 A.8,3 Porcentagem do Cálculo de Precisão POA (135,33 102,33 109,33) (114 119 137) 100 93,78 A.8,4 Cálculo médio do desvio absoluto MAD (135,33 - 114 102,33 - 119 109,33 - 137) 3 21,88 A .9 Me Thod 7 - Regressão Linear de Aproximação de Segundo Grau determina valores para a e b na fórmula de previsão Y a bX com o objetivo de ajustar uma linha reta aos dados do histórico de vendas. A Aproximação do Segundo Grau é semelhante. No entanto, esse método determina valores para a, b e c na fórmula de previsão Y a bX cX2 com o objetivo de ajustar uma curva aos dados do histórico de vendas. Este método pode ser útil quando um produto está na transição entre os estágios de um ciclo de vida. Por exemplo, quando um novo produto passa da introdução para os estágios de crescimento, a tendência de vendas pode acelerar. Por causa do segundo termo da ordem, a previsão pode rapidamente se aproximar do infinito ou diminuir para zero (dependendo se o coeficiente c é positivo ou negativo). Portanto, esse método é útil apenas no curto prazo. Especificações de previsão: as fórmulas encontram a, b e c para ajustar uma curva para exatamente três pontos. Você especifica n na opção de processamento 7a, o número de períodos de tempo a serem acumulados em cada um dos três pontos. Neste exemplo n 3. Portanto, os dados de vendas reais de abril a junho são combinados no primeiro ponto, Q1. De julho a setembro são adicionados juntos para criar Q2, e outubro a dezembro somam para o terceiro trimestre. A curva será ajustada aos três valores Q1, Q2 e Q3. Histórico de vendas obrigatório: 3 n períodos para calcular a previsão, além do número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). Número de períodos para incluir (opção de processamento 7a) 3 neste exemplo Use os blocos anteriores (3 n) meses em três meses: Q1 (Abr-Jun) 125 122 137 384 Q2 (Jul-Sep) 129 140 131 400 Q3 ( Outubro - Dez) 114 119 137 370 O próximo passo envolve o cálculo dos três coeficientes a, b e c a serem utilizados na fórmula de previsão Y a bX cX2 (1) Q1 a bX cX2 (onde X 1) abc (2) Q2 Um bX cX2 (onde X 2) a 2b 4c (3) Q3 a bX cX2 (onde X 3) a 3b 9c Resolva as três equações simultaneamente para encontrar b, a e c: Subtrair equação (1) da equação (2) E resolva por b (2) - (1) Q2 - Q1 b 3c Substitua esta equação por b na equação (3) (3) Q3 a 3 (Q2 - Q1) - 3c c Finalmente, substitua estas equações por a e b em Equação (1) Q3 - 3 (Q2 - Q1) (q2 - Q1) - 3c c Q1 c (Q3 - Q2) (Q1 - Q2) 2 O método de Aproximação do Segundo Grau calcula a, b e c da seguinte maneira: a Q3 - 3 (Q2 - Q1) 370 - 3 (400 - 384) 322 c (Q3 - Q2) (Q1 - Q2) 2 (370 - 400) (384 - 400) 2 -23 b (Q2 - Q1) - 3c (400 - 384) - (3 -23) 85 Y a bX cX2 322 85X (-23) X2 Janela até a previsão de março (X4): (322 340 - 368) 3 294 3 98 por período de previsão de abril a junho (X5): (322 425-575) 3 57,3333 ou 57 por período de julho a setembro Previsão (X6): (322 510 - 828) 3 1,33 ou 1 por período de outubro a dezembro (X7) (322 595 - 1127 3 -70 A.9.2 Cálculo de Previsão Simulado Outubro, Novembro e Dezembro de 2004 vendas: Q1 (Jan-Mar) 360 Q2 (Abr-Jun) 384 Q3 (Jul-Sep) 400 a 400 - 3 (384 - 360) 328 c (400 - 384) (360 - 384) 2 -4 b (384 - 360) - 3 (-4) 36 328 36 4 (-4) 16 3 136 A.9.3 Porcentagem de cálculo de precisão POA ( 136 136 136 (114 119 137) 100 110,27 A.9.4 Cálculo do desvio absoluto médio MAD (136 - 114 136 - 119 136 - 137) 3 13,33 A.10 Método 8 - Método flexível Método flexível (Percentagem acima de n meses prévios) É semelhante ao Método 1, Percentagem acima do último ano. Ambos os métodos multiplicam os dados de vendas de um período de tempo anterior por um fator especificado pelo usuário, então, projete esse resultado no futuro. No método Percent Over Over Year, a projeção é baseada em dados do mesmo período do ano anterior. O Método Flexível adiciona a capacidade de especificar um período de tempo diferente do mesmo período do ano passado para usar como base para os cálculos. Fator de multiplicação. Por exemplo, especifique 1.15 na opção de processamento 8b para aumentar os dados anteriores do histórico de vendas em 15. Período base. Por exemplo, n 3 fará com que a primeira previsão baseie-se nos dados de vendas em outubro de 2005. Histórico de vendas mínimo: o usuário especificou o número de períodos de volta ao período base, mais o número de períodos de tempo necessários para avaliar o desempenho previsto ( PBF). A.10.4 Cálculo do desvio absoluto médio MAD (148 - 114 161 - 119 151 - 137) 3 30 A.11 Método 9 - Média móvel ponderada O método da média móvel ponderada (WMA) é semelhante ao Método 4, Média móvel (MA). No entanto, com a média móvel ponderada, você pode atribuir pesos desiguais aos dados históricos. O método calcula uma média ponderada do histórico de vendas recente para chegar a uma projeção para o curto prazo. Os dados mais recentes geralmente são atribuídos a um peso maior que os dados mais antigos, portanto, isso torna a WMA mais sensível às mudanças no nível de vendas. Contudo, o preconceito de previsão e os erros sistemáticos ainda ocorrem quando o histórico de vendas do produto exibe uma forte tendência ou padrões sazonais. Este método funciona melhor para previsões de curto alcance de produtos maduros, em vez de produtos nos estágios de crescimento ou obsolescência do ciclo de vida. N o número de períodos de histórico de vendas a serem usados no cálculo da previsão. Por exemplo, especifique n 3 na opção de processamento 9a para usar os três períodos mais recentes como base para a projeção no próximo período de tempo. Um grande valor para n (como 12) requer mais histórico de vendas. Isso resulta em uma previsão estável, mas será lento para reconhecer mudanças no nível de vendas. Por outro lado, um pequeno valor para n (como 3) responderá mais rápido a mudanças no nível de vendas, mas a previsão pode flutuar tão amplamente que a produção não pode responder às variações. O peso atribuído a cada um dos períodos de dados históricos. Os pesos atribuídos devem totalizar para 1,00. Por exemplo, quando n 3, atribua pesos de 0,6, 0,3 e 0,1, com os dados mais recentes recebendo o maior peso. Histórico de vendas mínimo exigido: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). MAD (133,5 - 114 121,7 - 119 118,7 - 137) 3 13,5 A.12 Método 10 - Suavização linear Este método é semelhante ao Método 9, Média móvel ponderada (WMA). No entanto, em vez de atribuir arbitrariamente pesos aos dados históricos, uma fórmula é usada para atribuir pesos que diminuem linearmente e somam para 1,00. O método então calcula uma média ponderada do histórico de vendas recente para chegar a uma projeção para o curto prazo. Tal como é verdade para todas as técnicas de previsão média móvel média, previsão de viés e erros sistemáticos ocorrem quando o histórico de vendas do produto exibe fortes tendências ou padrões sazonais. Este método funciona melhor para previsões de curto alcance de produtos maduros, em vez de produtos nos estágios de crescimento ou obsolescência do ciclo de vida. N o número de períodos de histórico de vendas a serem usados no cálculo da previsão. Isso é especificado na opção de processamento 10a. Por exemplo, especifique n 3 na opção de processamento 10b para usar os três períodos mais recentes como base para a projeção no próximo período de tempo. O sistema atribuirá automaticamente os pesos aos dados históricos que recuam linearmente e somam para 1,00. Por exemplo, quando n 3, o sistema atribuirá pesos de 0,5, 0,3333 e 0,1, com os dados mais recentes recebendo o maior peso. Histórico de vendas mínimo exigido: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). A.12.1 Cálculo da previsão Número de períodos a serem incluídos na média de suavização (opção de processamento 10a) 3 neste exemplo Relação para um período anterior 3 (n2 n) 2 3 (32 3) 2 3 6 0,5 Relação para dois períodos anteriores 2 (n2 N) 2 2 (32 3) 2 2 6 0,3333 .. Relação para três períodos anteriores 1 (n2 n) 2 1 (32 3) 2 1 6 0.1666 .. Previsão de janeiro: 137 0.5 119 1 3 114 1 6 127.16 ou 127 Previsão de fevereiro: 127 0,5 137 1 3 119 1 6 129 Previsão de março: 129 0,5 127 1 3 137 1 6 129,666 ou 130 A.12.2 Cálculo de Previsão Simulado outubro de 2004 vendas 129 1 6 140 2 6 131 3 6 133.6666 novembro de 2004 vendas 140 1 6 131 2 6 114 3 6 124 dezembro 2004 vendas 131 1 6 114 2 6 119 3 6 119.3333 A.12.3 Porcentagem do Cálculo de Precisão POA (133.6666 124 119.3333) (114 119 137) 100 101.891 A.12.4 Cálculo do Desvio Absorvente Médio MAD ( 133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.13 Método 11 - Suavização exponencial Este método é semelhante ao Método 10, Linea R Suavidade. No Suavização linear, o sistema atribui pesos aos dados históricos que recuam linearmente. Em suavização exponencial, o sistema atribui pesos que se deterioram exponencialmente. A equação de previsão de suavização exponencial é: Previsão a (Vendas reais anteriores) (1 - a) Previsão anterior A previsão é uma média ponderada das vendas reais do período anterior e da previsão do período anterior. A é o peso aplicado às vendas reais para o período anterior. (1 - a) é o peso aplicado à previsão do período anterior. Valores válidos para um intervalo de 0 a 1, e geralmente cai entre 0,1 e 0,4. A soma dos pesos é 1,00. A (1 - a) 1 Você deve atribuir um valor para a constante de suavização, a. Se você não atribuir valores para a constante de suavização, o sistema calcula um valor assumido com base no número de períodos de histórico de vendas especificado na opção de processamento 11a. A constante de suavização utilizada no cálculo da média suavizada para o nível geral ou a magnitude das vendas. Valores válidos para um intervalo de 0 a 1. n o intervalo de dados do histórico de vendas para incluir nos cálculos. Geralmente, um ano de dados do histórico de vendas é suficiente para estimar o nível geral de vendas. Para este exemplo, foi escolhido um pequeno valor para n (n 3) para reduzir os cálculos manuais necessários para verificar os resultados. O alisamento exponencial pode gerar uma previsão baseada em um ponto de dados histórico. Histórico de vendas mínimo exigido: n mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). A.13.1 Cálculo da Previsão Número de períodos para incluir na média de suavização (opção de processamento 11a) 3 e fator alfa (opção de processamento 11b) em branco neste exemplo um fator para os dados de vendas mais antigos 2 (11) ou 1 quando o alfa é especificado Um fator para os 2º dados de vendas mais antigos 2 (12), ou alfa quando o alfa é especificado como um fator para os 3º dados de vendas mais antigos 2 (13), ou alfa quando o alfa é especificado como um fator para os dados de vendas mais recentes 2 (1n) , Ou alfa quando o alfa é especificado no mês de novembro. Avg. A (outubro atual) (1 - a) outubro Sm. Avg. 1 114 0 0 114 Dezembro Sm. Avg. A (Novembro Actual) (1 - a) Novembro Sm. Avg. 2 3 119 1 3 114 117.3333 Janeiro Previsão a (Dezembro Actual) (1 - a) Dezembro Sm. Avg. 2 4 137 2 4 117.3333 127.16665 ou 127 Fevereiro Previsão Janeiro Previsão 127 Março Previsão Janeiro Previsão 127 A.13.2 Cálculo Simulado de Previsão Julho, 2004 Sm. Avg. 2 2 129 129 agosto Sm. Avg. 2 3 140 1 3 129 136.3333 setembro Sm. Avg. 2 4 131 2 4 136.3333 133.6666 outubro, 2004 vendas Sep Sm. Avg. 133.6666 agosto, 2004 Sm. Avg. 2 2 140 140 setembro Sm. Avg. 2 3 131 1 3 140 134 outubro Sm. Avg. 2 4 114 2 4 134 124 novembro, 2004 vendas Sep Sm. Avg. 124 setembro 2004 Sm. Avg. 2 2 131 131 outubro Sm. Avg. 2 3 114 1 3 131 119.6666 novembro Sm. Avg. 2 4 119 2 4 119.6666 119.3333 dezembro 2004 vendas Sep Sm. Avg. 119.3333 A.13.3 Porcentagem do Cálculo de Precisão POA (133.6666 124 119.3333) (114 119 137) 100 101.891 A.13.4 Cálculo do Desvio Absorvente Médio MAD (133.6666 - 114 124 - 119 119.3333 - 137) 3 14.1111 A.14 Método 12 - Suavização Exponencial Com Tendência e Sazonalidade Este método é semelhante ao Método 11, Suavização Exponencial em que uma média suavizada é calculada. No entanto, o Método 12 também inclui um termo na equação de previsão para calcular uma tendência suavizada. A previsão é composta por uma média lisa ajustada para uma tendência linear. Quando especificado na opção de processamento, a previsão também é ajustada para a sazonalidade. A constante de suavização utilizada no cálculo da média suavizada para o nível geral ou a magnitude das vendas. Valores válidos para o intervalo alfa de 0 a 1. b a constante de suavização utilizada no cálculo da média suavizada para o componente de tendência da previsão. Valores válidos para o intervalo beta de 0 a 1. Se um índice sazonal é aplicado à previsão a e b são independentes um do outro. Eles não precisam adicionar a 1.0. Histórico de vendas mínimo exigido: dois anos mais o número de períodos de tempo necessários para avaliar o desempenho da previsão (PBF). O método 12 usa duas equações de suavização exponencial e uma média simples para calcular uma média suavizada, uma tendência suavizada e um fator sazonal médio simples. A.14.1 Cálculo da previsão A) Um valor médio MAD suavemente exponencial (122.81 - 114 133.14 - 119 135.33 - 137) 3 8.2 A.15 Avaliando as previsões Você pode selecionar os métodos de previsão para gerar até doze previsões para cada produto. Cada método de previsão provavelmente criará uma projeção ligeiramente diferente. Quando milhares de produtos são previstos, não é prático tomar uma decisão subjetiva sobre qual das previsões usar em seus planos para cada um dos produtos. O sistema avalia automaticamente o desempenho de cada um dos métodos de previsão que você seleciona e para cada um dos produtos previstos. Você pode escolher entre dois critérios de desempenho, desvio médio absoluto (MAD) e porcentagem de precisão (POA). MAD é uma medida de erro de previsão. POA é uma medida do viés de previsão. Ambas as técnicas de avaliação de desempenho exigem dados reais do histórico de vendas para um período de tempo especificado pelo usuário. Este período de história recente é chamado de período de espera ou períodos de melhor ajuste (PBF). Para medir o desempenho de um método de previsão, use as fórmulas de previsão para simular uma previsão para o período histórico de retenção. Geralmente haverá diferenças entre os dados de vendas reais e a previsão simulada para o período de retenção. Quando vários métodos de previsão são selecionados, esse mesmo processo ocorre para cada método. As previsões múltiplas são calculadas para o período de espera e comparadas com o histórico de vendas conhecido para esse mesmo período de tempo. O método de previsão que produz a melhor combinação (melhor ajuste) entre a previsão e as vendas reais durante o período de suspensão é recomendado para uso em seus planos. Esta recomendação é específica para cada produto e pode mudar de uma geração de previsão para a próxima. A.16 Desvio absoluto médio (MAD) MAD é a média (ou média) dos valores absolutos (ou magnitude) dos desvios (ou erros) entre dados reais e previsão. MAD é uma medida da magnitude média dos erros a esperar, dado um método de previsão e histórico de dados. Como os valores absolutos são usados no cálculo, erros positivos não cancelam erros negativos. Ao comparar vários métodos de previsão, o que apresentou o MAD mais pequeno mostrou ser o mais confiável para esse produto para esse período de espera. Quando a previsão é imparcial e os erros são normalmente distribuídos, existe uma relação matemática simples entre MAD e outras duas medidas comuns de distribuição, desvio padrão e erro quadrático médio: A.16.1 Porcentagem de Precisão (POA) Porcentagem de Precisão (POA) é Uma medida de previsão de viés. Quando as previsões são consistentemente muito altas, os estoques se acumulam e os custos dos estoques aumentam. Quando as previsões são consistentemente duas baixas, os estoques são consumidos e o serviço ao cliente diminui. Uma previsão que é 10 unidades muito baixa, então 8 unidades muito altas, então 2 unidades muito altas, seria uma previsão imparcial. O erro positivo de 10 é cancelado por erros negativos de 8 e 2. Erro Actual - Previsão Quando um produto pode ser armazenado no inventário e quando a previsão é imparcial, uma pequena quantidade de estoque de segurança pode ser usada para armazenar os erros. Nessa situação, não é tão importante eliminar erros de previsão quanto gerar previsões imparciais. No entanto, nas indústrias de serviços, a situação acima seria vista como três erros. O serviço ficaria insuficiente no primeiro período, e depois o excesso de pessoal para os próximos dois períodos. Nos serviços, a magnitude dos erros de previsão geralmente é mais importante do que o previsão de viés. O somatório durante o período de suspensão permite erros positivos para cancelar erros negativos. Quando o total de vendas reais excede o total de vendas previstas, o índice é superior a 100. É claro que é impossível ter mais de 100 precisões. Quando uma previsão é imparcial, o índice de POA será de 100. Portanto, é mais desejável ter 95 precisos do que ser 110 precisos. Os critérios POA selecionam o método de previsão que tem uma razão POA mais próxima de 100. O script nesta página melhora a navegação do conteúdo, mas não altera o conteúdo de forma alguma. Calcula a média móvel Enviado em 28 de abril de 2009 em Aprender Excel - 191 comentários Movendo A média é freqüentemente usada para entender as tendências subjacentes e ajuda na previsão. O MACD ou a divergência de convergência média móvel são provavelmente as ferramentas de análise técnica mais utilizadas na negociação de ações. É bastante comum em várias empresas usar a média móvel de vendas de 3 meses para entender como a tendência é. Hoje vamos aprender como você pode calcular a média móvel e como a média dos últimos 3 meses pode ser calculada usando as fórmulas do Excel. Calcular a média móvel Para calcular a média móvel, tudo o que você precisa é a boa e boa função média antiga. Supondo que seus dados estejam na faixa B1: B12, basta digitar esta fórmula na célula D3 MÉDIA (B1: B3) E agora copie a fórmula de D3 para o intervalo D4 para D12 (lembre-se, uma vez que você está calculando a média móvel de 3 meses , Você só receberá 10 valores 12-31) Isso é tudo o que você precisa para calcular a média móvel. Calcule a média móvel dos últimos 3 meses sozinho Digamos que você precisa calcular a média dos últimos 3 meses em qualquer ponto do tempo. Isso significa que quando você inserir o valor para o próximo mês, a média deve ser ajustada automaticamente. Primeiro, vamos dar uma olhada na fórmula e depois entenderemos como isso funciona. Então, o que a fórmula acima está fazendo de qualquer maneira É contagem de quantos meses já foram inseridos 8211 COUNT (B4: B33) Então é contagem de compensação menos 3 células de B4 e busca 3 células a partir daí 8211 OFFSET (B4, COUNT (B4 : B33) -3,0,3,1). Estes são apenas os últimos 3 meses. Finalmente, está passando esse alcance para a função MÉDIA para calcular a média móvel dos últimos 3 meses. Seu trabalho em casa Agora que você aprendeu a calcular a média móvel usando o Excel, aqui está o seu trabalho em casa. Digamos que você deseja que o número de meses usado para calcular a média móvel seja configurável na célula E1. Ou seja, quando E1 é alterado de 3 para 6, a tabela de média móvel deve calcular a média móvel por 6 meses por vez. Como você escreve as fórmulas, então, observe os comentários, vá e descubra isso por você mesmo. Se você não consegue encontrar a resposta, volte aqui e leia os comentários. Ir Esta publicação faz parte da nossa série Spreadcheats. Um programa de treinamento em 3D com excelência em 30 dias para frequentadores de escritório e usuários de planilhas. Junte-se hoje . Compartilhe essa dica com seus amigos Olá, recentemente encontrou seu site e estou amando todas as dicas. Obrigado por todos os seus tutoriais. É exatamente o que eu preciso, no entanto, encontrei um pouco um problema, pois também estou usando o Vlookup com deslocamento. Por exemplo, no seu exemplo, eu usaria o Vlookup no meu modelo para que, como coloquei novos dados todos os meses, atualizaria automaticamente os dados de vendas a cada mês. Meu problema está na minha fórmula OFFSET, eu tenho COUNTA que, obviamente, conta com todas as células com fórmulas, mesmo. Qualquer idéia de como incorporar essas duas funções melhor, especialmente quando estou tentando representar gráfico e em média nos últimos 12 meses, eu apreciaria as idéias que você ou seus leitores tiveram. Obrigado, novamente, pelo site incrível Twee. Bem-vindo ao PHD e obrigado por fazer uma pergunta. Ainda não sei se eu entendi corretamente. Você tentou usar a contagem em vez do counta. Você não nos mostrou a fórmula de compensação, sem ter que achar que isso seria difícil. Eu preciso calcular uma média móvel de 12 meses que abrangerá um período de 24 meses quando concluído. Você pode me apontar na direção certa como também como começar Meus dados são mesas de veículos e começa em B2 e termina na B25. Ajuda Chandoo, esta é uma ótima fórmula para o que estou usando, exceto que estou tentando sem sucesso fazer a fórmula condicional. Eu tenho uma planilha, veja os links abaixo, que rastreia todas as rodadas de discos de golfe jogados por amigos e por mim. Já entendi configurar cada uma de nossas médias globais e cada uma de nossas médias em cursos específicos. O que estou tentando fazer agora, no entanto, também configura uma média móvel com base em nossas 5 rodadas mais recentes. Mais uma vez os dados foram inseridos eu vou mudar para 10, mas por agora 5 será muito bom. Posso conseguir que a média móvel funcione, mas não consigo descobrir como adicionar restrições condicionais. IE Eu quero, por exemplo, apenas as últimas 5 rodadas que Kevin tocou. Depois disso, eu vou querer apenas as últimas 5 rodadas tocadas por Kevin no curso Oshtemo. O código que estou usando está abaixo. O código para celular C9 está listado abaixo. IF (B90,, IF (B9lt6, AVERAGEIF (DiscRoundsA2: A20000, A9, DiscRoundsM2: M20000), MÉDIA (DE FSET (DiscRoundsM2, IF (DiscRoundsA2: A20000A9, COUNT (DiscRoundsM2: M20000), quotquot) -5,0,5 , 1)))) Essencialmente, se houver 0 rodadas, deixa a célula em branco. Se houver 5 rodadas ou menos, ele apenas usa a média de todas as rodadas. Finalmente, se houver 6 ou mais rodadas, o código então usa sua função MÉDIA a partir desta publicação. Depois de tentar muitas coisas no entanto, não tenho certeza de como condicionalmente puxar as últimas 5 rodadas de modo que ele só puxa as últimas 5 rodadas do indivíduo nomeado na célula A9. A fórmula que eu estou fazendo referência não está atualmente na célula C9 na minha planilha que está vinculada. Acabei de testá-lo lá. DND: use a seguinte fórmula na célula C13 em diante MÉDIA (B2: B13) e arraste para baixo. Oi, eu tenho certeza de que há algo listado acima que é suposto ajudar, mas ainda estou novo para se destacar e me sinto sobrecarregado. Acabei de ter um novo emprego e estou tentando fazer uma boa impressão, então, qualquer ajuda será ótimo. Eu tenho dados para cada mês em 2009, 2010 e 2011, atravessando e várias linhas disso. Todos os meses, no início do mês, eu preciso calcular as vendas do ano anterior. Atualmente, minha fórmula é SUM (AG4: AR4) SUM (U4: AF4). Exemplo: o mês atual é março. A informação que eu preciso é o total de vendas de março de 2010 a fevereiro de 2011, dividido em março de 2009 a fevereiro de 2010 e funciona de forma excelente, mas é muito demorado ter que mudá-lo todos os meses. Existe uma maneira de conseguir que a fórmula mude automaticamente no início do mês. Não sei se fiz um trabalho muito bom explicando isso ou não. Parabens pelo seu novo trabalho. Você pode arrastar sua fórmula de lado (para a direita, por exemplo) e mostra o s no próximo mês automaticamente. Não, o que eu preciso é que a fórmula se altere a cada mês. Eu tenho caixas de janeiro de 2009 a dezembro de 2011 com dados neles. IFERROR (SOMA (AG4: AR4) SOMA (U4: AF4), 0) No mês que vem eu preciso para calcular o sumário de 03 10 dados para 02 11 dados divididos por 03 09 dados para 02 10 dados e mudar para 04 10 Para 03 11 dados divididos por 04 09 dados para 03 11 dados. IFERROR (SUM (AH4: AS4) SUM (V4: AG4), 0) O que eu preciso é uma fórmula que pode se referir à data atual e saber que no dia 1 de cada mês, ele precisa alternar as fórmulas para o próximo 1-12 meses anteriores divididos pelos anteriores 13-24 meses. Não tenho certeza se isso faz sentido. Basicamente eu uso esta fórmula cerca de 8 vezes em uma folha e eu tenho cerca de 200 folhas. Sorry for the double posting and thank you on the congrats What I need: If the current date is greater than the 1st of the month then the entire cell references to calculate the sales of prev year needs to move to the right by one column This is what Ive come up with. IF(P1gtN1,(SUM(AH4:AS4) SUM(V4:AG4))) p1 is current date n1 is 1st day of month AH4:AS4 is data from 03 10-02 11 V4:AG4 is data from 03 09-02 10 Part Im having issues with: How do i make it so that the formula knows exactly what 12 sections to grab and how to get to automatically change at the 1st of the month. Julie. You can use OFFSET formula to solve this. Assuming each column has one month, and first month is in C4 and current date is in P1 The above formula assumes that each column has months in Excel date format. You may want to tweak it until it produces right result. This is probably extremely simple and I am making it more complicated than I need to, but you wrote, The above formula assumes that each column has months in Excel date format. Ive been struggling to do this without having it turn my data into dates. Julie. What I meant is, the row number 4, where you have month names, should contain this data - 1-jan-2009 1-feb-2009 1-mar-2009 Also, I notice few errors in my formula. The correct formula should be, SUM(offset(C5,,datedif(C4,P1,m)1-12,1,12)) SUM(offset(C5,,datedif(C4,P1,m)1-24,1,12)) The above formula assumes dates are in row 4 and values are in row 5. I think that is exactly what I needed. Thank you thank you thank you so much My problem is very similar jasmins (61) and Azrold (74). I have disgusting amounts of data, from D:2 to D:61400 (and correspondingly in E and F, Ill have to do the same thing for these columns as well). Im trying to find the average for batches, such that D2:19, D20:37, D38:55 and so on - clumping 18 rows together and then finding the next average without re-using any previous row. Id also have to likely do this for every 19 and 20 clumps as well, but an example using 18 is fine. Could you annotate the formula you post Im a little confused on what the last 4 numbers mean in the COUNTA part. Thank you so much, this is going to make my life so much easier Laura This is easily done with Average and Offset . Assuming you are doing this in Col J and are averaging Col D J2: AVERAGE(OFFSET(D1,(ROW()-2)J11,,J1)) Where J1 will have the number 18 for a moving total of 18 numbers Copy down Row 2 will average Rows 2-19 Row 3 will average Rows 20-37 etc . You can also add labels in say Col H H2: Rows amp(ROW()-2)J12amp - amp(ROW()-1)J11 Copy down . I have mocked this up at: rapidshare files 1923874899 Averages. xlsx I am beginner trying to: 1. structure a spreadsheet that will then be used to 2. determine the optimal period for my moving average, within the range of a 5 day moving average to a 60 day moving average. Each cell represents the number of sales for that day, ranging from 0 to 100. I would prefer that each month of daily sales be in a new column. Currently I have 3 months of data, but obviously that will grow. So can you please tell me how to set up the spreadsheet and then the appropriate formulas (and their locations) Thank you very much, Hello again Hui, I am struggling yet again with the same spreadsheet you helped me with earlier. As beore, I have the following rows of monthly manually entered data: Volume of Calls Calls Answered age of calls abandoned Average handling time My line manager would now like 2 rows beneath these showing (by using formula): Average speed of answer Average abandoned time And as if that wasnt enough, she would like, for both rows, a summary cell at the end of the 12 months showing the yearly figure :( Many thanks again for any help you are able to give, I am using the vertical version for calculating a moving average. I am stumped when I need to calculate a 6-period moving average. My data starts in column c and the 6-period and 3-period averages are two columns to the right of the last period of data. I add a column for each month, so I currently adjust the formula manually each month: AVERAGE(EC8:EH8) My most recent attempt (that failed) is: AVERAGE(C6,COUNT(C6:EH6),-6,6,1) Please provide an explanation of why this didnt work when responding so I can understand how to create future f ormulas. Thank you so much, Kimber Kimber. Welcome to Chandoo. org and thanks for commenting. I think it is not a good idea to place averages in right most column as it keeps moving. Instead you could modify your sheet so that moving average is placed at left most column (and this will stay there even if you add extra columns to the right). No matter where the average cell is, you can use this formula to calculate the moving average. Afyter having read the whole of this thread I can see Im going to need a combination offset, match, count and averageif but Im not sure where. My problem is as follows: Each month there are over 100 people reporting activity - Column A is their name, Column B is the month, Column C is the year and Columns D through M is their activity in several categories. I need to find their 3 month and six month averages and display that in another worksheet although I could have them displayed in Columns N and O if needed. I use a pivot table to produce sums and total averages but it wont handle moving averages. Any pointers would be greatly appreciated. Thanks, Ben This will average the last MovAvg number of rows including itself (take out the -1 if you want it to not include itself). D75 is the cell that this formula is referencing (my data was very long) MovAvg is how big you want the moving average to be (I assigned this as a named cell (select the cell, Formulas --gt Defined Names --gt Define Name) You can make variable names in a spreadsheet to avoid always having to use row column.) This starts from the current cell (D75 in this case), goes up MovAvg-1 rows, over 0 columns, selects MovAvg nuber of rows, with 1 column. Passes this to the average function. Hi I read through every post, but havent been able to get this working correctly. How do we calculate the moving average of a percentage This is calculated weekly. Column A - accts met Column B - accts sold Column K - closing Column D - 2 week moving average of the closing Example of week 1 and week 2 Column A, row 7 is 25 and row 8 is 1 Column B, row 7 is 1 and row 8 is 1 Column K, row 7 formula is 1 25 (4) and row 8 is 1 1 (100) Column D - The formula in a prior post gives me an answer of 52 2 week avg, but thats not correct. it should be 2 26 (7) IF(ISERROR(AVERAGE(OFFSET(K7,COUNT(K7:K26)-2,0,2,1))),,AVERAGE(OFFSET(K7,COUNT(K7:K26)-2,0,2,1))) What do i need to change in that formula to use columns A amp B instead of the column K You are trying to average averages, which doesnt work. Try this simple formula beginning in D8: IF(ISBLANK(B8),,(B7B8) (A7A8)) Copy and paste the formula down to D26. This should give you a moving 2 week average. Remember to format column D as a percentage with how ever many decimal points you want. Im pretty much an excel neophyte. I just stumbled across your site amp am looking forward to perusing it at length in the months ahead. Im trying to calculate a 3 month moving average of expenses amp cannot figure out what I am doing wrong. Even after reading this article and the post on offset Im not sure I understand the formula. In my sandbox, I have: Column A - Months A2:A17Sept 2012 - Dec 2013 Column B - Total monthly expenses B2:B8 (B8 because March is the last completed month) - Those totals are 362599,372800,427317,346660,359864,451183,469681 Colum C - 3 Month Moving Average. I put the following formula in C4 (To start calculating in Nov of last year, just for grins). Since there are only three months in the data set at that point, I would assume it calculates the moving average of the first three months. The formula comes up with 469,681. When I average the first three months, I come up with 387,572. What am I doing wrong or misunderstanding Thanks for the help and for putting this website together. Hi Chandoo You have one really useful project here, tons of thanks In the very beginning of this thread Shamsuddin asked something similar to what I need, reverse calculation of values from the moving average. Maybe its stupid, but I cant come up with any ideas except for figure-by-figure lookup. If possible - please advice with this articles data, to get the concept. Actually, Id be happy to get anything, as google was of no use ) Once again - thank you so much for this site Im not really sure what you mean by reverse calculating a moving average Can you explain what your trying to do achieve Posting a sample file might help also Refer: chandoo. org forums topic posting-a-sample-workbook Hi Hui, I mean, I have a column of figures (e. g. monthly shipments), which are calculated as moving average based on another data set (e. g. monthly manufacturing output). Smth like this: (A1) Jan Feb Mar Apr May Jun Mfg Ship 100 500 450 600 600 700 Where Ship average(B2:C2) I know only shipments volumes, and have to find out respective mfg volumes. Generally speaking, the question is how we can find initial data with only MA on hand Suppose, this thread may not be the one for asking this (if you agree - maybe you know where to ask). Its just that Shamsuddins question was the most relevant result out of 10 google pages Mey To calculate the original data from a Moving Average (MA) you need two MAs eg a 9 and a 10 day MA or 1 MA and 1 piece of data From these you can recalculate the previous result But if you have a formula Average(B2:C2) you should have access to the data If it is a 2 day MA like your formula above MAAverage(B2:C2) MA(B2C2) 2 if you know B2 C2(2MA)-B2 If you have a set of data you can share I can give a better solution Refer: chandoo. org forums topic posting-a-sample-workbook Great website. Forgive this question. I used to be an Expert in Lotus 123 decades ago, but I find Excel somewhat backwards in its progressions to Lotus 123, so I am starting over with Excel 2010. I am a logical person and I try to understand what the formulas do when I use them. I notice that there are not but 14 sales figures in column B, yet somehow we are counting from B4 to B33. I tested the formula out using: AVERAGE(OFFSET(B4,COUNT(B4:B14)-3,0,3,1)) and I get the same result as if I used AVERAGE(OFFSET(B4,COUNT(B4:B33)-3,0,3,1)). My first rule of old school spreadsheet creation is never to build a data table larger than the data provided if it is static (that is, not expanding in data). As a result, I have no real clue as to how OFFSET works. Is there a clear explanation of OFFSET with a singular example of it being used outside of the average and all by itself The reason I came here is to build a spreadsheet model that would use iterative calculations to find the best fit for profit data (that is maximizing profit) when the a short moving average of the cumulative profit curve (or equity curve) crosses OVER the longer term moving average of the equity curve. I find nothing that allows expansion of moving averages from 3 periods to say 100 periods (for both averages). By using the MA cross over to determine which trades to take, one can find an optimal level of profit to run the model from (which could be tweaked when the model is reoptimized). I can find nothing in most Excel books that cover this, and this kind of calculations should be relatively simple to pull off. Where could I find such information Thanks again for the wonderful website. Just in case you havent found it yet, heres a link for the OFFSET function: I have a question. I already have a 3 day moving average that I was given in my problem. Is it related to the average of stocks. The questions says that you have 1 stock that you PLAN on selling on day 10. My 3 day moving average is an integration from a, b where at and bt3 at any time. If you want to find the price you expect to sell the share for, do you integrate from 6,9 9,11 7,10. Do you want the far end of day 10, the middle of day 10, or leave day 10 out I am not sure what time frame to put this 3 day average between. Again, my function represents up to day 14, but I need the price at day 10. ivan Santos says: Im looking to see the moving average for a call center. im trying to find the index for every month for a full year. i only have 2 years worth of data and im wanting forecast out for 2014 in quarters. can i use this method for this I have a problem in average, I want to calculate the average of highlighted rows only in coloumn F on colomn G which also has highlighted blank cells Hi, I am working on a spreadsheet that has the past four years of weekly data but the current years data is incomplete as it only gets entered each week. Is there a way of setting up a formula that will calculate an average based on the number of weeks that have data in them For eg. in the middle of the year it will create an average based on cells 2-27 26 but the next week it would be cells 2-28 27. Its doing my head in and I dont want to have to manually adjust the average every week. Great site by the way Very helpful. ) Rosie Yes this can be done Can you please ask the question at the Forums and attach a sample file chandoo. org forum Ok here is my question that has been plaguing me for the last 2 1 2 months and I havent found a solution anywhere on the web: I have a sales team and I need a moving avg but with a fix format and a shifting date rage that is fixed as well. i. e. Sales person 1 1 15 2 1 15 3 1 15 12 1 14 11 1 14 10 1 14 ME 1 2 0 4 5 6 What I am trying to do is this: Lets say today date is 3 1 15 I need a way to go back 3 (6 and 12 as well) months from the current date and avg the sales numbers. The hard part is I would like to just change the year of the dates so I dont have to mess with the format or if I hire(fire) someone. So in the above example I would have the formula take the 6 1 2 (9) 3 3 but then as time would go on this would keep going but once the new year began in JAN 2016 it would have to use the figures from the past 2015 data (3,6 and 12 Month rolling avgs). I hope that this clear and I would love to get some help with this. Agradeço antecipadamente. Can you please ask the question in the Chandoo. org Forums at: forum. chandoo. org Attach a sample file to simplify the process Ok I have posted to the forums and uploaded a sample file. 8230 Calculate Moving Average Chandoo. org 8211 Learn Moving average is frequently used to understand underlying trends and helps in forecasting. MACD or moving average convergence divergence is probably the 8230 Amelia McCabe says: Looking for a little help. I have tried what I think is a modified version of this formula that is not really working. I have a row of data (one number per month) that I need a continuous average for based on the number of months of entered data not on 12 months. Data are in cells b53 to m53. So I tried to modify this formula as follow (it did not work) and I wonder if I can use this formula this way at all since my data is in a row not a column. AVERAGE(OFFSET(B53COUNT(B53:M53)-12,0,1,12)). Have also tried the arguments as 0,0,1,12 and -1,0,1,12. Please help me understand if I am up the totally wrong tree or just on the wrong branch. Amelia Without seeing the data id suggest that AVERAGE(OFFSET(B53,COUNT(B53:M53)-12,0,1,12)) should be: AVERAGE(OFFSET(B53. 1,COUNT(B53:M53))) One issue with the original formula is that there are 12 cells between B53:M53, If only 5 have data in them, then you take 12 away, the offset is trying to offset B53, a negative 7 columns, which will force an error You may also be able to use the Averageifs function Possibly: Averageifs(B53:M53,B53:M53,0) Are you able to post a sample file in the Chandoo. org Forums forum. chandoo. org
No comments:
Post a Comment