أضعافا مضاعفة المرجحة - المتوسط المتحرك ل تمهيد - ثابت

كيفية حساب المتوسطات المتحركة الموزونة في إكسيل باستخدام الأسية Smoothing. Excel تحليل البيانات للدمى، الطبعة 2nd. The الأسي أداة تجانس في إكسيل بحساب المتوسط ​​المتحرك ومع ذلك، الأسي تمهيد الأوزان القيم المدرجة في حسابات المتوسط ​​المتحرك بحيث أن القيم الأحدث تأثير أكبر على حساب متوسط ​​والقيم القديمة يكون لها تأثير أقل ويتم هذا الترجيح من خلال ثابت التمهيد. لتوضيح كيفية عمل أداة التمدد الأسي، لنفترض أنك مرة أخرى تبحث في متوسط ​​المعلومات درجة الحرارة اليومية. لحساب المتوسطات المتحركة المرجح باستخدام التمهيد الأسي، اتبع الخطوات التالية. لحساب متوسط ​​متحرك متجانس أضعافا مضاعفة، انقر أولا فوق الزر الأمر تحليل البيانات داتا أناليسيس. عندما يعرض إكسيل مربع الحوار تحليل البيانات، حدد عنصر التمدد الأسي من القائمة ثم انقر فوق موافق. يعرض إكسيل مربع الحوار أسيوننتيال سموثينغ. حدد البيانات. لتحديد t البيانات التي تريد حساب متوسط ​​متحرك ألسيا أضعافا مضاعفة، انقر في مربع النص المدى الإدخال ثم تحديد نطاق الإدخال، إما عن طريق كتابة عنوان نطاق ورقة العمل أو عن طريق تحديد نطاق ورقة العمل إذا كان نطاق الإدخال يتضمن تسمية النص لتحديد أو وصف البيانات الخاصة بك، حدد خانة الاختيار التصنيفات. تقديم ثابت التمهيد. إدخال قيمة ثابت التجانس في مربع النص عامل التخميد ملف مساعدة إكسيل يوحي باستخدام ثابت التمهيد بين 0 2 و 0 3 ويفترض، ومع ذلك، إذا كان يمكنك إعادة استخدام هذه الأداة، لديك الأفكار الخاصة بك حول ما هو ثابت ثابت التمهيد هو إذا كنت جاهل حول ثابت تجانس، وربما كنت لا يجب أن يكون استخدام هذه الأداة. إكسل اكسل حيث لوضع أضعف المتوسط ​​المتحرك البيانات أضعافا مضاعفة. استخدام مربع نص نطاق الإخراج لتحديد نطاق ورقة العمل التي تريد وضع بيانات المتوسط ​​المتحرك في مثال ورقة العمل، على سبيل المثال، يمكنك وضع بيانات المتوسط ​​المتحرك في ورقة العمل مجموعة B2 B10. اختياري رسم البيانات ممهدة أضعافا مضاعفة. لرسم البيانات ممهدة أضعافا مضاعفة، حدد خانة الاختيار مخطط الإخراج. اختياري تشير إلى أنك تريد معلومات الخطأ القياسية المحسوبة. لحساب الأخطاء القياسية، حدد خانة الاختيار الأخطاء القياسية يضع إكسيل قيم الخطأ القياسية بجوار قيم المتوسط ​​المتحرك الممهدة أضعافا مضاعفة. بعد الانتهاء من تحديد معلومات المتوسط ​​المتحرك الذي تريد حسابه والمكان الذي تريده ثم انقر فوق OK. Excel يحسب معلومات المتوسط ​​المتحرك. الفلاتر الأساسية. وتصف هذه الصفحة التصفية الأسية، وأبسط والأكثر شعبية مرشح هذا جزء من القسم تصفية جزء من دليل للكشف عن خطأ والتشخيص. في الوقت الحاضر، ثابت الوقت ، و التناظرية المكافئة. أبسط مرشح هو مرشح الأسي لديها معلمة واحدة فقط ضبط غير الفاصل الزمني العينة يتطلب تخزين متغير واحد فقط - الإخراج السابق وهو مرشح الانحدار التلقائي إير - آثار تغيير المدخلات الاضمحلال أضعافا مضاعفة حتى حدود شاشات العرض أو الكمبيوتر الحسابية إخفاء ذلك. في مختلف التخصصات، واستخدام هذه الفتيل كما يشار إلى التعرية الأسية في بعض التخصصات مثل تحليل الاستثمار، يسمى الفلتر الأسي المتوسط ​​المتحرك إزون الموزون أسي، أو المتوسط ​​المتحرك المتحرك الأسي فقط. هذا يسيء المصطلحات المتوسطة المتحركة أرما التقليدية لتحليل السلاسل الزمنية، أي تاريخ المدخلات التي يتم استخدامها - فقط المدخلات الحالية. فهو يعادل وقت منفصل من تأخر النظام الأول يشيع استخدامها في النمذجة التناظرية من أنظمة التحكم في الوقت المستمر في الدوائر الكهربائية، مرشح فلتر أرسي مع المقاوم واحد ومكثف واحد هو تأخر الدرجة الأولى عند التأكيد على القياس على الدوائر التناظرية، المعلمة ضبط واحد هو ثابت الوقت، وعادة مكتوبة باسم الحرف اليوناني السفلي تاو في الواقع، والقيم في أوقات عينة منفصلة تتطابق تماما مع الزمن المتساوي المستمر مع نفسه ثابت زمني ثابت تظهر العلاقة بين التنفيذ الرقمي وثابت الزمن في المعادلات أدناه المعادلات و التهيئة. المرشح الأسي هو مزيج مرجح من الناتج تقدير السابقة مع أحدث بيانات المدخلات، مع مجموع من الأوزان تساوي 1 بحيث الإخراج يطابق الإدخال في حالة مستقرة بعد ترشيح ترشيح أدخلت بالفعل. ykay k -1 1-أكس k. where شك هو المدخلات الخام في وقت الخطوة كيك هو المصفاة الإخراج في الخطوة الزمنية كا هو ثابت بين 0 و 1، وعادة ما بين 0 8 و 0 99 أ -1 أو يسمى أحيانا تجانس ثابت. بالنسبة للأنظمة ذات الخطوة الزمنية الثابتة T بين العينات، يتم حساب ثابت a وتخزينها للراحة فقط عندما يحدد مطور التطبيق قيمة جديدة من الوقت المطلوب ثابت. وهو تاو هو ثابت الوقت مرشح، في نفس وحدات من الوقت لأنظمة T. For مع أخذ العينات البيانات على فترات غير منتظمة، يجب أن تستخدم الدالة الأسية أعلاه مع كل خطوة زمنية، حيث T هو الوقت منذ العينة السابقة. وعادة ما يتم تهيئة إخراج مرشح لتتناسب مع الإدخال الأول. أ في الوقت الحقيقي يقترب 0، يذهب إلى الصفر، لذلك ليس هناك تصفية الإخراج يساوي المدخلات الجديدة كما يحصل على الوقت ثابت كبير جدا، نهج 1، بحيث يتم تجاهل المدخلات الجديدة تقريبا تصفية ثقيلة جدا. معادلة تصفية أعلاه يمكن في شكل المكافئ التالي للمصحح. ويجعل هذا النموذج أكثر وضوحا أن مخرجات تقدير المتغير للمرشاح تتنبأ بأنها لم تتغير عن التقدير السابق y k-1 بالإضافة إلى مصطلح تصحيح يستند إلى الابتكار غير المتوقع - الفرق بين المدخلات هك الجديدة والتنبؤ y k-1 هذا النموذج هو أيضا نتيجة اشتقاق المرشح الأسي كحالة خاصة بسيطة لمرشح كالمان وهو الحل الأمثل لمشكلة تقدير مع مجموعة معينة من الافتراضات. طريقة واحدة لتصور تشغيل الفلتر الأسي هو رسم ردها مع مرور الوقت إلى إدخال خطوة وهذا هو، بدءا من المدخلات والمخرجات مرشح في 0، يتم تغيير قيمة المدخلات فجأة إلى 1 يتم رسم القيم الناتجة أدناه. في المؤامرة المذكورة أعلاه، يتم تقسيم الوقت على الوقت تاو ثابت التصفية حتى تتمكن من التنبؤ بسهولة أكثر النتائج لأي فترة زمنية، عن أي قيمة ثابت الوقت مرشح بعد وقت يساوي الوقت ثابت، يرتفع خرج المرشح إلى 63 21 من قيمته النهائية بعد وقت يساوي الثوابت الزمنية 2، ترتفع القيمة إلى 86 47 من قيمته النهائية المخرجات بعد مرات تساوي 3،4، والثوابت 5 الوقت هي 95 02، 98 17، و 99 33 من القيمة النهائية، على التوالي منذ مرشح هو الخطية، وهذا يعني أن هذه النسب المئوية يمكن استخدامها لأي حجم من خطوة التغيير، وليس فقط لقيمة 1 المستخدمة هنا. على الرغم من أن استجابة الخطوة من الناحية النظرية يأخذ وقتا لانهائي، من الناحية العملية، والتفكير في المرشح الأسي كما 98 إلى 99 القيام به بعد وقت يساوي 4 إلى 5 تصفية الوقت الثوابت. التغيرات على الفلتر الأسي. هناك تباين مرشح أسي يسمى غير الخطية فلتر أسي ويبر، 1980 i ننتند إلى مرشح بشكل كبير الضوضاء داخل سعة نموذجية معينة، ولكن بعد ذلك تستجيب بسرعة أكبر إلى تغييرات أكبر. حقوق الطبع والنشر 2010-2013، غريغ ستانلي. شارك هذه الصفحة. التفوق التنفسي إكسليند. محتوى حقوق الطبع والنشر على محمية بحقوق الطبع والنشر وغير متوفرة لإعادة النشر. عندما يواجه الناس لأول مرة مصطلح التمدد الأسي قد يعتقدون أن يبدو وكأنه جحيم الكثير من تمهيد أي تجانس هو ثم تبدأ في تصور حساب رياضي معقد من المرجح أن يتطلب درجة في الرياضيات لفهم، في وظيفة إكسيل المتاحة إذا كانوا بحاجة إلى أي وقت مضى للقيام بذلك واقع التجانس الأسي هو أقل بكثير دراماتيكية وصدمة أقل بكثير. الحقيقة هي، تمهيد الأسي هو حساب بسيط جدا أن ينجز مهمة بسيطة نوعا ما لديه فقط اسم معقد لأن ما يحدث تقنيا نتيجة لهذا الحساب البسيط هو في الواقع معقدة قليلا. لنفهم التمهيد الأسي، فإنه يساعد لتبدأ مع المفهوم العام للتمهيد واثنين من الأساليب الشائعة الأخرى المستخدمة لتحقيق تمهيد. ما هو التمهيد. التمهيد هو عملية إحصائية شائعة جدا في الواقع، ونحن نواجه بانتظام بيانات ممهدة في أشكال مختلفة في حياتنا يوما بعد يوم في أي وقت تستخدم فيه متوسطا لوصف شيء ما، فإنك تستخدم رقم سلس إذا كنت تفكر في سبب استخدامك لمتوسط ​​لوصف شيء ما، فسوف تفهم بسرعة مفهوم التجانس على سبيل المثال، لقد شهدنا فقط أحر فصل الشتاء في السجل كيف يتم ونحن قادرون على تحديد هذا حسنا نبدأ مع مجموعات من درجات الحرارة العالية والمنخفضة اليومية للفترة التي نسميها الشتاء لكل سنة في التاريخ المسجل ولكن هذا يترك لنا مجموعة من الأرقام التي تقفز حولها قليلا انها ليست مثل كل يوم كان هذا الشتاء أكثر دفئا من الأيام المقابلة من جميع السنوات السابقة نحن بحاجة إلى عدد الذي يزيل كل هذا القفز حولها من البيانات حتى نتمكن من مقارنة أكثر سهولة فصل الشتاء إلى التالي إزالة جومبين ز حولها في البيانات يسمى التمهيد، وفي هذه الحالة يمكننا فقط استخدام متوسط ​​بسيط لإنجاز التجانس. في التنبؤ الطلب، ونحن نستخدم تمهيد لإزالة الضوضاء الاختلاف عشوائي من الطلب التاريخي لدينا وهذا يسمح لنا لتحديد أنماط الطلب بشكل أفضل في المقام الأول الاتجاه والموسمية والطلب المستويات التي يمكن استخدامها لتقدير الطلب في المستقبل الضجيج في الطلب هو نفس المفهوم مثل القفز اليومي حول بيانات درجة الحرارة ليس من المستغرب أن الطريقة الأكثر شيوعا الناس إزالة الضوضاء من تاريخ الطلب هو استخدام متوسط ​​بسيط أو بشكل أكثر تحديدا، المتوسط ​​المتحرك A المتوسط ​​المتحرك يستخدم فقط عدد محدد مسبقا من الفترات لحساب المتوسط، وتلك الفترات تتحرك بمرور الوقت على سبيل المثال، إذا كنت تستخدم متوسط ​​متحرك لمدة 4 أشهر، واليوم هو 1 مايو، وأنا م باستخدام متوسط ​​الطلب الذي حدث في يناير وفبراير ومارس وأبريل في الأول من حزيران (يونيو)، سأستخدم الطلب من شباط (فبراير) ومارس وأبريل ومايو (أيار). المتوسط ​​المتحرك المتوسط. عند استخدام متوسط يطبقون نفس الأهمية على كل قيمة في مجموعة البيانات في المتوسط ​​المتحرك لمدة 4 أشهر، يمثل كل شهر 25 من المتوسط ​​المتحرك عند استخدام سجل الطلب في الطلب المستقبلي وخاصة الاتجاه المستقبلي، فمن المنطقي أن نستنتج أن كنت ترغب في المزيد من التاريخ الحديث أن يكون لها تأثير أكبر على توقعاتك يمكننا تكييف حسابنا المتوسط ​​المتحرك لتطبيق مختلف الأوزان لكل فترة للحصول على النتائج المرجوة لدينا نعرب عن هذه الأوزان كنسب مئوية، ومجموع جميع الأوزان لجميع الفترات يجب أن تضيف ما يصل إلى 100 لذلك، إذا قررنا أننا نريد تطبيق 35 كوزن لأقرب فترة في المتوسط ​​المتحرك المرجح لمدة 4 أشهر لدينا، يمكننا طرح 35 من 100 لإيجاد لدينا 65 المتبقية لتقسيم على مدى 3 فترات أخرى على سبيل المثال، قد ننتهي مع ترجيح 15، 20، 30، و 35 على التوالي لمدة 4 أشهر 15 20 30 35 100. التجانس الاقتصادي. إذا عدنا إلى مفهوم تطبيق الوزن إلى آخر فترة مثل مثل 35 في المثال السابق ونشر الوزن المتبقي محسوبة بطرح وزن الفترة الأخيرة من 35 من 100 للحصول على 65، لدينا اللبنات الأساسية لحساب الأسية لدينا تمهيد حساب الإدخال السيطرة على حساب تمهيد الأسي يعرف باسم تجانس عامل يسمى أيضا ثابت التمهيد وهو يمثل أساسا الترجيح المطبق على آخر فترة ق الطلب لذلك، حيث استخدمنا 35 كما الترجيح للفترة الأخيرة في حساب المتوسط ​​المتحرك المرجح، يمكننا أيضا اختيار لاستخدام 35 كما تمهيد عامل في حساب تمهيد الأسي للحصول على تأثير مماثل الفرق مع حساب تمهيد الأسي هو أنه بدلا من أن علينا أيضا معرفة مقدار الوزن لتطبيقها على كل فترة سابقة، ويستخدم عامل تمهيد للقيام بذلك تلقائيا. لذلك هنا ويأتي الجزء الأسي إذا كنا نستخدم 35 كعامل تمهيد، فإن الترجيح من آخر فترة ق الطلب يكون 35 ترجيح الفترة الأخيرة الأخيرة ق الطلب على الفترة قبل آخر سيكون 65 من 35 65 يأتي من طرح 35 من 100 وهذا يساوي 22 75 الترجيح لتلك الفترة إذا كنت تفعل الرياضيات. الفترة التالية الأخيرة سوف يكون 65 من 65 من 35، وهو ما يعادل 14 79 سيتم ترجيح الفترة قبل ذلك 65 من 65 من 65 من 35، وهو ما يعادل 9 61، وهلم جرا وهذا يمر مرة أخرى من خلال جميع الفترات السابقة على طول الطريق إلى بداية الوقت أو النقطة التي بدأت باستخدام تمهيد الأسي لهذا البند معين. يمكنك إعادة ربما التفكير في ق تبدو وكأنها الكثير من الرياضيات ولكن جمال الحساب الأسي تمهيد هو أنه بدلا من وجود لإعادة حساب ضد كل فترة سابقة في كل مرة تحصل على طلب فترة ثانية جديدة، يمكنك ببساطة استخدام الإخراج من حساب تجانس الأسي من الفترة السابقة لتمثيل جميع الفترات السابقة. هل كنت الخلط بعد وهذا سيكون أكثر منطقية عندما ث ه ننظر في الحساب الفعلي. نحن نشير إلى إخراج حساب تجانس الأسي كما توقعات الفترة المقبلة في الواقع، فإن التوقعات النهائية يحتاج إلى المزيد من العمل قليلا، ولكن لأغراض هذا الحساب المحدد، وسوف نشير إليها كما فإن حساب التمهيد الأسي المتوقع كما يلي. أحدث فترة زمنية الطلب مضروبا في عامل التمهيد بلوس أحدث فترة s توقعات مضروبا في واحد ناقص عامل تمهيد. د معظم فترة الأخيرة الطلب S عامل التمهيد ممثلة في عشري شكل حتى 35 سيتم تمثيل كما 0 35 F الفترة الأخيرة ق توقع إخراج حساب تمهيد من الفترة السابقة. أفترض عامل تمهيد من 0 35.It لا تحصل على أبسط من ذلك بكثير. كما ترون، كل ما نحتاج إليه لمدخلات البيانات هنا هي آخر فترة من الطلب s وأحدث فترة s توقعات نحن تطبيق عامل تمهيد الترجيح إلى آخر فترة ق الطلب بنفس الطريقة ونحن سوف n حساب المتوسط ​​المتحرك المرجح نطبق بعد ذلك الترجيح المتبقي 1 مطروحا منه عامل التمهيد لتوقعات الفترة الأخيرة. منذ أن تم إنشاء توقعات الفترة الأخيرة استنادا إلى الطلب في الفترة السابقة وتوقعات الفترة السابقة والتي كانت على أساس الطلب على الفترة السابقة لذلك والتنبؤ بالفترة التي سبقت ذلك، والتي استندت إلى الطلب على الفترة السابقة لذلك وتوقعات الفترة السابقة لذلك، والتي كانت قائمة على الفترة السابقة لذلك. يمكن أن نرى كيف يتم تمثيل كل طلب الفترة السابقة ق في الحساب دون العودة فعليا إلى الوراء وإعادة حساب أي شيء. وهذا ما قادت شعبية الأولي من التمهيد الأسي كان واسن ر لأنه فعل وظيفة أفضل من تمهيد من المتوسط ​​المتحرك المرجح، كان لأنه كان من الأسهل لحساب في برنامج الكمبيوتر و، لأنك لا تحتاج إلى التفكير في ما الترجيح لإعطاء فترات سابقة أو كم من الفترات السابقة لاستخدام، كما يو u في المتوسط ​​المتحرك المرجح، ولأنه بدا فقط برودة من المتوسط ​​المتحرك المرجح. في الواقع، يمكن القول بأن المتوسط ​​المتحرك المرجح يوفر مرونة أكبر لأن لديك المزيد من السيطرة على ترجيح الفترات السابقة الواقع هو إما من هذه يمكن وتوفير نتائج محترمة، فلماذا لا تذهب مع أسهل وأكثر برودة السبر. التمهيد إكسبوننتيال في Excel. Let s نرى كيف أن هذا سوف ننظر فعلا في جدول بيانات مع البيانات الحقيقية. حماية حقوق الطبع والنشر على محمية بحقوق الطبع والنشر وغير متوفرة ل republication. In الرقم 1A، لدينا جدول إكسل مع 11 أسبوعا من الطلب، وتوقعات أملس أضعافا محسوبة من هذا الطلب لقد استخدمت عامل تمهيد 25 0 25 في الخلية C1 الخلية النشطة الحالية هي الخلية M4 التي تحتوي على توقعات الأسبوع 12 أنت يمكن أن نرى في شريط الصيغة، والصيغة هي L3 C1 L4 1- C1 لذلك المدخلات المباشرة الوحيدة لهذا الحساب هي الفترة السابقة ق الطلب L3 الخلية، والفترة السابقة ق توقعات خلية L4، وعامل التجانس الخلية C1، كما هو مبين كمرجع الخلية المطلقة C1.When نبدأ حساب التجانس الأسي، ونحن بحاجة إلى سد قيمة يدويا للتوقعات 1 حتى في الخلية B4، بدلا من صيغة، ونحن فقط كتب في الطلب من نفس الفترة من التوقعات في الخلية C4 لدينا لدينا 1 الأسي حساب تمهيد B3 C1 B4 1- C1 يمكننا بعد ذلك نسخ الخلية C4 ولصقه في الخلايا D4 من خلال M4 لملء بقية الخلايا توقعاتنا. انقر على أي خلية توقعات لنرى أنها تقوم على الخلية السابقة ق خلية التوقعات وخلايا الطلب الفترة السابقة ق حتى كل لاحقة حساب التجانس الأسي يرث الإخراج من حساب التجانس الأسي السابق أن ق كيف يتم تمثيل كل طلب الفترة السابقة ق في حساب آخر الفترة s على الرغم من أن هذا الحساب لا يشير مباشرة تلك الفترات السابقة إذا كنت ترغب في الحصول على الهوى، يمكنك استخدام إكسيل s تتبع السوابق وظيفة للقيام بذلك، انقر على الخلية M4 ، ثم على شريط الأدوات الشريط إكسيل 2007 أو 2010 انقر فوق علامة التبويب الصيغ، ثم انقر فوق تتبع السوابق فإنه سيتم رسم خطوط الموصل إلى المستوى الأول من السوابق، ولكن إذا كنت الاستمرار في النقر تتبع السوابق فإنه سيتم رسم خطوط الموصل لجميع الفترات السابقة لإظهار كنت العلاقات الموروثة. الآن دعونا نرى ما تمهيد الأسي لم us. Figure 1B يظهر مخطط خطي لطلبنا وتوقعات لك حالة نرى كيف أن التوقعات أملس أضعافا يزيل معظم خدش القفز حول من الطلب الأسبوعي، ولكن لا يزال تمكن من متابعة ما يبدو اتجاها تصاعديا في الطلب ستلاحظ أيضا أن خط التنبؤ السلس يميل إلى أن يكون أقل من خط الطلب هذا هو المعروف باسم تأخر الاتجاه وهو تأثير جانبي لعملية التمهيد في أي وقت كنت تستخدم تمهيد عندما اتجاه موجود توقعاتك سوف تتخلف عن الاتجاه هذا صحيح لأي تقنية تمهيد في الواقع، إذا كنا لمواصلة هذا جدول البيانات والبدء في إدخال أرقام الطلب أقل مما يجعل الإعلان الاتجاه إلى الأمام كنت سترى انخفاض خط الطلب، وخط الاتجاه التحرك فوقه قبل البدء في اتباع الاتجاه النزولي. وهذا لماذا ذكر سابقا الإخراج من حساب تجانس الأسي الذي نسميه توقعات، لا يزال يحتاج الى مزيد من العمل هناك هو أكثر بكثير للتنبؤ من مجرد تجانس المطبات في الطلب نحن بحاجة إلى إجراء تعديلات إضافية لأشياء مثل تأخر الاتجاه والموسمية والأحداث المعروفة التي قد تؤثر الطلب، الخ ولكن كل ما هو أبعد من نطاق هذه المقالة. أيضا في شروط مثل التجانس المزدوج الأسي والتجانس الثلاثي الأسي هذه المصطلحات مضللة بعض الشيء لأنك لا إعادة تمهيد الطلب عدة مرات هل يمكن إذا كنت تريد، ولكن هذه ليست نقطة هنا تمثل هذه المصطلحات باستخدام الأسي تمهيد على عناصر إضافية للتنبؤ حتى مع تمهيد الأسي بسيطة، كنت تمهيد الطلب قاعدة، ولكن مع تجانس مزدوج الأسي كنت تمهيد الطلب قاعدة زائد هذا الاتجاه، ومع تمهيد الثلاثي الأسي كنت تمهيد الطلب قاعدة بالإضافة إلى الاتجاه بالإضافة إلى الموسمية. السؤال الأكثر شيوعا الأخرى حول التجانس الأسي هو أين يمكنني الحصول على عامل تجانس بلدي ليس هناك إجابة سحرية هنا، تحتاج إلى اختبار مختلف العوامل تمهيد مع بيانات الطلب الخاص بك لمعرفة ما يحصل لك أفضل النتائج هناك الحسابات التي يمكن أن تحدد تلقائيا وتغيير عامل تمهيد هذه تقع تحت مصطلح التجانس التكيف، ولكن عليك أن تكون حذرا معهم هناك ببساطة لا يوجد إجابة مثالية و يجب أن لا تنفذ بشكل أعمى أي حساب دون اختبار شامل وتطوير فهم شامل لما هو الحساب يجب عليك أيضا تشغيل ما إذا كان السيناريوهات لمعرفة كيف تتفاعل هذه الحسابات على التغييرات الطلب التي قد لا توجد حاليا في بيانات الطلب الذي تستخدمه ل اختبار. مثال البيانات كنت في السابق هو مثال جيد جدا على الوضع حيث كنت حقا بحاجة لاختبار بعض السيناريوهات الأخرى T يظهر مثال على البيانات اتجاها متسقا إلى حد ما العديد من الشركات الكبيرة ذات البرمجيات التنبؤية مكلفة جدا حصلت في ورطة كبيرة في الماضي ليس بعيدة جدا عندما إعدادات البرمجيات التي تم أنب لاقتصاد متنام لا تتفاعل بشكل جيد عندما بدأ الاقتصاد الركود أو تقلص أشياء مثل هذا يحدث عندما كنت لا تفهم ما هي برامج الحسابات الخاصة بك فعليا إذا فهموا نظام التنبؤ بهم، فإنها قد عرفت أنها بحاجة إلى القفز في وتغيير شيء عندما كانت هناك تغييرات مفاجئة مفاجئة لأعمالهم. لذلك هناك يكون ذلك أساسيات تمهيد الأسي أوضح تريد أن تعرف المزيد عن استخدام التجانس الأسي في التنبؤ الفعلي، وتحقق من كتابي إدارة المخزون Explained. Copyright المحتوى على محمية بحقوق الطبع والنشر وغير متوفر ل republication. Dave بياسيكي هو مالك مشغل الجرد عمليات الاستشارات ذ م م شركة استشارية تقدم الخدمات المتعلقة بإدارة المخزون، حصيرة ومعالجة إريال، وعمليات مستودع لديه أكثر من 25 عاما من الخبرة في إدارة العمليات ويمكن الوصول إليها من خلال موقعه على الانترنت، حيث يحافظ على معلومات إضافية ذات الصلة.