Exponential smoothing methods areve

Exponential smoothing methods areverycommonly used for forecasting demand. Regarding the process of forecasting demand, the main approach towards the selection and optimisation of alternative methods relates to the minimisation of forecast error measures such as the mean square error (MSE). With regard to Pegels' classification of usage of proper forecasting methods, HW methods (additive and multiplicative) are appropriate for demand with trend and seasonality which corresponds to B-2 and B-3. But HW methods are not accurate enough for demand with large noise that is often a property of real data. In this paper we present improved an HW method for demand with noise and we demonstrate that a reduction in forecast error (MSE) can be reached. From the results, we prove that the proposed method is more accurate than the existing ones and that it is the proper choice for forecasting noisy demand. Furthermore, we show that essential reduction of supply chain costs can be achieved if we use improved the HW method for joined optimisation.

ผลลัพธ์ (ไทย) 1:

เนนผืนวิธี areverycommonly ใช้สำหรับการคาดการณ์ความต้องการ เกี่ยวกับกระบวนการในการคาดการณ์ความต้องการ วิธีหลักเลือกและเพิ่มประสิทธิภาพของวิธีการอื่นเกี่ยวข้องกับ minimisation วัดการคาดการณ์ผิดพลาดเช่นข้อผิดพลาดค่าเฉลี่ยกำลังสอง (MSE) ตาม classification ของ Pegels ของการใช้วิธีการคาดการณ์ที่เหมาะสม วิธี HW (additive และเชิงการคูณ) เหมาะสมสำหรับความต้องการกับแนวโน้มและ seasonality ซึ่งสอดคล้องกับ B 2 และ B 3 แต่วิธีการ HW ไม่แม่นยำเพียงพอสำหรับความต้องการมีเสียงขนาดใหญ่ที่มักจะเป็นคุณสมบัติของข้อมูลที่แท้จริง ในเอกสารนี้ เรานำเสนอปรับปรุงวิธีการ HW สำหรับความต้องการด้วยเสียง และเราแสดงให้เห็นว่า สามารถเข้าถึงลดการคาดการณ์ผิดพลาด (MSE) จากผลลัพธ์ เราพิสูจน์ว่าวิธีการนำเสนอถูกต้องมากกว่าการอยู่ และที่เป็นทางเลือกที่เหมาะสมสำหรับการคาดการณ์ความต้องการคะ นอกจากนี้ เราแสดงว่า ลดความสำคัญของห่วงโซ่อุปทานต้นทุนสามารถทำได้ถ้าเราใช้ปรับปรุงวิธีการ HW สำหรับเพิ่มประสิทธิภาพรวม

ผลลัพธ์ (ไทย) 2:

วิธีการปรับให้เรียบชี้แจง areverycommonly ใช้สำหรับการพยากรณ์ความต้องการ เกี่ยวกับกระบวนการของการคาดการณ์ความต้องการแนวทางหลักที่มีต่อการเลือกและการเพิ่มประสิทธิภาพของวิธีการทางเลือกที่เกี่ยวข้องกับการลดข้อผิดพลาดของมาตรการการคาดการณ์ดังกล่าวเป็นข้อผิดพลาดตารางค่าเฉลี่ย (MSE) ในเรื่องเกี่ยวกับ Pegels 'ไอออนจัดประเภทของการใช้งานของวิธีการพยากรณ์ที่เหมาะสมวิธี HW (สารเติมแต่งและคูณ) มีความเหมาะสมกับความต้องการที่มีแนวโน้มและฤดูกาลซึ่งสอดคล้องกับ B-2 และ B-3 แต่วิธีการ HW ไม่ถูกต้องเพียงพอต่อความต้องการด้วยเสียงขนาดใหญ่ที่มักจะเป็นทรัพย์สินของข้อมูลจริง ในบทความนี้เรานำเสนอการปรับปรุงวิธีการ HW สำหรับความต้องการที่มีสัญญาณรบกวนและเราแสดงให้เห็นว่าการลดความผิดพลาดในการคาดการณ์ (MSE) สามารถเข้าถึงได้ จากผลที่เราพิสูจน์ให้เห็นว่าวิธีการที่นำเสนอมีความถูกต้องมากขึ้นกว่าที่มีอยู่และที่จะเป็นทางเลือกที่เหมาะสมสำหรับการคาดการณ์ความต้องการที่มีเสียงดัง นอกจากนี้เราแสดงให้เห็นว่าการลดค่าใช้จ่ายที่สำคัญของห่วงโซ่อุปทานสามารถทำได้ถ้าเราใช้วิธีการที่ดีขึ้นสำหรับการเพิ่มประสิทธิภาพ HW เข้าร่วม

ผลลัพธ์ (ไทย) 3:

วิธีการปรับให้เรียบแบบเอ็กซ์โปเนนเชียล areverycommonly ใช้สำหรับการพยากรณ์ความต้องการ เกี่ยวกับกระบวนการพยากรณ์ความต้องการหลักและแนวทางไปสู่การเพิ่มประสิทธิภาพของวิธีการทางเลือกที่เกี่ยวข้องกับการลดของพยากรณ์มาตรการเช่นค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( MSE ) เกี่ยวกับ pegels ' classi ไอออนบวกจึงใช้วิธีการพยากรณ์ที่เหมาะสม ,วิธีการอหิงสา ( เพิ่มและการคูณ ) เหมาะสมสำหรับความต้องการที่มีแนวโน้มและฤดูกาลซึ่งสอดคล้องกับ B-2 กับ b-3 . แต่วิธีการอหิงสาไม่ถูกต้องเพียงพอสำหรับความต้องการเสียงใหญ่ที่มักจะเป็นคุณสมบัติของข้อมูลที่แท้จริง ในกระดาษนี้เราเสนอการปรับปรุงเป็น HW วิธีการความต้องการกับเสียงรบกวน และเราแสดงให้เห็นว่ามีการลดการคาดการณ์ Error ( MSE ) สามารถเข้าถึงได้ ผลจากการทดลองเราพิสูจน์ได้ว่า วิธีที่นำเสนอมีความถูกต้องมากกว่าที่มีอยู่และว่ามันเป็นทางเลือกที่เหมาะสมสำหรับการพยากรณ์อุปสงค์ที่มีเสียงดัง นอกจากนี้ เราพบว่า การลดต้นทุนที่สำคัญของห่วงโซ่อุปทานสามารถเกิดขึ้นได้ถ้าเราใช้วิธีอหิงสา เพื่อร่วมพัฒนาเพิ่มประสิทธิภาพ .