मोर्चा भारित चलती - औसत - गणना

टीसी 2000 समर्थन आलेख। फोंट वेटेड मूविंग एवरेज एफडब्ल्यूएमए v16.फ्रन्ट वेटेड मूविंग एओएड की गणना। फोंट वेटेड मूविंग एवरेज व्यक्तिगत मानदंड फॉर्मूला भाषा में नहीं बनाए गए हैं लेकिन एक पीसीएफ में एफडब्ल्यूएमए का निर्माण काफी सीधा है। एक फ्रंट वेटेड चल औसत डेटा की अवधि सलाखों का उपयोग करके गणना की जाती है तो एक 2 अवधि के मोटे भारित चलती औसत की गणना करने के लिए डेटा की 2 बार की आवश्यकता होती है और 30 अवधि सामने भारित चलती औसत की गणना के लिए डेटा की 30 बार की आवश्यकता होती है। चलती औसत को मोटे वेटेड कहा जाता है क्योंकि नया डेटा दिया जाता है गणना में पुराने आंकड़ों के मुकाबले अधिक से अधिक वजन प्रत्येक पुरानी पट्टी 1 द्वारा गणना के लिए इस्तेमाल किए जाने वाले कारक को घट जाती है, जब आप गणना को संपूर्ण गणना के लिए इस्तेमाल नहीं करते हैं। नवीनतम बार की अवधि गुणा होती है और फिर प्रत्येक पुरानी बार यह कम कर देता है गणना में इस्तेमाल किए गए सबसे पुराना डेटा 1 तक गुणा किया जाता है, परिणामस्वरूप प्रत्येक बार के लिए उपयोग किए गए कारकों के योग से विभाजित किया जाता है। तो 2 अवधि सामने वेटेड मूविंग एवरल की गणना निम्न प्रकार से की जा सकती है। निम्न के लिए कौन सा सरलीकृत किया जा सकता है। और एक 3 अवधि वाले मोटे भारित चल औसत की गणना निम्न प्रकार की जा सकती है। 3 सी 2 सी 1 1 सी 2 3 2 1. जो निम्नलिखित को सरल किया जा सकता है। यह पैटर्न इस अवधि के रूप में जारी रहता है। आप यहां हैं संकेतक लाइब्रेरी मूविंग औसत. मॉविंग औसत। मॉविंग औसत का इस्तेमाल रुझानों को सुचारू करने के लिए किया जाता है टीसी 2000 तीन प्रकार के तीन प्रकार प्रदान करता है औसत चलती है। एक सरल चलती औसत अवधि के लिए प्रत्येक डेटा बिंदु के बराबर वजन देता है यदि अवधि 3 है और अंतिम तीन आंकड़े 3, 4 और 5 हैं, तो सबसे हाल ही में औसत मूल्य 3 3 4 5 3 4 विभाजित होगा क्योंकि तीन तीन डेटा पॉइंट हैं। एक गतिमान चलती औसत ईएमए, कभी-कभी एक तेजी से भारित चलती औसत EWMA भी कहा जाता है, भारित कारकों को लागू करता है जो तेजी से घटाते हैं। प्रत्येक पुराने डेटा बिंदु का भार तेजी से घटता है, हालिया टिप्पणियों को अधिक महत्व देता है, जबकि पुराने पूरी तरह से अवलोकन। एक प्रमुख भारित औसत, एक घातीय औसत की तरह, सबसे पुराने आंकड़ों को औसतन औसत डेटा को पुराने डेटा से अधिक पर प्रभावित करने की अनुमति देता है यह गणना है घातीय औसत की तुलना में अलग ढंग से किया जाता है लेकिन यह हाल के आंकड़ों को अधिक वजन देता है ए 5 अवधि सामने भारित औसत की गणना निम्नानुसार है: सी सबसे हालिया बार है, सी 4 है 4 बार पहले। फ़्रंट भारित औसत सी 5 सी 1 4 सी 2 3 सी 3 2 सी 4 15 आप देख सकते हैं कि विभिन्न औसत प्रकार के किस प्रकार अलग-अलग परिणाम उत्पन्न करते हैं सभी तीन औसत 30 सामान्य लाल, घातीय सियान मोर्चे-वेटेड पीले की अवधि का उपयोग करते हुए प्लॉट किए जाते हैं। इसके अलावा, आप चुन सकते हैं कि पिछले औसत की गणना में किस कीमत का उपयोग किया जाए , ओपन, हाई, लो, या विशिष्ट मूल्य। मास्टिंग की औसत में ऑफसेट पैरामीटर है जो आपको औसत भूखंड आगे या पीछे की ओर नकारात्मक ऑफसेट मान की अनुमति देता है यह आपको साजिश करने की अनुमति देता है जिसे सामान्यतः विस्थापित मूविंग एवरेज कहा जाता है। विस्थापन के बारे में अधिक पढ़ें Investopedia पर चलती औसत. कृपया TC2000 संस्करण 12 से लेकर सभी प्रश्नों और टिप्पणियों को भेजें। यदि आपको तकनीकी सहायता की आवश्यकता है, तो कृपया हमारे तकनीकी सहायता विभाग से संपर्क करें। Word 2011 के द्वारा कॉपीराइट। एक्सपेनेंशिअल एस विस्फोट की व्याख्या। कॉपीराइट पर सामग्री कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। जब लोगों को पहली बार शब्द का एक्सपेंनेलिबल चौरसाई का सामना करना पड़ रहा है, तो उन्हें लगता है कि बहुत से चौरसाई के एक नरक की तरह लग रहा है जो कुछ भी चौरसाई है, तब वे एक जटिल गणितीय गणना की कल्पना करना शुरू करते हैं संभावना है कि गणित में डिग्री को समझने की आवश्यकता होती है, और आशा करते हैं कि यदि एक एक्सेल फ़ंक्शन उपलब्ध है, तो उन्हें कभी भी यह करने की ज़रूरत है, घाटेदार चौरसाई की वास्तविकता कम नाटकीय और बहुत कम आघातकारी है। सच्चाई है, घातांकित चौरसाई है बहुत सरल गणना है जो एक साधारण कार्य को पूरा करती है यह सिर्फ एक जटिल नाम है क्योंकि इस सरल गणना के परिणामस्वरूप तकनीकी रूप से क्या होता है वास्तव में थोड़ा जटिल है। घातीय चिकनाई समझने के लिए, यह चौरसाई के सामान्य अवधारणा और एक युगल चौरसाई को प्राप्त करने के लिए इस्तेमाल किए जाने वाले अन्य सामान्य तरीकों में से। चौरसाई क्या है। मुखौटा फैक्स में एक बहुत ही आम सांख्यिकीय प्रक्रिया है टी, हम नियमित रूप से हमारे दिन-प्रतिदिन के जीवन में विभिन्न रूपों में चिकनी डेटा का सामना करते हैं किसी भी समय आप कुछ का वर्णन करने के लिए औसतन उपयोग करते हैं, आप एक चिकनी संख्या का उपयोग कर रहे हैं यदि आप सोचते हैं कि आप कुछ का वर्णन करने के लिए औसत का उपयोग क्यों करते हैं, तो आप जल्दी से चौरसाई की अवधारणा को समझें उदाहरण के लिए, हम सिर्फ रिकॉर्ड पर हार्दिक सर्दियों का अनुभव करते हैं हम इसे कैसे बढ़ा सकते हैं, हम उस समय के लिए दैनिक उच्च और निम्न तापमान के डेटासेट से शुरू करते हैं, जिसे हम हर साल दर्ज इतिहास में सर्दियों के लिए कहते हैं लेकिन वह पत्ते हम उन संख्याओं के एक गुच्छा के साथ जो कुछ हद तक कूदते हैं, यह हर दिन की तरह नहीं है, यह सर्दियों पिछले सभी वर्षों से इसी दिनों की तुलना में गर्म था हमें एक ऐसे नंबर की ज़रूरत है जो आंकड़ों से सभी इस कूद को हटा देती है, ताकि हम एक से अधिक आसानी से तुलना कर सकें अगले के लिए सर्दियों डेटा में चारों ओर कूद को हटाने के लिए चौरसाई कहा जाता है, और इस मामले में हम सिर्फ चिकनाई को पूरा करने के लिए एक साधारण औसत का उपयोग कर सकते हैं। मांग पूर्वानुमान में, हम यादृच्छिक परिवर्तन को दूर करने के लिए चौरसाई का उपयोग करते हैं हमारे ऐतिहासिक मांग से शाब्दिक शोर यह हमें मांग पैटर्न को मुख्य रूप से प्रवृत्ति और मौसम और मांग के स्तरों को बेहतर ढंग से पहचानने की अनुमति देता है जो कि भविष्य की मांग का अनुमान लगाने के लिए इस्तेमाल किया जा सकता है मांग में शोर एक ही अवधारणा है, जैसा कि तापमान डेटा के चारों ओर दैनिक कूद रहा है आश्चर्य की बात नहीं सबसे आम तरीका लोगों को मांग इतिहास से शोर निकालना एक सामान्य औसत या अधिक विशेष रूप से उपयोग करना है, चलती औसत एक चल औसत केवल औसत की गणना करने के लिए एक पूर्वनिर्धारित अवधि का उपयोग करता है, और उन समयावधि को समय बीतने के रूप में स्थानांतरित करना उदाहरण के लिए, यदि मैं 4 महीने की चलती औसत का उपयोग करते हुए, और आज 1 मई है, मैं जनवरी, फरवरी, मार्च और अप्रैल में हुई एक औसत मांग का उपयोग कर रहा हूँ 1 जून को, मैं फरवरी, मार्च, अप्रैल और मई से मांग का उपयोग कर रहा हूं औसत भार का उपयोग करते हुए। औसत का उपयोग करते समय हम डेटासेट में प्रत्येक मूल्य के लिए एक ही महत्त्व भार लागू कर रहे हैं 4 महीने की चलती औसत में, प्रत्येक माह 25 औसत चलती औसत का प्रतिनिधित्व करती है भविष्य की मांग और विशेष रूप से भविष्य की प्रवृत्ति का पता लगाएं, यह निष्कर्ष पर पहुंचने के लिए तर्कसंगत है कि आप अपने पूर्वानुमान पर अधिक प्रभाव डालने के लिए हाल के इतिहास को पसंद करना चाहते हैं, हम अपने चल-औसत गणना को अनुकूलित कर सकते हैं ताकि हमारे वांछित होने के लिए प्रत्येक अवधि में विभिन्न भार लागू हो सकें परिणाम हम इन भारों को प्रतिशत के रूप में व्यक्त करते हैं, और सभी अवधियों के लिए कुल वजन 100 तक जोड़ना चाहिए, इसलिए यदि हम निर्णय करते हैं कि हम अपने 4 महीने के भारित चलती औसत में निकटतम अवधि के लिए वजन 35 के रूप में लागू करना चाहते हैं, तो हम उदाहरण के लिए, हम 4, 15 20 30 35 100 के लिए क्रमशः 15, 20, 30, और 35 के भार के साथ समाप्त हो सकते हैं। एक्सपेंनेशन चौरसाई यदि हम पिछली उदाहरण में 35 के रूप में सबसे हाल की अवधि में वजन को लागू करने की अवधारणा पर वापस जाते हैं और शेष वजन की गणना करते हैं, तो 65 के लिए 100 से 35 के सबसे हाल की अवधि के वजन को घटाकर हम बुनियादी ढांचे के लिए हमारे घातीय चौरसाई गणना को नियंत्रित करता है घातीय चौरसाई गणना के नियंत्रण इनपुट को चौरसाई कारक के रूप में जाना जाता है जिसे चौरसाई स्थिरता भी कहा जाता है यह अनिवार्य रूप से सबसे हाल की अवधि की मांग पर लागू भार का प्रतिनिधित्व करता है, इसलिए, जहां हमने 35 हाल के लिए भार के रूप में उपयोग किया भारित चलती औसत गणना में अवधि, हम एक समान प्रभाव प्राप्त करने के लिए हमारे घातीय चौरसाई गणना में चौरसाई कारक के रूप में 35 का उपयोग करना भी चुन सकते हैं घातीय चौरसाई गणना के साथ अंतर यह है कि इसके बजाय हमें यह भी पता चलेगा कि कितना वजन प्रत्येक पिछली अवधि पर लागू होते हैं, तो चौरसाई कारक का उपयोग स्वचालित रूप से करने के लिए किया जाता है। तो यहां घातीय भाग आता है यदि हम चौरसाई कारक के रूप में 35 का उपयोग करते हैं, तो सबसे हाल की अवधि की मांग का भार 35 होगा अगले सबसे हाल का भार अवधि की मांग सबसे पहले 65 65 65 हो जाएगा की अवधि 35 से 100 को घटाने से आता है यह 22 75 भार के बराबर है उस अवधि के लिए यदि आप गणित करते हैं। अगले सबसे हाल की अवधि की मांग 35 के 65 65 हो जाएगी, जो कि 14 9 के बराबर है। इससे पहले की अवधि 65 के 65 65 के रूप में भारित की जाएगी, जो 9 61 , और इतने पर और यह आपके सभी पिछली अवधि के दौरान वापस समय की शुरुआत या उस बिंदु पर वापस चला जाता है जिस पर आप उस विशेष आइटम के लिए घातीय चिकनाई का उपयोग करना शुरू कर दिया था। आप शायद सोच रहे हैं कि पूरी तरह से देख रहे हैं गणित लेकिन घातीय चौरसाई गणना की सुंदरता यह है कि हर बार जब आप एक नई अवधि की मांग प्राप्त करते हैं, तो हर पिछली अवधि के पुनर्गणना के बजाय, आप पिछले पिछली अवधि के प्रतिनिधित्व करने के लिए पिछली अवधि से घातीय चौरसाई गणना के उत्पादन का उपयोग करते हैं। क्या आप अभी तक उलझन में हैं, जब हम वास्तविक गणना को देखते हैं, तो यह और अधिक समझ में आता होगा। आमतौर पर हम अगले काल पूर्वानुमान के अनुसार घातीय चौरसाई गणना के उत्पादन को संदर्भित करते हैं, वास्तविकता में अंतिम पूर्वानुमान की आवश्यकता है अधिक काम, लेकिन इस विशिष्ट गणना के प्रयोजनों के लिए, हम इसे भविष्यवाणी के रूप में देखेंगे। घातीय चौरसाई गणना निम्नानुसार है। सबसे हाल की अवधि की मांग चौरसाई कारक प्लस द्वारा गुणा सबसे हाल की अवधि का पूर्वानुमान गुणा करके एक शून्य से चौरसाई कारक। सबसे हाल की अवधि की मांग एस चिकनी कारक दशमलव के रूप में प्रदर्शित होती है, इसलिए 35 को 0 से 35 एफ के रूप में दर्शाया जाएगा सबसे हाल की अवधि पिछले अवधि से चौरसाई गणना के उत्पादन की भविष्यवाणी करते हैं। 0 के कारक। 35. यह उस की तुलना में बहुत आसान नहीं मिलता है। जैसा कि आप देख सकते हैं, यहां हमें डेटा इनपुट के लिए सभी की जरूरत सबसे हाल की अवधि की मांग है और सबसे हाल की अवधि के पूर्वानुमान हम सबसे हालिया अवधि की वैसे ही मांग होती है जो हम भारित चलती औसत गणना में करेंगे। फिर हम सबसे हाल की अवधि के पूर्वानुमान के अनुसार शेष भार 1 मीन को चौरसाई कारक पर लागू करते हैं। डाली पिछली अवधि की मांग और पिछली अवधि के पूर्वानुमान के आधार पर बनाई गई थी, जो उस अवधि से पहले की अवधि और उसके पहले की अवधि के पूर्वानुमान के आधार पर थी, जो कि पहले की अवधि की मांग के आधार पर थी और इससे पहले की अवधि के लिए पूर्वानुमान, जो इससे पहले की अवधि के आधार पर था। ठीक है, आप देख सकते हैं कि गणना में पूर्व पिछली अवधि की मांग किस तरह प्रदर्शित की जाती है, वास्तव में वापस जाकर और कुछ भी पुन: संदर्भित किए बिना.और यह है कि क्या घातीय की प्रारंभिक लोकप्रियता चौरसाई यह नहीं था क्योंकि यह भारित चलती औसत की तुलना में चौरसाई का बेहतर काम करता था, ऐसा इसलिए था क्योंकि कंप्यूटर प्रोग्राम में गणना करना आसान था और, क्योंकि आपको यह सोचने की ज़रूरत नहीं थी कि पिछली अवधि को कितना भार देना है या कितनी पिछली अवधि उपयोग करने के लिए, जैसा कि आप भारित चल औसत पर होगा और, क्योंकि यह भारित चल औसत की तुलना में कूलर लग रहा था। वास्तव में, यह तर्क दिया जा सकता है कि भारित चलती औसत अधिक से अधिक फ्लेक्सीबि लियटी के कारण आपके पास पिछली अवधि के भार पर अधिक नियंत्रण है, वास्तविकता इनमें से किसी भी सम्मानजनक परिणाम प्रदान कर सकती है, इसलिए आसान और कूलर लगने के साथ क्यों नहीं जाना। एक्सेल में एक्स्प्लेनेयी चिकनाई। देखें कि यह वास्तव में एक स्प्रैडशीट में कैसे दिखता है वास्तविक डेटा। कॉपीराइट पर सामग्री कॉपीराइट-संरक्षित है और पुनर्प्रकाशन के लिए उपलब्ध नहीं है। चित्रा 1 ए में, हमारे पास 11 सप्ताह की मांग के साथ एक एक्सेल स्प्रैडशीट है, और उस मांग की गणना से अनुमानित रूप से सुगंधित अनुमानित अनुमान के कारण मैंने 25 0 सेल सी 1 में 25 वर्तमान सेल सक्रिय है, जिसमें सेल एम 4 है, जिसमें सप्ताह के लिए पूर्वानुमान है 12 आप सूत्र बार में देख सकते हैं, सूत्र एल 3 सी 1 एल 4 1-सी 1 है, इसलिए इस गणना में केवल प्रत्यक्ष इनपुट पिछले अवधि की मांग है एल 3, पिछली अवधि का अनुमान है सेल एल 4, और चौरसाई कारक सेल सी 1, जिसे पूर्ण सेल संदर्भ सी 1 के रूप में दिखाया गया है। जब हम घातीय चौरसाई गणना शुरू करते हैं, तो हमें पहले पूर्वानुमान के लिए मैन्युअल रूप से मूल्य प्लग करने की आवश्यकता है सेल बी 4 में, एक सूत्र के बजाय, हम उसी अवधि की मांग में टाइप कर रहे हैं, जैसा कि सेल सी 4 में पूर्वानुमान है, हमारी पहली घातीय चौरसाई संख्या बी 3 सी 1 बी 4 1-सी 1 है, तो हम सेल C4 कॉपी कर सकते हैं और इसे कक्ष डी 4 में पेस्ट कर सकते हैं हमारे पूर्वानुमान कोशिकाओं के बाकी हिस्सों को भरने के लिए एम 4 के माध्यम से। अब आप किसी पूर्वानुमान सेल पर डबल क्लिक कर सकते हैं यह देखने के लिए कि यह पिछले अवधि के पूर्वानुमान सेल और पिछली अवधि की मांग सेल पर आधारित है, इसलिए प्रत्येक बाद के घातीय चौरसाई गणना का उत्पादन पिछला घातीय चौरसाई गणना यह है कि पिछले पिछली अवधि की गणना में प्रत्येक पिछली अवधि की मांग किस प्रकार प्रदर्शित की जाती है, भले ही वह गणना उन पिछली समयावधियों का सीधे संदर्भ नहीं करती है यदि आप फैंसी प्राप्त करना चाहते हैं, तो आप Excel के ट्रेस उदाहरणों का फ़ंक्शन उपयोग कर सकते हैं यह, सेल एम 4 पर क्लिक करें, फिर रिबन टूल बार Excel 2007 या 2010 पर फॉर्मूला टैब पर क्लिक करें, फिर ट्रेस प्रीसेन्डेंट पर क्लिक करें यह कनेक्टर लाइन को पूर्ववर्तियों के पहले स्तर पर लाएगा, लेकिन अगर आप सीएल किक ट्रेस अग्रेसरियां, यह आपको पिछली सभी समय तक कनेक्टर लाइनों को आकर्षित करेगा, ताकि आपको विरासत में मिली रिश्तों को दिखाया जा सके.अब हम देखते हैं कि हमारे लिए क्या घातीय चौरसाई हुई है। फिक्चर 1 बी हमारी मांग और पूर्वानुमान का एक लाइन चार्ट दिखाता है आप केस देखते हैं कि कैसे तेजी से सुगंधित पूर्वानुमान को हटा दिया जाता है ज़्यादातर कंपनियां साप्ताहिक मांग के आसपास कूदती हैं, लेकिन फिर भी उन का पालन करने का प्रबंधन करती है जो मांग में एक ऊर्ध्वाधर प्रवृत्ति प्रतीत होती है आप यह भी देखेंगे कि चिकनाई पूर्वानुमान रेखा मांग रेखा से कम हो जाती है यह प्रवृत्ति के अंतराल के रूप में जाना जाता है और चौरसाई प्रक्रिया का एक साइड इफेक्ट है जब भी कोई प्रवृत्ति मौजूद होती है तो आप चिकनाई का उपयोग करते हैं, तो आपके पूर्वानुमान की प्रवृत्ति से पीछे रह जाएगा यह वास्तव में किसी भी चौरसाई तकनीक के लिए सच है, वास्तव में, अगर हम इस स्प्रैडशीट को जारी रखने और कम मांग संख्याओं को इनपुट बनाने के लिए शुरू करते हैं नीचे की तरफ से आप मांग रेखा के ड्रॉप को देखेंगे, और नीचे की प्रवृत्ति का पालन करने से पहले इस प्रवृत्ति की रेखा से ऊपर की ओर बढ़ेंगे। यही कारण है कि मैंने पहले से उत्पादन का उल्लेख किया था घाटेदार चौरसाई गणना है कि हम एक पूर्वानुमान कॉल करते हैं, फिर भी कुछ और काम की आवश्यकता है मांग में बाधाओं को चौरसाई करने की तुलना में भविष्यवाणी करने के लिए बहुत कुछ है हमें प्रवृत्ति के अंतराल, मौसम, ज्ञात घटनाओं जैसे मांगों को प्रभावित करने वाली घटनाओं के लिए अतिरिक्त समायोजन करने की आवश्यकता है, आदि लेकिन यह सब इस लेख के दायरे से परे है। आप की संभावना भी दोहरे घातीय चिकनाई और ट्रिपल-एक्सपोनेंशन चौरसाई जैसे शब्दों में चलाई जा सकती है। ये शब्द थोड़ा भ्रामक हैं क्योंकि आप कई बार मांग को फिर से चौरसाई नहीं कर रहे हैं, यदि आप चाहते हैं, लेकिन यह बात नहीं है यहां ये शब्द पूर्वानुमान के अतिरिक्त तत्वों पर घातीय चौरसाई का प्रतिनिधित्व करते हैं, इसलिए सरल घातीय चौरसाई के साथ, आप आधार मांग को चौरसाई कर रहे हैं, लेकिन डबल घातीय चिकनाई के साथ आप आधार मांग और प्रवृत्ति को चौरसाई कर रहे हैं, और ट्रिपल-एक्सपेंनेली चिकनाई के साथ आप आधार मांग और प्रवृत्ति से मौसम ऋतु को चौरसाई कर रहे हैं। घातीय स्मू के बारे में अधिक सामान्य प्रश्न बात यह है कि मैं अपने चौरसाई कारक कहां प्राप्त करता हूँ यहाँ कोई जादुई उत्तर नहीं है, आपको अपने मांग डेटा के साथ विभिन्न चौरसाई कारकों का परीक्षण करने की आवश्यकता है, यह देखने के लिए कि आपको सबसे अच्छे परिणाम क्या मिलते हैं, ये गणनाएं हैं जो चौरसाई कारक को स्वचालित रूप से सेट और बदल सकती हैं शब्द अनुकूली चौरसाई है, लेकिन आपको उनसे सावधानी बरतने की ज़रूरत है वहां कोई भी सही जवाब नहीं है और आपको पूरी तरह से परीक्षण के बिना किसी भी गणना को अंधाधुंध नहीं करना चाहिए और उस गणना को पूरी तरह से समझना चाहिए कि उस गणना में आपको क्या चलाना चाहिए, यदि परिदृश्य देखे ये गणना उन परिवर्तनों की मांग करने पर प्रतिक्रिया करती है जो वर्तमान में आपके द्वारा परीक्षण के लिए उपयोग किए जा रहे मांग डेटा में मौजूद नहीं हो सकते हैं। डेटा उदाहरण मैंने पहले उपयोग किया था, उस स्थिति का एक बहुत अच्छा उदाहरण है जहां आपको वास्तव में कुछ अन्य स्थितियों का परीक्षण करने की ज़रूरत है जो विशेष डेटा उदाहरण दिखाता है कुछ हद तक लगातार ऊपर की ओर प्रवृत्ति बहुत बड़ी कंपनियां बहुत महंगा पूर्वानुमान वाली सॉफ्टवेयर के साथ बहुत परेशान हो गईं हैं, इतनी दूर के अतीत में जब उनकी सॉफ़्टवेयर सेटिंग्स बढ़ती अर्थव्यवस्था के लिए छिड़ गई थीं, जब अच्छी तरह से अर्थव्यवस्था में स्थिरता या सिकुड़ते हुए हालात ठीक नहीं हुए, जब आप यह नहीं समझते कि आपकी गणना सॉफ्टवेयर वास्तव में क्या कर रहा है, अगर वे अपने पूर्वानुमान प्रणाली को समझते हैं, तो उन्हें पता होगा कि उन्हें जरूरी है अंदर कूद और कुछ बदलते हुए जब उनके व्यापार में अचानक नाटकीय बदलाव आए। तो वहां आपके पास यह है कि आपको घातीय चौरसाई की मूल बातें बताई गई हैं, एक वास्तविक पूर्वानुमान में घातीय चौरसाई का उपयोग करने के बारे में अधिक जानना चाहते हैं, मेरी पुस्तक इन्वेंटरी मैनेजमेंट की व्याख्या करें। कॉपीराइट सामग्री कॉपीराइट-संरक्षित है और पुनर्प्रकाश के लिए उपलब्ध नहीं है। डेव पाइसेकी इन्वेंटरी ऑपरेशंस कंसल्टिंग एलएलसी के मालिक ऑपरेटर है जो एक परामर्श फर्म है, जो इन्वेंट्री प्रबंधन, सामग्री से निपटने और गोदाम के संचालन से संबंधित सेवाएं प्रदान करती है। उसके पास संचालन प्रबंधन में 25 से अधिक वर्षों का अनुभव है और हो सकता है अपनी वेबसाइट के माध्यम से पहुंचे, जहां वह अतिरिक्त प्रासंगिक जानकारी रखता है ormation. My व्यवसाय