Konstant

exponentielle Glättung 1.Ordnung

11

Verwendung der exponentiellen Glättung 1.Ordnung. Siehe auch Konstantmodell mit exponentieller Glättung 1. Ordnung .

Konstant

Konstantmodell mit automatischer Alpha-Anpassung (1.Ordnung)

12

Verwendung der exponentiellen Glättung 1. Ordnung und Anpassung des Alpha-Faktors. Siehe auch Konstantmodell mit exponentieller Glättung 1. Ordnung und Automatische Anpassung des Alpha-Faktors .

Konstant

gleitender Mittelwert

13

Das System berechnet den Durchschnitt der Werte des im Gesamtprognoseprofil definierten Vergangenheitszeitraums. Dieser Durchschnittswert für n Vergangenheitsperioden ergibt das Prognoseergebnis für jede Periode im Zukunftshorizont; d.h. in jeder Periode ist die Prognose gleich. Siehe auch Modell des gleitenden Mittelwerts .

Konstant

gewichteter gleitender Mittelwert

14

Das System gewichtet jeden Zeitreihenwert mit einem Gewichtungsfaktor. Sie können z.B. die Faktoren so definieren, dass jüngere Daten stärker gewichtet werden als ältere. Den Gewichtungsfaktor legen Sie in einer Diagnosegruppe fest. Siehe auch Modell des gewichteten gleitenden Mittelwerts .

Trend

exponentielle Glättung 1.Ordnung

21

Verwendung der exponentiellen Glättung 1.Ordnung. Diese Strategie entspricht der Strategie 21. Siehe auch Trend­/Saison­Modelle mit exponentieller Glättung 1. Ordnung .

Trend

exponentielle Glättung 2. Ordnung

22

Verwendung der exponentiellen Glättung 1.Ordnung. Siehe auch Modelle mit exponentieller Glättung 2. Ordnung .

Trend

Trendmodell mit automatischer Alpha-Anpassung (2. Ordnung)

23

Verwendung der exponentiellen Glättung 2. Ordnung und Anpassung des Alpha-Faktors. Siehe auch Modelle mit exponentieller Glättung 2. Ordnung und Automatische Anpassung des Alpha-Faktors .

Saison

Saisonmodell nach Winters-Methode

31

Verwendung der exponentiellen Glättung 1.Ordnung. Siehe auch Trend­/Saison­Modelle mit exponentieller Glättung 1. Ordnung .

Saison

saisonale lineare Regression

35

Berechnung der Saisonindizes, Bereinigung der Daten von saisonalen Einflüssen, Durchführung der linearen Regression und erneute Anwendung des saisonalen Einflusses auf die Zeile der berechneten linearen Regression. Siehe auch Saisonale lineare Regression .

Trend-Saison

exponentielle Glättung 1.Ordnung

41

Verwendung der exponentiellen Glättung 1.Ordnung. Diese Strategie entspricht der Strategie 40. Siehe auch Trend­/Saison­Modelle mit exponentieller Glättung 1. Ordnung .

Automatische Modellauswahl

Trendtest und Saisontest (Modellauswahlverfahren 1)

53

Wählen Sie diese Strategie, wenn Sie vermuten, dass Ihre Vergangenheitsdaten ein saisonales und/oder trendförmiges Muster aufweisen.

Das System führt eine Regressionsanalyse für die vorhandenen Vergangenheitsdaten durch und prüft, ob ein signifikanter Trendverlauf vorliegt. Außerdem bereinigt es die Vergangenheitswerte um eventuelle Trends und führt dann einen Autokorrelationstest durch, um zu prüfen, ob ein signifikanter saisonaler Verlauf vorliegt. Wird ein Saison- und/oder Trendverlauf ermittelt, kommt ein Trendmodell, Saisonmodell oder Trend-Saison-Modell zur Anwendung. Lässt sich kein regelmäßiger Verlauf feststellen, führt das System die Prognose so durch, als hätte ein konstanter Verlauf vorgelegen.

Automatische Modellauswahl

Modellauswahlverfahren 2

56

Wählen Sie diese Strategie, wenn mit den Vergangenheitsdaten detaillierte Tests durchgeführt werden sollen.

Das System testet auf Konstant-, Trend, Saison- und Trend-Saison-Verläufe und verwendet dabei die für die Alpha-, Beta- und Gamma-Glättungsfaktoren möglichen Kombinationen, wobei die Faktoren in einem Bereich von 0,1 bis 0,5 in Schritten von 0,1 variiert werden.Das System wählt dann das Modell mit der niedrigsten mittleren absoluten Abweichung (MAD).Verfahren 2 ist präziser als Verfahren 1, jedoch erheblich zeitaufwendiger.

Croston

Croston-Methode

80

Wählen Sie diese Methode, wenn der Bedarf sporadisch verläuft. Siehe auch Croston-Methode .

Lineare Regression

einfache lineare Regression

94

Das System liefert eine Zeile mit einer Best-Fit-Berechnung für die Gleichung y = a + bx, wobei a und b Konstanten sind. Verwendet wird die Methode der gewöhnlichen kleinsten Quadrate.