A3 Prognoza cererii de produse

Numărul de motoare electrice de putere medie vândute în ultimele 12 perioade de

planificare de către o firmă a fost cel din tabelul de mai jos. Directorul de vânzări al firmei
apreciază că cererea pentru perioada considerată a fost satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr.
14307 14377 14338 14430 14377 14355 14412 14346 14434 14390 14412 14440
motoare

În vederea planificării producţiei pentru următoarea perioadă, directorului de vânzări i se

cere o prognoză cât mai precisă privind motoarele electrice care vor fi vândute.
Să se justifice ce metodă de prognoză trebuie să aleagă directorul de vânzări şi să se
precizeze numărul de motoare prognozate a fi vândute în următoarea perioadă.

Rezolvare
Având în vedere că datele privind cererea pentru ultimele perioade sunt deja disponibile,
pentru a realiza o prognoză cât mai precisă a vânzărilor pe următoarea perioadă, directorul de
vânzări trebuie să parcurgă următoarele etape:
1. să analizeze datele şi să stabilească în ce tip de model de consum se încadrează cererile
din ultimul an;
2. să stabilească metodele de prognoză ce ar putea fi utilizate, în funcţie de tipul de
model de consum constatat;
3. să aleagă cea mai bună metodă de prognoză dintre cele reţinute anterior;
4. să realizeze prognoza pentru următoarea perioadă.
Modul de parcurgere al fiecărei etape în parte se prezintă în continuare.

1. Analiza datelor
Se reprezintă grafic istoricul cererilor din ultimele 12 perioade de producţie, fig. 1.

15000
Bucati
14900
14800
14700
14600
14500
14400
14300
14200
14100
Perioada
14000
1 2 3 4 5 6 7 8 9 10 11 12

Fig. 1 Reprezentarea grafică a consumurilor

Analiza acestui grafic sugerează existenţa unei uşoare tendinţe de creştere a cererilor, deşi
forma graficului nu este prea îndepărtată de consumul de nivel (consum constant). De aceea, nu se
poate aprecia cu certitudine modelul de consum în care se încadrează produsele din familia motoare
electrice de putere medie. Modelul de consum va fi stabilit în urma testării unor metode de
prognoză.

1
 2. Stabilirea metodelor de prognoză de analizat
Dintre metodele de prognoză aplicabile tipului de model de consum de nivel şi celui cu
tendinţă se reţin pentru testare :
a) Media mobilă simplă ;
b) Media mobilă ponderată ;
c) Metoda de regresie simplă ;
d) Metoda lisajului exponenţial simplu.

3. Alegerea metodei de prognoză de analizat

Alegerea metodei de prognoză se va face dintre cele menţionate anterior. În acest scop, se
vor determina şi analiza erorile:
- abatere cumulată - εc ;
- abatere medie absolută - εma ;
- abatere medie pătratică - σ2 ;
- abatere medie relativă absolută, εra.
care ar fi survenit în trecut dacă am fi prognozat cererea cu fiecare metodă în parte.
Se va proceda astfel :
- vom utiliza valorile de pe primele 9 perioade pentru determinarea prognozei pentru
ultimele 3 perioade ;
- vom calcula erorile de prognoză pentru aceste ultime 3 perioade (pentru care cunoaştem
consumul real) ;
- vom compara şi analiza erorile determinate pentru fiecare metodă utilizată şi o vom
stabili pe cea mai precisă.
Metodologia de lucru, cu particularităţi specifice fiecărei metode în parte, este prezentată în
continuare.

a) Aplicarea metodei mediei mobile simple

În aplicarea acestei metode pot fi avute în vedere mai multe scenarii, rezultate din alegerea
unor lungimi diferite ale mediei mobile.
Considerăm două scenarii : în scenariul a1 se alege n = 9 (valoare maximă), iar în scenariul
a2 alegem n = 6.
Indiferent de scenariul realizat, vom avea de calculat următoarele elemente :
- media mobilă C 9 , C 10 şi C 11 pentru perioadele 9, 10 şi 11, de lungime n :
t
Ct = ∑ (C ) / n
i = t +1− n
i

cu t = 9, 10 şi 11
- valorile prognozate pentru lunile 10, 11, 12 egale cu :
Pt+1 = C t
cu t = 9, 10 şi 11
- erorile prognozei, calculate pe baza valorilor prognozate şi a consumurilor reale pentru
lunile 10, 11, 12 :
12
εc = ∑ (C − P ) ,
i =10
i i (1)
12
Ci − Pi
εma = ∑
i =10 3
, (2)

1 12
σ2 = ⋅ ∑ ( Pi − C i ) 2 , (3)
3 i =10
100 12 Pi − C i
εra = ⋅∑ (4)
3 i =10 C i
Aplicând metodologia prezentată în exemplele din curs, se obţin rezultatele din tabelul 1.

2
 Tabelul 1 Rezultatele calculelor pentru metoda mediei mobile simple
Media mobilă pentru luna t, Valoarea prognozată
Erorile prognozei pentru lunile 10 - 12
Scenariul Ct pentru luna t+1, Pt+1
9 10 11 10 11 12 εc εma σ2 εra
a1 14375.1 14384.3 14388.2 14375.1 14384.3 14388.2 94.4 31.46667 1224.18 21.8157
a2 14392.3 14385.6 14391.5 14392.3 14385.6 14391.5 72.6 25.73333 1018.167 17.8346

Exemple de calcule :
- calculul mediei mobile pentru luna a 9 – a, în cazul scenariului a1 :
C 9 = (14307 + 14377 + 14338 + 14430 + 14377 + 14355 + 14412 + 14346 + 14434) / 9 = 14375,1
- calculul mediei mobile pentru luna a 10 – a, în cazul scenariului a2 :
C 10 = (14377 + 14355 + 14412 + 14346 + 14434 + 14390) / 6 = 14385,6
- calculul abaterii cumulate pentru scenariul a1 :
εc = [(14390 – 14375.1) + (14412 – 14384.3) + (14440 – 14388.2)] = 94,4
- calculul abaterii medie absolută pentru scenariul a2 :
εma = (14390 – 14392.3 + 14412 – 14385.6+ 14440 – 14391.5) / 3 = 25,73333
- calculul abaterii pătratice medie pentru scenariul a1 :
σ2 = [(14390 – 14375.1)2 + (14412 – 14384.3)2 + (14440 – 14388.2)2] / 3 = 1224.18
- calculul abaterii medie relativă absolută pentru scenariul a2 :
14390 − 14392.3 14412 − 14385.6 14440 − 14391.5
εra = 100 ⋅ ( + + ) / 3 = 17,8 %
14390 14412 14440

b) Aplicarea metodei mediei mobile ponderate

Şi în aplicarea acestei metode pot fi avute în vedere mai multe scenarii, rezultate din
alegerea unor lungimi diferite ale mediei mobile şi / sau din stabilirea unor ponderi diferite pentru
perioadele luate în considerare.
Considerăm şi de această dată două scenarii : în scenariul b1 se alege n = 9 (valoare
maximă), iar în scenariul b2 alegem n = 6, iar ca valori ale ponderilor acordate perioadelor din
medie pe cele din tabelul 2.
Tabelul 2 Ponderi acordate perioadelor de consum
Perioada 1 2 3 4 5 6 7 8 9
b1
n=9 0,03 0,05 0,07 0,09 0,11 0,13 0,15 0,17 0,2
Perioada 1 2 3 4 5 6
b2
n=6 0,09 0,12 0,15 0,18 0,21 0,25

Indiferent de scenariul realizat, vom avea de calculat următoarele elemente :

- media mobilă ponderată C p9 , C p10 şi C p11 pentru perioadele 9, 10 şi 11, de lungime
n:
t
C pt = ∑ (C ⋅ g )
i =10 − n
i i

cu t = 9, 10 şi 11
- valorile prognozate pentru lunile 10, 11 şi 12 egale cu :
Pt+1 = C p t ,
cu t = 9, 10 şi 11
- erorile prognozei, calculate pe baza valorilor prognozate şi a consumurilor reale pentru
lunile 10, 11, 12 cu relaţiile (1 … 4).
Aplicând metodologia prezentată în exemplele din curs, se obţin rezultatele din tabelul 3.

3
 Tabelul 3 Rezultatele calculelor pentru metoda mediei mobile ponderate
Media mobilă pentru luna t, Valoarea prognozată
Erorile prognozei pentru lunile 10 - 12
Scenariul Ct pentru luna t+1, Pt+1
9 10 11 10 11 12 εc εma σ2 εra
b1 14385.4 14388.5 14394 14385.4 14388.5 14394 74.1 24.7 896.47 17.1195
b2 14392.5 14389.2 14396.3 14392.5 14389.2 14396.3 64 23 811.9267 15.9402

Exemple de calcule :
- calculul mediei mobile pentru luna a 9 – a, în cazul scenariului b1 :
C p 9 = 14307 ⋅ 0,03 + 14377 ⋅ 0,05 + 14338 ⋅ 0,07 + 14430 ⋅ 0,09 + 14377 ⋅ 0,11 +
+ 14355 ⋅ 0,13 + 14412 ⋅ 0,15 + 14346 ⋅ 0,17 + 14434 ⋅ 0,2 = 14385.46
- calculul mediei mobile pentru luna a 10 – a, în cazul scenariului b2 :
C p 10 = 14377 ⋅ 0,09 + 14355 ⋅ 0,12 + 14412 ⋅ 0,15 + 14346 ⋅ 0,18 + 14434 ⋅ 0,21 + 14390 ⋅ 0,25 =
= 14389.25
- calculul abaterii cumulate pentru scenariul b1 :
εc = [(14390 – 14385.4) + (14412 – 14388.5) + (14440 – 14394)] = 74,1
- calculul abaterii medie absolută pentru scenariul b2 :
εma = (14390 – 14392.5 + 14412 – 14389.2+ 14440 – 14396.3) / 3 = 23
- calculul abaterii pătratice medie pentru scenariul b1 :
σ2 = [(14390 – 14385.4)2 + (14412 – 14388.5)2 + (14440 – 14394)2] / 3 = 896,47
- calculul abaterii medie relativă absolută pentru scenariul b2 :
14390 − 14392.5 14412 − 14389.2 14440 − 14396.3
εra = 100 ⋅ ( + + ) / 3 = 15,9 %
14390 14412 14440

c) Aplicarea metodei de regresie simplă

Aplicarea acestei metode necesită calculul următoarelor elemente :
- coeficienţii A şi B ai dreptei de regresie, pe baza datelor din primele 9 perioade :
9
9 +1 9

∑ (C i − C ) ⋅ (i −
2
) ∑ (Ci − C ) ⋅ (i − 5)
A= i =1
= i =1
9
9 +1 2 9

∑
i =1
(i −
2
) ∑
i =1
(i − 5) 2

B = C - A⋅(9+1)/2 = C - A⋅5
9

∑C
1
unde C = ⋅ i
9 i =1
- valorile prognozate pentru perioadele 10, 11, 12 :
Pj = A⋅j + B,
cu j = 10, 11, respectiv 12
- erorile prognozei, calculate pe baza valorilor prognozate şi a consumurilor reale pentru
lunile 10, 11, 12 cu relaţiile (1 … 4).
Se obţin rezultatele din tabelul 4.
Tabelul 4 Rezultatele calculelor pentru metoda de regresie simplă
Media Valoarea prognozată
pe 9 Coeficienţii dreptei Erorile prognozei pentru lunile 10 - 12
perioade pentru luna t+1, Pt+1
C A B 10 11 12 εc εma σ2 εra
14375.1 8.1(3) 14334.44 14415.7 14423.9 14432.0 -29.7333 15.214815 289.8864 10.5626

4
 Exemple de calcule :
- calculul coeficientului A :
A = (14307 − 14375 . 1) ⋅ (1 − 5 ) + (14377 − 14375 . 1) ⋅ ( 2 − 5 ) + Κ + (14434 − 14375 . 1) ⋅ ( 9 − 5 ) ⇒
(1 − 5 ) 2 + ( 2 − 5 ) 2 + ( 3 − 5 ) 2 + ... + ( 9 − 5 ) 2
A = 8,133333
- calculul coeficientului B :
B = 14375,1 – 5 ⋅ 8,1333 = 14334,44
- calculul valorii prognozate pentru luna a 11 - a :
P11 = 8,1333 ⋅ 11 + 14334,44 = 14423,9
- calculul abaterii pătratice medie :
σ2 = [(14390 – 14415.7)2 + (14412 – 14423.9)2 + (14440 – 14432)2] / 3 = 289,886

d) Aplicarea metodei lisajului exponenţial simplu

Şi în aplicarea acestei metode pot fi avute în vedere mai multe scenarii, rezultate prin
utilizarea unui coeficient de lisaj diferit. Având în vedere că există o uşoară tendinţă de creştere a
consumurilor înregistrată în perioadele anterioare, se vor considera valori ale coeficientului de lisaj
mai mari (pentru a acorda importanţă mai mare datelor mai recente).
Vom considera scenarii cu următoarele valori ale coeficientului de lisaj :
- scenariul d1, cu α = 0,5 ;
- scenariul d2, cu α = 0,7 ;
- scenariul d3, cu α = 0,9.
Pentru fiecare din cele trei scenarii, se vor calcula următoarele elemente :
- media ponderată pentru primele 9 perioade :
C9 = α⋅C9 + α⋅(1- α)⋅C8 + α⋅(1- α)2⋅C7 + …+ α⋅(1- α)8C1
- prognoza pentru perioada a 10 – a :
P10 = C9
- prognoza pentru perioadele a 11 – a şi a 12 - a :
Pj= Pj-1+ α ⋅ (Cj-1 – Pj-1),
cu j = 11, respectiv, 12
- erorile prognozei, calculate pe baza valorilor prognozate şi a consumurilor reale pentru
lunile 10, 11, 12 cu relaţiile (1 … 4).
Se obţin rezultatele din tabelul 5.
Tabelul 5 Rezultatele calculelor pentru metoda lisajului exponenţial simplu
Coeficientul Media Valoarea prognozată Erorile prognozei
Scenariul de lisaj ponderată pentru luna t+1, Pt+1 pentru lunile 10 - 12
α C9 10 11 12 εc εma σ2 εra
d1 0,5 14373.0 14373.0 14381.5 14396.7 90.65088 30.21696 1028.313 20.9531
d2 0,7 14411.9 14411.9 14396.5 14407.3 26.07108 23.332528 594.7214 16.1828
d3 0,9 14425.8 14425.8 14393.5 14410.1 12.45575 28.022336 837.2867 19.443

Exemple de calcule :
- calculul mediei ponderate C9 în cazul scenariului d1 :
C 9 = 0,5⋅14434 + 0,5⋅(1-0,5)⋅14436 + 0,5⋅(1-0,5) ⋅14412 + 0,5⋅(1-0,5) ⋅14355 + 0,5⋅(1-0,5) ⋅14377 +
2 3 4

+ 0,5⋅(1-0,5) ⋅14430 + 0,5⋅(1-0,5) ⋅14338 + 0,5⋅(1- ,1) ⋅14377 + 0,5⋅(1- 0,5) ⋅14307 = 14373
5 6 7 8

- calculul valorii prognozate pentru luna a 11 – a, în cazul scenariului d2 :

P11= 14411.9 + 0,7 ⋅ (14390 – 14411.9) = 14396,5
- calculul valorii prognozate pentru luna a 12 – a, în cazul scenariului d3 :
P12= 14393.5 + 0,9 ⋅ (14412 – 14393.5) = 14410,1
- calculul abaterii cumulate pentru scenariul d3 :
εc = [(14390 – 14425.8) + (14412 – 14393.5) + (14440 – 14410.1)] = 12,455

5
 Alegerea celei mai precise metode de prognoză se va face în funcţie de valorile erorilor
calculate pentru fiecare scenariu în parte. Aceste valori, preluate din tabelele 1, 3, 4 şi 5, sunt
reunite în tabelul 6.
Tabelul 6 Valorile erorilor de prognoză pentru diferite metode utilizate
Erorile prognozei
Metoda Scenariul
εc εma 2
σ εra
Media mobilă a1 94.4 31.4 1224.1 21.8
simplă a2 72.6 25.7 1018.1 17.8
Media mobilă b1 74.1 24.7 896.4 17.1
ponderată b2 64.0 23.0 811.9 15.9
Regresia simplă c -29.7 15.2 289.8 10.5
Lisajul d1 90.6 30.2 1028.3 20.9
exponenţial d2 26.0 23.3 594.7 16.1
simplu d3 12.4 28.0 837.2 19.4

Analiza valorilor erorilor din tabelul 6 se face pentru fiecare tip de eroare în parte :
• în cazul abaterii cumulate, εc, se constată că :
o pentru scenariile a1, a2, a3, d1, d2 şi d3 valorile abaterii sunt pozitive, fapt ce
indică existenţa unei tendinţe crescătoare neluată în considerare de metoda
utilizată pentru scenariul în cauză.
o pentru scenariul c valoarea este negativă, fapt ce arată că tendinţa calculată este
mai mare decât cea reală.
o cea mai bună valoare (apropiată de zero) se obţine în cazul scenariului d3 (12.4),
dar valori mici se obţin şi pentru scenariile d2 (26.0) şi c (-29.7).
• în cazul abaterii medie absolută, εma, se constată că :
o cele mai mici valori se obţin, în ordine crescătoare, în cazul scenariilor c (15.2),
b2 (23.0) şi d2 (23.3).
• în cazul abaterii medie pătratică, σ2, se constată că :
o cele mai mici valori se obţin, în ordine crescătoare, în cazul scenariilor c (289.8),
b2 (594.7) şi d2 (811.9).
• în cazul abaterii medie relativă absolută, εra, se constată că :
o cele mai mici valori se obţin, în ordine crescătoare, în cazul scenariilor c (0.105),
b2 (0.159) şi d2 (0.161).
Din analiza precedentă rezultă că metodele :
- regresie simplă – scenariul c,
- media mobilă ponderată cu 6 perioade – scenariul b2,
- metoda lisajului exponenţial cu coeficientul de lisaj 0,7 – scenariul d2,
oferă cele mai precise prognoze. Reprezentarea grafică a prognozelor realizate cu cele trei metode
este prezentată în fig. 2.

14500
Bucati

14450

14400

14350

Perioada
14300
7 8 9 10 11 12 13
consumul b2 c d2
Fig. 2 Reprezentarea grafică a prognozelor efectuate cu cele mai precise metode

6
 Fiecare dintre cele trei metode ar putea fi utilizate cu bune rezultate în realizarea prognozei
pentru perioada a 13 - a. Datorită faptului metoda de regresie simplă oferă prognoze mai apropiate
de consumurile din ultimele două luni, se va utiliza pentru realizarea prognozei din următoarea
perioadă.

4. Realizarea prognozei
Se va aplica metoda de regresie simplă.
Deoarece în simulările efectuate, la determinarea coeficienţilor A şi B ai dreptei de regresie,
s-au avut în vedere numai datele din primele 9 luni, este necesară recalcularea acestor coeficienţi,
astfel încât să se considere şi datele cele mai recente (şi cele din lunile 10 – 12).
Astfel, mărimea C şi coeficienţii A şi B, calculaţi cu valorile din lunile 1 – 12, vor fi :
C = (14307 + 114377 + … + 14440) / 12 =14384,83
- calculul coeficientului A :
(14307 − 14384,83) ⋅ (1 − 6,5) + (14377 − 14384,83) ⋅ (2 − 6,5) + Κ + (14440 − 14384,83) ⋅ (12 − 6,5)
A =
(1 − 6,5)2 + (2 − 6,5)2 + (3 − 6,5)2 + ... + (11 − 6,5)2 + (12 − 6,5)2
⇒ A = 7,433
- calculul coeficientului B :
B = 14384,83 – 6,5 ⋅ 7,433 = 14347,67
Prognoza pentru următoarea perioadă de producţie va fi :
P13 = 7,433 ⋅ 13 + 14347,67 = 14444,3
Pentru următoarea perioadă de producţie, a 13 - a, directorul de vânzări va prognoza o cerere
de 14445 de motoare electrice de putere medie.

Aplicaţie de grup (1)

Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 2290 2360 2320 2400 2360 2335 2390 2325 2415 2370 2390 2420

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

Aplicaţie de grup (2)

Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 6400 6500 6460 6600 6580 6505 6670 6475 6745 6610 6700 6760

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

7
Aplicaţie de grup (3)
Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 1220 1230 1220 1250 1250 1240 1260 1240 1270 1250 1270 1275

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

Aplicaţie de grup (4)

Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 350 355 355 360 355 355 360 355 365 360 360 365

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

Aplicaţie de grup (5)

Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 350 355 355 360 355 355 360 355 365 360 360 365

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

Aplicaţie de grup (6)

Numărul de calculatoare de birou vândute în ultimele 12 perioade de planificare de către o
firmă a fost cel din tabelul de mai jos. Se apreciază că cererea pentru perioada considerată a fost
satisfăcută în întregime.

Luna ian feb mar apr mai iun iul aug sept oct nov dec
Nr. calculatoare 350 355 355 360 355 355 360 355 365 360 360 365

Să se justifice ce metodă de prognoză trebuie să aplice directorul de vânzări pentru

realizarea prognozei de calculatoare pe următoarea perioadă şi să se precizeze numărul acestora.

Observaţie:
Pentru verificarea corectitudinii calculelor se poate folosi programul WinQSB, pentru
utilizarea căruia sunt prezentate pe paginile următoare etapele specifice.

8
Utilizarea programului WinQSB pentru rezolvarea unei probleme de prognoză
1. Se accesează programul WinOSB şi se selectează modulul Forecasting and Linear Regression
2. Din bara de meniu se selectează File, apoi New Problem. Va apărea fereastra de mai jos
(Problem specification).

3. Se vor selecta următoarele elemente astfel :

a. Problem Type : Time Series Forecasting
b. Problem Title : (numele dorit de fiecare)
c. Time unit : month
d. Number of Time Units (Periods) : numărul perioadelor pentru care se cunosc
consumurile (datele istoricului) Atenţie, acest număr va fi diferit de la un
scenariu la altul !
4. După validarea ferestrei anterioare va fi afişată o foaie de calcul purtând numele stabilit anterior
(3.b). În celulele afişate se vor introduce datele cunoscute, referitoare la consumurile din
perioadele precedente.
5. Din bara de meniu se selectează Solve and Analyze, apoi Perform Forecasting. Va apărea
fereastra de mai jos (Forecasting Setup).

6. Se vor selecta după cum urmează :

a. Metoda utilizată (Method Forecasting) : MA, WMA, SES sau LR, după caz
b. Numărul perioadelor de prognoză (number of periods to forecast) : 1 sau 3, după
caz

9
 c. Alţi parametrii ce vor fi ceruţi, în funcţie de metoda de prognoză selectată : number
of periods in average – pentru MA şi WMA ; mowing average weights – pentru
WMA ; smoothing constant alpha – pentru SES ;
d. Se va bifa Retain other method’s result
7. După validarea ferestrei anterioare va fi afişată o foaia de calcul Forecast result For „nume
stabilit anterior (3.b)”. În această foaie sunt afişate :
a. Datele iniţiale
b. Valorile prognozate
c. Erorile prognozelor efectuate : CFE, MAD, MSE, MAPE şi altele
8. Rezultatele pot fi vizualizate grafic selectând din bara de meniu Results, apoi Show Forecasting
in Graph
9. Dacă se doreşte, se salvează fişierul (File, apoi Save as)
10. Dacă se doreşte realizarea unei noi prognoze, care să utilizeze exact aceleaşi date iniţiale, din
bara de meniu se selectează Window, apoi nume stabilit anterior (3.b). Va apărea fereastra de
cu datele iniţiale, după care se reiau paşii specificaţi începând cu punctul 5.

Observaţie :
Dacă se doreşte să se facă simulări prin mai multe metode sau aceeaşi metodă, dar la care
diferă anumiţi parametrii (lungimea mediei, valoarea coeficientului de lisaj) sau numărul
perioadelor, este recomandat să se utilizeze de fiecare dată o nouă foaie cu date iniţiale, deci o nouă
problemă (să se reia, după salvarea datelor, paşii începând cu punctul 2), cu un nou nume.

10