Dag allemaal,
Ik ben bezig een voorspellingsmodel te maken voor een product dat een bepaalde product levenscyclus volgt bestaande uit 3 fases (groei, mature, afname) zoals in de bijlage te zien is. Nu is de eerste stap het verwijderen van de trend en seizoenseffecten voor het verkrijgen van een stationair proces.
Nu heb ik op internet gekeken wat er mogelijk is om dit te doen en nu heb ik een aantal methodes gevonden:
- trend fitting
- differencing (eerste en tweede order)
- filters (moving average, exponential smoothing)
In mijn geval heb ik echter niet te maken met een lineaire trend maar met meerdere trendeffecten.
Aangezien ik geen programmeur ben zou ik mijn voorspellingsmodel graag in Excel willen maken. Mijn vraag is nu of dit mogelijk is en welke van de methodes het beste is voor product life cycle data met 3 verschillende fases.
Mvg,
Henk
Ik ben bezig een voorspellingsmodel te maken voor een product dat een bepaalde product levenscyclus volgt bestaande uit 3 fases (groei, mature, afname) zoals in de bijlage te zien is. Nu is de eerste stap het verwijderen van de trend en seizoenseffecten voor het verkrijgen van een stationair proces.
Nu heb ik op internet gekeken wat er mogelijk is om dit te doen en nu heb ik een aantal methodes gevonden:
- trend fitting
- differencing (eerste en tweede order)
- filters (moving average, exponential smoothing)
In mijn geval heb ik echter niet te maken met een lineaire trend maar met meerdere trendeffecten.
Aangezien ik geen programmeur ben zou ik mijn voorspellingsmodel graag in Excel willen maken. Mijn vraag is nu of dit mogelijk is en welke van de methodes het beste is voor product life cycle data met 3 verschillende fases.
Mvg,
Henk
