Využitie kĺzavých priemerov v rámci inteligentných procesov v súčasnej priemyselnej revolúcii
Spracovanie údajov je jednou z najčastejších úloh, ktorým čelí každá spoločnosť. Cieľom nášho príspevku je popísať tri vybrané typy kĺzavých priemerov a identifikovať ich hlavné výhody a nevýhody pri ich aplikácii na sériu údajov. Vybrali sme jednoduchý kĺzavý priemer, exponenciálny kĺzavý priemer a...
Uložené v:
| Hlavný autor: | |
|---|---|
| Ďalší autori: | |
| Médium: | Kapitola |
| Jazyk: | Slovak |
| Predmet: | |
| Tagy: |
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
|
| Shrnutí: | Spracovanie údajov je jednou z najčastejších úloh, ktorým čelí každá spoločnosť. Cieľom nášho príspevku je popísať tri vybrané typy kĺzavých priemerov a identifikovať ich hlavné výhody a nevýhody pri ich aplikácii na sériu údajov. Vybrali sme jednoduchý kĺzavý priemer, exponenciálny kĺzavý priemer a exponenciálny kĺzavý priemer s nulovým oneskorením. Dáta použité vo výskume boli špeciálne modelované tak, aby odhalili rýchlosť odozvy jednotlivých kĺzavých priemerov na zmeny vstupných údajov a tým aj ich silné a slabé stránky. Kĺzavé priemery boli vypočítané pre 15 období. Náš výskum odhalil, že exponenciálny kĺzavý priemer nereaguje oveľa lepšie ako jednoduchý. Naše posledné odporúčanie je, že manažéri by mali do svojho plánovacieho a rozhodovacieho procesu začleniť sofistikovanejšie prístupy – ako napríklad exponenciálny kĺzavý priemer s nulovým oneskorením, ktorý poskytuje oveľa lepšie výsledky. |
|---|