ในสถิติและวิทยาการจัดการสัญญาณติดตามจะตรวจสอบการคาดการณ์ที่ทำไว้เมื่อเทียบกับผลลัพธ์ที่เกิดขึ้นจริง และจะแจ้งเตือนเมื่อผลลัพธ์เบี่ยงเบนไปจากที่คาดการณ์ไว้โดยไม่คาดคิด การคาดการณ์อาจเกี่ยวข้องกับยอดขาย สินค้าคงคลัง หรือสิ่งใดก็ตามที่เกี่ยวข้องกับความต้องการในอนาคตขององค์กร

สัญญาณติดตามเป็นตัวบ่งชี้อย่างง่ายที่แสดงให้ เห็นว่า มีอคติในการพยากรณ์อยู่ในแบบจำลองการพยากรณ์ โดยส่วนใหญ่จะใช้เมื่อความถูกต้องของแบบจำลองการพยากรณ์อาจเป็นที่น่าสงสัย

สัญญาณการติดตามรูปแบบหนึ่งคืออัตราส่วนของผลรวมสะสมของข้อผิดพลาดในการพยากรณ์ (ความเบี่ยงเบนระหว่างการพยากรณ์ที่ประมาณการไว้กับค่าจริง) ต่อค่าเบี่ยงเบนสัมบูรณ์เฉลี่ย^{[ 1 ]}สูตรสำหรับสัญญาณการติดตามนี้คือ:

${\displaystyle {\text{สัญญาณติดตาม}}={\frac {\Sigma (a_{t}-f_{t})}{\text{MAD}}}}$

โดยที่a คือค่าจริงของปริมาณที่กำลังพยากรณ์ และf คือค่าพยากรณ์ MAD คือค่าเบี่ยงเบนสัมบูรณ์เฉลี่ยสูตรสำหรับ MAD คือ:

${\displaystyle {\text{MAD}}={\frac {\Sigma \left|a_{t}-f_{t}\right|}{n}}}$

โดยที่nคือจำนวนรอบ เมื่อแทนค่าลงไป สูตรทั้งหมดสำหรับการติดตามสัญญาณจะเป็นดังนี้:

${\displaystyle {\text{สัญญาณติดตาม}}={\frac {\Sigma (a_{t}-f_{t})}{{\frac {1}{n}}\Sigma \left|a_{t}-f_{t}\right|}}}$

สัญญาณติดตามที่เสนออีกแบบหนึ่งได้รับการพัฒนาโดย Trigg (1964) ในแบบจำลองนี้ e คือข้อผิดพลาดที่สังเกตได้ในช่วงเวลาtและ | e | คือค่าสัมบูรณ์ของข้อผิดพลาดที่สังเกตได้ ค่าที่ปรับเรียบของข้อผิดพลาดและข้อผิดพลาดสัมบูรณ์กำหนดโดย:

${\displaystyle E_{t}=\beta e_{t}+(1-\beta )E_{t-1}}$

${\displaystyle M_{t}=\beta |e_{t}|+(1-\beta )M_{t-1}}$

ดังนั้นสัญญาณติดตามจึงเป็นอัตราส่วน:

${\displaystyle T_{t}=\left|{\frac {E_{t}}{M_{t}}}\right|}$

หากไม่มีอคติที่สำคัญในการพยากรณ์ ข้อผิดพลาดที่ปรับเรียบE ควรมีขนาดเล็กเมื่อเทียบกับข้อผิดพลาดสัมบูรณ์ที่ปรับเรียบM ดังนั้น ค่าสัญญาณการติดตามขนาดใหญ่บ่งชี้ถึงอคติในการพยากรณ์ ตัวอย่างเช่น ด้วยβเท่ากับ 0.1 ค่าT ที่มากกว่า 0.51 บ่งชี้ถึงข้อผิดพลาดที่ไม่สุ่ม สัญญาณการติดตามยังสามารถใช้เป็นค่าคงที่การปรับเรียบตัวแปรได้โดยตรง^{[ 2 ]}

นอกจากนี้ ยังมีการเสนอวิธีการปรับค่าคงที่การปรับเรียบที่ใช้ในวิธีการพยากรณ์โดยอาศัยการวัดประสิทธิภาพก่อนหน้าของแบบจำลองการพยากรณ์ วิธีการหนึ่งที่เสนอโดย Trigg และ Leach (1967) คือการคำนวณสัญญาณติดตาม จากนั้นใช้สัญญาณติดตามเป็นค่าคงที่การปรับเรียบสำหรับการพยากรณ์ครั้งถัดไป แนวคิดคือเมื่อสัญญาณติดตามมีขนาดใหญ่ แสดงว่าอนุกรมเวลาได้มีการเปลี่ยนแปลง ค่าคงที่การปรับเรียบที่มากขึ้นควรตอบสนองต่อการเปลี่ยนแปลงอย่างกะทันหันในสัญญาณพื้นฐานได้ดีกว่า^{[ 3 ]}

• การคำนวณความแม่นยำของการพยากรณ์ความต้องการ
• การพยากรณ์ความต้องการ

• การติดตามสัญญาณในการพยากรณ์โดย ดร. มูฮัมหมัด อัล-ซาลามะห์
• สัญญาณติดตาม: มาตรวัดความแม่นยำของการพยากรณ์โดย ไทเลอร์ เฮดิน มหาวิทยาลัยบริกแฮม ยัง (Powerpoint)