己知某备件的消耗量如下表所示。
800){makesmallpic(this,500,700);}"border=0>
由于备件每天的消耗量具有偶然性，导致统计数据随机波动，采用移动平均法消除数据随机波动的影响，移动期数为n。n的大小要合理选择，n越大，消除随机波动的效果越好，但对数据最新变化的反映就越迟钝。为简化预测公式，推荐n取订货周期T的整倍数，在此取n=T。
第n天的备件消耗量移动平均值:Mn=(N1＋N2＋N3＋……＋Nn)/n，第n＋1天的备件消耗量移动平均值:Mn+1=(nMn＋Nn+1-N1)/n，第n＋2天的备件消耗量移动平均值:Mn+2=(nMn+1＋Nn+2-N2)/n，依次类推，第t天的备件消耗量移动平均值：
800){makesmallpic(this,500,700);}"border=0>（1）
式(1)还可写成800){makesmallpic(this,500,700);}"border=0>（2）
或者800){makesmallpic(this,500,700);}"border=0>（3）
将备件消耗量移动平均值与时间的关系绘成二维曲线图(见下图中的实线部分)从图中，我们可以找出备件消耗的变化规律，从而预测备件消耗趋势。
800){makesmallpic(this,500,700);}"border=0>
假设备件用到第t天就要订购新备件。此时备件的储备量称订货点Qd，它要足够用到新备件进库，即Qd要大于在订货周期T内备件的消耗量NH，NH就是所要预测的。
再假设未来的备件消耗量移动平均线是己往消耗量移动平均线的自然延伸，见图中的虚线部分。对虚线部分进行数学分析，得NH的近似值
800){makesmallpic(this,500,700);}"border=0>（4）
将式(3)代入式(4)得800){makesmallpic(this,500,700);}"border=0>（5）
式(5)就是在订货周期内备件消耗量的预测公式，适用于对生产比较均衡的设备的备件进行预测。