Capitolo 11 - Gestione della domanda amp Previsione 1. previsione perfetta è praticamente impossibile 2. Piuttosto che cercare per la previsione perfetta, è molto più importante stabilire la pratica di continua revisione delle previsioni e per imparare a vivere con imprecisa 3. Previsioni Quando previsione , una buona strategia è quella di utilizzare 2 o 3 metodi e cercare un loro per la vista del senso comune. 2. Fonti di base della domanda 1. domanda a carico - la domanda di prodotti o servizi causati dalla domanda di altri prodotti o servizi. Non molto l'azienda può fare, deve essere soddisfatta. 2. Indipendente domanda - la domanda che non può essere direttamente derivata dalla domanda di altri prodotti. Impresa può: a) assumere un ruolo attivo per influenzare la domanda - applicare una pressione sulla vostra forza vendita b) Prendere un ruolo passivo per influenzare la domanda - se una società è in esecuzione su una piena capacità, potrebbe non voler fare nulla di richiesta. Altri motivi sono competitivi, legale, ambientale, etico e morale. Cercare di prevedere il futuro sulla base di un dato passato. 1. A breve termine - sotto i 3 mesi - le decisioni tattiche, come il rifornimento di inventario o di programmazione EEs nel breve termine 2. A medio termine - 3 M-2Y - catturare gli effetti stagionali, come i clienti risponde a un nuovo prodotto 3. A lungo termine - più di 2 anni. Per identificare i principali punti di svolta e individuare le tendenze generali. La regressione lineare è un tipo speciale di regressione dove i rapporti tra forme variabili una linea retta Y ABX. Y - variabile dipendente a - Y intercetta b - pendenza X - variabile indipendente 'utilizzato per la previsione a lungo termine dei principali avvenimenti e la pianificazione di aggregazione. E 'utilizzato per entrambi, la previsione di serie temporali e la previsione rapporto occasionale. È la tecnica di previsione più utilizzata. Gli eventi più recenti sono più indicativo del futuro (valore massimo prevedibile) rispetto a quelli del passato più lontano. Dovremmo dare più peso ai periodi di tempo di minerale recenti, quando la previsione. Ogni incremento in passato è diminuito di (1- alpha). Maggiore è l'alfa, più da vicino la previsione segue l'attuale. La maggior parte alpha ponderazione recente (1-alfa) na 0 Dati un periodo di tempo più anziani alfa (1-alfa) na 1 I dati di due periodo di tempo più anziani alfa (1-alfa) na 2 Quale dei seguenti metodi di previsione dipende molto dalla scelta del individui destra che judgmentally essere utilizzati per generare effettivamente Valore previsione deve essere compreso tra 0 e 1 1. 2 o più predeterminati valori di Alpha - a seconda del grado di errore, vengono utilizzati diversi valori di Alpha. Se l'errore è di grandi dimensioni, Alpha è 0,8, se l'errore è piccolo, Alpha è di 0,2 2. Valori calcolati di Alpha - in modo esponenziale lisciato errore effettivo diviso per l'errore assoluto in modo esponenziale soffocato. Tecniche qualitative nelle previsioni conoscenza di esperti e richiedono molto giudizio (di nuovi prodotti o regioni) 1. Ricerche di mercato - ricerca di un nuovi prodotti e idee, gusti sui prodotti esistenti. Principalmente INDAGINI amp INTERVISTE 2. Pannello di consenso - l'idea che 2 teste sono meglio di uno. Pannello di persone da una varietà di posizioni può sviluppare una previsione più affidabile di un gruppo ristretto. Il problema è che i livelli più bassi EE sono intimiditi da livelli più elevati di gestione. giudizio esecutivo è usato (più alto livello di gestione è coinvolto). 3. analogia storica - una ditta che produce già tostapane e vuole produrre caffettiere potrebbe utilizzare la storia tostapane come un modello di crescita probabile. 4. Metodo Delphi - molto dipende dalla selezione degli individui giusti che saranno judgmentally essere utilizzati per generare in realtà la previsione. Tutti hanno lo stesso peso (più giusto). Risultati soddisfacenti sono di solito raggiunti in 3 turni. OBIETTIVO - Collaborative Planning, Forecasting e Replenishment (CPFR) per lo scambio di informazioni interne selezionato su un server Web condiviso, al fine di fornire affidabili e futuri di vista a lungo termine della domanda nella fornitura chain. Weighted Moving Metodi media di previsione: pro e contro Ciao, l'amore tuo post. Si chiedeva se si potesse elaborare futher. Usiamo SAP. In esso vi è una selezione è possibile scegliere prima di eseguire la vostra previsione chiamata inizializzazione. Se si seleziona questa opzione si ottiene un risultato del tempo, se si esegue prevedere i di nuovo, nello stesso periodo, e non si seleziona inizializzazione il risultato cambia. Io non riesco a capire che cosa sta facendo l'inizializzazione. Voglio dire, mathmatically. Quale previsione risultato è migliore per salvare e utilizzare per esempio. I cambiamenti tra i due non sono nella quantità prevista, ma nel MAD e l'errore, le scorte di sicurezza e le quantità ROP. Non sono sicuro se si utilizza SAP. hi grazie per spiegare in modo effeciently suo troppo gd. grazie ancora Jaspreet Lascia un commento Cancella risposta Chi Shmula Pete abilla è il fondatore della Shmula e il carattere, Kanban Cody. Egli ha aiutato le aziende come Amazon, Zappos, eBay, Backcountry, e altri ridurre i costi e migliorare l'esperienza del cliente. Lo fa attraverso un metodo sistematico per identificare punti di dolore che incidono sui clienti e il business, e incoraggia un'ampia partecipazione dei soci dell'azienda per migliorare i propri processi. Questo sito è una raccolta delle sue esperienze che vuole condividere con voi. Inizia con download gratuiti di previsione fattore stagionale - la percentuale della domanda medio trimestrale che si verifica in ogni trimestre. Previsione annuale per l'anno 4 è previsto per essere 400 unità. previsione media per trimestre è 4004 100 unità. Previsione trimestrale avg. prevedere fattore stagionale. Causali metodi di previsione metodi di previsione causali sono basate su un rapporto nota o percepito tra il fattore da meteo e di altri fattori esterni o interni 1. regressione: equazione matematica riferisce una variabile dipendente a una o più variabili indipendenti che si ritiene di influenzare la variabile dipendente 2. modelli econometrici: sistema di equazioni di regressione interdipendenti che descrivono alcuni settori di attività economica 3. modelli ingresso-uscita: descrive i flussi da un settore dell'economia ad un altro, e così predice gli input necessari per produrre risultati in un altro settore 4. simulazione modellistica MISURA errori di previsione ci sono due aspetti di errori di previsione per essere preoccupati - Bias e precisione Bias - una previsione è polarizzato se sbaglia di più in una direzione che nell'altra - il metodo tende a sotto-previsioni o over-previsioni. Precisione - Previsione accuratezza si riferisce alla distanza delle previsioni di domanda effettiva ignorare la direzione di tale errore. Esempio: Per sei previsioni periodi e la domanda effettiva è stato rintracciato La tabella seguente dà reale t domanda D e previsione della domanda F t per sei periodi: somma cumulativa degli errori di previsione (CFE) -20 deviazione assoluta media (MAD) 170 6 28.33 quadratico medio errore (MSE) 5150 6 858,33 deviazione standard degli errori di previsione 5150 6 29.30 significa errore percentuale assoluto (MAPE) 83,4 6 13,9 di quali informazioni dare ad ogni previsione ha la tendenza a un eccesso di stima domanda errore medio per la previsione era 28.33 unità, o 13.9 di attuale distribuzione campionaria richiesta degli errori di previsione ha deviazione standard di 29,3 unità. CRITERI DI SELEZIONE DI UN PREVISIONE Obiettivi Preparazione: 1. massimizzare l'accuratezza e 2. minimizzare i bias potenziali Norme per la selezione di un metodo di previsione di serie temporali. Selezionare il metodo che dà la più piccola distorsione, come misurato da errore di previsione cumulativa (CFE) o dà la più piccola deviazione assoluta media (MAD) o dà il segnale di tracking più piccolo o supporta gestioni convinzioni circa il modello di base della domanda o di altri. Appare evidente che un certo grado di accuratezza e di polarizzazione devono essere utilizzate insieme. Come cosa circa il numero di periodi da campionare se la domanda è intrinsecamente stabile, bassi valori di e ed i valori più elevati di N sono suggeriti se la domanda è intrinsecamente instabile, elevati valori di e ed i valori più bassi di N sono suggeriti FOCUS PREVISIONE quotfocus forecastingquot si riferisce a un approccio alla previsione che sviluppa le previsioni con varie tecniche, poi prende la previsione che è stato prodotto dal quotbestquot di queste tecniche, in cui quotbestquot è determinato da un certo grado di errore di previsione. FOCUS PREVISIONE: ESEMPIO Per i primi sei mesi dell'anno, la domanda di una voce di vendita al dettaglio è stato di 15, 14, 15, 17, 19, e 18 unità. Un rivenditore utilizza un sistema di previsione di messa a fuoco sulla base di due tecniche di previsione: una media mobile a due periodi, e un modello di livellamento esponenziale trend-regolato con 0,1 e 0,1. Con il modello esponenziale, le previsioni per gennaio è stato 15 e la media di tendenza alla fine di dicembre è 1. Il dettagliante utilizza la deviazione media assoluta (MAD) per gli ultimi tre mesi, come criterio per scegliere quale modello sarà utilizzato per prevedere per il mese successivo. un. Quale sarà la previsione per il mese di luglio e che il modello sarà utilizzato b. Ti risposta al punto a. essere diverso se la domanda di maggio era stato 14 invece di metodi serie 19Time Serie Metodi di tempo sono tecniche statistiche che fanno uso di dati storici accumulati in un periodo di tempo. metodi di serie storiche per scontato che ciò che è accaduto in passato, continueranno a verificarsi in futuro. Come suggerisce il nome della serie di tempo, questi metodi si riferiscono alla previsione di un solo fattore - il tempo. Essi comprendono la media mobile, livellamento esponenziale, e la linea di tendenza lineare e sono tra i metodi più diffusi per la previsione a corto raggio tra le società di servizi e di produzione. Questi metodi presuppongono che i modelli storici identificabili o tendenze della domanda nel corso del tempo si ripetono. Moving previsione media un tempo di serie può essere semplice come utilizzando domanda nel periodo in corso a prevedere la domanda nel prossimo periodo. Questo è talvolta chiamato una previsione ingenuo o intuitivo. 4 Per esempio, se la domanda è di 100 unità di questa settimana, la previsione per settimane la prossima domanda è di 100 unità se la domanda risulta essere invece 90 unità, quindi la seguente domanda settimane è di 90 unità, e così via. Questo tipo di metodo di previsione non tiene in considerazione il comportamento storico domanda si basa solo su richiesta nel periodo corrente. Esso reagisce direttamente ai normali movimenti casuali della domanda. Il metodo semplice media mobile utilizza diversi valori medi durante il recente passato per sviluppare una previsione. Ciò tende a smorzare o appianare, gli aumenti e diminuzioni casuali di una previsione che utilizza un solo periodo. La media mobile semplice è utile per la previsione della domanda che è stabile e non mostra alcun comportamento domanda pronunciata, come ad esempio una tendenza o andamento stagionale. Le medie mobili vengono calcolati per determinati periodi, come ad esempio tre mesi o cinque mesi, a seconda di quanto il previsore desideri per lisciare i dati relativi alla domanda. Più lungo è il periodo di media mobile, più uniforme sarà. La formula per il calcolo della media mobile semplice è calcolare una media mobile semplice La carta istantanea clip Office Supply Company vende e distribuisce forniture per ufficio per aziende, scuole e agenzie entro un raggio di 50 miglia del suo magazzino. L'azienda di forniture per ufficio è competitivo, e la capacità di consegnare gli ordini prontamente è un fattore di ottenere nuovi clienti e mantenere quelli vecchi. (Uffici in genere non ordine quando corrono a corto di rifornimenti, ma quando sono completamente esauriti. Di conseguenza, hanno bisogno immediatamente i loro ordini.) Il manager della società vuole essere determinati driver abbastanza e veicoli sono a disposizione per consegnare gli ordini prontamente e sono dotati di adeguate scorte in magazzino. Pertanto, il manager vuole essere in grado di prevedere il numero di ordini che si verificheranno nel corso del mese successivo (cioè a prevedere la domanda di fornitura). Da record di ordini di consegna, gestione ha accumulato i seguenti dati per gli ultimi 10 mesi, da cui si vuole calcolare a 3 e 5 mesi medie mobili. Supponiamo che è la fine di ottobre. La previsione derivante sia dal 3- o la media mobile 5 mesi è tipicamente per il mese successivo nella sequenza, che in questo caso è novembre. La media mobile è calcolata dalla domanda di ordini per la prima 3 mesi in sequenza secondo la seguente formula: La media mobile 5 mesi viene calcolato dai precedenti 5 mesi di dati domanda come segue: Il 3 e 5 mesi spostando previsioni medie per tutti i mesi di dati domanda sono riportati nella tabella seguente. In realtà, solo le previsioni per novembre in base alla più recente domanda mensile sarebbe stato utilizzato dal gestore. Tuttavia, le previsioni precedenti per mesi precedenti ci permettono di confrontare le previsioni con la domanda effettiva per vedere come precisa il metodo di previsione è - che è, quanto bene lo fa. Tre e cinque mesi Medie Entrambi spostando le previsioni medie nella tabella precedente tendono ad appianare la variabilità che si verificano nei dati effettivi. Questo effetto lisciatura può essere osservato nella figura seguente in cui le medie di 3 mesi e 5 mesi sono state sovrapposte su un grafico dei dati originali: La media mobile 5 mesi nella figura precedente appiana fluttuazioni in misura maggiore la media mobile a 3 mesi. Tuttavia, la media a 3 mesi riflette più da vicino i dati più recenti disponibili al gestore di forniture per ufficio. In generale, le previsioni che utilizzano il più lungo periodo di media mobile sono più lenti a reagire ai recenti cambiamenti della domanda rispetto a quella che quelle fatte usando più breve periodo medie mobili. I periodi supplementari di dati smorzare la velocità con cui la previsione risponde. Stabilire il numero appropriato di periodi da utilizzare in una previsione media mobile spesso richiede una certa quantità di sperimentazione per tentativi ed errori. Lo svantaggio del metodo della media mobile è che non reagisce alle variazioni che si verificano per un motivo, come cicli e effetti stagionali. I fattori che causano i cambiamenti sono generalmente ignorati. Si tratta essenzialmente di un metodo meccanico, che riflette i dati storici in modo coerente. Tuttavia, il metodo della media mobile ha il vantaggio di essere facile da usare, veloce e relativamente economico. In generale, questo metodo può fornire una buona meteo per il breve periodo, ma non dovrebbe essere spinta troppo lontano nel futuro. Ponderata media mobile Il metodo della media mobile può essere regolata a più riflettere da vicino le fluttuazioni nei dati. Nella ponderata metodo della media mobile, i pesi sono assegnati ai dati più recenti, secondo la seguente formula: I dati domanda di PM Servizi computer (mostrato nella tabella per l'Esempio 10.3) sembra seguire un andamento lineare crescente. L'azienda vuole calcolare una linea di tendenza lineare per vedere se è più preciso del livellamento esponenziale e le previsioni di livellamento esponenziale corretti sviluppati negli esempi 10.3 e 10.4. I valori necessari per i meno calcoli quadrati sono i seguenti: L'utilizzo di questi valori, i parametri per la linea di tendenza lineare sono calcolati come segue: Pertanto, l'equazione linea di tendenza lineare è quello di calcolare una previsione per il periodo 13, siano x 13 nel lineari linea di tendenza: il grafico seguente mostra la linea di tendenza lineare rispetto ai dati effettivi. La linea di tendenza sembra riflettere molto attentamente i dati effettivi - che è, di essere una buona misura - e sarebbe quindi un buon modello di previsione per questo problema. Tuttavia, uno svantaggio della linea di tendenza lineare è che non adattarsi ad un cambiamento di tendenza, come i metodi di lisciatura previsione esponenziali sarà cioè, si presume che tutte le previsioni future seguire una linea retta. Questo limita l'uso di questo metodo per un breve lasso di tempo in cui si può essere relativamente certi che la tendenza non cambierà. Le rettifiche di stagione un andamento stagionale è un aumento ripetitivo e diminuzione della domanda. Molti poste a vista mostrano un comportamento stagionale. le vendite di abbigliamento seguono modelli annuali di stagione, con la domanda di vestiti caldi aumentare in autunno e in inverno e in calo in primavera e in estate, come la richiesta di più freddi aumenta di abbigliamento. La domanda di molti articoli al dettaglio, compresi i giocattoli, attrezzature sportive, abbigliamento, apparecchi elettronici, prosciutti, tacchini, vino e frutta, aumento durante la stagione estiva. Augurali domanda carta aumenta in concomitanza con giornate speciali come San Valentino e la Festa della Mamma. i modelli stagionali possono verificarsi anche su base mensile, settimanale o addirittura giornaliera. Alcuni ristoranti hanno una maggiore domanda di sera che a pranzo o durante il fine settimana in contrasto con i giorni feriali. Traffic - quindi le vendite - a centri commerciali raccoglie il Venerdì e Sabato. Ci sono diversi metodi per riflettere i modelli stagionali in una previsione di serie temporali. Descriveremo uno dei metodi più semplici che utilizzano un fattore stagionale. Un fattore stagionale è un valore numerico che viene moltiplicato per il tempo normale per ottenere una previsione destagionalizzato. Un metodo per sviluppare una domanda di fattori stagionali è di dividere la domanda di ciascun periodo stagionale dalla domanda annua totale, secondo la seguente formula: I fattori stagionali derivano tra 0 e 1.0 sono, in effetti, la porzione di domanda annuale totale assegnati ogni stagione. Questi fattori stagionali vengono moltiplicati per la domanda annua prevista per produrre previsioni adattate per ogni stagione. Calcolo di una previsione con aggiustamenti stagionali Wishbone Farms cresce tacchini di vendere ad una società di lavorazione della carne durante tutto l'anno. Tuttavia, la sua stagione è ovviamente nel corso del quarto trimestre dell'anno, da ottobre a dicembre. Wishbone Farms ha sperimentato la domanda per i tacchini per gli ultimi tre anni indicati nella tabella seguente: Perché abbiamo tre anni di dati relativi alla domanda, siamo in grado di calcolare i fattori stagionali dividendo domanda trimestrale complessivo per i tre anni dalla domanda totale in tutti i tre anni : Avanti, vogliamo moltiplicare la domanda prevista per il prossimo anno, 2000, da ciascuno dei fattori stagionali per ottenere la domanda prevista per ogni trimestre. Per fare questo, abbiamo bisogno di una domanda prevista per il 2000. In questo caso, dal momento che i dati relativi alla domanda della tabella sembrano mostrare una tendenza generalmente in aumento, si calcola una linea di tendenza lineare per i tre anni di dati nella tabella per ottenere un ruvido stima del tempo: Così, la previsione per il 2000 è 58.17, o di 58.170 tacchini. Utilizzando questa previsione annuale della domanda, le previsioni destagionalizzati, SF io, per il 2000 stanno confrontando queste previsioni trimestrali con i valori medi attuali nella tabella, che sembrerebbe essere relativamente buone stime di previsione, che riflette sia le variazioni stagionali dei dati e la tendenza al rialzo generale. 10-12. Come è il metodo della media mobile simile a esponenziale 10-13. Che effetto sul modello di livellamento esponenziale aumentando il costante livellamento hanno 10-14. Come funziona regolato livellamento esponenziale diverso dal esponenziale 10-15. Che cosa determina la scelta della costante di smoothing per trend in rettificato esponenziale modello di livellamento 10-16. Negli esempi del capitolo per i metodi di serie temporali, la previsione di partenza è sempre stato ipotizzato essere la stessa come domanda effettiva nel primo periodo. Suggerire altri modi che la previsione di partenza potrebbe essere derivato nell'uso reale. 10-17. Come funziona il modello di previsione linea di tendenza lineare differisce da un modello di regressione lineare per la previsione 10-18. Del tempo modelli della serie presentate in questo capitolo, tra cui la media mobile media ponderata e in movimento, livellamento esponenziale e regolato livellamento esponenziale, e la linea di tendenza lineare, che si consideri la migliore Perché 10-19. Quali sono i vantaggi regolata livellamento esponenziale avere su una linea di tendenza lineare per domanda prevista che presenta un trend 4 K. B. Kahn e J. T. Mentzer, Previsione di consumo e industriale, The Journal of Business Forecasting 14, n. 2 (estate 1995): 21-28.
No comments:
Post a Comment