A Selskapet Ønsker Å Prognose Demand Hjelp The Vektet Bevegelse Gjennomsnittet

Tidsseriemetoder Tidsseriemetoder er statistiske teknikker som benytter historiske data akkumulert over en tidsperiode. Tidsseriemetoder antar at det som har skjedd tidligere, vil fortsette å skje i fremtiden. Som navnet serier antyder, relaterer disse metodene prognosen til bare en faktor - tid. De inkluderer glidende gjennomsnitt, eksponensiell utjevning og lineær trendlinje, og de er blant de mest populære metodene for kortvarig prognose blant service - og produksjonsbedrifter. Disse metodene forutsetter at identifiserbare historiske mønstre eller trender for etterspørsel over tid vil gjenta seg. Flytende gjennomsnitt En prognos for tidsserier kan være så enkel som bruk av etterspørsel i den nåværende perioden for å forutse etterspørselen i neste periode. Dette kalles noen ganger en naiv eller intuitiv prognose. 4 For eksempel, hvis etterspørselen er 100 enheter denne uken, er prognosen for neste ukes etterspørsel 100 enheter dersom etterspørselen viser seg å være 90 enheter i stedet, så er etterspørselen etter følgende uker 90 enheter, og så videre. Denne typen prognosemetode tar ikke hensyn til historisk etterspørselsadferd som den bare bygger på etterspørsel i den nåværende perioden. Det reagerer direkte på de normale, tilfeldige bevegelsene i etterspørselen. Den enkle glidende gjennomsnittsmetoden bruker flere etterspørselsverdier i løpet av den siste tiden til å utvikle en prognose. Dette har en tendens til å dempe eller glatte ut, tilfeldige økninger og reduksjoner av en prognose som bare bruker en periode. Det enkle glidende gjennomsnittet er nyttig for å forutse etterspørselen som er stabil og viser ikke noen uttalt etterspørselsadferd, for eksempel en trend eller sesongmessig mønster. Flytende gjennomsnitt beregnes for bestemte perioder, for eksempel tre måneder eller fem måneder, avhengig av hvor mye forecasteren ønsker å glatte etterspørseldataene. Jo lengre glidende gjennomsnittsperiode, jo jevnere blir det. Formelen for beregning av det enkle glidende gjennomsnittet er å beregne et enkelt bevegelige gjennomsnitt. Instant Paper Clip Office Supply Company selger og leverer kontorrekvisita til bedrifter, skoler og byråer innen en radius på 50 kilometer fra lageret. Kontorforsyningsvirksomheten er konkurransedyktig, og evnen til å levere bestillinger raskt er en faktor for å få nye kunder og holde gamle. (Kontorene bestiller vanligvis ikke når de går lite på forsyninger, men når de går helt tom. Som et resultat trenger de straks sine bestillinger.) Sjefen for selskapet ønsker å være sikre nok drivere og kjøretøyer er tilgjengelige for å levere bestillinger omgående og De har tilstrekkelig lagerbeholdning på lager. Derfor ønsker lederen å kunne regne ut antall ordrer som vil skje i løpet av den neste måneden (dvs. for å prognose etterspørselen etter leveranser). Fra registreringer av leveringsordrer har ledelsen akkumulert følgende data de siste 10 månedene, hvorfra den vil beregne 3- og 5-måneders glidende gjennomsnitt. La oss anta at det er slutten av oktober. Prognosen som følge av enten 3- eller 5-måneders glidende gjennomsnitt er typisk for neste måned i sekvensen, som i dette tilfellet er november. Det bevegelige gjennomsnittet beregnes fra etterspørselen etter ordre for de foregående 3 månedene i sekvensen i henhold til følgende formel: 5-måneders glidende gjennomsnitt beregnes fra de foregående 5 månedene av etterspørseldata som følger: 3- og 5-måneders Flytte gjennomsnittlige prognoser for alle månedene av etterspørseldata er vist i følgende tabell. Faktisk vil bare prognosen for november basert på den siste månedlige etterspørselen bli brukt av lederen. De tidligere prognosene for tidligere måneder tillater oss imidlertid å sammenligne prognosen med den faktiske etterspørselen for å se hvor nøyaktig prognosemetoden er - det vil si hvor bra det gjør. Tre - og fem-måneders gjennomsnitt Både glidende gjennomsnittlige prognoser i tabellen ovenfor har en tendens til å utjevne variabiliteten i de faktiske dataene. Denne utjevningseffekten kan observeres i følgende figur hvor 3-måneders og 5-måneders gjennomsnitt er lagt på en graf av de opprinnelige dataene: Det 5-måneders glidende gjennomsnittet i foregående figur utjevner svingninger i større grad enn 3 måneders glidende gjennomsnitt. Imidlertid gjenspeiler 3-måneders gjennomsnittet de nyeste dataene som er tilgjengelige for kontorforvalteren. Generelt er prognoser som bruker lengre periode glidende gjennomsnitt, langsommere å reagere på de siste endringene i etterspørselen enn de som ble gjort ved hjelp av glidende gjennomsnitt for kortere periode. De ekstra dataperiodene demper hastigheten som prognosen svarer på. Etablering av riktig antall perioder som skal brukes i en bevegelig gjennomsnittlig prognose krever ofte litt prøve-og-feil-eksperimentering. Ulempen med den bevegelige gjennomsnittlige metoden er at den ikke reagerer på variasjoner som oppstår av en grunn, for eksempel sykluser og sesongmessige effekter. Faktorer som forårsaker endringer blir generelt ignorert. Det er i utgangspunktet en mekanisk metode som gjenspeiler historiske data på en konsistent måte. Den glidende gjennomsnittlige metoden har imidlertid fordelen av å være enkel å bruke, rask og relativt billig. Generelt kan denne metoden gi en god prognose på kort sikt, men det bør ikke presses for langt inn i fremtiden. Veidende Flytende Gjennomsnitt Den bevegelige gjennomsnittlige metoden kan justeres for å bedre reflektere svingninger i dataene. I den vektede glidende gjennomsnittlige metoden blir vektene tilordnet de nyeste dataene i henhold til følgende formel: Etterspørseldataene for PM Computer Services (vist i tabellen for eksempel 10.3) ser ut til å følge en økende lineær trend. Selskapet ønsker å beregne en lineær trendlinje for å se om den er mer nøyaktig enn eksponensiell utjevning og justerte eksponensielle utjevningsprognoser utviklet i eksempler 10.3 og 10.4. Verdiene som kreves for de minste kvadratberegninger er som følger: Ved bruk av disse verdiene beregnes parametrene for den lineære trendlinjen som følger: Derfor er den lineære trendlinjekvasjonen å beregne en prognose for periode 13, la x 13 i lineær trendlinje: Følgende graf viser den lineære trendlinjen sammenlignet med de faktiske dataene. Treningslinjen ser ut til å reflektere nøye de faktiske dataene - det vil si å være en god form - og dermed være en god prognosemodell for dette problemet. En ulempe med den lineære trendlinjen er imidlertid at den ikke vil tilpasse seg en endring i trenden, da de eksponentielle utjevningsprognosene vil det vil si det antas at alle fremtidige prognoser vil følge en rett linje. Dette begrenser bruken av denne metoden til en kortere tidsramme der du kan være relativt sikker på at trenden ikke vil endre seg. Seasonal Adjustments Et sesongmessig mønster er en repeterende økning og nedgang i etterspørselen. Mange etterspørselsprodukter viser sesongmessig oppførsel. Klærsalg følger årlige sesongmønstre, hvor etterspørselen etter varme klær øker om høsten og vinteren og faller om våren og sommeren ettersom etterspørselen etter kjøligere klær øker. Etterspørselen etter mange detaljhandler, inkludert leker, sportsutstyr, klær, elektroniske apparater, skinke, kalkuner, vin og frukt, øker i løpet av høytiden. Krav til hilsekort øker i forbindelse med spesielle dager som Valentinsdag og Morsdag. Sesongmønstre kan også forekomme på en månedlig, ukentlig eller daglig basis. Noen restauranter har høyere etterspørsel om kvelden enn til lunsj eller i helgene i motsetning til hverdager. Trafikk - dermed salg - i kjøpesentre plukker opp fredag ​​og lørdag. Det finnes flere metoder for å reflektere sesongmessige mønstre i en tidsserie-prognose. Vi vil beskrive en av de enklere metodene ved å bruke en sesongfaktor. En sesongfaktor er en tallverdi som multipliseres med den normale prognosen for å få en sesongjustert prognose. En metode for å utvikle en etterspørsel etter sesongmessige faktorer er å dele etterspørselen etter hver sesongperiode med total årlig etterspørsel, i henhold til følgende formel: De resulterende sesongfaktorene mellom 0 og 1,0 er faktisk den del av den totale årlige etterspørselen som er tildelt hver sesong. Disse sesongmessige faktorene multipliseres med den årlige forventede etterspørselen for å gi justerte prognoser for hver sesong. Beregner en prognose med sesongjusteringer. Wishbone Farms vokser kalkuner for å selge til et kjøttproduserende selskap gjennom hele året. Men høysesongen er åpenbart i løpet av fjerde kvartal av året, fra oktober til desember. Wishbone Farms har opplevd etterspørselen etter kalkuner de siste tre årene vist i følgende tabell: Fordi vi har tre års etterspørseldata, kan vi beregne sesongfaktorene ved å dele totalt kvartalsbehov for de tre årene etter total etterspørsel i alle tre år : Deretter vil vi multiplisere den forventede etterspørselen etter neste år, 2000, ved hver sesongfaktor for å få forventet etterspørsel etter hvert kvartal. For å oppnå dette trenger vi en etterspørselsprognose for 2000. I dette tilfellet, siden etterspørseldataene i tabellen ser ut til å vise en generelt økende trend, beregner vi en lineær trendlinje for de tre årene med data i tabellen for å bli tøffe prognose estimat: Prognosen for 2000 er således 58,17, eller 58,170 kalkuner. Ved å bruke denne årlige prognosen for etterspørsel er de sesongjusterte prognosene, SF i, for 2000 Sammenligning av disse kvartalsprognosene med de faktiske etterspørselsverdiene i tabellen, synes de å være relativt gode prognoser som reflekterer både sesongvariasjoner i dataene og den generelle oppadgående trenden. 10-12. Hvordan er den bevegelige gjennomsnittlige metoden lik eksponensiell utjevning 10-13. Hvilken effekt på eksponensiell utjevningsmodell vil øke utjevningskonstanten har 10-14. Hvordan skiller den justerte eksponensielle utjevningen seg fra eksponensiell utjevning 10-15. Hva bestemmer valget av utjevningskonstanten for trend i en justert eksponensiell utjevningsmodell 10-16. I kapitteleksemplene for tidsseriemetoder ble startprognosen alltid antatt å være den samme som den faktiske etterspørselen i første periode. Foreslå andre måter at startprognosen kan utledes ved faktisk bruk. 10-17. Hvordan er lineær trendlinjeprognosemodell forskjellig fra en lineær regresjonsmodell for prognoser 10-18. Av tidsseriemodellene som presenteres i dette kapittelet, inkludert det bevegelige gjennomsnittlige og vektede glidende gjennomsnittet, eksponensiell utjevning og justert eksponensiell utjevning, og lineær trendlinje, hvilken anser du best Hvorfor 10-19. Hvilke fordeler har justert eksponensiell utjevning over en lineær trendlinje for forventet etterspørsel som viser en trend 4 K. B. Kahn og J. T. Mentzer, Forecasting in Consumer and Industrial Markets, Journal of Business Forecasting 14, nr. 2 (Sommer 1995): 21-28. Kapittel 11 - Etterspørselsforvaltning amp Prognoser 1. Perfekt prognose er nesten umulig. 2. I stedet for å søke etter den perfekte prognosen, er det langt viktigere å etablere praksis med kontinuerlig gjennomgang av prognosen og til lære å leve med unøyaktig prognose 3. Når prognoser er, er en god strategi å bruke 2 eller 3 metoder og se dem for kommonsens syn. 2. grunnkilder til etterspørsel 1. Avhengige etterspørselen - etterspørsel etter produkter eller tjenester forårsaket av etterspørselen etter andre produkter eller tjenester. Ikke mye firmaet kan gjøre, det må oppfylles. 2. Uavhengig etterspørsel - etterspørsel som ikke direkte kommer fra etterspørselen etter andre produkter. Firmaet kan: a) Ta en aktiv rolle for å påvirke etterspørselen - legge press på salgsstyrken din b) Ta en passiv rolle for å påvirke etterspørselen - Hvis et firma kjører på full kapasitet, vil det kanskje ikke gjøre noe med etterspørselen. Andre grunner er konkurransedyktige, juridiske, miljømessige, etiske og moralske. Forsøk å forutsi fremtiden basert på tidligere data. 1. Kort sikt - under 3 måneder - taktiske beslutninger som å fylle opp inventar eller planlegger EEer på kort sikt 2. Middels sikt - 3 M-2Y - fange sesongvirkninger som kunder svarer på et nytt produkt 3. Langsiktig - mer enn 2 år. Å identifisere viktige vendepunkter og oppdage generelle trender. Lineær regresjon er en spesiell type regresjon der relasjonene mellom variabel danner en rett linje Y abX. Y-avhengig variabel a - Y avgrensning b - skråning X - uavhengig variabel Det brukes til langsiktig prognose av store hendelser og aggregeringsplanlegging. Den brukes til både prognoser for tidsserier og prognoser for tilfeldige forhold. Er den mest brukte prognoseteknikken. De siste hendelsene er mer veiledende for fremtiden (høyest forutsigbar verdi) enn de i den fjernere fortiden. Vi bør gi mer vekt til malmen de siste tidsperioder når vi regner med prognoser. Hvert trinn i fortiden er redusert med (1 alfa). Jo høyere alfa, desto nærmere følger prognosen. Nyeste vekting alfa (1-alfa) na 0 Data en periode eldre alfa (1-alfa) na 1 Data to tidsperiode eldre alfa (1-alfa) na 2 Hvilken av følgende prognosemetoder er svært avhengig av valg av rettpersoner som dømt vil bli brukt til å faktisk generere prognosen Verdien må være mellom 0 og 1 1. 2 eller flere forhåndsdefinerte verdier av Alpha - avhengig av graden av feil benyttes forskjellige verdier av Alpha. Hvis feilen er stor, er Alpha 0,8, hvis feilen er liten, Alpha er 0,2. 2. Beregnede verdier for Alpha - eksponensielt jevnet faktisk feil dividert med eksponensielt forvrengt absolutt feil. Kvalitative teknikker i prognose Kunnskap om eksperter og kreve stor vurdering (nye produkter eller regioner) 1. Markedsundersøkelse - leter etter nye produkter og ideer, liker og misliker eksisterende produkter. Primært FORSØKER amp INTERVIEWS 2. Panel Consensus - ideen om at 2 hoder er bedre enn en. Panel av mennesker fra en rekke stillinger kan utvikle en mer pålitelig prognose enn en smalere gruppe. Problemet er at lavere EE-nivåer blir skremt av høyere styringsnivåer. Executive judgment brukes (høyere nivå av ledelse er involvert). 3. Historisk Analogi - Et firma som allerede produserer brødristere og ønsker å produsere kaffekasser, kan bruke brødristerens historie som en sannsynlig vekstmodell. 4. Delphi Metode - svært avhengig av valg av rett personer som dømt vil bli brukt til å faktisk generere prognosen. Alle har samme vekt (mer rettferdig). Tilfredsstillende resultater oppnås vanligvis i 3 runder. MÅL - Samarbeidsprosjekt, prognoser og etterfylling (CPFR) For å utveksle valgt intern informasjon på en delt webserver for å sikre pålitelig og langsiktig fremtidsperspektiv på etterspørselen i forsyningskjeden. 498 et selskap ønsker å prognose etterspørsel ved bruk (s. 498) Et selskap ønsker å prognose etterspørsel ved hjelp av det enkle glidende gjennomsnittet. Hvis selskapet benytter tre tidligere årlige salgsverdier (dvs. året 2009 130, år 2010 110 og år 2011 160), hvilket av følgende er det enkle glidende gjennomsnittlige prognosen for år 2012 A. 100,5 B. 122,5 C. 133,3 D. 135,6 E. 139.3 Bruke ligning 15.5 (side 498) Værvarsel for 2012 (130 110 160) 3 4004 133,3 AACSB: Analytiske Blomster Taxonomi: Analyser Vanskelighetsgrad: Mellom Jacobs - Kapittel 15 66 Læringsmål: 15-05 Vis hvordan du lager en tidsrekkefølge ved hjelp av regresjons-glidende gjennomsnitt og eksponensiell utjevning. Emneområde: Tidsserieanalyse 67. (s. 500) Et selskap ønsker å prognose etterspørsel ved å bruke vektet glidende gjennomsnitt. Hvis selskapet bruker to tidligere årlige salgsverdier (dvs. år 2011 110 og år 2012 130), og vi ønsker å veie år 2011 på 10 og 2012 på 90, hvilken av følgende er den veide gjennomsnittlige prognosen for år 2013 A. 120 B. 128 C. 133 D. 138 E. 142 Bruke ligning 15.6 (side 500) Prognose for 2013 (110x0.1) (130x0,9) 11 117 128 AACSB: Analytiske blomsters Taxonomi: Analyser Vanskelighetsgrad: Middels Jacobs - Kapittel 15 67 Læringsmål: 15-05 Vis hvordan du lager en tidsserieprognose ved hjelp av regresjonsflyttende gjennomsnitt og eksponensiell utjevning. Emneområde: Tidsserieanalyse Denne forhåndsvisningen har forsettlig sløret seksjoner. Registrer deg for å se fullversjonen. 68. (s. 500) Et selskap ønsker å prognose etterspørsel ved å bruke det veide glidende gjennomsnittet. Hvis selskapet bruker tre tidligere årlige salgsverdier (dvs. år 2010 160, år 2011 140 og år 2012 170), og vi ønsker å veie år 2010 30., 2011 på 30 og år 2012 på 40, hvilken av følgende er vektet glidende gjennomsnittlig prognose for år 2013 A. 170 B. 168 C. 158 D. 152 E. 146 Bruke ligning 15.6 (side 500) Værvarsel for 2013 (160x0,3) (140x0,3) (170x0,4) 158 AACSB: Analytisk Blooms Taksonomi: Analyser Vanskelighetsgrad: Mellom Jacobs - Kapittel 15 68 Læringsmål: 15-05 Vis hvordan å lage en tidsrekkefølge ved hjelp av regresjons-glidende gjennomsnitt og eksponensiell utjevning. Emneområde: Tidsserieanalyse 69. (s. 501) Hvilke to av Følgende er blant de viktigste årsakene til at eksponensiell utjevning har blitt godt akseptert som en prognostiseringsteknikk A. Nøyaktighet B. Sofistisering av analyse C. Forutsier vendepunkter D. Brukervennlighet E. Mulighet til å prognostisere lagring av datatrender Eksponensielle utjevningsteknikker har blitt bra akseptert av seks hovedårsaker: 1. Eksponentiell mod els er overraskende nøyaktige. 2. Formulering av en eksponentiell modell er relativt enkel. 3. Brukeren kan forstå hvordan modellen fungerer. 4. Lite beregning er nødvendig for å bruke modellen. 5. Krav til datalagring er små på grunn av begrenset bruk av historiske data. 6. Test for nøyaktighet med hensyn til hvor godt modellen utfører, er lett å beregne. AACSB: Analytisk Dette er slutten av forhåndsvisningen. Registrer deg for å få tilgang til resten av dokumentet. Dette notatet ble lastet opp på 11092012 for emnet MBAA 500 undervist av Professor Multiple i løpet av våren 03912 på Embry-Riddle FLAZ. TERM Vår 03912 PROFESSOR flere Klikk for å redigere dokumentdetaljene10 et selskap ønsker å prognose etterspørselen med 10. En bedrift ønsker å prognose etterspørsel ved hjelp av det enkle glidende gjennomsnittet. Hvis selskapet bruker fire tidligere årlige salgsverdier (dvs. år 2010 100, år 2011 120, år 2012 140 og år 2013 210), hvilket av følgende er det enkle glidende gjennomsnittlige prognose for år 2014 A. 100,5 B. 140,0 C. 142,5 D. 145,5 E. 155,0. C-prognose for 2014 (100 120 140 210) 4 5704 142.5. 11. Et selskap ønsker å prognose etterspørsel ved hjelp av det enkle glidende gjennomsnittet. Hvis selskapet benytter tre tidligere årlige salgsverdier (dvs. år 2011 130, år 2012 110 og år 2013 160), hvilket av følgende er den enkle glidende gjennomsnittlige prognosen for år 2014 A. 100,5 B. 122,5 C. 133,3 D. 135,6 E. 139.3. C-prognose for 2014 (130 110 160) 3 4004 133,3. 12. Et selskap ønsker å prognose etterspørselen ved å bruke det vektede glidende gjennomsnittet. Hvis selskapet bruker tre tidligere årlige salgsverdier (dvs. år 2011 160, år 2012 140 og år 2013 170), og vi vil vektåret 2011 til 30 prosent, år 2012 på 30 prosent og år 2013 på 40 prosent, hvilket av følgende er den veide gjennomsnittlige prognosen for år 2014 A. 170 B. 168 C. 158 D. 152 E. 146. C Prognose for 2014 (160 x 0,3) (140 x 0,3) (170 x 0,4) 158. 13 . Et selskap ønsker å prognose etterspørselen ved å bruke vektet glidende gjennomsnitt. Hvis selskapet bruker to tidligere årlige salgsverdier (dvs. år 2012 110 og år 2013 130), og vi vil vekt 2012 på 10 prosent og år 2013 på 90 prosent, hvilket av følgende er den veide gjennomsnittlige prognosen for år 2014 A. 120 B. 128 C. 133 D. 138 E. 142. B Værvarsel for 2014 (160 x 0,3) (140 x 0,3) (170 x 0,4) 158. 14. Et selskap ønsker å generere en prognose for enhetsefterspørsel etter år 2014 ved hjelp av eksponensiell utjevning. Den faktiske etterspørselen i år 2013 var 120. Forespørselsbehovet i år 2013 var 110. Ved å bruke disse dataene og en utjevningskonstant alfa på 0,1, hvilket av følgende er det resulterende årsprognoset for verdier A. 100 B. 110 C. 111 D . 114 E. 120. C 15. Kontinuerlig gjennomgang og oppdatering i lys av nye data er en prognostiseringsteknikk som kalles andre gjetning. T Denne forhåndsvisningen har forsettlig sløret seksjoner. Registrer deg for å se fullversjonen. 16. Sykliske påvirkninger på etterspørsel uttrykkes ofte grafisk som en lineær funksjon som enten er oppad eller nedover skrånende. F 17. Sykliske påvirkninger på etterspørselen kan komme fra hendelser som politiske valg, krig eller økonomiske forhold. T 18. Dekomponering av en tidsserie betyr å identifisere og separere tidsseriedataene i komponentene. T 19. Ligningen for eksponensiell utjevning sier at den nye prognosen er lik den gamle prognosen pluss feilen i den gamle prognosen. F 20. Erfaring og prøving og feiling er de enkleste måtene å velge vekter for den vektede glidende gjennomsnittlige prognosemodellen. T 21. Eksponensielle utjevningsprognoser forsinker alltid bak selve forekomsten, men kan korrigeres noe med en trendjustering. T 22. Eksponensiell utjevning er alltid den beste og mest nøyaktige av alle prognosemodeller. F 23. Den eksponensielle utjevningsmetoden krever hvilke av følgende data som skal prognose fremtiden. En 24. For hvert prognostiseringsproblem er det en beste prognostiseringsteknikk. F 25. Dette er slutten av forhåndsvisningen. Registrer deg for å få tilgang til resten av dokumentet. Denne testprep ble lastet opp på 05222016 for kurset OPER 3400 undervist av professor A. cemsaydam i løpet av våren 03914 sikt på UNC Charlotte. TERM Vår 03914 PROFESSOR A. CemSaydam Klikk for å redigere dokumentdetaljer