Einfach Gleitender Durchschnitt Bedarf Prognose

FORECASTING Saisonfaktor - der Prozentsatz der durchschnittlichen vierteljährlichen Nachfrage, die in jedem Quartal auftritt. Die jährliche Prognose für das Jahr 4 wird auf 400 Einheiten prognostiziert. Durchschnittliche Prognose pro Quartal ist 4004 100 Einheiten. Vierteljährliche Vorhersage Durchschn. Prognostiziert saisonale Faktor. Kausale Vorhersagemethoden Kausale Prognosemethoden basieren auf einer bekannten oder wahrgenommenen Beziehung zwischen dem zu prognostizierenden Faktor und anderen externen oder internen Faktoren 1. Regression: Die mathematische Gleichung bezieht sich auf eine abhängige Variable auf eine oder mehrere unabhängige Variablen, von denen angenommen wird, dass sie die abhängige Variable beeinflussen 2. ökonometrische Modelle: System von interdependenten Regressionsgleichungen, die einen Wirtschaftszweig beschreiben 3. Input-Output-Modelle: beschreibt die Ströme von einem Sektor der Wirtschaft zur anderen und sagt daher die Inputs vor, die zur Produktion von Outputs in einem anderen Sektor erforderlich sind 4. Simulationsmodellierung Es gibt zwei Aspekte von Prognosefehlern: Bias und Genauigkeit Bias - Eine Prognose ist voreingenommen, wenn sie mehr in eine Richtung als in der anderen Richtung irrt - die Methode neigt zu Unterprognosen oder Überprognosen. Genauigkeit - Prognosegenauigkeit bezieht sich auf die Entfernung der Prognosen von der tatsächlichen Nachfrage ignorieren die Richtung dieses Fehlers. Beispiel: Für sechs Perioden wurden die Prognosen und die tatsächliche Nachfrage nachverfolgt Die folgende Tabelle gibt die Ist-Nachfrage D t und die Prognose-Nachfrage F t für sechs Perioden an: kumulierte Summe der Prognosefehler (CFE) -20 mittlere absolute Abweichung (MAD) 170 6 28,33 mittlere quadriert Fehler (MSE) 5150 6 858.33 Standardabweichung der Prognosefehler 5150 6 29.30 Durchschnittlicher absoluter Prognosefehler (MAPE) 83.4 6 13.9 Welche Informationen prognostizieren prognostiziert, hat eine Tendenz zur Überschätzung der Nachfrage durchschnittlichen Fehler pro Prognose betrug 28,33 Einheiten oder 13,9 von Die tatsächliche Bedarfsabtastverteilung der Prognosefehler hat eine Standardabweichung von 29,3 Einheiten. KRITERIEN ZUR AUSWAHL EINES VORHABENMETHODES Ziele: 1. Maximieren Sie die Genauigkeit und 2. Minimieren Sie Vorspannungspotentialregeln für die Auswahl einer Zeitreihenvorhersagemethode. Wählen Sie die Methode aus, die mit dem kumulativen Vorhersagefehler (CFE) gemessen wird, oder gibt die kleinste mittlere absolute Abweichung (MAD) an oder gibt das kleinste Tracking-Signal oder unterstützt Management-Überzeugungen über das zugrunde liegende Bedarfsmuster oder andere. Es scheint offensichtlich, dass ein gewisses Maß an Genauigkeit und Bias zusammen verwendet werden sollte. Wie ist die Anzahl der zu untersuchenden Perioden, wenn die Nachfrage inhärent stabil ist, werden niedrige Werte von und und höhere Werte von N vorgeschlagen, wenn die Nachfrage inhärent instabil ist, werden hohe Werte von und und niedrigere Werte von N vorgeschlagen FOCUS FORECASTING quotfocus forecastingot bezieht sich auf Eine Annäherung zur Prognose, die Prognosen durch verschiedene Techniken entwickelt, dann wählt die Prognose aus, die durch den quotbestquot dieser Techniken produziert wurde, in denen quotbestquot durch irgendein Maß des Prognosefehlers bestimmt wird. FOKUSVORHERSAGE: BEISPIEL In den ersten sechs Monaten des Jahres betrug die Nachfrage nach einer Einzelhandelseinheit 15, 14, 15, 17, 19 und 18 Einheiten. Ein Händler nutzt ein Fokus-Prognosesystem, das auf zwei Prognosetechniken basiert: einem zweistufigen gleitenden Durchschnitt und einem trendgesteuerten exponentiellen Glättungsmodell mit 0,1 und 0,1. Bei dem exponentiellen Modell lag die Prognose für Januar bei 15 und das Trendmittel Ende Dezember war 1. Der Händler nutzt die mittlere absolute Abweichung (MAD) für die letzten drei Monate als Kriterium für die Auswahl des Modells, das zur Prognose verwendet wird Für den nächsten Monat. ein. Was wird die Prognose für Juli sein und welches Modell wird verwendet? Würden Sie auf Teil a antworten? Wenn die Nachfrage nach Mai 14 statt 19 Arten von Prognosemethoden waren. Prognosen dienen als Entscheidungsunterstützungsinstrumente, die es Führungskräften ermöglichen, für die Zukunft zu planen, indem sie 8220what-if8221-Analysen durchführen, um festzustellen, wie sich die Veränderungen in den Inputs auf die Ergebnisse auswirken. Beispielsweise helfen Prognosen einem Unternehmen, angemessene Reaktionen auf Veränderungen des Nachfragespiegels, Preissenkungen durch den Wettbewerb, wirtschaftliche Auf - und Abflüsse und mehr zu identifizieren. Um den größtmöglichen Nutzen aus Prognosen zu ziehen, müssen Führungskräfte die feineren Details der verschiedenen Arten von Prognosemethoden verstehen, erkennen, was ein bestimmter Prognosemethode Typ und kann nicht tun und wissen, welcher Prognosetyp am besten für einen bestimmten Bedarf geeignet ist. Naive Prognosemethoden Die na239ve Prognosemethoden basieren auf einer Projektion für einen zukünftigen Zeitraum auf Daten, die für eine vergangene Periode aufgezeichnet wurden. Beispielsweise könnte eine na239ve-Prognose mit einer vorherigen Periode8217s reals oder dem Durchschnitt der tatsächlichen für bestimmte vorherige Perioden identisch sein. Na239ve Prognose macht keine Anpassungen an vergangene Perioden für saisonale Variationen oder zyklische Trends zu besten Schätzung einer zukünftigen Periode8217s prognostiziert. Ebenso wenig ist der Benutzer einer na239ve-Prognosemethode, die sich mit ursächlichen Faktoren befasst, jenen Faktoren, die zu einer Änderung der tatsächlichen Ergebnisse führen. Aus diesem Grund wird die naive Prognosemethode typischerweise verwendet, um eine Prognose zu erstellen, die verwendet wird, um die Ergebnisse von anspruchsvolleren Prognosemethoden zu überprüfen. Qualitative und quantitative Prognosemethoden Während persönliche Meinungen die Grundlage für qualitative Prognosemethoden sind, beruhen quantitative Methoden auf vergangenen numerischen Daten, um die Zukunft vorauszusagen. Die Delphi-Methode, informierte Meinungen und die historische Lebenszyklus-Analogie sind qualitative Prognosemethoden. Im Gegenzug sind die einfache exponentielle Glättung, multiplikative saisonale Indizes, einfache und gewichtete gleitende Mittelwerte quantitative Prognosemethoden. Casual Forecasting Methoden Regressionsanalyse und autoregressiver gleitender Durchschnitt mit exogenen Inputs sind kausale Prognosemethoden, die eine Variable mit zugrunde liegenden Faktoren vorhersagen. Diese Methoden gehen davon aus, dass eine mathematische Funktion mit bekannten Stromgrößen verwendet werden kann, um den zukünftigen Wert einer Variablen zu prognostizieren. Beispielsweise können Sie mit dem Faktor des Ticketverkaufs den variablen Verkauf von filmbezogenen Aktionszahlen vorhersagen, oder Sie können die Faktorzahl der von einem Universitätsteam gewonnenen Fußballspiele verwenden, um den variablen Verkauf von teambezogenen Produkten vorherzusagen. Judgmentale Vorhersagemethoden Die Delphi-Methode, Szenarioaufbau, statistische Erhebungen und zusammengesetzte Prognosen sind jeweils Beurteilungsmethoden, die auf Intuition und subjektiven Schätzungen basieren. Die Methoden erzeugen eine Vorhersage auf der Grundlage einer Sammlung von Meinungen von Führungskräften und Expertengremien oder in einer Umfrage vertreten. Zeitreihen-Prognosemethoden Die Zeitreihentypen von Prognosemethoden, wie Exponentialglättung, gleitender Durchschnitt und Trendanalyse, verwenden historische Daten zur Schätzung zukünftiger Ergebnisse. Eine Zeitreihe ist eine Gruppe von Daten, die über einen bestimmten Zeitraum aufgezeichnet wurden, wie z. B. ein Umsatz seit Quartal seit dem Jahr 2000 oder die jährliche Produktion von Coca Cola seit 1975. Weil vergangene Muster in der Zukunft oft wiederholt werden, können Sie eine Zeit verwenden Um eine langfristige Prognose für 5, 10 oder 20 Jahre zu machen. Langfristige Projektionen werden für eine Reihe von Zwecken verwendet, wie z. B. für den Einkauf, die Fertigung, den Vertrieb und die Finanzabteilungen eines Unternehmens, um neue Anlagen, neue Produkte oder neue Produktionslinien zu planen.