Prognoza trzymiesięcznych średnich ruchomych

op rozdział 12 Planowanie popytu: prognozowanie i zarządzanie popytem Podstawowa różnica między zarządzaniem popytem a prognozowaniem popytu polega na tym, że prognozowanie jest możliwe tylko wtedy, gdy dostępne są dane ilościowe. Firma nie może jednocześnie realizować obu podejść. Zarządzanie popytem jest proaktywne, a prognozy przewidują. Jedno podejście dotyczy niepewności, podczas gdy drugie dotyczy znanego popytu. Zarządzanie popytem jest proaktywne, a prognozy przewidują. Zarządzanie popytem aktywnie próbuje wpływać na popyt, a prognozowanie po prostu próbuje przewidzieć popyt. najlepiej będzie wykorzystać strategiczne planowanie popytu: określenie planów zatrudniania lub zwalniania pracowników. Aby ustalić plany nadgodzin pracowników. Aby zdecydować, czy zamknąć zakład produkcyjny. Kierować codziennymi operacjami w zakładzie produkcyjnym. Aby zdecydować, czy zamknąć zakład produkcyjny. Strategiczne planowanie popytu jest konieczne w przypadku długoterminowych decyzji, takich jak budowa lub zamknięcie zakładu. Pozostałe opisy są decyzjami krótkoterminowymi. Popyt na mieszkania charakteryzuje się regularnym wzrostem do maksimum, a następnie spadkiem. Kiedy zapotrzebowanie osiąga niski punkt, wówczas powtarza wzór. Ten schemat zwykle ma miejsce w ciągu trzech do pięciu lat. Jest to przykład tego, jaki rodzaj wzoru zapotrzebowania autokorelacja Zmiana kroku Trend Sezonowość i cykle Sezonowość i cykle Sezonowość i cykle są regularnymi wzorcami powtarzających się wzlotów i upadków, jak opisano w tym przykładzie. Convex Computer Company ma wiele różnych prognoz. Która z poniższych prognoz jest prawdopodobnie najmniej dokładna Łączna liczba komputerów do sprzedaży w przyszłym roku. Łączna liczba laptopów do sprzedaży w przyszłym miesiącu. Łączna liczba komputerów (laptopów i komputerów stacjonarnych) do sprzedaży w przyszłym miesiącu. Łączna liczba laptopów z 2 gigabajtową pamięcią RAM, 80-gigabajtowym dyskiem twardym i 16-krotnym napędem DVD do sprzedaży w przyszłym roku. Łączna liczba laptopów z 2 gigabajtową pamięcią RAM, 80-gigabajtowym dyskiem twardym i 16-krotnym napędem DVD do sprzedaży w przyszłym roku. Im bardziej szczegółowa jest prognoza, tym mniej prawdopodobna jest jej dokładność. D jest najbardziej szczegółowe. Firma ma następujące informacje na temat swojej prognozy wyników w trzech ostatnich okresach. Jakie jest średnie bezwzględne odchylenie (MAD) 200 Podsumowanie bezwzględnych wartości błędów i określenie średniej wyników (300 200 100) 3 200. Przejście z trybu "buduj na magazyn" w celu złożenia lub wykonania operacji na zamówienie. Wpływ na czas popytu. Wszystkie te. Przejście z budowy do magazynu w celu złożenia lub wykonania operacji na zamówienie. Odkładane produkty uzyskują ostateczną formę po rzeczywistym zapotrzebowaniu klienta. Niektóre prognozy są nadal potrzebne (dla komponentów), a czas zapotrzebowania nie ulega zmianie. W ostatnich latach niektóre firmy zaczęły ściśle współpracować ze swoimi klientami i dostawcami, dzieląc się informacjami, aby opracować plany popytu i zrealizować te plany. Procedura, którą stosują, jest znana jako: Planowanie, prognozowanie i uzupełnianie w ramach współpracy. Wspólna analiza i prognozowanie. Wspólne planowanie prognoz popytu. Skoordynowane planowanie wstępne wymagań. Wspólne planowanie, prognozowanie i uzupełnianie. Wspólne planowanie, prognozowanie i uzupełnianie to proces wymiany informacji i planów z partnerami łańcucha dostaw. Załóżmy, że prognoza dla ostatniego okresu wynosi 200 jednostek FITt, a ostatnie doświadczenie sugeruje prawdopodobny wzrost sprzedaży o 10 jednostek w każdym okresie. Rzeczywista sprzedaż za ostatni okres wyniosła 230 sztuk. Zakładając współczynnik wygładzania równy 0,20 i współczynnik wygładzania trendu równy 0,10, jaka jest prognoza BASE na następny okres Ft1 FITt (dt - FITt) 200 0,20 (230-200) 206 Zanda Corp. testuje działanie dwóch różnych prognoz modele, aby zobaczyć, które powinny zostać przyjęte do użytku. Chce wybrać model, który ma mniejsze standardowe odchylenie błędów prognozy. Zanda powinna porównać, który z poniższych, aby dokonać wyboru MAPE dwóch modeli MFE dwóch modeli RMSE dwóch modeli MAD dwóch modeli RMSE dwóch modeli RMSE zapewnia dobre przybliżenie odchyleń standardowych błędów prognozy modeli . Sygnał śledzenia zasugeruje menadżerowi, że zapotrzebowanie na przedmiot się zmienia. Parametry trybów prognozy mogą wymagać korekty. Występuje popyt na sezonowość. Wszystkie te parametry trybów prognozy mogą wymagać korekty. Sygnał śledzenia sugeruje menedżerowi, że parametry modelu mogą wymagać korekty. System prognozujący, który zmienia wartość parametru alfa w odpowiedzi na poziom błędu prognozy, jest znany jako: Model adaptacyjny. Ulepszony wykładniczo model wygładzania wykładniczego. Sygnał śledzenia. Model szeregów czasowych. Regresja przyczynowa. Model adaptacyjny Prognozowanie adaptacyjne automatycznie dostosowuje współczynniki wygładzania w modelu wykładniczym wygładzania wykładniczego w odpowiedzi na sygnał śledzenia. Długoterminowe strategiczne planowanie popytu jest zwykle realizowane za pomocą jednostek sprzedaży w danej lokalizacji. Całkowita sprzedaż jednostek biznesowych Łączna sprzedaż produktów ze sprzedaży Łączna sprzedaż rodzin produktów Łączna sprzedaż jednostek biznesowych Strategiczne planowanie popytu wspiera wszystkie decyzje na poziomie biznesowym. Jaki jest związek między zarządzaniem popytem a prognozowaniem popytu Dwie czynności planowania są zarządzane niezależnie. Plany zarządzania popytem są zwykle czynnikiem wpływającym na prognozowanie popytu. Zarządzanie popytem jest wykonywane przez menedżerów operacyjnych, podczas gdy prognozowanie popytu jest wykonywane przez menedżerów marketingu. Zarówno B, jak i C są prawidłowe. Plany zarządzania popytem są zwykle czynnikiem wpływającym na prognozowanie popytu. Plany zarządzania popytem, ​​takie jak ceny i promocja, są danymi potrzebnymi do prognozowania popytu. Które z poniższych czynników należy wziąć pod uwagę, gdy projektuje się proces prognozowania Horyzont czasowy planowania. Poziom szczegółowości planowania. Dostępność danych. Wszystkie te systemy prognozowania powinny być dostosowane do potrzeb użytkowników. Metody serii czasowych Metody szeregów czasowych to techniki statystyczne, które wykorzystują dane historyczne gromadzone przez pewien okres czasu. Metody szeregów czasowych zakładają, że to, co miało miejsce w przeszłości, będzie występować w przyszłości. Jak sugeruje nazwa serii czasowych, te metody odnoszą prognozę do tylko jednego czynnika - czasu. Obejmują one średnią ruchomą, wykładniczą wygładzanie i liniową linię trendu i należą do najpopularniejszych metod prognozowania krótkiego zasięgu w firmach usługowych i produkcyjnych. Metody te zakładają, że możliwe do zidentyfikowania powtarzalne wzorce historyczne lub trendy popytu w czasie. Średnia ruchoma Prognoza serii czasowych może być tak prosta, jak wykorzystanie popytu w bieżącym okresie do przewidywania popytu w następnym okresie. Czasami nazywa się to naiwną lub intuicyjną prognozą. 4 Na przykład, jeśli popyt wynosi 100 sztuk w tym tygodniu, prognoza popytu na następne tygodnie to 100 jednostek, jeśli popyt okaże się liczbą 90 jednostek, a następnie popyt na następne tygodnie to 90 sztuk, i tak dalej. Tego rodzaju metoda prognozowania nie uwzględnia historycznych zachowań popytowych, które opierają się wyłącznie na popycie w bieżącym okresie. Reaguje bezpośrednio na normalne, przypadkowe ruchy popytu. Prosta metoda średniej ruchomej wykorzystuje kilka wartości zapotrzebowania w ostatnim czasie do opracowania prognozy. To zwykle tłumi lub wygładza losowe wzrosty i spadki prognozy, która wykorzystuje tylko jeden okres. Prosta średnia krocząca jest przydatna do prognozowania popytu, który jest stabilny i nie wykazuje wyraźnych zachowań popytowych, takich jak trend lub wzór sezonowy. Średnie kroczące są obliczane na określone okresy, na przykład trzy miesiące lub pięć miesięcy, w zależności od tego, ile planista chce poprawić dane dotyczące popytu. Im dłuższy okres średniej ruchomej, tym będzie on gładszy. Formuła obliczania prostej średniej kroczącej to Obliczanie prostej średniej kroczącej Natychmiastowa dostawa papieru biurowego Firma sprzedaje i dostarcza materiały biurowe firmom, szkołom i agencjom w promieniu 50 mil od swojego magazynu. Działalność biurowa jest konkurencyjna, a zdolność do szybkiego dostarczania zamówień jest czynnikiem wpływającym na pozyskiwanie nowych klientów i utrzymywanie starych. (Urzędy zazwyczaj zamawiają nie wtedy, gdy wyczerpują zapasy, ale gdy wyczerpują się całkowicie, w rezultacie potrzebują natychmiastowych zamówień.) Kierownik firmy chce mieć pewność, że kierowcy i pojazdy są w stanie szybko i szybko dostarczyć zamówienia. mają odpowiednie zapasy w magazynie. Dlatego menedżer chce mieć możliwość prognozowania liczby zamówień, które będą miały miejsce w ciągu następnego miesiąca (tj. Prognozować zapotrzebowanie na dostawy). Z zapisów zleceń dostaw, kierownictwo zgromadziło następujące dane za ostatnie 10 miesięcy, z których chce obliczyć 3- i 5-miesięczne średnie ruchome. Załóżmy, że jest koniec października. Prognoza wynikająca z 3- lub 5-miesięcznej średniej kroczącej jest zwykle na następny miesiąc w kolejności, która w tym przypadku przypada na listopad. Średnia krocząca jest obliczana na podstawie zapotrzebowania na zamówienia z poprzednich 3 miesięcy w sekwencji zgodnie z następującym wzorem: 5-miesięczna średnia ruchoma jest obliczana na podstawie poprzednich 5-miesięcznych danych dotyczących popytu w następujący sposób: 3- i 5-miesięczny średnie ruchome prognozy dla wszystkich miesięcy danych o popycie przedstawiono w poniższej tabeli. W rzeczywistości tylko menedżer będzie korzystał tylko z prognozy na listopad w oparciu o najnowsze miesięczne zapotrzebowanie. Jednak wcześniejsze prognozy na poprzednie miesiące pozwalają nam porównać prognozę z rzeczywistym zapotrzebowaniem, aby zobaczyć, jak dokładna jest metoda prognozowania - czyli jak dobrze ona działa. Średnie trzy - i pięciomiesięczne Obydwie średnie ruchome prognozy w powyższej tabeli mają tendencję do łagodzenia zmienności występującej w danych rzeczywistych. Ten efekt wygładzania można zaobserwować na poniższym rysunku, na którym średnie 3-miesięczne i 5-miesięczne zostały nałożone na wykres oryginalnych danych: 5-miesięczna średnia ruchoma na poprzednim rysunku wygładza fluktuacje w większym stopniu niż 3-miesięczna średnia ruchoma. Jednak średnia z 3 miesięcy bardziej odzwierciedla najnowsze dane dostępne dla menedżera zaopatrzenia biura. Zasadniczo prognozy wykorzystujące średnią ruchomą w dłuższym okresie wolniej reagują na ostatnie zmiany popytu niż w przypadku średnich kroczących o krótszym okresie. Dodatkowe okresy danych zmniejszają szybkość, z jaką odpowiada prognoza. Ustalenie odpowiedniej liczby okresów do użycia w prognozie średniej ruchomej często wymaga przeprowadzenia eksperymentów próbnych i błędów. Wadą metody średniej ruchomej jest to, że nie reaguje na zmiany, które występują z jakiegoś powodu, takie jak cykle i efekty sezonowe. Czynniki powodujące zmiany są na ogół ignorowane. Jest to w zasadzie metoda mechaniczna, która w spójny sposób odzwierciedla dane historyczne. Jednak metoda średniej ruchomej ma tę zaletę, że jest łatwa w użyciu, szybka i stosunkowo niedroga. Ogólnie rzecz biorąc, ta metoda może zapewnić dobrą prognozę na krótki okres, ale nie należy jej przepychać zbyt daleko w przyszłość. Ważona średnia ruchoma Metoda średniej ruchomej może być dostosowana w celu dokładniejszego odzwierciedlenia fluktuacji danych. W metodzie ważonej średniej ruchomej wagi są przypisywane do najnowszych danych zgodnie z następującą formułą: Dane popytu dla PM Computer Services (przedstawione w tabeli dla Przykładu 10.3) wydają się podążać za rosnącym trendem liniowym. Firma chce obliczyć liniową linię trendu, aby sprawdzić, czy jest ona bardziej dokładna niż wykładnicze wygładzanie wykładnicze i skorygowane wykładnicze prognozy wygładzania opracowane w Przykładach 10.3 i 10.4. Wartości wymagane dla obliczeń najmniejszych kwadratów są następujące: Przy użyciu tych wartości parametry liniowej linii trendu są obliczane w następujący sposób: Dlatego liniowe równanie linii trendu to Obliczanie prognozy dla okresu 13, niech x 13 w liniowym linia trendu: Poniższy wykres przedstawia liniową linię trendu w porównaniu z rzeczywistymi danymi. Linia trendu wydaje się ściśle odzwierciedlać faktyczne dane - to jest dobre dopasowanie - i dlatego jest dobrym modelem prognostycznym dla tego problemu. Jednak wadą liniowej linii trendu jest to, że nie dostosuje się ona do zmiany trendu, ponieważ będą to metody prognozowania wygładzania wykładniczego, zakłada się, że wszystkie przyszłe prognozy będą podążać prostą. Ogranicza to zastosowanie tej metody do krótszego okresu czasu, w którym można być względnie pewnym, że trend się nie zmieni. Korekty sezonowe Wzór sezonowy to powtarzalny wzrost i spadek popytu. Wiele produktów popytu wykazuje zachowania sezonowe. Sprzedaż odzieży podlega corocznym sezonowym trendom, a popyt na ciepłą odzież rośnie jesienią i zimą, a wiosną i latem spada, gdy wzrasta zapotrzebowanie na chłodniejsze ubrania. Popyt na wiele artykułów detalicznych, w tym zabawki, sprzęt sportowy, odzież, sprzęt elektroniczny, szynki, indyki, wino i owoce, rośnie w okresie wakacyjnym. Ilość kart z życzeniami wzrasta w połączeniu ze specjalnymi dniami, takimi jak Walentynki i Dzień Matki. Wzory sezonowe mogą występować również co miesiąc, co tydzień lub nawet codziennie. Niektóre restauracje mają wyższe zapotrzebowanie wieczorem niż w porze lunchu lub w weekendy, a nie w dni powszednie. Ruch - a więc sprzedaż - w centrach handlowych odbiega w piątek i sobotę. Istnieje kilka metod odzwierciedlenia sezonowych wzorców w prognozie szeregów czasowych. Opiszemy jedną z prostszych metod z wykorzystaniem czynnika sezonowego. Czynnik sezonowy to wartość liczbowa pomnożona przez normalną prognozę, aby uzyskać prognozę dostosowaną sezonowo. Jedną z metod kształtowania popytu na czynniki sezonowe jest podzielenie popytu na każdy sezon przez całkowite roczne zapotrzebowanie, zgodnie z następującą formułą: Wynikowe czynniki sezonowe między 0 a 1,0 stanowią w efekcie część całkowitego rocznego zapotrzebowania przypisanego do każdego sezonu. Te czynniki sezonowe mnoży się przez roczny prognozowany popyt, aby uzyskać dostosowane prognozy dla każdego sezonu. Obliczanie prognozy z korektą sezonową Wahliwe gospodarstwa rolne rosną indyki, aby sprzedać je firmie przetwórstwa mięsnego przez cały rok. Jednak jego szczytowy sezon jest oczywiście w czwartym kwartale roku, od października do grudnia. Firma Wishbone Farms odnotowała popyt na indyki w ciągu ostatnich trzech lat, o czym jest mowa w poniższej tabeli: Ponieważ mamy trzy lata danych o popycie, możemy obliczyć czynniki sezonowe, dzieląc całkowite kwartalne zapotrzebowanie na trzy lata przez całkowite zapotrzebowanie we wszystkich trzech latach : Następnie chcemy pomnożyć prognozowany popyt na przyszły rok, 2000, przez każdy z czynników sezonowych, aby uzyskać prognozowany popyt na każdy kwartał. Aby to osiągnąć, potrzebujemy prognozy popytu na rok 2000. W tym przypadku, ponieważ dane o zapotrzebowaniu w tabeli wydają się wykazywać ogólnie rosnący trend, obliczamy liniową linię trendu dla trzech lat danych w tabeli, aby uzyskać przybliżoną prognoza prognozy: Tak więc prognoza na 2000 r. wynosi 58,17 lub 58,170 indyków. Wykorzystując tę ​​roczną prognozę popytu, dostosowane sezonowo prognozy, SF i, na rok 2000, porównują te kwartalne prognozy z rzeczywistymi wartościami popytu w tabeli, wydają się być stosunkowo dobrymi prognozami prognoz, odzwierciedlającymi zarówno sezonowe wahania danych, jak i ogólny trend wzrostowy. 10-12. W jaki sposób metoda średniej ruchomej jest podobna do wygładzania wykładniczego 10-13. Jaki wpływ na wykładniczy model wygładzający będzie zwiększał stałą wygładzania o 10-14. W jaki sposób skorygowane wygładzanie wykładnicze różni się od wygładzania wykładniczego 10-15. Co decyduje o wyborze stałej wygładzania dla trendu w skorygowanym modelu wygładzania wykładniczego 10-16. W rozdziałach dotyczących metod szeregów czasowych zakłada się, że początkowa prognoza jest taka sama jak rzeczywiste zapotrzebowanie w pierwszym okresie. Zaproponuj inne sposoby uzyskiwania prognozy początkowej w rzeczywistym użytkowaniu. 10-17. W jaki sposób liniowy model prognozowania linii trendu różni się od modelu regresji liniowej do prognozowania 10-18. Spośród modeli szeregów czasowych przedstawionych w tym rozdziale, w tym średniej ruchomej i ważonej średniej ruchomej, wygładzania wykładniczego i skorygowanego wykładniczego wygładzania oraz liniowej linii trendu, którą z nich uważasz za najlepszą Dlaczego 10-19. Jakie zalety ma skorygowana wykładnicza wygładzalność ponad liniową linię trendu dla prognozowanego popytu, która wykazuje trend 4 K. B. Kahn i J. T. Mentzer, Prognozy na rynku konsumenckim i przemysłowym, Dziennik prognoz biznesowych 14, nr. 2 (Lato 1995): 21-28.Chłopcy Czterech (MC i TF) Jakie dwie liczby zawarte są w codziennym raporcie do CEO Walt Disney Parks amp Resorts w odniesieniu do sześciu parków Orlando. wczorajsze dni przewidywały frekwencję i wczorajszą frekwencję b. wczoraj faktyczna frekwencja i dzisiejsza przewidywana frekwencja c. wczoraj prognozowana frekwencja i dzisiejsza przewidywana frekwencja d. wczoraj faktyczna frekwencja i ostatnie lata faktyczna frekwencja. wczorajsza prognozowana frekwencja i średni dzienny błąd prognozy z roku na rok Sześciomiesięczna średnia ruchoma prognoza jest lepsza niż trzymiesięczna średnia ruchoma prognoza na żądanie. jest raczej stabilny. zmienia się z powodu ostatnich działań promocyjnych. podąża za trendem spadkowym. następuje sezonowość, która powtarza się dwa razy w roku. podąża za trendem wzrostowym Dla danego popytu na produkt równanie trendów szeregów czasowych wynosi 53 - 4 X. Znak ujemny na zboczu równania a. jest matematyczną niemożliwością. oznacza, że ​​prognoza jest stronnicza, a wartości prognoz są niższe niż rzeczywiste wartości c. jest wskaźnikiem, że popyt na produkty spada d. oznacza, że ​​współczynnik determinacji będzie również ujemny. oznacza, że ​​RSFE będzie ujemny. Które z poniższych stwierdzeń jest prawdziwe w odniesieniu do dwóch stałych wygładzania modelu Forecast Including Trend (FIT). Jedna stała jest dodatnia, a druga ujemna. b. Nazywają się MAD i RSFE. do. Alfa jest zawsze mniejsza niż beta. re. Jedna stała wygładza punkt przecięcia regresji, podczas gdy druga wygładza nachylenie regresji. mi. Ich wartości są ustalane niezależnie. Oczekuje się, że popyt na dany produkt wynosi 800 sztuk miesięcznie, średnio w ciągu 12 miesięcy w roku. Produkt jest zgodny z modelem sezonowym, dla którego miesięczny wskaźnik miesięczny wynosi 1,25. Jaka jest sezonowa prognoza sprzedaży na styczeń. 640 jednostek b. 798,75 jednostek. 800 jednostek d. 1000 jednostek e. nie można obliczyć za pomocą podanych informacji Indeks sezonowy dla serii miesięcznej ma zostać obliczony na podstawie trzyletniej kumulacji danych. Trzy poprzednie lipcowe wartości to 110, 150 i 130. Średnia dla wszystkich miesięcy wynosi 190. Przybliżony indeks sezonowy za lipiec to. 0,487 b. 0,684 c. 1.462 d. 2.053 e. nie można obliczyć za pomocą podanych informacjiR-Uwagi to seria wprowadzających uwag na tematy, które mieszczą się w szerokim polu badań operacyjnych (OR). Pierwotnie były używane przeze mnie w kursie wprowadzającym LUB kursie, który prowadzę w Imperial College. Są one teraz dostępne do użytku dla wszystkich uczniów i nauczycieli zainteresowanych OR, z zastrzeżeniem następujących warunków. Pełną listę tematów dostępnych w OR-Notes można znaleźć tutaj. Przykłady prognoz Przykład prognozy 1996 Egzamin UG Popyt na produkt w każdym z ostatnich pięciu miesięcy przedstawiono poniżej. Użyj średniej ruchomej z dwóch miesięcy, aby wygenerować prognozę popytu w miesiącu 6. Zastosuj wygładzanie wykładnicze ze stałą wygładzania równą 0,9, aby wygenerować prognozę popytu na popyt w miesiącu 6. Która z tych dwóch prognoz wolisz i dlaczego? średnia dla miesięcy od dwóch do pięciu jest podana przez: Prognoza dla szóstego miesiąca jest tylko średnią kroczącą z miesiąca poprzedzającego, tj. średnią kroczącą dla miesiąca 5 m 5 2350. Stosując wygładzanie wykładnicze ze stałą wygładzania wynoszącą 0,9 otrzymujemy: jak poprzednio prognoza dla szóstego miesiąca jest tylko średnią dla miesiąca 5 M 5 2386 Aby porównać dwie prognozy, obliczamy średnie odchylenie kwadratu (MSD). Jeśli to zrobimy, stwierdzimy, że dla średniej ruchomej MSD (15-19) sup2 (18-23) sup2 (21-24) sup23 16,67 i dla wykładniczo wygładzonej średniej ze stałą wygładzania 0,9 MSD (13-17) sup2 (16,60 - 19) sup2 (18,76 - 23) sup2 (22,58 - 24) sup24 10,44 Ogólnie rzecz biorąc widzimy, że wygładzanie wykładnicze wydaje się dawać najlepsze prognozy na jeden miesiąc z wyprzedzeniem, ponieważ ma niższy MSD. Dlatego preferujemy prognozę 2386, która została wygenerowana przez wygładzanie wykładnicze. Przykład prognozy 1994 Egzamin UG Poniższa tabela pokazuje zapotrzebowanie na nową wodę po goleniu w sklepie dla każdego z ostatnich 7 miesięcy. Obliczyć dwumiesięczną średnią ruchomą dla miesięcy dwóch do siedmiu. Jaka byłaby twoja prognoza na popyt w ósmym miesiącu Zastosuj wygładzanie wykładnicze ze stałą wygładzania równą 0,1, aby uzyskać prognozę popytu w ósmym miesiącu. Która z dwóch prognoz na miesiąc osiem wolisz i dlaczego Właściciel sklepu uważa, że ​​klienci przestawiają się na nową wodę po goleniu od innych marek. Przedyskutuj sposób modelowania tego zachowania przełączającego i wskaż dane, które będą potrzebne do potwierdzenia, czy to przełączanie występuje, czy nie. Dwumiesięczna średnia ruchoma dla miesięcy od dwóch do siedmiu jest wyrażona przez: Prognoza dla ósmego miesiąca to tylko średnia krocząca z miesiąca poprzedzającego, tj. Średnia krocząca dla miesiąca 7 m 7 46. Zastosowanie wygładzania wykładniczego ze stałą wygładzania równą 0,1. uzyskać: Tak jak przed prognozą na miesiąc 8 to tylko średnia dla miesiąca 7 M 7 31,11 31 (ponieważ nie możemy mieć popyt cząstkowy). Aby porównać dwie prognozy, obliczamy średnie odchylenie kwadratu (MSD). Jeśli to zrobimy, stwierdzimy, że dla średniej ruchomej i dla wygładzonej wykładniczo średniej ze stałą wygładzania 0,1 Ogólnie rzecz biorąc, wydaje się, że dwumiesięczna średnia ruchoma daje najlepsze prognozy na jeden miesiąc z wyprzedzeniem, ponieważ ma niższy MSD. Dlatego preferujemy prognozę 46, która została wyprodukowana przez dwumiesięczną średnią ruchomą. Aby zbadać przełączanie, potrzebowalibyśmy modelu procesu Markowa, w którym stany marek i potrzebowalibyśmy początkowych informacji o stanie i prawdopodobieństw przełączania klientów (z ankiet). Musielibyśmy uruchomić model na danych historycznych, aby sprawdzić, czy mamy dopasowanie między modelem a historycznym zachowaniem. Przykład prognozy 1992 Egzamin UG Poniższa tabela pokazuje zapotrzebowanie na konkretną markę maszynki do golenia w sklepie dla każdego z ostatnich dziewięciu miesięcy. Obliczyć trzymiesięczną średnią ruchomą dla miesięcy trzech do dziewięciu. Jaka byłaby twoja prognoza na popyt w miesiącu 10 Zastosuj wygładzanie wykładnicze ze stałą wygładzania równą 0,3, aby uzyskać prognozę popytu w miesiącu dziesiątym. Którą z dwóch prognoz na miesiąc 10 preferujesz i dlaczego? 3-miesięczna średnia ruchoma dla miesięcy 3-9 jest określona przez: Prognoza dla miesiąca 10 to tylko średnia krocząca dla miesiąca poprzedzającego, tj. Średnia krocząca dla miesiąca 9 m 9 20,33. Stąd (ponieważ nie możemy mieć popyt ułamkowy) prognoza na miesiąc 10 wynosi 20. Stosując wygładzanie wykładnicze ze stałą wygładzania 0,3 otrzymujemy: Tak jak przed prognozą na miesiąc 10 jest to tylko średnia dla miesiąca 9 M 9 18,57 19 (jak my nie może mieć popytu ułamkowego). Aby porównać dwie prognozy, obliczamy średnie odchylenie kwadratu (MSD). Jeśli to zrobimy, stwierdzimy, że dla średniej ruchomej i dla wygładzonej wykładniczo średniej ze stałą wygładzania wynoszącą 0,3 Ogółem widzimy, że trzymiesięczna średnia ruchoma wydaje się dawać najlepsze prognozy na jeden miesiąc z wyprzedzeniem, ponieważ ma niższy MSD. Dlatego preferujemy prognozę 20, która została wyprodukowana przez średnią ruchomą z trzech miesięcy. Przykład prognozy 1991 Egzamin UG Poniższa tabela pokazuje zapotrzebowanie na konkretną markę faksu w domu towarowym w każdym z ostatnich dwunastu miesięcy. Oblicz czteromiesięczną średnią ruchomą dla miesięcy 4 do 12. Jaka byłaby twoja prognoza na popyt w miesiącu 13 Zastosuj wygładzanie wykładnicze ze stałą wygładzania równą 0,2, aby uzyskać prognozę popytu w 13. miesiącu. Która z dwóch prognoz na miesiąc 13 Wolisz i dlaczego Jakie inne czynniki, nieuwzględnione w powyższych obliczeniach, mogą wpłynąć na popyt na faks w miesiącu 13. Czteromiesięczna średnia ruchoma dla miesięcy od 4 do 12 jest określona przez: m 4 (23 19 15 12) 4 17.25 m 5 (27 23 19 15) 4 21 m 6 (30 27 23 19) 4 24,75 m 7 (32 30 27 23) 4 28 m 8 (33 32 30 27) 4 30,5 m 9 (37 33 32 30) 4 33 m 10 (41 37 33 32) 4 35,75 m 11 (49 41 37 33) 4 40 m 12 (58 49 41 37) 4 46,25 Prognoza dla miesiąca 13 to tylko średnia krocząca z miesiąca poprzedzającego, tj. Średnia krocząca za miesiąc 12 m 12 46,25. Stąd (ponieważ nie możemy mieć poparcia cząstkowego) prognoza na miesiąc 13 to 46. Zastosowanie wygładzania wykładniczego ze stałą wygładzania o wartości 0,2 otrzymujemy: Tak jak przed prognozą na miesiąc 13 jest to tylko średnia dla miesiąca 12 M 12 38.618 39 (jak my nie może mieć popytu ułamkowego). Aby porównać dwie prognozy, obliczamy średnie odchylenie kwadratu (MSD). Jeśli to zrobimy, stwierdzimy, że dla średniej ruchomej i dla wygładzonej wykładniczo średniej ze stałą wygładzania wynoszącą 0,2 Ogólnie widać, że czteromiesięczna średnia ruchoma wydaje się dawać najlepsze prognozy na jeden miesiąc z wyprzedzeniem, ponieważ ma niższy MSD. Dlatego wolimy prognozę 46, która została wyprodukowana przez średnią ruchomą z czterech miesięcy. sezonowe zmiany cen reklam, zarówno ta marka, jak i inne marki, ogólna sytuacja gospodarcza, nowa technologia, Przykład prognozy 1989, egzamin UG Poniższa tabela pokazuje zapotrzebowanie na konkretną markę kuchenki mikrofalowej w domu towarowym w każdym z ostatnich dwunastu miesięcy. Obliczyć sześciomiesięczną średnią ruchomą dla każdego miesiąca. Jaka byłaby twoja prognoza popytu w miesiącu 13 Zastosuj wygładzanie wykładnicze ze stałą wygładzania równą 0,7, aby uzyskać prognozę popytu w 13. miesiącu. Która z dwóch prognoz na 13 miesiąc wolisz i dlaczego Teraz nie możemy obliczyć szóstki średnia ruchoma miesiąca do czasu, gdy będziemy mieli co najmniej 6 obserwacji - tzn. możemy obliczyć taką średnią tylko od 6 miesiąca. Zatem mamy: m 6 (34 32 30 29 31 27) 6 30,50 m 7 (36 34 32 30 29 31) 6 32,00 m 8 (35 36 34 32 30 29) 6 32,67 m 9 (37 35 36 34 32 30) 6 34,00 m 10 (39 37 35 36 34 32) 6 35,50 m 11 (40 39 37 35 36 34) 6 36,83 m 12 (42 40 39 37 35 36) 6 38,17 Prognoza dla miesiąca 13 to tylko średnia krocząca dla miesiąc wcześniej niż średnia krocząca za miesiąc 12 m 12 38,17. Stąd (ponieważ nie możemy mieć popyt cząstkowy) prognoza na miesiąc 13 wynosi 38. Zastosowanie wygładzania wykładniczego ze stałą wygładzania 0,7 otrzymujemy: