Strategia Operazioni dei compiti a casa. 1. (TCO 5) Quali sono le previsioni per maggio, sulla base di una media mobile ponderato applicato ai seguenti dati passato-demand e utilizzando i pesi 4, 3, 2 (il peso più grande è per la maggior parte dei dati recenti) Nov. Dic Jan . Feb. Mar. Aprile 37 36 40 42 47 43 (Punti: 6) 42.5. mostrare più 1. (TCO 5) Quali sono le previsioni per maggio, sulla base di una media mobile ponderato applicato ai seguenti dati passato-demand e utilizzando i pesi 4, 3, 2 (il peso più grande è per la maggior parte dei dati recenti) 2 novembre . (TCO 5) Dipartimento Jim039s in un grande magazzino locale ha monitorato le vendite di un prodotto nel corso degli ultimi dieci settimane di livellamento esponenziale con un alfa di 0,4. Nel mese di gennaio ha previsto 150.000 nelle vendite e ha raggiunto 155.000 è la vendita. L'utilizzo di questo stesso modello di previsione, la stima delle vendite Jims febbraio. (Punti: 6) 152.000 155.000 157.000 305.000 3. (TCO 5) Utilizzo di tre anni in movimento previsione media l'importo per l'anno 10. Anno 99 (Punti: 7) Anno 10 122.87 Anno 10 99,98 Anno 10 110.67 Anno 10 115.87Chapter 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. prevedere quando la previsione, un 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 catena. Un previsione Esempi di calcolo A.1 Previsioni Calcolo metodi Dodici metodi di calcolo previsioni sono disponibili. La maggior parte di questi metodi prevedono il controllo utente limitato. Ad esempio, potrebbe essere specificato il peso posto sulla recente dati storici o l'intervallo di date di dati storici utilizzati nei calcoli. I seguenti esempi mostrano la procedura di calcolo per ciascuno dei metodi di previsione disponibili, in un insieme identico di dati storici. I seguenti esempi usano gli stessi 2004 e 2005 i dati di vendita per produrre una previsione di vendita del 2006. Oltre al calcolo previsioni, ogni esempio include un 2005 elaborate simulato per un periodo di tre mesi di disinnesto (elaborazione opzione 19 3) che viene poi utilizzata per cento di accuratezza e significa calcoli deviazione assoluta (vendite effettive rispetto alla previsione simulato). A.2 previsione Criteri di valutazione delle prestazioni seconda selezione di opzioni di elaborazione e sulle tendenze ei modelli esistenti nei dati di vendita, alcuni metodi di previsione si esibiranno meglio di altri per una determinata serie di dati storici. Un metodo di previsione che è appropriato per un prodotto può non essere adatto per un altro prodotto. E 'anche improbabile che un metodo di previsione che fornisce buoni risultati in una fase del ciclo di vita dei prodotti rimarrà appropriata durante l'intero ciclo di vita. Si può scegliere tra due metodi per valutare le prestazioni attuali dei metodi di previsione. Questi sono Deviazione assoluta media (MAD) e Percentuale di Precisione (POA). Entrambi questi metodi di valutazione delle prestazioni richiedono dati di vendita storici per un periodo di tempo specificato dall'utente. Questo periodo di tempo è chiamato un periodo di disinnesto o periodi best fit (PBF). I dati di questo periodo è utilizzato come base per raccomandare quale dei metodi di previsione da utilizzare nella fabbricazione proiezione previsioni successivo. Questa raccomandazione è specifico per ciascun prodotto, e può variare da una generazione previsioni a quella successiva. I metodi di valutazione delle prestazioni di due previsioni sono dimostrati nelle pagine seguenti gli esempi dei metodi di previsione dodici. A.3 Metodo 1 - percentuale specificata rispetto allo scorso anno Questo metodo moltiplica i dati di vendita rispetto all'anno precedente di un fattore specificato dall'utente, ad esempio, 1,10 per un aumento del 10, o 0,97 per un 3 diminuzione. Richiesto storia delle vendite: un anno per il calcolo della previsione più il numero specificato dall'utente di periodi di tempo per la valutazione delle prestazioni del tempo (opzione di elaborazione 19). A.4.1 Previsione Gamma di calcolo della storia delle vendite da utilizzare per il calcolo del fattore di crescita (elaborazione opzione 2a) 3 in questo esempio. Somma gli ultimi tre mesi del 2005: 114 119 137 370 Somma gli stessi tre mesi del precedente esercizio: 123 139 133 395 Il fattore calcolato 370.395 0,9367 Calcolare le previsioni: gennaio 2005 le vendite 128 0,9367 119.8036 o circa 120 febbraio 2005 le vendite 117 0.9367 109,5939 o circa 110 marzo 2005 le vendite 115 0,9367 107.7205 o circa 108 A.4.2 Previsioni simulato calcolo Somma i tre mesi del 2005 prima di holdout periodo (luglio, agosto, settembre): 129 140 131 400 Somma gli stessi tre mesi per la anno precedente: 141 128 118 387 Il fattore calcolato 400.387 1,033,591731 millions Calcolare previsione simulata: ottobre 2004 le vendite 123 1,033,591731 millions 127,13,178 mila novembre 2004 le vendite 139 1,033,591731 millions 143,66,925 mila dicembre 2004 le vendite 133 1,033,591731 millions 137,4677 A.4.3 percentuale di precisione di calcolo POA (127,13,178 mila 143,66,925 mila 137,4677) (114 119 137) 100 408,26873 370 100 110,3429 A.4.4 medio assoluto MAD Deviazione di calcolo (127,13178-114 143,66 mila novecentoventicinque - 119 137.4677- 137) 3 (13,13178 24,66925 0,4677) 3 12,75624 A.5 metodo 3 - L'anno scorso a questo anno Questo metodo copie dei dati di vendita rispetto all'anno precedente per l'anno successivo. Richiesto storia delle vendite: un anno per il calcolo della previsione più il numero di periodi di tempo specificati per la valutazione delle prestazioni del tempo (opzione di elaborazione 19). A.6.1 Previsione calcolo Numero di periodi da includere nella media (elaborazione opzione 4a) 3 in questo esempio per ogni mese di previsione, la media dei precedenti tre mesi di dati. Gennaio previsione: 114 119 137 370, 370 3 123,333 o 123 Febbraio previsione: 119 137 123 379, 379 3 126,333 o 126 marzo previsione: 137 123 126 379, 386 3 128,667 o 129 A.6.2 Previsioni simulato di calcolo ottobre 2005 le vendite (129 140 131) 3 133,3333 novembre 2005 le vendite (140 131 114) 3 128,3333 vendite dicembre 2005 (131 114 119) 3 121,3333 A.6.3 Percentuale di POA precisione di calcolo (133,3333 128,3333 121,3333) (114 119 137) 100 103,513 A.6.4 medio assoluto deviazione Calcolo MAD (133.3333 - 114 128.3333 - 119 121.3333 - 137) 3 14,7777 A.7 Metodo 5 - Linear approssimazione lineare Approssimazione calcola una tendenza basata su due punti dati di vendita di storia. Questi due punti definiscono una linea di tendenza retta che si proietta nel futuro. Utilizzare questo metodo con cautela, in quanto le previsioni a lungo raggio vengono sfruttate da piccole variazioni in soli due punti dati. Richiesto storia delle vendite: il numero di periodi da includere nella regressione (opzione di elaborazione 5a), più 1 più il numero di periodi di tempo per la valutazione delle prestazioni del tempo (opzione di elaborazione 19). A.8.1 Previsione Calcolo numero di periodi da includere nella regressione (lavorazione opzione 6a) 3 in questo esempio per ogni mese di previsione, aggiungere l'aumento o la diminuzione durante i periodi specificati prima di Holdout periodo dell'esercizio precedente. Media dei tre mesi precedenti (114 119 137) 3 123,3333 Sintesi dei tre mesi precedenti con peso considerati (114 1) (119 2) (137 3) 763 Differenza tra i valori 763-123,3333 (1 2 3) 23 Ratio ( 12 22 32) - 2 14 marzo-2 dicembre value1 DifferenceRatio 232 11.5 valore2 media - rapporto valore1 123,3333-11,5 2 100,3333 meteo (1 n) valore1 valore2 4 11.5 100,3333 146,333 o 146 Previsione 5 11,5 100,3333 157,8333 o 158 Previsione 6 11.5 100,3333 169,3333 o 169 A.8.2 Previsioni simulato di calcolo vendite di ottobre 2004: media dei tre mesi precedenti (129 140 131) 3 133,3333 Sintesi dei tre mesi precedenti con peso considerati (129 1) (140 2) (131 3) 802 Differenza tra il valori 802-133,3333 (1 2 3) 2 ratio (12 22 32) - 2 14 marzo-2 Dicembre value1 DifferenceRatio 22 1 valore2 media - rapporto valore1 133,3333-1 2 131,3333 meteo (1 n) valore1 valore2 4 1 131,3333 135,3333 novembre 2004 vendita media dei tre mesi precedenti (140 131 114) 3 128,3333 Sintesi dei tre mesi precedenti con peso considerati (140 1) (131 2) (114 3) 744 Differenza tra i valori 744-128,3333 (1 2 3) -25,9999 value1 DifferenceRatio -25,99992 -12,9999 Valore2 media - rapporto valore1 128,3333 - (-12,9999) 2 154,3333 previsione a 4 -12,9999 154,3333 102,3333 dicembre 2004 di vendita medio dei tre mesi precedenti (131 114 119) 3 121,3333 Sintesi dei precedenti tre mesi con peso considerato (131 1) (114 2) (119 3) 716 Differenza tra i valori 716 - 121,3333 (1 2 3) -11,9999 value1 DifferenceRatio -11,99992 -5,9999 Valore2 media - rapporto valore1 121,3333 - (-5,9999) 2 133,3333 previsione a 4 (- 5,9999) 133,3333 109,3333 A.8.3 Percentuale di POA precisione di calcolo (135.33 102.33 109.33) (114 119 137) 100 93.78 A.8.4 medio assoluto MAD deviazione di calcolo (135,33-114 102,33-119 109,33-137) 3 21.88 A.9 Metodo 7 - secondo Grado approssimazione lineare di regressione determina i valori di a e B nella formula previsioni Y un bX con l'obiettivo di una linea retta ai dati storici di vendita. In secondo grado di approssimazione è simile. Tuttavia, questo metodo determina valori di a, b, e c nella formula previsioni Y a bX CX2 con l'obiettivo di montare una curva ai dati storici vendite. Questo metodo può essere utile quando il prodotto è nel passaggio tra le fasi di un ciclo di vita. Ad esempio, quando un nuovo prodotto si sposta da introduzione a stadi di crescita, la tendenza di vendita può accelerare. A causa del secondo termine di ordine, la previsione può avvicinarsi rapidamente infinito o scendere a zero (a seconda che il coefficiente c è positivo o negativo). Pertanto, questo metodo è utile solo nel breve periodo. specifiche di previsione: Le formule trova a, b, c per adattarsi una curva a esattamente tre punti. Si specifica n nell'opzione di elaborazione 7a, il numero di periodi di tempo di dati di accumulare in ognuno dei tre punti. In questo esempio n 3. Pertanto, i dati di vendita effettivi per aprile a giugno sono combinati in il primo punto, Q1. Luglio a settembre vengono aggiunti insieme per creare Q2 e ottobre a dicembre somma da Q3. La curva verrà montato tre valori Q1, Q2, Q3 e. storia delle vendite obbligatori: 3 n periodi per il calcolo della previsione più il numero di periodi di tempo necessari per la valutazione delle performance di previsione (PBF). Numero di periodi da includere (elaborazione opzione 7a) 3 in questo esempio Utilizzare i precedenti (3 N) mesi in blocchi di tre mesi: Q1 (apr-Giu) 125 122 137 384 Q2 (LUG-SET) 129 140 131 400 Q3 ( ott-dic) 114 119 137 370 la fase successiva prevede il calcolo dei tre coefficienti a, b, e c per essere utilizzata nella formula previsione Y a bX CX2 (1) Q1 un CX2 bX (dove X 1) abc (2) Q2 un CX2 bX (dove X 2) una 2b 4c (3) Q3 un CX2 bX (dove X 3) un 3b 9c risolvere le tre equazioni simultaneamente per trovare b, a, c: Sottrarre l'equazione (1) dall'equazione (2) e risolvere per b (2) - (1) Q2 - Q1 b 3c Substitute questa equazione per b nell'equazione (3) (3) Q3 3 (Q2 - Q1) - 3c c Infine, sostituire queste equazioni per ae b in l'equazione (1) Q3 - 3 (Q2 - Q1) (q2 - Q1) - 3c c Q1 c (Q3 - Q2) (Q1 - Q2) 2 Il metodo secondo grado ravvicinamento calcola a, b, e c come segue: a Q3 - 3 (Q2 - Q1) 370-3 (400 - 384) 322 C (3T - Q2) (Q1 - Q2) 2 (370 - 400) (384 - 400) 2 -23 b (Q2 - Q1) - 3 quater ( 400-384) - (3 -23) 85 Y a bX CX2 322 85X (-23) X2 gennaio a marzo del tempo (X4): (322 340-368) 3 2943 98 per periodo aprile a previsioni di giugno (X5): ( 322 425-575) 3 57,333 o 57 per periodo luglio a settembre del tempo (X6): (322 510-828) 3 1,33 o 1 per ogni periodo ottobre a dicembre (X7) (322 595-11.273 -70 A.9.2 previsioni simulato Calcolo ottobre, novembre e dicembre 2004 le vendite: Q1 (gen - mar) 360 Q2 (apr-giu) 384 Q3 (lug-SET) 400 a 400 - 3 (384 - 360) 328 C (400 - 384) (360 - 384 ) 2 -4 b (384-360) - 3 (-4) 36 328 36 4 (-4) 163 136 A.9.3 Percentuale di POA precisione di calcolo (136 136 136) (114 119 137) 100 110.27 A.9.4 media deviazione assoluta Calcolo MAD (136-114 136-119 136-137) 3 13.33 A.10 Metodo 8 - metodo flessibile Il metodo flessibile (per cento rispetto al n mesi prima) è simile al metodo 1, cento rispetto allo scorso anno. Entrambi i metodi si moltiplicano i dati di vendita provenienti da un periodo di tempo precedente di un fattore specificato dall'utente, quindi progetto che risultano nel futuro. Nella cento rispetto allo scorso anno il metodo, la proiezione si basa sui dati dello stesso periodo dell'esercizio precedente. Il metodo flessibile aggiunge la possibilità di specificare un periodo di tempo diverso da quello dello stesso periodo dello scorso anno da utilizzare come base per i calcoli. Fattore di moltiplicazione. Ad esempio, specificare 1.15 in opzione di elaborazione 8b per aumentare i dati storici delle vendite precedenti da 15. periodo di Base. Ad esempio, n 3 causerà la prima previsione per essere basato su dati di vendita nel mese di ottobre 2005. Minimo storia delle vendite: il numero specificato dall'utente di periodi indietro al periodo base, più il numero di periodi di tempo necessari per valutare le prestazioni di previsione ( PBF). A.10.4 media assoluta Deviazione Calcolo MAD (148-114 161-119 151-137) 3 30 A.11 Metodo 9 - Weighted Moving Average Il metodo ponderata media mobile (WMA) è simile al metodo 4, media mobile (MA). Tuttavia, con la ponderata media mobile è possibile assegnare pesi diseguali ai dati storici. Il metodo calcola una media ponderata di storia recente vendite per arrivare ad una proiezione per il breve termine. Dati più recenti è di solito un fattore di ponderazione maggiore di dati più vecchi, quindi questo rende WMA più reattiva ai cambiamenti nel livello delle vendite. Tuttavia, previsione pregiudizi e gli errori sistematici ancora si verificano quando la storia delle vendite di prodotti presenta una forte tendenza o modelli stagionali. Questo metodo funziona meglio per le previsioni a breve gamma di prodotti maturi, piuttosto che per i prodotti nelle fasi di crescita o di obsolescenza del ciclo di vita. n il numero di periodi di storia delle vendite da utilizzare nel calcolo del tempo. Ad esempio, specificare n 3 nell'opzione di elaborazione 9a utilizzare gli ultimi tre periodi come base per la proiezione nel prossimo periodo di tempo. Un grande valore di n (ad esempio 12) richiede più storia di vendita. Essa si traduce in una previsione stabile, ma sarà lenta a riconoscere cambiamenti nel livello di vendite. D'altra parte, un piccolo valore per n (ad esempio 3) risponde rapidamente a cambiamenti nel livello di vendite, ma la previsione può variare così ampiamente che la produzione non può rispondere alle variazioni. Il peso assegnato a ciascuno dei periodi di dati storici. I pesi assegnati dovranno totale a 1.00. Ad esempio, quando n 3, assegnare un peso di 0,6, 0,3, e 0,1, con i dati più recenti che ricevono il maggior peso. Minimo richiesto storia delle vendite: n più il numero di periodi di tempo necessari per valutare le prestazioni di previsione (PBF). MAD (133,5-114 121,7-119 118,7-137) 3 13.5 A.12 Metodo 10 - Linear Smoothing Questo metodo è simile al metodo 9, Weighted Moving Average (WMA). Tuttavia, invece di assegnare arbitrariamente pesi ai dati storici, una formula viene utilizzata per assegnare i pesi che declinano in modo lineare e sommare a 1.00. Il metodo calcola una media ponderata di recente storia delle vendite per arrivare ad una proiezione per il breve termine. Come è vero per tutti lineare in movimento le tecniche di previsione media, pregiudizi meteorologiche e errori sistematici si verificano quando la storia di vendita del prodotto presenta forte tendenza o modelli stagionali. Questo metodo funziona meglio per le previsioni a breve gamma di prodotti maturi, piuttosto che per i prodotti nelle fasi di crescita o di obsolescenza del ciclo di vita. n il numero di periodi di storia delle vendite da utilizzare nel calcolo del tempo. Questo è specificato nella opzione di elaborazione 10a. Ad esempio, specificare n 3 nell'opzione di elaborazione 10b di utilizzare gli ultimi tre periodi come base per la proiezione nel prossimo periodo di tempo. Il sistema assegna automaticamente i pesi ai dati storici che il declino lineare e somma di 1,00. Ad esempio, quando n 3, il sistema assegna pesi di 0,5, 0,3333 e 0,1, con i dati più recenti che ricevono il maggior peso. Minimo richiesto storia delle vendite: n più il numero di periodi di tempo necessari per valutare le prestazioni di previsione (PBF). A.12.1 Previsione Calcolo numero di periodi da includere nel processo di snellimento media (opzione 10a di elaborazione) 3 in questo esempio rapporto per un periodo precedente 3 (n2 n) 2 3 (32 3) 2 36 0,5 Rapporto per due periodi precedenti 2 (N2 n ) 2 2 (32 3) 2 26 0,3333 .. Rapporto per tre periodi precedenti 1 (n2 n) 2 1 (32) 2 3 16 0,1666 .. Gennaio previsione: 137 0.5 119 13 114 16 127.16 o 127 Febbraio previsione: 127 0.5 137 13 119 16 129 marzo previsione: 129 0.5 127 13 137 16 129,666 o 130 A.12.2 simulato previsione di calcolo dell'ottobre 2004 vendite 129 16 140 26 131 36 133,6666 novembre 2004 di vendita 140 16 131 26 114 36 124 dicembre 2004, le vendite 131 16 114 26 119 36 119.3333 A.12.3 percentuale di precisione di calcolo POA (133,6666 124 119,3333) (114 119 137) 100 101,891 A.12.4 media deviazione assoluta Calcolo MAD (133,6666-114 124 - 119 119,3333-137) 3 14,1111 A.13 Metodo 11 - esponenziale Questo metodo è simile al metodo 10, Linear Smoothing. Nel lineare Smoothing il sistema assegna pesi ai dati storici che il declino lineare. In livellamento esponenziale, il sistema assegna pesi che in modo esponenziale decadimento. L'equazione di previsione di livellamento esponenziale è: prevedono un (precedenti vendite effettive) (1 - a) precedente previsione La previsione è una media ponderata delle vendite effettive rispetto al periodo precedente e le previsioni rispetto al periodo precedente. a è il peso applicato alle vendite effettive del periodo precedente. (1 - a) è il peso applicato alla previsione per il periodo precedente. I valori validi per un range da 0 a 1, e di solito sono compresi tra 0,1 e 0,4. La somma dei pesi è 1.00. un (1 - a) 1 Si deve assegnare un valore per la costante di smoothing, a. Se non si assegna valori per la costante di smoothing, il sistema calcola un valore assunto in base al numero di periodi della storia delle vendite di cui l'opzione di elaborazione 11a. una costante smoothing utilizzato per calcolare la media lisciata per il livello generale o la grandezza delle vendite. I valori validi per un range da 0 a 1. n la gamma di dati storici di vendita da includere nei calcoli. In genere un anno di dati di storia delle vendite è sufficiente per stimare il livello generale delle vendite. Per questo esempio, un valore piccolo per n (n 3) è stato scelto al fine di ridurre i calcoli manuali necessarie per verificare i risultati. livellamento esponenziale in grado di generare una previsione basata su un minimo di un punto di dati storici. Minimo richiesto storia delle vendite: n più il numero di periodi di tempo necessari per valutare le prestazioni di previsione (PBF). A.13.1 Previsione Calcolo numero di periodi da includere nel processo di snellimento media (trasformazione opzione 11a) 3, e il fattore alfa (il trattamento opzione 11b) vuoto in questo esempio un fattore per i più vecchi dati di vendita 2 (11), o 1 quando viene specificato alpha un fattore per il 2 ° più vecchi dati di vendita 2 (12), o alfa quando alfa è specificato un fattore per il 3 ° più vecchi dati di vendita 2 (13), o alfa quando alfa è specificato un fattore per i dati di vendita più recenti 2 (1n) o alfa quando viene specificata alfa novembre Sm. AVG. un (ottobre Actual) (1 - a) Ottobre Sm. AVG. 1 114 0 0 114 dicembre Sm. AVG. un (novembre Actual) (1 - a) Novembre Sm. AVG. 23 119 13 114 117,3333 gennaio Previsione un (Dicembre Actual) (1 - a) Dicembre Sm. AVG. 24 137 24 117.3333 127,16,665 mila o 127 febbraio Previsioni meteo gennaio 127 marzo Previsione gennaio Previsioni 127 A.13.2 Previsioni simulato Calcolo luglio 2004 Sm. AVG. 22 129 129 Agosto Sm. AVG. 23 140 13 129 136,3333 settembre Sm. AVG. 24 131 24 136.3333 133.6666 ottobre 2004 le vendite settembre Sm. AVG. 133.6666 agosto 2004 Sm. AVG. 22 140 140 Settembre Sm. AVG. 23 131 13 140 134 Ottobre Sm. AVG. 24 114 24 134 124 novembre 2004 le vendite settembre Sm. AVG. 124 settembre 2004 Sm. AVG. 22 131 131 Ottobre Sm. AVG. 23 114 13 131 119,6666 novembre Sm. AVG. 24 119 24 119.6666 119.3333 dicembre 2004, le vendite settembre Sm. AVG. 119.3333 A.13.3 Percentuale di POA precisione di calcolo (133,6666 124 119.3333) (114 119 137) 100 101,891 A.13.4 medio assoluto MAD deviazione di calcolo (133,6666-114 124 - 119 119.3333 - 137) 3 14,1111 A.14 Metodo 12 - esponenziale con Trend e la stagionalità Questo metodo è simile al metodo 11, esponenziale in quanto un medio lisciato viene calcolato. Tuttavia, il metodo 12 include anche un termine nell'equazione di previsione per calcolare una tendenza levigata. La previsione è composto da un levigato medi acquisiti regolato per un trend lineare. Quando specificato nell'opzione di elaborazione, la previsione è rettificato per stagionalità. una costante smoothing utilizzato per calcolare la media lisciata per il livello generale o la grandezza delle vendite. I valori validi per la gamma alfa da 0 a 1. b la costante di smoothing utilizzato per calcolare la media lisciato per la componente di trend della previsione. I valori validi per gamma beta da 0 a 1. Se un indice stagionale è applicato al ae b previsioni sono indipendenti l'uno dall'altro. Non hanno da aggiungere a 1,0. Minimo richiesto storia delle vendite: due anni più il numero di periodi di tempo necessari per valutare le prestazioni di previsione (PBF). Metodo 12 utilizza due equazioni di livellamento esponenziale e una media semplice per calcolare una media levigata, una tendenza lisciato, e un semplice fattore di media stagionale. A.14.1 Previsione di calcolo A) Un MAD media esponenziale livellata (122,81-114 133,14-119 135,33-137) 3 8.2 A.15 Valutare le previsioni È possibile selezionare metodi di previsione per generare ben dodici le previsioni per ciascun prodotto. Ciascun metodo di previsione creerà probabilmente una proiezione leggermente diverso. Quando migliaia di prodotti sono previste, non è pratico di fare una decisione soggettiva su quale delle previsioni da utilizzare nei vostri programmi per ciascuno dei prodotti. Il sistema valuta automaticamente le prestazioni per ciascuno dei metodi di previsione selezionati, e per ciascuno dei prodotti previsti. Si può scegliere tra due criteri di performance, media deviazione assoluta (MAD) e Percentuale di Precisione (POA). MAD è una misura di errore di previsione. POA è una misura di bias previsione. Entrambe queste tecniche di valutazione delle prestazioni richiedono effettivi dati storici di vendita per un periodo di tempo specificato dall'utente. Questo periodo della storia recente è chiamato un periodo di dati di controllo o di periodi di misura migliore (PBF). Per misurare le prestazioni di un metodo di previsione, utilizzare le formule di previsione per simulare una previsione per il periodo di dati di controllo storici. Ci sarà solitamente differenze tra i dati di vendita reali e il simulato meteo per il periodo di dati di controllo. Quando più metodi di previsione sono selezionati, questo stesso processo si verifica per ogni metodo. previsioni multipli sono calcolati per il periodo di disimpegno, e rispetto alla storia conosciuta vendita per lo stesso periodo di tempo. Il metodo di previsione che produce la migliore corrispondenza (best fit) tra le previsioni e le vendite effettive durante il periodo di dati di controllo è raccomandato per l'uso nei vostri piani. Questa raccomandazione è specifico per ciascun prodotto, e potrebbe cambiare da una generazione previsioni a quella successiva. Deviazione A.16 medio assoluto (MAD) MAD è la media (o media) dei valori assoluti (o grandezza) delle deviazioni (o errori) tra i dati effettivi e previsti. MAD è una misura della grandezza media di errori aspettarsi, dato un metodo di previsione e la storia dei dati. Poiché i valori assoluti sono utilizzati nel calcolo, errori positivi non annullano errori negativi. Quando si confrontano diversi metodi di previsione, quello con il più piccolo MAD ha dimostrato di essere il più affidabile per tale prodotto per tale periodo di disinnesto. Quando la previsione è imparziale e gli errori sono distribuiti normalmente, vi è una semplice relazione matematica tra MAD e le altre due misure comuni di distribuzione, deviazione standard e errore quadratico medio: A.16.1 Percentuale di Precisione (POA) Percentuale di Precisione (POA) è una misura di bias previsione. Quando le previsioni sono sempre troppo alti, le scorte si accumulano e costi di magazzino aumentano. Quando le previsioni sono sempre due bassi, le scorte sono consumati e il servizio clienti declina. Una previsione che è di 10 unità troppo basso, quindi 8 unità troppo alta, quindi 2 unità troppo alte, sarebbe una previsione imparziale. L'errore positivo del 10 viene annullata da errori negativi di 8 e 2. errore effettivo - Previsione Quando un prodotto può essere conservato in magazzino, e quando la previsione è imparziale, una piccola quantità di scorte di sicurezza può essere utilizzato per tamponare gli errori. In questa situazione, non è così importante eliminare errori di previsione come è generare previsioni imparziali. Tuttavia nel settore dei servizi, la situazione sopra dovrebbe essere visto come tre errori. Il servizio dovrebbe essere a corto di personale nel primo periodo, poi sovradimensionati per i prossimi due periodi. Nei servizi, l'entità degli errori di previsione è di solito più importante di quanto non sia pregiudizi del tempo. La somma per il periodo holdout permette errori positivi per annullare gli errori negativi. Quando il totale delle vendite effettive supera il totale delle vendite di previsione, il rapporto è maggiore di 100. Naturalmente, è impossibile essere più di 100 accurate. Quando una previsione è imparziale, il rapporto POA sarà 100. Pertanto, è più desiderabile essere 95 precisa che essere 110 accurate. I criteri POA selezionare il metodo di previsione che ha un rapporto più vicino al POA 100. script in questa pagina migliora la navigazione dei contenuti, ma non cambia il contenuto in qualsiasi way. Question. 1. (TCO 5) Uso di un Foreca media di quattro anni in movimento. 1. (TCO 5) Uso di una previsione media di quattro anni si muove l'ammontare per l'anno della domanda 10. Settimana 79 2 90 1 3 59 4 91 5 140 6 98 7 110 123 8 9 99 (Punti. 10) Anno 10 122.87 Anno 10 107.5 Anno 10 110.67 Anno 10 115.87 2. (TCO 5) favori di acquisti distribuzione azienda piccola bigiotteria importate alla rinfusa, loro pacchetti e li vende ai negozi al dettaglio. Nel mese di febbraio l'azienda ha predetto che avrebbero venduto 10.000 bigiotteria. Le loro vendite di febbraio sono stati 9.000 bigiotteria. Utilizzando un costante livellamento di un alfa di 0,3, il responsabile vendite vuole prevedere le vendite di marzo con livellamento esponenziale. (Punti. 10) 9.700 9.800 bigiotteria bigiotteria 9.500 bigiotteria 10.200 bigiotteria 3. (TCO 8) ABC Motors, Inc. vuole aumentare la capacità con l'aggiunta di un altro equilibratrice. Il costo fisso per una macchina è 6.400, e il suo costo variabile è 3,50 per unità. ABC fa pagare 7,50 per equilibrare una ruota. Qual è il punto di pareggio in unità (Punti. 10) 250 ruote 1600 Ruote 3000 Ruote 3429 4. (TCO 9) Un ristorante con servizio completo sta valutando l'apertura di un nuovo impianto in una determinata città. La tabella seguente mostra i rating di quattro fattori in ciascuno dei due siti potenziali. Fattore Peso Wind City State Line affluenza di popolazione locale .40 30 30 del flusso di traffico .20 50 20 disponibilità parcheggio .10 30 40 Potenziale di crescita .30 20 20 Utilizzando il metodo voto fabbrica, il punteggio per Wind City è e il punteggio per State Line è. (Punti. 10) Wind City 7.00 State Line 7.25 Wind City 14 State Line 14,50 Wind City 28 State Line 29 Wind City 31 State Line 26 5. (TCO 4) L'impianto Dulac Box produce 600 scatole di imballaggio cipresso in due turni di otto ore . L'uso delle nuove tecnologie ha consentito loro di aumentare la produttività 30. La produttività è ora circa. (Punti. 10) 32.5 40.6 boxeshr boxeshr 48.75 boxeshr 81.25 boxeshr 300 boxeshr 6. (TCO 8) Una panetteria ha una capacità di progettazione per cuocere 200 pagnotte di pane al giorno. Tuttavia, a causa di manutenzione programmata delle apparecchiature, gestione ritiene che possano cuocere 150 pagnotte al giorno. Ieri il gas è stato spento mentre la città stava riparando una perdita e solo 10 pagnotte dove forno. Qual è l'efficienza dei forni di ieri (Punti. 10) 5 6.66 10 20 1. (TCO 7) I componenti specifici immessi nella terza casa nella casa di qualità sono soddisfatti da. (Punti. 5) il piano di qualità caratteristiche richieste dei clienti di progettazione Nessuna delle precedenti 2. (TCO 7) Quale dei seguenti è falsa per quanto riguarda computer-aided design (CAD) (Punti. 5) E 'efficiente da utilizzare in più di produzione e impostazioni di progettazione. Si tratta di una tecnologia efficace e in uso significativo. Essa si traduce in cicli di sviluppo più brevi per quasi tutti i prodotti. E 'l'uso del computer per progettare in modo interattivo i prodotti e preparare la documentazione tecnica. È più lento di progettare un prodotto senza utilizzo di CAD. 3. (TCO 7) In quale fase del ciclo di vita del prodotto dovrebbe strategia di prodotto concentrarsi sulle modifiche di processo (Punti. 5) Attuazione Crescita Maturità Declino Nessuno dei (7 TCO) Previsioni sopra 4. sono di solito classificati per orizzonte temporale in tre categorie :. (Punti. 5) a corto raggio, a medio raggio e lungo raggio financeaccounting, marketing e operazioni strategiche, tattiche e operative esponenziale, regressione e serie storiche di reparto, organizzativa e industriale 5. (TCO 8) Quattro tipi di strategie di processo sono. (Punti. 5) beni, servizi, manuali automatizzati, e ibridi, automatizzato, computer e processo di servizio messa a fuoco, messa a fuoco ripetitivo, personalizzazione di massa, e di prodotto modulare attenzione, continuo, discreto e tecnologico 6. (TCO 8) Quale delle seguenti costi sarebbero sostenuti anche in assenza di unità sono prodotte (Punti. 5) costi I costi delle materie prime del lavoro diretto Trasporti costi di costruzione i costi di noleggio costi per acquisti 7. (TCO 8) un sistema che utilizza una cella di lavoro automatizzato controllato da segnali elettronici da un comune centralizzato ambiente computer è chiamato (n). (Punti. 5) la robotica del sistema di controllo adattativo sistema di produzione flessibile sistema automatico del veicolo guidato (AGV) cella di produzione 8. (TCO 8) Quale delle seguenti trasformazioni ha generalmente il più basso utilizzo della struttura (Punti. 5) Processo focalizzato processo ripetitivo processo di prodotto processo - focused processo continuo 9. (TCO 1) Walter Shewhart è elencata tra le persone importanti della gestione delle operazioni a causa dei suoi contributi alla. Controllo (Punti. 5) statistiche statistico qualità di campionamento Tutti la gestione delle operazioni di cui sopra 10. (TCO 1) è applicabile. (Punti. 5) per lo più al settore dei servizi di servizi esclusivamente per lo più al settore manifatturiero ai settori manifatturiero e dei servizi al settore manifatturiero esclusivamente 11. (TCO 2) L'obiettivo fondamentale per l'esistenza di qualsiasi organizzazione è descritto dal suo. (Punti. 5) politiche tattiche visione SWOT analisi Nessuno dei precedenti 12. (TCO 2) Quale delle seguenti non è una strategia di operazioni (Punti. 5) Risposta di leadership a basso costo differenziazione Tutto quanto sopra sono le strategie operative. Nessuno dei precedenti sono strategie operative. 13. (TCO 2) Quali sono le ragioni di una ditta per internazionalizzare le operazioni (Punti. 5) aumentare i costi di migliorare la catena di approvvigionamento forniscono meno beni e servizi Comprendere inventari Tutti del campionamento accettazione sopra 14. (TCO 3). (Punti. 5) è l'applicazione di tecniche statistiche per accettare o rifiutare un sacco di materiale a base di campionamento è stato sviluppato da Frederick Taylor viene utilizzato per determinare se accettare o rifiutare un sacco di materiale in base alla valutazione dei costi separa il naturale e cause assegnabili di variazione 15. (TCO 3) Un processo processo focalizzato è comunemente utilizzato per la produzione. (Punti. 5) ad alto volume, prodotti di alta varietà a basso volume, prodotti di alta varietà ad alto volume, prodotti prodotti a basso varietà a bassa varietà a uno ad alta o bassa volume 1. (TCO 3) Quale delle segue viene generalmente trovata in maggior parte degli ambienti JIT (Punti. 5) elevate quantità di rifiuti sotto forma di tempo e di produzione di rifiuti Una grande quantità di sistemi di spinta riduzione delle scorte variabilità 2. (TCO 3) gestione della qualità totale sottolinea. (Punti. 5) la responsabilità del personale di controllo di qualità per identificare e risolvere tutti i problemi legati alla qualità di un impegno per la qualità che va oltre le questioni aziendali interne ai fornitori e clienti un sistema in cui i manager di forza sono gli unici responsabili delle decisioni di un processo in cui la maggior parte di statistica mettersi in gioco la certificazione ISO 14000 3. (TCO 6) Un disegno di ingegneria. (Punti. 5) Gruppi parti in famiglie mostra graficamente come il prodotto viene assemblato elenca le operazioni, compreso il montaggio e l'ispezione, necessaria per produrre il componente con il materiale di cui il disegno di legge di materiale fornisce istruzioni dettagliate su come eseguire una determinata spettacoli compito le dimensioni, tolleranze, materiali e finiture di un componente 4. (TCO 6) Quale dei seguenti termini si riferisce all'uso di programmi informatici specializzati per dirigere e apparecchiature di fabbricazione di controllo CAD (punti 5). - CAM Computer Aided design - Computer CAM Aided Manufacturing - Computer Aided design modulare Moduli 5. (TCO 6) la tecnica di progettazione di un prodotto che può essere prodotto il requisito anche in condizioni sfavorevoli nel processo di produzione è (punti 5.) progettazione CAD CAM design robusto design modulare design 6. ( TCO 10) L'obiettivo di una strategia delle risorse umane è quello. (Punti. 5) producono la previsione della domanda a più bassi livelli di partita del costo del lavoro con la domanda raggiungere una qualità di vita ragionevole lavoro a basso costo gestire i lavori di lavoro e di progettazione così le persone sono efficacemente ed efficientemente utilizzati 7. (TCO 10) Il luogo di lavoro visivo comprende . (Punti. 5) verniciati simboli per indicare il luogo adeguato per gli attrezzi e l'etichettatura attrezzature di parti, bidoni, e gli strumenti per ridurre kanban rifiuti, segnali visivi, e di controllo statistico di processo (SPC) i grafici di luci e segni colorati per indicare che c'è è un problema Tutto quanto sopra 8. (TCO 11) Nel make-o-acquistare decisione, uno dei motivi per l'acquisto è. (Punti. 5) per assicurare costo di acquisto adeguato apporto inferiore per ottenere una qualità desiderata per rimuovere il fornitore collusione 9. (TCO 11) Quale dei seguenti è un vantaggio di trasporto di goccia (Punti. 5) Riduzione Riduzione tempo i costi di trasporto migliore qualità del prodotto restringimento ridotto Tutte le precedenti 10. (TCO 11) l'obiettivo primario della strategia filiera è. (Punti. 5) per costruire una catena di fornitori che si concentra sulla massimizzazione del valore per il cliente finale di scegliere i fornitori principalmente sulla risposta o la differenziazione di ridurre la produzione lead time di aumentare il numero del fornitore Nessuno dei precedenti 11. (TCO 11) I tre classici tipi di strategie di negoziazione sono. (Punti. 5) la valutazione del fornitore, lo sviluppo del fornitore, e la selezione del fornitore Teoria X, teoria Y, e Teoria Z molti fornitori, alcuni fornitori e modello basato costo keiretsu prezzo, il modello di prezzo di produzione-based, e competitiva offerta Nessuno dei precedenti 12. (TCO 12) programmi a breve termine sono preparati. (Punti. 5) direttamente dai piani aggregati direttamente dal piano principale dal record di inventario per gli articoli che sono stati utilizzati dal prospetti generali che sono derivati dai piani a breve termine dai piani di acquisto 13. (TCO 12) Pianificazione aggregata è la pianificazione della capacità per. (Punti. 5) il lungo raggio gamma immediato il corto raggio in genere da tre a 18 mesi in genere uno o più anni 14. (TCO 13) il processo che coinvolge la riparazione in caso di emergenza o di priorità è noto come (punti. 5) ripartizione manutenzione di emergenza fallimento manutenzione manutenzione manutenzione preventiva manutenzione priorità 15. (TCO 13) La probabilità che un prodotto funzionerà correttamente per un periodo di tempo specificato in determinate condizioni è. (Punti. 5), la funzionalità affidabilità manutenzione durata idoneità all'uso Expert risposta
No comments:
Post a Comment