MATH 540
Robert Lyles - Méthodes quantitatives
Professeur: Subhashis Nandy
méthodes de prévision
Conférence Outline
§Strategic Rôle de la prévision dans la gestion de la chaîne d'approvisionnement et de TQM
§Components de prévision de la demande
Méthodes série §Time
§Forecast Précision
Méthodes §Regression
Composants de prévision
§Short gamme Prévisions
§Encompasses l'avenir immédiat et sont concernés par les opérations quotidiennes d'une entreprise commerciale.
§Medium gamme Prévisions
§Encompasses n'importe où à partir de 1-2 mois à 1 an.
§Encompasses une période plus longue que 1-2 ans.
les formes de Prévisions Mouvement
§Trend
§a progressive, à long terme haut ou le bas mouvement de la demande
§Random variations
§movements de la demande qui ne suivent pas un modèle
§Cycle
§an va-et-vient des mouvements répétitifs de la demande
§Seasonal motif
§an va-et-vient des mouvements répétitifs de la demande survenant périodiquement
les formes de
les méthodes de prévision de Prévisions Mouvement
<§Qualitative
p> § Utilisez jugement de la direction, de l'expertise et de l'opinion de prédire la demande future
série
§Time
§statistical techniques qui utilisent des données historiques sur la demande de prédire la demande future
§Regression méthodes
§attempt de développer une relation mathématique entre la demande et les facteurs qui causent son comportement
processus de prévision
Time Series
§Assume que ce qui a eu lieu dans le passé va continuer à se produire dans l'avenir
§Relate la prévision à un seul facteur - le temps
§Include
§Moving moyenne
§ lissage exponentiel
§Linear Trend Line
Déménagement
moyenne
Bon pour une demande stable avec aucun des modèles de comportement prononcées.
lissage exponentiel
Ceci est une méthode d'étalement qui pondère le de données passé le plus récent plus fortement que les données passé plus lointain.
pour effet de lisser
Constant
ajusté lissage exponentiel
Ligne Tendance linéaire
ajustements saisonniers
Prévisions Précision
erreur §Forecast
§difference