Kvantitatiiviset lähestymistavat. Suurin osa kvantitatiivisista tekniikoista laskee kysynnän ennusteen keskiarvona aiemmasta kysynnästä Seuraavat ovat tärkeät kysynnän ennustustekniikat. Yksinkertainen keskimääräinen menetelmä Kaikkien aikaisempien aikajaksojen vaatimusten yksinkertainen keskiarvo otetaan huomioon Seuraava tapaus tässä menetelmässä Esimerkki 1. Yksinkertainen liukuvan keskiarvomenetelmä Tässä menetelmässä useiden viimeaikaisten kausien vaatimusten keskiarvo otetaan seuraavan kyselyn ennusteeksi seuraavan ajanjakson aikana. Laskelmat valitaan alussa ja pidetään vakiona, kuten 3-portaisena liukuva keskiarvo. Esimerkki 2. Painotettu liukuva keskiarvo - menetelmä Tässä menetelmässä eri vaatimusten mukaiset painot ovat eriarvoisia laskettaessa yksinkertaista liukuvaa keskiarvoa seuraavan kyselyn kysynnän ennusteessa Yleensä viimeisimmistä tiedoista annetaan suurin painokerroin. Esimerkki 3. Eksponentti tasoitusmenetelmä Tässä menetelmässä painot ovat yhtä suuret Allekirjoitettu eksponentiaalisessa järjestyksessä Painot vähenevät eksponentiaalisesti viimeisimmistä kysyntitietoista vanhempaan kysyntitietoon Esimerkki 4.Regression-analyysimenetelmä Tässä menetelmässä aiempien kysynnän tietoja käytetään muodostamaan funktionaalinen suhde kahden muuttujan välillä Yksi muuttuja tunnetaan tai oletetaan tunnetuksi ja Jota käytetään arvioimaan toisen tuntemattoman muuttujan eli kysynnän arvo Esimerkki 5.Error in Forecasting. Error ennusteessa ei ole muuta kuin ennustetun kysynnän ja todellisen kysynnän numeerinen ero MAD Mean Absolute Devise and Bias ovat kaksi toimenpidettä, joita käytetään tarkkuuden arvioimiseen Ennakoidusta kysynnästä Voidaan huomata, että MAD ilmaisee virheen suuruuden mutta ei suunnan. OR-Notes on sarja alustavia muistiinpanoja aiheista, jotka kuuluvat toiminta-alan tutkimuksen laajaan otsikkoon. Minulle opetushallituksessa tai kurssilla, jonka annan Imperial Collegessa. Ne ovat nyt saatavilla kaikille opiskelijoille ja opettajille, jotka ovat kiinnostuneita TAI Seuraavia ehtoja. Täydellinen luettelo OR-Notesin aiheista löytyy täältä. Lähetysesimerkkejä. Forecasting-esimerkki 1996 UG-tentti. Tuotteen kysyntä jokaisesta viimeisestä viidestä kuukaudesta on esitetty alla. Käytä kahden kuukauden liikettä Keskimäärin tuottamaan kysynnän ennuste kuukauteen 6. Sovita eksponentiaalinen tasoitus tasausvakion ollessa 0 9 tuottamaan ennuste kysynnän kysynnästä kuussa 6. Mitkä nämä kaksi ennustusta haluat ja miksi. Kahden kuukauden liukuva keskiarvo Kuukauden kaksi-viisi. Kuukauden kuuden kuukauden ennuste on vain liukuva keskiarvo edellisenä kuukautena, eli 5 m 5 2350 liukuva keskiarvo. Saavutetaan eksponentiaalinen tasoitus, jonka tasoitusvakio on 0 9. Ennuste kuudelle kuudelle kuukaudelle on vain keskimäärin 5 M 5 2386. Jos haluat verrata näitä kahta ennustetta, lasketaan keskimääräinen neliöllinen poikkeama MSD. Jos teemme niin, havaitsemme, että liikkuva keskiarvo. MSD 15 - 19 18 - 23 21 - 24 3 16 67. ja eksponentiaalisesti tasoitetulle keskiarvolle Jonka tasoitusvakio on 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. Yleisesti näemme, että eksponentiaalinen tasoitus näyttää parhaan kuukauden ennusteen, sillä sillä on pienempi MSD Siksi mieluummin ennustetaan 2386, joka on tuotettu eksponentiaalisen tasoituksen. Forecasting esimerkki 1994 UG tentti. Alla olevassa taulukossa esitetään kysyntä uuden jälkiruoka myymälässä kunkin viimeisen 7 kuukauden. Laske kahden kuukauden liukuva keskiarvo kuukautta Kahdesta seitsemään Mikä olisi ennuste kysynnänne kahdeksan kuukauteen? Sovita eksponentiaalinen tasaus tasausvakion ollessa 0 1 saadaksesi ennuste kysynnästä kahdeksannella kuukaudella. Mikä kahdesta kahdeksan kuukauden ennustuksesta haluat ja miksi. Kauppias katsoo, että asiakkaat siirtyvät tästä uudesta jälkiruokasta muista tuotemerkeistä Keskustele siitä, miten voit mallintaa tämän kytkentäkäyttäytymisen ja ilmoittaa tiedot, joita tarvitsisit varmistamaan, onko tämä kytkentä tapahtumassa vai ei. Kuukauden kahden kuukauden liukuva keskiarvo S kahdesta seitsemään on annettu. Ennakkotieto kahdeksalle kuukaudelle on vain liukuva keskiarvo edellisenä kuukautena eli liukuva keskiarvo kuukaudelle 7 m 7 46. Samaa eksponentiaalista tasoitusta, jonka tasoitusvakio on 0 1, saadaan. Ennuste kahdeksalle kuukaudelle on vain keskiarvo kuukaudelle 7 M 7 31 11 31 koska meillä ei voi olla murto-osaa. Vertaamme kahta ennustetta lasketaan keskimääräinen neliöpoikkeama MSD Jos me teemme tämän, havaitsemme, että liikkuvaa keskiarvoa varten. Eksponentiaalisesti tasoitettu keskimäärin tasoitusvakion ollessa 0 1. Yleensä näemme, että kahden kuukauden liukuva keskiarvo näyttäisi antavan parhaan kuukauden ennusteiden, koska sillä on alhaisempi MSD. Tästä syystä pidämme parempana 46: n ennustetta, Kuukauden liukuva keskiarvo. Vaihdon tarkastelemiseksi meidän olisi käytettävä Markovin prosessimallia, jossa merkkituotemerkit ja tarvitsemme alustavat tilatiedot ja asiakkaiden vaihtamismahdollisuudet tutkimuksilta. Meidän olisi käytettävä mallia historiallisissa tiedoissa, jotta voimme On sovitettu mallin ja historiallisen käyttäytymisen välillä. Forecasting esimerkki 1992 UG tentti. Alla olevassa taulukossa esitetään kysyntä tietyn tuotemerkin partakoneen myymälä jokaisen viimeisen yhdeksän kuukauden aikana. Laske kolmen kuukauden liukuva keskiarvo kuukautta kolmesta yhdeksään Mikä olisi ennustuksesi kysynnän kymmeneen kuukauteen? Sovita eksponentti tasoitus tasausvakion ollessa 0 3 saadaksesi ennuste kysynnästä kymmeneen kuukauteen. Mikä kahdesta kuukausittaisesta ennustuksesta haluat ja miksi. Kolmen kuukauden Liukuva keskiarvo kuukausina 3-9 on annettu. Kuukauden 10 ennuste on vain liukuva keskiarvo edellisenä kuukautena, eli 9 m 9 20 33 liikkuvan keskiarvon. Näin ollen ei voi olla osittaista kysyntää 10 kuukauden On 20. Pyrkimys eksponentiaaliseen tasoitukseen tasoitustasolla 0 3 saamme. Ennen kuin kuukauden 10 ennuste on vain kuukauden keskiarvo 9 M 9 18 57 19 koska emme voi olla murto-osaa. Vertaamme kahta ennustetta laskemme Keskimääräinen neliöllinen devia MSD Jos havaitsemme tämän, havaitsemme, että liukuva keskiarvo ja eksponentiaalisesti tasoitettu keskiarvo tasausvakion ollessa 0 3. Kaiken kaikkiaan näemme, että kolmen kuukauden liukuva keskiarvo näyttäisi antavan parhaan kuukauden ennusteen, koska se on Alempi MSD. Siksi mieluummin ennustetaan 20, joka on tuotettu kolmen kuukauden liukuva keskiarvo. Esimerkki esimerkki 1991 UG tentti. Alla olevassa taulukossa esitetään kysyntä tietyn brändin faksiin tavaratalossa kussakin viimeisen kahdentoista Kuukausina. Kalota neljän kuukauden liukuva keskiarvo kuukausia 4-12. Mikä olisi ennusteesi kysynnän kuukauteen 13. Sovita eksponentti tasoitus tasaus vakio 0 2 saadakseen ennuste kysynnän 13.kuukausina. Mikä kaksi Kuukauden 13 ennusteet haluat ja miksi. Mitä muita tekijöitä, joita ei ole otettu huomioon edellä olevissa laskelmissa, saattavat vaikuttaa kuukautiskuukauden kysyntään faksilaitteessa. Neljän kuukauden liukuva keskiarvo kuukausina 4-12 välitetään kuukausittain. 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.Kaupungin ennuste on vain liukuva keskiarvo kuluvalle kuukaudelle eli 12 m 12 46 25: n liukuva keskiarvo. Ei voi olla murto-odotus ennuste kuukausi 13 on 46.Kerroksen eksponentti tasoitus tasoitus tasoa 0 saamme. Kuten ennen ennuste kuukauden 13 on vain keskiarvo kuukauden 12 M 12 38 618 39 koska meillä ei voi olla murto-vaatimus. Mutta vertaillaan kahta ennustetta lasketaan keskimääräinen neliöllinen poikkeama MSD. Jos teemme tämän, havaitsemme, että liikkuva keskiarvo. Ja eksponentiaalisesti tasoitetulle keskiarvolle tasausvakion ollessa 0. Yleensä näemme, että neljän kuukauden liukuva keskiarvo näyttää Antaa parhaan kuukauden ennusteen, koska sillä on alhaisempi MSD. Siksi mieluummin ennuste on 46, joka on tuotettu neljän kuukauden liukuva keskiarvo. Al demand. price muutoksia, sekä tämä brändi ja muut merkit. general taloudellinen tilanne. new teknologia. Forecasting esimerkki 1989 UG tentti. Alla olevassa taulukossa esitetään kysyntä tietyn brändin mikroaaltouunin tavaratalon kullekin viimeisen kahdentoista kuukauden aikana . Laske kuukausittainen kuuden kuukauden liukuva keskiarvo. Mikä olisi ennuste kysynnänne kuukaudelle 13. Sovita eksponentiaalinen tasaus, jonka tasoitusvakio on 0 7, jotta saataisiin ennuste kysynnästä kuukaudessa 13. Mitkä kaksi kuukausittaista ennustusta 13 mieluummin ja miksi. Nyt emme voi laskea kuuden kuukauden liukuvaa keskiarvoa, ennen kuin meillä on vähintään 6 havaintoa - eli voimme laskea tällaisen keskiarvon vain kuudesta kuukaudesta eteenpäin. Näin ollen meillä on 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.Muuta 13 koskeva ennuste on vain edellisen kuukauden liikkuva keskiarvo Eli 12 kuukauden keskiarvo 12 38 17. Näin ollen ei voi olla murto-osaa ennustetta kuudennella kuukaudella. 38. Sovelletaan eksponentiaalinen tasoitus, jonka tasoitusvakio on 0 7. Yksinkertainen liukuva keskiarvo. Toinen ad hoc - menetelmä On yksinkertainen liukuva keskiarvo, jossa aiempia arvoja käytetään sopivimman parametrin löytämiseksi, joka antaa alhaisimman ennustevirheen. Tässä menetelmässä ratkaiseva osa on oikea valinta aikojen lukumäärään ennusteessa Weatherford ja Kimes 2003 testaavat 2 8 jaksoa Ja osoitti, että alin virhe antoi 8 ajan liukuvan keskiarvon. Ennuste matemaattisesti lasketaan seuraavasti: missä F t 1 - huoneen kysyntä ajanjaksolla t 1, x on kauden i, N: Kaudet Phumchusri ja Mongkolkul, 2012 Yksinkertainen liukuva keskiarvo on yksinkertainen, nopea laskea ja reagoimaan nopeammin kysynnän muutoksiin, kun N-aika on pieni. Tällä menetelmällä kuitenkin on kaksi suurta haittaa. Ensinnäkin se olettaa, että viimeisin o Havainnot ovat parempia ennusteita kuin vanhempia tietoja Toiseksi, kun tiedot näyttävät nousevalta tai laskevalta trendiltä, menetelmää jatketaan jatkuvasti eteenpäin tai alaspäin. Tällaisten suuntausten selviämiseksi Talluri ja Van Ryzin 2004 suosittelevat kaksinkertaisen tai kolminkertaisen liukuvan keskiarvon soveltamista. Meidän tietojoukko on saatavilla täältä Yksinkertainen liikkuvan keskiarvon. Tämän ennustamismenetelmän soveltaminen, joka mahdollistaa 4: n MAPE: n saavuttamisen, mikä on erittäin hyvä esimerkki. Kuten edellä mainittiin, tämä menetelmä on heikko ennuste, kun kysyntä on epävakaampi Seuraavassa kaaviossa näkyy tällainen tilanne, jossa MAPE oli 60 mallissa 2 ennustetuilla arvoilla1 ja 55 mallinnettuun 8 ennustettuun arvoon2 8 jaksoa. Phumchusri, D Mongkolkul, J 2012 Hotellihuoneiden kysyntä havainnoitujen varaustietojen avulla Aasian ja Tyynenmeren teollisuus Engineering Management Systems Conference 2012, s. 1978-1985.Talluri, K ja Van Ryzin, G 2004 Tulonhallinnan teoria ja käytäntö Boston, K Luwer Academic Publishers. Weatherford, L R Kimes, S E 2003 Vertailun ennustamismenetelmiä hotellien tulojen hallintaan International Journal of Forecasting vol 19, no 3, s. 401-415.
No comments:
Post a Comment