Etterspørselsprognoser Enkelt Moving Average

Kvantitative tilnærminger til prognoser. De fleste av de kvantitative teknikkene beregner etterspørselsprognosen som et gjennomsnitt fra tidligere krav. Følgende er de viktigste etterspørselsforespørsmålsteknikker. Enkel gjennomsnittlig metode Et enkelt gjennomsnitt av krav som oppstår i alle tidligere tidsperioder, tas som etterspørselsprognose for neste tidsperiode i denne metoden Eksempel 1. Enkel gjennomsiktig gjennomsnittlig metode I denne metoden blir gjennomsnittet av kravene fra flere av de siste perioder tatt som etterspørselsprognose for neste tidsperiode Antall tidligere perioder som skal brukes i beregninger er valgt i begynnelsen og holdes konstant som 3-års glidende gjennomsnitt Eksempel 2.Vikket glidende gjennomsnittlig metode I denne metoden tilordnes ulik vekt til de siste etterspørseldataene mens du beregner enkelt glidende gjennomsnitt som etterspørselsprognosen for neste tidsperiode Vanligvis er de nyeste dataene tildelt den høyeste vektfaktoren Eksempel 3. Eksponentiell utjevningsmetode I denne metoden er vektene som signert i eksponentiell rekkefølge Vektene reduseres eksponentielt fra de nyeste etterspørseldataene til eldre etterspørseldata Eksempel 4.Regresjonsanalysemetode I denne metoden brukes tidligere etterspørseldata til å etablere et funksjonelt forhold mellom to variabler. En variabel er kjent eller antatt å være kjent og brukes til å prognostisere verdien av annen ukjent variabel, dvs. etterspørsel. Eksempel 5. Feil i prognose. Spor i prognoser er ingenting, men numerisk forskjell i prognosen etterspørsel og faktisk etterspørsel. MAD Medal Absolutt Avvik og Bias er to tiltak som brukes til å vurdere nøyaktigheten av den forventede etterspørselen Det kan bemerkes at MAD uttrykker størrelsen, men ikke retningen til feilen. OR-Notes er en serie innledende notater om emner som faller under den brede overskriften i operasjonsforskningsområdet ELLER De ble opprinnelig brukt av meg i et innledende eller kurs jeg gir på Imperial College De er nå tilgjengelige for bruk av studenter og lærere som er interessert i eller underlagt Følgende betingelser. En full liste over emnene som er tilgjengelige i OR-Notes finner du her. Forecasting examples. Forecasting eksempel 1996 UG eksamen. Etterspørselen etter et produkt i hver av de siste fem månedene er vist nedenfor. Bruk en to måneders bevegelse gjennomsnitt for å generere en prognose for etterspørsel i måned 6.Apply eksponensiell utjevning med en utjevningskonstant på 0 9 for å generere en prognose for etterspørsel etter etterspørsel i måned 6.Which av disse to prognosene foretrekker du og hvorfor. To måneders glidende gjennomsnitt for måneder to til fem er gitt av. prognosen for måned seks er bare det bevegelige gjennomsnittet for måneden før det vil si det bevegelige gjennomsnittet for måned 5 m 5 2350. søker eksponensiell utjevning med en utjevningskonstant på 0 9 får vi som før prognose for måned seks er bare gjennomsnittet for måned 5 M 5 2386. For å sammenligne de to prognosene beregner vi den gjennomsnittlige kvadratiske avviket MSD Hvis vi gjør dette finner vi det for det bevegelige gjennomsnittet. MSD 15 - 19 18 - 23 21 - 24 3 16 67.og for eksponentielt glatt gjennomsnitt med en utjevningskonstant på 0 9.MSD 13 - 17 16 60 - 19 18 76 - 23 22 58 - 24 4 10 44. I det hele tatt ser vi at eksponensiell utjevning ser ut til å gi de beste månedene fremoverprognoser da det har en lavere MSD Derfor foretrekker vi prognosen for 2386 som har blitt produsert ved eksponensiell utjevning. Forekomsteksempel 1994 UG-eksamen. Tabellen nedenfor viser etterspørselen etter en ny ettershave i en butikk for hver av de siste 7 månedene. Beregn et to måneders glidende gjennomsnitt for måneder to til syv Hva ville være din prognose for etterspørselen i måned åtte. Utfør eksponensiell utjevning med en utjevningskonstant på 0 1 for å utlede en prognose for etterspørselen i måned åtte. Hvilken av de to prognosene for måned åtte foretrekker du og hvorfor. Butikkinnehaveren mener at kundene bytter til denne nye etterbehandlingen fra andre merker. Diskuter hvordan du kan modellere denne koblingsadferd og indikere dataene du vil trenge for å bekrefte om denne byttingen forekommer eller ikke. De to måneders glidende gjennomsnittet for måneden s to til syv er gitt av. Prognosen for måned åtte er bare det bevegelige gjennomsnittet for måneden før det vil si det bevegelige gjennomsnittet for måned 7 m 7 46.Ved å bruke eksponensiell utjevning med en utjevningskonstant på 0 1 får vi. Som før prognose for måned åtte er bare gjennomsnittet for måned 7 M 7 31 11 31 som vi ikke kan ha fraksjonert etterspørsel. For å sammenligne de to prognosene beregner vi den gjennomsnittlige kvadratiske avviket MSD Hvis vi gjør dette finner vi det for det bevegelige gjennomsnittet. og for eksponentielt glatt gjennomsnitt med en utjevningskonstant på 0 1. I det hele tatt ser vi at det to måneders glidende gjennomsnittet ser ut til å gi de beste månedene fremoverprognoser da det har en lavere MSD. Derfor foretrekker vi prognosen på 46 som er produsert av de to måneders glidende gjennomsnitt. For å undersøke bytte vil vi trenge å bruke en Markov-prosessmodell, hvor stater merker og vi vil trenge innledende statsinformasjon og kundeendring sannsynligheter fra undersøkelser. Vi må kjøre modellen på historiske data for å se om vi passe mellom modellen og historisk oppførsel. Forekasting eksempel 1992 UG eksamen. Tabellen nedenfor viser etterspørselen etter et bestemt merke av barberhøvel i en butikk for hver av de ni siste månedene. Beregn et tre måneders glidende gjennomsnitt i måneder tre til ni Hva ville være din prognose for etterspørselen i måneden ti. Bruk eksponensiell utjevning med en utjevningskonstant på 0 3 for å utlede en prognose for etterspørselen i måned ti. Hvem av de to prognosene for måned ti foretrekker du og hvorfor. Tre måneder Flytende gjennomsnitt for månedene 3 til 9 er gitt av. Forventningen for måned 10 er bare det bevegelige gjennomsnittet for måneden før det vil si det bevegelige gjennomsnittet for måned 9 m 9 20 33. Hermed som vi ikke kan ha fraksjonalitet krever prognosen for måned 10 er 20.Applikasjon av eksponensiell utjevning med en utjevningskonstant på 0 3 vi får. Som før prognosen for måned 10 er bare gjennomsnittet for måned 9 M 9 18 57 19 som vi ikke kan ha fraksjonal etterspørsel. For å sammenligne de to prognosene beregner vi gjennomsnittlig kvadratisk devia MSD Hvis vi gjør dette, finner vi det for det bevegelige gjennomsnittet. og for det eksponensielt glattede gjennomsnittet med en utjevningskonstant på 0 3. I det hele tatt ser vi at det tre måneders glidende gjennomsnittet ser ut til å gi de beste månedene forrige prognoser som det har en lavere MSD Derfor foretrekker vi prognosen på 20 som har blitt produsert av tre måneders glidende gjennomsnitt. Forekasting eksempel 1991 UG eksamen. Tabellen nedenfor viser etterspørselen etter et bestemt faksmaskinmerke i et varehus i hver av de siste tolv måneder. Beregn fire måneders glidende gjennomsnitt for måneder 4 til 12 Hva ville være din prognose for etterspørselen i måned 13. Bruk eksponensiell utjevning med en utjevningskonstant på 0 2 for å utlede en prognose for etterspørselen i måned 13.Which av de to prognoser for måned 13 foretrekker du og hvorfor. Hvilke andre faktorer som ikke vurderes i de ovennevnte beregningene, kan påvirke etterspørselen etter faksmaskinen i måned 13. Det fire måneders glidende gjennomsnittet for måneder 4 til 12 er gitt by. 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. Prognosen for måned 13 er bare det bevegelige gjennomsnittet for måneden før det vil si det glidende gjennomsnittet for måned 12 m 12 46 25.Hvordan vi kan ikke ha brøkdel etterspørselen prognosen for måned 13 er 46. Å bruke eksponensiell utjevning med en utjevningskonstant på 0 2 får vi. Som før prognosen for måned 13 er bare gjennomsnittet for måned 12 M 12 38 618 39 som vi ikke kan ha fraksjonell etterspørsel. Til sammenligning av de to prognosene beregner vi den gjennomsnittlige kvadrert avviket MSD Hvis vi gjør dette finner vi det for det bevegelige gjennomsnittet. og for det eksponentielt glatte gjennomsnittet med en utjevningskonstant på 0 2. I det hele tatt ser vi at det fire måneders glidende gjennomsnittet vises å gi de beste månedene fremover prognoser da det har en lavere MSD Derfor foretrekker vi prognosen på 46 som er produsert av fire måneders glidende gjennomsnitt. season All demand. price endres, både denne merkevaren og andre merker. Generell økonomisk situasjon. Ny teknologi. Forekasting eksempel 1989 UG eksamen. Tabellen nedenfor viser etterspørselen etter et bestemt merke av mikrobølgeovn i et varehus i hver av de siste tolv månedene . Beregn et seks måneders glidende gjennomsnitt for hver måned. Hva ville være din prognose for etterspørselen i måned 13. Bruk eksponensiell utjevning med en utjevningskonstant på 0 7 for å utlede en prognose for etterspørselen i måned 13. Hvilken av de to prognosene for måneden 13 foretrekker du og hvorfor. Nå kan vi ikke beregne et seks måneders glidende gjennomsnitt før vi har minst 6 observasjoner - det kan vi bare beregne et slikt gjennomsnitt fra måned 6 fremover. Derfor har vi. 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.Varselet for måned 13 er bare det bevegelige gjennomsnittet for måneden før det dvs. det bevegelige gjennomsnittet for måned 12 m 12 38 17.Hva vi ikke kan ha fraksjonell etterspørsel, er prognosen for måned 13 38. Ved å bruke eksponensiell utjevning med en utjevningskonstant på 0 7 får vi en enkel flytende gjennomsnitt. Den andre ad hoc-metoden er Enkelt glidende gjennomsnitt der tidligere verdier brukes for å finne den mest passende parameteren som gir lavest prognosefeil Den avgjørende delen i denne metoden er riktig valg av antall perioder tatt i prognosen Weatherford og Kimes 2003 testet 2 8 perioder og viste at den laveste feilen ga 8 periode glidende gjennomsnitt. Forventningen beregnes matematisk som følger. Hvor F t 1 - varsel i romforespørsel i periode t 1, x er antall rom solgt i periode i, N-antall fortid perioder Phumchusri og Mongkolkul, 2012 Enkelt glidende gjennomsnitt er enkelt, raskt å beregne og reagere raskere på skift i etterspørsel når N-perioden er liten. Denne metoden har imidlertid to store ulemper. For det første antar man at de siste o bservasjoner er bedre prediktorer enn eldre data For det andre, når data viser oppad eller nedadgående trend, vil metoden bli forvarslet eller underforstått. For å klare slike trender anbefaler Talluri og Van Ryzin 2004 bruk av dobbelt eller trippel glidende gjennomsnitt. Anvendelsen av denne metoden på vårt datasett er tilgjengelig her enkel flytende gjennomsnitt. i vår søknad av denne prognosemetoden som er aktivert for å oppnå MAPE på 4, hva er et veldig godt eksempel Men som tidligere nevnt er denne metoden en dårlig prediktor når etterspørselen er mer ustabil Følgende graf viser en slik situasjon, hvor MAPE utgjorde 60 i modell 2 prognostiserte Verdier1 2 perioder og 55 i modell 8 prognostiserte verdier2 8 perioders. Phumchusri, D Mongkolkul, J 2012 Hotellrom Etterspørsel via Observert reservasjonsinformasjon Prosedyrer i Asia Pacific Industrial Engineering Management Systems Conference 2012, s. 1978-1985.Talluri, K og Van Ryzin, G 2004 Teori og praksis for inntektsforvaltning Boston, K Luwer Academic Publishers. Weatherford, L R Kimes, S E 2003 En sammenligning av prognosemetoder for hotelomsetningsstyring International Journal of Forecasting vol 19, nr. 3, s. 401-415.Søk motoren.