Merket med enkel glidende gjennomsnitt I uke 6 av kurset vil vi se på etterspørsel og prognoser, et område som får betydelig oppmerksomhet, særlig ettersom interessen i styring av forsyningskjeden vokser, og vi søker å bedre planlegge og koordinere forsyningskjeden som en hel. Det er ofte sagt at prognoser vanligvis er feil, noe spektakulært slik: Læringsmålene for denne uken av kurset er at du bør forstå rollen som prognoser som grunnlag for forsyningskjedenes planlegging. At du vil kunne sammenligne forskjellene mellom uavhengig og avhengig etterspørsel. For det tredje, at du vil kunne identifisere de grunnleggende komponentene i uavhengig etterspørsel, inkludert gjennomsnittlig trend, sesongmessig og tilfeldig variasjon. Du vil kunne beskrive de vanlige kvalitative prognoseteknikker som Delphi Method og Collaborative Forecasting. Du vil forstå grunnleggende kvantitative prognostiseringsteknikker og bruken av nedbrytning for å prognose når trend og sesongmessighet er til stede. Følgende video understreker behovet for nøyaktighet og kommonsens i prognoser: Prognoser kan deles inn i to typer, strategiske og taktiske. Strategiske prognoser brukes til å bidra til etableringen av strategien som vil avgjøre hvordan etterspørselen er oppfylt. Taktiske prognoser brukes til å hjelpe beslutningstaking på en daglig basis. Etterspørselsstyring brukes til å påvirke kildene til produkt - eller tjenestefterspørsel, enten økende etterspørsel, redusert etterspørsel eller opprettholde det på et konstant nivå. Følgende video ser på faktorene som påvirker prognoser i vinindustrien: Avhengig og uavhengig etterspørsel Det er to grunnleggende kilder til etterspørsel, avhengig og uavhengig. Avhengig etterspørsel er etterspørselen som oppstår som følge av etterspørselen etter andre produkter eller tjenester. Uavhengig etterspørsel er etterspørsel som ikke kan prognose ut fra etterspørselen etter et annet produkt eller en tjeneste. Avhengig etterspørsel er vanligvis svært vanskelig å påvirke 8211 Det er etterspørsel som ikke er avhengig av faktorer som du kan påvirke, og heller er det krav som du må møte. Uavhengig etterspørsel kan vanligvis påvirkes og derfor har organisasjoner et valg om de tar en aktiv rolle og påvirker den eller tar en passiv rolle og bare svarer på etterspørselen som eksisterer. Følgende video ser på hvordan Motorola jobber med sine prognoser: I læreboken identifiseres fire grunnleggende typer prognoser. Kvalitativ prognose er basert på menneskelig vurdering, og noen av teknikkene som brukes i kvalitative prognoser vil bli diskutert nedenfor. Tidsserieanalyse ser på datamønstre over tid. Årsakssammenheng ser på forholdet mellom faktorer som vil påvirke etterspørselen og simulering søker etter modell etterspørsel slik at sammenhenget mellom etterspørselsfaktorer kan forstås bedre. Følgende video undersøker hvordan etterspørselsbehandling og prognoser utføres på Lowes: Vanligvis er etterspørselen ment å ha seks komponenter, gjennomsnittlig trend, sesongmessige elementer, konjunkturelementer, tilfeldig variasjon og autokorrelasjon. Disse etterspørselselementene gjør det mulig for oss å forstå mønsteret for etterspørsel etter et produkt som kan brukes til å forutsi fremtidig etterspørsel. Gjennomsnittlig etterspørsel er den gjennomsnittlige etterspørselen etter et produkt over tid. Trenden viser hvordan etterspørselen har endret seg over tid, og sesongbasert etterspørsel viser sesongvariasjoner i etterspørselen. Sykliske elementer forekommer over en lengre periode enn sesongmessige elementer og er vanskeligere å forutsi, forekommer, for eksempel som følge av økonomiske sykluser. Tilfeldig variasjon er basert på tilfeldige hendelser som er umulige å forutse, mens automatisk korrelasjon er forholdet mellom fortid og fremtidig etterspørsel, det vil si at fremtidig etterspørsel er knyttet til dagens etterspørsel. Hvor det er en høy grad av tilfeldig variasjon, er det svært lite forhold mellom nåværende etterspørsel og fremtidig etterspørsel. Hvor det er en høy grad av automatisk korrelasjon, er det et sterkt forhold mellom nåværende og fremtidig etterspørsel. Tidsseriemodeller Tidsseriemodeller prognose fremtiden basert på tidligere modeller. Ulike modeller er tilgjengelige, og den du bør bruke, avhenger av tidshorisonten du ønsker å prognose, dataene du har tilgjengelig, nøyaktigheten du trenger, størrelsen på prognosebudget og tilgjengeligheten av kvalifiserte personer til å gjennomføre analysen. Følgende diagram fra side 488 i læreboken er utformet for å hjelpe til med å velge riktig verktøy: Linjær regresjon brukes der det er et funksjonelt forhold mellom to korrelerte variabler, som brukes til å forutsi en variabel basert på den andre. Det er nyttig der dataene er relativt stabile. Nedbrytning av en tidsserie brukes til å identifisere og skille tidsseriedataene i sine ulike etterspørselsbestanddeler. To typer sesongvariasjon er identifisert 8211 additiv, hvor sesongbeløpet i hver sesong er konstant og multiplikativ hvor sesongvariasjonen er en prosentandel av etterspørselen etter en tidsperiode. Det enkle glidende gjennomsnittet er nyttig når etterspørselen er relativt stabil, ikke økende eller redusert raskt, og hvor det er få sesongmessige egenskaper. Flytte gjennomsnitt kan senteres rundt midtpunktet, eller brukes som grunnlag for å forutsi fremtiden. Å bruke en lengre tidsperiode vil resultere i mer utjevning av variasjon, mens bruk av en kortere tidsperiode vil avdekke statistiske trender raskere. Et vektet glidende gjennomsnitt lar deg vektere bestemte tidsperioder i gjennomsnittet for å oppnå større nøyaktighet. For eksempel kan tyngre vekt legges til nyere tidsperioder for å legge større vekt på den siste etterspørselsaktiviteten. Eksponensiell utjevning er den mest brukte av alle prognostiseringsteknikker, og vises i alle databaserte prognoseprogrammer. Det brukes mye i detaljhandel og serviceindustrien. Det er ofte veldig nøyaktig, det er ganske enkelt å gjøre, det er lett å forstå, krever lite beregning og testes enkelt for nøyaktighet. Følgende video detaljer utførelsen av disse prognoseteknikkene: Kvalitativ prognose innebærer å anvende menneskelig vurdering for å skape en prognose. Vanligvis brukes en strukturert tilnærming, i motsetning til dette: Ulike teknikker brukes til kvalitativ prognose, inkludert: Historisk Analogi. Basere prognoser på etterspørselsmønsteret for lignende produkter. Markedsundersøkelse: Prognoser er opprettet av et markedsundersøkelsesfirma, hovedsakelig ved hjelp av undersøkelser og intervjuer. Panel Consensus: Når en gruppe med kunnskap i prognoseområdet, dele sine tanker og utvikle en prognose. Delphi Metode: En undersøkelsesbasert teknikk som skaper anonymitet i en gruppe. Det er beskrevet i følgende video: Samarbeidsprosjekt, prognose og etterfylling. CPFR er en nylig innovasjon som bruker internett for å tillate folk å samarbeide om prognostisering. Det er to typer prognosefeil. Bias feil oppstår der det gjøres en konsekvent feil som gjennomsyrer prognosen gjort. Tilfeldige feil er feil som kan forklares av prognosemodellen 8211 de forekommer tilfeldig og uforutsigbart. Tiltak av prognosefeil inkluderer gjennomsnittlig absolutt avvik (MAD), gjennomsnittlig absolutt prosentfeil (MAPE) og sporingssignal. Følgende video vurderer problemer i menneskelig prognosefeil: Sporingssignal er et mål som brukes til å overvåke den faktiske ytelsen til prognosen over tid for å se om den er i tråd med endringene i etterspørselen i den virkelige verden. Den kan brukes som et kvalitetsstyringsdiagram. Denne uken har vi vurdert etterspørselsbehandling og prognose, ved hjelp av både kvalitative og kvantitative teknikker. Det har vært lagt vekt på å sikre at prognosene er realistiske, og det er blitt gitt forsiktighet om bruk av prognoser basert på tidligere resultater 8211, det forteller vanligvis ikke hva fremtiden vil gjøre, men vil ofte hjelpe deg med å forberede. Følgende video har anvendelse av informasjonsteknologi til prognose og er kanskje en humoristisk konklusjon til denne uken8217s materiale: MPR2 - Forecasting Demand En type prognoser som bruker årsaks-og-foreningsforeninger til å forutsi og forklare forhold mellom de uavhengige og avhengige variablene. Et eksempel på en årsaksmodell er en økonometrisk modell som brukes til å forklare etterspørselen etter boliger, basert på forbrukerbase, renter, personlige inntekter og tilgjengelighet. CPFR (Collaborative Planning, Forecasting Amp Replenishment) En samarbeidsprosess hvorved handelspartnere i forsyningskjeden i fellesskap kan planlegge viktige forsyningskjedeaktiviteter fra produksjon og levering av råvarer til produksjon og levering av sluttprodukter til sluttkunder. Samarbeid omfatter forretningsplanlegging, salgsprognoser og alle operasjoner som kreves for å fylle opp råvarer og ferdige varer. Foreløpig ledelsesprognose av SKU, pris, vare, valuta, marginal, land, kanal, kundestedssted etc. Oppbevaring av lager og sikkerhetslager i henhold til til kundens behov ved hjelp av plan for planlegging av servicenivåoptimaliseringsbehov og korrigere lagermangel og overskudd på daglig, ukentlig eller månedlig basis. Lag tidsplanlagte beholdningsplaner etter element, noe som resulterer i et optimalt lagernivå. Salgsoperasjonsplanlegging Identifiser og løse forretningsproblemer før de blir gjeld. Spor KPIer (nøkkelindikatorer), utfør gapanalyse og optimaliser salgsplaner. Detailplanlegging Tillat profilering på forretningsnivå via klyngemetoder Brukerdefinerte formler for å identifisere ytelsesmålinger fra hver forhandler. Samarbeid Automatiser og administrere informasjonsutvekslingen mellom kjøpere og selgere En hendelseskalender gir et konsolidert syn på hver handelspartnerplan Avanserte planleggingsplaner på tvers av flere anlegg som håndterer kritiske produksjonsbegrensninger Nøyaktig forutsi materialene og ressursene som trengs for hver jobb og når det skal fullføres Supply Kjedeordliste - W-veidende gjennomsnittligForecast Management Forecast ved SKU, pris, vare, valuta, margin, land, kanal, kundestedssted etc. Oppbevar lager og sikkerhetslager i henhold til kundens krav ved å bruke Service Level Optimizer Requirements Planning Project a nd korrekt inventar mangler og overskudd på daglig, ukentlig eller månedlig basis. Lag tidsplanlagte beholdningsplaner etter element, noe som resulterer i et optimalt lagernivå. Salgsoperasjonsplanlegging Identifiser og løse forretningsproblemer før de blir gjeld. Spor KPIer (nøkkelindikatorer), utfør gapanalyse og optimaliser salgsplaner. Detailplanlegging Tillat profilering på forretningsnivå via klyngemetoder Brukerdefinerte formler for å identifisere ytelsesmålinger fra hver forhandler. Samarbeid Automatiser og administrere informasjonsutvekslingen mellom kjøpere og selgere En hendelseskalender gir et konsolidert syn på hver handelspartnerplan Avanserte planleggingsplaner på tvers av flere anlegg som håndterer kritiske produksjonsbegrensninger Nøyaktig forutsi materialene og ressursene som trengs for hver jobb og når det skal fullføres Supply Kjede Ordliste - S enkel glidende gjennomsnitt
No comments:
Post a Comment