Capítulos quatro (MC e TF) Quais dois números estão contidos no relatório diário ao CEO da Walt Disney Parks amp Resorts sobre os seis parques de Orlando a. Comparecimento prévio de ontem e presença atual de ontem b. Atendimento atual de ontem e atendimento prévio de hoje c. Atendimento prévio de ontem e atendimento prévio de hoje d. Presença atual de ontem e atendimento atual dos últimos anos e. Atendimento prévio de ontem eo erro médio diário de previsão do ano até a data. Uma previsão média móvel de seis meses é melhor do que uma previsão média móvel de três meses, se a demanda a. É bastante estável b. Mudou devido aos recentes esforços promocionais c. Segue uma tendência descendente d. Segue um padrão sazonal que se repete duas vezes por ano e. Segue uma tendência ascendente. Para uma demanda de produto determinada, a equação de tendência da série temporal é 53 - 4 X. O sinal negativo na inclinação da equação a. É uma impossibilidade matemática b. É uma indicação de que a previsão é tendenciosa, com valores de previsão inferiores aos valores reais c. É uma indicação de que a demanda do produto está em declínio d. Implica que o coeficiente de determinação também será negativo e. Implica que o RSFE será negativo. O que é o seguinte é verdadeiro em relação às duas constantes de suavização do modelo de Previsão Incluindo Tendência (FIT) a. Uma constante é positiva, enquanto a outra é negativa. B. Eles são chamados MAD e RSFE. C. O Alpha é sempre menor que o beta. D. Uma constante suaviza a intercepção de regressão, enquanto a outra suaviza a inclinação da regressão. E. Seus valores são determinados de forma independente. A demanda por um determinado produto é prevista para ser de 800 unidades por mês, em média em todos os 12 meses do ano. O produto segue um padrão sazonal, para o qual o índice mensal de janeiro é de 1,25. Qual é a previsão de vendas ajustada sazonalmente para janeiro a. 640 unidades b. 798.75 unidades c. 800 unidades d. 1000 unidades e. Não pode ser calculado com a informação fornecida Um índice sazonal para uma série mensal está prestes a ser calculado com base em acumulação de dados de três anos. Os três valores anteriores de julho foram 110, 150 e 130. A média em todos os meses é 190. O índice sazonal aproximado para julho é a. 0,487 b. 0,684 c. 1.462 d. 2.053 e. Não pode ser calculado com as informações fornecidas capítulo 12 Planejamento da demanda: previsão e gerenciamento de demanda A principal diferença entre gerenciamento de demanda e previsão de demanda é previsão só é possível quando dados quantitativos estão disponíveis. Uma empresa não pode executar ambas as abordagens simultaneamente. O gerenciamento de demanda é proativo, enquanto prevê tentativas de prever. Uma abordagem trata da incerteza, enquanto a outra lida com a demanda conhecida. O gerenciamento de demanda é proativo, enquanto prevê tentativas de prever. O gerenciamento de demanda proativamente tenta influenciar a demanda, enquanto a previsão simplesmente tenta prever a demanda. O planejamento estratégico da demanda seria melhor utilizado: para determinar os planos de contratação ou demissão de funcionários. Para determinar os planos de horas extras dos funcionários. Para decidir se deve ou não fechar uma fábrica. Dirigir as operações do dia-a-dia em uma fábrica. Para decidir se deve ou não fechar uma fábrica. O planejamento estratégico da demanda é necessário para decisões de longo prazo, como construir ou fechar uma planta. Os outros descritos são decisões de curto prazo. A demanda por habitação é caracterizada por um padrão regular de aumento para um pico, depois caindo. Quando a demanda atinge um ponto baixo, ele então repete o padrão. Esse padrão geralmente ocorre em um período de três a cinco anos. Este é um exemplo de qual tipo de padrão de demanda Autocorrelação Mudança de etapa Tendência Sazonalidade e ciclos Sazonalidade e ciclos A estacionalidade e os ciclos são padrões regulares de altas e baixas repetentes, conforme descrito neste exemplo, a Convex Computer Company faz muitas previsões diferentes. Quais das seguintes previsões são, provavelmente, o número de computadores de mesa menos precisos a serem vendidos no próximo ano. Número total de laptops a serem vendidos no próximo mês. Número total de computadores (laptops e desktops) a serem vendidos no próximo mês. Número total de laptops com 2 gigabytes de RAM, disco rígido de 80 gigabytes e 16 x DVD drive para venda no próximo ano. Número total de laptops com 2 gigabytes de RAM, disco rígido de 80 gigabytes e 16 x DVD drive para venda no próximo ano. Quanto mais detalhada a previsão, menor será a sua precisão. D é o mais detalhado. Uma empresa possui as seguintes informações sobre o desempenho previsto nos últimos três períodos. Qual é o desvio absoluto médio (MAD) 200 Resumindo os valores absolutos dos erros e determinando os resultados médios em (300 200 100) 3 200. Mover do build-to-stock para montar ou fazer operações. Influir no momento da demanda. Todos esses. Mova-se do build-to-stock para montar ou fazer-para-ordem operações. Os produtos aderentes obtêm o formulário final após a demanda do cliente ser realmente conhecida. Algumas previsões ainda são necessárias (para componentes) e o tempo de demanda não é alterado. Nos últimos anos, algumas empresas começaram a trabalhar em estreita colaboração com seus clientes e fornecedores ao compartilhar informações para desenvolver planos de demanda e executar esses planos. O procedimento que eles seguem é conhecido como: Planejamento colaborativo, previsão e reposição. Análise e previsão conjunta. Planejamento conjunto das previsões da demanda. Planejamento coordenado dos requisitos. Planejamento colaborativo, previsão e reabastecimento. O planejamento, a previsão e o reabastecimento colaborativo são um processo para compartilhar informações e planos com os parceiros da cadeia de suprimentos. Suponha que a previsão para o último período seja de FITt 200 unidades e a experiência recente sugere um possível aumento de vendas de 10 unidades por período. As vendas reais para o último período atingiram 230 unidades. Assumindo um coeficiente de suavização de 0,20 e um coeficiente de alisamento de tendência de 0,10, qual é a previsão BASE para o próximo período Ft1 FITt (dt-FITt) 200 0.20 (230 - 200) 206 A Zanda Corp. vem testando o desempenho de duas previsões diferentes Modelos para ver qual deve ser adotado para uso. Ele quer escolher o modelo que possui o menor desvio padrão dos erros de previsão. Zanda deve comparar quais dos seguintes itens para fazer sua escolha MAPE dos dois modelos MFE dos dois modelos RMSE dos dois modelos MAD dos dois modelos RMSE dos dois modelos RMSE fornece uma boa aproximação dos desvios padrão de um modelo de erros de previsão . O sinal de rastreamento sugerirá a um gerente que a Demanda de um item está mudando. Um parâmetro de modos de previsão pode precisar de ajuste. Existe uma sazonalidade na demanda. Todos esses parâmetros de modos de previsão A podem precisar de ajuste. O sinal de rastreamento sugere a um gerente que os parâmetros do modelo podem precisar de ajuste. Um sistema de previsão que altera o valor do parâmetro alfa em resposta ao nível de erro de previsão é conhecido como: Um modelo adaptativo. Um modelo de suavização exponencial melhorado de tendência. Um sinal de rastreamento. Um modelo de séries temporais. Uma regressão causal. Um modelo adaptativo A previsão adaptativa ajusta automaticamente os coeficientes de suavização em um modelo de suavização exponencial em resposta a um sinal de rastreamento. O planejamento da demanda estratégica a longo prazo geralmente é feito usando o que as unidades Vendas em um determinado local Total de vendas da unidade de negócios Total de vendas de itens de produto Vendas de família total de produtos Vendas de unidades de negócios totais O planejamento de demanda estratégica suporta decisões totais de nível de negócios. Qual é a relação entre gerenciamento de demanda e previsão de demanda As duas atividades de planejamento são gerenciadas de forma independente. Os planos de gerenciamento de demanda geralmente são uma previsão de insumos para demanda. O gerenciamento de demanda é feito pelos gerentes de operações, enquanto a previsão de demanda é feita por gerentes de marketing. Tanto B quanto C estão corretos. Os planos de gerenciamento de demanda geralmente são uma previsão de insumos para demanda. Os planos de gerenciamento de demanda, como preços e promoção, são insumos necessários para prever a demanda. Qual dos seguintes fatores deve ser considerado quando se projeta um processo de previsão horizonte de tempo para o planejamento. Nível de detalhe para o planejamento. Disponibilidade de dados. Todos esses sistemas de previsão devem ser adaptados às necessidades dos usuários. Métodos da série temporal Os métodos da série temporal são técnicas estatísticas que utilizam dados históricos acumulados ao longo de um período de tempo. Os métodos da série temporal suportam que o que ocorreu no passado continuará a ocorrer no futuro. Como sugere o nome da série temporal, esses métodos relacionam a previsão com apenas um fator - tempo. Eles incluem a média móvel, alisamento exponencial e linha de tendência linear e estão entre os métodos mais populares para previsão de curto alcance entre empresas de serviços e fabricação. Esses métodos assumem que os padrões ou tendências históricas identificáveis ao longo do tempo se repetirão. Média móvel Uma previsão de séries temporais pode ser tão simples como usar a demanda no período atual para prever a demanda no próximo período. Isso às vezes é chamado de uma previsão ingênua ou intuitiva. 4 Por exemplo, se a demanda for de 100 unidades nesta semana, a previsão para as próximas semanas, a demanda é de 100 unidades, se a demanda for de 90 unidades, então a demanda da semana seguinte é de 90 unidades, e assim por diante. Este tipo de método de previsão não leva em consideração o comportamento da demanda histórica, ele depende apenas da demanda no período atual. Ele reage diretamente aos movimentos normais e aleatórios da demanda. O método de média móvel simples usa vários valores de demanda durante o passado recente para desenvolver uma previsão. Isso tende a atenuar, ou suavizar, os aumentos e diminuições aleatórias de uma previsão que usa apenas um período. A média móvel simples é útil para prever a demanda que é estável e não exibe nenhum comportamento de demanda pronunciado, como uma tendência ou padrão sazonal. As médias móveis são calculadas para períodos específicos, como três meses ou cinco meses, dependendo de quanto o antecessor deseja suavizar os dados da demanda. Quanto maior o período médio móvel, mais suave será. A fórmula para calcular a média móvel simples é a Computação de uma Média Móvel Simples O Instant Paper Clip Office Supply Company vende e entrega material de escritório para empresas, escolas e agências dentro de um raio de 50 milhas de seu armazém. O negócio de suprimentos de escritório é competitivo e a capacidade de entregar ordens prontamente é um fator para obter novos clientes e manter os antigos. (Os escritórios normalmente não efetuam pedidos quando são baixos os suprimentos, mas quando eles estão completamente esgotados. Como resultado, eles precisam de seus pedidos imediatamente). O gerente da empresa quer estar certo de que drivers e veículos estão disponíveis para entregar ordens prontamente e Eles têm estoque adequado em estoque. Portanto, o gerente quer ser capaz de prever o número de pedidos que ocorrerão no próximo mês (ou seja, prever a demanda por entregas). A partir dos registros das ordens de entrega, a administração acumulou os seguintes dados nos últimos 10 meses, dos quais pretende calcular as médias móveis de 3 e 5 meses. Deixe-nos assumir que é o final de outubro. A previsão resultante da média móvel de 3 ou 5 meses é tipicamente para o próximo mês na seqüência, que neste caso é novembro. A média móvel é calculada a partir da demanda por pedidos para os 3 meses anteriores na seqüência de acordo com a seguinte fórmula: A média móvel de 5 meses é calculada a partir dos dados anteriores de demanda de 5 meses da seguinte forma: Os 3 e 5 meses As previsões médias móveis para todos os meses de dados da demanda são mostradas na tabela a seguir. Na verdade, apenas a previsão de novembro com base na demanda mensal mais recente seria usada pelo gerente. No entanto, as previsões anteriores para meses anteriores nos permitem comparar a previsão com a demanda real para ver quão preciso é o método de previsão - ou seja, o quão bem ele faz. Médias de três e cinco meses Ambas as previsões da média móvel na tabela acima tendem a suavizar a variabilidade que ocorre nos dados reais. Este efeito de suavização pode ser observado na figura a seguir em que as médias de 3 meses e 5 meses foram superpostas em um gráfico dos dados originais: a média móvel de 5 meses na figura anterior suaviza as flutuações em maior medida do que A média móvel de 3 meses. No entanto, a média de 3 meses reflete melhor os dados mais recentes disponíveis para o gerente de suprimentos de escritório. Em geral, as previsões que usam a média móvel de longo prazo são mais lentas para reagir às mudanças recentes na demanda do que as feitas com médias móveis de menor período. Os períodos extras de dados amortecem a velocidade com que a previsão responde. Estabelecer o número apropriado de períodos para usar em uma previsão média móvel geralmente requer alguma quantidade de experimentação de tentativa e erro. A desvantagem do método da média móvel é que ele não reage às variações que ocorrem por uma razão, como ciclos e efeitos sazonais. Os fatores que causam alterações são geralmente ignorados. É basicamente um método mecânico, que reflete os dados históricos de forma consistente. No entanto, o método da média móvel tem a vantagem de ser fácil de usar, rápido e relativamente barato. Em geral, esse método pode fornecer uma boa previsão para o curto prazo, mas não deve ser empurrado para o futuro. Média Variável Ponderada O método da média móvel pode ser ajustado para refletir mais adequadamente as flutuações nos dados. No método da média móvel ponderada, os pesos são atribuídos aos dados mais recentes de acordo com a seguinte fórmula: Os dados da demanda para PM Computer Services (mostrado na tabela para o Exemplo 10.3) parecem seguir uma tendência linear crescente. A empresa quer calcular uma linha de tendência linear para ver se ela é mais precisa do que o alívio exponencial e as previsões de suavização exponencial ajustadas desenvolvidas nos Exemplos 10.3 e 10.4. Os valores necessários para os cálculos de mínimos quadrados são os seguintes: usando esses valores, os parâmetros para a linha de tendência linear são calculados da seguinte forma: Portanto, a equação linear da linha de tendência é Para calcular uma previsão para o período 13, vamos x 13 na linear Linha de tendência: o gráfico a seguir mostra a linha de tendência linear em comparação com os dados reais. A linha de tendência parece refletir de perto os dados reais - ou seja, para ser um bom ajuste - e, portanto, seria um bom modelo de previsão para esse problema. No entanto, uma desvantagem da linha de tendência linear é que ela não se ajustará a uma mudança na tendência, pois os métodos de previsão de suavização exponencial serão, é assumido que todas as futuras previsões seguirão uma linha reta. Isso limita o uso desse método para um período de tempo mais curto em que você pode estar relativamente certo de que a tendência não mudará. Ajustes sazonais Um padrão sazonal é um aumento repetitivo e diminuição da demanda. Muitos itens de demanda exibem comportamento sazonal. As vendas de roupas seguem padrões sazonais anuais, com demanda por roupas quentes aumentando no outono e no inverno e diminuindo na primavera e no verão, à medida que a demanda por roupas mais frescas aumenta. A demanda por muitos itens de varejo, incluindo brinquedos, equipamentos esportivos, roupas, aparelhos eletrônicos, presuntos, perus, vinho e frutas, aumentam durante a temporada de férias. A demanda do cartão de felicitações aumenta em conjunto com dias especiais, como Dia dos Namorados e Dia das Mães. Padrões sazonais também podem ocorrer de forma mensal, semanal ou mesmo diária. Alguns restaurantes têm maior demanda na noite do que no almoço ou nos fins de semana em vez de dias úteis. O tráfego - daí as vendas - nos shoppings começa em sexta e sábado. Existem vários métodos para refletir padrões sazonais em uma previsão de séries temporais. Descreveremos um dos métodos mais simples usando um fator sazonal. Um fator sazonal é um valor numérico que é multiplicado pela previsão normal para obter uma previsão ajustada sazonalmente. Um método para desenvolver uma demanda por fatores sazonais é dividir a demanda por cada período sazonal pela demanda anual total, de acordo com a seguinte fórmula: Os fatores sazonais resultantes entre 0 e 1,0 são, de fato, a parcela da demanda anual total atribuída a Cada temporada. Esses fatores sazonais são multiplicados pela demanda prevista anual para produzir previsões ajustadas para cada estação. Computação de uma previsão com ajustes sazonais O Wishbone Farms cresce perus para vender para uma empresa de processamento de carne ao longo do ano. No entanto, a sua alta temporada é, obviamente, durante o quarto trimestre do ano, de outubro a dezembro. A Wishbone Farms experimentou a demanda por perus nos últimos três anos, mostrada na tabela a seguir: porque temos três anos de dados da demanda, podemos calcular os fatores sazonais dividindo a demanda trimestral total para os três anos pela demanda total nos três anos : Em seguida, queremos multiplicar a demanda prevista para o próximo ano, 2000, por cada um dos fatores sazonais para obter a demanda prevista para cada trimestre. Para isso, precisamos de uma previsão de demanda para 2000. Nesse caso, uma vez que os dados da demanda na tabela parecem exibir uma tendência geralmente crescente, calculamos uma linha de tendência linear para os três anos de dados na tabela para obter um impacto Estimativa de previsão: assim, a previsão para 2000 é 58.17, ou 58.170 perus. Ao usar esta previsão anual da demanda, as previsões corrigidas sazonalmente, SF i, para 2000 estão comparando essas previsões trimestrais com os valores reais da demanda na tabela, eles pareceriam relativamente boas estimativas de previsão, refletindo as variações sazonais nos dados e A tendência geral ascendente. 10-12. Como é o método da média móvel semelhante ao suavização exponencial 10-13. O efeito sobre o modelo de suavização exponencial aumentará a constante de suavização 10-14. Como o alisamento exponencial ajustado difere do alisamento exponencial 10-15. O que determina a escolha da constante de suavização para tendência em um modelo de suavização exponencial ajustado 10-16. Nos exemplos de capítulo para métodos de séries temporais, a previsão inicial sempre foi assumida como a demanda real no primeiro período. Sugerir outras formas em que a previsão inicial pode ser derivada no uso real. 10-17. Como o modelo de previsão da linha de tendência linear difere de um modelo de regressão linear para a previsão de 10-18. Dos modelos de séries temporais apresentados neste capítulo, incluindo a média móvel e média móvel ponderada, suavização exponencial e suavização exponencial ajustada, e linha de tendência linear, qual você considera o melhor Porquê 10 a 19. Quais vantagens o alinhamento exponencial ajustado tem sobre uma linha de tendência linear para a demanda prevista que exibe uma tendência 4 K. B. Kahn e J. T. Mentzer, Previsão em Mercados de Consumidores e Industriais, The Journal of Business Forecasting 14, no. 2 (verão de 1995): 21-28.
No comments:
Post a Comment