Entwickeln Sie eine viermonatige gleitende Durchschnittsprognose für Wallace Garden Supply und berechnen Sie den MAD Entwickeln Sie eine viermonatige gleitende Durchschnittsprognose für Wallace Garden Supply und berechnen Sie den MAD Item Description INCLUDES EXCEL SPREADSHEET MIT FORMULAS 5-13: Entwickeln Sie eine viermonatige gleitende Durchschnittsprognose für Wallace Garden Supply und berechnen die MAD. Eine dreimonatige gleitende Durchschnittsprognose wurde im Abschnitt über die gleitenden Durchschnittswerte in Tabelle 5.3 erstellt. 5-15: Die auf der jährlichen Nachfrage von 50 lb. Düngerbeuteln bei Wallace Garden Supply gesammelten Daten sind in der folgenden Tabelle dargestellt. Entwickeln Sie einen dreijährigen gleitenden Durchschnitt, um Verkäufe zu prognostizieren. Dann Schätzung der Nachfrage wieder mit einem gewichteten gleitenden Durchschnitt, in dem Verkäufe im letzten Jahr ein Gewicht von 2 gegeben werden und Umsatz in den anderen 2 Jahren jeweils ein Gewicht von 1 gegeben sind. Welche Methode ist Ihrer Meinung nach beste YEAR DEMAND FOR DÜNGER 5 -16: Entwickeln Sie eine Trendlinie für die Nachfrage nach Dünger in Problem 5-15, mit einer beliebigen Computer-Software. 5-19: Verkäufe der Cool-Man Klimaanlagen haben während der letzten 5 Jahre stetig gewachsen Der Verkaufsleiter hatte vorher vorausgesagt, daß Jahr 1s Verkäufe 410 Klimaanlagen sein würden. Unter Verwendung einer exponentiellen Glättung mit einem Gewicht. 0.30, Entwicklung der Prognosen für die Jahre 2 bis 6. 5-25: Der Verkauf von industriellen Staubsaugern bei R. Lowenthal Supply Co. in den letzten 13 Monaten sind wie folgt: SALES (1.000) MONAT SALES (1.000) MONAT 11 January 14 August 14 Februar 17 September 16 März 12 Oktober 10 April 14 November 15 Mai 16 Dezember 17 Juni 11 Januar (a) Mit einem gleitenden Durchschnitt mit drei Perioden, bestimmen die Nachfrage nach Staubsauger für den nächsten Februar. (B) Mit einem gewichteten gleitenden Durchschnitt mit drei Perioden, bestimmen die Nachfrage nach Staubsauger für Februar. (C) Beurteilen Sie die Genauigkeit jeder dieser Methoden. (D) Welche weiteren Faktoren könnten von R. Lowenthal bei der Prognose von Verkäufen berücksichtigt werden 14-mal mit einem Rating von 4,7 von 5 auf der Grundlage von 3 Kundenrezensionen erworben werden. OR-Notes sind eine Reihe von einleitenden Bemerkungen zu Themen, die unter die breite Überschrift der Bereich der operativen Forschung (OR). Sie wurden ursprünglich von mir in einer einleitenden ODER-Kurs Ich gebe am Imperial College verwendet. Sie stehen nun für alle Studenten und Lehrer zur Verfügung, die an den folgenden Bedingungen interessiert sind. Eine vollständige Liste der Themen in OR-Notes finden Sie hier. Prognosebeispiel Prognosebeispiel 1996 UG-Prüfung Nachstehend ist die Nachfrage nach einem Produkt in den letzten fünf Monaten aufgeführt. Verwenden Sie einen zweimonatigen gleitenden Durchschnitt, um eine Prognose für die Nachfrage in Monat 6 zu generieren. Wenden Sie exponentielle Glättung mit einer Glättungskonstante von 0,9 an, um eine Prognose für die Nachfrage nach Nachfrage im Monat 6 zu generieren. Welche dieser beiden Prognosen bevorzugen Sie und warumDie zwei Monate in Bewegung Durchschnitt für die Monate zwei bis fünf ist gegeben durch: Die Prognose für den sechsten Monat ist nur der gleitende Durchschnitt für den Monat davor, dh der gleitende Durchschnitt für den Monat 5 m 5 2350. Beim Anwenden einer exponentiellen Glättung mit einer Glättungskonstante von 0,9 erhalten wir: Wie zuvor Die Prognose für Monat sechs ist nur der Durchschnitt für Monat 5 M 5 2386 Um die beiden Prognosen zu vergleichen, berechnen wir die mittlere quadratische Abweichung (MSD). Wenn wir dies tun, finden wir für den gleitenden Durchschnitt MSD (15 - 19) sup2 (18 - 23) sup2 (21 - 24) sup23 16,67 und für den exponentiell geglätteten Durchschnitt mit einer Glättungskonstante von 0,9 MSD (13 - 17) sup2 (16,60 - 19) sup2 (18,76 - 23) sup2 (22,58 - 24) sup24 10,44 Insgesamt sehen wir, dass die exponentielle Glättung die besten Prognosen für einen Monat liefert, da sie eine niedrigere MSD aufweist. Daher bevorzugen wir die Prognose von 2386, die durch exponentielle Glättung erzeugt wurde. Prognosebeispiel 1994 UG-Prüfung Die folgende Tabelle zeigt die Nachfrage nach einem neuen Aftershave in einem Geschäft für die letzten 7 Monate. Berechnen Sie einen zweimonatigen gleitenden Durchschnitt für die Monate zwei bis sieben. Was würden Sie Ihre Prognose für die Nachfrage in Monat acht Bewerben exponentielle Glättung mit einer Glättungskonstante von 0,1, um eine Prognose für die Nachfrage in Monat acht abzuleiten. Welche der beiden Prognosen für den Monat acht bevorzugen Sie und warum Der Ladenbesitzer glaubt, dass Kunden auf diese neue Aftershave von anderen Marken umschalten. Erläutern Sie, wie Sie dieses Schaltverhalten modellieren und die Daten anzeigen können, die Sie benötigen, um zu bestätigen, ob diese Umschaltung stattfindet oder nicht. Der zweimonatige Gleitender Durchschnitt für die Monate zwei bis sieben ist gegeben durch: Die Prognose für Monat acht ist nur der gleitende Durchschnitt für den Monat davor, dh der gleitende Durchschnitt für Monat 7 m 7 46. Anwendung exponentieller Glättung mit einer Glättungskonstante von 0,1 wir Erhalten: Wie vorher ist die Prognose für Monat acht gerade der Durchschnitt für Monat 7 M 7 31.11 31 (da wir keine gebrochene Nachfrage haben können). Um die beiden Prognosen zu vergleichen, berechnen wir die mittlere quadratische Abweichung (MSD). Wenn wir dies tun, finden wir, dass für den gleitenden Durchschnitt und für die exponentiell geglättete Durchschnitt mit einer Glättungskonstante von 0,1 Insgesamt sehen wir, dass die zwei Monate gleitenden Durchschnitt scheinen, um die besten einen Monat prognostiziert, da es eine niedrigere MSD hat. Daher bevorzugen wir die Prognose von 46, die durch die zwei Monate gleitenden Durchschnitt produziert wurde. Um das Switching zu untersuchen, müssten wir ein Markov-Prozeßmodell verwenden, bei dem die Zustandsmarken verwendet werden, und wir müssten anfängliche Zustandsinformationen und Kundenvermittlungswahrscheinlichkeiten (von Umfragen) benötigen. Wir müssten das Modell auf historischen Daten laufen lassen, um zu sehen, ob wir zwischen dem Modell und dem historischen Verhalten passen. Prognosebeispiel 1992 UG-Prüfung Die nachstehende Tabelle zeigt die Nachfrage nach einer bestimmten Rasierklinge in einem Geschäft für die letzten neun Monate. Berechnen Sie einen dreimonatigen gleitenden Durchschnitt für die Monate drei bis neun. Was wäre Ihre Prognose für die Nachfrage in Monat 10 Verwenden Sie exponentielle Glättung mit einer Glättungskonstante von 0,3, um eine Prognose für die Nachfrage in Monat zehn ableiten. Welche der beiden Prognosen für Monat zehn bevorzugen Sie und warum Der dreimonatige gleitende Durchschnitt für die Monate 3 bis 9 ist gegeben durch: Die Prognose für Monat 10 ist nur der gleitende Durchschnitt für den Monat vorher, dass also der gleitende Durchschnitt für Monat 9 m 9 20.33. Die Prognose für den Monat 10 ist daher 20. Die Anwendung der exponentiellen Glättung mit einer Glättungskonstante von 0,3 ergibt sich wie folgt: Nach wie vor ist die Prognose für Monat 10 nur der Durchschnitt für Monat 9 M 9 18,57 19 (wie wir Kann nicht gebrochene Nachfrage). Um die beiden Prognosen zu vergleichen, berechnen wir die mittlere quadratische Abweichung (MSD). Wenn wir dies tun, finden wir, dass für den gleitenden Durchschnitt und für die exponentiell geglättete Durchschnitt mit einer Glättungskonstante von 0,3 Insgesamt sehen wir, dass der dreimonatige gleitende Durchschnitt scheint die besten einen Monat voraus Prognosen geben, wie es eine niedrigere MSD hat. Daher bevorzugen wir die Prognose von 20, die durch die drei Monate gleitenden Durchschnitt produziert wurde. Prognosebeispiel 1991 UG-Prüfung Die nachstehende Tabelle zeigt die Nachfrage nach einer bestimmten Marke von Faxgeräten in einem Kaufhaus in den letzten zwölf Monaten. Berechnen Sie die vier Monate gleitenden Durchschnitt für die Monate 4 bis 12. Was wäre Ihre Prognose für die Nachfrage in Monat 13 Wenden Sie exponentielle Glättung mit einer Glättungskonstante von 0,2, um eine Prognose für die Nachfrage in Monat 13 ableiten. Welche der beiden Prognosen für Monat 13 lieber und warum Welche anderen Faktoren, die in den obigen Berechnungen nicht berücksichtigt werden, können die Nachfrage nach dem Faxgerät im Monat 13 beeinflussen. Der viermonatige Gleitende Durchschnitt für die Monate 4 bis 12 ist gegeben durch: 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 Die Prognose für den Monat 13 ist nur der gleitende Durchschnitt für den Monat zuvor, dh der gleitende Durchschnitt Für den Monat 12 m 12 46,25. Die Prognose für den Monat 13 ist also 46. Wenn wir eine exponentielle Glättung mit einer Glättungskonstante von 0,2 anwenden, erhalten wir: Wie vorher ist die Prognose für den Monat 13 nur der Durchschnitt für den Monat 12 M 12 38,618 39 (wie wir Kann nicht gebrochene Nachfrage). Um die beiden Prognosen zu vergleichen, berechnen wir die mittlere quadratische Abweichung (MSD). Wenn wir dies tun, finden wir, dass für den gleitenden Durchschnitt und für die exponentiell geglättete Durchschnitt mit einer Glättungskonstante von 0,2 Insgesamt sehen wir, dass die vier Monate gleitenden Durchschnitt scheint die besten einen Monat voraus Prognosen geben, wie es eine niedrigere MSD hat. Daher bevorzugen wir die Prognose von 46, die durch die vier Monate gleitenden Durchschnitt produziert wurde. Saisonale Nachfrage Werbung Preisänderungen, sowohl diese Marke und andere Marken allgemeine wirtschaftliche Situation neue Technologie Prognosebeispiel 1989 UG-Prüfung Die folgende Tabelle zeigt die Nachfrage für eine bestimmte Marke von Mikrowellenherd in einem Kaufhaus in jedem der letzten zwölf Monate. Berechnen Sie für jeden Monat einen Sechsmonatsdurchschnitt. Was wäre Ihre Prognose für die Nachfrage in Monat 13 Verwenden Sie exponentielle Glättung mit einer Glättungskonstante von 0,7, um eine Prognose für die Nachfrage in Monat 13 ableiten. Welche der beiden Prognosen für den Monat 13 bevorzugen Sie und warum Jetzt können wir nicht berechnen, ein sechs Monat, bis wir mindestens 6 Beobachtungen haben - dh wir können nur einen solchen Durchschnitt ab dem 6. Monat berechnen. Daher haben wir: 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 Die Prognose für den Monat 13 ist nur der gleitende Durchschnitt für die Monat vor, dh der gleitende Durchschnitt für Monat 12 m 12 38,17. Daher ist die Prognose für den 13. Monat 38. Wenn wir eine exponentielle Glättung mit einer Glättungskonstanten von 0,7 anwenden, erhalten wir: 20. Ein Unternehmen verwendet, um 300 Einheiten pro Tag zu produzieren, aber 20 Prozent der Einheiten waren defekt. Nach der Installation eines neuen Prozesses, hat die Fehlerrate 20. Ein Unternehmen verwendet, um 300 Einheiten pro Tag zu produzieren, aber 20 Prozent der Einheiten waren defekt. Nach der Installation eines neuen Prozesses wurde die Fehlerrate auf 5 Prozent reduziert, während die Ausgabe gleich geblieben ist. Was ist die prozentuale Produktivitätssteigerung durch die Installation des neuen Prozesses 15.79 0.00 15.00 18.75 75.00 21. Auf der Grundlage der Bedarfsdaten für einen Punkt A für die letzten zwei Wochen führen Sie eine Trendanalyse durch und finden die Trendgleichung auf Y50 4X. Das Unternehmen arbeitet fünf Tage (Montag bis Freitag) pro Woche. Lassen Sie eine Prognose für Dienstag der Woche 3 für dieses Produkt. 62 58 98 114 Kann nicht ermittelt werden 22. Anhand der folgenden Daten wird eine exponentielle Glättung (.2) verwendet, um eine Bedarfsprognose für den Zeitraum 3 zu entwickeln. Angenommen, die Prognose für den Anfangszeitraum (Zeitraum 1) ist 5. Was ist die Prognose für den Zeitraum 3 (Anmerkung: Sie benötigen keine zusätzlichen Informationen, um diese Frage zu beantworten). Period Demand 1 7 2 9 4.68 5.40 6.12 9.00 Kann nicht ermittelt werden 23. Joes Equipment Distributors verkauft Low und Loud Marke Rasenmäher. Die Gesamtnachfrage wird 2010 voraussichtlich 2.000 Einheiten betragen. Angesichts der im Folgenden aufgeführten historischen Verkaufszahlen finden Sie die Prognose für das Sommerquartal 2010 nach dem saisonalen Prognosemodell. 2007 2008 2009 Herbst 50 80 120 Winter 150 450 510 Frühjahr 500 600 700 Sommer 400 490 610 nah an 653 nah an 654 nah an 500 nah an 610 nah an 800 24. Ein Unternehmen hat den folgenden Auftragsverlauf in den letzten 6 Monaten. Januar 120 Februar 95 März 100 April 75 Mai 100 Juni 50 Was wäre eine 3-Monats-gewichtete gleitende durchschnittliche Prognose für Juli, mit Gewichten von 40 Prozent für den letzten Monat, 30 Prozent für den Monat vor dem letzten Monat und 30 Prozent für Der vorhergehende Monat In der Nähe von 105 In der Nähe von 76 In der Nähe von 75 In der Nähe von 74 In der Nähe von 72 25. Was ist die mittlere absolute Abweichung der folgenden Prognosen Monat Tatsächliche Verkaufsprognose Jan. 614 600 Feb. 480 480 Mrz. 500 550 Apr. 500 600 41 34 164 100 25 26. Beachten Sie die unten aufgeführten Daten. Monat Tatsächliche Nachfrage Jan. 10,000 Mai 14,000 Prognose (unter Verwendung von 4Month Moving Ave 13,500 Was ist die 4monatige durchschnittliche Prognose für Juni Ermitteln Sie die richtige Antwort (Hinweis: Sie benötigen keine zusätzlichen Informationen, um diese Frage zu beantworten.) 14,000 Es werden nicht genügend Informationen angegeben In der exponentiellen Glättung, welche Werte kann die Glättung konstant, haben 1, 1 1, 0, 0, 1, 28. Je größer der Wert in der exponentiellen Glättungsmethode der Prognose, desto größer Die Methode039s Ansprechen auf Änderungen in der Nachfrage. True False 29. Finden Sie den Wert des Tracking-Signal am Ende des Monats sechs auf der Grundlage der tatsächlichen Nachfrage und Prognose in der folgenden Tabelle gegeben. Monat 1 2 3 4 Aktuelle Nachfrage 715 675 640 587 Prognose 700 645 660 648 In der Nähe von 1.46 In der Nähe von 1.48 In der Nähe von 1.50 In der Nähe von 35 In der Nähe von 53 30. Welche der folgenden Aussagen trifft auf der Grundlage der in der folgenden Tabelle aufgeführten Daten zu: MONTH 1 2 3 ACTUAL DEMAND 715 675 640 FORECAST 700 645 660 Die Nachfrage wird überschätzt. Die Nachfrage wird unterschätzt Student hat eine Frage middot Aug 06, 2011 bei 9:19 pm
No comments:
Post a Comment