Développer une prévision moyenne mobile de quatre mois pour Wallace Garden Supply et calculer le MAD Développer une prévision moyenne mobile de quatre mois pour Wallace Garden Supply et calculer la MAD Description de l'article INCLUDES EXCEL SPREADSHEET AVEC FORMULES 5-13: Garden Supply et calculer le MAD. Une prévision moyenne mobile de trois mois a été développée dans la section sur les moyennes mobiles dans le tableau 5.3 5-15: Les données recueillies sur la demande annuelle de 50 lb de sacs d'engrais à Wallace Garden Supply sont présentées dans le tableau suivant. Développer une moyenne mobile de trois ans pour prévoir les ventes. Ensuite, estimer la demande à nouveau avec une moyenne mobile pondérée dans laquelle les ventes de l'année la plus récente ont un poids de 2 et les ventes dans les deux autres années ont chacun un poids de 1. Quelle méthode pensez-vous être la meilleure? ANNÉE DEMANDE D'ENGRAIS 5 -16: Développer une ligne de tendance pour la demande d'engrais dans le Problème 5-15, en utilisant n'importe quel logiciel informatique. 5-19: Les ventes de climatiseurs Cool-Man ont augmenté de façon constante au cours des 5 dernières années Le directeur des ventes avait prédit, avant que l'entreprise a commencé, que les ventes de l'année 1s serait 410 climatiseurs. Utiliser un lissage exponentiel avec un poids. 0,30, développer des prévisions pour les années 2 à 6. 5-25: Les ventes d'aspirateurs industriels chez R. Lowenthal Supply Co. au cours des 13 derniers mois sont les suivantes: VENTES (1 000) MOIS VENTES (1 000) MOIS 11 14 janvier 14 août 17 février 16 septembre 16 mars 12 octobre 10 avril 14 novembre 15 mai 16 décembre 17 juin 11 janvier (a) Selon une moyenne mobile de trois périodes, déterminer la demande d'aspirateurs pour le mois de février prochain. (B) En utilisant une moyenne mobile pondérée de trois périodes, déterminer une demande pour les aspirateurs pour Février. C) Évaluer l'exactitude de chacune de ces méthodes. (D) Quels autres facteurs R. Lowenthal pourrait-il considérer lors de la prévision des ventes? Achat 14 fois avec une cote de 4.7 sur 5 sur la base de 3 commentaires clients. OR-Notes sont une série de notes introductives sur des sujets qui relèvent du Domaine de la recherche opérationnelle (OR). Ils ont été utilisés à l'origine par moi dans un cours d'introduction OU je donne à l'Imperial College. Ils sont maintenant disponibles pour l'utilisation par tous les étudiants et enseignants intéressés dans OR sous réserve des conditions suivantes. Vous trouverez une liste complète des sujets disponibles dans OR-Notes ici. Exemples de prévision Exemple de prévision Examen UG 1996 La demande pour un produit au cours des cinq derniers mois est présentée ci-dessous. Utiliser une moyenne mobile de deux mois pour générer une prévision de la demande au mois 6. Appliquer un lissage exponentiel avec une constante de lissage de 0,9 pour générer une prévision de la demande de la demande au mois 6. Quelle de ces deux prévisions préférez-vous et pourquoi? La moyenne pour les mois deux à cinq est donnée par: La prévision pour le sixième mois est juste la moyenne mobile pour le mois précédant ce qui est la moyenne mobile pour le mois 5 m 5 2350. En appliquant le lissage exponentiel avec une constante de lissage de 0,9 nous obtenons: La prévision pour le sixième mois est juste la moyenne pour le mois 5 M 5 2386 Pour comparer les deux prévisions, nous calculons l'écart quadratique moyen (MSD). Si on le fait, on trouve que pour la moyenne mobile MSD (15 - 19) sup2 (18-23) sup2 (21-24) sup23 16.67 et pour la moyenne exponentiellement lissée avec une constante de lissage de 0.9 MSD (13 - 17) sup2 (16,60 - 19) sup2 (18,76 - 23) sup2 (22,58 - 24) sup24 10,44 Dans l'ensemble, nous voyons que le lissage exponentiel semble donner les meilleures prévisions d'un mois à l'avance car il a une MSD plus faible. Nous préférons donc la prévision de 2386 qui a été produite par lissage exponentiel. Exemple de prévision 1994 UG examen Le tableau ci-dessous montre la demande pour un nouvel après-rasage dans un magasin pour chacun des 7 derniers mois. Calculer une moyenne mobile de deux mois pour les mois deux à sept. Quelle serait votre prévision pour la demande au mois huit Appliquer lissage exponentiel avec une constante de lissage de 0,1 pour obtenir une prévision de la demande au mois huit. Laquelle des deux prévisions pour le mois huit préférez-vous et pourquoi Le magasinier croit que les clients se tournent vers ce nouvel après-rasage d'autres marques. Discutez de la façon dont vous pourriez modeler ce comportement de commutation et indiquer les données dont vous auriez besoin pour confirmer si cette commutation se produit ou non. La moyenne mobile de deux mois pour les mois deux à sept est donnée par: La prévision pour le mois huit est juste la moyenne mobile pour le mois précédant ce qui est la moyenne mobile pour le mois 7 m 7 46. Appliquant lissage exponentiel avec une constante de lissage de 0,1 nous Get: Comme avant la prévision pour le mois huit est juste la moyenne pour le mois 7 M 7 31,11 31 (car nous ne pouvons pas avoir la demande fractionnée). Pour comparer les deux prévisions, nous calculons l'écart quadratique moyen (MSD). Si nous le faisons, nous constatons que pour la moyenne mobile et pour la moyenne exponentiellement lissée avec une constante de lissage de 0,1 Ensuite, nous voyons que la moyenne mobile de deux mois semble donner les meilleures prévisions d'un mois à venir, car il a une MSD plus faible. Nous préférons donc la prévision de 46 qui a été produite par la moyenne mobile de deux mois. Pour examiner la commutation nous devrions utiliser un modèle de processus de Markov, où les marques d'états et nous aurions besoin d'information d'état initiale et de probabilités de commutation de client (des enquêtes). Nous aurions besoin d'exécuter le modèle sur les données historiques pour voir si nous avons un ajustement entre le modèle et le comportement historique. Exemple de prévision 1992 Examen UG Le tableau ci-dessous montre la demande pour une marque particulière de rasoir dans un magasin pour chacun des neuf derniers mois. Calculer une moyenne mobile de trois mois pour les trois à neuf mois. Quelle serait votre prévision pour la demande dans le mois dix Appliquer lissage exponentiel avec une constante de lissage de 0,3 pour dériver une prévision de la demande au mois dix. Quelle est la moyenne mobile pour les mois 3 à 9 donnée par: La prévision pour le mois 10 est juste la moyenne mobile pour le mois précédant ce qui est la moyenne mobile pour le mois 9 m 9 20,33. Si l'on applique un lissage exponentiel avec une constante de lissage de 0,3 on obtient: Comme précédemment, la prévision pour le mois 10 est juste la moyenne pour le mois 9 M 9 18,57 19 (comme nous le pouvons) Ne peut pas avoir de demande fractionnée). Pour comparer les deux prévisions, nous calculons l'écart quadratique moyen (MSD). Si nous le faisons, nous constatons que pour la moyenne mobile et pour la moyenne exponentiellement lissée avec une constante de lissage de 0,3 Ensuite, nous voyons que la moyenne mobile de trois mois semble donner les meilleures prévisions d'un mois à venir, car il a une MSD plus faible. Nous préférons donc la prévision de 20 qui a été produite par la moyenne mobile de trois mois. Exemple de prévision 1991 UG examen Le tableau ci-dessous montre la demande pour une marque particulière de télécopieur dans un grand magasin au cours des douze derniers mois. Calculer la moyenne mobile de quatre mois pour les mois 4 à 12. Quelle serait votre prévision pour la demande au mois 13 Appliquer lissage exponentiel avec une constante de lissage de 0,2 pour dériver une prévision de la demande dans le mois 13. Quelles sont les deux prévisions pour le mois 13 La moyenne mobile sur quatre mois pour les mois 4 à 12 est donnée par: 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 4 46,25 La prévision pour le mois 13 est juste la moyenne mobile pour le mois précédant ce qui est la moyenne mobile Pour le mois 12 m 12 46.25. Si l'on applique un lissage exponentiel avec une constante de lissage de 0,2, on obtient: Comme précédemment, la prévision pour le mois 13 est juste la moyenne pour le mois 12 M 12 38,618 39 (comme nous le pouvons) Ne peut pas avoir de demande fractionnée). Pour comparer les deux prévisions, nous calculons l'écart quadratique moyen (MSD). Si nous faisons cela, nous constatons que pour la moyenne mobile et pour la moyenne exponentiellement lissée avec une constante de lissage de 0,2 Ensuite, nous voyons que la moyenne mobile de quatre mois semble donner les meilleures prévisions d'un mois à venir, car il a une MSD plus faible. Nous préférons donc la prévision de 46 qui a été produite par la moyenne mobile de quatre mois. La demande saisonnière des changements de prix de la publicité, à la fois cette marque et d'autres marques situation économique générale nouvelle technologie Exemple de prévision 1989 UG examen Le tableau ci-dessous montre la demande pour une marque particulière de four à micro-ondes dans un grand magasin au cours des douze derniers mois. Calculer une moyenne mobile de six mois pour chaque mois. Quelle serait votre prévision pour la demande au mois 13 Appliquer le lissage exponentiel avec une constante de lissage de 0,7 pour dériver une prévision de la demande dans le mois 13. Quelles sont les deux prévisions pour le mois 13 préférez-vous et pourquoi Maintenant, nous ne pouvons pas calculer un six Mois jusqu'à ce que nous ayons au moins 6 observations - c'est-à-dire que nous pouvons seulement calculer une telle moyenne à partir du mois 6 en avant. Nous avons donc: 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 La prévision pour le mois 13 est juste la moyenne mobile pour le Mois avant ce qui est la moyenne mobile pour le mois 12 m 12 38,17. Par conséquent (comme nous ne pouvons pas avoir de demande fractionnée), la prévision pour le mois 13 est de 38. En appliquant le lissage exponentiel avec une constante de lissage de 0,7, on obtient: 20. Une entreprise produisait 300 unités par jour, mais 20% des unités étaient défectueuses. Après l'installation d'un nouveau processus, le taux de défauts a 20. Une société utilisée pour produire 300 unités par jour, mais 20 pour cent des unités étaient défectueux. Après l'installation d'un nouveau processus, le taux de défauts a été réduit à 5 pour cent, tandis que la production est restée la même. Quelle est la croissance en pourcentage de la productivité due à l'installation du nouveau processus 15.79 0.00 15.00 18.75 75.00 21. Sur la base des données sur la demande d'un article A pour les deux dernières semaines, vous effectuez une analyse de tendance et trouvez l'équation de tendance Y50 4X. La société travaille cinq jours (du lundi au vendredi) par semaine. Faire une prévision pour le mardi de la semaine 3 pour ce produit. 62 58 98 114 Impossible de déterminer 22. Compte tenu des données suivantes, utilisez le lissage exponentiel (.2) pour élaborer une prévision de la demande pour la période 3. Supposons que la prévision pour la période initiale (période 1) soit 5. Quelle est la prévision pour la période 3 (Note: Vous n'avez pas besoin d'informations supplémentaires pour répondre à cette question). Période Demande 1 7 2 9 4,68 5,40 6,12 9,00 Ne peut être déterminé 23. Joes Equipment Distributors vend des tondeuses à gazon de marque Low and Loud. La demande totale en 2010 devrait être de 2 000 unités. Compte tenu des chiffres historiques des ventes énumérés ci-dessous, trouver la prévision pour le trimestre d'été en 2010 en utilisant le modèle de prévision saisonnière. 2007 2008 2009 Automne 50 80 120 Hiver 150 450 510 Printemps 500 600 700 Été 400 490 610 près de 653 près de 654 près de 500 près de 610 près de 800 24. Une entreprise a l'historique des commandes suivantes au cours des 6 derniers mois. Janvier 120 février 95 mars 100 avril 75 mai 100 juin 50 Quelle serait une moyenne mobile pondérée de 3 mois pour juillet, en utilisant des poids de 40 pour cent pour le mois le plus récent, de 30 pour cent pour le mois précédant le mois le plus récent et de 30 pour cent pour Le mois précédant celui-ci Près de 105 Près de 76 Près de 75 Près de 74 Près de 72 25. Quel est l'écart moyen absolu des prévisions suivantes Mois Réel Prévision de ventes Janvier 614 600 Fév. 480 480 Mar. 500 550 Avr. 500 600 41 34 164 100 25 26. Considérez les données énumérées ci-dessous. Mois Demande réelle Janvier 10 000 Mai 14 000 Prévision (en utilisant 4 mois de déménagement 13 500 Quelle est la moyenne mobile de 4 mois prévue en juin Identifiez la réponse correcte (Note: Vous n'avez pas besoin d'informations supplémentaires pour répondre à cette question) 14 000 Pas assez d'information est donnée Pour répondre à la questio 14 500 13 500 15 333 27. Dans le lissage exponentiel, quelles valeurs la constante de lissage peut avoir 1, 1 1, 0, 0, 1, 28. Plus grande est la valeur de la méthode de lissage exponentiel de la prévision, La réponse de la méthode à l'évolution de la demande Vrai Faux 29. Trouver la valeur du signal de suivi à la fin du sixième mois en fonction de la demande et des prévisions réelles indiquées dans le tableau suivant: Mois 1 2 3 4 Demande réelle 715 675 640 587 Prévisions 700 645 660 648 Près de 1,46 Près de 1,48 Près de 1,50 Près de 35 Proche de 53 30. Laquelle des affirmations suivantes est vraie sur la base des données données dans le tableau suivant MOIS 1 2 3 DEMANDE ACTUELLE 715 675 640 PREVISIONS 700 645 660 La demande est surestimée. La demande est sous-estimée Étudiant posté une question middot Aug 06, 2011 at 9:19 pm
No comments:
Post a Comment