Loading

Module 1: Multi - Criteri Decisione Making and Forecasting

Note di Apprendimento
Study Reminders
Support
Text Version

Previsione Semplice media e Media Errore medio quadrato

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Ciao e benvenuto a “ Modelling e Analytics for Supply Chain Management ”! Siamo alla settimana 9, lezione 45. Oggi discuteremo sulla previsione della filiera. Ora, se si ricorda inizialmente quando il professor Kunale Gosh e io stesso vi abbiamo dato un breve orientamento sul modo olistico in cui opera una filiera; vi avevamo detto che la previsione è la prima fase di filiera. Questo significa che come progetta la tua supply chain quando non sai quale sarà la tua richiesta in futuro. In base a una domanda futuristica, basata su quella che sarà la tua domanda in futuro, progetta la tua supply chain perché il momento, dove inizia la supply chain? La tua supply chain inizia dagli appalti di materie prime. Il momento in cui vai da un fornitore e chiedi che mi serve questa quantità di materie prime o ho bisogno di materie prime il fornitore ti chiederà due, tre domande. Fornitore ti chiederà quanta quantità ti serve, numero uno, quanta quantità ti serve per volta, numero due e quanta quantità ti serve in cosa. Capito? Così il fornitore ti porrà queste poche domande, ora che quanta quantità hai bisogno non potrai raccontare a meno che non hai fatto una corretta previsione della domanda. Quindi la previsione della domanda è il punto di partenza di Supply Chain Analytics o Mathematical Modelling in Supply Chain. Ora questa previsione della domanda è molto - molto difficile piuttosto frase, più facile a dirsi che fatta; molto più facile ha detto che fatto. Se si prevede più cosa accadrà, i prodotti resteranno invendati che significa perdere denaro. Se si prevede meno, si vende meno; quindi cosa succede? Vendita persa; ora che la vendita persa è molto pericolosa perché la vendita persa non significa solo ricavi persi, perso profitto ma la vendita persa significa anche mercato perduto; questo è molto importante. Con tanto di concorrenza oggi, la vendita persa non significa perdere denaro, perso profitto. Il profitto è lì ma la vendita persa significa perdere mercato e il mercato perduto è molto, molto difficile da recuperare dallo spazio concorrente. Quindi la previsione diventa molto difficile. Ora, ci sono diversi metodi di previsione. Uno è il metodo quantitativo; uno è il metodo qualitativo che si vede normale nei libri, ecc. Facciamo un esempio semplice che vi aiuterà a capire quanto sia difficile prevedere, ok. Si cerca di portare sul mercato un prodotto molto meno costoso, ma se accettato il mercato è enorme. Qual è il prodotto? Il prodotto è un bambino che usa le matite a scuola, in aula. KG, uno, due, tre, quattro, usano la matita. E in particolare i ragazzi, i più piccoli in pre - nursery, nursery, KG perderanno matite ogni giorno. Perdono le matite e il giorno dopo diranno, torneranno a casa e ti diranno che no, la mia matita che ha preso, ha preso la mia matita e quel bambino tornerà a casa e dire, no, la mia matita che ha preso, ha preso. Ecco allora questa azienda che si presenta con un prodotto innovativo, una macchina per l'imbalzatura. Abbossare la macchina significa proprio come il tuo timbro di data che incorpora la macchina sarà di quel modello, avrà il tuo nome di sigla. Diciamo che il tuo nome è ABCD, in modo che l'ABCD iniziale ci sarà in quel timbro e che ci sarà dietro la matita. Quindi se si abbraccia quell' ABCD allora nessuno può reclamarlo è la loro matita. Quindi è un prodotto che i bambini ameranno molto e il prezzo di questo prodotto non sarà niente perché è solo una semplice macchina di abbinamento. Quindi se il mercato si picchia, la domanda è il tuo intero paese significa da tutto il tuo paese e la domanda è il tuo intero paese. Quindi la questione è quanto fabbricare? Quindi per questo hai bisogno di previsione ma è un prodotto nuovo; non è mai arrivato sul mercato; quindi come si prevede? Hai dei dati precedenti per dirti che questa sarà la mia richiesta; quindi nessun dato precedente; quindi nessun dato quantitativo da provare. Quindi bisogna dipendere da qualche intuizione di mercato, feedback di mercato, forse qualche focus group tutto. Quindi prevedere quello che voglio dire è, è molto rischioso, impegnativo, difficile, tutto perché, semplice ragione come abbiamo accennato prima, l'eccesso stock è pericoloso ma la vendita persa è più pericolosa, ok. Partiamo dunque da subito con come, gli elementi di base della previsione, come modellare la previsione nella supply chain ok. (5.48) Così copriremo perché le previsioni, gli elementi di buona previsione, i metodi di previsione, ok. (5.59) Ora consideriamo gli elementi di buona previsione. Elementi di buona previsione; è opportuno che sia la tempestività. Dovrebbe avere una tempestività. Dovrebbe essere molto puntuale. Ad esempio, prevedo che la vendita sarà in quantità X dopo sei mesi, ma non sono in grado di prevedere quale sarà la vendita domani allora è di pochissimo utilizzo. Facciamo un esempio molto pertinente, tutti noi prendiamo queste bevande analcoliche durante i mesi estivi. Estate calda, estate umida, clima secco, clima arido, ecc. cerchiamo di prendere queste bevande fredde ok. Coca, Pepsi, Thumbs up, Mirinda qualunque; Seven Up, qualunque. Quindi in pratica prendiamo queste bevande fredde. Ora la questione è che queste fredde unità di imbottigliamento che è l'azienda manifatturiera hanno anche bisogno di previsioni. Cosa hanno bisogno di previsioni? Quanto sarà la vendita per domani, giorno dopo domani, giorno dopo domani? Di conseguenza dovranno preparare il loro piano di produzione e dovranno preparare il loro piano di distribuzione, la pianificazione delle radici. Sai perché? Perché il più piccolo rivenditore in questo angolo più lontano, se quel rivenditore non ottiene la fornitura di Coca in tempo, cosa accadrà? Se non c'è offerta così si sposterà a Pepsi, si sposterà al concorrente, ok. Lo stesso vale anche per il gelato, quindi se non si fornisce il tempo che si sposta sul vostro concorrente, ok. La domanda o i turni di prodotto al tuo concorrente. Quindi bisogna avere una previsione molto accurata per questi tipi di cose in particolare, durante l'estate. Se una Coca Cola o Pepsi non è nello scaffale, è una vendita persa. La vendita persa significa una sorta di mercato perduto. Ora, vedi la questione. Coke e Pepsi hanno precluso qualche quantità per la prossima richiesta di due tre giorni, alcune richieste. Di conseguenza hanno fatto la loro pianificazione radicale; hanno fatto la loro pianificazione produttiva, la pianificazione delle radici, il calendario delle consegne; tutto quello che hanno fatto. Improvvisamente, domani mattina non è soleggiato, è un tempo nuvoloso. Allora cosa è successo? Allora tremendo calore bruciante non c'è, è nuvoloso. Cosa accadrà alla vostra domanda di Coca Cola per quel giorno, per Coke e Pepsi per quel giorno? La domanda cadrà, quindi la tua previsione non è più accurata, giusto. Quindi la tempestività, la precisione del terzo bullet point sono molto, molto importanti nelle previsioni ok. Ora affidabilità; quanto sono affidabili le vostre informazioni di mercato, dati di mercato basati su quali si prevede per il ciclo successivo? Quanto sono affidabili i tuoi dati di base? Se i dati di base non sono affidabili allora anche la tua previsione non sarà attendibile. Hai chiesto ad alcune persone di raccogliere la tua percezione del tuo prodotto, del tuo prodotto. Lei ha chiesto ad alcune persone di raccogliere la percezione del mercato sul proprio prodotto in base al quale si sta cercando di giudicare a valutare quanto sarà la vendita per la prossima settimana. Quindi la previsione basata sulla percezione del mercato. Chi hai impiegato? Hai impiegato quotidianamente persone, significa che stai dando loro stipendio giornaliero, qual è l'affidabilità di tali dati? Qual è la garanzia che quei dati saranno affidabili, perché queste persone che raccolgono dati per voi non sanno se avranno un lavoro domani o meno. Quindi quale sarà il loro livello di sincerità? Tutti saranno alla ricerca di un nuovo lavoro, quindi l'affidabilità dei dati è anche un grande punto interrogativo. E devi rivederle regolarmente. Il metodo è corretto? Il campione è corretto? Il campione è stato selezionato correttamente? Quindi recensione regolarmente. Pari possibilità di essere finiti e sotto significa che hai precluso cento unità come tua vendita; pari possibilità di eccesso di previsione o di previsione; diritto. Non è che continuerò a fare la previsione; sulla previsione o continuerò sotto, sotto la previsione; no; pari opportunità. Il che significa che se è uguale vuol dire che si sconta, si evita se è uguale. Questo significa che la tua previsione è piuttosto accurata. Quel poco di sopra e sotto la normale richiesta prevista che è l'errore di sorte, quindi si è corretti. Il tuo metodo di previsione è corretto, ok. Chiaro? E buona documentazione; molto - molto importante; come avete raccolto i dati, qual è il metodo, l'avete documentato, cosa ha fatto sapere la gente, quali erano le persone che si sentano del vostro prodotto? In base a ciò si sta facendo la previsione, quindi buona documentazione; e l'ultima ma più importante, facile da usare; a meno che i dati non siano facili da utilizzare, non vi è alcun beneficio di previsione. Ecco cosa in questo corso vi abbiamo ripetuto più volte. Utilizzare metodi complessi, nessun problema ma renderlo semplice e comprensibile ai tuoi dipendenti, in modo che un dipendente possa usarlo senza paura di sbagliare, quindi facilità d'uso, facile da usare. Questi sono elementi di buona previsione. (12.09) Ora, la prossima domanda sono quali sono i metodi di previsione? Vedi abbiamo questi, livello costante, livello costante con livello stagionale, costante con tendenza, livello costante con stagionalità e tendenza. Cosa sono questi? Si può dare un esempio di previsione di livello costante? Vedi la camicia che indomo, questa camicia, la richiesta di questa camicia è un esempio di previsione di livello costante, ok. Non cambierà. Sia estate, sia invernale, questa richiesta di normali camicie ordinarie rimarrà più o meno stabile ok. Cosa cambierà? Durante le stagioni matrimoniali alcune persone comprano i sherwanis, e le tute, e i nuovi sari, ecc. Quella domanda è cosa? Quella domanda è per una stagione particolare. La stagione matrimoniale alcune persone acquisteranno di più, sia perché c'è il matrimonio in famiglia o dovrai frequentare il matrimonio, ecc. Ecco allora che la domanda è costante ma durante certi momenti c'è la stagionalità; ok, chiaro. Il livello costante si mantiene ma con alti e bassi. Così costante è questa camicia, richiesta di usura da sposa, stagionalità. Analogamente, gli indumenti invernali, le giacche sono esempi di stagionalità; ok. Li spiegheremo ma questo solo per darvi un breve di questi; ok. (13.54) Come dicevamo che la domanda di livello costante è uguale per tutto. Le fluttuazioni sono dovute alla casualità comunemente nota come rumore. Che cosa è questo? Ogni giorno prendi l'autobus o un tram o un treno per raggiungere il tuo istituto per studiare; giusto. Quelli di voi che soggiornano in ostelli possono prendere la bicicletta dal vostro ostello al reparto per frequentare le classi. Ma si può dire che raggiungerò lì esattamente alle 9, non alle 8.59 né 9.01; no, giusto. Alcuni giorni raggiungete alle 8.59 usando la stessa modalità di trasporto, sia in bicicletta, sia essa la metropolitana, sia essa il tram, sia esso l'autobus, ecc. Così ogni giorno si prenderà la stessa modalità di trasporto ma un giorno raggiungerete alle 8.59, un giorno raggiungerete alle 9.01, un giorno raggiungerete a 9. Quindi questi cosa sono? Si tratta di fluttuazioni dovute alla casualità, al rumore. Lo chiamiamo comunemente come rumore. Non è previsto. È proprio così; accadrà solo perché la mano umana è coinvolta; è proprio così. Quindi la domanda è uguale per tutto. Ogni giorno raggiungerete a 9 ma poi la casualità, 8.59, 9.01 che rimarrà ok. Quelle sono fluttuazioni. Questo si chiama livello costante; ok. (15.13) Questo è un esempio di costante livello uno. Se si vede il mezzo, la domanda è uguale, giusta. Se si vede, la domanda è uguale. Se vedi questa è la tua richiesta, ok. Questa è la tua casualità; ok. Ora si dirà, nessun signore è somigli alla stagionalità; no signore. La stagionalità è molto richiesta; ok; e c'è una grande distanza tra questi due gapponi. Maggiore distanza tra questi due highs e i minimi; ma la casualità è cosa? La casualità è questa; alcuni giorni è così, proprio come un normale battito cardiaco umano, che è casualità; ok. Segue un particolare modello un po' in alto e poco giù; ok. Ecco allora quello che viene chiamato come un livello costante; ok; ok. (16.13) Next is, come abbiamo detto, livello costante con stagionalità. Chiaramente si può vedere la differenza tra questo diagramma e questo diagramma, questa è la stagionalità ok. (16.24) Il prossimo è a livello costante con tendenza che significa che è una linea crescente. Le vendite mi stanno mostrando una tendenza in aumento ma all'interno di queste fluttuazioni minori ci sono. Il lunedì la vendita è, come l'estate è in aumento lunedì, martedì, mercoledì, giovedì, venerdì supponi che la temperatura sia in aumento anche il lunedì, martedì, mercoledì, giovedì, venerdì. Così lunedì 10 comprati, 10 sacchi di ghiaccio sono stati venduti, martedì 12, mercoledì, 10, 12, 14, 16 e 18; lunedì, martedì, mercoledì, giovedì e venerdì. Ora, quindi questo è giusto. Quindi la tendenza c'è. Ora che le fluttuazioni minori ci saranno. lunedì può essere il 10, il martedì può essere il 11, il mercoledì forse il 13 poi 12, poi il 13, poi il 15, poi il 17. Quindi quel piccolo zig-zag c'è, stai ricevendo il punto? Ecco allora cosa, livello costante con tendenza; ok. (17.50) Prossimo livello costante con stagionalità e tendenza. Ora vedi la differenza? Questo era il tuo livello costante con tendenza, quello semplice e questo è il tuo, è in aumento ma alti e bassi. È ancora in aumento ma ha un tasso di stagionalità, giusto? Lo stai notando? Quindi questo è un livello costante con stagionalità e tendenza. (18.15) Ora abbiamo cinque metodi di previsione a livello costante. Ultimo valore, media semplice, media mobile, spostamento ponderato e livellamento esponenziale. Ora facciamo un breve su di esso. (18.25) Ultimo valore; il metodo dell'ultimo valore è molto semplice. Il metodo dell'ultimo valore è il metodo è qualunque sia la vostra vendita nel mese precedente; lo stesso sarà qui in questo mese. Lievi oscillazioni, uno o due questo lato è dovuto a errore casuale o a rumore. Quando si utilizza il metodo dell'ultimo valore o dove si utilizza il metodo dell'ultimo valore? Il negozio locale appena accanto alla tua casa che vende pane, uova, riso, dal; non c'è cambiamento in vendita, perché; perché sta scontando una particolare località geografica, posizione geografica. I suoi clienti saranno solo da quella zona e località, quindi è fissato anche il numero totale dei familiari, quindi anche la capacità di alimentazione totale di quella località è fissata in modo che anche la vendita totale, anche la previsione sia fissa, quindi questo è di ultimo valore. Qualunque sia la vendita di ieri, del totale di pane tostato e uova stessa cosa accadrà oggi. Le fluttuazioni minori ci saranno; quali lievi fluttuazioni? Qualcuno potrebbe non essere a casa; così un uovo venderà meno in modo che la fluttuazione minore ci sarà ma altrimenti è uguale; ultimo valore. Capito? Quindi ovunque la vostra; la natura del prodotto è tale che la sua domanda non oscillerà; è un prodotto stabile lì il metodo del valore ultimo è molto - molto buono. Poi è; metodo medio semplice. Il metodo medio semplice dice, ok; metodo di ultimo valore che stiamo dicendo che sta prendendo; il metodo dell'ultimo valore lo fa. Questa previsione di oggi è basata su previsioni di ieri sera, domani le previsioni di domani si basano su oggi ok e questo è fisso. La media semplice dice che no, ma le vendite forse 14, 13, 14, 13, 12, 10. La media semplice dice prendere una media. Prendi una media. La media semplice dice no, non prendere l'ultimo valore piuttosto decisamente prendersi cura delle fluttuazioni e fare una media. Quindi cosa facciamo? Prendiamo la domanda media di tutte le cose divise per il totale delle osservazioni e otteniamo una media semplice, ok. Quindi qualcosa come sommità di X diviso per numero totale di osservazioni ok. Ecco allora la mia media semplice, giusto. (20.56) Quindi qual è la media mobile semplice? La media mobile semplice come diciamo è molto semplice. È molto semplice. Media mobile semplice, che cosa è questo? Analizziamo i dati di fronte a voi. Questi sono i tuoi mesi, ok. uno, due, tre, quattro, cinque, sei, sette, otto, gennaio, febbraio, marzo, aprile, maggio, giugno, luglio, agosto. Queste sono le richieste reali in questi mesi, ok. Mesi, queste sono le effettive richieste affrontate dall'azienda. Qual è il tuo lavoro? In base a questa domanda bisogna prevedere la domanda per il mese nove, ovvero settembre. Ok, chiaro? Quindi lasciateci pulire. Sì, devi prevedere questo. Quindi cosa facciamo? Prendiamo una media mobile. Cosa si muove in media? 3MA; 3MA significa tre mesi. Guarda qui; 3MA significa tre mesi in movimento medio. Che cosa significa, tre mesi in movimento medio? Ci prenderemo in media i primi tre mesi che sono gennaio, febbraio e marzo. Prossimo prenderemo cosa? La media di febbraio, marzo e aprile; prossimo cosa prenderai? Marzo, aprile e maggio; poi aprile, maggio e giugno; maggio, giugno, luglio; giugno, luglio, agosto; luglio, agosto, settembre, in questo modo. Quindi ne stiamo cancellando uno e trasferiamo al prossimo. Mentre ci stiamo muovendo, stiamo rimuovendo il mese precedente fuori dal mio sistema di calcolo; ok. Quindi cosa stiamo dicendo? Questi tre mesi prendiamo e facciamo una media. Qual è la media di questi tre mesi? Vale a dire il 10,7; questa è la media di gennaio, febbraio e marzo; ricordate; media di gennaio, febbraio e marzo; quindi questa è la mia previsione per aprile. Media di gennaio, febbraio e marzo è la previsione per aprile. Il prossimo mese cosa accadrà? Febbraio, marzo, aprile questa è la media e questa è la previsione per maggio. Il prossimo mese cosa accadrà? Marzo, aprile, maggio, questa è la media e questa è la previsione per giugno ok. Così in questo modo otteniamo la previsione per il mese di settembre. Ma questo sembra molto semplice ma abbiamo fatto qualche errore? Abbiamo commesso qualche errore? Quindi qual è l'errore? L'errore è praticamente, qui qual era la mia previsione? 10,7. Qual era la domanda effettiva? 13. Quindi domanda 13, previsioni 10,7 così ho fabbricato 10,7. La mia domanda era di 13, ho fabbricato 10,7 in base alla previsione quindi qual è il mio errore? 2,3 vendita persa. L'ho appena quadrato. Questo viene chiamato come quadrato di errore. Perché facciamo questo errore quadrato? Te lo dirò più avanti. Così in ogni fase, la previsione e la domanda che deduciamo e otteniamo l'errore e il quadrato degli errori; Errore, quadrato di errore; quindi è l'effettivo meno la previsione, otteniamo l'errore. Ora, questo errore quadrato medio (MSE), questo errore quadrato che abbiamo ottenuto, la media di questo è l'errore medio quadrato; ok. Ricordate questo, perché? Ne discuterò più avanti. Così la media di questo è un errore quadrato medio; ok; MSE. Ora perché abbiamo fatto quadrato di errore; perché abbiamo preso quadrato di errore? Vedi, guardando l'errore, perché abbiamo fatto quadrato di errore? Quindi si tratta di un quadrato di errore medio. Ora perché abbiamo preso quadrato di errore, vediamo guardare l'errore 2,3, non sembra molto. Guarda l'errore, 0,3, sembra molto trascurabile ma il momento in cui lo quadrati, sembra molto grande. Ok. Momento che lo quadrati, sembra molto, molto grande. Questo è il solo scopo di fare un errore quadrato, nient'altro. È per ingrandire l'errore in modo che l'organizzazione capisce e prenda cognizanza di esso, nient'altro. Quindi l'errore quadrato è questo. Ora, qual è lo scopo di fare un errore medio quadrato? Vedi, oggi facciamo tre mesi in movimento medio. Domani qualcuno potrebbe dire perché tre mesi? Prendiamoci in media in media di quattro mesi spostandoci in media, facciamo 4MA. Qualcuno dirà perché quattro mesi, dovremmo prendere in media cinque mesi perché il prodotto che vendiamo la domanda non cambia troppo. La domanda è più o meno stabile, quindi facciamo passare in media cinque mesi. Quindi tre, quattro, cinque, qualcuno dirà sei mesi di media mobile. La questione è, la domanda è allora quanti mesi si muovono in media dovremmo prendere? La risposta è che dovremmo prendere quel numero di mesi in movimento medio per chi; il mio errore medio quadrato sarà il più basso; per chi l'errore medio quadrato sarà il minimo, minimo; ok. Se stavo facendo un 4MA, quattro mesi che muovono la media e supponiamo che il mio errore quadrante medio fosse di 2,3, allora avrei dovuto prendere quattro mesi che si muoveva mediamente, prendendo in considerazione tante altre cose. Quindi questo è lo scopo dell'errore medio quadrato medio ok. Quindi questo è il mio unico modo di previsione usando la semplice media mobile, giusto. Semplice media mobile dire, per il mese di settembre la previsione è di 12,3; ok. (27:19) Ora altro metodo è solo un'aggiunta ad essa, solo un'estensione ad essa piuttosto, ponderata media mobile ok. Stessa cosa, la domanda è uguale ok e noi solo diamo più peso ai recenti. 5, 4, 3, mentre ci muoviamo oltre la pesantezza scende e la tua media mobile è solo una media ponderata. Vedi, prima uno era un semplice ok medio 10, 11, 11 diviso per 3. 10 più 11 più 11 diviso per 3. Qui che cosa sta accadendo? 10 in 3 più 11 in 4 più 11 in 5 interi divisi da dodici, cioè la sommità dei pesi, ok. Così facendo faremo i tre mesi di spostamento medio; la previsione è la stessa. Stessa cosa, stesso modo di fare previsione, errore, quadrato di errore e otteniamo l'errore medio quadrato. E sicuramente un errore quadrato medio sarà di più perché questo è; stiamo aggiungendo i pesi; ok. Questi sono dunque i due metodi di previsione che abbiamo previsto di studiare in questa settimana e abbiamo imparato il metodo medio di spostamento; la media semplice e il metodo di previsione medio ponderale di previsione; ok. Qui così abbiamo imparato la semplice; ponderata e mobile metodi di previsione. Questo è il metodo più semplice di previsione in cui sappiamo che c'è un livello costante e possiamo andare avanti con quello; ok. Quindi, grazie! La prossima settimana proseguiremo con questa tecnica di previsione e impareremo un altro metodo che viene chiamato come metodo di livellamento esponenziale; ok. Grazie!