Loading

Module 1: Multi - Criteri Decisione Making and Forecasting

Note di Apprendimento
Study Reminders
Support
Text Version

Stagionalità a Forecasting

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 47 che prevede la stagionalità e il suo impatto sulla filiera. Ora, nelle due settimane precedenti, abbiamo appreso della previsione e della sua importanza nella supply chain. Abbiamo imparato che, vedere la previsione è molto - molto importante per due motivi, uno è se la mia domanda effettiva è del 100 e la mia previsione era del 120 che significa 20 unità che non potevo vendere. Questo va bene. 20 unità sono sdraiate in stock. Io pago l'affitto del magazzino, ecc .. ma prenovia il contrario, cioè la mia domanda è di 100 e avevo precluso 80 unità. Quindi, 20 unità potrebbero essere state vendute che non hanno venduto. Che cosa significa? Significa che 20 clienti sono andati al mio concorrente e lo moltiplicano per numero di volte e per numero di unità, il cliente acquista un prodotto del mio brand. Così, tutti vengono colpiti. Quindi, se faccio in previsione, cioè mi sono precluso meno di quello che è la domanda in realtà, poi c'è un enorme impatto sulla reputazione, e l'avviamento e il marchio della mia organizzazione. Quindi, ecco perché, la previsione oggi è diventata molto - molto importante nella supply chain. Questo abbiamo discusso nella classe precedente. C'è un altro motivo per cui le previsioni sono diventate importanti nella supply chain. Vedi, se non possiamo prevedere correttamente, non possiamo pianificare la supply chain. Non possiamo pianificare quanto spazio magazzino richiederemo. Non possiamo pianificare quanti veicoli di trasporto richiederemo. Non possiamo pianificare qual è la frequenza di consegna delle partite. Quindi, a meno che non otteniamo un quadro chiaro di quella che è la domanda approssimativa sul mercato, la filiera non può attrezzarsi per soddisfare la domanda e la tempistica della domanda. Quindi, ecco perché, la previsione, che prima era un'attività orientata alla produzione, è diventata oggi un primario o il primo punto o il punto di partenza di qualsiasi attività di supply chain. Quindi, ecco perché la previsione è importante. Ora, nei due modelli precedenti, nelle due settimane precedenti, quello che abbiamo fatto è stato detto che la previsione, questa normalmente, vediamo che c'è un livello costante di domanda e alcuni zigzags minori, accadono errori minori. Questo è a causa del rumore, le deviazioni minori accadranno. Non si mangia la stessa quantità di cibo ogni giorno. Un giorno si mangia di più, alcuni giorni si mangia di meno. Ma il tuo livello complessivo è lo stesso. Ecco, ecco cosa è, ecco cosa è la previsione di livello costante. Ora, nella previsione di livello costante, abbiamo imparato metodo medio semplice e metodo medio ponderato. Oggi impareremo qualcosa chiamato stagionalità nella previsione. Ora, certi prodotti mostrano una certa stagionalità. Qui è dove siamo terminati nella settimana precedente. Certi prodotti mostrano la stagionalità. Che cosa vuoi dire con questo? Vedi, abbigliamento invernale, giacche, scialle, pullover, tutti sono esempi di domanda stagionale. Analogamente, il cotone, molto morbido, molto adatto al corpo umano, è normalmente un tessuto estivo. In estate la gente ama indossare il cotone in India a causa delle condizioni meteorologiche. Quindi, c'è un elemento di stagionalità. Allo stesso modo, la stagione del matrimonio, tutto quello che pretende per gli Sherwanis e i kurtas arriveranno per un tipo di usura di un prodotto. Quindi, questo è anche un altro esempio di stagionalità. Allora, come prevedere una domanda stagionale? Ecco, questa è una cosa molto importante e dicey. Perché? Perché, diciamo che è una stagione invernale; ora, la stagione invernale è solo di un quarto d'anno. Così, tre mesi avremo l'inverno. Ma, cosa sta succedendo? Questo in arrivo l'inverno, si prevede quanto la domanda sia, in base all'inverno precedente. In base al precedente inverno, prevederà la venuta dell'inverno in arrivo. Ora, tra quello che è successo? Sono trascorsi 9 mesi. Quindi, i gusti e le preferenze potrebbero essere cambiate, le condizioni meteorologiche potrebbero essere cambiate un po', le condizioni economiche potrebbero essere cambiate. Quindi, tante cose ci sono. Quindi, la previsione stagionale, la stagionalità, la stagionalità di previsione è sempre una sfida per i marketer. Così, oggi, il nostro argomento è come prevedere la domanda quando la domanda mostra una certa stagionalità. Allora, questo era il nostro primo punto, qual è la stagionalità? (5.11) Ora, arriveremo al punto successivo, cioè l'impatto della stagionalità nella filiera. Ora vedi, l'impatto della stagionalità è come il tuo, diciamo che i tuoi prodotti sono richiesti in inverno. Diciamo le tue arance. Le arance sono coltivate diffusamente nella cintura Himachal Pradesh. Ora, questo è coltivato e richiesto tutto in inverno. Ora, il problema è se si sta dedicando una flotta di veicoli per Himachal Pradesh durante l'inverno, cosa accadrà a quei veicoli per altri 9, 10 mesi, i mesi estivi e la stagione delle piogge? Cosa accadrà? Quei veicoli resteranno l'ideale o potremmo dover indagare su alcune altre imprese che sono attive in inverno, nella stagione delle piogge e di alcune altre imprese, attive durante i mesi estivi. Così, poi, la pianificazione del veicolo viene evita. Ma questo è un impatto della stagionalità nella filiera; la mia pianificazione del veicolo diventa una vicenda impegnativa. È una grande sfida. Come faccio a ottenere un numero enorme di veicoli necessari per trasportare l'arancio per quei 2, 3 mesi da Himachal a tutto il paese? Come faccio a ottenere quel numero di veicoli? Non posso avere una flotta dedicata ai veicoli. Cosa farò con loro per l'equilibrio 9 mesi? Quella flotta dedicata ai veicoli smentirà ideale o dovrò trovare dei modi alternativi. Analogamente, siamo ancora con il secondo punto che è l'impatto della stagionalità. Allo stesso modo, vedi, quando questa particolare stagione in Orissa quando le foglie di "beedi" „ sono mature da prendere e poi i bechi „ sono legati e legati e poi portati nel mercato. Così, queste foglie di beedi; le foglie di sale „, sostanzialmente, che crescono nel mercato Orissa, scusate, che crescono nel giardino Orissa; le piantagioni di Orissa e le foreste, sono messe all'asta. Ora, una volta messi all'asta, il tempo di spaccare le foglie per il beedi, quando quel momento arriva, si richiede enorme numero di camion. Richiedi enorme numero di camion per trasportare questi beedi foglie dalle foreste di Orissa a tutto il paese. E poi il tabacco sarà messo dentro e poi saranno legati e poi entreranno nel mercato per la produzione finale. Quindi, si richiedono tanti numeri di veicoli ed è in realtà che a Orissa, in quel periodo di tempo, non troverete camion per qualsiasi altro scopo, anche se richiesto. Tutti i camion sono andati nelle foreste del governo per riprendere le foglie sul mercato. La domanda è cosa accadrà dopo che le foglie di beedi sono portate via? Cosa faranno i camion se si avrà un trasportatore dedicato? Se sei un trasportatore generale, sei in piedi da qualche parte sul mercato e avrai una qualche partita e li prenderai. Ma se sei un trasportatore dedicato, cosa succede ai tuoi camion dopo che le foglie di beedi sono sparite? Quindi, questo è qualcosa che la supply chain deve prendersi cura. Ecco, questo è l'impatto della stagionalità nella filiera. Ora, il punto successivo è come prevedere la domanda stagionale? Ora, se si vede, proprio per la natura stessa della parola, “ stagionalità ”, proprio per la natura stessa della parola “ stagionalità ”, stiamo vedendo che la domanda stagionale si comporterà così. Una volta che inizia la stagione, la vendita raccoglierà, al picco della stagione anche le vendite di picco e mentre la stagione si concluderà, le vendite scenderanno. Come l'esempio molto lampante è di indumenti invernali. Quando inizia l'inverno, lentamente si inizia a comprare nuovi pullover di design e giacche. Una volta che l'inverno è in picco, non accadrà alcuna vendita aggiuntiva. Ma poi lentamente, la domanda cadrà perché anche l'inverno sta andando via. Poi ancora, prima del prossimo inverno, la tua domanda salirà. Raggiungerà un picco e poi di nuovo, cadrà. Questo è un esempio di stagionalità nella domanda. Questo è un esempio di stagionalità. Ora, la questione è come prevedere una tale stagionalità che è ciò che impareremo. (10.17) Ora, vedi, una cosa che notate molto attentamente, questo è uno schema di stagionalità, questo è lo schema della stagionalità. Ora, se riesci a scoprire, vedi, punto numero 1, se riesci a scoprire qual è l'estensione della stagionalità? Qual è l'entità della stagionalità? Poi metà del tuo lavoro è fatto e questo viene chiamato come indice di stagionalità. Ora, prendiamo questo grafico; molto fine, sottile. Prendiamo questo grafico; qual è l'entità della stagionalità? 0. Prendiamo questo grafico; qual è l'entità della stagionalità; abbastanza alto. Quindi, primo lavoro per noi è scoprire l'indice di stagionalità; ok, e poi, andremo avanti. Ecco, questo è ciò con cui partiremo. (11.43) I passi fondamentali per incorporare la stagionalità nella previsione è, prima di tutto, calcola l'indice di stagionalità. Calcola l'indice di stagionalità. Che cos' è l'indice di stagionalità? L'indice di stagionalità è la domanda media durante quel periodo; diviso per, la domanda media complessiva per tutti i periodi. Che cosa è? Vi mostreremo un po' più tardi; la domanda media durante quel periodo diviso per la domanda media complessiva per tutti i periodi. Ora, una volta calcolato l'indice di stagionalità, si adeguerà la stagionalità dividendo con l'indice di stagionalità per ottenere dati di domanda destagionalizzati. Ecco, questa è la stagionalità, ok, questa è una stagionalità, troviamo l'indice di stagionalità e dividiamo questa domanda da quell' indice di stagionalità in modo da ottenere un dato di richiesta destagionalizzato. Questo, questi alti e i bassi vengono rimossi. Questi alti e i bassi vengono rimossi. Così otteniamo una media. Quindi ora, una volta che avremo questo, allora non sembra? Sembra una normale richiesta media che stiamo studiando nelle ultime due settimane. Ecco, questo è quello che viene chiamato come destagionalizzare la serie temporale. Stagione, hai un picco, hai un „ m " quindi cosa succede? Stai rimuovendo sia il picco che il „ m " e ciò che rimane è da qualche parte in mezzo. Quindi, questo è il tuo destagionalizzato. Poi, cosa accadrà dopo qualche tempo? Con questo destagionalizzato uno, che sembra esattamente come quelli precedenti, si prevede quale sarà la previsione per il prossimo. Poi, riportare la stagionalità a questa previsione e poi quella è la tua richiesta preclusa. Per quanto semplice, ecco qual è l'indice di stagionalità. (13.54) Così, selezionare un metodo di previsione della serie temporale appropriato. Applicare il metodo di previsione sui dati della domanda destagionalizzata e calcolare l'effettiva previsione moltiplicando la previsione destagionalizzata da parte dell'indice di stagionalità. Allora, cosa abbiamo detto? Ancora, stiamo ripetendo questi punti e questo diagramma vi aiuterà. Quindi, prima calcoliamo, qual è l'entità della stagionalità? Qual è l'entità della stagionalità? Rimuoverli; dividere questa cosa intera da questa porzione; quindi cosa rimarrà? Solo la porzione di mezzo rimarrà che è praticamente una zigzag all'interno di un normale frame time. Questo si chiama i tuoi dati di richiesta destagionalizzati. Una volta destagionato, le previsioni con questo normale dato destagionalizzato. Una volta preclusi, riportare in alto questo top che avevi cancellato. Quindi, questo ti darà la previsione effettiva. Questo è quello che intendevamo. (15.14) Facciamo un problema; questo è l'anno, 2015, 16 e 17. Ci siamo presi tre anni e ogni anno abbiamo percorso quattro quarti, 1, 2, 3 e 4. Ora, il trimestre 1 ha una domanda. Se potete vedere sul vostro schermo; 541; il trimestre 1 ha una domanda di 541, 523 e 516. Così, a quanto pare, sembra che la domanda stia cadendo. Poi improvvisamente, qui, la domanda si muove, si muove. Poi ancora, si vede, è in calo, in calo e poi di nuovo, si vede che c'è un improvviso affanno nella domanda. Di nuovo la stessa domanda poi improvvisamente si affonda nella domanda. Così si vede, caduta - surge, caduta - surge; così, caduta - surge, caduta - surge. Quindi, questo è un prodotto stagionale. Allora, come, quindi che cosa abbiamo detto? Abbiamo detto che prima si ottiene l'indice di stagionalità. Questo è il nostro primo passo e qual è il primo passo che abbiamo detto? Dobbiamo calcolare l'indice di stagionalità facendo qualcosa. Che cosa è questo qualcosa? Vediamo ora. Sì, comunque abbiamo dato i risultati. Qual è la cosa che faremo adesso? Ci faccia vedere. (16.54) Così, primo passo, step1 è stato quello di ottenere l'indice di destagionalità. Così, prima scriveremo indice di stagionalità per il trimestre 1, indice di stagionalità per il trimestre 2. Perché lo facciamo separatamente? Perché i trimestri non sono gli stessi, indice di stagionalità per il trimestre 4; trimestre 1, trimestre 2, trimestre 3 e trimestre 4; qual è l'indice di stagionalità per il trimestre 1? Domanda media per tutto il trimestre 1 "; domanda media per tutto il trimestre 1"; cioè, rimuovo il Q2s e il Q3s. Lascia che sia chiaro. (17.27) Così, facciamo solo Q1 primo. Indice di stagionalità per Q1, cioè 541 più 575 più 551, diviso per 3. Che arriva a 555, che viene dato nella prossima slide. Per il trimestre 2, indice di stagionalità, trimestre 2, l'indice di stagionalità è di 523 più 570 più 551, entro il 3. Quindi, in questo, poi di nuovo, così questo è stato il tuo, 523.570, 551. Prossimo sarà il trimestre 3. Che saranno 516 più 617 più 630, divisi per 3. Quindi qualunque cosa, quindi questo è il tuo indice di stagionalità medio passo 1. Quindi, questo è per la media; 555, 548, 588, 724. Questo è quanto abbiamo appena calcolato. Concordato? (18.50) Cos' è l'indice di stagionalità? Qual era la formula? Qual è stata la formula che abbiamo detto? Domanda media in quel periodo, quindi, domanda media per il trimestre 1 abbiamo appena calcolato per trimestre 1, trimestre 2, trimestre 3 e trimestre 4; diviso per la media complessiva della domanda per tutti i periodi; domanda media complessiva per tutti i periodi. (19.06) Così, questo significa, eccoci, indice di stagionalità diviso per la domanda media complessiva. Quindi, questa colonna, questa colonna di domanda, cioè la tua sommità x da n. Questa cosa intera è la sommità. Sommità suddivise per quante osservazioni abbiamo, divisi per 12. 12 osservazioni che abbiamo. 3 anni, 12 osservazioni. Quindi, questa è la tua media. (19.43) Allora, come stiamo procedendo? Quindi, la media per questo era media per questo. (19.49) L'indice di Seasonality è quello medio che il 555 per il trimestre 1 diviso; penso che il totale sia di 600. La media qui è 613. La media è di 613, una cosa del genere. Quindi, Q1 otterrete qualcosa, qualcosa, qualcosa, qualcosa, qualcosa, zero virgola qualcosa; così, la media totale dell'intera serie. Proprio ora, ce l'abbiamo fatta. Sto solo tornando indietro; questo. Così si vede, la sommatoria X da n, basta tornare indietro e l'indice di stagionalità è questo, diviso per la media dell'intera serie. Analogamente, si può fare per il trimestre 2, trimestre 3, trimestre 4. Puoi ottenere dei numeri. Questo è il primo passo. (20.46) Allora, cosa abbiamo fatto? Abbiamo diviso ogni richiesta per indice di stagionalità. Qual è stato l'indice di stagionalità per il primo trimestre? Era qualcosa, da qualche parte come 0,9. Allora, che cosa abbiamo fatto? La domanda originale del 541 è suddivisa per 0,9. Poi otteniamo quello che viene chiamato come una domanda destagionalizzata. Domanda originale divisa per indice di stagionalità. Così, otteniamo la domanda destagionalizzata. E una volta fatto con la domanda destagionalizzata per ogni trimestre, ora si prevede quale sarà la domanda per il prossimo trimestre con qualche meccanismo. Sia media semplice, sia media ponderata, sia esso qualche livellamento esponenziale, qualcosa che si prevede quale sarà la domanda per il prossimo trimestre. (21.39) Ora, una volta precluso, diciamo che la tua previsione qui è 670, ok, quindi la tua previsione per il 2018, Q1 che è il prossimo anno è 670. Ora, quella previsione, qual era l'indice di stagionalità? Diciamo 0,92. Quindi, 670 su 0,92, qualunque sia quel numero, ecco la tua previsione per il 2018, trimestre 1. Quindi, moltiplicato, prima abbiamo ottenuto l'indice di stagionalità, con quello che abbiamo diviso. Ora, stiamo riprendendo il numero originale moltiplicando l'indice di stagionalità. Ecco, questa è la base della previsione della domanda. In questo modo, quello che si può fare è, per un multi periodo, almeno per altri 2 trimestri, si può prevedere anche se una sola previsione di periodo è molto - molto appropriata dove almeno si può prevedere. (22.49) Ora, una cosa è che questa stagionalità in previsione, si è preclusa qualcosa, qualche quantità di previsione per Q1, Q2, Q3 Q4, ma molto decentemente, abbiamo visto che le persone hanno gusto, preferenze e abitudini stanno cambiando. Quindi, devi essere un po' attento a se, qualunque sia il numero che stai ottenendo, se, come analista, dovresti consigliarti e dare quel numero solo alla gestione e guardare anche all'altra dimensione economica e sociale che ci sono nell'economia che sta plasmanendo la mia richiesta. Quindi, bisogna stare molto attenti se, che, se i dati di previsione che avete ottenuto, se questo deve essere modificato o riesaminato, ecc. Ecco allora che la stagionalità nella previsione è. (23.46) Ora, il prossimo è altro in cui vi stiamo facendo vedere, tutto lungo, facevamo come se fosse una linea retta, di livello costante; livello costante con stagionalità, senza stagionalità. Ora, la nostra prossima domanda è cosa se la domanda fosse così? La domanda è in aumento. E se la domanda fosse così? Se la domanda è così, allora la chiamiamo "trend „". Ora, se vedete, sembra molto semplice. Se sapete che questa è la tendenza, la stessa tendenza continuerà per il futuro. Quindi, è molto facile prevedere qual è la vendita qui, quale sarà la vendita qui in base a quella che è stata la vendita nei trimestri precedenti. Quindi, è molto - molto facile fare la tendenza e questo è stato il metodo prevalentemente usato per la previsione dove c'è un trend lineare e quel metodo è chiamato regressione „. Il metodo più usato per la previsione è termato come regressione „ ". Questo ci occuperemo nella prossima lezione. Ora, quindi questo ci occuperemo della prossima lezione. Allora, quanto abbiamo imparato? Abbiamo imparato il livello costante, in sostanza abbiamo finito i metodi di previsione a livello costante di base e oggi, stiamo solo dando un accenno alla regressione. Ora, la prossima settimana, quello che faremo è, regredire faremo come tendenza, aumentando il metodo di previsione e allo stesso tempo vi daremo introduzione al metodo di previsione di Holt, dove, non solo la tendenza ma anche il livello. Quindi, anche questo dovrà essere guardato dentro. Così, con questo, termineremo questa settimana " s lezione sulla stagionalità parte della previsione. Grazie!