Loading

Module 1: Multi - Criteri Decisione Making and Forecasting

Note di Apprendimento
Study Reminders
Support
Text Version

Il metodo di Holt e Winters

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 nella settimana 9, lezione 49 e come si era a conoscenza; stavamo discutendo l'aspetto cruciale della supply chain che è la previsione. Ora, in previsione, abbiamo accennato che ci sono due modi di previsione, uno è previsto; le previsioni non possono mai essere accurate. Ma il nostro compito è quello di prevederlo in modo scientifico in modo che le deviazioni o le abrasioni siano minime. Non possiamo esattamente prevedere quanto cibo si mangia domani mattina. Quanta colazione ci vorrà domani mattina? C'è abrasione minore. Può essere un cereale in più, può essere un chicco in meno. Quindi, la previsione non può mai essere accurata, ma il nostro compito è minimizzare le probabilità di errore o minimizzare gli errori di previsione. Quindi, e quali sono i problemi con le previsioni inesatte? Vedi, se si sovrasta, cioè se hai superato le previsioni e la tua richiesta non è che molto, allora il prodotto resta in gowdown e il prodotto che soggiorni nel gowdown significa che stai incorrendo i costi. Se si è in fase di produzione che è, se si prevede, cosa sta accadendo? Cioè la tua domanda è del 100 e la previsione 80 allora cosa sta succedendo? Che il 20 vada al tuo concorrente e a quei 20 clienti o unità di prodotto those20, le SKU non torneranno mai più a te, pochissime possibilità, perché il tuo concorrente ha anche la stessa qualità e potrebbe essere, in alcuni aspetti, meglio di te. Ecco perché, ecco perché, vogliamo avere una previsione adeguata e questo ci dà, che ci portano al tema tutto importante della previsione e che è la rilevanza della previsione e dell'importanza di previsione nel mondo di oggi. Ed è per questo; inoltre, vedrete che le aziende non sono solo soddisfatte di avere o fare una previsione utilizzando un solo metodo. Stanno cercando di guardarlo da diversi angoli e vedere se la loro previsione è corretta o meno, o accurata o meno. Così, a questa luce, abbiamo studiato media semplice, media ponderata, esponente esponente, stagionalità e regressione lineare e con quella, abbiamo terminato la classe precedente e poi abbiamo detto qualcosa prima di finire, abbiamo detto qualcosa. (2.42) Nella programmazione lineare, il tuo livello e la tua tendenza, entrambi sono considerati fissi. Livello e tendenza considerati fissi significa che si sta ipotizzando che lo stesso livello di produzione e di consumo porterà avanti e su e su, ma in realtà, questo non dovrebbe accadere, questo non accadrà e questo non dovrebbe accadere anche perché poi non c'è crescita. Quindi, il livello e la tendenza entrambi dovrebbero aumentare o dovrebbero almeno variare in un periodo di tempo ma le loro equazioni di regressione pura non lo catturano. Mentre ci stiamo preclusi, stiamo ipotizzando la stessa tendenza che si muove attraverso l'esterno. (3.28) Così, il metodo di Holt si prende cura di questo problema. La Holt " s assume che il livello così come la tendenza, cioè il livello, che sia un, così come la tendenza, cioè la b, entrambi possono essere preclusi. Ecco perché si chiama come il doppio metodo esponenziale di livellamento. (3.50) Ora, data la domanda effettiva Dt, previsione Ft e le stime di livello Lt e trend per il periodo, la previsione per il periodo t plus 1 è data da queste equazioni. Ft plus 1 è uguale a; questo è previsto; vediamo; vediamo la prima equazione; le previsioni sono pari al trend di livello plus, molto semplice. Ma qual è quel livello? L è una funzione della domanda e una funzione della previsione del periodo precedente, ok. L è funzione della domanda del periodo precedente e vi è un livello, il livello è funzione della domanda del periodo precedente e la funzione della previsione del periodo precedente. Quindi, questo è il livello. E che dire della tendenza; trend è la funzione del livello, la differenza e l'andamento della parte precedente. Quindi, la tua previsione dipende dal livello e dall'andamento. Questa formula non è fantascienza. Si può facilmente vedere, formula numero uno, le previsioni dipendono dal trend di livello plus. Questa è la tua formula uno. Qual è il livello? Questa è la formula due. Il livello dipende dall'anno precedente "s demand e dall'anno precedente" s previsione e terza equazione, trend. Trend dipende dalla differenza tra il livello in quest' anno nei confronti di - à - nei confronti dell'anno precedente, Lt plus 1 meno Lt e la funzione dell'andamento dell'anno precedente, che è molto evidente, cioè la tendenza di oggi, una tendenza in futuro dipenderà dal livello oggi e dall'andamento del giorno precedente. Questo è il linguaggio semplice quello che il metodo di Holt "s" è tutto; ok. (5.36) E il tuo livello, c'è cambiamento di livello è una funzione di cambiamento della domanda e di cambiamento di previsione. Il cambiamento di livello è una funzione di cambiamento della domanda e di variazione delle previsioni. Quindi, questo è il metodo del tuo Holt. (5.53) Quello che fa il modello di Winters è; Winter ricorda, apostrofo non è apostrofo invernale, è il cognome è Winters ", così gli inverni" apostrofo. Non c'è niente di male nell'ortografia, Winters " è il cognome e questo modello è stato sviluppato per la prima volta nel 1960. In seguito, è stato regolarmente modificato, ecc. e l'ultima aggiunta ad essa è stata Chopra e Meindl l'ha modificata ulteriormente. (6.24) Cosa ha fatto? Inverni " ha esteso il metodo di Holt aggiornando la stagionalità. Ricordate, cosa stava facendo regressione? La regressione stava guardando la tendenza ma la stagionalità non è stata costruita in esso. Così, gli inverni hanno costruito la stagionalità in esso. Ricordate, per la previsione di questa settimana, avevamo dato pochi diagrammi proprio all'inizio. Uno dei diagrammi ha mostrato quello che è un trend, quello che è un livello, e si è registrato un trend crescente con la stagionalità, una cosa del genere. Questo è quello che ha citato Holt "s", è quello che Winters ha citato. Ha preso in prestito Holt e l'ha usato per aggiornare la stagionalità. (7.07) Così, questa è la formula che Winters " deve proporre, Ft plus 1, ovvero la nostra prima equazione, Lt plus 1 plus T subscript t più 1 in indice di stagionalità. L'indice di stagionalità è arrivato. Quindi, la vostra previsione per il prossimo periodo è funzione del livello per il periodo precedente, trend per il periodo precedente e indice di stagionalità per il periodo in arrivo. Spiacente, probabilmente non il livello precedente, livello, spiacente che staro 'corretto, livello per il prossimo periodo, trend per il prossimo periodo moltiplicato per la stagionalita'. Riformulateci; la vostra previsione per il prossimo anno è funzione del livello per il prossimo anno, trend per il prossimo anno e indice di stagionalità per il prossimo anno. Ora, non sai niente di tutto questo. Che si prende cura della seconda equazione. Il vostro livello per l'anno precedente è funzione della domanda per l'anno presente e dell'indice di stagionalità per l'anno presente, moltiplicato per 1 meno alfa, in livello per l'anno precedente e trend per l'anno precedente. Con queste equazioni, se si vede, tutti sono simili con le equazioni precedenti. Analogamente, per tendenza, l'andamento per l'anno precedente dipende dal livello, dalla differenza e dall'indice di tendenza e di stagionalità dell'anno precedente dipende dalla domanda effettiva di livello effettivo all'indice di stagionalità dell'anno precedente. Quindi, questo è ciò che il tuo modello Winters è tutto circa. Ora, detto questo, vi presenteremo un altro argomento chiamato „ Croston "s" metodo o il metodo di previsione della parte di ricambio „. Il metodo di previsione della parte di ricambio è qualcosa che non rientra in questa categoria. (9.06) Ora, come dicevamo, quella previsione, tutto lungo, abbiamo imparato sui normali metodi di previsione. Ad esempio c'è stata una tendenza unica, ad esempio c'è stata una stagionalità. Questa tendenza è ovviamente una zag-zig zag-zig zag. Poi c'è stata una tendenza crescente, poi c'è stato un aumento della stagionalità, tutto lungo abbiamo insegnato i principalmente questi quattro metodi. Ma questi non sono gli unici a cui dovremmo preoccuparci. Ci sono tanti altri prodotti, dentro e intorno a noi che, che non prevediamo nel vero senso del termine. (9.48) E uno dei più importanti sono i tuoi pezzi di ricambio. Ora, questo non si preoccupa di previsione per i ricambi ma questo è molto - molto cruciale. Ad esempio, la tua fabbrica potrebbe avere macchine che hanno solo cinque anni. Quindi, non si richiede che oggi molti pezzi di ricambio perché funzionino ancora. Ma, dopo sette, otto, nove, dieci anni lentamente, uno per uno, le macchine vi chiederanno pezzi di ricambio, questo significa che dovrete sostituire alcune parti delle macchine di produzione. Ma hai acquistato ora e stai comprando, o stai cercando i pezzi di ricambio dopo dieci anni. Che cosa significa? L'azienda che ha fabbricato questa macchina originale potrebbe essersi estinta. Quindi, dove prenderai i pezzi di ricambio? Alcuni pezzi di ricambio sono nel mercato ma quando si va sul mercato, il mercato significa mercato dei prodotti industriali, quando si va sul mercato e si chiede, si dice, “ no, non abbiamo pezzi di ricambio per macchine così vecchie. ” E non si può aggiornare la macchina, non si può acquistarne una nuova ogni anno. Poi il tuo costo di produzione sarà tanto che morirete, non morirete, significa che il vostro business morirà. Quindi, c'è bisogno, e questo è il numero uno. In secondo luogo, inoltre, la macchina sta percorrendo molto scorrere. Improvvisamente si sviluppa una scorza. Quindi, subito qualche parte di ricambio è necessaria in modo che la macchina continui a funzionare. Quindi, il requisito delle parti di ricambio, anche se ci proviamo, anche se in realtà non lo guardiamo in questo modo ma i pezzi di ricambio sono una componente enorme nei prodotti industriali, non i prodotti di consumo, ma nei ricambi di prodotti industriali è un requisito enorme. Guarda la tua auto; guarda l'auto o i due ruote che hai; guarda quanti pezzi di ricambio ha. E quando hai acquistato la tua auto? Era solo ieri? Potrebbe essere di due anni, di tre anni, di cinque anni. Così, dopo che a volte se ne andrà, diranno che questa parte di ricambio non è disponibile. Più di quello molto vicino a voi, i vostri computer, un chip andato, cosa accadrà? Diranno che questo chip non c'è. Questa RAM non c'è. Prima era un hard disk da 40GB. Oggi, si può pensare a un hard disk da 40GB? No. DDR 1 RAM; oggi è DDR 3 RAM; poi altro, altro, tanti avanzamenti. Ora, oggi, se vai a voler acquistare una RAM DDR 1, ti guarderanno come se fossi venuto da un altro pianeta. Quindi, devi stock di alcuni pezzi di ricambio. Questo è quello che voglio dire ed è per questo che la previsione di parti di ricambio è molto - molto importante. E anche, questo è anche, se si vede, visto che la domanda non è in linea retta, questa è una domanda non è in linea retta, nessun metodo tradizionale o la domanda non è in un ciclico, nessun metodo tradizionale può prevedere pezzi di ricambio. (13.19) Così, il metodo che usiamo si chiama „ Croston "s method". Il metodo di Croston si prende cura; diciamo che questo è periodo uno e domanda, domanda di pezzi di ricambio da parte del piano shop; quindi, periodo 1, 2, 3, 4, 5, 6; la domanda è di 10, 2, poi sicuramente 0, poi 2, 5, 0, 0, di nuovo 5. Quindi, questo è lo schema di domanda. Si può dire che questi sono i termini che si possono utilizzare è „ domanda intermittente ". Ecco, questo è quello che voglio dire che durante i periodi di richiesta intermittente bisogna usare il metodo chiamato metodo Croston. (14.31) Così, ora riassumiamo ciò che abbiamo imparato fino ad ora in previsione in modo da non andare da nessuna parte. Una è media semplice, seconda media ponderata, terza; livellamento esponenziale, quarto; stagionalità, Holt "s, Winters", Croston " s. Dunque, questi sette metodi, abbiamo imparato e se avete notato che tutti questi sette metodi, e naturalmente otto, l'abbiamo dimenticato, la nostra stessa cara vecchia regressione. Quindi, se vedete, abbiamo fatto otto metodi e se vedete tutti questi otto metodi disseminati in otto tipi di situazioni in previsione. (15.46) Ora, come dicevo che la previsione, oggi, è diventata così importante che non si affida ad una sola tecnica di previsione, si usano tecniche a volte molteplici. Ecco perché la tua previsione include anche qualcosa chiamato „ focus group ". In precedenza, questo è stato usato diffusamente negli studi di marketing per capire cosa cercano i clienti quando acquistano un prodotto. Ma ora la previsione è guardata, anche le interviste di focus group vengono fatte per capire quale potrebbe essere la mia possibile domanda futura. E Delphi, la tecnica Delphi; cosa sta succedendo? Che ciascuno stia dando, penso di averne discusso in una delle lezioni precedenti, ognuna sta dando una previsione e vediamo che l'esecutivo di vendita dei campi (exec), che sta dando una previsione, la sua previsione è la più vicina alla domanda effettiva perché, come sappiamo che questa persona è in campo e conosce molto bene il mercato. Quindi, le tecniche di focus group e la tecnica Delphi sono altri metodi. Ora, la prossima cosa che dobbiamo capire che tutti insieme, abbiamo ora focus group, la terza, scusa, sì la prossima cosa che dobbiamo considerare è lo studio di usabilità come strumento di previsione. Ora, ancora, questo studio di usabilità ha preso in prestito dalla disciplina di marketing. Cosa succede nel marketing? Oggigiorno, perché i prodotti, c'è tanta concorrenza. Nessuna azienda vuole fare un marketing di prova. Perché dal momento in cui hai terminato il tuo mercato di test, qualche altro concorrente è entrato nel mercato in maniera full - time. Quindi, il tuo prodotto non ottiene alcun beneficio di essere il primo mover. L'azienda ha preso il primo vantaggio di mover. Quindi, ogni azienda ora, invece di entrare in un marketing di prova, ma non possono cancellare il test di marketing dal loro sistema. Così, invece di farlo, stanno facendo qualcosa chiamato questo terzo punto, lo studio di usabilità. Cosa è lo studio di usabilità? Dai il tuo prodotto ad alcune persone che lo usano e ti danno il feedback e in base ai feedback, continua a cambiare, aggiungere, alterare, ecc. Studio di usabilità, si tratta di una versione di studio di usabilità. Seconda versione di studio di usabilità è, la persona usa fisicamente il prodotto e dà il feedback entro un breve lasso di tempo, può essere di tre giorni e poi l'azienda modifica. Per esempio, se si vede, quando si era a scuola, c'era un ombrello automatico che abbiamo usato per chiamare. Nell'ombrello automatico dobbiamo premere il pulsante alla fine, vicino alla maniglia, e l'ombrello si aprirà davanti a te. Bisogna premere il pulsante alla maniglia e l'ombrello si aprirà. Ora, era molto popolare tra la comunità indiana, le masse indiane che non hanno visto questo tipo di ombrello prima e le persone usate per chiamare gli ombrelli automatici „. Ora, quello che succede è che gli studi di usabilità avrebbero sottolineato che quando questi ombrelli si aprono, si recupera proprio come un fucile, si recupera, così anche l'ombrello tira indietro e se non si sa che potrebbe colpirti, proprio qui. Quindi, che lo studio di usabilità farà notare che questo ombrello, questo è il problema. Ora, qual è la rilevanza di tutti questi che sto parlando per la previsione? Oggi si sta facendo uno studio di usabilità per capire l'accettabilità del prodotto, poi viene dato al focus group, poi parallelo, si fanno i calcoli matematici, si fa la tecnica Delphi, si fanno altre tecniche matematiche per scoprire il numero. E cioè tutti questi studi sono fatti, tutti questi studi stanno stimando alcuni numeri allora solo tu sei in grado di prendere una decisione. Questo è quello che voglio dire. Quindi, lo studio di usabilità ti aiuta anche a generare alcuni numeri. Se lo studio di usabilità riporta che il prodotto è troppo semplice per funzionare, si possono avere alcuni numeri. Poco complesso, alcuni numeri e molto complessi per funzionare, hai pochissimi numeri. Ecco, questo è il beneficio dello studio di usabilità. Ora, la seconda cosa che vogliamo dire è che questi sono tutti periodi unici, quindi questo è un altro. Così, abbiamo fatto otto, nove, dieci, undici; undici metodi di previsione, abbiamo approfondito. Ora, questo è, ora se si vedono questi sono tutti modelli di previsione del periodo unico e non sappiamo dei modelli di previsione a più tempi. Non li abbiamo fatti. Questi modelli di previsione a più tempi che affronteremo, discuteremo con nel prossimo modulo. Nel prossimo modulo ci occuperemo di modelli di previsione a più periodi, nella prossima settimana piuttosto, nella prossima lezione. Ora, la domanda è quanto bene o quanto sia accurata la mia previsione? Anche questo, analizzeremo quando riprendiamo la lezione nel prossimo, nella lezione successiva. La deviazione dal reale e vedremo quanto è buona la nostra previsione? Quindi, praticamente, se lo si guarda, i modelli di previsione di periodo unico, abbiamo ripreso undici modelli per la previsione del periodo unico e alcuni di questi modelli, abbiamo risolto in classe, alcuni modelli, non abbiamo risolto ma vi abbiamo dato un orientamento e un apprezzamento complessivo di come si dovrebbe fare previsione per la supply chain. Così, con questo, termineremo questa settimana " s lezione, ci muoveremo con il modello di previsione multi - periodo nella classe successiva. Grazie!