ए - कंपनी - चाहता है करने के लिए पूर्वानुमान मांग - का उपयोग कर - भारित चलती - औसत

अध्याय 11 - डिमांड मैनेजमेंट एप पूर्वानुमान 1. बिल्कुल सही पूर्वानुमान वास्तव में असंभव है 2. सही पूर्वानुमान की तलाश के बजाय, पूर्वानुमान की निरंतर समीक्षा के अभ्यास को स्थापित करने और गलत पूर्वानुमान के साथ रहने के लिए सीखना अधिक महत्वपूर्ण है 3. जब पूर्वानुमान , एक अच्छी रणनीति 2 या 3 विधियों का उपयोग करना है और उन्हें कॉमन्सेंस दृश्य के लिए देखना है 2. मांग के बुनियादी स्रोत 1. निर्भर मांग - उत्पादों या सेवाओं के लिए मांग अन्य उत्पादों या सेवाओं की मांग के कारण। ज्यादा फर्म नहीं कर सकता है, इसे पूरा किया जाना चाहिए। 2. स्वतंत्र मांग - मांग जो सीधे अन्य उत्पादों के लिए मांग से नहीं ली जा सकती। फर्म कर सकते हैं: क) मांग को प्रभावित करने के लिए सक्रिय भूमिका निभानी - अपनी बिक्री बल पर दबाव लागू करें b) मांग को प्रभावित करने के लिए एक निष्क्रिय भूमिका निभानी है - अगर कोई फर्म पूर्ण क्षमता पर चल रहा है, तो वह मांग के बारे में कुछ भी नहीं करना चाहती है। अन्य कारण प्रतिस्पर्धी, कानूनी, पर्यावरण, नैतिक और नैतिक हैं। पिछले डेटा के आधार पर भविष्य की भविष्यवाणी करने का प्रयास करें 1. अल्पावधि - 3 महीने से कम - सामरिक फैसलों जैसे निकटवर्ती अवधि में इन्वेंट्री को फिर से भरना या ईई का समय निर्धारण करना। 2. मध्यम अवधि - 3 एम -2 - ग्राहकों को नए उत्पाद का जवाब देना जैसे मौसमी प्रभाव कैप्चर करना 3. दीर्घकालिक - अधिक 2 साल। प्रमुख टर्निंग पॉइंट की पहचान करने के लिए और सामान्य रुझानों का पता लगाने के लिए रैखिक प्रतिगमन एक विशेष प्रकार का प्रतिगमन है जहां चर के बीच संबंध एक सीधी रेखा वाई एबीएक्स बनाता है। वाई - निर्भर चर ए - वाई इंटरसेप्ट बी - ढलान एक्स - स्वतंत्र वेरिएबल यह बड़ी घटनाओं और समग्र योजना के दीर्घकालिक पूर्वानुमान के लिए उपयोग किया जाता है। यह दोनों समय-समय पर पूर्वानुमान और आकस्मिक संबंध पूर्वानुमान के लिए प्रयोग किया जाता है। सबसे अधिक इस्तेमाल किया पूर्वानुमान तकनीक है सबसे हाल की घटनाएं अधिक दूर के अतीत में की तुलना में भविष्य (उच्चतम अनुमानित मान) का अधिक संकेतक हैं। भविष्यवाणी करते समय हमें हाल ही में अयस्क को अधिक वजन देना चाहिए अतीत में प्रत्येक वेतन वृद्धि (1-अल्फा) कम हो जाती है अल्फा जितना अधिक होता है, उतना निकट भविष्यवाणी वास्तविकता के अनुसार होती है सबसे हाल ही में भारन अल्फा (1-अल्फा) एनए 0 डेटा एक समय अवधि पुराना अल्फा (1-अल्फा) ना 1 डाटा दो समय अवधि पुराना अल्फा (1-अल्फा) ना 2 निम्नलिखित पूर्वानुमान पद्धतियों में से कौन सा चयन के आधार पर बहुत निर्भर है सही व्यक्ति जो वास्तव में पूर्वानुमान उत्पन्न करने के लिए उपयोग किए जाने वाले अनुमानित रूप से 0 और 1 के बीच होना चाहिए। अल्फा के 2 या अधिक पूर्व निर्धारित मान - त्रुटि की डिग्री के आधार पर, अल्फा के विभिन्न मानों का उपयोग किया जाता है। अगर त्रुटि बड़ी होती है, अल्फ़ा 0.8 है, यदि त्रुटि छोटा है, अल्फा 0.2 है। 2 अल्फ़ा की गणना की गई मूल्य - तीव्रतापूर्वक धुंधला वास्तविक त्रुटि से गुजरने वाली वास्तविक गलती की वास्तविक त्रुटि। पूर्वानुमान में गुणात्मक तकनीक विशेषज्ञों के ज्ञान और अधिक निर्णय (नए उत्पाद या क्षेत्रों) की आवश्यकता होती है 1. बाजार अनुसंधान - मौजूदा उत्पादों के बारे में नए उत्पादों और विचारों की पसंद, पसंद और नापसंद। मुख्य रूप से सर्वेक्षणों की इंटरव्यू 2। पैनल की आम सहमति - यह विचार है कि 2 प्रमुख एक से बेहतर हैं। विभिन्न पदों से लोगों का पैनल एक संकुचित समूह की तुलना में अधिक विश्वसनीय पूर्वानुमान विकसित कर सकता है। समस्या यह है कि ईई स्तर के निम्न स्तर प्रबंधन के उच्च स्तर से भयभीत हैं। कार्यकारी निर्णय का इस्तेमाल किया जाता है (प्रबंधन का उच्च स्तर शामिल है) 3. ऐतिहासिक सादृश्य - एक फर्म जो पहले से ही टोस्टर का उत्पादन करती है और कॉफ़ी बर्तन का उत्पादन करना चाहती है वह टोस्टर इतिहास का उपयोग संभावित विकास मॉडल के रूप में कर सकता है। 4. डेल्फी विधि - सही व्यक्तियों के चयन पर बहुत निर्भर है जो वास्तव में अनुमान उत्पन्न करने के लिए न्यायिक रूप से उपयोग किए जाएंगे। हर कोई एक ही वजन (अधिक निष्पक्ष) है संतोषजनक परिणाम आम तौर पर 3 राउंड में प्राप्त होते हैं उद्देश्य - सहयोगी योजना, पूर्वानुमान और पुनःपूर्ति (सीपीएफ़आर) आपूर्ति श्रृंखला में मांग के विश्वसनीय, दीर्घकालिक भविष्य के विचार प्रदान करने के लिए साझा वेब सर्वर पर चयनित आंतरिक सूचना का आदान-प्रदान करने के लिए। पी 498 एक कंपनी मांग का पूर्वानुमान (पी। 498) एक कंपनी सरल चलती औसत का उपयोग करके मांग का पूर्वानुमान करना चाहता है। यदि कंपनी तीन पूर्व वार्षिक मूल्यों का उपयोग करती है (यानी वर्ष 200 9 130, वर्ष 2010 110, और वर्ष 2011 160), तो निम्न में से कौन सा वर्ष 2012 ए 100.5 बी के लिए सरल चल औसत पूर्वानुमान है। 122.5 सी। 133.3 डी। 135.6 ई। 13 9.3 समीकरण 15.5 (पृष्ठ 498) का प्रयोग 2012 के लिए पूर्वानुमान (130 110 160) 3 4004 133.3 एएसीएसबी: विश्लेषणात्मक ब्लूम वर्गीकरण: विश्लेषण कठिनाई: मध्यम याकूब - अध्याय 15 66 सीखना उद्देश्य: 15-05 दिखाएं कि समय-श्रृंखला का अनुमान कैसे करें प्रतिगमन चलती औसत और घातीय चौरसाई विषय क्षेत्र का उपयोग करते हुए: टाइम सीरीज विश्लेषण 67. (पी 500) एक कंपनी भारित चलती औसत का उपयोग करके मांग की भविष्यवाणी करना चाहता है। अगर कंपनी दो पूर्ववर्ती बिक्री मूल्यों (यानी वर्ष 2011 110 और वर्ष 2012 130) का उपयोग करती है, और हम वर्ष 2011 में 10 और वर्ष 2012 में 90 पर वजन करना चाहते हैं, जो कि वर्ष 2013 के लिए भारित चलती औसत पूर्वानुमान है। 120 बी। 128 सी। 133 डी। 138 ई। 142 समीकरण 15.6 (पृष्ठ 500) का पूर्वानुमान 2013 (110x0.1) (130x0.9) 11 117 128 एएसीएसबी का उपयोग करना: विश्लेषणात्मक ब्लूम वर्गीकरण: विश्लेषण कठिनाई: मध्यम याकूब - अध्याय 15 67 सीखना उद्देश्य: 15-05 दिखाएं कि प्रतिगमन चलती औसत और घातीय चौरसाई का उपयोग करके समय श्रृंखला पूर्वानुमान कैसे बनायेगा विषय क्षेत्र: टाइम सीरीज़ विश्लेषण यह पूर्वावलोकन जानबूझकर धुंधला वर्गों का है। पूर्ण संस्करण देखने के लिए साइन अप करें 68. (पी। 500) एक कंपनी भारित मूविंग औसत के उपयोग से मांग की भविष्यवाणी करना चाहता है। यदि कंपनी तीन पूर्व वार्षिक मूल्यों का उपयोग करती है (यानी वर्ष 2010 160, वर्ष 2011 140 और वर्ष 2012 170), और हम वर्ष 2010 में 30, वर्ष 2011 में 30 और वर्ष 2012 में 40 पर होना चाहते हैं, इनमें से निम्न में से है वर्ष 2013 ए 170 बी 168 सी। 158 डी। 152 ई। 146 के लिए भारित चल औसत औसत पूर्वानुमान समीकरण 15.6 (पृष्ठ 500) 2013 का पूर्वानुमान (160x0.3) (140x0.3) (170x0.4) 158 एएसीएसबी: विश्लेषणात्मक ब्लूम वर्गीकरण: विश्लेषण कठिनाई: मध्यम जेकब्स - अध्याय 15 68 सीखना उद्देश्य: 15-05 दिखाएं कि प्रतिगमन चलती औसत और घातीय चौरसाई विषय का उपयोग करते समय समय श्रृंखला पूर्वानुमान कैसे बनायेगा: समय श्रृंखला विश्लेषण 69. (पी। 501) कौन सा दो निम्नलिखित प्रमुख कारणों में से एक हैं जो घातीय चौरसाई को भविष्यवाणी तकनीक के रूप में अच्छी तरह से स्वीकार कर लिया गया है। सटीकता B. विश्लेषण का परिष्कार सी। अंक बदलते हैं डी। उपयोग में आसानी ई। डेटा रुझानों को कम रखने की योग्यता घातीय चिकनी तकनीक अच्छी तरह से बन गई है छह प्रमुख कारणों के लिए स्वीकृत: 1. घातीय मॉड एल्स आश्चर्यजनक सटीक हैं 2. एक घातीय मॉडल तैयार करना अपेक्षाकृत आसान है। 3. उपयोगकर्ता समझ सकता है कि मॉडल कैसे काम करता है। 4. मॉडल का उपयोग करने के लिए थोड़ा गणना की आवश्यकता है। 5. ऐतिहासिक डेटा के सीमित उपयोग की वजह से कंप्यूटर भंडारण की आवश्यकताएं छोटी हैं 6. सटीकता के लिए टेस्ट के लिए मॉडल कितनी अच्छी तरह प्रदर्शन कर रहा है, यह गणना करना आसान है। एएसीएसबी: विश्लेषणात्मक यह पूर्वावलोकन का अंत है। बाकी दस्तावेज तक पहुंचने के लिए साइन अप करें। 10 एक कंपनी 10 की मांग की मांग करना चाहता है। एक कंपनी सरल चलती औसत का उपयोग करके मांग की भविष्यवाणी करना चाहता है। यदि कंपनी चार पूर्व वार्षिक बिक्री मूल्यों का उपयोग करती है (यानी वर्ष 2010 100, वर्ष 2011 120, वर्ष 2012 140 और वर्ष 2013 210), इनमें से कौन सा वर्ष 2014 ए 100.5 बी 140.0 सी के लिए सरल चलती औसत पूर्वानुमान है। 142.5 डी। 145.5 ई। 155.0 सी 2014 के लिए पूर्वानुमान (100 120 140 210) 4 5704 142.5 11. एक कंपनी सरल चलती औसत का उपयोग करके मांग का पूर्वानुमान करना चाहता है। अगर कंपनी तीन सालाना बिक्री मूल्य (यानी वर्ष 2011 130, वर्ष 2012 110 और वर्ष 2013 160) का उपयोग करती है, तो निम्न में से कौन सा वर्ष 2014 ए 100.5 बी 122.5 सी। 133.3 डी। 135.6 के लिए सरल चलती औसत पूर्वानुमान है ई। 13 9 .3। सी 2014 के लिए पूर्वानुमान (130 110 160) 3 4004 133.3। 12. एक कंपनी भारित चलती औसत से मांग की भविष्यवाणी करना चाहता है अगर कंपनी तीन सालाना बिक्री मूल्य (यानी वर्ष 2011 160, वर्ष 2012 140 और वर्ष 2013 170) का उपयोग करती है, और हम वर्ष 2011 में 30 प्रतिशत, वर्ष 2012 में 30 प्रतिशत, और वर्ष 2013 में 40 प्रतिशत करना चाहते हैं, जो कि निम्नलिखित में वर्ष 2014 ए 170 बी। 168 सी। 158 डी। 152 ई। 146 के लिए अनुमानित चलती औसत पूर्वानुमान है। 2014 के लिए सी पूर्वानुमान (160 x 0.3) (140 x 0.3) (170 x 0.4) 158. 13 । एक कंपनी भारित चलती औसत से मांग की भविष्यवाणी करना चाहता है अगर कंपनी दो पूर्ववर्ती बिक्री मूल्यों (यानी वर्ष 2012 110 और वर्ष 2013 130) का उपयोग करती है, और हम वर्ष 2012 में 10 प्रतिशत और वर्ष 2013 में 9 0 प्रतिशत पर आना चाहते हैं, जो कि वर्ष 2014 के लिए भारित चलती औसत पूर्वानुमान है ए 120 बी। 128 सी। 133 डी। 138 ई। 142. बी 2014 के लिए पूर्वानुमान (160 x 0.3) (140 x 0.3) (170 x 0.4) 158. 14. एक कंपनी यूनिट की मांग के लिए पूर्वानुमान उत्पन्न करना चाहता है वर्ष 2014 घातामिली चौरसाई का उपयोग करके वर्ष 2013 में वास्तविक मांग 120 थी। वर्ष 2013 में पूर्वानुमान की मांग 110 थी। इन आंकड़ों का इस्तेमाल करना और 0.1 की एक चिकनी निरंतर अल्फा, जिसका निम्नलिखित परिणाम वर्ष 2014 पूर्वानुमान मूल्य ए 100 बी 110 सी 111 डी है। 114 ई। 120. सी 15. नए डेटा की रोशनी में लगातार समीक्षा और अद्यतन एक पूर्वानुमान तकनीक है जिसे दूसरे अनुमान लगाया गया है। T इस पूर्वावलोकन में जानबूझकर धुंधला वर्ग हैं I पूर्ण संस्करण देखने के लिए साइन अप करें 16. मांग पर चक्रीय प्रभाव अक्सर रेखीय कार्य के रूप में व्यक्त किया जाता है जो कि ऊपर या नीचे की ओर झुका हुआ है। एफ 17. मांग पर चक्रीय प्रभाव राजनीतिक चुनाव, युद्ध या आर्थिक परिस्थितियों जैसे घटनाओं से आ सकता है। T 18. समय श्रृंखला के अपघटन का मतलब है कि उसके घटकों में समय श्रृंखला डेटा को पहचानना और अलग करना। टी 19. घातीय चौरसाई के लिए समीकरण बताता है कि नया पूर्वानुमान पुरानी भविष्यवाणी के मुकाबले और पुराने पूर्वानुमान की गलती के बराबर है। एफ 20. अनुभव और परीक्षण और त्रुटि भारित चलती औसत पूर्वानुमान मॉडल के लिए वजन चुनने का सबसे आसान तरीका है। टी 21. घातीय चिकनाई का अनुमान हमेशा वास्तविक घटना के पीछे रहता है लेकिन प्रवृत्ति समायोजन के साथ कुछ हद तक ठीक किया जा सकता है। टी 22. घातीय चिकनाई हमेशा सभी पूर्वानुमान मॉडल के सर्वोत्तम और सबसे सटीक है। एफ 23. घातीय चिकनाई विधि को भविष्य की भविष्यवाणी करने के लिए निम्न में से कौन सा डेटा की आवश्यकता है। एक 24. हर पूर्वानुमान की समस्या के लिए, एक सर्वोत्तम पूर्वानुमान तकनीक है। एफ 25. यह पूर्वावलोकन का अंत है। बाकी दस्तावेज़ तक पहुंचने के लिए साइन अप करें