Introdução à Previsão Média Móvel. Como você pode imaginar, estamos analisando algumas das abordagens mais primitivas da previsão. Mas espero que isso seja pelo menos uma introdução válida para alguns dos problemas de computação relacionados à implementação de previsões em planilhas. Nesse sentido, continuaremos iniciando no início e começaremos a trabalhar com as previsões da Média móvel. Média móvel de previsões. Todos estão familiarizados com as previsões médias móveis, independentemente de acreditarem que sejam. Todos os estudantes universitários fazem isso o tempo todo. Pense nas pontuações dos seus testes em um curso onde você terá quatro testes durante o semestre. Vamos supor que você tenha um 85 no seu primeiro teste. O que você prevê para a sua segunda pontuação no teste? O que você acha que seu professor poderia prever para a sua próxima pontuação no teste? O que você acha que seus amigos podem prever para a sua próxima pontuação? Com toda a tagarelice que você pode fazer com seus amigos e pais, eles e seu professor provavelmente esperam que você consiga algo na área dos 85 que você acabou de receber. Bem, agora vamos supor que, apesar de sua autopromoção para seus amigos, você superestima a si mesmo e acha que pode estudar menos para o segundo teste e então obtém um 73. Agora, quais são todos os preocupados e despreocupados que vão antecipar-se você vai entrar em seu terceiro teste Existem duas abordagens muito prováveis para que eles desenvolvam uma estimativa, independentemente de eles compartilharem com você. Eles podem dizer para si mesmos: "Esse cara está sempre fumando sua inteligência. Ele vai pegar outro 73 se tiver sorte. Talvez os pais tentem ser mais compreensivos e digam: “Bem, até agora você conseguiu um 85 e um 73, então talvez devesse figurar em um (85 73) / 2 79. Eu não sei, talvez se você fizesse menos Festejando e werent abanando a doninha em todo o lugar e se você começou a estudar muito mais você poderia obter uma pontuação mais alta. Ambas as estimativas estão realmente se movendo previsões médias. O primeiro é usar apenas sua pontuação mais recente para prever seu desempenho futuro. Isso é chamado de previsão de média móvel usando um período de dados. O segundo também é uma previsão de média móvel, mas usando dois períodos de dados. Vamos supor que todas essas pessoas que atacaram em sua grande mente o deixaram irritado e que você decidiu se dar bem no terceiro teste, por suas próprias razões, e colocar uma nota mais alta na frente de suas cotações. Você faz o teste e sua pontuação é na verdade uma 89. Todo mundo, inclusive você, está impressionado. Então agora você tem o teste final do semestre chegando e como de costume você sente a necessidade de incitar todos a fazerem suas previsões sobre como você vai fazer no último teste. Bem, espero que você veja o padrão. Agora, esperamos que você possa ver o padrão. Qual você acredita ser o mais apito enquanto trabalhamos? Agora voltamos à nossa nova empresa de limpeza iniciada por sua meia-irmã chamada Whistle While We Work. Você tem alguns dados de vendas anteriores representados pela seção a seguir de uma planilha. Primeiramente, apresentamos os dados para uma previsão média móvel de três períodos. A entrada para a célula C6 deve ser Agora você pode copiar essa fórmula de célula para as outras células C7 a C11. Observe como a média se move sobre os dados históricos mais recentes, mas usa exatamente os três períodos mais recentes disponíveis para cada previsão. Você também deve perceber que nós realmente não precisamos fazer as previsões para os períodos anteriores, a fim de desenvolver nossa previsão mais recente. Isso é definitivamente diferente do modelo de suavização exponencial. Incluí as previsões quotpast porque nós as usaremos na próxima página para medir a validade de previsão. Agora quero apresentar os resultados análogos para uma previsão média móvel de dois períodos. A entrada para a célula C5 deve ser Agora você pode copiar essa fórmula de célula para as outras células C6 a C11. Observe como agora apenas as duas partes mais recentes de dados históricos são usadas para cada previsão. Mais uma vez incluí as previsões da semana passada para fins ilustrativos e para uso posterior na validação de previsões. Algumas outras coisas que são importantes para perceber. Para uma previsão média móvel de período m, apenas os valores de dados mais recentes são usados para fazer a previsão. Nada mais é necessário. Para uma previsão de média móvel de período m, ao fazer previsões de cotpas, observe que a primeira previsão ocorre no período m 1. Esses dois problemas serão muito significativos quando desenvolvermos nosso código. Desenvolvendo a Função Média Móvel. Agora precisamos desenvolver o código para a previsão da média móvel que pode ser usada de forma mais flexível. O código segue. Observe que as entradas são para o número de períodos que você deseja usar na previsão e a matriz de valores históricos. Você pode armazená-lo em qualquer pasta de trabalho desejada. Função MovingAverage (Histórico, NumberOfPeriods) Como Single Declarando e inicializando variáveis Dim Item As Variant Dim Contador As Integer Dim Acumulação Único Dim HistoricalSize As Integer Inicializando variáveis Counter 1 Acumulação 0 Determinando o tamanho da matriz histórica HistoricalSize Historical. Count Para Counter 1 Para NumberOfPeriods Acumulando o número apropriado de valores observados anteriormente mais recentes Acumulação Acumulação Histórico (HistoricalSize - NumberOfPeriods Counter) MovendoCúmulo Médio / NumberOfPeriods O código será explicado na classe. Você deseja posicionar a função na planilha de modo que o resultado da computação apareça onde deveria estar seguindo a sequência.9 Previsão de Introdução às Operações e ao Gerenciamento da Cadeia de Suprimentos, Terceira Edição Cecil C. Bozarth, Robert B. Handfield Editora: PH Professional Business ISBN-13: 978-0-13-274732-5 ISBN-10: 0-13-274732-4 Publicado em: 12/30/2011 Copyright copy 2013 () Desenvolver uma média móvel ponderada de dois períodos projetada para março 2012 até janeiro de 2013. Calcular os valores de MFE, MAD e MAPE de abril a dezembro de 2012. () Desenvolver uma previsão de média móvel de três períodos para abril de 2012 até janeiro de 2013. PARTE IV Planejamento e controle de operações e cadeias de suprimento Para problemas 4 de 6, use os seguintes dados de séries temporais: MONTH DEMANDJaneiro 2012 119Fevereiro 72Marca 113Abril 82Mai 82Junho 131Julho 111Agosto 116Setembro 89Outubro 95Novembro 88Dezembro 90 4. 5.6 e 0. Use pesos de 0. Suponha que sua previsão para janeiro de 2012 seja 100. Calcule o Valores MFE, MAD e MAPE para março a dezembro. 4, com a observação mais recente ponderada maior. 6. () Desenvolver uma previsão de suavização exponencial (a 0. Calcular os valores de MFE, MAD e MAPE de fevereiro a dezembro de 2013. 3) de fevereiro de 2012 a janeiro de 2013. () Desenvolver um último período previsto para os períodos de 2 a 11. Calcule os valores de MFE, MAD e MAPE para os períodos de 2 a 10. Para os problemas de 7 a 9, use os seguintes dados de série temporal: PERÍODO DEMANDA 1 221 2 247 3 228 4 233 5 240 6 152 7 163 8 155 9 167 10 158 7. Este é um bom modelo Por que 8. () Desenvolver uma previsão de média móvel ponderada de três períodos para os períodos de 4 a 11. 4, 0. Usar pesos de 0. () Desenvolver duas previsões de suavização exponencial para períodos de 2 a 11 3, com a observação mais recente ponderada a mais alta. Como os seus resultados se comparam com os do problema 7 9. Para a primeira previsão, use um 0. 2. 35 e 0. Calcule os valores de MFE, MAD e MAPE para os períodos de 4 a 10. () Prepare as previsões para junho até Setembro usando um modelo de suavização exponencial com um 0. () Prepare as previsões para junho a setembro usando um modelo de média móvel de três períodos. 7. Para o segundo, use um 0. Suponha que sua previsão para o período 1 seja 250. Plote os resultados. b. Qual modelo parece funcionar melhor Por que 10. 5. Suponha que a previsão para maio era de 2.000. A idéia pegou, como mostram os números de vendas a seguir: MÊS DEMANDMarch 220Abril 2,240May 1,790Jun 4.270Julho 3,530Agosto 4,990a. c. Depois de se formar na faculdade, você e seus amigos começam a vender birdhouses feitos de plástico reciclado. () Prepare as previsões para junho a setembro usando um modelo de suavização exponencial ajustado com um 0. Ele pediu que você dissesse a ele qual modelo de previsão é ldquobestrdquo e por quê. 11. () Seu gerente veio até você com os seguintes dados, mostrando a demanda real por cinco períodos e os resultados previstos para dois modelos diferentes. 3. 5 e b 0. Usando MFE, MAD e MAPE, diga-lhe qual modelo é o melhor e por quê. Suponha que a previsão não ajustada (Ft) para maio fosse 2.000 e o fator de tendência 1Tt2 para maio fosse 700. () Considere os seguintes resultados da previsão. PERÍODO DEFUSO DE EXECUÇÃO REAL MODELO 1FORECAST MODELO 2 8 248 364 486 9 357 280 341 10 423 349 295 11 286 416 364 12 444 354 380 12. Calcule MFE, MAD e MAPE, usando os dados para os meses de janeiro a junho. Um dos seus deveres é prever a demanda mensal de bolas de golfe. O modelo de previsão subestima ou supera em excesso? PREÇO DE EXECUÇÃO MÓNIMA 1,040 1,055 fevereiro 990 1,052 março 980 900Abril 1,060 1,025 maio 1,080 1,100Junho 1.000 1,050 13. Após a graduação, você toma uma posição na Top-Slice, um conhecido fabricante de bolas de golfe. Usando os dados a seguir, você desenvolveu um modelo de regressão que expressa as vendas mensais em função da temperatura média do mês: Desvio Médio Absoluto (MAD), Erro Absoluto Médio (MAE) Tanto o Desvio Médio Absoluto (MAD) quanto a Média Erro Absoluto (MAE) refere-se ao mesmo método para medir o erro de previsão. O MAD é mais útil quando vinculado à receita, APS, COGS ou alguma outra medida independente de valor. O MAD pode revelar quais previsões de alto valor estão causando taxas de erro mais altas. O MAD toma o valor absoluto dos erros de previsão e calcula a média deles durante a totalidade dos períodos de tempo previstos. Tomar um valor absoluto de um número desconsidera se o número é negativo ou positivo e, nesse caso, evita que os pontos positivos e negativos se anulem mutuamente. O MAD é obtido usando a seguinte fórmula: As aplicações de previsão de negócios Vanguard Difference Vanguard calculam o MAD e podem vinculá-lo à receita, APS, COGS e mais 8212 automaticamente. Você pode revisar as previsões problemáticas por seu valor para sua empresa.
No comments:
Post a Comment