चलती - औसत - आपूर्ति श्रृंखला प्रबंधन

आपूर्ति श्रृंखला को याद किया। सांख्यिकीय पूर्वानुमान कई प्रकार के फार्मूले पर आधारित है। फोरमूलस जिस पर पूर्वानुमान मॉडल आधारित हैं.फॉर्मुला जो पूर्वानुमान परिणाम का मूल्यांकन करने के लिए उपयोग किया जाता है। फॉरमूला स्वत: आउटएयर सुधार के लिए सहिष्णु लेन की गणना करने के लिए। पूर्वानुमान मॉडल के लिए प्रारूप। औसत मॉडल चल रहा है। इस मॉडल का इस्तेमाल समय श्रृंखला पैटर्न में अनियमितताओं को बाहर करने के लिए किया जाता है। पिछली बार सीरीज के मानों की औसत गणना की जाती है। औसत हमेशा सूत्रों के अनुसार n मानों से गणना की जा सकती है। स्थानांतरण औसत के लिए सूत्र। इस प्रकार, नए औसत की गणना पिछले औसत मूल्य से होती है और 1 एन के साथ भारित मौजूदा मान, शून्य से सबसे पुराना मान 1 एन के साथ भारित किया जाता है। यह प्रक्रिया केवल समय श्रृंखला के लिए उपयुक्त है, जो कि लगातार, कोई प्रवृत्ति के साथ समय श्रृंखला के लिए नहीं है या सीजन-जैसा पैटर्न जैसा कि सभी ऐतिहासिक डेटा कारक 1 एन के साथ उतना ही भारित हैं, संभवतः पूर्वानुमान स्तर के लिए संभव स्तर परिवर्तन के अनुकूल होने के लिए यह सटीक एन अवधि लेता है। आदर्श। आप प्रत्येक ऐतिहासिक मूल्य के लिए भार कारक पेश करके चलती औसत मॉडल से प्राप्त परिणामों से बेहतर परिणाम प्राप्त करते हैं भारित चल औसत मॉडल में, प्रत्येक ऐतिहासिक मूल्य को कारक के साथ भारित किया जाता है। भार कारकों का योग 1 सूत्रों को देखता है 3 और वेटेड मूविंग औसत के लिए फॉर्मूला 4. यदि समय की श्रृंखला को पूर्वानुमानित किया जाता है तो प्रवृत्ति-जैसी विविधताएं होती हैं, तो आप चल औसत औसत मॉडल की बजाय भारित चल औसत मॉडल का उपयोग करके बेहतर परिणाम प्राप्त करेंगे भारित चल औसत मॉडल का ताज़ा आंकलन अधिक है औसत का निर्धारण करते हुए पुराने डेटा की तुलना में भारी, बशर्ते आपने भारित कारकों को तदनुसार चुना है इसलिए, सिस्टम स्तर में बदलाव के लिए और अधिक तेज़ी से प्रतिक्रिया करने में सक्षम है। इस मॉडल की सटीकता भारतीय कारकों की आपकी पसंद पर निर्भर करती है यदि समय श्रृंखला पैटर्न परिवर्तन, आपको भारिंग कारकों को भी अनुकूलित करना चाहिए। प्रथम-क्रम घातीय चिकनाई मॉडल। इस मॉडल के पीछे के सिद्धांत हैं। पुराने समय श्रृंखला मूल्यों, वे पूर्वानुमान की गणना के लिए कम महत्व देते हैं। वर्तमान पूर्वानुमान त्रुटि को बाद के पूर्वानुमान में लिया जाता है। घातीय चिकनाई लगातार मॉडल ऊपर दिए गए दो विचारों से प्राप्त किया जा सकता है नीचे सूत्र 5 देखें मामला, सूत्र का उपयोग मूलभूत मूल्य की गणना करने के लिए किया जाता है एक साधारण परिवर्तन घातीय चौरसाई के लिए बुनियादी सूत्र को नीचे दिए गए फॉर्मूला 6 को देखता है। एक्सपेंनेलिटी सॉफ़्टिंग के लिए सूत्र। मूल मूल्य का निर्धारण। पूर्वानुमान मान निर्धारित करने के लिए, आपको केवल वही पूर्वानुमान पूर्वानुमान मान है , पिछले ऐतिहासिक मूल्य, और अल्फा चौरसाई कारक यह चिकनाई कारक हाल के दिनों में हाल के दिनों की तुलना में अधिक हाल के ऐतिहासिक मूल्यों को मापता है, इसलिए उनके पूर्वानुमान पर अधिक प्रभाव होता है। जल्दी से भविष्य में पैटर्न में बदलाव के प्रति प्रतिक्रिया कैसे होती है चौरसाई कारक यदि आप अल्फा के लिए 0 चुनते हैं, तो नए औसत पुराने के बराबर होंगे इस मामले में, मूलभूत मूल्य पहले से गणना की गई मुख्य बात यह है कि वर्तमान डेटा पर पूर्वानुमान नहीं होता है यदि आप अल्फा मान के लिए 1 चुनते हैं, तो नया औसत समय श्रृंखला में अंतिम मान के बराबर होगा। अल्फा के लिए सबसे सामान्य मान, इसलिए, 0 1 और 0 5 के बीच उदाहरण के लिए, 0 5 वज़न के ऐतिहासिक मूल्यों का एक अल्फा मान निम्नानुसार है .1 वीं ऐतिहासिक मूल्य 50.2 डिग्री ऐतिहासिक महत्व 25.3 ऐतिहासिक महत्व 12 5.4 वां ऐतिहासिक मूल्य 6 25. ऐतिहासिक डेटा का भार एक एकल पैरामीटर से बदला जा सकता है इसलिए, यह समय श्रृंखला में परिवर्तनों का उत्तर देने के लिए अपेक्षाकृत आसान है। ऊपर दिए गए पहले-क्रम घातांकित चौरसाई के निरंतर मॉडल को समय-श्रृंखला पर लागू किया जा सकता है, जिसकी प्रवृत्ति-जैसा पैटर्न या मौसमी विविधता नहीं है। प्रथम क्रम के लिए सामान्य फॉर्मूला घातीय चिकनाई। उपयोग 6 से ऊपर प्राप्त मूल सूत्र, प्रथम-क्रम घातीय चौरसाई के लिए सामान्य फार्मूला 7, दोनों प्रवृत्ति और मौसमी भिन्नताओं को खाते में ले कर निर्धारित किया जाता है, यहां मूल मूल्य, प्रवृत्ति मूल्य और मौसमी सूचकांक है सूत्र के रूप में दिखाया गया है 8 10. फर्स्ट-ऑर्डर घातीय स्माउटिंग के लिए प्रारूप। दूसरा आदेश घातीय चिकनाई मॉडल। यदि कई समय से अधिक, एक समय श्रृंखला औसत मूल्य में एक बदलाव दिखाती है जो प्रवृत्ति मॉडल से मेल खाती है, तो पूर्वानुमान हमेशा मानता है प्रथम-क्रम घातांकणीय चौरसाई प्रक्रिया में एक या कई अवधियों के वास्तविक मूल्यों के पीछे पीछे रहें आप दूसरा आदेश घातीय चिकनाई का उपयोग करके वास्तविक मूल्य पैटर्न के पूर्वानुमान के लिए एक और अधिक कुशल समायोजन प्राप्त कर सकते हैं। दूसरा क्रम घातीय चिकनाई मॉडल आधारित है एक रैखिक प्रवृत्ति पर और दो समीकरण होते हैं सूत्र 11 देखें पहला समीकरण ब्रैकेट वाले इंडेक्स के अलावा प्रथम-क्रम घातांकित चौरसाई से मेल खाता है दूसरे समीकरण में, प्रथम समीकरण में गणना किए गए मानों को प्रारंभिक मूल्यों के रूप में उपयोग किया जाता है और फिर से चिकनी हो जाता है द्वितीय-आदेश घातीय चिकनाई के लिए फार्मूले। पूर्वानुमान मूल्यांकन मानदंड। प्रत्येक पूर्वानुमान किसी निर्णय के लिए कुछ आधार प्रदान करना चाहिए एसएपी आर 3 प्रणाली पूर्वानुमान की गुणवत्ता का मूल्यांकन करने के लिए निम्न पैरामीटरों की गणना करता है। त्रुटि कुल। मीन पूर्ण विचलन एमएडी। ट्रैकिंग सिगनल। बेमेल गुणांक। पूर्वानुमान के लिए पूर्ण रूप से विचलन। एक्स-पोस्ट पूर्वानुमान के लिए पूर्ण अवशेष। सहिष्णुता लेन के लिए सूत्र। सही करने के लिए ऐतिहासिक डेटा पर स्वचालित रूप से आउटलाइयर, जिस पर पूर्वानुमान आधारित होता है, आप पूर्वानुमान प्रोफ़ाइल में बाहरी नियंत्रक का चयन करते हैं, सिस्टम तब ऐतिहासिक समय श्रृंखला के लिए सहिष्णुता लेन की गणना करता है, सिग्मा कारक के आधार पर ऐतिहासिक डेटा जो सहिष्णुता लेन के बाहर है, सही है कि यह उस समय के लिए पूर्व-पोस्ट मान से मेल खाती है यदि आप ऑनलाइन पूर्वानुमान चलाते हैं, तो ऐतिहासिक डेटा जो इस फ़ंक्शन द्वारा स्वचालित रूप से सही हो गया है, का पूर्वानुमान Forecast Historical Values ​​संवाद बॉक्स के कॉलम सी में दर्शाया गया है। सहिष्णुता लेन की चौड़ाई बाहरी नियंत्रण के लिए सिग्मा फैक्टर द्वारा परिभाषित किया जाता है सिग्मा कारक छोटा, अधिक से अधिक नियंत्रण डिफ़ॉल्ट सिग्मा का कारक 1 है, whi च इसका मतलब है कि डेटा में से 90 का अशुभ बकाया है यदि आप सिग्मा कारक खुद को सेट करते हैं, तो उसे 6 से 2 के बीच सेट करें। सरल चलती औसत के साथ टैग किया गया। सप्ताह के 6 में पाठ्यक्रम की मांग प्रबंधन और पूर्वानुमान, एक क्षेत्र पर्याप्त ध्यान प्राप्त कर रहा है, विशेष रूप से आपूर्ति श्रृंखला प्रबंधन में ब्याज बढ़ता है और हम पूरी तरह से आपूर्ति श्रृंखला को और अधिक प्रभावी ढंग से योजना और समन्वय करने की तलाश करते हैं। यह अक्सर कहा जाता है कि भविष्यवाणी आमतौर पर गलत हैं, कुछ आश्चर्यजनक हैं। इस सप्ताह के सीखने के उद्देश्य पाठ्यक्रम यह है कि आपको आपूर्ति श्रृंखला योजना के आधार के रूप में भविष्यवाणी की भूमिका को समझना चाहिए कि आप स्वतंत्र और आश्रित मांग के बीच के मतभेदों की तुलना करने में सक्षम होंगे तीसरा, कि आप स्वतंत्र मांग के मूल घटकों की पहचान करने में सक्षम होंगे, जिसमें औसत , प्रवृत्ति, मौसमी और यादृच्छिक भिन्नता आप डेल्फी विधि और सहयोगी पूर्वानुमान जैसी सामान्य गुणात्मक पूर्वानुमान तकनीकों का वर्णन करने में सक्षम होंगे। मूल मात्रात्मक पूर्वानुमान तकनीकों और प्रवृत्ति और मौसम का समय मौजूद होने पर पूर्वानुमान करने के लिए अपघटन का उपयोग करें। निम्नलिखित वीडियो पूर्वानुमान में सटीकता और कॉमन्सेंस की आवश्यकता पर बल देता है। फ़ारेस्ट को दो प्रकारों में विभाजित किया जा सकता है, सामरिक और सामरिक स्ट्रैटेजिक पूर्वानुमानों का उपयोग सहायता के लिए किया जाता है रणनीति का निर्माण जो निर्धारित किया जाएगा कि मांग कैसे पूरी हुई है सामरिक पूर्वानुमान का उपयोग दिन-प्रतिदिन निर्णय लेने में सहायता करने के लिए किया जाता है डिमांड मैनेजमेंट का उपयोग उत्पाद या सेवा मांग के स्रोतों को प्रभावित करने के लिए किया जाता है, या तो बढ़ती मांग, मांग कम हो रही है या इसे बनाए रखना निरंतर स्तर निम्न वीडियो वाइन उद्योग में भविष्यवाणी को प्रभावित करने वाले कारकों को देखते हैं। स्वतंत्र और स्वतंत्र मांग। मांग, आश्रित और स्वतंत्र निर्भर मांग के दो बुनियादी स्रोत हैं मांग जो अन्य उत्पादों के लिए मांग के परिणामस्वरूप होती है सेवाओं की स्वतंत्र मांग ऐसी मांग है जो किसी अन्य उत्पाद की मांग के आधार पर पूर्वानुमानित नहीं की जा सकती या सेवा। स्वतंत्र मांग आमतौर पर बहुत मुश्किल है, यह मांग है जो कि कारकों पर निर्भर नहीं है जो आप प्रभावित कर सकते हैं और बल्कि यह मांग है कि आपको स्वतंत्र मांग को पूरा करना पड़ सकता है आमतौर पर प्रभावित किया जा सकता है और इसलिए संगठनों का चुनाव होता है कि क्या वे एक सक्रिय भूमिका और उस पर प्रभाव डालना या निष्क्रिय भूमिका निभानी है और बस उस मांग पर प्रतिक्रिया दें जो निम्नलिखित वीडियो दिखाती है कि मोटोरोला उनके पूर्वानुमान के साथ कैसे काम करती है। पाठ्यपुस्तक चार बुनियादी प्रकार के पूर्वानुमानों की पहचान करता है गुणात्मक पूर्वानुमान मानवीय निर्णय पर आधारित है और कुछ गुणात्मक पूर्वानुमान में इस्तेमाल की जाने वाली तकनीकों से नीचे चर्चा की जाएगी समय श्रृंखला विश्लेषण समय के साथ डेटा के पैटर्न पर दिखता है कारण संबंधों को उन कारकों के बीच संबंधों को दिखता है जो मांग और अनुकरण पर प्रभाव डालते हैं, मॉडल की मांग करना चाहते हैं ताकि मांग कारकों के अंतर-संबंध को बेहतर समझा जा सके निम्न वीडियो इस बात की जांच करती है कि लोवे में मांग प्रबंधन और पूर्वानुमान कैसे शुरू किए जाते हैं एस। आम तौर पर मांग को छह घटकों, औसत, प्रवृत्ति, मौसमी तत्व, चक्रीय तत्व, यादृच्छिक भिन्नता और आत्मसंकलन के रूप में माना जाता है इन मांगों के तत्व हमें एक ऐसे उत्पाद की मांग के पैटर्न को समझने में सक्षम करते हैं जो कि भविष्य की भविष्यवाणी पर लागू हो सकता है मांग। औसत मांग एक उत्पाद के लिए औसत मांग है प्रवृत्ति से पता चलता है कि मांग समय के साथ बदल गई है और मौसमी मांग मांग में मौसमी बदलाव दिखाती है चक्रीय तत्व मौसमी तत्वों की तुलना में लंबी अवधि में होते हैं और उदाहरण के लिए होने वाली भविष्यवाणी करना कठिन होता है , आर्थिक चक्रों के परिणामस्वरूप, यादृच्छिक भिन्नता यादृच्छिक घटनाओं पर आधारित होती है जो भविष्यवाणी करना असंभव है, जबकि स्वत: सहसंबंध पिछले और भविष्य की मांग के बीच का संबंध है, यही है, भविष्य की मांग वर्तमान मांग से संबंधित है जहां एक उच्च स्तर यादृच्छिक भिन्नता वर्तमान मांग और भविष्य की मांग के बीच बहुत कम रिश्ता है जहां एक उच्च स्तर के ऑटो-सहसंबंध हैं, वहाँ एक स्ट्रो है वर्तमान और भविष्य की मांग के बीच संबंध। टाइम सीरीज मॉडल। समय श्रृंखला मॉडल पिछले मॉडल के आधार पर भविष्य की भविष्यवाणी करते हैं कि विभिन्न मॉडल उपलब्ध हैं और जिस का उपयोग करना चाहिए, वह समय क्षितिज पर निर्भर करता है, जिसे आप पूर्वानुमान करना चाहते हैं, आपके पास उपलब्ध डेटा , सटीकता जिसकी आपको आवश्यकता होती है, अनुमानित बजट का आकार और विश्लेषण करने के लिए उपयुक्त योग्य लोगों की उपलब्धता, पाठ्यपुस्तक के पृष्ठ 488 से निम्न चार्ट उपयुक्त उपकरण का चयन करने में सहायता करने के लिए डिज़ाइन है। लीनेर प्रतिगमन का उपयोग किया जाता है जहां दो सहसंबद्ध चर के बीच एक कार्यात्मक संबंध, दूसरे के आधार पर एक चर का अनुमान लगाने के लिए इस्तेमाल किया जा रहा है यह उपयोगी है जहां डेटा अपेक्षाकृत स्थिर है। समय श्रृंखला का संयोजन उपयोग की जाने वाली विभिन्न मांग घटकों में समय श्रृंखला डेटा को पहचानने और अलग करने के लिए उपयोग किया जाता है मौसमी विविधता को additive की पहचान की जाती है, जहां प्रत्येक सीजन में मौसमी राशि निरंतर और गुणनीय होती है जहां मौसमी विविधता आयन एक समय अवधि की मांग का प्रतिशत है। सरल चलती औसत उपयोगी होता है जब मांग अपेक्षाकृत स्थिर है, तेजी से बढ़ रही है या घटती नहीं है और जहां कुछ मौसमी विशेषताएं हैं, चलती औसत अपने मिडपॉइंट के आसपास केंद्रित हो सकते हैं या आधार के रूप में इस्तेमाल किया जा सकता है भावी भविष्य की भविष्यवाणी के लिए लंबी अवधि का उपयोग करने के परिणामस्वरूप थोड़े समय का उपयोग करते हुए परिवर्तन की अधिक चक्की आती है, जिससे सांख्यिकीय प्रवृत्तियों को और अधिक तेज़ी से पता चलता है। एक भारित चलती औसत आपको अधिक सटीकता प्राप्त करने के लिए औसत के भीतर विशेष समय अवधि को वजन करने की अनुमति देता है उदाहरण के लिए, हालिया मांग गतिविधि पर अधिक जोर देने के लिए हालिया समय अवधि में भारी वजन दिया जा सकता है। एक्सपेन्नेएबल चौरसाई सभी पूर्वानुमान तकनीकों का सबसे अधिक इस्तेमाल होता है और सभी कंप्यूटर आधारित पूर्वानुमान अनुप्रयोगों में प्रतीत होता है यह खुदरा और सेवा उद्योगों में बहुत कुछ किया जाता है यह अक्सर बहुत ही सटीक, यह काफी आसान है, इसे आसानी से समझ लिया जाता है, थोड़ा गणना की आवश्यकता होती है और आसानी से परीक्षण होता है सटीकता के लिए एड। निम्नलिखित वीडियो विवरणों में इन पूर्वानुमान तकनीकों का संचालन होता है। उत्कृष्ट भविष्यवाणी में भविष्यवाणी करने के लिए मानवीय निर्णय को लागू करने का अनुमान शामिल होता है आमतौर पर एक संरचित दृष्टिकोण का उपयोग किया जाता है, इसके विपरीत। कई तकनीकों का उपयोग गुणात्मक पूर्वानुमान के लिए किया जाता है। इसी तरह के उत्पादों के लिए मांग पैटर्न। मार्केट रिसर्च पूर्वानुमान एक मार्केट रिसर्च कंपनी द्वारा बनाए गए हैं, मुख्यतः सर्वे और साक्षात्कार का उपयोग करते हैं। पैनल की आम सहमति, जहां पूर्वानुमान विषय क्षेत्र में ज्ञान रखने वाले लोगों के एक समूह, उनके विचार साझा करते हैं और पूर्वानुमान विकसित करते हैं। डेलफी विधि A सर्वेक्षण आधारित तकनीक जो एक समूह में अज्ञातता बनाता है, इसे निम्नलिखित वीडियो में वर्णित किया गया है। Collaborative Planning, Forecasting और Replenishment सीपीएफ़आर एक हालिया नवाचार है जो इंटरनेट का इस्तेमाल करता है ताकि लोग भविष्य की सृजन पर सहयोग कर सकें। दो प्रकार की भविष्यवाणी त्रुटियों पूर्वाग्रह त्रुटियां हैं ऐसा होता है, जहां एक लगातार गलती हुई है जो कि भविष्यवाणी की गई है कि रन बना दिया डोम त्रुटियां ऐसी त्रुटियां हैं जिन्हें पूर्वानुमान मॉडल द्वारा समझाया जा सकता है, जिन्हें वे बेतरतीब ढंग से और एक अप्रत्याशित आधार पर पूर्वानुमान त्रुटि के उपायों में शामिल हैं, मीन निरपेक्ष विचलन मेडा, निरपेक्ष प्रतिशत प्रतिशत त्रुटि मैप और ट्रैकिंग सिग्नल का मतलब निम्न वीडियो मानव भविष्यवाणी त्रुटि में मुद्दों पर विचार करता है। ट्रैकिंग सिग्नल एक उपाय है जो वास्तविक समय में पूर्वानुमान के वास्तविक प्रदर्शन पर नजर रखने के लिए उपयोग किया जाता है, यह देखने के लिए कि क्या वास्तविक दुनिया में मांग में परिवर्तन के अनुरूप है, इसका उपयोग गुणवत्ता नियंत्रण चार्ट के रूप में किया जा सकता है। इस हफ्ते हमने मांग प्रबंधन और गुणात्मक और मात्रात्मक दोनों तकनीकों का प्रयोग करते हुए जोर दिया गया है कि भविष्यवाणियां यथार्थवादी हैं और पूर्वोत्तर के आधार पर पूर्वानुमान के उपयोग पर सतर्कता की सलाह दी गई है, यह आमतौर पर आपको बताता है कि भविष्य क्या करेगा, लेकिन अक्सर आपकी मदद करेंगे तैयार करें निम्नलिखित वीडियो में सूचना प्रौद्योगिकी का पूर्वानुमान करने के लिए आवेदन किया गया है और शायद इस मूत के लिए एक विनोदी निष्कर्ष है एसएसयू, लागत, आइटम, मुद्राओं, मार्जिन, देश, चैनल, ग्राहक स्थान, आदि के द्वारा.कास्ट माल। सेवा सूची ऑप्टिमाइज़र की आवश्यकता के अनुसार ग्राहक की आवश्यकताओं के अनुसार ड्रायव इन्वेंट्री और सुरक्षा स्टॉक स्तर। आवश्यकताएँ योजना। प्रोजेक्ट और सही सूची एक दैनिक, साप्ताहिक या मासिक आधार पर कमी और अधिशेष। आइटम द्वारा समय-चरणबद्ध इन्वेंट्री योजना तैयार करें, जिसके परिणामस्वरूप एक इष्टतम सूची स्तर। सेल ऑपरेशंस प्लानिंग। इससे पहले कि वे देयताएं बनने से पहले व्यापारिक मुद्दों को हल करें और हल करें। KPI की मुख्य प्रदर्शन संकेतक ट्रैक करें, अंतराल करें विश्लेषण और ऑप्टिमाइज़ की बिक्री की योजनाएं। रिट्रीमेंट प्लानिंग। क्लस्टर पद्धतियों के माध्यम से स्टोअर-स्तरीय रूपरेखा को अनुमति दें.प्रत्येक रिटेलर द्वारा प्रदर्शन उपायों की पहचान करने के लिए उपयोगकर्ता-परिभाषित फ़ार्मुलों। खरीदारों और विक्रेताओं के बीच सूचना विनिमय का प्रबंधन करें और प्रबंधित करें। एक ईवेंट कैलेंडर प्रत्येक के समेकित दृश्य प्रदान करता है व्यापार भागीदारों की योजना। उन्नत योजना निर्धारण। महत्वपूर्ण विनिर्माण ऑपरैटी के प्रबंधन के लिए कई सुविधाओं में पैनल बाधाओं पर। सटीक रूप से प्रत्येक काम के लिए आवश्यक सामग्री और संसाधनों की भविष्यवाणी करते हैं और जब यह पूरा हो जाएगा। स्पष्ट चेन शब्दावली - W. weighted moving average।