Gleitende Durchschnittliche Nachfrage

In der Praxis liefert der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihe, wenn der Mittelwert konstant ist oder sich langsam ändert. Im Fall eines konstanten Mittelwertes wird der grßte Wert von m die besten Schätzungen des zugrunde liegenden Mittels liefern. Ein längerer Beobachtungszeitraum wird die Effekte der Variabilität ausmachen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung in dem zugrunde liegenden Prozess zu ermöglichen. Um zu veranschaulichen, schlagen wir einen Datensatz vor, der Änderungen im zugrundeliegenden Mittel der Zeitreihen enthält. Die Abbildung zeigt die Zeitreihen für die Darstellung zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als eine Konstante bei 10. Ab dem Zeitpunkt 21 erhöht er sich um eine Einheit in jeder Periode, bis er zum Zeitpunkt 30 den Wert von 20 erreicht. Dann wird er wieder konstant. Die Daten werden simuliert, indem dem Mittelwert ein Zufallsrauschen aus einer Normalverteilung mit Nullmittelwert und Standardabweichung 3 zugeführt wird. Die Ergebnisse der Simulation werden auf die nächste Ganzzahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen für das Beispiel. Wenn wir die Tabelle verwenden, müssen wir bedenken, dass zu einem gegebenen Zeitpunkt nur die letzten Daten bekannt sind. Die Schätzwerte des Modellparameters, für drei verschiedene Werte von m, werden zusammen mit dem Mittelwert der Zeitreihen in der folgenden Abbildung gezeigt. Die Abbildung zeigt die gleitende durchschnittliche Schätzung des Mittelwerts zu jedem Zeitpunkt und nicht die Prognose. Die Prognosen würden die gleitenden Durchschnittskurven nach Perioden nach rechts verschieben. Eine Schlussfolgerung ergibt sich unmittelbar aus der Figur. Für alle drei Schätzungen liegt der gleitende Durchschnitt hinter dem linearen Trend, wobei die Verzögerung mit m zunimmt. Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension. Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, während der Mittelwert zunimmt. Die Vorspannung des Schätzers ist die Differenz zu einer bestimmten Zeit im Mittelwert des Modells und dem Mittelwert, der durch den gleitenden Durchschnitt vorhergesagt wird. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Bei einem abnehmenden Mittelwert ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Bias in der Schätzung eingeführt sind Funktionen von m. Je größer der Wert von m. Desto größer ist die Größe der Verzögerung und der Vorspannung. Für eine stetig wachsende Serie mit Trend a. Die Werte der Verzögerung und der Vorspannung des Schätzers des Mittelwerts sind in den folgenden Gleichungen gegeben. Die Beispielkurven stimmen nicht mit diesen Gleichungen überein, da das Beispielmodell nicht kontinuierlich zunimmt, sondern als Konstante beginnt, sich in einen Trend ändert und dann wieder konstant wird. Auch die Beispielkurven sind vom Rauschen betroffen. Die gleitende Durchschnittsprognose der Perioden in die Zukunft wird durch die Verschiebung der Kurven nach rechts dargestellt. Die Verzögerung und die Vorspannung nehmen proportional zu. Die nachstehenden Gleichungen zeigen die Verzögerung und die Vorspannung von Prognoseperioden in die Zukunft im Vergleich zu den Modellparametern. Diese Formeln sind wiederum für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten dieses Ergebnis nicht überraschen. Der gleitende Durchschnittsschätzer basiert auf der Annahme eines konstanten Mittelwerts, und das Beispiel hat einen linearen Trend im Mittel während eines Teils des Studienzeitraums. Da Realzeitreihen den Annahmen eines Modells nur selten gehorchen, sollten wir auf solche Ergebnisse vorbereitet sein. Wir können auch aus der Figur schließen, dass die Variabilität des Rauschens den größten Effekt für kleinere m hat. Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20. Wir haben die widerstrebenden Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu verringern und um m zu verringern, um die Prognose besser auf Veränderungen anzupassen Im Mittel. Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert. Wenn die Zeitreihe wirklich ein konstanter Wert ist, ist der erwartete Wert des Fehlers Null und die Varianz des Fehlers besteht aus einem Term, der eine Funktion von und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwertes mit einer Stichprobe von m Beobachtungen, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert. Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Ein großes m macht die Prognose auf eine Änderung der zugrunde liegenden Zeitreihen unempfänglich. Um die Prognose auf Veränderungen anzupassen, wollen wir m so klein wie möglich (1), aber dies erhöht die Fehlerabweichung. Praktische Voraussage erfordert einen Zwischenwert. Prognose mit Excel Das Prognose-Add-In implementiert die gleitenden Durchschnittsformeln. Das folgende Beispiel zeigt die Analyse des Add-In für die Beispieldaten in Spalte B. Die ersten 10 Beobachtungen sind mit -9 bis 0 indexiert. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden verwendet, um den gleitenden Durchschnitt für die Periode 0 zu berechnen. Die Spalte MA (10) zeigt die berechneten Bewegungsdurchschnitte. Der gleitende Mittelwert m ist in Zelle C3. Die Fore (1) Spalte (D) zeigt eine Prognose für einen Zeitraum in die Zukunft. Das Prognoseintervall ist in Zelle D3. Wenn das Prognoseintervall auf eine größere Zahl geändert wird, werden die Zahlen in der Spalte Vorwärts verschoben. Die Err (1) - Spalte (E) zeigt die Differenz zwischen der Beobachtung und der Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 6. Der prognostizierte Wert, der aus dem gleitenden Durchschnitt zum Zeitpunkt 0 gemacht wird, beträgt 11,1. Der Fehler ist dann -5.1. Die Standardabweichung und mittlere mittlere Abweichung (MAD) werden in den Zellen E6 bzw. E7 berechnet. Berechnung der durchschnittlichen Nachfrage Die Qualität der Bedarfsdaten, die der Kunde an SAP Supply Network Collaboration (SAP SNC) sendet, kann je nach Prognosetechnik stark variieren Kunde verwendet. SAP SNC verwendet daher Mittelungsmethoden, um den Mittelwert der tatsächlichen Anforderungen für einen bestimmten Durchschnittsbedarfshorizont zu berechnen. SAP SNC zeigt die durchschnittlichen Anforderungen im Planungsraster in der Kennzahl Average Demand des SMI-Monitors und des MinMax Replenishment Monitor an. Folgende Mittelungsmethoden stehen zur Verfügung: Gleitende Durchschnittsberechnungsmethode Mit dieser Methode berechnet SAP SNC die durchschnittliche Nachfrage auf der Grundlage von gleitenden Durchschnittswerten, die aus drei durchschnittlichen Bedarfssätzen berechnet wird. Arithmetische Mittelwertberechnungsmethode Mit dieser Methode berechnet SAP SNC die Durchschnittsforderung auf Basis einer arithmetischen Mittelwertbildung eines Bedarfssatzes. Der projizierte Bestand kann den durchschnittlichen Anforderungen anstelle der tatsächlichen Anforderungen Rechnung tragen. Sie können daher auf der Grundlage der durchschnittlichen Anforderungen zu planen. Mittelwertbildung auf gleitendem Durchschnitt Der gleitende Mittelwert unterscheidet sich folgendermaßen: Die Summe der durchschnittlichen Forderungen entspricht der Summe der tatsächlichen Forderungen im Durchschnittsbedarfshorizont. Die Entwicklung der durchschnittlichen Nachfrage über die Zeit hält sich so nah wie möglich an der Entwicklung der tatsächlichen Nachfrage. Das Prinzip der Mittelungsmethode besteht darin, dass SAP SNC mehrere Sätze von durchschnittlichen Anforderungen aus den tatsächlichen Anforderungen im Mittelbedarfshorizont berechnet. Er berechnet dann den Mittelwert aus diesen Mengen. Für einen Bedarfssatz teilt SAP SNC den Mittelbedarfshorizont in mehrere Zeitsegmente auf und vergleicht die Anforderungen in jedem Zeitsegment. Hierzu fasst SAP SNC die Istanforderungen in den Planungsperioden in einem Zeitsegment zusammen und teilt dann die Summe durch die Anzahl der Planungsperioden auf. Die mittlere Nachfrage eines Planungszeitraums in einem Zeitabschnitt ist daher das arithmetische Mittel der Anforderungen in diesem Zeitabschnitt. Die verschiedenen Bedarfssätze zeichnen sich dadurch aus, wie SAP SNC den Mittelbedarfshorizont in die Zeitabschnitte, aus denen er den Mittelwert berechnet, dividiert. In der ersten Bedarfsgruppe ist das erste Zeitsegment ein Planungszeitraum. SAP SNC teilt den Rest des Durchschnittsbedarfshorizonts in Zeitsegmente mit der gleichen Dauer wie der Mittelungszeitraum auf. (Abhängig von der Dauer des durchschnittlichen Nachfragehorizonts kann das letzte Zeitsegment kürzer als ein Mittelungszeitraum sein.) In dem zweiten Bedarfssatz umfasst das erste Zeitsegment zwei Planungsperioden und der Rest wird in Mittelungsperioden unterteilt. In der dritten Bedarfsgruppe enthält das erste Zeitsegment drei Perioden und so weiter. Die Anzahl der Planungsperioden im Mittelungszeitraum oder im Mittelbedarfshorizont bestimmt, wie viele Bedarfsmengen SAP SNC berechnet: Die Anzahl der Bedarfssätze entspricht der Anzahl der Planungsperioden entweder im Mittelungszeitraum oder im mittleren Bedarfshorizont ist kleiner. Der endgültige durchschnittliche Bedarf eines Planungszeitraums ist das arithmetische Mittel der durchschnittlichen Anforderungen in der Planungsperiode aus den verschiedenen Bedarfssätzen. Weitere Informationen finden Sie unter Beispiel: Berechnung basierend auf dem Moving Average. Mittelwertbildung nach arithmetischem Mittel Diese Methode basiert auf einer arithmetischen Mittelwertbildung der tatsächlichen Anforderungen. SAP SNC berechnet für die Planungsperioden durchschnittliche Bedarfswerte im Mittelbedarfshorizont. Um den durchschnittlichen Bedarfswert für einen bestimmten Planungszeitraum im Mittelbedarfshorizont zu ermitteln, berechnet SAP SNC die mittlere durchschnittliche Nachfrage nach einem Zeitintervall, dessen Laufzeit durch den Mittelungszeitraum bestimmt wird und der mit dem betrachteten Zeitraum beginnt. SAP SNC ordnet diesen Mittelbedarfswert dem betrachteten Zeitraum zu. Bei der arithmetischen Mittelwertberechnungsmethode ist die Summe der berechneten Durchschnittsanforderungen nicht gleich der Summe der tatsächlichen Anforderungen. Weitere Informationen finden Sie unter Beispiel: Berechnung basierend auf dem arithmetischen Mittelwert. Durchschnittliche Anforderungen in projizierten Beständen Die Formel für projizierte Bestände in SAP SNC kann entweder den tatsächlichen Anforderungen oder den durchschnittlichen Anforderungen Rechnung tragen. Für die projizierte Aktie, die den durchschnittlichen Anforderungen Rechnung trägt, müssen Sie eine entsprechende Formel definieren, die die Kennzahl für die durchschnittliche Nachfrage anstelle der Kennzahl für die tatsächliche Nachfrage verwendet. Ändern Sie z. B. die Standardformel für den projizierten Bestand entsprechend. Sie definieren die Formel im Customizing der Supply Network Collaboration unter Nachschubnachschubplanung Projizierte Bestandsdefinitionsprofile für das Projizierte Lager und die SNI-Nachfrage BAdI: Berechnung der durchschnittlichen Nachfrage Wenn Sie für die durchschnittliche Nachfrage eine alternative Berechnungsmethode verwenden möchten, können Sie diese verwenden Das Business Add-In (BAdI) BAdI: Durchschnittliche Nachfrageberechnung (SCASMIAVGDEMAND), um eine eigene durchschnittliche Bedarfsberechnung durchzuführen. Sie können das BAdI im Customizing der Supply Network Collaboration unter Business Add-Ins (BAdIs) für SAP SNC-Grundeinstellungen Projizierte Bestände implementieren. Wenn Sie das BAdI aktivieren, überschreibt es die Standardmethoden. Sie müssen es deaktivieren, bevor Sie die Standard-Mittelungsmethoden erneut verwenden können. Ende der Vorsicht. Aktivitäten Im Customizing der Supply Network Collaboration legen Sie die Einstellungen für die Berechnung der durchschnittlichen Nachfrage unter Nachschubplanung ein. Projizierte Bestandszuordnungen für das projizierte Lager. Sie können auch Einstellungen in der Benutzeroberfläche des SAP SNC Web unter SMI Monitor Settings vornehmen. Weight Moving Average Vorhersage Methoden: Vor - und Nachteile Hi, LOVE your Post. Ich frage mich, ob Sie weiter ausarbeiten könnte. Wir verwenden SAP. In ihm gibt es eine Auswahl, die Sie wählen können, bevor Sie Ihre Prognose ausführen, die Initialisierung genannt wird. Wenn Sie diese Option aktivieren, erhalten Sie ein Prognoseergebnis, wenn Sie die Prognose erneut im gleichen Zeitraum ausführen und die Initialisierung nicht auf die Ergebnisänderung überprüfen. Ich kann nicht herausfinden, was diese Initialisierung tut. Ich meine, mathematisch. Welches Prognoseergebnis am besten zu speichern und zu nutzen ist. Die Änderungen zwischen den beiden sind nicht in der prognostizierten Menge, sondern in der MAD und Fehler, Sicherheitsbestand und ROP-Mengen. Nicht sicher, ob Sie SAP verwenden. Hallo danke für die erklärung so effeciently seine zu gd. Thanks again Jaspreet Hinterlasse eine Antwort Antworten abbrechen Beliebte Beiträge Über Shmula Pete Abilla ist der Gründer von Shmula und der Charakter, Kanban Cody. Er hat Unternehmen wie Amazon, Zappos, eBay, Backcountry und andere helfen, Kosten zu senken und die Kundenerfahrung zu verbessern. Er tut dies durch eine systematische Methode zur Identifizierung von Schmerzen, die Auswirkungen auf den Kunden und das Geschäft, und fördert eine breite Beteiligung der Mitarbeiter des Unternehmens, um ihre eigenen Prozesse zu verbessern. Diese Website ist eine Sammlung seiner Erfahrungen, die er mit Ihnen teilen möchte. Erste Schritte mit kostenlosen Downloads