Abordagens quantitativas da previsão A maioria das técnicas quantitativas calcula a previsão da demanda como uma média da demanda passada. A seguir estão as técnicas de previsão de demanda importantes. Método de média simples: Uma média simples de demandas que ocorrem em todos os períodos de tempo anteriores é tomada como a previsão de demanda para o próximo período de tempo neste método. (Exemplo 1) Método de média móvel simples: Neste método, a média das demandas de vários dos períodos mais recentes é tomada como a previsão de demanda para o próximo período de tempo. O número de períodos passados a serem usados nos cálculos é selecionado no início e é mantido constante (como a média móvel de 3 períodos). (Exemplo 2) Método de média móvel ponderada: Neste método, os pesos desiguais são atribuídos aos dados de demanda passada enquanto calculam a média móvel simples como a previsão de demanda para o próximo período de tempo. Geralmente, os dados mais recentes são atribuídos ao fator de maior peso. (Exemplo 3) Método de suavização exponencial: Neste método, os pesos são atribuídos em ordem exponencial. Os pesos diminuem exponencialmente dos dados de demanda mais recentes para dados de demanda mais antigos. (Exemplo 4) Método de análise de regressão: Neste método, dados de demanda passada são usados para estabelecer uma relação funcional entre duas variáveis. Uma variável é conhecida ou assumida como sendo conhecida e utilizada para prever o valor de outra variável desconhecida (isto é, a procura). (Exemplo 5) Erro na Previsão O erro na previsão não é senão a diferença numérica na demanda prevista e na demanda real. MAD (Mean Absolute Deviation) e Bias são duas medidas que são usadas para avaliar a precisão da demanda prevista. Pode-se notar que MAD expressa a magnitude, mas não a direção do erro. A média móvel simples O segundo método ad-hoc é a média móvel Simples. Em que os valores anteriores são utilizados para encontrar o parâmetro mais adequado que dá o menor erro de previsão. A parte crucial neste método é a escolha correta do número de períodos considerados na previsão. Weatherford e Kimes (2003) estavam testando 2 8211 8 períodos e mostraram que o erro mais baixo deu 8 média móvel do período. A previsão matematicamente é calculada da seguinte forma: onde F (t1) - forçado na demanda de sala no período t1, x 8211 é o número de quartos vendidos no período i, N - o número de períodos passados (Phumchusri e Mongkolkul, 2017). A média móvel simples é simples, rápida para calcular e responder mais rapidamente às mudanças na demanda quando o período N é pequeno. No entanto, este método tem duas desvantagens principais. Em primeiro lugar, pressupõe que as observações mais recentes são melhores preditores do que os dados mais antigos. Em segundo lugar, quando os dados exibem tendência ascendente ou descendente, o método será constantemente superforecast ou underforcast. Para lidar com essas tendências, Talluri e Van Ryzin (2004) recomendam o uso de média móvel dupla ou tripla. A aplicação deste método em nosso conjunto de dados está disponível aqui: Média Móvel Simples Em nossa aplicação deste método de previsão habilitado para atingir MAPE de 4, o que é um exemplo muito bom. No entanto, como foi mencionado anteriormente, este método é um previsor pobre quando a demanda é mais instável. O gráfico a seguir mostra essa situação, onde MAPE chegou a 60 (no modelo 2 8211 Valores previstos1: 2 períodos) e 55 (no modelo 8 8211 valores previstos2: 8 períodos). Phumchusri, D. Mongkolkul, J. (2017) Demanda de quarto de hotel via Observed Reservation Information. 1978, Talluri, K. e Van Ryzin, G. (2004) A teoria e prática da gestão de receita. Boston, Kluwer Editores acadêmicos. Weatherford, L. R. Amp Kimes, S. E. (2003). Uma comparação dos métodos de previsão para a gestão de receitas de hotéis. Revista Internacional de Previsão. Vol. 19, no. 3, p. 401-415. Share Search engineOR-Notes são uma série de notas introdutórias sobre tópicos que se enquadram no título geral do campo de pesquisa operacional (OR). Eles foram originalmente usados por mim em um curso introdutório OU eu dou no Imperial College. Estão agora disponíveis para uso por qualquer aluno e professor interessado em OU sujeito às seguintes condições. Uma lista completa dos tópicos disponíveis em OR-Notes pode ser encontrada aqui. Exemplos de previsão Exemplo de previsão 1996 Exame UG A procura por um produto em cada um dos últimos cinco meses é mostrada abaixo. Use uma média móvel de dois meses para gerar uma previsão de demanda no mês 6. Aplique a suavização exponencial com uma constante de suavização de 0,9 para gerar uma previsão de demanda por demanda no mês 6. Qual destas duas previsões você prefere e por que? A média para os meses dois a cinco é dada por: A previsão para o mês seis é apenas a média móvel para o mês anterior que ou seja, a média móvel para o mês 5 m 5 2350. Aplicando suavização exponencial com uma constante de suavização de 0,9 obtemos: A previsão para o mês seis é apenas a média para o mês 5 M 5 2386 Para comparar as duas previsões, calculamos o desvio quadrático médio (MSD). Se fizermos isso, verificamos que para a média móvel MSD (15-19) sup2 (18-23) sup2 (21-24) sup23 16.67 e para a média exponencialmente suavizada com uma constante de suavização de 0.9 MSD (13-17) sup2 (16,60-19) sup2 (18,76 - 23) sup2 (22,58-24) sup24 10,44 Em geral, vemos que a suavização exponencial parece dar as melhores previsões de um mês de antecedência, uma vez que tem um MSD mais baixo. Assim, preferimos a previsão de 2386 que foi produzida por suavização exponencial. Exemplo de previsão 1994 UG exam A tabela abaixo mostra a procura de um novo aftershave em uma loja para cada um dos últimos 7 meses. Calcule uma média móvel de dois meses para os meses dois a sete. Qual seria sua previsão para a demanda no mês oito Aplicar suavização exponencial com uma constante de suavização de 0,1 para derivar uma previsão para a demanda no mês oito. Qual das duas previsões para o mês oito você prefere e por que? O detentor de loja acredita que os clientes estão mudando para este novo pós-barba de outras marcas. Discuta como você pode modelar esse comportamento de comutação e indicar os dados que você precisaria para confirmar se essa mudança está ocorrendo ou não. A média móvel de dois meses para os meses dois a sete é dada por: A previsão para o mês oito é apenas a média móvel para o mês anterior que ou seja, a média móvel para o mês 7 m 7 46. Aplicando alisamento exponencial com uma constante de suavização de 0,1 nós Obter: Como antes da previsão para o mês oito é apenas a média para o mês 7 M 7 31,11 31 (como não podemos ter fracionada demanda). Para comparar as duas previsões, calculamos o desvio quadrático médio (MSD). Se fizermos isso, descobrimos que para a média móvel e para a média exponencialmente suavizada com uma constante de suavização de 0,1 Overall, então vemos que a média móvel de dois meses parece dar as melhores previsões de um mês de antecedência, uma vez que tem um menor MSD. Assim, preferimos a previsão de 46 que foi produzida pela média móvel de dois meses. Para examinar a mudança precisamos usar um modelo de processo de Markov, onde marcas de estados e nós precisaríamos de informações de estado iniciais e probabilidades de troca de clientes (de pesquisas). Teríamos de executar o modelo em dados históricos para ver se temos um ajuste entre o modelo eo comportamento histórico. Exemplo de previsão 1992 UG exame A tabela abaixo mostra a demanda por uma determinada marca de barbear em uma loja para cada um dos últimos nove meses. Calcule uma média móvel de três meses para os meses três a nove. Qual seria sua previsão para a demanda no mês dez Aplicar suavização exponencial com uma constante de suavização de 0,3 para derivar uma previsão para a demanda no mês dez. Qual das duas previsões para o mês dez você prefere e por que? A média móvel de três meses para os meses 3 a 9 é dada por: A previsão para o mês 10 é apenas a média móvel para o mês anterior que ou seja, a média móvel para o mês 9 m 9 20,33. Portanto, como não podemos ter uma demanda fracionária, a previsão para o mês 10 é 20. Aplicando a suavização exponencial com uma constante de suavização de 0,3 obtemos: Como antes a previsão para o mês 10 é apenas a média para o mês 9 M 9 18,57 19 (como nós Não pode ter demanda fracionária). Para comparar as duas previsões, calculamos o desvio quadrático médio (MSD). Se fizermos isso, descobrimos que, para a média móvel e para a média exponencialmente suavizada com uma constante de suavização de 0,3 geral, então vemos que a média móvel de três meses parece dar as melhores previsões de um mês de antecedência, uma vez que tem um menor MSD. Assim, preferimos a previsão de 20 que foi produzida pela média móvel de três meses. Exemplo de previsão 1991 UG exame A tabela abaixo mostra a demanda por uma determinada marca de fax em uma loja de departamentos em cada um dos últimos doze meses. Calcular a média móvel de quatro meses para os meses 4 a 12. Qual seria a sua previsão para a demanda no mês 13 Aplicar suavização exponencial com uma constante de suavização de 0,2 para derivar uma previsão para a demanda no mês 13. Qual das duas previsões para o mês 13 que você prefere e por que Outros fatores, não considerados nos cálculos acima, podem influenciar a demanda para o fax no mês 13 A média móvel de quatro meses para os meses 4 a 12 é dada por: m 4 (23 19 15 12) 4 17,25 m 5 (27 23 19 15) 4 21 m 6 (30 27 23 19) 4 24,75 m 7 (32 30 27 23) 4 28 m 8 (33 32 30 27) 4 30,5 m 9 (37 33 32 30) 4 46,25 A previsão para o mês 13 é apenas a média móvel para o mês anterior, ou seja, a média móvel Para o mês 12 m 12 46,25. A previsão para o mês 13 é 46. Aplicando a suavização exponencial com uma constante de suavização de 0.2 obtemos: Como antes a previsão para o mês 13 é apenas a média para o mês 12 M 12 38.618 39 (como nós não podemos ter a demanda fracionária) Não pode ter demanda fracionária). Para comparar as duas previsões, calculamos o desvio quadrático médio (MSD). Se fizermos isso, descobrimos que, para a média móvel e para a média exponencialmente suavizada com uma constante de suavização de 0.2 Overall, vemos que a média móvel de quatro meses parece dar as melhores previsões de um mês de antecedência, uma vez que tem um MSD mais baixo. Assim, preferimos a previsão de 46 que foi produzida pela média móvel de quatro meses. A demanda sazonal mudanças de preços de publicidade, tanto esta marca e outras marcas situação económica geral nova tecnologia Exemplo de previsão 1989 UG exame A tabela abaixo mostra a demanda por uma determinada marca de forno de microondas em uma loja de departamentos em cada um dos últimos doze meses. Calcule uma média móvel de seis meses para cada mês. Qual seria sua previsão para a demanda no mês 13 Aplicar suavização exponencial com uma constante de suavização de 0,7 para derivar uma previsão para a demanda no mês 13. Qual das duas previsões para o mês 13 você prefere e por que Agora não podemos calcular um seis Mês móvel até que tenhamos pelo menos 6 observações - ou seja, só podemos calcular tal média a partir do mês 6 em diante. Por conseguinte, temos: m 6 (34 32 30 29 31 27) 6 30,50 m 7 (36 34 32 30 29 31) 6 32,00 m 8 (35 36 34 32 30 29) 6 32,67 m 9 (37 35 36 34 32 30) 6 34,00 m 10 (39 37 35 36 34 32) 6 35,50 m 11 (40 39 37 35 36 34) 6 36,83 m 12 (42 40 39 37 35 36) 6 38,17 A previsão para o mês 13 é apenas a média móvel para o Mês anterior àquele, ou seja, a média móvel para o mês 12 m 12 38,17. Portanto, como não podemos ter demanda fracionária, a previsão para o mês 13 é 38. Aplicando o suavização exponencial com uma constante de suavização de 0,7 obtemos:
No comments:
Post a Comment