Uses of Forecasts

فهرست عناوین اصلی در این پاورپوینت

فهرست عناوین اصلی در این پاورپوینت

● 3
● Learning Objectives
● Forecasts
● Uses of Forecasts
● Features of Forecasts
● Elements of a Good Forecast
● Steps in the Forecasting Process
● Types of Forecasts
● Judgmental Forecasts
● Time Series Forecasts
● Forecast Variations
● Naive Forecasts
● Naïve Forecasts
● Uses for Naïve Forecasts
● Techniques for Averaging
● Moving Averages
● Simple Moving Average
● Exponential Smoothing
● Picking a Smoothing Constant
● Common Nonlinear Trends
● Linear Trend Equation
● Calculating a and b
● Linear Trend Equation Example
● Linear Trend Calculation
● Techniques for Seasonality
● Associative Forecasting
● Linear Model Seems Reasonable
● Linear Regression Assumptions
● Forecast Accuracy
● MAD, MSE, and MAPE
● MAD, MSE and MAPE
● Example 10
● Controlling the Forecast
● Sources of Forecast errors
● Tracking Signal
● Choosing a Forecasting Technique
● Operations Strategy
● Supply Chain Forecasts

نوع زبان: انگلیسی حجم: 0.53 مگا بایت
نوع فایل: اسلاید پاورپوینت تعداد اسلایدها: 45 صفحه
سطح مطلب: نامشخص پسوند فایل: ppt
گروه موضوعی: زمان استخراج مطلب: 2019/05/17 07:00:19

لینک دانلود رایگان لینک دانلود کمکی

اسلایدهای پاورپوینت مرتبط در پایین صفحه

عبارات مهم استفاده شده در این مطلب

عبارات مهم استفاده شده در این مطلب

forecast, ., error, t, ۴۲, actual, average, value, f, period, variation, datum, technique,

توجه: این مطلب در تاریخ 2019/05/17 07:00:19 به صورت خودکار از فضای وب آشکار توسط موتور جستجوی پاورپوینت جمع آوری شده است و در صورت اعلام عدم رضایت تهیه کننده ی آن، طبق قوانین سایت از روی وب گاه حذف خواهد شد. این مطلب از وب سایت زیر استخراج شده است و مسئولیت انتشار آن با منبع اصلی است.

http://www.hkma.org.hk/ppt/dms/om/chap003.ppt

در صورتی که محتوای فایل ارائه شده با عنوان مطلب سازگار نبود یا مطلب مذکور خلاف قوانین کشور بود لطفا در بخش دیدگاه (در پایین صفحه) به ما اطلاع دهید تا بعد از بررسی در کوتاه ترین زمان نسبت به حدف با اصلاح آن اقدام نماییم. جهت جستجوی پاورپوینت های بیشتر بر روی اینجا کلیک کنید.

عبارات پرتکرار و مهم در این اسلاید عبارتند از: forecast, ., error, t, ۴۲, actual, average, value, f, period, variation, datum, technique,

مشاهده محتوای متنیِ این اسلاید ppt

مشاهده محتوای متنیِ این اسلاید ppt

mcgraw hill irwin copyright ۲ ۷ by the mcgraw hill companies inc. all rights reserved. ۳ forecasting learning objectives list the elements of a good forecast. outline the steps in the forecasting process. describe at least three qualitative forecasting techniques and the advantages and disadvantages of each. compare and contrast qualitative and quantitative approaches to forecasting. learning objectives briefly describe averaging techniques trend and seasonal techniques and regression analysis and solve typical problems. describe two measures of forecast accuracy. describe two ways of evaluating and controlling forecasts. identify the major factors to consider when choosing a forecasting technique. forecast a statement about the future value of a variable of interest such as demand. forecasting is used to make informed decisions. long range short range forecasts forecasts affect decisions and activities throughout an organization accounting finance human resources marketing mis operations product service design uses of forecasts accounting cost profit estimates finance cash flow and funding human resources hiring recruiting training marketing pricing promotion strategy mis it is systems services operations schedules mrp workloads product service design new products and services features of forecasts assumes causal system past future forecasts rarely perfect because of randomness forecasts more accurate for groups vs. individuals forecast accuracy decreases as time horizon increases elements of a good forecast steps in the forecasting process types of forecasts judgmental uses subjective inputs time series uses historical data assuming the future will be like the past associative models uses explanatory variables to predict the future judgmental forecasts executive opinions sales force opinions consumer surveys outside opinion delphi method opinions of managers and staff achieves a consensus forecast time series forecasts trend long term movement in data seasonality short term regular variations in data cycle – wavelike variations of more than one year’s duration irregular variations caused by unusual circumstances random variations caused by chance forecast variations trend irregular variation seasonal variations ۹ ۸۹ ۸۸ figure ۳.۱ cycles naive forecasts the forecast for any period equals the previous period’s actual value. naïve forecasts simple to use virtually no cost quick and easy to prepare data analysis is nonexistent easily understandable cannot provide high accuracy can be a standard for accuracy uses for naïve forecasts stable time series data f t a t ۱ seasonal variations f t a t n data with trends f t a t ۱ a t ۱ – a t ۲ techniques for averaging moving average weighted moving average exponential smoothing moving averages moving average – a technique that averages a number of recent actual values updated as new values become available. weighted moving average – more recent values in a series are given more weight in computing the forecast. simple moving average actual ma۳ ma۵ chart۳ ۴۲ ۴ ۴۳ ۴ ۴۱.۶۶۶۶۶۶۶۶۶۷ ۴۱ ۴۱ ۳۹ ۴۱.۳۳۳۳۳۳۳۳۳۳ ۴۱.۲ ۴۶ ۴ ۴ .۶ ۴۴ ۴۲ ۴۱.۸ ۴۵ ۴۳ ۴۲ ۳۸ ۴۵ ۴۳ ۴ ۴۲.۳۳۳۳۳۳۳۳۳۳ ۴۲.۴ ۴۱ ۴۲.۶ actual ma۳ ma۵ sheet۱ period actual alpha .۱ error alpha .۴ error ۱ ۴۲ ۲ ۴ ۴۲ ۲. ۴۲ ۲ ۳ ۴۳ ۴۱.۸ ۱.۲ ۴۱.۲ ۱.۸ ۴ ۴ ۴۱.۹۲ ۱.۹۲ ۴۱.۹۲ ۱.۹۲ ۵ ۴۱ ۴۱.۷۳ .۷۳ ۴۱.۱۵ .۱۵ ۶ ۳۹ ۴۱.۶۶ ۲.۶۶ ۴۱. ۹ ۲. ۹ ۷ ۴۶ ۴۱.۳۹ ۴.۶۱ ۴ .۲۵ ۵.۷۵ ۸ ۴۴ ۴۱.۸۵ ۲.۱۵ ۴۲.۵۵ ۱.۴۵ ۹ ۴۵ ۴۲. ۷ ۲.۹۳ ۴۳.۱۳ ۱.۸۷ ۱ ۳۸ ۴۲.۳۶ ۴.۳۶ ۴۳.۸۸ ۵.۸۸ ۱۱ ۴ ۴۱.۹۲ ۱.۹۲ ۴۱.۵۳ ۱.۵۳ ۱۲ ۴۱.۷۳ ۴ .۹۲ sheet۱ actual alpha .۱ alpha .۴ period demand sheet۲ period actual ma۳ ma۵ ۱ ۴۲ ۲ ۴ ۳ ۴۳ ۴ ۴ ۴۱.۷ ۵ ۴۱ ۴۱. ۶ ۳۹ ۴۱.۳ ۴۱.۲ ۷ ۴۶ ۴ . ۴ .۶ ۸ ۴۴ ۴۲. ۴۱.۸ ۹ ۴۵ ۴۳. ۴۲ ۱ ۳۸ ۴۵. ۴۳ ۱۱ ۴ ۴۲.۳ ۴۲.۴ ۱۲ ۴۱. ۴۲.۶ sheet۲ actual ma۳ ma۵ sheet۳ exponential smoothing premise the most recent observations might have the highest predictive value. therefore we should give more weight to the more recent time periods when forecasting. ft ft ۱  at ۱ ft ۱ exponential smoothing weighted averaging method based on previous forecast plus a percentage of the forecast error a f is the error term  is the feedback ft ft ۱  at ۱ ft ۱ example ۳ exponential smoothing sheet۱ period actual alpha .۱ error alpha .۴ error ۱ ۴۲ ۲ ۴ ۴۲ ۲. ۴۲ ۲ ۳ ۴۳ ۴۱.۸ ۱.۲ ۴۱.۲ ۱.۸ ۴ ۴ ۴۱.۹۲ ۱.۹۲ ۴۱.۹۲ ۱.۹۲ ۵ ۴۱ ۴۱.۷۳ .۷۳ ۴۱.۱۵ .۱۵ ۶ ۳۹ ۴۱.۶۶ ۲.۶۶ ۴۱. ۹ ۲. ۹ ۷ ۴۶ ۴۱.۳۹ ۴.۶۱ ۴ .۲۵ ۵.۷۵ ۸ ۴۴ ۴۱.۸۵ ۲.۱۵ ۴۲.۵۵ ۱.۴۵ ۹ ۴۵ ۴۲. ۷ ۲.۹۳ ۴۳.۱۳ ۱.۸۷ ۱ ۳۸ ۴۲.۳۶ ۴.۳۶ ۴۳.۸۸ ۵.۸۸ ۱۱ ۴ ۴۱.۹۲ ۱.۹۲ ۴۱.۵۳ ۱.۵۳ ۱۲ ۴۱.۷۳ ۴ .۹۲ sheet۱ actual alpha .۱ alpha .۴ period demand sheet۲ sheet۳ picking a smoothing constant common nonlinear trends figure ۳.۵ linear trend equation ft forecast for period t t specified number of time periods a value of ft at t b slope of the line calculating a and b linear trend equation example t� � y� � � week� t۲� sales� ty� � ۱� ۱� ۱۵ � ۱۵ � � ۲� ۴� ۱۵۷� ۳۱۴� � ۳� ۹� ۱۶۲� ۴۸۶� � ۴� ۱۶� ۱۶۶� ۶۶۴� � ۵� ۲۵� ۱۷۷� ۸۸۵� � � � � � � s t ۱۵� s t۲ ۵۵� s y ۸۱۲� s ty ۲۴۹۹� � s t ۲ ۲۲۵� � � � � linear trend calculation techniques for seasonality seasonal variations regularly repeating movements in series values that can be tied to recurring events. seasonal relative percentage of average or trend centered moving average a moving average positioned at the center of the data that were used to compute it. associative forecasting predictor variables used to predict values of variable interest regression technique for fitting a line to a set of points least squares line minimizes sum of squared deviations around the line linear model seems reasonable a straight line is fitted to a set of sample points. linear regression assumptions variations around the line are random deviations around the line normally distributed predictions are being made only within the range of observed values for best results always plot the data to verify linearity check for data being time dependent small correlation may imply that other variables are important forecast accuracy error difference between actual value and predicted value mean absolute deviation mad average absolute error mean squared error mse average of squared error mean absolute percent error mape average absolute percent error mad mse and mape mad actual forecast   n mad mse and mape mad easy to compute weights errors linearly mse squares error more weight to large errors mape puts errors in perspective example ۱ sheet۱ period actual forecast a f a f a f ^۲ a f actual ۱ ۱ ۲۱۷ ۲۱۵ ۲ ۲ ۴ .۹۲ ۲ ۲۱۳ ۲۱۶ ۳ ۳ ۹ ۱.۴۱ ۳ ۲۱۶ ۲۱۵ ۱ ۱ ۱ .۴۶ ۴ ۲۱ ۲۱۴ ۴ ۴ ۱۶ ۱.۹ ۵ ۲۱۳ ۲۱۱ ۲ ۲ ۴ .۹۴ ۶ ۲۱۹ ۲۱۴ ۵ ۵ ۲۵ ۲.۲۸ ۷ ۲۱۶ ۲۱۷ ۱ ۱ ۱ .۴۶ ۸ ۲۱۲ ۲۱۶ ۴ ۴ ۱۶ ۱.۸۹ ۲ ۲۲ ۷۶ ۱ .۲۶ mad ۲.۷۵ mse ۱ .۸۶ mape ۱.۲۸ sheet۲ sheet۳ controlling the forecast control chart a visual tool for monitoring forecast errors used to detect non randomness in errors forecasting errors are in control if all errors are within the control limits no patterns such as trends or cycles are present sources of forecast errors model may be inadequate irregular variations incorrect use of forecasting technique tracking signal tracking signal ratio of cumulative error to mad bias – persistent tendency for forecasts to be greater or less than actual values. choosing a forecasting technique no single technique works in every situation two most important factors cost accuracy other factors include the availability of historical data computers time needed to gather and analyze the data forecast horizon operations strategy forecasts are the basis for many decisions work to improve short term forecasts accurate short term forecasts improve profits lower inventory levels reduce inventory shortages improve customer service levels enhance forecasting credibility supply chain forecasts sharing forecasts with supply can improve forecast quality in the supply chain lower costs shorter lead times gazing at the crystal ball reading in text exponential smoothing linear trend equation simple linear regression ۳۵ ۳۷ ۳۹ ۴۱ ۴۳ ۴۵ ۴۷ ۱۲۳۴۵۶۷۸۹۱ ۱۱۱۲ periodactualalpha .۱erroralpha .۴error ۱۴۲ ۲۴ ۴۲ ۲. ۴۲ ۲ ۳۴۳۴۱.۸۱.۲ ۴۱.۲۱.۸ ۴۴ ۴۱.۹۲ ۱.۹۲۴۱.۹۲ ۱.۹۲ ۵۴۱۴۱.۷۳ .۷۳۴۱.۱۵ .۱۵ ۶۳۹۴۱.۶۶ ۲.۶۶۴۱. ۹ ۲. ۹ ۷۴۶۴۱.۳۹۴.۶۱۴ .۲۵۵.۷۵ ۸۴۴۴۱.۸۵۲.۱۵۴۲.۵۵۱.۴۵ ۹۴۵۴۲. ۷۲.۹۳۴۳.۱۳۱.۸۷ ۱ ۳۸۴۲.۳۶ ۴.۳۶۴۳.۸۸ ۵.۸۸ ۱۱۴ ۴۱.۹۲ ۱.۹۲۴۱.۵۳ ۱.۵۳ ۱۲۴۱.۷۳۴ .۹۲ ۳۵ ۴ ۴۵ ۵ ۱۲۳۴۵۶۷۸۹۱ ۱۱۱۲ period demand t y week t ۲ sales ty ۱ ۱ ۱۵ ۱۵ ۲ ۴ ۱۵۷ ۳۱۴ ۳ ۹ ۱۶۲ ۴۸۶ ۴ ۱۶ ۱۶۶ ۶۶۴ ۵ ۲۵ ۱۷۷ ۸۸۵ s t ۱۵ s t ۲ ۵۵ s y ۸۱۲ s ty ۲۴۹۹ s t ۲ ۲۲۵ periodactualforecast a f a f a f ^۲ a f actual ۱ ۱۲۱۷۲۱۵۲۲۴ .۹۲ ۲۲۱۳۲۱۶ ۳۳۹۱.۴۱ ۳۲۱۶۲۱۵۱۱۱ .۴۶ ۴۲۱ ۲۱۴ ۴۴۱۶۱.۹ ۵۲۱۳۲۱۱۲۲۴ .۹۴ ۶۲۱۹۲۱۴۵۵۲۵۲.۲۸ ۷۲۱۶۲۱۷ ۱۱۱ .۴۶ ۸۲۱۲۲۱۶ ۴۴۱۶۱.۸۹ ۲۲۲۷۶۱ .۲۶ mad ۲.۷۵ mse ۱ .۸۶ mape ۱.۲۸ x y ۷ ۱۵ ۲ ۱ ۶ ۱۳ ۴ ۱۵ ۱۴ ۲۵ ۱۵ ۲۷ ۱۶ ۲۴ ۱۲ ۲ ۱۴ ۲۷ ۲ ۴۴ ۱۵ ۳۴ ۷ ۱۷ ۱ ۲ ۳ ۴ ۵ ۵ ۱ ۱۵ ۲ ۲۵ …

کلمات کلیدی پرکاربرد در این اسلاید پاورپوینت: forecast, ., error, t, ۴۲, actual, average, value, f, period, variation, datum, technique,

این فایل پاورپوینت شامل 45 اسلاید و به زبان انگلیسی و حجم آن 0.53 مگا بایت است. نوع قالب فایل ppt بوده که با این لینک قابل دانلود است. این مطلب برگرفته از سایت زیر است و مسئولیت انتشار آن با منبع اصلی می باشد که در تاریخ 2019/05/17 07:00:19 استخراج شده است.

http://www.hkma.org.hk/ppt/dms/om/chap003.ppt

  • جهت آموزش های پاورپوینت بر روی اینجا کلیک کنید.
  • جهت دانلود رایگان قالب های حرفه ای پاورپوینت بر روی اینجا کلیک کنید.

رفتن به مشاهده اسلاید در بالای صفحه


پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *