TERMELÉSMENEDZSMENT TERMELÉSMENEDZSMENT. 1. Előadás. A f é l é v t a r t a l m a. 1. Előrejelzés. 2. Kapacitástervezés. 3. Készletgazdálkodás

TERMELÉSMENEDZSMENT

1. Előadás

TERMELÉSMENEDZSMENT 1. Előrejelzés 2. Kapacitástervezés 3. Készletgazdálkodás 4. Termeléstervezés 5. Termelési folyamat szabályozása 6. Telephely optimális kialakítása

A félév tartalma 0. Bevezetés 1. A termelési feladat előrejelzése 2. Kapacitástervezés 3. Készletgazdálkodás 4. Termeléstervezés

1

A vizsga tartalma 3 feladat - 90 perc Előrejelzés

előadás

Kapacitástervezés Készletgazdálkodás

jegyzet

vizsgaanyag

Termeléstervezés

Mai előadás anyaga Bevezetés, alapfogalmak, történelmi áttekintés

Előrejelzési módszerek

Ki ez?

Kelemen Tamás

Elérhetőség T. II. 24. Tel: 463-3775 Fax: 463-1606

E-Mail: [email protected]

2

Ki ez? Kelemen Tamás

Letölthető anyagok: www.imvt.bme.hu Letöltés (menüpont) Oktatók szerint (Kelemen Tamás)

Oktatási anyagok

Bevezetés Vállalkozások alapelemei: 1. Tőke biztosítása (vállalati pénzügyek)

2. A termék elkészítése (termelésmenedzsment) 3. A termék értékesítése (marketing)

Alapfogalmak -Termelésmenedzsment: a termeléshez szükséges erőforrások tervezése, irányítása és ellenőrzése. -Termelésszervezés: a hatékony termeléshez szükséges emberi, gépi, anyagi valamint információ jellegű erőforrások kialakítása. -Vezetéstudomány - operációkutatás: rendszerek optimális tervezésének és irányításának tudományos módszertana. -Termelőrendszer: erőforrások olyan halmaza, amelynek feladata egy bemenő erőforrásrendszer átalakítása termékké vagy szolgáltatássá egy transzformációs folyamat keretében.

3

Alkalmazási példák Rendszer

Bemenő

Komponensek

Transzformáció Termék v.

erőforrások

szolgáltatás

…

…

…

…

…

Gépkocsi

Acéllemezek,

Munkások,

Gyártás és

Jó minőségű

összeszerelő

motorok,

gépek,

összeszerelés

személygép

üzem

alkatrészek

szerszámok

…

…

…

…

…

Raktári

Raktározandó

Rakodóhelyek,

Raktározás,

A szükséges

elosztó

áru

raktári

elosztás,

helyre

eszközök,

adminisztráció

időben

központ

kocsik

dolgozók

eljutó áru

Történelmi áttekintés Frederick Taylor

1911

Frank és Lilian Gilbreth

1911

Henry Ford

1913

Henry L. Gantt

1914

George B. Dantzig

1947 szimplex módszer

Operációkutatás

~1950, ~1960

MRP

~1970

TQM, JIT

~1980

Az eredményesség mutatói Pénzügyi mutatók: - Profit - Megtérülési ráta (profit a befektetéshez viszonyítva) - Cash-flow (pénzjövedelem) Működési mutatók: - Termelési ráta - az eladott termékeké - Készlet - valamennyi, a felhasznált készletekbe fektetett pénz - Működési költségek

4

Az eredményesség mutatói PROFIT

MEGTÉRÜLÉSI RÁTA

CASH FLOW

TERMELÉSI RÁTA

KÉSZLETEK

MÛKÖDÉSI KÖLTSÉGEK

Az eredményesség mutatói TERMELÉSI RÁTA

KÉSZLETEK

MŰKÖDÉSI KÖLTSÉGEK

! LÁSSUNK HOZZÁ !

5

P P S Rendszer Produktionsplanungs- und SteuerungsSystem Termeléstervezési és irányítási rendszer Független részrendszerekből áll Általában egy központi adatbankhoz fér minden részrendszer hozzá

Ø

PPS

rendszer

TermeléstervezésiTermeléstervezési- és Irányítási Rendszer Moduláris felépítésű

messze független részrendszerek

Vevői igény nyilvántartása Termelési program tervezése Raktárkészlet nyilvántartás Anyagszükséglet-tervezés Határidő-és kapacitástervezés Folyamat megtervezése

Ø

PPS

rendszer

Központi adatbázis, melyhez minden részrendszer hozzáfér

Törzsadatok Termelési adatok

Változó adatok Állományadatok

Konstrukciós adatok

Készletállomány

Darabjegyzékek

Gépállapotok

Megmunkálási idők Gépkapacitások

AKTUALIZÁLÁS

6

Előrejelzett igény

Bejövő megrend.

Ø

Elküldött megrend.

Igény nyilvántartás Rend. álló készlet

MPS meghat. Primer igény Gyártási megbízás

végtermék terv. változása MRP

Készletnyilvántartás

Rend. álló készlet

Félkész termék terv. változása Beszerzési megbízás

Határidő & kapacitás terv.

Készlet növ.

Beszerzés

Eng. gyártási megbízás Gépbeosztási terv

Megvalósítás megterv.


Bejövő megrend.

Értékesítés ???

Értékesítés


MPS meghat.

Gyártási megbízás





Határidő & kapacitás terv. Termelés

Ø


Igény nyilvántartás

Termelés ???

Primer igény

Gyártás

Visszajelzés

Készlet növ.

Beszerzés

Eng. gyártási megbízás

Logisztika

Gépbeosztási terv

Megvalósítás megterv.

Visszajelzés

Gyártás

Ø

PPS

rendszer

J e l l e m z ők : Szukcesszív tervezés Minden szint, csak az utána következőnek ad adatot Nincs visszacsatolás Nincs rendszeropimum !!! CSAK HATÉKONY ADATKEZELÉS !!!

7

PPS

Ø

rendszer

Tanulság: Egy új rendszer bevezetése egyben komoly BPR folyamatot jelent (80-90 %-uk sikertelen) Ehhez elengedhetetlen az érintettek bevonása Ne higgyünk el mindent a rendszerszállítóknak !!! CSAK HATÉKONY ADATKEZELÉS !!!

Ø

JIT

rendszer

Miért pont JIT? várakozási idők (kb. 80%) átfutási idők bizonytalansága sorban állás a gyártáson Nagy Q kapacitásproblémát okoz PPS rendszerek hibája: szukcesszív tervezés


Bejövő megrend.

Ø


Igény nyilvántartás MPS meghat. Primer igény Gyártási megbízás






Határidő & kapacitás terv.

Készlet növ.

Beszerzés

Eng. gyártási megbízás Megvalósítás megterv.

Gépbeosztási terv

Gyártás

Visszajelzés

8

Előrejelzések

Megrendelések

előrejelzés

termékösszetétel

Vevői megrendelések

Megrendelés kezelése

Kiszállított rendelések

Rendelkezésre álló készletek MPS meghatározása

Raktárkészlet nyilvántartás

Végtermék tervezett be- kivételezése

Készletgazdálkodás

Primerigények a végtermékekből

Rendelkezésre álló készletek MRP Félkésztermékek, alkatrészek tervezett be- kivételezése

Beszerzési megbízások Gyártási megbízások

Kapacitáskiegyenlítés Határidő- és kapacitástervezés

Termelés szerv.

Raktárkészlet növekedés Beszerzés

Engedélyezett gyártási megbízások Gépek foglaltsági terve Folyamat tervezése

Gyártás Visszaigazolások, jelentések

A termelési feladat előrejelzése Előrejelzési módszerek

Á T L A G O S igény előrejelzése T R E N D D E L rendelkező igény előrejelzése S Z E Z O N Á L I S igény előrejelzése

Alkalmazási területek -Kapacitás tervezés -Készletgazdálkodás -Beszerzési politika -Az igény regionális változásai - üzem telepítés -Az igény nagysága - gyártási mód

9

Az előrejelzési módszerek osztályozása az időhorizont alapján:

-Hosszú távú előrejelzés - stratégiai tervezés Beruházási döntések -Középtávú előrejelzés - taktikai döntések Termeléstervezés -Rövid távú előrejelzések - operatív döntések Termelésprogramozás

Az előrejelzési módszerek osztályozása az eljárások alapján: 1.)

Kvalitatív módszerek: - Szakértői becslés - Csoportmunka módszerek - Piackutatás - Történelmi analógiák - Delphy módszer

2.)

Kvantitatív módszerek:

Projektív módszerek: az igény múltbeli alakulását vizsgálja és a tapasztalt tendenciát kivetíti a jövőbe. (Mozgó átlagok, exponenciális simítások, stb) Kauzális módszerek: az igény okát vizsgálja és abból következtet a jövőbeli igényre (regresszió számítás).

Az igény komponensei: -átlagos igény -trend -szezonalitás -ciklikusság -autókorreláció

-véletlen változások

10

Az igény pillanatnyi értéke =

az igény jellege + véletlen változások

Állandó igény előrejelzése Alkalmazott jelölések:

Dt

A tényleges igény a t-ik periódusban

Ft,t+τ

A t-ik periódusból t+τ periódusra előrejelzett érték

Ft

A t-1-ik periódusból t-ik periódusra előrejelzett érték

et = Ft - Dt

Az előrejelzési hiba a t-ik periódusban

igény

Dt Dt-1 Dt-2 et Ft-N

Ft-N+1 et-N+1

Fi ei

et-2

et-1

Ft-2

Ft-1

Ft

Ft+1

t-N+1 ... i ... t-2

t-1

t

t+1

et-N

Di Dt-N+1

Dt-N

t-N

periódus

11

Előrejelzés mozgó átlaggal Ha adott egy F előrejelzés:

ÁHN =

1 N

az átlagos hibanégyzet: t− N

∑

i= t −1

(F

− Di)

2

= 1 N

t−N

∑ (F − 2FDi + D ) 2

2

i = t −1

Előrejelzés mozgó átlaggal Az optimum keresése:

∂ÁHN 1 = N ∂F

t− N

∑

i= t −1

szélsőérték számítás:

(2F − 2Di ) = 0

1 F = N

t− N

∑

Di

i = t −1

Mozgó vagy simító átlag

1 t− N Ft = * ∑ Di N i = t −1 Ft =

1 * [Dt − 1 + Dt − 2 + ... + Dt − N ] N

12

Dt Ft

Az előrejelzés aktualizálása

F7

F6 XD

XD XD 2

XD XD XF XF XF XF XD XD 5

4

3

1

5

4

F5

6

7

6

7

F8

F4

t

Az előrejelzés aktualizálása Dt , Ft

XD

XD XD 2

3

1

XF

4

F4 t

Dt Ft


XD

XD XD 2

1

XD XF XF 4

3

5

4

F5 F4

t

13

Dt Ft


F6 XD

XD XD 2

XD XD XF XF XF 5

4

3

1

5

6

4

F5 F4

Dt Ft

t


F7 XD

XD XD 2

1

XD XD XF XF XF XF XD 5

4

3

5

4

6

7

6

F5 F4

t

Mozgó vagy simító átlag Az előrejelzés aktualizálása:

1 t − N +1 Ft + 1 = * ∑ Di N i =t Ft + 1 =

t −N 1 1   * Dt + ∑ Di − Dt − N  = Ft + [Dt − Dt − N ] N  i =t −1  N

14

Az előrejelzési hiba várható értéke TFH. Az igény (Dt) független azonos eloszlású véletlen változó Várható értéke: E(Dt) = µ

Szórása: var(Dt) = σ2

E{Ft − Dt} =E{Ft}− E{Dt} =E{N1 * ∑ Di} − E{Dt} = t−N

i =t −1

1 * E {D t − 1}+ E {D t − 2 }+ ... + E {D t − N 1 *N *µ − µ = 0 N

N

} − E {D t } =

Az előrejelzési hiba várható szórása TFH. Az igény (Dt) független azonos eloszlású véletlen változó Várható értéke: E(Dt) = µ

VAR


{F t − D t } = VAR{Ft} + VAR{Dt} =VAR{ 1

N

2

* VAR {Dt − 1}+ VAR {Dt − 2}+ ... + VAR {Dt − N } + VAR {Dt} =

1

N

1 t−N * ∑ Di} + VAR{Dt} = N i =t −1

2

1 2 2 2 * N *σ + σ = σ *  + 1 =  N 

Feladat 8. oldal

σ

e

= σ * 1+

1 N

MA(3)

N E G Y E D É V

I G É N Y

1

200

2

250

3

175

4

186

5

225

6

285

7

305

8

190

9

15

Feladat 8. oldal

MA(3)

1 1 F 4 = * (D1 + D 2 + D 3) = * (200 + 250 + 175) = 208.33 3 3 1 1 F 5 = * (D 2 + D 3 + D 4 ) = * (250 + 175 + 186 ) = 203.67 3 3 1 F 6 = * (D 3 + D 4 + D 5 ) = 3 1 F 7 = * (D 4 + D 5 + D 6 ) = 3

1 F 8 = * (D 5 + D 6 + D 7 ) = 3 1 1 F 9 = * (D 6 + D 7 + D8 ) = * (285 + 305 + 190) = 3 3

Feladat 8. oldal

260

MA(6)

N E G Y E D É V

I G É N Y

1

200

2

250

3

175

4

186

5

225

6

285

7

305

8

190

9

Feladat 8. oldal

MA(6)

1 F 7 = * ( D1 + D 2 + D 3 + D 4 + D 5 + D 6 ) = 6 1 = * (200 + 250 + 175 + 186 + 225 + 285) = 220,17 6 1 F 8 = * (D 2 + D 3 + D 4 + D 5 + D 6 + D 7 ) = 6 1 = * (250 + 175 + 186 + 225 + 285 + 305) = 237,67 6 1 F 9 = * (D 3 + D 4 + D5 + D 6 + D 7 + D8 ) = 6 1 = * (175 + 186 + 225 + 285 + 305 + 190) = 6

227,67

16

8. oldali feladat eredménye

ja v ított m otorok s zá m a

350 300 250 Di

200

MA (3)

150

MA (6)

100 50 0 1

2

3

4

5

6

7

8

9

negyedév

Előrejelzés exponenciális simítással Alapelv: a különböző periódusokban megfigyelt értékek nem egyforma mértékben fontosak a további előrejelzéshez

Következmény:

! SÚLYOZNI KELL !

Előrejelzés exponenciális simítással ELŐREJELZETT ÉRTÉK = az előző periódusban észlelt tényleges + az előző periódusra

előrejelzett igény súlyozott átlaga

17

Előrejelzés exponenciális simítással Képletben:

Ft = α*Dt-1+(1- α)*Ft-1 ahol 0 ≤ α ≤ 1

Ft = Ft-1-α*(Ft-1-Dt-1) = Ft-1-(α*et-1)

Mitől exponenciális? Ft-1 = α*Dt-2 + (1- α)*Ft-2 Ft-2 = α*Dt-3 + (1- α)*Ft-3 stb.

t −1

F t = ∑ α *(1 − α ) * D t − i − 1 + (1 − α ) F 0 i

t

i=0

Ha nagyon régóta csináljuk: ∞

i

∑ α (1 − α )

=

i=0

∞

i

α ∑ (1 − α ) = i =0

α

1 = 1 − (1 − α )

1

18

Vissza Ádámig és Éváig? Megoldás: I N I C I A L I Z Á L Á S pl.

F0 = D0

Mekkora legyen „α” ? alfa = 0,1

súly

1 0,5

28

37

46

55

64

73

82

82

19

73

10

64

1

55

0 91 100

i

a l fa = 0 , 9

súly

0 ,1 5 0 ,1 0 ,0 5 91

100

46

37

28

19

1

10

0 i

Az előrejelzés hibája exponenciális simításnál TFH. Az igény (Dt) független azonos eloszlású véletlen változó Várható értéke: E(Dt) = µ


E{Ft − Dt} = E{Ft} − E{Dt} =

E{α * Dt − 1 + α * (1 − α ) * Dt − 2 + ... + α * (1 − α ) t −1 * D 0} − E{Dt} = = α * E{Dt − 1}+ α * (1 − α ) * E{Dt − 2}+ ... + α * (1 − α ) t −1* E{D 0} − E{Dt} =

µ * [α + α * (1 − α ) + α * (1 − α ) 2 + ... + α * (1 − α )t −1 ]+ (1 − α )t F 0 − µ

≈ µ +0− µ = 0

19

Feladat 12. oldal

EXP(0,1)

N E G Y E D É V

I G É N Y

1

200

2

250

3

175

4

186

5

225

6

285

7

305

8

190

9

Feladat 12. oldal

F1 = D 1

Inicializálás:

F2 = 0,1*D1 + (1-0,1)*F1

exp. (α=0,1)

F2 = 0,1*200 + (1-0,1)*200 =

200

F3 = 0,1*D2 + (1-0,1)*F2 F3 = 0,1*250 + (1-0,1)*200 =

205

F4 = 0,1*D3 + (1-0,1)*F3 F4 = 0,1*175 + (1-0,1)*205 =

202

stb.

F9 = 0,1*D8 + (1-0,1)*F8 F9 = 0,1*190 + (1-0,1)*220,47= 217,42

Feladat 12. oldal

F1 = D 1

Inicializálás:

F2 = 0,7*D1 + (1-0,7)*F1

exp. (α=0,7)

F2 = 0,7*200 + (1-0,7)*200 =

200

F3 = 0,7*D2 + (1-0,7)*F2 F3 = 0,7*250 + (1-0,7)*200 =

235

F4 = 0,7*D3 + (1-0,7)*F3 F4 = 0,7*175 + (1-0,7)*235 =

193

stb.

F9 = 0,7*D8 + (1-0,7)*F8 F9 = 0,7*190 + (1-0,7)*292,60= 220,78

20

12. oldali feladat megoldása ja v íto tt m o to ro k szám a

350 300 250

Di

200

EXP (0,1)

150

EXP (0,7)

100 50 0 1

2

3

4

5

6

7

8

9

negyedév

végeredmények Negyedév

Di

MA(3)

1

200

-

2

250

-

3

175

4

MA(6)

Hiba

-

-

-

-

-

-

-

-

-

-

186

208

22

-

-

5

225

204

-21

-

-

6

285

195

-90

-

-

7

305

232

-73

220

-85

8

190

271

81

238

48

260

?

228

?

9

Hiba

! VÉGE !

21

Termelésmenedzsment 2. Előadás

Mai előadás anyaga Előrejelzési módszerek Lineáris trend előrejelzése Szezonalitás értelmezése Az előrejelzési hibák elemzése

Lineáris trend előrejelzése

Holt módszer Kettős exponenciális simítás

22

Holt módszer Egylépéses előrejelzés alapelve:

Az igény két komponense dominál 1. Átlagigény exp. simítással számítva (α) 2. Lineáris trend exp. simítással számítva (β)

Holt módszer

igény Dápr Dmárc

Gápr

Gmárc

Gápr

Gmárc

Dfebr Djan

Gfebr

idő

Jan. Febr. Márc. Ápr.

igény Dápr Dmárc

Gápr

Gmárc

Dfebr

Gápr

Gmárc Gfebr

Djan

Jan.

Febr.

Márc.

Ápr.

idő

23

Holt módszer Az eredmény =

a külön - külön elvégzett számítások

eredményeinek összege

Holt módszer Jelölések:

St : az átlagigény előrejelzése mintha nem lenne trend Gt : a trend előrejelzése

(az egyenes meredeksége)

Ft+1 : a t+1 -ik periódusra t-ből előrejelzett érték

Holt módszer Fi Di Ft+2

Gt+1

St+1 Ft+1 Dt St Ft Dt-1 St-1 Dt-2 Ft-1 St-2

Gt Gt-1 Gt-2 t-2

t-1

t

t+1

t

24

Holt módszer St = αDt + (1- α)(St-1 + Gt-1) 0 ≤ α ≤ 1 Ft

Gt = β(St - St-1) + (1-β)Gt-1

0≤β≤1

Ft+1 = St + Gt Ft,t+τ = St + τ*Gt

Feladat 12. oldal

EXP(0,1)

N E G Y E D É V

I G É N Y

1

200

2

250

3

175

4

186

5

225

6

285

7

305

8

190

9

Feladat 16. oldal (Holt módszer) Paraméterek megadása: α = 0,1

β = 0,1

INICIALIZÁLÁS S0 = 200

G0 = 10

25

Feladat 16. oldal (Holt módszer) S0 = 200

G0 = 10

α = 0,1

β = 0,1

S1 = 0,1*200+(1-0,1)*(200+10) = 209 G1 = 0,1*(209-200)+(1-0,1)*10 = 9,9 F2 = S1 + G1 = 209 + 9,9 = 218,9


G0 = 10

α = 0,1

β = 0,1

S2 = 0,1*250+(1-0,1)*(209+9,9) = 222 G2 = 0,1*(222-209)+(1-0,1)*9,9 = 10,2 F3 = S2 + G2 = 222 + 10,2 = 232,2 stb.


G0 = 10

α = 0,1

β = 0,1

S8=0,1*190+(1-0,1)*(265,2+9,8)= 266,5 G8=0,1*(266,5-265,2)+(1-0,1)*9,8= 8,95 F9 = S8 + G8 = 266,52 + 8,95 = 275,4

26

Feladat 16. oldal (Holt módszer) 16. oldali feladat 350

300

javítás

250

200

150

100

50

0 1

2

3

4

5

6

7

8

9

negyedév Meghibásodások száma

St

Gt

Ft

Szezonalitás előrejelzése Szezonalitás: az átlagigény körüli ingadozás mely egy adott idő múlva ismétlődik Egy szezon lehet azonos vagy változó hosszú

Szezonindex: az adott periódusban az átlaghoz képest mennyi az igény

ct

Szezonalitási faktor:

Dt ct = Dátlag

N

∑c = N t

t =1

27

igény

d

d

c

c a

a

b

b

1

2

3

4

5

6

7

N=4

N=4

periódus

periódus

8

idő

ALAPÖSSZEFÜGGÉS N

N

t =1

t =1

∑ct = ∑

Dt DN   D1 D2 = + +...+ = Dátlag Dátlag Dátlag Dátlag

N 1 1 1 N Dt = = Dt = ∑ N ∑ 1 1 t =1 Dátlag t =1 ∑ Di N i =1 N

N

Feladat 19. oldal D1 = 100 Dátl =

D2 = 300

D1 + D 2 100 + 300 = = 2 2

200

Szezonindexek: 100 D1 = 200 D átl D2 300 c2 = = D átl 200

c1 =

=

0,5

=

1,5

c1 + c2 = 0,5 + 1,5 = 2

28

Szezonalitás előrejelzése lineáris trend mellett Winters modell

Dt

3 szoros exponenciális simítás 1. Átlagérték simítása 2. Trend simítása 3. Szezonindex simítása

T

T t


1. lépés

1. Átlagérték simítása

Á T L A G O S igény becslése

2. Trend simítása

Szezontalanítás

3. Szezonindex simítása

St = α *

D t

Dt + (1 − α ) * ( St −1 + Gt −1 ) ct − N 0≤α≤1

T t-N

T t

t+N

Ft

t


2. lépés


T R E N D becslése

2. Trend simítása

Holt módszer


Gt = β * (St − St −1 ) + (1 − β ) * Gt −1

D t

0≤β≤1

T t-N

T t

t+N

t

29


3. lépés


S Z E Z O N I N D E X becslése

2. Trend simítása

Analóg az eddigiekkel


ct = γ *

D t

Dt + (1 − γ )* ct − N St 0≤γ≤1

T t-N

T t

t

t+N


4. lépés


Az E L Ő R E J E L Z É S

2. Trend simítása

Egy lépéses előrejelzés


Ft +1 = (St + G t ) * c t +1− N

D

Több lépéses előrejelzés

t

Ft + τ = (St + τ * G t ) * c t + τ− N

T t-N

T t

t+N

t

Feladat: Winters (0,2;0,1;0,1) N E G Y E D É V

I G É N Y

1

200

2

250

3

175

4

186

5

225

6

285

7

305

8

190

9

30

Feladat: Winters módszer Paraméterek megadása: α = 0,2

β = 0,1

γ = 0,1

INICIALIZÁLÁS S0 = 200

G0 = 10


1. lépés


Á T L A G O S igény becslése

2. Trend simítása

Szezontalanítás


St = α *

D t

Dt + (1 − α ) * ( St −1 + Gt −1 ) ct − N α = 0,2

T t-N

250 S2 = 0,2 * + (1 − 0,2 )* 202,75 + 12,125 0,98

T t

t+N

t

S2 = 212,45


2. lépés


T R E N D becslése

2. Trend simítása

Holt módszer


Gt = β * (St − St −1 ) + (1 − β ) * Gt −1

D t

β = 0,1

T t-N

G 2 = 0,1* (212,45 − 202,75) + (1 − 0,1)*12,125

T t

t+N

t

G2 = 11,88

31


3. lépés


S Z E Z O N I N D E X becslése

2. Trend simítása

Analóg az eddigiekkel


ct = γ *

D

Dt + (1 − γ )* ct − N St γ ≤ 0,1

t

T t-N

c 5 = 0,1*

T t

t

t+N

225 + (1 − 0,1)* 0,98 251,25 c5 = 0,977


4. lépés


Az E L Ő R E J E L Z É S

2. Trend simítása

Egy lépéses előrejelzés


Ft +1 = (St + G t ) * c t +1− N

D

Több lépéses előrejelzés

t

Ft + τ = (S t + τ * G t ) * c t + τ− N

T t-N

T t

t

t+N

Szezonalitás előrejelzése lineáris trend mellett Winters modell (4 szezonnal) 350 300 250 200 150 100 50 0 1

2

3

4

5

Negyedév

6

7 Di

8

9

10

Ft

32

Szezonalitás előrejelzése lineáris trend mellett Winters modell (8 szezonnal) 400

350

300

250

200

150

100

Di

Ft

50

0 1

2

3

4

5

6

7

8

9

Szezonalitás előrejelzése lineáris trend mellett Esettanulmány 1. év

2. év

Január

hónap

242

263

3. év 282

Február

235

238

255

Március

232

247

265

Április

178

193

205

Május

184

193

210

Június

140

149

160

Július

145

157

166

Augusztus

152

161

174

Szeptember

110

122

126

Október

130

130

148

November

152

167

173

December

206

230

235

Szezonalitás előrejelzése lineáris trend mellett Esettanulmány

A 3 év adatai

300 250 200 150 100 50

Jú ni us Jú l iu Au s gu sz Sz tu s ep te m be r O kt ób e No r ve m b De er ce m be r

Ja nu á Fe r br uá r M ár ci us Áp ril is M áj us

0

1. év

2. év

3. év

33

Szezonalitás előrejelzése lineáris trend mellett Esettanulmány Szezonális hatásoktól megtisztított adatok

Jú li u s

Jú Sz l ep ius te m be No r ve m be r Ja nu ár M ár ci us M áj us

Jú Sz l ep ius te m be No r ve m be r Ja nu ár M ár ci us M áj us

205 200 195 190 185 180 175 170 165 160

Szezonalitás előrejelzése lineáris trend mellett Esettanulmány Előrejelzés

1. év

Jú ni us Jú l iu Au s gu sz Sz tu s ep te m be r O kt ób er No ve m be De r ce m be r

Ja nu á Fe r br uá r M ár ci us Áp ril is M áj us

350 300 250 200 150 100 50 0

2. év

3. év

4. év

ÁTTEKINTÉS Előrejelzési modellek Átlagos igény Lineáris trend Szezonális hatás

34

Az előrejelzési hiba elemzése Az előrejelzés hibája:

et = Ft - D t

Az előrejelzési hiba futó összege:

EHFÖ t = ∑ e i

t

i =1

Átlagos abszolút eltérés:

ÁAE t =

1 t ∑ ei t i =1

Az előrejelzési hiba elemzése EHFÖt σEHFÖ ≤ k ÁAE

σ =

π 2

ÁAE

kσ EHFÖt 0 k ≈ 2,…,3

EHFÖ

Az előrejelzési hiba elemzése

Követő jel: KJt =

EHFÖ t ÁAE t

KJ≤ 4,…,6

35

Az előrejelzési hiba elemzése Követő jel: Ft Dt et EHFÖt ABS(et) ÁAEt KJt 1 jan. 1000 950 50 50 50 50 -0,333333333 febr. 1000 1070 -70 -20 70 60 márc. 1000 1100 -100 -120 100 73,33333333 -1,636363636 -1,230769231 ápr. 1000 960 40 -80 40 65 -2,428571429 máj. 1000 1090 -90 -170 90 70 -3,3 jún. 1000 1050 -50 -220 50 66,66666667

Az előrejelzési hiba elemzése Követő jel: Követőjel

1,5 1 0,5 0 -0,5 -1 -1,5 -2 -2,5 -3 -3,5 -4

KJt

1 1

2

3

4

5

-0,33333333 -1,63636364 -1,23076923 -2,42857143

6 -3,3

VÉGE KÖSZÖNÖM A FIGYELMET

36

TERMELÉSMENEDZSMENT TERMELÉSMENEDZSMENT. 1. Előadás. A f é l é v t a r t a l m a. 1. Előrejelzés. 2. Kapacitástervezés. 3. Készletgazdálkodás

Recommend Documents