مؤثرة - متوسط - عمليات إدارة

التنبؤات أمر حيوي لكل منظمة تجارية ولكل قرار إداري هام. في حين أن التوقعات ليست مثالية تماما بسبب الطبيعة الديناميكية لبيئة الأعمال الخارجية، فإنه مفيد لجميع مستويات التخطيط الوظيفي والتخطيط الاستراتيجي والتخطيط للميزانية. يستخدم صناع القرار التنبؤات لاتخاذ العديد من القرارات الهامة فيما يتعلق بالاتجاه المستقبلي للمنظمة. ويمكن أن تكون تقنيات التنبؤ ونماذجه نوعية وكمية ومستوى تطوره يتوقف على نوع المعلومات وأثر القرار. ويتوقف نموذج التنبؤ الذي ينبغي أن تعتمده الشركة على عدة عوامل، بما في ذلك التنبؤ بالأفق الزمني، وتوافر البيانات، والدقة المطلوبة، وحجم ميزانية التنبؤ، وتوافر الموظفين المؤهلين. وتوجد إدارة الطلب لتنسيق ومراقبة جميع مصادر الطلب بحيث يمكن استخدام النظام الإنتاجي بكفاءة وتقديم المنتج في الوقت المحدد. ويمكن أن يعتمد الطلب إما على الطلب على منتجات أو خدمات أخرى، أو مستقل لأنه لا يمكن استخلاصه مباشرة من المنتجات الأخرى. يمكن تصنيف التنبؤات إلى أربعة أنواع أساسية: التحليل النوعي، السلاسل الزمنية، العلاقات السببية، والمحاكاة. ويمكن أن تشمل التقنيات النوعية في التنبؤ التنبؤ على مستوى القاعدة الشعبية، وأبحاث السوق، وإجماع الفريق، والتشبيه التاريخي، وطريقة دلفي. تحاول نماذج التنبؤ بالسلاسل الزمنية التنبؤ بالمستقبل بناء على البيانات السابقة. يتم استخدام توقعات متوسط ​​متحرك بسيط عندما يكون الطلب على منتج أو خدمة ثابتا دون أي تغيرات موسمية. وتختلف توقعات المتوسط ​​المتحرك المرجح للأوزان، نظرا لعامل معين، وبالتالي فهي قادرة على تغيير الآثار بين البيانات الحالية والسابقة. ويحسن التمهيد الأسي على أساس المتوسط ​​المتحرك المتوسط ​​والمرجح، حيث يعتبر أن نقاط البيانات الأحدث أكثر أهمية. لتصحيح أي اتجاه صعودا أو هبوطا في البيانات التي تم جمعها على مدى فترات زمنية لتمهيد الثوابت تستخدم. ألفا هو ثابت تمهيد، في حين دلتا يقلل من تأثير الخطأ الذي يحدث بين الفعلية والتوقعات. أخطاء التنبؤ هي الفرق بين قيمة التوقعات وما حدث بالفعل. جميع التوقعات تحتوي على درجة معينة من الخطأ، ولكن من المهم التمييز بين مصادر الخطأ وقياس الخطأ. مصادر الخطأ هي أخطاء عشوائية والتحيز. وتوجد قياسات مختلفة لوصف درجة الخطأ في التنبؤات. تحدث أخطاء التحيز عند حدوث خطأ، أي عدم تضمين المتغير الصحيح أو تحويل الطلب الموسمي. لا يمكن الكشف عن أخطاء عشوائية، فإنها تحدث عادة. وتشير إشارة التتبع إلى ما إذا كان المتوسط ​​المتوقع يواكب أي تغيرات في الطلب على الحركة. إن الانحراف المطلق أو المتوسط ​​المطلق هو أيضا أداة بسيطة ومفيدة في الحصول على إشارات التتبع. أداة التنبؤ أكثر تعقيدا لتحديد العلاقة الوظيفية بين اثنين أو أكثر من المتغيرات المترابطة هو الانحدار الخطي. ويمكن استخدام هذا للتنبؤ بمتغير واحد نظرا لقيمة أخرى. ومن المفيد لفترات زمنية أقصر لأنها تفترض علاقة خطية بين المتغيرات. محاولة التنبؤ السببية العلاقة لتحديد وقوع حدث واحد على أساس وقوع حدث آخر. يحاول التنبؤ بالتركيز عدة قواعد تبدو منطقية وسهلة الفهم لعرض البيانات السابقة في المستقبل. واليوم تتوفر العديد من برامج التنبؤ بالكمبيوتر للتنبؤ بسهولة بالمتغيرات. وعند اتخاذ قرارات طويلة الأجل بناء على توقعات مستقبلية، ينبغي توخي الحذر الشديد لتطوير التنبؤات. وبالمثل، ينبغي استخدام نهج متعددة للتنبؤ. وينبغي القيام بالتنبؤ في مجالات مختلفة من الإدارة مثل الإدارة المالية، وإدارة التسويق، وإدارة شؤون الموظفين، وما إلى ذلك، وتستخدم نفس التقنيات التي نوقشت في هذه المادة في تلك التخصصات أيضا. التنبؤ هو نشاط مهم في التحليل الأمني. أنواع مكونات التنبؤ بالطلب الرابع. تقنيات نوعية في التنبؤ جذور العشب أبحاث السوق فريق توافق الآراء التاريخي دلفي طريقة الوقت تحليل سلسلة متوسط ​​متحرك بسيط المتوسط ​​المرجح التحرك التوقعات الأسية التمهيد أخطاء مصادر خطأ قياس الخطأ الانحدار الخطي تحليل تحليل سلسلة زمنية السببية التنبؤ التنبؤ تحليل الانحدار المتعدد. منهجية التنبؤ بالتركيز للتنبؤ بالتركيز التنبؤ على شبكة الإنترنت: التخطيط التعاوني والتنبؤ والتجديد (ريتشارد B. تشيس، F. روبرت جاكوبس، نيكولاس ج. أكويلانو، إدارة العمليات من أجل الميزة التنافسية، 10e، ماكجرو هيل التعليم العالي، 2004 highered. mcgraw-hillsites0072506369studentview0chapter12Weighted متحرك متوسط ​​طرق التنبؤ: إيجابيات وسلبيات مرحبا، أحب مشاركتك. كان يتساءل عما إذا كان يمكن أن تطرح فوثر. نحن نستخدم ساب. في ذلك هناك مجموعة مختارة يمكنك اختيار قبل تشغيل توقعاتك دعا التهيئة. إذا قمت بتحديد هذا الخيار يمكنك الحصول على نتيجة التنبؤ، إذا قمت بتشغيل توقعات مرة أخرى، في نفس الفترة، ولا تحقق التهيئة التغييرات النتيجة. لا أستطيع معرفة ما تقوم به التهيئة. أعني، ماثماتيكالي. أي نتيجة توقع هي الأفضل لحفظها واستخدامها على سبيل المثال. والتغييرات بين الاثنين ليست في الكمية المتوقعة ولكن في ماد وخطأ، والسلامة مخزون وكميات البوليفيين. لست متأكدا مما إذا كنت تستخدم ساب. مرحبا شكرا لشرح ذلك إفيسيانتلي أيضا غ. شكرا مرة أخرى جاسبريت ترك الرد إلغاء الرد الأكثر شعبية حول شمولا بيت أبيلا هو مؤسس شمولا والطابع، كانبان كودي. وقد ساعد الشركات مثل الأمازون، زابوس، باي، باككونتري، وغيرها من خفض التكاليف وتحسين تجربة العملاء. وهو يفعل ذلك من خلال طريقة منهجية لتحديد نقاط الألم التي تؤثر على العملاء والأعمال، ويشجع مشاركة واسعة من الشركات الزميلة لتحسين العمليات الخاصة بهم. هذا الموقع هو مجموعة من تجاربه انه يريد أن أشاطركم. البدء بالتنزيلات المجانية في الممارسة العملية سيوفر المتوسط ​​المتحرك تقديرا جيدا لمتوسط ​​التسلسل الزمني إذا كان المتوسط ​​ثابتا أو متغيرا ببطء. وفي حالة المتوسط ​​الثابت، فإن أكبر قيمة m تعطي أفضل التقديرات للمتوسط ​​الأساسي. وستؤدي فترة المراقبة الأطول إلى الحد من آثار التباين. والغرض من توفير m أصغر هو السماح للتنبؤ بالاستجابة للتغيير في العملية الأساسية. ولتوضيح ذلك، نقترح مجموعة بيانات تتضمن التغييرات في الوسط الأساسي للمسلسلات الزمنية. ويبين الشكل السلاسل الزمنية المستخدمة للتوضيح مع متوسط ​​الطلب الذي نشأت منه السلسلة. يبدأ المتوسط ​​ك ثابت عند 10. يبدأ في الوقت 21، يزداد بوحدة واحدة في كل فترة حتى يصل إلى القيمة 20 في وقت 30. ثم يصبح ثابتة مرة أخرى. وتتم محاكاة البيانات بإضافة متوسط ​​الضوضاء العشوائية من التوزيع العادي مع متوسط ​​الصفر والانحراف المعياري 3. وتقريب نتائج المحاكاة إلى أقرب عدد صحيح. ويبين الجدول الملاحظات المحاكاة المستخدمة في المثال. عندما نستخدم الجدول، يجب أن نتذكر أنه في أي وقت من الأوقات، إلا أن البيانات السابقة معروفة. وتظهر تقديرات معلمة النموذج، بالنسبة إلى ثلاث قيم مختلفة من m، مع متوسط ​​السلاسل الزمنية في الشكل أدناه. ويبين الشكل متوسط ​​المتوسط ​​المتحرك للمتوسط ​​في كل مرة وليس التنبؤ. ومن شأن التنبؤات أن تحول منحنيات المتوسط ​​المتحرك إلى اليمين حسب الفترات. وهناك استنتاج واحد واضح على الفور من هذا الرقم. وبالنسبة للتقديرات الثلاثة جميعها، فإن المتوسط ​​المتحرك يتخلف عن الاتجاه الخطي، مع زيادة الفارق الزمني مع m. والفارق الزمني هو المسافة بين النموذج والتقدير في البعد الزمني. وبسبب الفارق الزمني، فإن المتوسط ​​المتحرك يقلل من الملاحظات نظرا لأن المتوسط ​​يتزايد. انحياز المقدر هو الفرق في وقت محدد في متوسط ​​قيمة النموذج والقيمة المتوسطة التي يتنبأ بها المتوسط ​​المتحرك. التحيز عندما يكون المتوسط ​​يزداد سلبيا. أما بالنسبة للمتوسط ​​المتناقص، فإن التحيز إيجابي. التأخر في الوقت والتحيز التي أدخلت في التقدير هي وظائف م. وكلما زادت قيمة m. وكلما كبر حجم التأخر والتحيز. لسلسلة متزايدة باستمرار مع الاتجاه أ. فإن قيم التأخر والتحيز لمقدر المتوسط ​​تعطى في المعادلات أدناه. لا تتطابق منحنيات المثال مع هذه المعادلات لأن نموذج المثال لا يزداد بشكل مستمر، بل يبدأ كتغيير ثابت للاتجاه ثم يصبح ثابتا مرة أخرى. كما تتأثر منحنيات المثال بالضوضاء. ويتمثل متوسط ​​المتوسط ​​المتحرك للتوقعات في المستقبل في تحويل المنحنيات إلى اليمين. ويزيد التأخر والتحيز تناسبيا. وتشير المعادلات أدناه إلى الفارق الزمني والتحيز لفترات التنبؤ في المستقبل عند مقارنتها بمعلمات النموذج. مرة أخرى، هذه الصيغ هي لسلسلة زمنية مع الاتجاه الخطي المستمر. ولا ينبغي لنا أن نفاجأ بهذه النتيجة. ويستند متوسط ​​التقدير المتحرك إلى افتراض متوسط ​​ثابت، والمثال له اتجاه خطي في المتوسط ​​خلال جزء من فترة الدراسة. وبما أن سلسلة الوقت الحقيقي نادرا ما تتوافق تماما مع افتراضات أي نموذج، يجب أن نكون مستعدين لمثل هذه النتائج. ويمكننا أيضا أن نخلص من الشكل إلى أن تباين الضوضاء له أكبر تأثير على m أصغر. ويكون التقدير أكثر تقلبا بكثير بالنسبة للمتوسط ​​المتحرك البالغ 5 من المتوسط ​​المتحرك البالغ 20. ولدينا رغبة متضاربة في زيادة m لتقليل تأثير التباين الناجم عن الضوضاء وتقليل m لجعل التنبؤ أكثر استجابة للتغيرات في الحقيقة. والخطأ هو الفرق بين البيانات الفعلية والقيمة المتوقعة. وإذا كانت السلسلة الزمنية حقا قيمة ثابتة، فإن القيمة المتوقعة للخطأ هي صفر، ويتألف تباين الخطأ من عبارة دالة وعبارة ثانية هي تباين الضوضاء. المصطلح الأول هو التباين في المتوسط ​​المقدر مع عينة من الملاحظات m، على افتراض أن البيانات تأتي من مجتمع ذو متوسط ​​ثابت. يتم تقليل هذا المصطلح من خلال جعل m كبيرة قدر الإمكان. A م كبير يجعل التوقعات لا تستجيب لتغيير في السلسلة الزمنية الأساسية. لجعل التنبؤات تستجيب للتغييرات، نريد m صغيرة قدر الإمكان (1)، ولكن هذا يزيد من التباين الخطأ. ويتطلب التنبؤ العملي قيمة وسيطة. التنبؤ مع إكسيل تقوم الوظيفة الإضافية للتنبؤ بتطبيق صيغ المتوسط ​​المتحرك. ويبين المثال الوارد أدناه التحليل الذي توفره الوظيفة الإضافية لعينة البيانات في العمود باء. ويتم فهرسة الملاحظات العشرة الأولى من 9 إلى 0. وبالمقارنة بالجدول أعلاه، يتم تغيير مؤشرات الفترة بمقدار -10. وتوفر الملاحظات العشرة الأولى قيم بدء التشغيل للتقدير وتستخدم لحساب المتوسط ​​المتحرك للفترة 0. ويبين العمود (10) (C) المتوسطات المتحركة المحسوبة. وتكون معلمة المتوسط ​​المتحرك m في الخلية C3. ويبين العمود (1) (D) توقعات لفترة واحدة في المستقبل. الفترة الزمنية المتوقعة في الخلية D3. عندما يتم تغيير الفاصل الزمني المتوقع إلى عدد أكبر يتم تحويل الأرقام في العمود فور إلى أسفل. ويبين العمود إر (1) (E) الفرق بين الملاحظة والتنبؤ. على سبيل المثال، الملاحظة في الوقت 1 هي 6. القيمة المتوقعة من المتوسط ​​المتحرك في الوقت 0 هي 11.1. الخطأ ثم -5.1. ويحسب الانحراف المعياري ومتوسط ​​الانحراف (ماد) في الخلايين E6 و E7 على التوالي.