Dit is een overzichtelijk document met alle formules en uitleg over alle bewerkingen die gebruikt moeten worden voor het vak Logistics and Supply Chain Management, gedoceerd door Veronique Limère. Het document geeft een duidelijk overzicht van formules en bevat zelfs stappenplannen om bepaalde soo...
Te kennen formules & technieken: LSCM
H1: introduction to operations management
Labour productivity Output / #employees
Multifactor productivity Total output / all the given costs
Ex. Total output / (total labour cost + total material cost
+ overhead rate)
H2: forecasting
Naïve forecasting for… 1. Last actual value = forecast
1. Stable series (het Ft = At-1
schommelt rond een 2. Corresponding actual value of last season =
gemiddelde) forecasted value for the same season this year
2. Seasonal variations 3. Ft = At-1 +/- (verschil tussen At-1 en At-2)
3. Trend
Moving average forecast 𝐴1+𝐴2+𝐴3
MA3 = F4 =
3
∑ 𝐴𝑡−𝑖
Dus Ft =
𝑛
Exponential smoothing forecast Ft = 𝛼 . 𝐴𝑡 − 1 + (1 − 𝛼). 𝐹𝑡 − 1
= 𝐹𝑡−1 + 𝛼 . (𝐴𝑡−1 − 𝐹𝑡−1 )
Alfa = smoothing factor
Met 𝐴𝑡−1 − 𝐹𝑡−1 = 𝑒𝑟𝑟𝑜𝑟 𝑖𝑛 𝑡 − 1
Stel je zoekt F6, maar je hebt enkel F2 gekregen en alle
At’s van periode 2 tot en met 5:
Bereken eerst F3 met als Ft-1=F2
Dan bereken je F4 met als Ft-1=F3 enzovoort tot je aan
F6 geraakt
Weighted average forecast: 1. Bereken de gewogen waarden = demand per
gegeven zijn de gewichten voor period maal weight per period
een aantal perioden 2. Ft = som v/d bekomen gewogen waarden
Ft = W1.A1 + W2.A2 + … + Wn . An
Deseasonalizing data given the De deseasonalized data is simpelweg de originele
quarter relatives data per kwartaal gedeeld door de quarter relative van
dat kwartaal
Computing seasonal relatives with 1. Compute the averages per season
the simple averaging method 2. Compute the overall average
3. SA relatives per quarter = 1 delen door 2 per
kwartaal
Compute 2 s control limits for 𝑠 = √𝑀𝑆𝐸
forecast errors w/ MSE = … Upper control limit UCL = 0 + 2 . s
Lower control limit LCL = 0 – 2 . s
MAD = mean absolute deviation ∑ |𝑒𝑟𝑟𝑜𝑟|
𝑛
Weights all errors evenly n = aantal perioden
If errors are N distributed,
standard deviation = 1,25 MAD
MSE = mean square errors ∑ 𝑒2
Weights e acc. To squared values 𝑀𝑆𝐸 =
(𝑛−1)
, MAPE = mean absolute percent |𝐴𝑡 − 𝐹𝑡|
error ∑( )
𝑀𝐴𝑃𝐸 = 𝐴𝑡 . 100
Weights e acc. To relative errors
𝑛
Trend adjusted (exponential TAFt+1 = St + Tt
smoothing) forecast
Met St en Tt formules op formuleblad
Opdracht: determine a tracking We krijgen gegeven:
signal voor perioden 10-24. Begin - de error per periode vanaf periode 10
with month 10, updating MAD - ∑ |𝑒𝑟𝑟𝑜𝑟| 𝑣𝑜𝑜𝑟 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 10 = 58
with exponential smoothing. Use - Dus initial MAD = 58/10 = 5,8
limits of +-4 and alfa = 0,2 Nu kunnen we die MAD updaten voor elke periode
met exponential smoothing via de formule op
To find a bias: tracking signal t formuleblad
Op formuleblad:
∑ 𝑒𝑟𝑟𝑜𝑟 En dan per periode tracking signal berekenen door
Tracking signal =
𝑀𝐴𝐷𝑡 formule op formuleblad
𝑆𝑀𝐴𝐷𝑡 = 𝑀𝐴𝐷𝑡−1 + 𝛼. (|𝑒𝑟𝑟𝑜𝑟|𝑡
− 𝑀𝐴𝐷𝑡−1 ) Als tracking signal nergens groter of kleiner is dan 4 is
er geen bias te zien
Forecast with trend and Bereken bv. F6 wat overeenkomt met een seasonal
seasonality: relative van 1,2
Gegeven: Eerst zonder seasonality:
Seasonal relative seizoen 6 = 1,2 F6 = 402 + 3.6 = 420
Trend component: Ft = 402 + 3t
Dan seasonality incorporeren:
F6 = 420 . 1,2 = 504
Computing seasonal relatives: 1. Moving averages berekenen
centered moving average method • Indien elk seizoen een EVEN aantal datapunten
(zie p.121) heeft (vb. 4) dan moet je eerst een 4-period
MA doen, maar de ‘centered value’ zal niet
“Obtain estimates of quarter overeenkomen met een actual data point, het
relatives w/ centered MA method” midden van 4 zit tussen 2 en 3. Daarom
moeten we nog een 2de reeks MA maken van
Gegeven: demand per seizoen, de MA4: we maken een MA2 en die zal wél
per jaar overeenkomen met een actual datapoint (in
geval van 4 datapunten, komt de eerste MA2
overeen met het 3de datapunt)
Schrijf de eerste MA4 bij het 2de datapunt voor de
handigheid
• Als er oneven aantal datapunten zijn is dit niet
nodig: de MA3 of MA5 of … komt dan overeen
met een actual value!
2. Deel demand per data point door de MA2 per
data point waarvoor er een MA2 is
3. Duid in kleur aan welke demand/MA2 tot
hetzelfde seizoen behoren, dit doe je voor elk
jaar
4. Berekenen het average per seizoen: deel de
som van de vorige aangeduide waarden per
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur svdlara1. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €7,19. Vous n'êtes lié à rien après votre achat.
