Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Supply Chain Planning - Technische Bedrijfskunde - Windesheim - Samenvatting - EDSCP.22 €5,79   Ajouter au panier

Resume

Supply Chain Planning - Technische Bedrijfskunde - Windesheim - Samenvatting - EDSCP.22

 7 vues  0 fois vendu
  • Cours
  • Établissement

Goede, duidelijke samenvatting van Supply Chain Planning, gebruikt in de 3e jaars minor aan het Windesheim in Zwolle. Bevat inhoud uit de gebruikte literatuur, Presentaties etc. en informatie uit de lessen. Een mooie voorbereiding voor het Tentamen!

Aperçu 4 sur 40  pages

  • 21 septembre 2023
  • 40
  • 2023/2024
  • Resume
avatar-seller
1. Forecasting

1.1. Seasonality
You need to differentiate between seasonal products (season being Christmas) and non-seasonal
products.
 For seasonal products it is important to incorporate the data from previous seasons (long
time-period)
 For non-seasonal products it might be more reliable to incorporate more recent historical
data

1.2. Trend
If you only take the data from last year december to create your forecast. You do not take any trends
into account. For example;
 Growing number of stores
 Increasing demand for vegan products
 Recent global events

1.3. Causal effects
Causal effects to take into account:
 Promotions (from Jumbo or producer)
 Regional or national media

Others;
 Out of stocks (bullwhip effect)
 Level of aggregation

,1.4. Demand Patterns
Time series
 The repeated observations of demand for a service or product in their order of occurrence
There are five basic time series patterns
 Horizontal
 Trend
 Seasonal
 Cyclical
 Random

Horizontal: Data cluster about a horizontal line




Trend: Data consistently increase or decrease




Seasonal: Data consistently show peaks and valleys




Cyclical: Data reveal gradual increases and decreases over extended periods

,2. Type of forecast techniques
 Judgement methods - Qualitative
 Causal methods - Quantitative
 Time-series analysis - Quantitative
 Trend projection using regression - Quantitative

2.1. Causal methods
Dependent variable – The variable that one wants to forecast

Independent variable – The variable that is assumed to affect the dependent variable and thereby
“cause” the results observed in the past

Simple linear regression model is a straight line
Y = a + bX

where
Y = dependent variable (e.g. turnover)
X = independent variable (e.g. marketingbudget)
a = Y-intercept of the line (y-axis)
b = slope of the line

2.1.1. Correlation analysis (Regression)




2.1.2. The scatterplot




2.1.3. Correlation analysis
Y = a + bX
where
Y = dependent variable (e.g. turnover)
X = independent variable (e.g. marketingbudget)
a = Y-intercept of the line (y-axis)
b = slope of the line

, 2.2. Time Series Methods
Naïve forecast
 The forecast for the next period equals the demand for the current period (Forecast = Dt)
Horizontal Patterns: Estimating the average
 Simple moving average
 Weighted moving average
 Exponential smoothing

2.2.1. Simple Moving Averages

Specifically, the forecast for period t + 1 can be calculated at the end of period t (after the actual
demand for period t is known) as


where
Dt = actual demand in period t
n = total number of periods in the average
Ft+1 = forecast for period t + 1

2.2.2. Weighted Moving Averages
In the weighted moving average method, each historical demand in the average can have its own
weight, provided that the sum of the weights equals 1.0.
The average is obtained by multiplying the weight of each period by the actual demand for that
period, and then adding the products together.



2.2.3. Exponential smoothing
A sophisticated weighted moving average that calculates the average of a time series by implicitly
giving recent demands more weight than earlier demands

Requires only three items of data
 The last periodÕs forecast
 The actual demand for this period
 A smoothing parameter, alpha (α),

The equation for the forecast is




2.2.4. Choosing the right Time-Series method
For any forecasting method, it is important to measure the accuracy of its forecasts.
Forecast error is simply the difference found by subtracting the forecast from actual demand for a
given period, or

Et = Dt – Ft

where
Et = forecast error for period t
Dt = actual demand in period t
Ft = forecast for period t

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

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

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

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 SamvanderMost. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €5,79. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

77858 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans

Commencez à vendre!
€5,79
  • (0)
  Ajouter