Handbok i materialstyrning - Del F Prognostisering

Relevanta dokument
Handbok i materialstyrning - Del F Prognostisering

Befolkning per födelseland Reviderad metod vid framskrivningar. Version: 2

Föreläsning G04: Surveymetodik

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

Orderkvantiteter vid begränsningar av antal order per år

Vad är det okända som efterfrågas? Vilka data är givna? Vilka är villkoren?

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

TMS136: Dataanalys och statistik Tentamen med lösningar

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

x 1 x 2 x 3 x 4 x 5 x 6 HL Z x x x

Efter tentamen För kurser med fler än 60 examinerande meddelas resultatet SENAST 20 arbetsdagar efter examinationen annars 15 arbetsdagar.

Stat. teori gk, ht 2006, JW F13 HYPOTESPRÖVNING (NCT ) Ordlista till NCT

1. Test av anpassning.

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) 26 mars 2004, klockan

Induktion LCB Rekursion och induktion; enkla fall. Ersätter Grimaldi 4.1

Så här kommer byggherren och entreprenören överens om energianvändningen

Lösningar och kommentarer till uppgifter i 1.1

Borel-Cantellis sats och stora talens lag

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

TENTAMEN I MATEMATISK STATISTIK Datum: 13 mars 08

Remiss Remissvar lämnas i kolumnen Tillstyrkes term och Tillstyrkes def(inition) och eventuella synpunkter skrivs i kolumnen Synpunkter.

1. Ange myndighet och kontaktperson

Kanbansystem vid stora orderkvantiteter

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING VI. Föreläsning VI. Mikael P. Sundqvist

2. Konfidensintervall för skillnaden mellan två proportioner.

Linjär Algebra (lp 1, 2016) Lösningar till skrivuppgiften Julia Brandes

Z-Testet. Idè. Repetition normalfördelning. rdelning. Testvariabel z

Tentamen 19 mars, 8:00 12:00, Q22, Q26

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Föreläsning 2: Punktskattningar

Högskoleutbildad 0,90*0,70=0,63 0,80*0,30=0,24 0,87 Ej högskoleutbildad 0,07 0,06 0,13 0,70 0,30 1,00

Smärtlindring vid medicinsk abort

Föreläsning 10: Kombinatorik

95%-igt konfidensintervall för andel kalsongbärare i populationen: Slutsats: Med 95% säkerhet finns andelen kalsongbärare i intervallet 38-48%

Genomsnittligt sökdjup i binära sökträd

Andra ordningens lineära differensekvationer

Datorövning 2 Fördelningar inom säkerhetsanalys

KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!

Introduktion till statistik för statsvetare

Konsoliderad version av. Styrelsens för ackreditering och teknisk kontroll föreskrifter (STAFS 1993:18) om EEG-märkning av färdigförpackade varor

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Tentamen Metod C vid Uppsala universitet, , kl

Föreskrift. om publicering av nyckeltal för elnätsverksamheten. Utfärdad i Helsingfors den 2. december 2005

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

Vid mer än 30 frihetsgrader approximeras t-fördelningen med N(0; 1). Konfidensintervallet blir då

Förfrågan till Klockarens redaktörer

MS-A0409 Grundkurs i diskret matematik Sammanfattning, del I

Orderkvantiteter i kanbansystem

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen i Statistik STG A01 (12 hp) 5 mars 2010, kl

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

S0005M V18, Föreläsning 10

Räkning med potensserier

F10 ESTIMATION (NCT )

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

IAB Sverige Juni 2017

TENTAMEN I MATEMATISK STATISTIK

PTKs stadgar. Fastställda vid stämman

Trigonometriska polynom

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 5 juni 2004, kl

Tentamen i Elektronik, ESS010, del 2 den 14 dec 2009 klockan 14:00 19:00.

b 1 och har för olika värden på den reella konstanten a.

DOKUMENTHANTERINGSPLAN Personal Antagen att gälla från och Dnr: 16/13 Handlingsslag. Gallras (=förstöres) Arkivläggs

Viktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.

TRIBECA Finansutveckling

Föreläsning G70 Statistik A

101. och sista termen 1

1. BERÄKNING AV GRÄNSVÄRDEN ( då x 0 ) MED HJÄLP AV MACLAURINUTVECKLING. n x

Bilaga 1 Formelsamling

MARKNADSPLAN Kungälvs kommun

a) Beräkna E (W ). (2 p)

c n x n, där c 0, c 1, c 2,... är givna (reella eller n=0 c n x n n=0 absolutkonvergent om x < R divergent om x > R n n lim = 1 R.

Månadsuppföljning februari 2018, kommunstyrelsen 13 KS

Samtal med Karl-Erik Nilsson

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

Webprogrammering och databaser. Begrepps-modellering. Exempel: universitetsstudier Kravspec. ER-modellen. Exempel: kravspec forts:

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

DEL I. Matematiska Institutionen KTH

Ekvationen (ekv1) kan beskriva en s.k. stationär tillstånd (steady-state) för en fysikalisk process.

H1009, Introduktionskurs i matematik Armin Halilovic POLYNOM, POLYNOMDIVISION, ALGEBRAISKA EKVATIONER, PARTIALBRÅKSUPPDELNING. vara ett polynom där a

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

vara ett polynom där a 0, då kallas n för polynomets grad och ibland betecknas n grad( P(

TRIBECA Finansutveckling

ANOVA I: Kap 14. Åldersgrupper -30 år år 51- år. Totalt n k N = 9 X k X = s k s = 8.

Kompletterande kurslitteratur om serier

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

Försöket med trängselskatt

Allmänna avtalsvillkor för konsument

= (1 1) + (1 1) + (1 1) +... = = 0

Datorövning 2 Fördelningar inom säkerhetsanalys

Design mönster. n n n n n n. Command Active object Template method Strategy Facade Mediator

Tentamen i matematisk statistik

Arbetsmiljöuppföljning ÄO-HS område: Hälso- och sjukvård

Digital signalbehandling Fönsterfunktioner

Tentamen i EG2050/2C1118 Systemplanering, 14 mars 2009, 8:00 13:00, Q21, Q22

Tentamen i Matematisk statistik för V2 den 28 maj 2010

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel, del II

Av Henrik 01denburg\ Radikaler. För att lösa ekv.: x n = a (n helt, pos. tal) konstruerar man kurvan

Uppsala Universitet Matematiska Institutionen Bo Styf. Genomgånget på föreläsningarna Föreläsning 26, 9/2 2011: y + ay + by = h(x)

Örserumsviken. Förorenade områden Årsredovisning. Ansvar för sanering av förorenade områden. Årsredovisningslagen och god redovisningssed

Transkript:

Hadbok i materialstyrig - Del F Progostiserig F 71 Absoluta mått på progosfel I lagerstyrigssammahag ka progostiserig allmät defiieras som e bedömig av framtida efterfråga frå kuder. Eftersom det är e bedömig är progoser av aturliga aledigar mer eller midre felaktiga. Progostiserig ka för sägas syfta till att åstadkomma så små progosfel som möjligt. Det fis följaktlige skäl att beräka och uttrycka storleke på de progosfel som förekommer. Ett sådat skäl är att få uderlag för att vid materialstyrig kua kompesera progosfele med buffertar av olika slag så att de ite leder till oacceptabla bristsituatioer. Ett aat viktigt skäl är att med hjälp av progosfelsberäkig fortlöpade kua följa upp och bevaka progoskvalitete och med få uderlag och icitamet till att förbättra progosprocesse och de progostiserigsmetoder som aväds. Med progosfel meas skillade mella e periods verkliga efterfråga och de efterfråga som progostiserats för periode. För att beräka sådaa progosfel ka ma skilja på absoluta mått som uttrycker progosfele i samma ehet som de verkliga efterfråga och relativa mått för vilka progosfele uttrycks i förhållade till verklig efterfråga. I de här hadboksdele behadlas absoluta mått. 1 Avädigsområde Absoluta mått på progosfel aväds i första had som uderlag för att dimesioera buffertar av olika slag för att hatera de osäkerhet som alltid fis i progosstyrda verksamheter, exempelvis säkerhetslager. De aväds också som uderlag för beräkig av kotrollgräser vid statistisk processtyrig och vid progoskotroll. Beräkig av absoluta mått på progosfel är också e förutsättig för att kua beräka relativa mått på progosfel. Se hadboksdel F7, Relativa mått på progosfel. Kopia för persoligt bruk. Får ej kopieras eller spridas. Stig-Are Mattsso 1 Versio 3

Medelprogosfel F71 - Absoluta mått på progosfel Med medelprogosfel meas medelvärdet av progosfele över ett atal perioder, exempelvis uder seaste tolv måader. Det är ett mått på i vilke utsträckig progostiserad efterfråga systematiskt ligger för högt eller för lågt i förhållade till de verkliga efterfråga. Är medelprogosfelet positivt är progosera i medeltal för låga och är det egativt är de i medeltal för höga. Måttet ka beräkas med hjälp av följade formel. ( E( P( ) MPF E( verklig efterfråga uder period t P( progostiserad efterfråga uder period t = atal perioder som igår i medelvärdesberäkige Efterfråga uder fyra på varade följade måader har varit 10, 145, 138 respektive 19 stycke. Uder motsvarade fyra måader har progostiserad efterfråga varit 136, 13, 135 respektive 133 stycke. Medelprogosfelet blir då MPF (( 10136) (145 13) (138 135) (19 133))/ 4 ( 1613 3 4))4 1 stycke Måttet ka också beräkas med hjälp av expoetiell utjämig eligt följade formel. MPF ( ( E( P( ) (1 ) MPF ( t 1) MPF( = medelprogosfelet uder period t α = utjämigskostate Ett valigt avät värde på utjämigskostate är 0,1. Det motsvarar pricipiellt att 19 perioder ikluderats i beräkigara. Vill ma aväda sig av 1 perioder, exempelvis måader, för beräkig av medelprogosfel bör ma sätta utjämigskostate till 0,18. Se vidare hadboksdel F6, Välja utjämigskostat för expoetiell utjämig. Om efterfråga uder seaste måad är 160 stycke, progose 180 stycke, medelprogosfelet uder föregåede måad 5 stycke samt utjämigskostate α lika med 0, blir medelprogosfelet med hjälp av expoetiell utjämig för seaste måad MPF ( seastemåad) 0, (160 180) 0,8 5 0, 0 0,8 5 8stycke

F71 - Absoluta mått på progosfel 3 Absolut medelprogosfel Absolut medelprogosfel är ett mått som ite skiljer på om det förekommer positiva eller egativa skillader mella verklig och progostiserad efterfråga. Det är för i motsats till medelprogosfel ett uttryck för hur mycket progosera varierar krig de verkliga efterfråga, dvs. det är ett spridigsmått som ager storleke på förekommade variatioer. Måttet brukar beteckas som MAD (Mea Absolute Deviatio) och ka beräkas med hjälp av följade formel. E( P( MAD E( verklig efterfråga uder period t P( progostiserad efterfråga uder period t = atal perioder som igår i beräkige Efterfråga uder fyra på varade följade måader har varit 10, 145, 138 respektive 19 stycke. Uder motsvarade fyra måader har progostiserad efterfråga varit 136, 13, 135 respektive 133 stycke. Absoluta medelprogosfelet blir då 1613 3 4/ 4 9 MAD ( 1013614513 138135 19133) / 4 st Absoluta medelavvikelser för efterfrågevariatioer ka också beräkas med hjälp av expoetiell utjämig eligt följade formel. MAD( E( P( (1 ) MAD( t 1) MAD( = medelprogosfelet uder period t α = utjämigskostate Ett valigt avät värde på utjämigskostate är 0,1. Det motsvarar pricipiellt att 19 perioder ikluderats i beräkigara. Vill ma aväda sig av 1 perioder, exempelvis måader, för beräkig av absoluta medelprogosfel bör ma sätta utjämigskostate till 0,18. Se vidare hadboksdel F6, Välja utjämigskostat för expoetiell utjämig. Om efterfråga uder de seaste måade i exemplet ova är 19 stycke och progose 133 stycke, absoluta medelavvikelse uder föregåede måad är 10 stycke samt 3

F71 - Absoluta mått på progosfel utjämigskostate α lika med 0, blir absoluta medelavvikelse med hjälp av expoetiell utjämig för seaste måad MAD( seastemåad) 0, 19133 0,8 10 0, 4 0,8 10 8,8 stycke 4 Kvadrerat medelprogosfel På motsvarade sätt som för absoluta medelprogosfel är måttet kvadrerat medelprogosfel ett mått som ite skiljer på om det förekommer positiva eller egativa skillader mella verklig och progostiserad efterfråga. Det är för i motsats till medelprogosfel ett uttryck för hur mycket progosera varierar krig de verkliga efterfråga, dvs. det är ett spridigsmått som ager storleke på förekommade variatioer. Skillade i förhållade till måttet absolut progosfel är att stora progosfel får e högre vikt vid beräkigara. Att ge högre vikt åt stora progosfel ka exempelvis motiveras av att stora progosfel ger upphov till mer ä proportioellt högre merkostader jämfört med midre progosfel. Måttet ka beräkas med hjälp av följade formel. ( E( P( ) KMPF E( verklig efterfråga uder period t P( progostiserad efterfråga uder period t = atal perioder som igår i medelvärdesberäkige Efterfråga uder fyra på varade följade måader har varit 10, 145, 138 respektive 19 stycke. Uder motsvarade fyra måader har progostiserad efterfråga varit 136, 13, 135 respektive 133 stycke. Det kvadrerade medelprogosfelet blir då KMPF ((10 136) stycke (145 13) (138 135) (19 133) ) / 4 450/ 4 11 5 Kompletterade sypukter och avisigar Beräkig av medelprogosfel och absoluta medelprogosfel görs lämpligtvis löpade varje progosperiod är verkliga efterfrågevärde för respektive period erhållits. För att kua börja aväda expoetiell utjämig för att beräka medelprogosfel och absoluta medelprogosfel krävs ett startvärde. Eklast ka sådaa startvärde beräkas som medelvärdet av periodvisa progosfel uder ett atal historiska perio- 4

F71 - Absoluta mått på progosfel der före iföradet av expoetiell utjämig. Det är ite ovaligt att det blad periodiska verkliga efterfrågevärde förekommer extremt stora värde, så kallade outliers. De ka till exempel bero på e estaka uikt stor kudorder eller på att det förekommit leverassvårigheter i e tidigare period. Sådaa extremvärde ka ite betraktas som represetativa för efterfråga och ka förvätas få ett orimligt geomslag på progosfelsmåttet. vis ka de medföra orimligt stora absoluta medelfel och med säkerhetslager. De bör för elimieras frå beräkigara. Se hadboksdel F76, Efterfrågekotrol, om hur detta ka åstadkommas. För att ädå kua geomföra beräkigara ka elimierade värde ersättas med progostiserad efterfråga i motsvarade period vilket iebär att ma låter progosfelet vara oll i brist på bättre iformatio. Ett alterativ är att aväda mediavärde i stället för medelvärde. Ma utesluter då automatiskt både extremt stora och extremt små progosfel. E ackdel med måttet kvadrerat medelprogosfel är att det ite uttrycker progosfel i samma ehet som progose själv. Ovaståede mått ka avädas varse sig progosfele avser idividuella artiklar eller artikelgrupper. De egelskspråkiga terme för progosfel är forecast error. Refereslitteratur Brader, A. (1995) Forecastig ad customer service maagemet, Helbig & Lichtehah. Mattsso, S-A Josso, P. (003) Produktioslogistik, Studetlitteratur. Olhager, J. (000) Produktiosekoomi, Studetlitteratur. Saders, N. (1997) Measurig forecast accuracy: Some practical suggestios, Productio ad Ivetory Maagemet Joural, Vol.38 Nr. 1. Silver, E. Pyke, D. Peterso,R. (1998) Ivetory maagemet ad productio plaig ad schedulig, Joh Wiley & Sos. 5