La previsione della domanda 1
La previsione della domanda nella supply chain
La previsione della domanda 2
Linea guida
• Il ruolo della prerevisione nella supply chain• Le caratteristiche della previsione• Le componenti della previsione ed i metodi di
previsione• Approcci di base alla previsione della domanda• La previsione della domanda con le serie
storiche• Le misure dell’errore di previsione• Aspetti pratici della previsione della domanda
La previsione della domanda 3
Il ruolo della prerevisione nella supply chain
• Sono la base di tutte le decisioni strategiche e di pianificazione in una supply chain
• È utilizzata sia per processi di tipo pull che di tipo push• Esempi:
– Produzione: scheduling, giacenza, programmazione aggregata
– Marketing: allocazione degli staff di vendita promozioni, introduzione di nuovi prodotti
– Finanza: investimenti in impianti ed attrezzature, pianificazione del budget
– Personale: programmazione della manodopera, politiche di assunzione e di interruzione del rapporto di lavoro
• Tutte le decisioni sono interconnesse
La previsione della domanda 4
Le caratteristiche della previsione
• Le previsioni sono incerte e sbagliate. Devono fornire i valori attesi della previsione nonché la stima dell’errore di misure.
• Le previsioni di lungo termini sono meno accurate di quelle di breve termine (è importante definire l’orizzonte temporale della previsione)
• Le previsioni aggregate sono piùaccurate di quelle disaggregate
La previsione della domanda 5
Approccio di base alla previsione della domanda
• Comprendere gli obiettivi della previsione• Integrare la pianificazione della domanda e la
previsione• Identificare i fattori principali che influenzano al
previsione della domanda• Comprendere ed identificare i segmenti dei
clienti• Determinare le appropriate tecniche di
previsione• Stabilire le prestazioni e gli errori di misura della
previsione
La previsione della domanda 6
Fattori ambientali rilevanti
• Condizioni generali del mercato e stato dell'economia
• Azioni dei concorrenti• Azioni di tipo legislativo• Tendenza del mercato
– Ciclo di vita del prodotto– Stili e moda– Cambiamenti nella domanda dei consumatori
• Innovazione tecnologica
La previsione della domanda 7
Le caratteristiche della previsione• PARAMETRI DA CONSIDERARE
– Prodotti– Gruppi di prodotti– Assiemi
• TECNICHE PREVISIONALI– Qualitative– Quantitative
• UNITÀ DI MISURA• INTERVALLO DI TEMPO
– Settimane– Mesi– Trimestri
• ORIZZONTE DELLA PREVISIONE• COMPONENTI DELLA PREVISIONE
– Tendenza– Componente stagionale– Componente ciclica– Componente random
• ACCURATEZZA DELLA PREVISIONE• REVISIONE DEI PARAMETRI DEL MODELLO DI PREVISIONE
La previsione della domanda 8
I metodi di previsioneVINCOLI:Politiche gestionaliDisponibilità delle risorseCondizioni del mercatoTecnologia
DATI IN INGRESSO:Ricerche di mercatoDati storici sulla domandaPubblicitàPromozioniOpinioni
DATI IN USCITA:Stime sulla domanda e sul periodo di richiestaPer prodottoPer clientePer zona geografica
FATTORI AMBIENTALI:EconomiciSocialiPoliticiCulturali
MODELLIPREVISIONALI
La previsione della domanda 9
I metodi di previsione
MODELLI DI PREVISIONE
QUANTITATIVI(statistico matematici)
Analisi delle serie storiche
Modelli econometrici
Indicatori economici
QUALITATIVI(raccolta di opinioni)
Opinioni di esperti
DelphiRicerche di mercato
La previsione della domanda 10
I metodi di previsione• Qualitativi: principalmente soggettivi: si basano sulla
raccolta ed analisi di giudizi ed opinioni• Serie temporali: usano i dati storici della domanda
– Statici – Adattativi
• Causali: usano le relazioni tra la domanda ed altri fattori per sviluppare la previsione
• Simulazione– Imitano le scelte del consumatore che incrementano
al domanda– Possono combinare la serie temporali ed i metodi
causali
La previsione della domanda 11
Componenti di una osservazioneDomanda osservata =componente sistematica + componente random
Livello (domanda attuale destagionalizzata)
Tendenza (crescita o calo della domanda)
Stagionale (fluttuazioni stagionali prevedibili
•Componente sistematica : valore atteso della domanda• Componente random : la parte della previsione che devia dalla componente sistematica• Errore di previsione: differenza tra la previsione e la domandaattuale
La previsione della domanda 12
Analisi delle serie storiche
componenti
sistematiche
casuali
trend
oscillatorie
stagionali
cicliche
La previsione della domanda 13
Analisi delle serie storiche
-100
-50
0
50
100
150
200
250
1 6 11 16 21 26 31 36
periodo
dom
anda
Domanda
Livello
stagionale randomciclica
tendenza
La previsione della domanda 14
I metodi di previsione
• Statici• Adattativi
– Media mobile– Smorzamento esponenziale semplice– Modello di Holt (con tendenza)– Modello di Winter (con tendenza e
stagionalità)
La previsione della domanda 15
La previsione della domanda con le serie storiche
• L’obiettivo consiste nel prevedere la componente sistematica della domanda attraverso modelli di natura diversa– Moltiplicativo: (livello)(tendenza)(stagionale)– Additivo: livello + tendenza + stagionale– Misto: (livello + tendenza)(stagionale)
• Metodi statici• Previsione adattativa
La previsione della domanda 16
Metodi statici• Assumendo un modello misto:Componente sistematica = (livello + tendenza)(stagionale)Ft+l = [L + (t + l)T]St+l= previsione effettuate nel periodo t per la domanda del
periodo t + lL = stima della componente di livello nel periodo 0T = stima della componente di tendenzaSt = stima della componente stagionale per il periodo tDt = domanda reale nel periodo tFt = previsione della domanda nel periodo t
La previsione della domanda 17
Metodi statici
• Stima delle componenti di livello e di tendenza
• Stima della componente stagionale
La previsione della domanda 18
Stima delle componenti di livello e di tendenza
• Prima d stimare le componenti di livello e di tendenza I dati della domanda vanno destagionalizzati
• Domanda destagionalizzata = domanda che sarebbe stata osservata in assenza di fluttuazioni stagionali
• Periodicità (p) – Il numero di periodi dopo i quali la stagionalità si
ripete– Per i dati di domanda dell’esempio seguente risulta p
= 4 trimestri
La previsione della domanda 19
Trimestre Domanda DtII, 1998 8000 III, 1998 13000 IV, 1998 23000 I, 1999 34000 II, 1999 10000 III, 1999 18000 IV, 1999 23000 I, 2000 38000 II, 2000 12000 III, 2000 13000 IV, 2000 32000 I, 2001 41000
Prevedere la domanda per i prossimi quattro trimestri
Analisi delle serie storiche
La previsione della domanda 20
Analisi delle serie storiche
010.000
20.00030.000
40.00050.000
97,2
97,3
97,4
98,1
98,2
98,3
98,4
99,1
99,2
99,3
99,4
00,1
La previsione della domanda 21
Destagionalizzazione della domanda
( )
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛⋅++
=
∑
∑
−−
−+=
+−
−+=−−
dispari p per /
pari p per 2/2
21
21
21
2122
pD
pDDD
Dpt
ptit
pt
ptitptpt
t
La previsione della domanda 22
Destagionalizzazione della domanda
• Per i dati dell’esempio p = 4 è pari– = {D1 + D5 + Somma(i=2÷4) [2Di]}/8
=8000+10000+[(2)(13000)+(2)(23000)+(2)(34000)]}/8 = 19750
– = {D2 + D6 + Somma(i=3÷5) [2Di]}/8={13000+18000+[(2)(23000)+(2)(34000)+(2)(10000)]/8 = 20625
3D
4D
La previsione della domanda 23
Destagionalizzazione della domanda
Periodo Domanda Dt Domanda destagionalizzata
1 80002 130003 23000 197504 34000 206255 10000 212506 18000 217507 23000 225008 38000 221259 12000 2262510 13000 2412511 3200012 41000
La previsione della domanda 24
Destagionalizzazione della domanda
Tra la domanda destagionalizzata ed il tempo esiste la seguente relazione
Dt = L + t TCon Dt = domanda destagionalizzata al periodo tL = componete di livello (domanda destagionalizzata al
periodo 0)T = componete di tendenza (tasso di crescita della
domanda destagionalizzata)La tendenza può essere determinata attraverso una
regressione lineare tra la domanda destagionalizzata ed il tempo
La previsione della domanda 25
Destagionalizzazione della domanda
D = 524 t + 18439
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
0 2 4 6 8 10 12 14periodo
dom
anda
Domanda Dt
Domanda destagionalizzata
Lineare (Domanda destagionalizzata)
La previsione della domanda 26
Stima dei fattori stagionali• Usando le precedenti equazioni si calcolano i
fattori di stagionalità per ogni periodo
• Ad esempio pei il periodo 2 si ha– D2 = 18439 + (524)(2) = 19487– D2 = 13000– S2 = 13000/19487 = 0.67
t
tt D
DS =
La previsione della domanda 27
Stima dei fattori stagionali
Periodo Domanda Dt Domanda destagionalizzata
Linea di tendenza St
sommatoria St su p periodi
1 8000 18963 0,422 13000 19487 0,673 23000 19750 20010 1,154 34000 20625 20534 1,665 10000 21250 21058 0,476 18000 21750 21582 0,837 23000 22500 22106 1,048 38000 22125 22629 1,689 12000 22625 23153 0,5210 13000 24125 23677 0,5511 32000 24201 1,3212 41000 24725 1,66
3,894
4,029
4,048
La previsione della domanda 28
Stima dei fattori stagionali• Il fattore stagionale complessivo per una “stagione” è infine calcolato
coma la media di tutti i fattori della medesima “stagione”• In presenza di r cicli stagionali per tutti i periodi della classe pt+i,
1<i<p, il fattore stagionale della stagione i risulta
• Per i dati dell’esempio con tre cicli stagionali di ampiezza pari a quattro periodi (p=4) si avrà– S1 = (0.42+0.47+0.52)/3 = 0.47– S2 = (0.67+0.83+0.55)/3 = 0.68– S3 = (1.15+1.04+1.32)/3 = 1.17– S4 = (1.66+1.68+1.66)/3 = 1.67
r
SS
r
jipj
i
∑−
=+⋅
=
1
0
La previsione della domanda 29
Stima della previsione
• Usando le equazioni di previsione si potranno valutare le previsioni della domanda per i successivi quattro periodi:– F13 = (L+13T)S1 = [18439+(13)(524)](0.47) = 11868– F14 = (L+14T)S2 = [18439+(14)(524)](0.68) = 17527– F15 = (L+15T)S3 = [18439+(15)(524)](1.17) = 30770– F16 = (L+16T)S4 = [18439+(16)(524)](1.67) = 44794
La previsione della domanda 30
Previsione adattativa• Le stime delle componenti di livello, di tendenza
e stagionale vengono adattate dopo l’osservazione di ogni valore reale della domanda
• Passi generali nella stima adattativa• Medie mobili• Smorzamento esponenziale semplice• Smorzamento esponenziale con correzione per
la tendenza (modello di Holt)• Smorzamento esponenziale con correzione per
la tendenza e la stagionalità (modello di Winter)
La previsione della domanda 31
Formule di base per la previsione adattativa
Ft+1 = (Lt + l Tt)St+1 = previsione per il periodo t+l nel periodo t
Lt = stima della componente di livello alla fine del periodo t
Tt = stima della componente di tendenza alla fine del periodo t
St = stima del fattore di stagionalità per il periodo tFt = stima della domanda per il periodo t (effettuata al
periodo t-1 o precedenti)Dt = domanda reale osservata nel periodo tEt = errore di previsione nel periodo tAt = deviazione assoluta per il periodo t = |Et|MAD = Mean Absolute Deviation = valore medio degli At
La previsione della domanda 32
Passi generali per la previsione adattativa
• Inizializzazione: valutare le stime iniziali della componenti di livello (L0), di tendenza(T0), ed i fattori stagionali (S1,…,Sp)
• Previsione: valutare la domanda per il periodo t+1 usando l’equazione generale
• Stima dell’errore: valutare l’errore Et+1 = Ft+1-Dt+1
• Modificare le stime: Modificare le stime del livello (Lt+1), tenenza (Tt+1), e fattore stagionale (St+p+1), dato l’errore Et+1 della previsione
• Ripetere i passi per ogni periodo seguente
La previsione della domanda 33
Medie mobili• Usate quando la domanda non manifesta tendenza o stagionalità
osservabili• La componente sistematica della domanda coincide con la
componente di livello• La componente di livello nel periodo t è la domanda media valutata
sugli ultimi N periodi (media mobile di ordine N)• La previsione corrente per tutti i periodi futuri è la stessa ed è basata
sulla attuale stima della componente di livelloLt = (Dt + Dt-1 + … + Dt-N+1) / NFt+1 = Lt and Ft+n = Ltdopo l’osservazione della domanda per il periodo t+1, revisionare le stime come diseguito indicato:Lt+1 = (Dt+1 + Dt + … + Dt-N+2) / N Ft+2 = Lt+1
La previsione della domanda 34
Medie mobiliPer i dati dell’esempio utilizzatoValutare alla fine del periodo 4 la stima della domanda per i periodi da
5 a 8 usando una media mobile di ordine quattroL4 = (D4+D3+D2+D1)/4 = (34000+23000+13000+8000)/4 = 19500F5 = 19500 = F6 = F7 = F8Domanda reale osservata nel periodo 5 D5 = 10000Errore di previsione nel periodo 5, E5 = F5 - D5 = 19500 - 10000 =
9500Revisionare la stima della componente di livello nel periodo 5:L5 = (D5+D4+D3+D2)/4 = (10000+34000+23000+13000)/4 = 20000F6 = L5 = 20000
La previsione della domanda 35
Smorzamento esponenziale semplice
• Usato quando la domanda non manifesta tendenza o stagionalità
• La componente sistematica della domanda coincide con la componente di livello
• La stima iniziale della componente di livello, L0, viene assunta pari alla media di tutti i dati storici
• La previsione attuale per tutti i periodi futuri è pari alla stima attuale della componete di livello così come di seguito indicato:Ft+1 = Lt and Ft+n = Lt
• Dopo l’osservazione della domanda del periodo t+1 Dt+1,revisionare la stima della componete di livello:Lt+1 = αDt+1 + (1-α)LtLt+1 = Sum(n=0 to t+1)[α(1-α)nDt+1-n ]
La previsione della domanda 36
Smorzamento esponenziale semplice
ttt LDL ⋅−+⋅= ++ )1(11 αα
Piccoli valori di α: maggior stabilità e minore prontezzaElevati valori di α:maggiore prontezza e minore stabilità
∑−
=−++ ⋅−+⋅−⋅=
1
0111 )1()1(
t
n
tnt
nt DDL ααα
La previsione della domanda 37
Smorzamento esponenziale semplice
• Per i dati dell’esempio utilizzato– L0 = media di tutti i 12 periodi di dati (o opportuna
stima)F1 = L0 = 22083
– Domanda osservata per il periodo 1: D1 = 8000– Errore di previsione per il periodo 1, E1: E1 = F1 - D1 =
22083 - 8000 = 14083– Assumendo α = 0.1, la stima revisionata del livello
per il periodo 1 diventa:L1 = αD1 + (1-α)L0 = (0.1)(8000) + (0.9)(22083) = 20675
– F2 = L1 = 20675
La previsione della domanda 38
Smorzamento esponenziale semplice
Periodo Domanda Livello Previsione Errore Errore assoluto
MSE MAD errore %
MAPE TS
0 220831 8000 20675 22083 14083 14083 198,3E+06 14083 176% 176% 12 13000 19908 20675 7675 7675 128,6E+06 10879 59% 118% 23 23000 20217 19908 -3093 3093 88,9E+06 8284 13% 83% 2,2534 34000 21595 20217 -13783 13783 114,2E+06 9659 41% 72% 0,5065 10000 20436 21595 11595 11595 118,2E+06 10046 116% 81% 1,646 18000 20192 20436 2436 2436 99,5E+06 8777 14% 70% 2,1557 23000 20473 20192 -2808 2808 86,4E+06 7925 12% 62% 2,0328 38000 22226 20473 -17527 17527 114,0E+06 9125 46% 60% -0,169 12000 21203 22226 10226 10226 113,0E+06 9247 85% 62% 0,952
10 13000 20383 21203 8203 8203 108,4E+06 9143 63% 63% 1,8611 32000 21544 20383 -11617 11617 110,8E+06 9368 36% 60% 0,57512 41000 23490 21544 -19456 19456 133,1E+06 10208 47% 59% -1,38
α = 0,10
La previsione della domanda 39
Smorzamento esponenziale semplice
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
0 2 4 6 8 10 12 14periodo
dom
anda
La previsione della domanda 40
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
• Adatto quando la domanda presenta componente di livello e di tenenza senza evidenziare fenomeni di stagionalità
• Le stime iniziali delle componenti di livello e di tendenza possono essere ottenuta attraverso una regressione lineare semplice del tipo:Dt = at + bT0 = aL0 = bnel periodo t, la previsione per i periodi futuri è ottenuta dalle:Ft+1 = Lt + TtFt+n = Lt + nTt
La previsione della domanda 41
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
Dopo l’osservazione della domanda per il periodo t, revisionare le stima come di seguito:
Lt+1 = αDt+1 + (1-α)(Lt + Tt)Tt+1 = β(Lt+1 - Lt) + (1-β)Ttα = costante di smorzamento per il livelloβ = costante di smorzamento per la tendenzaIn base ai dati dell’esempio descritto, usando una
regressione lineare, si ottiene,L0 = 12015 (intercetta)T0 = 1549 (pendenza)
La previsione della domanda 42
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
tttt
tttt
TLLTTLDL⋅−+−⋅=
+⋅−+⋅=
++
++
)1()()()1(
11
11
ββαα
La previsione della domanda 43
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
Previsione per il periodo 1:F1 = L0 + T0 = 12015 + 1549 = 13564Domanda osservata per il periodo 1 = D1 = 8000E1 = F1 - D1 = 13564 - 8000 = 5564Assumendo α = 0.1, β = 0.2L1 = αD1 + (1-α)(L0+T0) = (0.1)(8000) + (0.9)(13564) =
13008T1 = β(L1 - L0) + (1-β)T0 = (0.2)(13008 - 12015) +
(0.8)(1549)= 1438
F2 = L1 + T1 = 13008 + 1438 = 14446F5 = L1 + 4T1 = 13008 + (4)(1438) = 18760
La previsione della domanda 44
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
Periodo Domanda Livello Tendenza Previsione Errore Errore assoluto
MSE MAD errore %
MAPE TS
0 12015 15491 8000 13008 1438 13564 5564 5564 31,0E+06 5564 70% 70% 12 13000 14301 1409 14445 1445 1445 16,5E+06 3505 11% 40% 23 23000 16439 1555 15710 -7290 7290 28,7E+06 4767 32% 37% -0,064 34000 19594 1875 17993 -16007 16007 85,6E+06 7577 47% 40% -2,155 10000 20322 1645 21469 11469 11469 94,8E+06 8355 115% 55% -0,586 18000 21570 1566 21967 3967 3967 81,6E+06 7624 22% 49% -0,117 23000 23123 1563 23136 136 136 70,0E+06 6554 1% 42% -0,118 38000 26017 1830 24686 -13314 13314 83,4E+06 7399 35% 41% -1,99 12000 26262 1513 27847 15847 15847 102,0E+06 8338 132% 52% 0,218
10 13000 26297 1217 27775 14775 14775 113,6E+06 8981 114% 58% 1,84711 32000 27963 1307 27514 -4486 4486 105,1E+06 8573 14% 54% 1,41212 41000 30443 1541 29270 -11730 11730 107,8E+06 8836 29% 52% 0,043
α = 0,10 β = 0,20
La previsione della domanda 45
Smorzamento esponenziale con correzione per la tendenza (Modello di Holt)
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
0 2 4 6 8 10 12 14periodo
dom
anda
La previsione della domanda 46
Smorzamento esponenziale con correzione per la tendenza e la stagionalità (modello di Winter)
• Appropriato quando la componente sistematica della domanda manifesta livello, tendenza e stagionalità
• Componente sistematica = (livello + tendenza)(fattore stagionale)
• Assume periodicità pari a p periodi• Ottenere stime iniziali del livello (L0), della
tendenza (T0), e dei fattori stagionali (S1,…,Sp) usando le procedure per la previsione statica
• Nel periodo t, la previsione per i periodi futuri èdata dalla:Ft+1 = (Lt+Tt)(St+1) , Ft+n = (Lt + nTt)St+n
La previsione della domanda 47
Smorzamento esponenziale con correzione per la tendenza e la stagionalità
Dopo l’osservazione della domanda del periodot+1, revisionare le stime per livello, tendenza e fattori stagionali come di seguito:
Lt+1 = α(Dt+1/St+1) + (1-α)(Lt+Tt)Tt+1 = β(Lt+1 - Lt) + (1-β)TtSt+p+1 = γ(Dt+1/Lt+1) + (1-γ)St+1α = costante di smorzamento per il livelloβ = costante di smorzamento per la tendenzaγ = costante di smorzamento per i fattori stagionaliPer i dati dell’esempio descritto le stime iniziali di livello,
tendenza e fattori stagionali sono ricavate dal modello di previsione statica
La previsione della domanda 48
Smorzamento esponenziale con correzione per la tendenza e la stagionalità
)()1(1
11 tt
t
tt TL
SDL +⋅−+⋅=
+
++ αα
tttt TLLT ⋅−+−⋅= ++ )1()( 11 ββ
11
11 )1( +
+
+++ ⋅−+⋅= t
t
tpt S
LDS γγ
La previsione della domanda 49
Smorzamento esponenziale con correzione per la tendenza e la stagionalità
L0 = 18439 T0 = 524 S1=0.47, S2=0.68, S3=1.17, S4=1.67
F1 = (L0 + T0)S1 = (18439+524)(0.47) = 8913La domanda osservata per il periodo 1 risulta D1 = 8000Errore di previsione per il periodo 1 E1 = F1-D1 = 8913 -
8000 = 913Assumendo α = 0.05, β=0.1, γ=0.1; revisionare le stime del
livello, tendenza periodo 1 e del fattore stagionale per il periodo 5
L1 = α(D1/S1)+(1-α)(L0+T0) = (0.1)(8000/0.47)+(0.9)(18439+524)=18769T1 = β(L1-L0)+(1-β)T0 = (0.2)(18769-18439)+(0.8)(524) = 485S5 = γ(D1/L1)+(1-γ)S1 = (0.1)(8000/18769)+(0.9)(0.47) = 0.47
F2 = (L1+T1)S2 = (18769 + 485)(0.68) = 13093
La previsione della domanda 50
Smorzamento esponenziale con correzione per la tendenza e la stagionalità
Periodo Domanda Livello Tendenza Fattore stagionale
Previsione Errore Errore assoluto
MSE MAD errore %
MAPE TS
0 18439 5241 8000 18866 514 0,47 8913 913 913 832,9E+03 913 11% 11% 12 13000 19367 513 0,68 13179 179 179 432,4E+03 546 1% 6% 23 23000 19869 512 1,17 23260 260 260 310,7E+03 450 1% 5% 34 34000 20380 512 1,67 34036 36 36 233,4E+03 347 0% 4% 45 10000 20921 515 0,47 9723 -277 277 202,0E+03 333 3% 3% 3,346 18000 21689 540 0,68 14558 -3442 3442 2,1E+06 851 19% 6% -2,747 23000 22102 527 1,17 25981 2981 2981 3,1E+06 1155 13% 7% 0,568 38000 22636 528 1,67 37787 -213 213 2,7E+06 1037 1% 6% 0,429 12000 23291 541 0,47 10810 -1190 1190 2,6E+06 1054 10% 7% -0,72
10 13000 23577 515 0,69 16544 3544 3544 3,6E+06 1303 27% 9% 2,1411 32000 24271 533 1,16 27849 -4151 4151 4,8E+06 1562 13% 9% -0,8712 41000 24791 532 1,67 41442 442 442 4,4E+06 1469 1% 8% -0,6313 0,47 1194014 0,68 1757915 1,17 3093016 1,67 44928
α = 0,05 β = 0,10 γ = 0,10
La previsione della domanda 51
Smorzamento esponenziale con correzione per la tendenza e la stagionalità
0
5000
10000
15000
20000
25000
30000
35000
40000
45000
50000
0 5 10 15 20periodo
dom
anda
La previsione della domanda 52
Misure dell’errore di previsione
• Errore di previsione Et = Ft - Dt
• Mean square error (MSE)
• Deviazione assoluta At = |Et|• Mean absolute deviation (MAD)
σ = 1.25MAD
∑=
⋅=n
ttn E
nMSE
1
21 ∑=
⋅=n
ttn A
nMAD
1
1
La previsione della domanda 53
Misure dell’errore di previsione• Mean absolute percentage error (MAPE)
• bias– mostra se la previsione sovrastima e sottostima
coerentemente la domanda; dovrebbe fluttuare attorno allo 0
Tracking signal– Dovrebbe attestarsi nel campo di valori+6
non verificandosi tale condizione si dovrebbe utilizzare un differente metodo di previsione
t
tt MAD
biasTS =∑=
=n
ttn Ebias
1nDE
MAPE
n
t t
t
n
∑== 1
La previsione della domanda 54
Aspetti pratici delle previsioni
• Collaborare nel processo di costruzione della previsione
• I valori dei dati dipendono dallo stadio della supply chain nel quale vengono stimati
• Porre attenzione per distinguere i dati di vendite da quelli di domanda