Os elementos fundamentais de Previsão em Gestão de Operações
previsões Point, ou previsões de número único de demanda, são geralmente sempre incorreto. Você quer uma previsão exata para informar a sua gestão de operações. É por isso que você não só precisa de um valor esperado (O que você acha que a demanda será), mas também uma medida do seu método de previsão de erro.
Aqui estão os princípios fundamentais da previsão:
previsões agregadas são mais precisas do que as previsões desagregados. Previsão da demanda para um produto a nível nacional é mais preciso do que a previsão de que em cada ponto de venda individual. A variação da demanda em cada ponto de venda é suavizada em conjunto com outras localidades, fornecendo uma previsão mais precisa. Você pode conseguir uma melhoria semelhante, prevendo a demanda agregada de todas as variações de um produto combinado.
Esteja preparado para mudar seu modelo de previsão, mas não reagir exageradamente a mudanças aleatórias. padrões de demanda podem e mudam, e quando ocorrem mudanças reais, pode ser necessário alterar a sua técnica de previsão. Medir o seu erro de previsão pode alertá-lo quando as mudanças ocorrendo no entanto, você precisa verificar se uma mudança sustentável que realmente ocorreu e que o que você observou não é uma variação aleatória.
Não substitua as previsões de informação conhecida. Muitas empresas podem tornar-se cego pela sua previsão e ignorar o que está realmente ocorrendo no ambiente de negócios. Se algo muda, como uma ocorrência de tempo, ou mais dados tornam-se disponíveis, como um pedido de vendas, estar preparado para ajustar sua previsão para incorporar as novas informações.
Se uma técnica simples rende precisão aceitável, não utilize uma técnica mais avançada. Use o modelo de previsão mais simples que proporciona a precisão desejada. Por exemplo, não use um modelo de sazonalidade, a menos que lhe dá visivelmente maior precisão do que um modelo de suavização exponencial simples.
Selecione uma técnica de previsão que faz bom uso dos dados disponíveis. Os métodos de séries temporais de previsão confiar em ter não só uma grande quantidade de dados, mas também dados relevantes e precisos. Se você não tem confiança na quantidade ou na qualidade dos dados, você pode querer escolher um método qualitativo para prever até que os dados estejam disponíveis.
Por exemplo, considere baseando suas previsões sobre o tamanho potencial do mercado e ajustar com base na experiência. Aplicando modelos de previsão sofisticados para dados defeituosos não vai melhorar a qualidade subjacente dos dados ou a previsão.
previsões de curto prazo são mais confiáveis do que as previsões de longo prazo. A previsão horEuzon, ou quanto tempo no futuro a previsão prevê, tem um impacto directo na precisão. Em outras palavras, a previsão de vendas para este mês é mais fácil do que prever as vendas para daqui a um ano.
Muitas coisas podem acontecer entre agora e no próximo ano, como novos concorrentes entrando no mercado, as preferências dos clientes em mudança, ou nova tecnologia causando mudanças na demanda. Estas alterações tornam-se mais difícil de prever como o horizonte de previsão aumenta.
Não existe uma única melhor técnica de previsão. O ponto importante é comparar diferentes modelos de previsão e escolher aquele que melhor atenda às necessidades de sua situação e coincide com os dados que você tem disponível.
É importante notar que, embora as previsões desagregar pode ser menos precisas do que previsões agregadas, as previsões desagregados são fundamentais para o planejamento da produção. Por exemplo, se uma empresa produz diferentes modelos de TVs, planejamento de produção a nível chão de fábrica requer uma série detalhada de quantos de cada modelo para produzir.
Ao adiar um compromisso com os detalhes, a empresa pode fazer uma previsão mais precisa desagregada (previsões de curto prazo são mais precisas do que as previsões de longo prazo). A redução dos tempos de fluxo permite que uma empresa para atrasar a decisão sobre o que os modelos exata para produzir, o que melhora as suas previsões.