Previsão De Demanda Média Média Em Movimento

Uma comparação dos métodos de previsão para o gerenciamento de receita do hotel Larry R. Weatherford a ,. Sheryl E. Kimes b Universidade de Wyoming, Faculdade de Negócios, Departamento de Gestão e Marketing, P. O. Caixa 3275, Sala 228, Laramie, WY 82071-3275, EUA b Escola de Administração de Hotel da Universidade Cornell, Nova Iorque, EUA Disponível on-line 14 de março de 2002. A previsão de chegadas é um dos principais insumos para um sistema bem sucedido de gerenciamento de receita hoteleira, mas Nenhuma pesquisa sobre o melhor método de previsão foi realizada. Nesta pesquisa, utilizamos dados da Choice Hotels e Marriott Hotels para testar uma variedade de métodos de previsão e determinar o método mais preciso. Os resultados preliminares usando os dados do Choice Hotel mostram que os métodos de recuperação e a regressão produziram o menor erro, enquanto a curva de reserva e as previsões de combinação produziram resultados bastante imprecisos. O estudo mais aprofundado usando os dados do Marriott Hotel mostrou que os modelos de alisamento exponencial, captação e média móvel eram os mais robustos. Competições de previsão Prática de previsão Métodos comparativos, séries temporais Série temporal, univariada: suavização exponencial HoltWinters, regressão Tabela 2. Fig. 1. Tabela 3. Fig. 2. Fig. 3. Fig. 4. Tabela 6. Fig. 5. Fig. 6. Biografias: Larry WEATHERFORD é professor associado da Universidade de Wyoming. Ele possui um Ph. D. Da Darden Graduate Business School, Universidade da Virgínia. Larry ensina aulas de graduação e MBA em Gestão de Operações e Métodos Quantitativos. Ele recebeu vários prêmios de ensino excepcional do College of Business e da Universidade de Wyoming. Ele também possui um livro de texto mais vendido, Modelagem de Decisão com o Microsoft Excel. Publicado pela Prentice Hall, Inc. em 2001. Ele publicou 17 artigos em revistas como Pesquisa de Operações, Ciências da Decisão, Logística de Pesquisa Naval, Ciência do Transporte, Omega, Revista Internacional de Gestão de Tecnologia, Trimestral da Administração de Restaurantes Cornell e Journal of Combinatorial Otimização, Revista Internacional de Operações e Gestão Quantitativa e ORMS Today e apresentou 51 trabalhos em cinco continentes diferentes para organizações profissionais. Ele consultou as grandes empresas como American Airlines, Northwest Airlines, Lufthansa German Airlines, Swissair, Scandinavian Airlines, Air New Zealand, South African Airways, Unisys Corporation, Walt Disney World, Hilton Hotels e Choice Hotels, bem como muitos outros menores Corporações. Sheryl E. KIMES é Professor de Gestão de Operações na Escola de Administração de Hotéis da Universidade de Cornell. Ela possui um Ph. D. No gerenciamento de operações da Universidade do Texas-Austin. Ela é especializada em gerenciamento de receita e trabalhou com uma variedade de indústrias em todo o mundo. Sua pesquisa apareceu em Interfaces, Journal of Operations Management, Journal of Service Research e outras revistas. Autor correspondente. Tel. 1-307-766-3124 fax: 1-307-766-3488. Copyright 2002 Instituto Internacional de Previsionistas. Publicado por Elsevier B. V. Todos os direitos reservados. Citar artigos () PREVISÃO Fator Sazonal - a porcentagem da demanda trimestral média que ocorre em cada trimestre. Previsão anual para o ano 4 prevê ser de 400 unidades. A previsão média por trimestre é de 4004 100 unidades. Previsão trimestral avg. Previsão do fator sazonal. MÉTODOS DE PREECISÃO CAUSAL métodos de previsão causais baseiam-se em uma relação conhecida ou percebida entre o fator a ser previsto e outros fatores externos ou internos 1. regressão: a equação matemática relaciona uma variável dependente a uma ou mais variáveis ​​independentes que se acredita que influenciam a variável dependente 2. modelos econométricos: sistema de equações de regressão interdependentes que descrevem algum setor de atividade econômica. 3. modelos de insumos-saídas: descreve os fluxos de um setor da economia para outro e, assim, prevê os insumos necessários para produzir resultados em outro setor 4. Modelagem de simulação MEDIANDO ERROS DE PREVISÃO Existem dois aspectos dos erros de previsão a serem preocupados - Bias e Bias de Precisão - Uma previsão é tendenciosa se ele se equivoca mais em uma direção do que no outro - O método tende a sub-previsões ou previsões excessivas. Precisão - A precisão da previsão refere-se à distância das previsões da demanda real ignorar a direção desse erro. Exemplo: Para seis períodos, as previsões e a demanda real foram rastreadas. A tabela a seguir apresenta demanda real D t e demanda prevista F t por seis períodos: soma cumulativa dos erros de previsão (CFE) -20 desvio absoluto médio (MAD) 170 6 28,33 quadrado médio Erro de erro (MSE) 5150 6 858,33 desvio padrão de erros de previsão 5150 6 29,30 erro de porcentagem absoluta média (MAPE) 83,4 6 13,9 O que as informações fornecem a previsão tem uma tendência a superestimar o erro médio da demanda por previsão foi de 28,33 unidades, ou 13,9 A distribuição da amostra de demanda real de erros de previsão tem desvio padrão de 29,3 unidades. CRITÉRIOS PARA SELECIONAR UM MÉTODO DE PREVISÃO Objetivos: 1. Maximizar a Precisão e 2. Minimizar Regras de Potencial de Bias para selecionar um método de previsão de séries temporais. Selecione o método que dá o menor viés, conforme medido pelo erro de previsão acumulado (CFE) ou dá o menor desvio absoluto médio (MAD) ou dá o menor sinal de rastreamento ou aceita crenças de gerenciamento sobre o padrão subjacente de demanda ou outros. Parece óbvio que alguma medida de precisão e polarização deve ser usada em conjunto. Como o que é sobre o número de períodos a serem amostrados se a demanda for inerentemente estável, valores baixos de e valores maiores de N são sugeridos se a demanda for intrinsecamente instável, valores elevados de valores N e N e menores são sugeridos? FOCUS FORECASTING quotfocus forecastingquot refere-se a Uma abordagem para a previsão que desenvolve previsões por várias técnicas, em seguida, escolhe a previsão que foi produzida pelo quotbestquot dessas técnicas, onde quotbestquot é determinado por alguma medida de erro de previsão. PREVISÃO DE FOCO: EXEMPLO Para os primeiros seis meses do ano, a demanda por um item de varejo foi de 15, 14, 15, 17, 19 e 18 unidades. Um revendedor usa um sistema de previsão de foco com base em duas técnicas de previsão: uma média móvel de dois períodos e um modelo de alívio exponencial ajustado pela tendência com 0,1 e 0,1. Com o modelo exponencial, a previsão para janeiro foi de 15 e a média de tendências no final de dezembro foi 1. O varejista utiliza o desvio absoluto médio (MAD) nos últimos três meses como critério para escolher qual modelo será usado para prever Para o próximo mês. uma. Qual será a previsão para julho e qual modelo será usado b. Você responderia à parte a. Seja diferente se a demanda de maio tivesse sido 14 em vez de 19