4. Absatzplanung Flashcards
Nachfrageprognosen
• Hohe Bedeutung für die Erzeugnisprogrammplanung
• Vorhersage zukünftigen Nachfrageverhaltens für ein Produkt auf Basis des vergangenen Nachfrageprozesses
durch Extrapolation in die Zukunft (Zeitreihenanalysen)
Zerlegung der Zeitreihe
L - Niveau
T - Langfristiger Trend
S - Saisonale Schwankungen
I - Unregelmäßige Zufallsschwankungen
Konstantes Niveau
• Annahme: Nachfrage schwankt zufällig um ein festes Niveau
• Annahme eines konstanten Levels fehlerhaft bei Trend-behafteter Entwicklung
→ Arithmetisches Mittel
→ Gleitender Durchschnitt
→ Einfache exponentielle Glättung 1. Ordnung
Trendförmige Nachfrage
• Annahme: Linearer Nachfragetrend
• Annahme eines linearen Nachfragetrends fehlerhaft bei Saisoneffekten
→ Verfahren von Holt
Saisonalitäten
Annahme: Saisonbehafteter linearer Nachfragetrend
-> Dreifache exponentielle Glättung
Prognosefehler
Dient der Beurteilung der Güte der Prognose, um ggf. das Modell oder Parameter anzupassen
Big Data
Zu viele Daten
Ziel: Verbindung zwischen Produktionssensorik und betriebswirtschaftlicher Ebene, um:
- Qualiitätschwankungen frühzeitig erkennen
- Anpassung der Produktionsplanung für höhere Kapazitäts-auslastung
- Ungenutzte Datenmengen in nützliche Informationen umwandeln
woraus besteht der Prognosewert?
Systematische Komponente + Irreguläre Komponente
Kritik an Big Data
- mehr Daten heißt nicht bessere Daten
- Daten werden oft aus Kontext gelöst, falsche Zusammenhänge
- Vorübergehender Hype
- Möglichkeiten zum Speichern und Verarbeiten wachsen schneller als Datenmenge
Neuronale Netze
- Systemzusammenhänge werden trainiert (Prognosen ableiten)
- Aufbau orientiert am menschlichen Gehirn
Vorteile von Neuronalen Netzen
- Lernfähigkeit
- Toleranz ggü. fehlenden/ fehlerhaften Daten
Nachteile von Neuronalen Netzen
- Blackbox (Keine Erklärfunktion)
- Netzkonfiguration aufwendig und oft intransparent
