Chapter 2 Forecasting

Pendahuluan
Banyak keputusan bisnis bergantung pada semacam peramalan/forecast.
Misalnya, akuntan mengandalkan perkiraan biaya dan pendapatan untuk perencanaan
pajak; Personil resaurce manusia perlu perkiraan untuk merekrut; tim pemasaran
memerlukan perkiraan untuk membangun anggaran promosi; Perencana keuangan perlu
perkiraan untuk mengelola arus kas; dan Perencana produksi memerlukan perkiraan
sehingga rencana kapasitas, tingkat persediaan, dan kegiatan perencanaan lantai toko
dapat dibentuk.
Forecasts adalah seni menentukan informasi yang berarti tentang masa depan.
keputusan perencanaan panjang pun memerlukan pertimbangan dari banyak faktor;
kondisi umum ekonomi, tren industri, tindakan pesaing, iklim politik secara keseluruhan
dan sebagainya. Banyak berbagai cara untuk melakukan forecast seperti AFC dan NFC
Di sini kita membahas peramalan approachess untuk setiap item. Bab ini akan
menjelaskan peramalan untuk keluarga pada item-item dan topik lain-peramalan lain
seperti barang bergerak lambat.
manajemen permintaan
tujuan manajemen permintaan adalah untuk mengkoordinasikan dan
mengendalikan semua sumber permintaan sehingga produksi dan operasi sistem
dapat dimanfaatkan secara efektif.
periode peramalan
prakiraan sering diklasifikasikan menurut jangka waktu dan penggunaan. secara
umum, perkiraan jangka pendek memandu operasi saat ini. Jangka menengah dan
jangka panjang keputusan dukungan perkiraan pada lokasi pabrik dan kapasitas.
akurasi perkiraan
Perkiraan tidak pernah sempurna. karena kita pada dasarnya berurusan dengan
metode yang diproyeksikan dari data masa lalu, perkiraan kami akan kurang handal
yang jauh ke masa depan kami memperkirakan.
pendekatan peramalan
peramalan pendekatan bervariasi dengan jumlah barang yang akan meramalkan
dan pentingnya dolar keputusan. keputusan mengenai kapasitas pabrik dan lokasi
pabrik dapat dibuat dengan jangka panjang, agregat perkiraan, dan kami mungkin
akan bersedia untuk memperluas sejumlah besar uang dan waktu komputer untuk
mendapatkan akurasi.

Common Time Series Forecasting Models

Monitoring the Forecasting System
Controlling the Forecasting System

Focus Forecasting
kita berurusan dengan beberapa metode peramalan kuantitatif dalam bab ini.
aturan peramalan sederhana dapat sangat efektif. Beberapa aturan sederhana dan
akal sehat bisa menjadi:
1. perkiraan untuk kuartal berikutnya adalah permintaan sebenarnya untuk item
selama kuartal terakhir
2. perkiraan untuk bulan depan adalah 10% lebih dari permintaan yang sebenarnya
di bulan yang sama pada tahun lalu
3. perkiraan untuk bulan depan adalah 110% dari permintaan sebenarnya untuk
item yang terjadi selama bulan lalu.

peramalan piramida
di sebuah perusahaan besar, divisi seperti pemasaran dan manufaktur berencana
perkiraan mereka secara individual. sering menjadi masalah bagi departemen ini
untuk menyepakati perkiraan pada waktu yang tepat. salah satu cara mendamaikan
data dan membawa konsistensi dalam perusahaan ini disebut prinsip piramida atau
peramalan piramida.

The Forecasting Process

adalah penting untuk mengikuti langkah-langkah tertentu dalam proses peramalan.
di bagian ini, kita menjelaskan secara singkat langkah-langkah nie mereka yang
terkait dengan proses seperti yang diperagakan pada gambar 2.2. kerangka akan
membantu Anda untuk mendapatkan hasil maksimal dari proses peramalan.

gambar 2.2
Langkah 1 :
tentukan tujuan. manajemen harus menentukan tujuan, seperti barang peramalan untuk
perencanaan produksi, perencanaan kapasitas toko, atau perencanaan pemasaran, sejelas
mungkin.
Langkah 2 :
apa untuk meramalkan. unit pengukuran, seperti jumlah atau pendapatan dolar dan kerangka
waktu (tahunan, triwulanan, bulanan, atau mingguan) harus dinyatakan dengan jelas untuk
ramalan.
Langkah 3:
dimensi waktu. Perkiraan jangka panjang untuk perencanaan sumber daya berkisar dari satu
sampai lima tahun.

Langkah 4:
pertimbangan basis data. jenis data yang diinginkan tergantung pada penggunaannya. Oleh
karena itu, setiap unit yang berguna, seperti jumlah unit per minggu atau volume dolar per
minggu, harus diekstrak secara konsisten membentuk database.
Langkah 5:
memilih model peramalan. pola stabil permintaan, yang terjadi selama jangka waktu siklus hidup
produk, rata-rata baik bergerak atau teknik pemulusan eksponensial tunggal memadai.
Langkah 6:
pengujian model. model harus valid sebelum dapat digunakan untuk tujuan peramalan.
Langkah 7:
perkiraan persiapan. satu atau lebih model dapat diadopsi secara bersamaan oleh manajemen.
dalam kasus tersebut, perkiraan ini harus didamaikan dimanapun dan kapanpun memungkinkan.
Langkah 8:
presentasi perkiraan. orang tidak akan menggunakan perkiraan jika mereka tidak memiliki iman
di dalamnya atau jika mereka tidak mengerti bagaimana ramalan berasal.
Langkah 9:
Hasil pemantauan. karena perkiraan yang digunakan dalam proses pengambilan
keputusan manajemen, setiap penyimpangan dari perkiraan harus hati-hati diamati
menggunakan teknik pemantauan dijelaskan sebelumnya. ketika besarnya
penyimpangan tidak dapat diterima, langkah-langkah harus diambil untuk merevisi
model seperti yang dijelaskan dalam bagian tentang pengendalian sistem
peramalan.

Summary
bab ini memperkenalkan beberapa metode praktis untuk membuat rutin perkiraan untuk ribu
item. thread yang mendasari telah pertanyaan responsif. kami ingin sistem kami untuk
menanggapi perubahan mendasar tetapi tidak untuk fluktuasi acak.
bab ini mengembangkan dua konsep dasar: mengukur kesalahan perkiraan dan rata-rata
eksponensial. averaging eksponensial memberikan menurun bobot pengamatan terakhir. setelah
rata-rata penyimpangan absolut dan deviasi standar telah dikembangkan sebagai tindakan
kesalahan, proses rata-rata eksponensial dapat digunakan untuk menghitung deviasi absolut ratarata.