Os elementos fundamentais da previsão em gestão de operações

Video: Videoaula | Enfermagem em Adm. e Gerenciamento de Serviço Hospitalar

previsões pontuais, ou previsões de número único de demanda, são geralmente sempre incorreta. 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.

Video: Previsão de vendas

Aqui estão os princípios fundamentais da previsão:

• previsões agregadas são mais precisas do que as previsões desagregados. Previsão a demanda por 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 vendas 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 exageremos a mudanças aleatórias. padrões de demanda podem e mudam, e quando ocorrerem mudanças reais, você pode precisar 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 realmente ocorreu e que o que você observou não é uma variação aleatória.

• Não substitua as previsões de informações conhecidas. 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 fornece 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 se torna disponível.

  Por exemplo, considere baseando suas previsões sobre o tamanho potencial do mercado e ajustar com base na experiência. Aplicando modelos de previsão sofisticados aos 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 direto 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, preferências dos clientes mudando, ou nova tecnologia causando mudanças na demanda. Estas mudanças tornam-se mais difícil de prever como a previsão horizonte 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.

Video: Previsão da demanda

É importante notar que, embora as previsões desagregados podem 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 no nível chão de fábrica requer uma série detalhada de quantos de cada modelo para produzir.

Adiando 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). Reduzindo os tempos de fluxo permite que uma empresa a adiar a decisão sobre o modelo exato para produzir, o que melhora as suas previsões.