生产在库管理 培训课件.pptVIP

生産在庫管理 今日の内容 １．需要予測 ２．在庫管理 １．需要予測 需要の意味 ある商品に対して需要があるということは、消費者がその商品を購入したいと思い、かつ実際に購入することができることを意味する。 需要の例 衣食住行 需要の特徴 需要の相関性 第1次産業、第2次産業、第3次産業（分野） 最終製品の生産には人、物、金が必要（系列） 気温が上昇するとエアコンが売れる（要因） 需要の不確実性 個人の需要が変化する 需要の相関関係が変化する 注文生産と確実需要 需要の連続性 時系列分析（経線） 将来需要予測可能性 需要の４タイプ なぜ予測するのか 需要が不確実であるため 生産リードタイムが存在するため 生産準備が必要なため 機会損失が発生するため 死蔵在庫が発生するため などなど 需要予測の手順 対象選択 組織 産業 企業 店舗 商品 カテゴリー アイテム 手法選択 市場調査 アンケート ディープ?インタビュー（スクリプト分析） デルファイ法 モデル構築 時系列モデル 回帰モデル モデル構築 移動平均 指数平滑法 ARIMAモデル BASSモデル 移動平均法 実測値： 予測値： 指数平滑法の計算方法 移動平均法は期待値による予測である。 指数平滑法は期待値に傾向を加える予測。 指数平滑法＝ｆ（期待値＋バイアス） 予測値＝（1‐α）×前期予測値＋α×現在値 指数平滑法は一種の加重移動平均法である。 計算方法 y(t+1)=αx(t)+(1-α)y(t) y(t)=αx(t-1)+(1-α)y(t-1) … y(t+1)=αx(t)+α(1-α)x(t-1)+α(1-α)(1-α)x(t-2)+… α(1+(1-α)+(1-α)(1-α)+…)=1(等比数列） 0≦α≦１ 指数平滑法の分類 ウインター流（季節変動がある場合） ブラウン流 単純平滑法（傾向の見られない場合） 2次平滑法 一定に伸びているか、またはすたれつつある製品 3次平滑法 同上 ブラウン流指数平滑法 単純平滑法 2次平滑法 y(t+1)=αx(t)+ (1-α) y(t) z(t+1)= α y(t)+(1- α)z(t) u=2y-z b(t+1)= α(y(t+1)-y(t))+(1- α)b(t) z(t+1)=y(t)+(1/α)b(t+1) ウインター流平滑法 完全指数モデル(Complete exponential model) 純真なモデル(Na?ve model) 単純予測モデル(Simple forecasting model) 基本値 トレンドファクター 季節変動指数 基本値 z(t)=α（x(t)/β(t))+(1-α)(z(t-1)+γ(t-1)) ｔ期の実績から季節変動を除去した値と、その値の1期前における予測値とを定数αで平滑化した値を新しく第ｔ期の基本値とする。 トレンドファクター γ(t)=A(z(t)-z(t-1))+(1-A)γ(t-1) 基本値の差を定数Ｃで平滑化した値を、新しく第ｔ期のトレンドファクタとする 季節変動指数 β(L+t)=B(x(t)/z(t))+(1-B)β(L+t-1) Lは季節変動の周期（１つの周期の前計算した値を今期に使用する） 予測方法 v(t+T)=(z(t)+T×γ(t))×β(t+T) （基本値＋トータルトレンド）×季節変動指数 ARIMAモデル 自己回帰モデル（AR） z(t)=Φ(1)× z(t-1)+a(t) Φ(1) ：自己回帰パラメータ a(t)：ランダムショック（ホワイトノイズ） z(t)=y(t)-μ、平均値からの偏差（y(t):原系列） AR(1) z(t)=Φ(1)× z(t-1)+ Φ(2)× z(t-2) +a(t) AR(2) 記憶関数 z(t)=Φ(1)× z(t-1)+a(t) z(t)=a(t)+Φ(1)× a(t-1)+ Φ(1)× a(t-1)+… 定常性条件 分散一定：Var(z(t))= Var(z(t-1))≧0 相関性：E(z(t)×z(t))=Φ×Φ×Var(z(t-1))+0+σ×σ(タイムラグに依存，異時点一定) 記憶性：｜Φ｜＜１ 移動平均モデル(MA) z(t)=Φ(1)× z(t-1)+a(t) z(t)=Φ(1)× z(t-1)+a(t)-θ(1)×a(t-1) Φ(1)=0として， z(t)=a(t)-θ(1)×a(t-1) θ(1):移動平均のパラメータ MA(1) 自己回帰移動平均モデル ARMA(1,1)モデル z(t)-Φ(1)z(t-1)=e(t) e(t)=a(t)-θ(1)a(t-1) z(t)-Φ(1)z(t-1) =a(t)-θ(1)a(t-1) ARMA(1,1) ARMA(p,q)