Dit is een overzichtelijk document met alle formules en uitleg over alle bewerkingen die gebruikt moeten worden voor het vak Logistics and Supply Chain Management, gedoceerd door Veronique Limère. Het document geeft een duidelijk overzicht van formules en bevat zelfs stappenplannen om bepaalde soo...
Te kennen formules & technieken: LSCM
H1: introduction to operations management
Labour productivity Output / #employees
Multifactor productivity Total output / all the given costs
Ex. Total output / (total labour cost + total material cost
+ overhead rate)
H2: forecasting
Naïve forecasting for… 1. Last actual value = forecast
1. Stable series (het Ft = At-1
schommelt rond een 2. Corresponding actual value of last season =
gemiddelde) forecasted value for the same season this year
2. Seasonal variations 3. Ft = At-1 +/- (verschil tussen At-1 en At-2)
3. Trend
Moving average forecast 𝐴1+𝐴2+𝐴3
MA3 = F4 =
3
∑ 𝐴𝑡−𝑖
Dus Ft =
𝑛
Exponential smoothing forecast Ft = 𝛼 . 𝐴𝑡 − 1 + (1 − 𝛼). 𝐹𝑡 − 1
= 𝐹𝑡−1 + 𝛼 . (𝐴𝑡−1 − 𝐹𝑡−1 )
Alfa = smoothing factor
Met 𝐴𝑡−1 − 𝐹𝑡−1 = 𝑒𝑟𝑟𝑜𝑟 𝑖𝑛 𝑡 − 1
Stel je zoekt F6, maar je hebt enkel F2 gekregen en alle
At’s van periode 2 tot en met 5:
Bereken eerst F3 met als Ft-1=F2
Dan bereken je F4 met als Ft-1=F3 enzovoort tot je aan
F6 geraakt
Weighted average forecast: 1. Bereken de gewogen waarden = demand per
gegeven zijn de gewichten voor period maal weight per period
een aantal perioden 2. Ft = som v/d bekomen gewogen waarden
Ft = W1.A1 + W2.A2 + … + Wn . An
Deseasonalizing data given the De deseasonalized data is simpelweg de originele
quarter relatives data per kwartaal gedeeld door de quarter relative van
dat kwartaal
Computing seasonal relatives with 1. Compute the averages per season
the simple averaging method 2. Compute the overall average
3. SA relatives per quarter = 1 delen door 2 per
kwartaal
Compute 2 s control limits for 𝑠 = √𝑀𝑆𝐸
forecast errors w/ MSE = … Upper control limit UCL = 0 + 2 . s
Lower control limit LCL = 0 – 2 . s
MAD = mean absolute deviation ∑ |𝑒𝑟𝑟𝑜𝑟|
𝑛
Weights all errors evenly n = aantal perioden
If errors are N distributed,
standard deviation = 1,25 MAD
MSE = mean square errors ∑ 𝑒2
Weights e acc. To squared values 𝑀𝑆𝐸 =
(𝑛−1)
, MAPE = mean absolute percent |𝐴𝑡 − 𝐹𝑡|
error ∑( )
𝑀𝐴𝑃𝐸 = 𝐴𝑡 . 100
Weights e acc. To relative errors
𝑛
Trend adjusted (exponential TAFt+1 = St + Tt
smoothing) forecast
Met St en Tt formules op formuleblad
Opdracht: determine a tracking We krijgen gegeven:
signal voor perioden 10-24. Begin - de error per periode vanaf periode 10
with month 10, updating MAD - ∑ |𝑒𝑟𝑟𝑜𝑟| 𝑣𝑜𝑜𝑟 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 10 = 58
with exponential smoothing. Use - Dus initial MAD = 58/10 = 5,8
limits of +-4 and alfa = 0,2 Nu kunnen we die MAD updaten voor elke periode
met exponential smoothing via de formule op
To find a bias: tracking signal t formuleblad
Op formuleblad:
∑ 𝑒𝑟𝑟𝑜𝑟 En dan per periode tracking signal berekenen door
Tracking signal =
𝑀𝐴𝐷𝑡 formule op formuleblad
𝑆𝑀𝐴𝐷𝑡 = 𝑀𝐴𝐷𝑡−1 + 𝛼. (|𝑒𝑟𝑟𝑜𝑟|𝑡
− 𝑀𝐴𝐷𝑡−1 ) Als tracking signal nergens groter of kleiner is dan 4 is
er geen bias te zien
Forecast with trend and Bereken bv. F6 wat overeenkomt met een seasonal
seasonality: relative van 1,2
Gegeven: Eerst zonder seasonality:
Seasonal relative seizoen 6 = 1,2 F6 = 402 + 3.6 = 420
Trend component: Ft = 402 + 3t
Dan seasonality incorporeren:
F6 = 420 . 1,2 = 504
Computing seasonal relatives: 1. Moving averages berekenen
centered moving average method • Indien elk seizoen een EVEN aantal datapunten
(zie p.121) heeft (vb. 4) dan moet je eerst een 4-period
MA doen, maar de ‘centered value’ zal niet
“Obtain estimates of quarter overeenkomen met een actual data point, het
relatives w/ centered MA method” midden van 4 zit tussen 2 en 3. Daarom
moeten we nog een 2de reeks MA maken van
Gegeven: demand per seizoen, de MA4: we maken een MA2 en die zal wél
per jaar overeenkomen met een actual datapoint (in
geval van 4 datapunten, komt de eerste MA2
overeen met het 3de datapunt)
Schrijf de eerste MA4 bij het 2de datapunt voor de
handigheid
• Als er oneven aantal datapunten zijn is dit niet
nodig: de MA3 of MA5 of … komt dan overeen
met een actual value!
2. Deel demand per data point door de MA2 per
data point waarvoor er een MA2 is
3. Duid in kleur aan welke demand/MA2 tot
hetzelfde seizoen behoren, dit doe je voor elk
jaar
4. Berekenen het average per seizoen: deel de
som van de vorige aangeduide waarden per
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller svdlara1. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.81. You're not tied to anything after your purchase.
