14
Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max Munninger Philip Kögler

Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Embed Size (px)

Citation preview

Page 1: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Prognosemodelle und Modellauswahl

Michael PawelkeAndreas Braun

Sebastian BauerMatthias Federmann

Max BullerNils LamlaTom Federl

Andreas RostekMax Munninger

Philip Kögler

Page 2: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Modellüberblick

Konstantmodell

Trendmodell

Saisonmodell

Trend-Saison-Modell

Page 3: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Trendmodell

Anwendung:Anwendung:

• Wird verwendet bei stetig steigender/fallender Nachfrage von Produkten

Verfahren zur Prognoseberechnung:Verfahren zur Prognoseberechnung:

• gleitender Durchschnitt

• exponentielle Glättung erster Ordnung

• exponentielle Glätttung zweiter Ordnung

Page 4: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Trendmodell - Beispiel

Periode t NachfrageT Y(t) Y(t)* Y(t)** b(t)* a(t)* p(t) e(t)

0 80 70 4,29 90 94,29

1 80 80 73 3 87 90 -3

2 87 82,1 75,73 2,73 88,47 91,2 -2,73

3 100 87,47 79,25 3,52 95,69 99,21 -3,52

4 89 87,93 81,85 2,61 94,01 96,62 -2,61

5 120 97,55 86,56 4,71 108,54 113,25 -4,71

6 110 101,29 90,98 4,42 111,6 116,02 -4,42

7 100 100,9 93,96 2,97 107,84 110,81 -2,97

8 120 106,63 97,76 3,8 115,5 119,3 -3,8

9 110 107,64 100,72 2,97 114,56 117,53 -2,97

10 130 114,35 104,81 4,09 123,89 127,98 -4,09

= 0,3

Page 5: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Trendmodell - Diagramm

exponentielle Glättung 2. Ordnung

0

20

40

60

80

100

120

140

1 2 3 4 5 6 7 8 9 10

Periode

Bed

arf

Bedarf

Prognose

Vorteil exponentielle Glättung 2.Ordnung:

Gleicht Schwankungen schnell aus

Page 6: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Trend Saisonales Modell

Steigung der Trendgeraden:

Achsenabschnitt der Trendgeraden:

Saisonfaktor

Glättungsfaktoren: α, β, γ

Page 7: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Beispiel: UrlaubsreisenIn einem Reisebüro werden Urlaubsreisen gebucht, im 3. Quartal (Juli, August, September) steigt die Zahl der Buchungen stark an. Im 1. Quartal erreicht die Zahl der Buchungen in der Regel ihren Tiefpunkt. Gleichzeitig nimmt die Zahl der Buchungen aber von Jahr zu Jahr zu.

Zur Durchführung werden Startwerte benötigt

Ermittlung des Prognosewerts:

Page 8: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Betrachtung der Werte über 5 Jahre

Page 9: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Analyse der Zeitreihen-Komponenten

• Definition: ZeitreiheEine Zeitreihe ist eine zeitlich geordnete Folge von Beobachtungswerten. [hier: Nachfragemengen]

• Aufspaltung der Daten in folgende Komponenten…

Page 10: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Analyse der Zeitreihen-Komponenten

• Komponenten einer Zeitreihe zur Analyse:

– T : Trend

– C : Zyklische Schwankung

– S : Saisonale Schwankung

– I : Irreguläre Schwankung

Page 11: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Beispiel:

Page 12: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Modellauswahl in

• manuelle Auswahl

• automatische Auswahl

Page 13: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Manuelle Auswahl in SAP

• Prognosemodell sollte bekannt sein

• zur Auswahl stehen:

Page 14: Prognosemodelle und Modellauswahl Michael Pawelke Andreas Braun Sebastian Bauer Matthias Federmann Max Buller Nils Lamla Tom Federl Andreas Rostek Max

Automatische Auswahl in SAP

Einsatz bei folgenden Szenarien:

• Verlauf der Vergangenheitsdaten ist nicht bekannt

• Entwicklung der Daten kann nicht eingeschätzt werden

• Man möchte kein Modell vorgeben