ILEFCA21| Forecasting
Logistics Management
,Blok 4 Forecasting LVlogistiek
➢ Forecasting: nodig voor planning en investeringsbeslissingen.
Aspecten:
• Termijn van de voorspellingen
o Korte termijn (veelal operationeel)
o Middellang (tactisch)
o Lang (strategisch)
• Beschikbaarheid gegevens
• Aard van de goederen
• Marktontwikkeling
Waarom nodig?
Hoeveel moet er ingekocht worden? Hoeveel voorraad is er nodig?
Is het magazijn groot genoeg? Planning transport
Planning productie Voldoet de capaciteit van de machines?
Hoeveel personeel is er nodig?
Marktvraag van consumenten is de basis voor voorspellingen in de hele keten (inkoop, productie, transport en
voorraadhoogte)
De marktvraag van verladers/opdrachtgevers in de volgende schakel van de keten vormen de basis voor de
distributielogistiek.
Soorten forecasts:
• Kwalitatief (interviews)
o Scenario analyse
o Delphi-methode
• Kwantitatief (cijfermateriaal)
o Exponentiële effening
o Correlatie- en regressieanalyse
o Tijdreeksanalyse
Logistiek en Forecasting: KOOP
➢ Tijdreeksanalyse: op grond van gegevens uit het verleden (bv. Verkoopgegevens) de
toekomst voorspellen, door verband in gegevens te zoeken.
- Nodig: gegevens (cijfers)
- Veelal voor de korte tot middellange termijn.
- Aanname: patroon uit het verleden ook geldig in de toekomst.
Identificeer de soorten tijdreeksen voordat je de methode toepast.
Tijdreeksen zonder duidelijke Tijdreeks met duidelijke trend Tijdreeksen met duidelijke trend
trend (Effeningsmethodes) en/of seizoenspatroon
Voortschrijdend gemiddelde Regressie Multiplicatief methode
Gewogen voortschrijdend Correlatie
gemiddelde
Exponentiele effening Methode van Holt
2
, Blok 4 Forecasting LVlogistiek
Hoofdstuk 1 | Effeningsmethodes
➢ Effeningsmethodes:
- Alleen toepasbaar als er geen duidelijke trend en/of seizoen
component aanwezig is.
- Vaak op korte termijn.
- Drie verschillende methodes
Methode 1: Voortschrijdend gemiddelde (V.G.)
• Voorspelling voor huidige periode is het gemiddelde van n
vorige perioden.
• Keuze n is afhankelijk van minimale voorspelfout met gegevens Yt = werkelijke waarde periode t
uit verleden. Ft = forecast voor periode t
• Voorspelfout = werkelijk – voorspelling Yt – Ft = voorspelfout voor periode t
Voorbeeld berekening Voortschrijdend gemiddelde (V.G.) (opdracht 1.1)
Gegevens: onderstaande tabel bevat het verkochte aantal fietsen van een fietsenwinkel gedurende de laatste 8
weken.
➢ Waarom is het in dit geval goed het V.G. (Effeningsmethode) te gebruiken voor de voorspellingen in de
toekomst?
Omdat er geen duidelijk trend of seizoenspatroon aanwezig is.
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een V.G. van 2 weken.
38 + 44
F9 = = 41
2
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een V.G. van 4 weken.
38 + 43 + 38 + 44
F9 = = 40,75
4
Methode 2: Gewogen voortschrijdend gemiddelde (G.V.G.)
• Voorspelling voor huidige periode is het gewogen gemiddelde van n vorige perioden.
• Keuze n en gewichten is afhankelijk van minimale voorspelfout met gegevens uit verleden.
Voorbeeld berekening Gewogen voortschrijdend gemiddelde (G.V.G.) (opdracht 1.1)
Gegevens: onderstaande tabel bevat het verkochte aantal fietsen van een fietsenwinkel gedurende de laatste 8
weken.
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een G.V.G. van 3 weken,
waarbij 3 weken terug 1 maal telt, 2 weken terug 2 maal en 1 week terug 3 maal.
43∗1 + 38∗2 + 44∗3
F9 = = 41,38
6
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een G.V.G. van 3 weken,
waarbij 3 weken terug 2 maal telt, 2 weken terug 5 maal en 1 week terug 9 maal.
43∗2 + 38∗5 + 44∗9
F9 = = 42
16
Methode 3: Exponentiële effening
➢ Exponentiële effening: gewogen gemiddelde van alle vorige gegevens.
Voorspelling huidige periode (Ft) hangt af van:
- Voorspelling (Ft-1) voor vorige periode;
- Werkelijke waarde (Yt-1) vorige periode;
- Effeningsconstante α (0 < α < 1)
o Keuze α op basis van minimale voorspelfout met gegevens uit verleden.
3
Logistics Management
,Blok 4 Forecasting LVlogistiek
➢ Forecasting: nodig voor planning en investeringsbeslissingen.
Aspecten:
• Termijn van de voorspellingen
o Korte termijn (veelal operationeel)
o Middellang (tactisch)
o Lang (strategisch)
• Beschikbaarheid gegevens
• Aard van de goederen
• Marktontwikkeling
Waarom nodig?
Hoeveel moet er ingekocht worden? Hoeveel voorraad is er nodig?
Is het magazijn groot genoeg? Planning transport
Planning productie Voldoet de capaciteit van de machines?
Hoeveel personeel is er nodig?
Marktvraag van consumenten is de basis voor voorspellingen in de hele keten (inkoop, productie, transport en
voorraadhoogte)
De marktvraag van verladers/opdrachtgevers in de volgende schakel van de keten vormen de basis voor de
distributielogistiek.
Soorten forecasts:
• Kwalitatief (interviews)
o Scenario analyse
o Delphi-methode
• Kwantitatief (cijfermateriaal)
o Exponentiële effening
o Correlatie- en regressieanalyse
o Tijdreeksanalyse
Logistiek en Forecasting: KOOP
➢ Tijdreeksanalyse: op grond van gegevens uit het verleden (bv. Verkoopgegevens) de
toekomst voorspellen, door verband in gegevens te zoeken.
- Nodig: gegevens (cijfers)
- Veelal voor de korte tot middellange termijn.
- Aanname: patroon uit het verleden ook geldig in de toekomst.
Identificeer de soorten tijdreeksen voordat je de methode toepast.
Tijdreeksen zonder duidelijke Tijdreeks met duidelijke trend Tijdreeksen met duidelijke trend
trend (Effeningsmethodes) en/of seizoenspatroon
Voortschrijdend gemiddelde Regressie Multiplicatief methode
Gewogen voortschrijdend Correlatie
gemiddelde
Exponentiele effening Methode van Holt
2
, Blok 4 Forecasting LVlogistiek
Hoofdstuk 1 | Effeningsmethodes
➢ Effeningsmethodes:
- Alleen toepasbaar als er geen duidelijke trend en/of seizoen
component aanwezig is.
- Vaak op korte termijn.
- Drie verschillende methodes
Methode 1: Voortschrijdend gemiddelde (V.G.)
• Voorspelling voor huidige periode is het gemiddelde van n
vorige perioden.
• Keuze n is afhankelijk van minimale voorspelfout met gegevens Yt = werkelijke waarde periode t
uit verleden. Ft = forecast voor periode t
• Voorspelfout = werkelijk – voorspelling Yt – Ft = voorspelfout voor periode t
Voorbeeld berekening Voortschrijdend gemiddelde (V.G.) (opdracht 1.1)
Gegevens: onderstaande tabel bevat het verkochte aantal fietsen van een fietsenwinkel gedurende de laatste 8
weken.
➢ Waarom is het in dit geval goed het V.G. (Effeningsmethode) te gebruiken voor de voorspellingen in de
toekomst?
Omdat er geen duidelijk trend of seizoenspatroon aanwezig is.
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een V.G. van 2 weken.
38 + 44
F9 = = 41
2
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een V.G. van 4 weken.
38 + 43 + 38 + 44
F9 = = 40,75
4
Methode 2: Gewogen voortschrijdend gemiddelde (G.V.G.)
• Voorspelling voor huidige periode is het gewogen gemiddelde van n vorige perioden.
• Keuze n en gewichten is afhankelijk van minimale voorspelfout met gegevens uit verleden.
Voorbeeld berekening Gewogen voortschrijdend gemiddelde (G.V.G.) (opdracht 1.1)
Gegevens: onderstaande tabel bevat het verkochte aantal fietsen van een fietsenwinkel gedurende de laatste 8
weken.
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een G.V.G. van 3 weken,
waarbij 3 weken terug 1 maal telt, 2 weken terug 2 maal en 1 week terug 3 maal.
43∗1 + 38∗2 + 44∗3
F9 = = 41,38
6
➢ Geef een voorspelling van het aantal verkochte fietsen voor week 9 op basis van een G.V.G. van 3 weken,
waarbij 3 weken terug 2 maal telt, 2 weken terug 5 maal en 1 week terug 9 maal.
43∗2 + 38∗5 + 44∗9
F9 = = 42
16
Methode 3: Exponentiële effening
➢ Exponentiële effening: gewogen gemiddelde van alle vorige gegevens.
Voorspelling huidige periode (Ft) hangt af van:
- Voorspelling (Ft-1) voor vorige periode;
- Werkelijke waarde (Yt-1) vorige periode;
- Effeningsconstante α (0 < α < 1)
o Keuze α op basis van minimale voorspelfout met gegevens uit verleden.
3
