جزوه کنترل موجودی PDF

جزوه کنترل موجودی
دانلود جزوه

پارسه شیرمحمدی دکتر کریمی نیکوفکر عبدالله زاده فاطمی قمی دانشگاه شریف پیام نور دانشگاه آزاد علمی کاربردی پورسعیدی گل محمدی مدرسان شریف خلاصه کتاب جزوه

– …

: :
• • • •  

– ً :
• • — ً ؟ ً () :

— () — ً — :
• • — — – به عامل زمان می توان به پنج دسته بشرح زیر تقسیم بندی کرد :
1) تغییرات روندی (Trend Variation) : روند به یک حرکت طولانی مدت به سمت بالا و یا پایین در داده ها اطلاق میشود . چنانچه تقاضای یک محصول در هر سال نسبت به سال قبل افزایش
(کاهش) داشته باشد ، این تغییرات نشان دهنده تغییرات روندی در تقاضای این محصول است .
2) تغییرات فصلی (Seasonal Variation) : تغییرات منظم تقاضا در فصول (ماهها – هفته ها) مشخصی از دوره مورد نظر برای پیش بینی ، تغییرات فصلی نامیده میشود .
3) دانلود جزوه کنترل موجودی pdf نامنظم (Irregular Variation) : تغییرات غیر معمول مانند شرایط سخت آب و هوایی ، بحرانهای مالی و اقتصادی و … که تابع نظم مشخصی نباشد ، تغییرات نامنظم نامیده میشوند . هرگاه که امکان پذیر باشد ، بایستی این نوع تغییرات در داده ها مشخص شده و از داده ها حذف شوند .
4) تغییرات دوره ای ((Cycle Variation : سیکل ها ، تغییرات موجی شکل در داده ها برای مدت بیش از یکسال هستند . این تغییرات اغلب مرتبط با یک متغیر اقتصادی ، سیاسی و حتی شرایط کشاورزی میباشند .
5) تغییرات تصادفی (Random Variation) : پس از تمامی انواع تغییرات در داده ها، تغییرات ناگهانی کوچک در تقاضا بعنوان تغییرات تصادفی در نظر گرفته .

دانلود رایگان خلاصه کتاب کنترل موجودی pdf

در پیش بینی بر مبنای گذشته از تکنیک های مختلفی استفاده می شود که با توجه به میزان دقت و حساسیت لازم در پیش بینی می توان از این تکنیک ها استفاده نمود . در ادامه به تشریح این تکنیک ها می پردازیم .

تقاضای واقعی دوره قبل (Naive Approach)
در این روش ، پیش بینی تقاضای هر دوره را مساوی با مصرف واقعی دوره قبل فرض می کنیم .
این روش ساده برای شرایطی که تقاضای واقعی دوره های گذشته تقریباً یکنواخت و با ثبات است ، مناسب میباشد . بعنوان مثال اگر تقاضا برای محصولی در هفته گذشته 20 واحد بوده ، پیش بینی تقاضا برای این هفته نیز معادل 20 واحد خواهد بود . البته در این روش تغییرات فصلی و تغییرات روندی را نیز در نظر گرفت .
برای در نظر گرفتن تغییرات فصلی در این روش ، پیش بینی برای این فصل ، معادل تقاضای واقعی فصل مشابه در دوره گذشته خواهد بود . بعنوان مثال پیش بینی تقاضای میوه در هفته آخر اسفند ماه امسال ، معادل میزان تقاضای میوه در هفته مشابه سال گذشته در نظر گرفته خواهد شد .
چنانچه داده های گذشته دارای تغییرات روندی باشند ، پیش بینی تقاضا برای این دوره معادل تقاضای واقعی دوره قبل بعلاوه اختلاف مابین مقادیر واقعی دانلود جزوه کنترل موجودی pdf دو دوره قبل خواهد بود . مثال زیر را در نظر بگیرید :
پیش بینی تغییر نسبت به دوره قبل تقاضای واقعی دوره

(Simple Average) میانگین ساده
در این روش جهت پیش بینی مقادیر تقاضا در هر دوره ، میانگین تقاضای واقعی دوره های قبلی را محاسبه میکنیم . این روش سطح تغییرات تصادفی را هموار کرده ، ولی در عین حال بطور کامل در مقابل روند تقاضا عکس العمل مناسب نشان نمیدهد .

Ft = t 1−1∑i 1t 1=− Ai
وقتی که :
شماره دوره :t تقاضای واقعی دورهAi : i
پیش بینی تقاضای دوره Ft : t

(Moving Average) میانگین متحرک
این تکنیک حد مابین روشهای تقاضای واقعی دوره قبل و میانگین ساده است . در روش ، میانگین یک تعداد از داده های واقعی آخرین دوره های گذشته ، مبنای محاسبه پیش بینی خواهد بود . دیگر ، میانگینی که با استفاده از اطلاعات جدید مرتباً به روز در آورده شود ، میانگین متحرک نامیده میشود .
به عنوان مثال دوره پیش بینی را سه ماهه فرض کنید . برای پیش بینی میزان فروش در تیر ماه میانگین میزان فروش فروردین ، اردیبهشت و خرداد دانلود رایگان جزوه کنترل موجودی pdf محاسبه قرار می گیرد . برای پیش بینی میزان فروش در مرداد ماه ، میانگین میزان فروش اردیبهشت ، خرداد و • • — ً — – – – در نظر گرفتن تصحیحات فصلی از رابطه زیر استفاده :
ضریب فصلی × مقدار پیش بینی میانگین متحرک = مقدار پیش بینی با اعمال ضریب فصلی
مثال : تقاضای واقعی کالایی برای چهار سال گذشته بصورت جدول زیر داده شده است . با استفاده از روش میانگین متحرک چهار دوره ای و با در نظر گرفتن تغییرات فصلی ، پیش بینی تقاضا برای سال 1387 را محاسبه کنید .
دوره تقاضای واقعی پیش بینی تقاضا میانگین تقاضای واقعی هر سال درصد تغییر تقاضای واقعی

پیش بینی تقاضای دوره های بعدی با اعمال ضریب دانلود جزوه تعلیم و تربیت در اسلام PDF بصورت جدول زیر خواهد بود . توجه داشته باشید که تقاضای واقعی هر دوره در انتهای آن دوره مشخص میگردد .
دوره تقاضای واقعی پیش بینی تقاضا پیش بینی تقاضا با اعمال ضریب فصلی

(Weighted Moving Average) روش میانگین متحرک وزنی -4-4
در روش میانگین متحرک ، داده های دوره های مختلف ارزش یکسانی داشتند . در صورتی است داده های دوره های نزدیکتر ارزش بیشتری نسبت به داده های دوره های دورتر داشته باشند .
برای رفع اینگونه نواقص از روش میانگین متحرک وزنی استفاده .
در این روش برای تقاضای واقعی دوره های مختلف ، وزنهای متفاوت (ضرایب ارزشی متفاوت)
قائل می شویم . بدین ترتیب تمام دوره ها در پیش بینی آینده تأثیر یکسان نخواهند داشت . این ضرایب
برحسب تجربه بدست می آیند و معمولاً ضرایب مربوط به دوره های نزدیکتر را بزرگتر مربوط به دوره های دورتر را کوچکتر در نظر

مطلوبست پیش بینی تقاضا برای مهر ماه در صورتیکه دوره تناوب برابر 3 بوده و ضرایب وزنی دوره های ماقبل بصورت زیر داده شده باشد :
w1 = 0.5, w 2 = 0.3, w3 = 0.2 .
=400 530×0.2+500×0.3+600×0.5 = پیش بینی تقاضای مهر ماه
5-4- روش هموار سازی نمایی یا نمو هموار ساده
روش نمو هموار ساده1 دانلود رایگان جزوه کنترل = − + (− )− + (− )− + (− )− +….
(−) :

دانلود جزوه کنترل موجودی pdf

جزوه کنترل موجودی دانلود جزوه

پارسه شیرمحمدی دکتر کریمی نیکوفکر عبدالله زاده فاطمی قمی دانشگاه شریف پیام نور دانشگاه آزاد علمی کاربردی پورسعیدی گل محمدی مدرسان شریف خلاصه کتاب جزوه

- …: : • • • •  

- ً : • • -- ً ؟ ً () :

--- () --- ً -- : • • --- --- - به عامل زمان می توان به پنج دسته بشرح زیر تقسیم بندی کرد : 1) تغییرات روندی (Trend Variation) : روند به یک حرکت طولانی مدت به سمت بالا و یا پایین در داده ها اطلاق میشود . چنانچه تقاضای یک محصول در هر سال نسبت به سال قبل افزایش (کاهش) داشته باشد ، این تغییرات نشان دهنده تغییرات روندی در تقاضای این محصول است . 2) تغییرات فصلی (Seasonal Variation) : تغییرات منظم تقاضا در فصول (ماهها - هفته ها) مشخصی از دوره مورد نظر برای پیش بینی ، تغییرات فصلی نامیده میشود . 3) دانلود جزوه کنترل موجودی pdf نامنظم (Irregular Variation) : تغییرات غیر معمول مانند شرایط سخت آب و هوایی ، بحرانهای مالی و اقتصادی و ... که تابع نظم مشخصی نباشد ، تغییرات نامنظم نامیده میشوند . هرگاه که امکان پذیر باشد ، بایستی این نوع تغییرات در داده ها مشخص شده و از داده ها حذف شوند . 4) تغییرات دوره ای ((Cycle Variation : سیکل ها ، تغییرات موجی شکل در داده ها برای مدت بیش از یکسال هستند . این تغییرات اغلب مرتبط با یک متغیر اقتصادی ، سیاسی و حتی شرایط کشاورزی میباشند . 5) تغییرات تصادفی (Random Variation) : پس از تمامی انواع تغییرات در داده ها، تغییرات ناگهانی کوچک در تقاضا بعنوان تغییرات تصادفی در نظر گرفته .در پیش بینی بر مبنای گذشته از تکنیک های مختلفی استفاده می شود که با توجه به میزان دقت و حساسیت لازم در پیش بینی می توان از این تکنیک ها استفاده نمود . در ادامه به تشریح این تکنیک ها می پردازیم .

تقاضای واقعی دوره قبل (Naive Approach) در این روش ، پیش بینی تقاضای هر دوره را مساوی با مصرف واقعی دوره قبل فرض می کنیم . این روش ساده برای شرایطی که تقاضای واقعی دوره های گذشته تقریباً یکنواخت و با ثبات است ، مناسب میباشد . بعنوان مثال اگر تقاضا برای محصولی در هفته گذشته 20 واحد بوده ، پیش بینی تقاضا برای این هفته نیز معادل 20 واحد خواهد بود . البته در این روش تغییرات فصلی و تغییرات روندی را نیز در نظر گرفت . برای در نظر گرفتن تغییرات فصلی در این روش ، پیش بینی برای این فصل ، معادل تقاضای واقعی فصل مشابه در دوره گذشته خواهد بود . بعنوان مثال پیش بینی تقاضای میوه در هفته آخر اسفند ماه امسال ، معادل میزان تقاضای میوه در هفته مشابه سال گذشته در نظر گرفته خواهد شد . چنانچه داده های گذشته دارای تغییرات روندی باشند ، پیش بینی تقاضا برای این دوره معادل تقاضای واقعی دوره قبل بعلاوه اختلاف مابین مقادیر واقعی دانلود جزوه کنترل موجودی pdf دو دوره قبل خواهد بود . مثال زیر را در نظر بگیرید : پیش بینی تغییر نسبت به دوره قبل تقاضای واقعی دوره

(Simple Average) میانگین ساده در این روش جهت پیش بینی مقادیر تقاضا در هر دوره ، میانگین تقاضای واقعی دوره های قبلی را محاسبه میکنیم . این روش سطح تغییرات تصادفی را هموار کرده ، ولی در عین حال بطور کامل در مقابل روند تقاضا عکس العمل مناسب نشان نمیدهد .

Ft = t 1−1∑i 1t 1=− Ai وقتی که : شماره دوره :t تقاضای واقعی دورهAi : i پیش بینی تقاضای دوره Ft : t

(Moving Average) میانگین متحرک این تکنیک حد مابین روشهای تقاضای واقعی دوره قبل و میانگین ساده است . در روش ، میانگین یک تعداد از داده های واقعی آخرین دوره های گذشته ، مبنای محاسبه پیش بینی خواهد بود . دیگر ، میانگینی که با استفاده از اطلاعات جدید مرتباً به روز در آورده شود ، میانگین متحرک نامیده میشود . به عنوان مثال دوره پیش بینی را سه ماهه فرض کنید . برای پیش بینی میزان فروش در تیر ماه میانگین میزان فروش فروردین ، اردیبهشت و خرداد دانلود رایگان جزوه کنترل موجودی pdf محاسبه قرار می گیرد . برای پیش بینی میزان فروش در مرداد ماه ، میانگین میزان فروش اردیبهشت ، خرداد و • • --- ً --- - - - در نظر گرفتن تصحیحات فصلی از رابطه زیر استفاده : ضریب فصلی × مقدار پیش بینی میانگین متحرک = مقدار پیش بینی با اعمال ضریب فصلی مثال : تقاضای واقعی کالایی برای چهار سال گذشته بصورت جدول زیر داده شده است . با استفاده از روش میانگین متحرک چهار دوره ای و با در نظر گرفتن تغییرات فصلی ، پیش بینی تقاضا برای سال 1387 را محاسبه کنید . دوره تقاضای واقعی پیش بینی تقاضا میانگین تقاضای واقعی هر سال درصد تغییر تقاضای واقعی

پیش بینی تقاضای دوره های بعدی با اعمال ضریب دانلود جزوه تعلیم و تربیت در اسلام PDF بصورت جدول زیر خواهد بود . توجه داشته باشید که تقاضای واقعی هر دوره در انتهای آن دوره مشخص میگردد . دوره تقاضای واقعی پیش بینی تقاضا پیش بینی تقاضا با اعمال ضریب فصلی

(Weighted Moving Average) روش میانگین متحرک وزنی -4-4 در روش میانگین متحرک ، داده های دوره های مختلف ارزش یکسانی داشتند . در صورتی است داده های دوره های نزدیکتر ارزش بیشتری نسبت به داده های دوره های دورتر داشته باشند . برای رفع اینگونه نواقص از روش میانگین متحرک وزنی استفاده . در این روش برای تقاضای واقعی دوره های مختلف ، وزنهای متفاوت (ضرایب ارزشی متفاوت) قائل می شویم . بدین ترتیب تمام دوره ها در پیش بینی آینده تأثیر یکسان نخواهند داشت . این ضرایب برحسب تجربه بدست می آیند و معمولاً ضرایب مربوط به دوره های نزدیکتر را بزرگتر مربوط به دوره های دورتر را کوچکتر در نظر

مطلوبست پیش بینی تقاضا برای مهر ماه در صورتیکه دوره تناوب برابر 3 بوده و ضرایب وزنی دوره های ماقبل بصورت زیر داده شده باشد : w1 = 0.5, w 2 = 0.3, w3 = 0.2 . =400 530×0.2+500×0.3+600×0.5 = پیش بینی تقاضای مهر ماه 5-4- روش هموار سازی نمایی یا نمو هموار ساده روش نمو هموار ساده1 دانلود رایگان جزوه کنترل = − + (− )− + (− )− + (− )− +.... (−) :

URL: https://jozvahaw.ir/download/pdf/book/8c/

نویسنده: saman

امتیازدهی ویرایشگر:
4