Sie sind auf Seite 1von 70

Produktion und Logistik Prof. Dr.

Herbert Kotzab
Vorlesung Sommersemester 2021

Nachfrage-
prognose

Buchkapitel 2

Photo by William Iven on Unsplash


Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Zur Nachfrageprognose im Allgemeinen


Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Worum geht es?

Wozu werden Prognosen benötigt?

Was sind qualitative Prognosen, Kausalprognosen und


Zeitreihenprognosen und wie werden sie angewendet?

Welche Prognoseverfahren werden in welchen Situationen


eingesetzt?

Wie wird die Qualität einer Prognose gemessen?

3
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Wie wird sich die Nachfrage meiner


Produkte/Dienstleistungen entwickeln?

Mit einer Nachfrageprognose wird die zukünftige Entwicklung der


Nachfrage abgeschätzt.

Die Nachfrageprognose stellt die Grundlage fast aller Planungen


in einem Unternehmen dar.

Die Nachfrageprognose ist ein strukturierter Prozess.


Je nach Anwendung und Ziel der Prognose stehen unter-
schiedliche Verfahren zur Verfügung.
4
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Was ist daher eine Prognose?

Vorhersage eines zukünftigen Zustandes oder


zukünftigen Entwicklung eines Systems

auf der Grundlage des aktuellen Zustandes

und des Wissens um die vergangene


Entwicklung des Systems.

5
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Die Nachfrageprognose ist Ausgangspunkt


für viele weitere Planungsaufgaben

6
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Konsequenzen einer ungenauen


Nachfrageprognose

7
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Herausforderungen an eine
Nachfrageprognose

8
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Wie viele Cornetto Dragon werden im 3. Quartal 2020


im Kiosksegment verkauft?

9
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Und welcher Eistyp sind Sie?

10
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Nachfrageprognose – welche Art von


Informationen liegen vor?

11
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Die Arbeitsschritte zur Erstellung einer


(Nachfrage-) Prognose

Bestimmung des Prognoseziels

Festlegung des Zeithorizonts der Prognose

Auswahl des geeigneten Prognoseverfahrens

Erhebung der notwendigen Daten

Erstellung der Prognose


12
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Beispiele
Auswahl
Bestimmung Festlegung Erhebung Erstellung Überwachung
Prognose-
Prognoseziel Zeithorizont Daten Prognose Prognose
verfahren
Fluggesellschaft
Jährliche
Jährliche
Nachfrage in Historische Daten
Bestimmung Qualitative Experten- Überprüfung und
Personenkilo- und Experten-
Flottenkapazität Prognose schätzung Plausibilitäts-
meter über 20 meinungen
check
Jahre
Telekommunikationsunternehmen
Anzahl
Monatlicher
Ermittlung des installierter
Reparaturbedarf Lineare Monatliche
Bedarfs an Kausalprognose Systeme und
in Mitarbeitern Regression Überprüfung
Servicepersonal Ausfallraten der
über 1 Jahr
Systeme
Lebensmittelhandelsunternehmen
Tägliche
Einfache
Ermittlung der Nachfrage in Zeitreihen- Point-of-Sale Tägliche
Exponentielle
Bestellmengen Stück über 30 prognose Daten Überwachung
Glättung
Tage 13
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Welche Art von Nachfrage soll vorhergesagt


werden?

Räumlicher/Zeitlicher Bedarf

• Wo wird ein Produkt benötigt?


• Wann wird ein Produkt benötigt?

Regelmäßiger und unregelmäßiger Bedarf

Abhängiger und unabhängiger Bedarf

Auf welcher Recheneinheit basiert die Vorhersage?

• Geldeinheiten – Verkauf
• Gewicht/Volumen/Stück – Transport/Lager
14
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Jede Prognose liefert falsche Ergebnisse!!!

15
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

16
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Achtung:

17
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Prognosemethoden

18
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Überblick zu Prognosemethoden
(-verfahren bzw. -techniken)

19
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Qualitative Prognosemethoden

Werden eingesetzt, wenn keine


Vergangenheitsdaten verfügbar
sind oder diese Daten nicht zur
Prognose geeignet sind.

Beispiel: Prognose der


Nachfrage nach einer neuen
Technologie

20
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Vertriebsschätzung

Vertriebsmitarbeiter haben regelmäßigen


und häufig auch direkten Kontakt zu
Grundgedanke Kunden. Daher können sie gute
Informationen über deren Nachfragen
erheben.

Vertriebsmitarbeiter geben individuelle


Vorgehen
Prognosen ab, die dann zu einer
Gesamtprognose zusammengefasst
werden.

21
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel
Projekt Projektvolumen Wahrschein- Erwartungswert
(PV) Mio € lichkeit (p) % (E) Mio € *)
Produk-
1,2 30 0,36
tentwicklung VAG
Supply Chain
Management 0,8 10 0,08
WAG
Optimierung
1,0 100 1,00
Beschaffung XAG
Halbierung
2,4 50 1,20
Durchlaufzeit YAG
Turnaround
2,0 30 0,60
Operations ZAG
Gesamt 3,24
*) E = PV x p
22
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Zeitreihenanalyse

23
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Einsatz von quantitativen Prognosemethoden

Welche Daten bzw. Datenmuster liegen vor?


• Eignung für Zeitreihen/Kausalmodelle?
• Eignung für statistische Verfahren?

Was ist der Zeithorizont?

• kurz-/mittel-/langfristig?

Welcher Aufwand ist nötig?

Welche Genauigkeit wird verlangt?


24
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Verbrauchsbezogene Methode der


Bedarfsprognose

Mathematisch- Dabei werden Die Annahme wird


statistische vergangene getroffen, dass die
Methoden, die zur Beobachtungs- vergangene
Ermittlung werte, die über Entwicklung auch
zukünftiger einen bestimmten in ähnlicher Weise
Verbrauchswerte Zeitraum vorliegen zukünftig eintritt
herangezogen (= Zeitreihe) (= Extrapolation)
werden untersucht
25
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Generelle Vorgehensweise bei einer


Zeitreihenanalyse

26
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Generelle Methoden der Zeitreihenanalyse

Statisch Die geschätzten Werte für


die Konstante (Level), Trend
und Saison bleiben Zeitreihendekomposition
unverändert, obwohl ein
neuer Bedarfsverlauf
festgestellt wird

Die zu schätzenden Werte


Adaptiv

(Level, Trend, Saison) Gleitende Durchschnitte,


verändern sich, sobald ein Einfache Exponentielle Glättung,
neuer Bedarfsverlauf Holts Modell, Winters Modell
festgestellt wird

27
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Einflussfaktoren auf eine Zeitreihe

28
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Erläuterungen zu den Komponenten einer


Zeitreihe

gleichförmige, kontinuierliche Zu- oder Abnahme einer


Trend (Tr) Variablen über mehrere Zeitperioden hinweg.

kurzzeitige Bewegungen, die regelmäßig (z.B.


Saison (S) jahreszeitenbedingt) in etwa den gleichen Höhen (= Maxima)
und Tiefen (= Minima) durchlaufen.

im langfristigen Rhythmus wiederkehrende


Zyklus (Cy) Datenschwankung, die sich über Zeiträume von mehreren
Jahren erstreckt.
Zufall (ε)
„Ungereimtheiten“ in der Zeitreihe, die keine Regelmäßigkeit
(Störgröße, erkennen lassen und sich nicht vorhersagen lassen.
Noise)
29
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Analyse der Zeitreihenstruktur

Ermittlung des Zeitreihenverlaufs


• Regelmäßiger/unregelmäßiger Verlauf?

Ermittlung der Ursachen für Zeitreihenmuster


• Verkaufshistorie
• Variationen in der Nachfrage
• Werbeaktionen, saisonale Schwankungen, Produktionsstillstand,
Änderungen im Kaufverhalten, veränderte Marktbedingungen, ...

Einholen von Informationen über Pläne anderer


Geschäftsbereiche

30
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Wie kann ich den Verlauf einer Zeitreihe


beurteilen?

𝜎 𝑀𝐴𝐷
𝑉𝑎𝑟𝐾𝑜𝑒𝑓𝑓 · 100 𝑆𝑃
𝑥̅ 𝑥̅

Ein Variationskoeffizient
(VarKoeff) < .1 zeigt eine
geringe Streuung an, d.h. die Ein Störpegel (SP) > .5 zeigt
Verteilung der Variablen ist einen stark schwankenden
relativ homogen – auf Bedarf an.
Zeitreihen umgelegt: ein
regelmäßiger Verlauf!
31
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Sporadischer Bedarf?

Abhängig vom Anteil der


Perioden, in denen
überhaupt kein Bedarf
auftritt.

Bei einem Anteil


zwischen 30 und 40 %
liegt sporadischer Bedarf
vor!
32
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Prognose
regelmäßiger
Bedarf

Konstanter Verlauf Trend Saison

Gleitende Zeitreihen-
Lineare Regression
Durchschnitte dekomposition

Einfache Doppelt Dreifach


Exponentielle Exponentielle Exponentielle
Glättung Glättung Glättung 33
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Überblick zu quantitativen
Prognosemethoden für Zeitreihen
Methode Beschreibung
Naive Methode
Einfache Fortführung der Vergangenheit; +/- Anpassungen
Random Walk

Bilden eines Durchschnitts der vorhandenen


Durchschnittsbildung
Vergangenheitswerte
Glättung einer Zeitreihe auf Basis gleichbleibender
Gleitender Durchschnitt
Zeitperioden
Gewichteter Durchschnitt Glättung einer Zeitreihe auf Basis gewichteter Zeitperioden
Glättung einer Anzahl von Datenpunkten und Gewichtung
Exponentielle Glättung
vergangener und gegenwärtiger Beobachtungen
Einfaches Kausalmodell, um eine lineare Beziehung
Lineare Regression
y = a + bx zu schätzen
34
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Naive Methode (I+II)

Die prognostizierte Nachfrage der nächsten Zeitperiode entspricht


der tatsächlichen Nachfrage der vergangenen Zeitperiode
(= Naive Methode I)
• Nachfrage im März 2020 = 68;
• Prognostizierte Nachfrage für April 2020 = 68

Die prognostizierte Nachfrage der nächsten Zeitperiode entspricht


der tatsächlichen Nachfrage der vergangenen Zeitperiode +/-
Abweichungen (= Naive Methode II)
• Nachfrage im März 2020 = 68;
• Prognostizierte Nachfrage für April 2020 = 68 + 5 %

Wird oft als erster Anknüpfungspunkt für die Nachfrageprognose


verwendet

35
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Methode der gleitenden bzw. gewichteten


Durchschnitte
Einfache Exponentielle Glättung
Regelmäßiger konstanter Bedarfsverlauf

36
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Grundidee

Wir beobachten eine schwankende Nachfrage um ein


konstantes Bedarfsniveau y, das sich durch folgendes
Prognosemodell abbilden lässt: 𝑦 𝑎 𝜀

Die irreguläre Komponente εt beinhaltet die nicht


erklärbaren Einflüsse, mit denen die Zeitreihe
unregelmäßig um das konstante Niveau a schwankt.

Die Aufgabe besteht nun darin den Parameter a der


Prognosefunktion durch einen Schätzwert 𝛼 zu
approximieren.
37
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Arithmetischer Mittelwert

Die Vorhersage für die nächste Periode ergibt sich


aus einer einfachen Durchschnittswertbildung
zurückliegender Perioden.

38
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Gleitende Durchschnitte

Erweiterung des
Eine konstante Anzahl
gewogenen
von Periodenwerten T
arithmetischen Mittels
bewegt sich um eine
durch Verwendung
Periode weiter.
der Fenstertechnik.

39
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel; T = 3

Periode t 1 2 3 4 5 6 7 8 9 10 11 12

Menge in t 100 104 96 104 96 105 99 104 98 106 97 103

40
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel; T = 3

96 104 100
y4   100
3

104  96 104
y5   101,33
3

96 104  96
y6   98,67
3


103  97 106
y 13   102
3

41
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Bestimmung eines guten T-Wertes

• Prognose reagiert sehr nervös auf


Schwankungen der Nachfrage
Sehr kleines T • Nachfrageinformationen, die in
(Extremfall T = 1) Vergangenheitsdaten enthalten sind, gehen
zu einem Großteil verloren

• Prognose reagiert kaum auf Änderungen der


Sehr großes T Nachfrage
(Extremfall gesamte
• Auch sehr alte Daten werden genauso hoch
Nachfragehistorie) gewichtet wie sehr aktuelle Daten

42
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Gewichteter gleitender Durchschnitt

Statt alle Vergangenheitswerte gleich zu beurteilen,


werden hier Gewichtungen durchgeführt.
Sollen jüngere Werte stärker oder schwächer in die
Prognose eingehen?

43
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel

Periode t 1 2 3 4 5 6 7 8 9 10 11 12

Menge in t 100 104 96 104 96 105 99 104 98 106 97 103

Gewichte
• Letzte Woche = 3
• Zwei Wochen davor = 2
• Drei Wochen davor = 1

44
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

… Fortsetzung

45
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Exponentielle Glättung 1. Ordnung

Angenommene Glättung zwischen Vorhersage und


tatsächlichen Werten durch Einsatz des Glättungsfaktors α

Durch die Einbindung der Exponentialfunktion werden


Vergangenheitswerte berücksichtigt

𝑦𝑛= Vorhersagewert für die nächste Periode


𝑦 Vorhersagewert der letzten Periode
𝑦𝑛= 𝑦 𝛼· 𝑇 𝑦 ) 𝛼 Glättungsfaktor 0 𝛼 1
𝑇 = Tatsächlicher Verbrauch der letzten Periode

46
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Berücksichtigung aller vergangenen


Einflüsse
Annahmen

• alle vorherigen Monate werden berücksichtigt


• aktuelle Werte sollen stärker einfließen

„Glättungsfaktor“ 0 α 1

• steuert die Gewichtung der historischen Werte und gibt an, welcher Bruchteil des
Prognosefehlers in die neue Prognose eingehen soll

Gewichtungen bei der Berechnung von ŷt

• yt-1 wird mit α yt-1 berücksichtigt


• yt-2 wird mit α(1-α)yt-2 berücksichtigt
• yt-3 wird mit α(1-α)(1-α)yt-3 berücksichtigt
• ...

47
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel

Periode t 1 2 3 4 5 6 7 8 9 10 11 12

Menge in t 100 104 96 104 96 105 99 104 98 106 97 103

α = 0,3

1. Prognosewert wird heuristisch ermittelt,


hier mit der Naiven Prognose I für Periode 2.

48
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

… Fortsetzung


y 2  100

y 3  100  0,3(104 100)  101,2

y 4  101,2  0,3(96 101,2)  99,64

y 5  99,64  0,3(104  99,64)  100,95

49
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Bestimmung eines guten Glättungsfaktors

• Prognose reagiert kaum auf Änderungen der


Sehr kleines α: Nachfrage
• α = 0  die letzte Prognose übernommen.

• Prognose reagiert sehr nervös auf


Schwankungen der Nachfrage
Sehr großes α: • α = 1  der letzte Bedarfswert
übernommen.

In der Praxis haben sich für den Glättungsparameter α Werte zwischen 0,1 und 0,3 als
tauglich erwiesen.
50
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Regressionsanalyse
Doppelt Exponentielle Glättung

Regelmäßiger Bedarfsverlauf mit Trend

51
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Kurze Vorstellung zur Linearen Regression

https://www.youtube.com/watch?v=zPG4NjIkCjc

52
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Lineare Regression

Lineare Abhängigkeit des Bedarfsverlaufs von


der Zeit (oder einer anderen Einflussgröße).

Gesucht wird die Regressionsgerade, bei der


die Summe der Abstandsquadrate zwischen
den tatsächlichen Werten und den Werten der
Regressionsgeraden minimal sind.

• Ti = Bedarfswerte der Vergangenheit


• a = Konstante der Regressionsgeraden,
b = Steigung

53
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

„Spezialfall“: Kausalanalyse

Werden eingesetzt, wenn


die Nachfrage eines
Produktes/ Services auf
Basis einer bekannten
Größe prognostiziert
werden kann.

54
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel (I)
Monat (t) Absatz (Y)
1 80
2 95
3 90
4 105
5 110
6 108
7 121
8 115
9 130
10 126
11 134
12 143
55
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel (II)
Monat (x) Absatz (y) x2 xy

1 80 1 2478 Schnittpunkt der


2 95 4 4146 Regressionsgerade:
3 90 9 6144 a  y  bx
4 105 16 10728
5 110 25 19325
Anstieg der
6 108 36 16608
Regressionsgerade:
7 121 49 19558
8 115 64 24720 n n n
9 130 81 31743 n  xi y i   xi  y i
10 126 100 30980 b  i 1 i 1 i 1
11 134 n  n 2
12 143 n  x 2    xi 
i  
55 28423 385 166430 i 1 i  1 
y = 80,15 + 5,07x 56
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Doppelte Exponentielle Glättung

Zwei Glättungsfaktoren
Berücksichtigt ebenso α und β, wobei β die Auch als Holt-
einen linearen Trend Trendkomponente Verfahren bekannt
schätzt

57
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Dekomposition von Zeitreihen


Dreifach Exponentielle Glättung

Regelmäßiger Bedarfsverlauf mit saisonalen Schwankungen

58
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Beispiele für Zeitreihendekomposition

59
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Zerlegung der Zeitreihe in ihre Bestandteile

Additives Modell
• Prognose = Niveau + Trend + Saison + irreguläre Komponente

Multiplikatives Modell

• Prognose = Niveau * Trend * Saison * irreguläre Komponente

Gemischtes Modell

• Prognose = Trend * Niveau + Saison + irreguläre Komponente


60
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Zeitreihenzerlegung – Vorgehensweise

Schätzung des Trends und Ermittlung des Niveaus

Ermittlung der Abweichungen zwischen tatsächlichem Verlauf und


geschätztem Verlauf

Schätzung der Saisonkomponente durch Ermittlung des Saisonfaktors durch


Mitteln der entsprechenden Abweichungen

Einsetzen in das Gesamtmodell

61
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Dreifach Exponentielle Glättung

Weiterführung der Exponentiellen Glättung 2. Ordnung durch


zusätzliche Berücksichtigung eines Saisonfaktors; auch als Holt-
Winters-Modell bekannt

Insgesamt müssen drei Parameter geschätzt werden:

• das Niveau
• die Steigung (=Trend)
• die Saison

62
Fachbereich 07
Lehrstuhl für ABWL und
Logistikmanagement

Ermittlung des Prognosefehlers


Unterschiedliche Arten von
Prognosefehlern
Bestimmung der Prognosequalität

63
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Worauf ist bei der Wahl der


Prognosemethode zu achten?
Jede Prognose liefert ein
„falsches“ Ergebnis –
Die Art des
Nachfrageverlaufs daher gilt es den
bestimmt die Prognosefehler zu
Prognosemethode. minimieren und mit der
besten Datenqualität zu
arbeiten.

Das Aggregationsniveau
beeinflusst die
Verlaufskurve der
Zeitreihe – Problem der
Glättung!

64
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Warum ist eine Prognose fehlerbehaftet?

Es wurde ein ungeeignetes Verfahren


Spezifikationsfehler eingesetzt

Strukturbruch Der Bedarfsverlauf veränderte sich abrupt

Schätzfehler in den Der falsche Vergangenheitszeitraum wurde


Modellparametern gewählt

65
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Ermittlung des Prognosefehlers

Liegt eine systematische


Abweichung der
Wie ist die Streuung des
Prognosewerte von den
Prognosefehlers?
beobachteten Werten
vor?

66
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Prognosefehlermaße

Durchschnittliche ∑𝑒
quadratische 𝑀𝑆𝐸
Abweichung (MSE) 𝑛

Durchschnittliche ∑𝑒
absolute 𝑀𝐴𝐷
Abweichung (MAD) 𝑛
𝑦 𝑃
Durchschnittliche ∑ 𝑒
𝑃
prozentuale 𝑀𝐴𝑃𝐸
Abweichung (MAPE) 𝑛
67
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Tracking Signal/Abweichungssignal

Kumulierter Prognosefehler
TS 
MAD
68
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Anwendungsbeispiel
kum. Abs. abs.
Tats. Progn.
Periode Fehler Kum. Fehler Prognose- Prognose- MAD
Bedarf Bedarf
fehler fehler

1 90 100 -10 -10 10 10 10

2 95 100 -5 -15 5 15 7,5

3 115 100 15 0 15 30 10

4 100 110 -10 -10 10 40 10

5 125 110 15 5 15 55 11

6 140 110 30 35 30 85 14,16

69
Produktion und Logistik Prof. Dr. Herbert Kotzab
Vorlesung Sommersemester 2021

Tracking Signal Beispiel


kum. Abs. abs.
Tats. Progn. Kum.
PeriodeTracking Fehler Prognose- Prognose- MAD
Bedarf Bedarf Fehler
fehler fehler
Signal
1 (Kum.Fehler/MAD)
90 100 -10 -10 10 10 10

2 -10/10
95 = -1100 -5 -15 5 15 7,5

-15/7,50 = -2
3 115 100 15 0 15 30 10
0/10 = 0
4
-10/10
100
= -1110 -10 -10 10 40 10
+5/11 = +0,50
5 +35/14,16
125 = +2,47
110 15 5 15 55 11

6 140 110 30 35 30 85 14,16

Der Akzeptanzbereich wurde zuvor mit +/- 4 MADs festgelegt.

Daher liegen - 2 und + 2,5 im akzeptablen Bereich.

70

Das könnte Ihnen auch gefallen