Zusammenfassung
Absatz ist die Abgabe von Leistungen an die betriebliche Umwelt, den Absatzmarkt1. Der monetäre Gegenwert der abgesetzten Leistungen, der wertmäßige Absatz, wird durch den Umsatzerlös repräsentiert.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Diederich, H., Allgemeine Betriebswirtschaftslehre II, Stuttgart 1970, S. 94 ff.
Mischfuttermittel sind Repetierfaktoren für die agrarische Veredelungsproduktion.
Vgl. Kapferer C., Disch, W. K. A., Absatzprognose, Köln und Opladen 1966, S. 33 f.
Zum Zusammenhang zwischen Planung und Prognose vgl.: Lechner, K., Prognose und Planung in der Unternehmung, in: Wirtschaftsdienst, 44. Jg. (1964), Nr. 8, S. I-V, insbesondere S. II; Graf H_, Die kurzfristige Absatzprognose als Bestandteil der Planung in der Konsumgüterindustrie, Zürich 1969, S. 12 ff.
Vgl. Graf, H., a.a.O., S. 2 und S. 75 ff.
Ein Prognosemodell läßt sich als “gut” und die damit erstellten Prognosen als “hinreichend genau” bezeichnen, wenn zumindest der Mittelwert der Prognosegrößen im Zeitablauf dem Mittelwert der Beobachtungsgrößen entspricht
Vgl. hinsichtlich des Kriteriums der hinreichenden Genauigkeit der Prognoseresultate die theoretische Untersuchung von Klein, W., Prognosen nach dem Prinzip der exponentiellen Ausgleichung für nichtsaisonale Zeitreihen der Absatzwirtschaft bei konstantem und linearem Trend, Diss. Münster 1970, S. 55 ff, S. 64 ff.
Das entscheidende Merkmal der Gebrauchsgüter liegt darin, daß sich ihre Bestände kumulieren und einen doppelten direkten Effekt auf den zukünftigen Absatz ausüben: einerseits erlischt der Neubedarf sobald die Sättigungsgrenze erreicht wird oder wächst nur noch mit der Bevölkerungszunahme oder der Marktausdehnung; andererseits lassen hohe Bestände einen hohen Ersatzbedarf erwarten, der mit einer nutzungsdauerabhängigen Verzögerung einsetzt. Je höher das erreichte Sättigungsniveau liegt, desto größer ist auch der Echoabsatz im Gesamtabsatz. (Vgl. Fiedler, J., Prognosemethoden für die Bestands- und Absatzentwicklung neuer Produkte, in: Forschen, Planen, Entscheiden, Zeitschrift für praktische Marktforschung, 3. Jg. (1967), Nr. 1 (Feb.), S. 13 ff).
Unter einem Käufermarkt (buyers market) ist eine Marktsituation mit einem Anngebotsüberschuß bzw. freien Produktionskapazitäten zu verstehen. Vgl. dazu das Stichwort “Käufermarkt”, in: Dr. Gablers Wirtschafts-Lexikon, 1. Bd., B. Aufl., Hrsg.: Sellien, R. und H., Wiesbaden 1971, S. 2157.
Es ist zu beachten, daß sich der gleitende Mittelwert St auf die Mitte des gleitenden Zeitintervalls bezieht, das jeweils n Glieder umfaßt. Bei ungerader Glieder- oder Periodenzahl n hinkt der gleitende Mittelwert 1/2 (n-1) Perioden hinterher, wie aus folgendem Beispiel hervorgeht:
Einfache, gleichmäßig gewichtete, gleitende Durchschnitte besitzen den Nachteil, daß jeder Absatzgröße Xt nur solange ein gleicher Erklärungswert für Prognosezwecke beigemessen wird, bis sie ein Alter von t-n+1 Perioden überschritten hat. Solche Mittelwerte reagieren empfindlich auf den Einschluß (Ausschluß) der ältesten bzw. jüngsten einbezogenen Absatzgröße. Bei einer einmaligen, sprunghaften Veränderung des Absatzes wird dieser n Perioden lang systematisch unter- oder überschätzt. Das gleiche gilt, wenn Trendeinflüsse vorhanden sind. Vgl. dazu May, A., Total Systems and Decision Making, in: Computer Science for Management, Hrsg.: A. Fletcher, London 1967, S. 173–224, hier S. 185 ff.
Vgl. dazu Chedzey, C.S., Science in Management; Some Applications of Operational Research and Computer Science, London 1970, S. 94.
Vgl. Brown, R.G., Statistical Forecasting for Inventory Control, New York, Toronto, London 1959, S. 45–51;
Brown, R.G., Less Risk in Inventory Estimates, in: Harvard Business Review, Vol. 37 (1959), July-Aug., S. 104–116;
Brown, R.G., Smoothing, Forecasting and Prediction of Discrete Time Series, Englewood Cliffs, N.J., 1963, S. 132 ff (Multiple Smoothing);
Box, G.E.P., Jenkins, G.M., Some Statistical Aspects of Adaptive Optimization and Control, in: Journal of the Royal Statistical Society, Series B, Vol. 24 (1962), Nr. 2, S. 297–331;
Winters P.R., Forecasting Sales by Exponentially Weighted Moving Averages, in: Management Science, Vol. 6 (1960), Nr. 3 (April), S. 324–342.
Vgl. Ward, D.H., Comparision of Different Systems of Exponentially Weighted Prediction, in: The Statistican, Vol. 13 (1963), Nr. 3, S. 173–185, insbesondere S. 178, Tab. 1.
Vgl. Harrison, P.J., Short-term Sales Forecasting, in: Applied Statistics, Vol. 14 (1965), Nr. 2/3, S. 102–139.
Vgl. Winters, P.R., a.a.O., S. 326 ff.
Vgl. Guthrie, T.L., Initial Forward Planning Strategy and Successive Review by the Commercial Feed Firm Utilizing a Static Compacted Linear Programming Model, Diss. Purdue-University, La ayette, Indiana, 1970, S. 63–98 und S. 195–199.
Vgl. Winters, P.R., a.a.O., S. 327.
Vgl. Winters, P.R., a.a.O., S. 326.
Der Konflikt zwischen Stabilität (Smoothing) und Sensibilität (Lag) existiert analog auch bei den Verfahren gleitender Mittelwerte: die Sensibilität nimmt mit steigender Gliederzahl ab und umgekehrt. Folgende Beziehung besteht zwischen der Glättungskonstanten A und der Gliederzahl n eines einfachen, gleichmäßig gewichteten, gleitenden Mittelwerts: n = ? — 1 oder A = An1 (Vgl. dazu Niland, P., Production Planning, Scheduling and Inventory Control, London, Toronto 1970, S. 194.)
Vgl. Brown, R.G., Smoothing, Forecasting and Prediction of Discrete Time Series, a.a.O., S. 102.
Vgl. Schmidt, H.E., Der Einsatz von Computern in der Absatzwirtschaft, in: Wirtschaftsdienst, 46. Jg. (1966), Nr. 8, S. 449–455, hier S. 454 (Programmablaufplan). 4 Der mittlere absolute Prognosefehler (Mean Absolute Deviation) MAD ist für eine gegebene Periode t wie folgt definiert: MAD t = 1 E , n k k = t-n+1 wobei n die Zahl der Prognosefehler Ek angibt, die bei der Durchschnittsbildung berücksichtigt wird.
Vgl. Klein, W., a.a.O., S. 55 ff.
Der Trendeinfluß in einer Reihe äußert sich häufig darin, daß der kumulierte Prognosefehler CUSUM im Zeitablauf von Null verschieden ist. CUSUM ergibt sich durch Addition von Prognosefehlern Ek über n frühere Prognoseperioden: CUSUMt = Ek k = t-n+1 (Vgl. zum kumulierten Prognosefehler insbesondere Harrison, P.J., Davies, O.L., The Use of Cumulative Sum (CUSUM) Techniques for Control of Routine Forecasts of Product Demand, in: Operations Research, Vol. 12 (1964), Nr. 2, S. 325–333).
Vgl. zu dieser Verfeinerung Winters, P.R., a.a.O., S. 330.
Bei wöchentlichen (monatlichen) Daten umfaßt L, die Saisonperiode, 52 (12) Subperioden. 2 Vgl. Winters, P.R., a.a.O., S. 328.
Vgl. Winters, P.R., a.a.O., S. 328.
Vgl. zur Selektion der Gewichte und Anfangswerte: Winters, P.R., a.a.O., S. 331–339; Holt, C.C., Modigliani, F., Muth, J.F., Simon, H.A., Planning Production, Inventories and Work Force, Englewood Cliffs, N.J. 1960, S. 258–271, hier S. 265 f.
Vgl. Guthrie, T.L., a.a.O., S. 63–98, S. 195–199.
Vgl. Holt, C.C., Modigliani, F., Muth, J.F., Simon, H.A., S. 78.
Vgl. Holt, C.C., Modigliani, F., Muth, J.F., Simon, H.A., S. 80.
Vgl. Holt, C.C., Modigliani, F., Muth, J.F., Simon, H.A., S. 79.
Vgl. Guthrie,T.L., a.a.O., S. 82 f.
Vgl. Trigg, D.W., Leach, A.G., Exponential Smoothing with Adaptive Response Rate, in: Operational Research Quarterly, Vol. 18 (1967), Nr. 1 (March), S. 53–59, hier S. 55.
Vgl. Trigg, D.W., Monitoring a Forecasting System, in: Operational Research Quarterly, Vol. 15 (1964), Nr. 3 (Sept.), S. 271–274, hier S. 272.
Vgl. zur Berechnung von Fehlergrenzen für das “Tracking Signal”: Batty, M., Monitoring an Exponential Smoothing Forecasting System, in: Operational Research Quarterly, Vol. 20 (1969), Nr. 3 (Sept.), S. 319–326, insbesondere S. 323.
Vgl. Shone, M.L., Brief an Opl. Res. Quart. (Viewpoints), in: Operational Research Quarterly, Vol. 18 (1967), Nr. 3, S. 318–319.
Vgl. D’Amico, P., Forecasting System Uses Modified Smoothing, in: IE, Industrial Engineering, Vo1.3 (1971), Nr. 6 (June), S. 15–20.
Vgl. ebenda, S. 18.
Vgl. D’Amico, P., a.a.O., S. 19. 2 Vgl. D’Amico, P., 3 Vgl. ebenda.
Vgl. Alvarado, V.J., Application of Exponential Smoothing to Forecasting Sales of Feed, Master’s Thesis, Kansas State University, Manhattan, Kansas, 1972, S. 34.
Ein origineller Anpassungsmechanismus, “Parameter Pertubation Technique” genannt, ist z.B. von CHOW vorgeschlagen worden. Vgl. Chow, W.M., Adaptive Control of Exponential Smoothing Constant, in: Journal of Industrial Engineering, Vol. XVI (1965), Nr. 5 (Sept.-Oct.), S. 314–317, insbesondere S. 314 f.
Ein ähnlicher Anpassungsmechanismus (“Floating Alpha Method’’), der ebenfalls auf dem absoluten Prognosefehler als Fehlerstatistik beruht, ist von ALVARADO konstruiert worden. Vgl. dazu Alvarado, V.J., a.a.O., S. 35 f.
Rights and permissions
Copyright information
© 1974 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Thormählen, M.V. (1974). Prognosemodelle auf der Grundlage der Exponentiellen Glättung für Mischfutterbetriebe. In: Ein computergestütztes Produktionsplanungssystem für Rezepturbetriebe. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-96330-7_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-96330-7_5
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-409-34242-1
Online ISBN: 978-3-322-96330-7
eBook Packages: Springer Book Archive