Capítulos Quatro (MC e TF) Quais dois números estão contidos no relatório diário para o CEO da Walt Disney Parks amp Resorts sobre os seis parques de Orlando a. Ontem prevê presenças e ontem assistências reais b. Presença atual de ontem e presença prevista de hoje c. Ontem previsões de presença e previsão de presença de hoje d. Presença atual de ontem e presença atual de e. Ontem previsões de atendimento e do ano-a-dia erro de previsão média diária Uma previsão média móvel de seis meses é melhor do que uma previsão média móvel de três meses se a demanda a. É bastante estável b. Tem mudado devido aos recentes esforços promocionais c. Segue uma tendência descendente d. Segue um padrão sazonal que se repete duas vezes ao ano e. Segue uma tendência ascendente Para uma determinada demanda de produto, a equação da tendência da série de tempo é 53 - 4 X. O sinal negativo na inclinação da equação a. É uma impossibilidade matemática b. É uma indicação de que a previsão é tendenciosa, com valores de previsão inferiores aos valores reais c. É uma indicação de que a demanda por produtos está em declínio d. Implica que o coeficiente de determinação também será negativo e. Implica que o RSFE será negativo Qual das seguintes afirmações é verdadeira com relação às duas constantes de suavização do modelo Forecast Including Trend (FIT) a. Uma constante é positiva, enquanto a outra é negativa. B. Eles são chamados MAD e RSFE. C. O alfa é sempre menor do que o beta. D. Uma constante suaviza a intercepção de regressão, enquanto a outra suaviza a inclinação de regressão. E. Os seus valores são determinados de forma independente. A demanda por um determinado produto está prevista para ser de 800 unidades por mês, em média durante todos os 12 meses do ano. O produto segue um padrão sazonal, para o qual o índice mensal de janeiro é de 1,25. Qual é a previsão de vendas ajustada sazonalmente para janeiro a. 640 unidades b. 798.75 unidades c. 800 unidades d. 1000 unidades e. Não pode ser calculado com as informações fornecidas. Um índice sazonal para uma série mensal está prestes a ser calculado com base em três anos de acumulação de dados. Os três valores anteriores de julho foram 110, 150 e 130. A média de todos os meses é 190. O índice sazonal aproximado para julho é a. 0,487 b. 0,684 c. 1,462 d. 2,053 e. Não pode ser calculado com as informações fornecidas. Gestão de Oportunidades - Capítulo 3 Qual das seguintes opções seria uma vantagem de usar uma força de vendas compostas para desenvolver uma previsão de demanda A. O pessoal de vendas é menos afetado pelas mudanças nas necessidades do cliente. B. A força de vendas pode facilmente distinguir entre desejos do cliente e ações prováveis. C. A equipe de vendas está sempre ciente dos planos futuros dos clientes. D. Os vendedores são menos susceptíveis de serem influenciados por acontecimentos recentes. E. Os vendedores são menos susceptíveis de serem influenciados pelas quotas de vendas. C. A equipe de vendas está sempre ciente dos planos futuros dos clientes. Membros da força de vendas devem ser as organizações mais estreitas link com seus clientes. Qual frase descreve mais de perto a técnica de Delphi A. previsão associativa B. inquérito ao consumidor C. série de questionários D. desenvolvido na Índia E. dados históricos C. série de questionários Os questionários são uma forma de promover um consenso entre as perspectivas divergentes. O que não é uma característica de médias móveis simples aplicadas aos dados de séries temporais A. suaviza variações aleatórias nos dados B. pondera cada valor histórico igualmente C. retarda mudanças nos dados D. requer apenas os últimos períodos previsão e dados reais E. suaviza real Variações nos dados D. exige apenas os últimos períodos de previsão e dados reais As médias móveis simples podem exigir vários períodos de dados. Na suavização exponencial ajustada à tendência, a previsão ajustada pela tendência consiste em: A. uma previsão exponencialmente suavizada e um fator de tendência alisada. B. uma previsão exponencial suavizada e um valor de tendência estimado. C. a previsão antiga ajustada por um fator de tendência. D. a previsão antiga e um fator de tendência suavizada. E. uma média móvel e um fator de tendência. A. uma previsão exponencial suavizada e um fator de tendência suavizada. Tanto a variação aleatória como a tendência são suavizadas nos modelos TAF. No modelo aditivo de sazonalidade, a sazonalidade é expressa como um ajuste à média no modelo multiplicativo, a sazonalidade é expressa como um ajuste à média. A. quantidade percentual B. quantidade percentual C. quantidade quantidade D. porcentagem porcentagem E. qualitativa quantitativa A. quantidade percentual O modelo aditivo simplesmente acrescenta um ajuste sazonal à previsão dessazonalizada. O modelo multiplicativo ajusta a previsão dessazonalizada multiplicando-a por um relativo à estação ou índice. Técnicas de previsão geralmente assumem: A. a ausência de aleatoriedade. B. continuidade de algum sistema causal subjacente. C. uma relação linear entre tempo e demanda. D. precisão que aumenta o mais longe no tempo os projetos de previsão. E. exatidão que é melhor quando itens individuais, em vez de grupos de itens, estão sendo considerados. B. continuidade de algum sistema causal subjacente. As técnicas de previsão geralmente assumem que o mesmo sistema causal subjacente que existia no passado continuará a existir no futuro. Uma abordagem gerencial em relação à previsão que procura ativamente influenciar a demanda é: A. reativa. B. proativo. C. influente. D. prolongado. E. retroativo. Simplesmente respondendo à demanda é uma abordagem reativa. Série de tempo Alisamento exponencial versus média móvel - o método de suavização exponencial fornece valores suavizados para todos os períodos de tempo observados - o método da média móvel não fornece valores suavizados (valores médios móveis) para o primeiro e Último conjunto de períodos - ao suavizar a série temporal no tempo t, a suavização exponencial considera todos os dados disponíveis em t (yt, yt-1.) Enquanto que o método da média móvel considera apenas as observações incluídas no cálculo do valor médio. O componente de tendência de uma série temporal pode ser linear ou não linear É fácil isolar o componente de tendência usando Para tendência linear use o modelo Para tendência não linear com uma mudança (principal) de inclinação use o modelo quadrático Para medir sua componente de tendência , Comece por renomear seus anos 1,2,3 ect Para identificar variação cíclica, usamos a porcentagem de trincheira - determine a linha de tendência (por regressão) - compute o valor de tendência yt para cada período t - calcula a porcentagem de tendência por (ytyhat (T)) 100 Procedimento para a seleção do modelo - use algumas das observações para desenvolver vários modelos de forcasting concorrentes - execute os modelos no restante das observações - calcule a precisão de cada modelo usando o critério MAD e SSFE - use o modelo que gera O menor valor MAD, a menos que seja importante evitar (até mesmo alguns) grandes erros - neste caso use o melhor modelo como indicado pelo menor SSE Relação média sazonal para um trimestre calcular a média de ytyhatt para todos os períodos e dividir por número de Períodos Porcentagem de tendência é usado para identificar 2017 Quizlet Inc. Control gráficos ferramentas para a compreensão da variação Autor: G Robin Henderson Data: 18 2013 Copyright: A imagem é uma cortesia da iStock Photo. Todas as figuras são direitos reservados de G Robin Henderson à exceção do esboço por Deming que é usado pela permissão amável da fundação de Deming e de Tom Nolan. O gráfico de controle faz um trabalho maravilhoso sob uma riqueza de aplicações. Funciona. W Edwards Deming O pensamento estatístico é um requisito essencial para a melhoria dos processos em todas as áreas da atividade humana. A afirmação de que o pensamento estatístico será um dia tão necessário para a cidadania eficiente como a capacidade de ler e escrever é muitas vezes atribuído ao autor H G Wells, mas acredita-se ser uma versão parafraseada de Sam Wilks discurso presidencial de 1950 à American Statistical Association. Na segunda edição do Pensamento Estatístico. Hoerl e Snee (2012): O pensamento estatístico é uma filosofia de aprendizagem e ação baseada nesses princípios fundamentais: 1. Todo o trabalho ocorre em um sistema de processos interligados. 2. A variação existe em todos os processos. 3. Compreensão e redução da variação são chaves para sucesso. Os gráficos de controle, ou gráficos de comportamento do processo, são ferramentas para entender a variação. A idéia básica do gráfico de controle foi introduzida em um memorando escrito pelo Dr. Walter Shewhart em 16 de maio de 1924 na Western Electric Company nos EUA (Ryan 2000). No entanto, David Salsburg (2001) em seu livro The Lady Tasting Tea: Como as Estatísticas Revolucionaram a Ciência no Século XX sugere que a formulação matemática de um gráfico de controle foi inicialmente proposta por WS Gosset (Student of t-test fame) Gráfico apareceu ainda mais cedo em um livro escrito por GU Yule. Shewhart distinguia entre dois tipos de variação. Por um lado há chance ou variação variação de causa comum que é inerente ao processo usado para criar o produto ou serviço. Por outro lado, existe variação de variação de causa especial não aleatória que é estranha ao processo e que pode exigir a remoção de modo a restaurar o desempenho do processo para um estado desejado. Embora desenvolvido originalmente como uma ferramenta estatística para aplicações industriais, várias formas de gráficos de controle foram posteriormente desenvolvidos para aplicações em uma ampla variedade de campos, incluindo a saúde e indústria de serviços em geral. W Edwards Deming foi influenciado pelo trabalho de Shewharts e tornou-se um vigoroso defensor da implantação de ferramentas estatísticas para a melhoria da qualidade. No entanto, hoje a distinção entre variação de causa comum e especial não é conhecida tão amplamente como ela merece ser. Uma breve biografia on-line de Shewhart foi criada por OConnor e Robertson (2013). Em um de seus famosos seminários, o Dr. Deming citou o exemplo de um estudante de 11 anos de idade, Patrick Nolan, que soube da distinção através do monitoramento do tempo de sua chegada de ônibus em sua escola. Em essência, um gráfico de controle consiste em um gráfico ordenado pelo tempo dos dados com linhas horizontais que representam os limites de variação de causa comum. Os pontos de dados que estão fora da faixa de variação de causa comum indicam a possível presença de variação de causa especial. Um esboço do gráfico de Patrick criado pelo Dr. Deming que apareceu na Nova Economia é exibido na Figura 1. Figura 1. Esboço pelo Dr. Deming de um gráfico de controle de dados de Patrick Nolans. Identificaram-se causas especiais correspondentes aos dois pontos fora dos limites em uma ocasião houve um novo condutor na rota e na segunda houve um problema com o mecanismo de fecho da porta. Existem muitos tipos de gráficos de controle. Por exemplo, o pacote de software estatístico amplamente utilizado Minitab (minitaben-usproductsminitab) oferece um menu com 24 tipos. Consideramos abaixo o gráfico de controle para medidas individuais, um tipo de gráfico que Donald Wheeler (1993) apresenta em Understanding Variation, juntamente com uma imagem de uma faca suíça, a fim de indicar sua versatilidade. Um gráfico de controle para medições individuais Considere um processo de fabricação de óleo lubrificante onde a viscosidade alvo é de 9,0 CSt a 100 ° C. As medições de viscosidade foram feitas na saída a intervalos de 15 minutos durante uma corrida de produção com a primeira observação sendo feita às 08:00. A Figura 2 mostra um gráfico de controle dos dados criados uma vez que 25 observações estavam disponíveis. Todos os gráficos nesta seção foram criados usando Minitab detalhes de como fazer isso podem ser encontrados em Henderson (2011). Figura 2. Diagrama de controlo das primeiras 25 medições de viscosidade. Essencialmente é um gráfico de corrida dos dados revestidos através da adição de uma linha central na média dos 25 valores de dados iniciais (8,98) e inferior e superior três limites de controlo sigma. Os limites são colocados à média mais menos três desvios padrão, isto é, a 7,93 e 10,03. Shewhart (1931) argumentou a partir da experiência que o uso de três limites sigma fez sentido econômico. O desvio padrão deve ser estimado a partir dos dados. É convencional não estimar o desvio padrão através da aplicação da fórmula usual para o desvio padrão da amostra para o conjunto de 25 medições, mas sim usar um método baseado na variabilidade local em vez da global. A lógica desta abordagem é que, se os dados preliminares incluir qualquer variação de causa especial que o criador do gráfico desconhece, então o uso de tais métodos atenua o efeito prejudicial que tal variação de causa especial pode ter na localização dos limites do gráfico. Historicamente os intervalos de pares consecutivos de observações, intervalos de movimento, forneceram o método de estimação mais amplamente utilizado para o desvio padrão. Os detalhes dos cálculos serão dados mais tarde, o ponto principal a ser observado é que todos os pontos de dados na Figura 2 estão Entre as linhas de eléctrico formadas pelos limites do gráfico, sugerindo que apenas a variação da causa comum está presente. Figura 3. Esquema de um processo que executa de forma estável e previsível. Nesta fase, estamos usando o gráfico de controle para decidir se temos um processo que é estável e previsível ao longo do tempo, dentro de limites de variação devido apenas a causas comuns (Cenário 1 Figura 3), ou um processo que é instável e imprevisível ao longo do tempo , Com variação de causa comum e especial que afeta o desempenho (Cenário 2 Figura 4). Isto é referido como Fase I aplicação de gráficos de controle. Nos esquemas, as curvas azuis representam as distribuições estatísticas subjacentes que podem ser consideradas para produzir a observação feita no momento correspondente no tempo. Com apenas uma variação de causa comum presente, podemos pensar em sucessivas observações sendo produzidas pela mesma distribuição o tempo todo. Com a variação de causa especial também presente, podemos pensar em sucessivas observações sendo produzidas por distribuições que mudam com o tempo. Figura 4. Esquema de um processo com desempenho instável e imprevisível. O escrutínio do gráfico na Figura 2 não revela pontos além dos limites do gráfico, pelo que foi decidido desdobrar o gráfico com esses limites e linha central para monitorização adicional do processo. Isto é referido como Fase II aplicação de gráficos de controle. No final do dia, com dados adicionais traçados, o gráfico apareceu como na Figura 5. Figura 5. Gráfico de controle com um sinal fornecendo evidência de variação de causa especial. O ponto no gráfico correspondente à medição da viscosidade feita em 18:15 fica acima do limite superior do gráfico, fornecendo assim evidência de que uma causa especial pode estar afetando o processo. A investigação subseqüente pela equipe de processo revelou um filtro entupido que foi substituído. Poder-se-ia então continuar a monitorizar a viscosidade utilizando o gráfico com os limites estabelecidos utilizando as primeiras 25 observações. No caso de grandes mudanças no processo, pode ser aconselhável iniciar todo o processo de representação gráfica novamente, isto é, tomar outra série de medições de viscosidade iniciais e traçar um gráfico inicial. Se não houver pontos fora dos limites neste novo gráfico, então ele poderia ser adotado para monitoramento de rotina adicional. Em seu prefácio para Understanding Statistical Process Control por Wheeler e Chambers (1992), Deming refere-se à história da percepção Shewharts de dois tipos de variação da seguinte forma. (A citação que aparece no início deste artigo é da mesma fonte.) Como surgiu o problema A administração da Western Electric Company, a Hawthorne Plant, em Chicago, procurou alcançar a uniformidade, de modo que uma companhia telefônica que comprou Seu produto poderia depender dele. O objetivo era nobre. Seus métodos, porém, eram loucura. Eles tomaram medidas, fizeram algum tipo de mudança em cada sinal de partida da uniformidade. Eles eram suficientemente espertos e honestos para observar que suas ações só fizeram isso pior. Eles procuraram ajuda. O problema foi para 160Dr. Shewhart Além de um ponto fora dos três limites sigma fornecendo evidência da presença de variação de causa especial, três outros critérios amplamente utilizados são: 8 pontos em uma linha no mesmo lado da linha central 2 de 3 pontos mais de 2 desvios padrão Da linha central (mesmo lado) 4 de 5 pontos mais do que 1 desvio padrão da linha central (mesmo lado) Esses testes, juntamente com o critério anterior discutido, são referidos como a Western Electric Company Rules. Quando os três critérios adicionais são aplicados, o gráfico exibido anteriormente na Figura 5 agora aparece como mostrado na Figura 6. Observe que linhas horizontais foram adicionadas em dois desvios padrão de cada lado da média. Figura 6. Evidência alternativa da presença de variação de causa especial. A ocorrência de dois de três pontos além de dois desvios padrão da linha central e ambos acima dela, fornece evidência anterior, por 45 minutos, da presença de variação de causa especial que afeta o processo. Os três pontos relevantes são indicados na Figura 6. Ao empregar diagramas de Shewhart, deve-se estabelecer um equilíbrio entre a existência de demasiadas regras de detecção eo associado risco aumentado de falsos sinais de alarme de variação de causa especial e o risco de não detectar alterações de processo por tempo. A conseqüência de fazer algum tipo de mudança em cada sinal de partida da uniformidade é referida como adulteração. Isto pode ser ilustrado por simulação para a viscosidade do óleo. Imagine que os operadores do processo têm uma configuração de controle para a viscosidade que é ajustada para o valor-alvo de 9,0 e que após as 25 observações iniciais foram feitas que um operário começa a supervisionar o processo e que ajusta o processo com base em cada nova observação como Segue. Se a viscosidade observada for 9,2, por exemplo, reduza o ajuste de controle em 0,2 e se a viscosidade observada for 8,9, por exemplo, aumente o ajuste de controle em 0,1. Dados simulados para esse cenário são exibidos na Figura 7. Figura 7. Gráfico de controle de dados de processo com adulteração aplicada ao processo. Não há sinais que forneçam evidência de variação de causa especial a partir deste gráfico. Contudo, o gráfico de controlo das gamas de movimento mostradas na Figura 8 fornece evidência de uma mudança de processo. De fato, pode-se demonstrar que o tipo de adulteração simulada aumenta a variabilidade do processo em 40. Deming (1986) discute a adulteração e descreve experimentos em funil que podem ser usados para ilustrar suas conseqüências. Henderson (2011) apresenta simulações das experiências de funil e exibe gráficos de controle de valores individuais associados. Figura 8. Gráfico de faixa de movimento que fornece evidência de variação de causa especial. Criação de gráficos de controle Alguns argumentam que quando alguém está usando gráficos de controle pela primeira vez que há mérito em traçar os dados usando lápis e papel e em fazer os cálculos relevantes à mão. Não há dúvida de que o software é invariavelmente usado para criar gráficos na prática. Nesta seção os gráficos foram criados usando o software de planilha Microsoft Excel. (A Sociedade Americana para a Qualidade (asq. orgindex. aspx) fornece um modelo gratuito do Microsoft Excel para a criação de Shewhart média e gráficos de controle de intervalo que os leitores também podem encontrar de valor). Consideramos um gráfico de controle das horas de trabalho semanais perdidas para o Departamento X. Os dados e fórmulas para os cálculos necessários no Excel são exibidos na Tabela 1, com os 21 valores de dados na segunda coluna, com o cabeçalho X. Aqui estão disponíveis 20 intervalos móveis . O valor esperado da gama de amostras aleatórias de tamanho n de uma distribuição normal com desvio padrão é d2. Considerando as observações consecutivas como amostras de n2, a divisão da faixa média de movimento por d2, que é 1,128 para n2, produz a estimativa de desvio padrão de 6,87 e os valores-limite de controle de 61,10 e 102,33. Estritamente falando, este procedimento de estimativa só deve ser usado com dados normalmente distribuídos, mas mostrou ser robusto para dados não normalmente distribuídos. Tabela 1. Fórmulas necessárias para criar o gráfico de controle no Excel. Não encontrando nenhuma evidência de variação de causa especial que afete as perdas de manhour para o departamento X, podemos agora desdobrar o gráfico com a linha central e os limites calculados para monitoramento futuro. Tabela 3.160Dados adicionais sobre a perda de mão-de-obra após o projeto de melhoria. Figura 10. Diagrama de controle de dados de perda de horas de serviço para as primeiras 40 semanas. Os dois pontos abaixo do limite inferior do gráfico fornecem evidência de que as mudanças foram eficazes e que uma nova fase de desempenho do processo foi introduzida. Assim, podemos calcular uma nova linha central e limites para os dados a partir da semana 31 em diante, como mostrado na Figura 11. A nova linha central está no valor de 65,1 em comparação com o valor original da linha central de 87,1. Assim, os gráficos fornecem evidência de uma diminuição da perda semanal média de cerca de 12 horas-homem. Figura 11. Diagrama de controle dos dados de perda de horas de serviço para os dois estágios. Nesta segunda ilustração do uso de um gráfico de controle para medições individuais os sinais de variação de causa especial foram bem-vindos. Em outras situações, a variação da causa especial seria indesejável, e. No caso do exemplo de Viscosidade considerado anteriormente se a média do processo se afastar significativamente do alvo, então teriam de ser tomadas medidas para deslocar a média para o valor alvo. Se o gráfico revisado de horas de trabalho perdeu para produzir sinais a partir de pontos que estão acima do limite superior, então isso iria fornecer provas de que as perdas de mão-de-obra tinham aumentado novamente. Seria então necessário agir para buscar e eliminar as causas especiais, a fim de retomar o processo. Montgomery (2009) afirma que, quando usado dessa maneira, o gráfico de controle se torna um diário de bordo no qual o tempo das intervenções do processo eo seu efeito subseqüente no desempenho do processo é facilmente visto. Neste artigo nós arranhamos a superfície de um tópico vasto. Para leitores que desejam aprender mais, Caulcutt (2004) publicou dois artigos na revista Significance que estão disponíveis on-line (significancemagazine. orgviewindex. html) e são altamente informativos. Para detalhes técnicos nos gráficos discutidos e outros as referências por Henderson (2011), Montgomery (2009) e Wheeler e Chambers (1993) podem ser consultados. No Método Estatístico do Ponto de Vista do Controle de Qualidade. Shewhart (1939) escreveu: A contribuição a longo prazo das estatísticas não depende tanto de conseguir um grande número de estatísticos altamente treinados na indústria, como ocorre na criação de uma geração estatística de físicos, químicos, engenheiros e outros que, de qualquer forma, No desenvolvimento e direcção dos processos de produção de amanhã. Oitenta anos se passaram e o autor acredita que não conseguimos responder plenamente ao desafio de Shewharts. Deve ser ampliado para incluir a criação de pessoas com estatística em todas as esferas da atividade de negócios e serviços, na política e no jornalismo. Todo mundo deve aprender sobre a variação de causa comum e especial e ser armado com uma ferramenta gráfica simples que distingue entre os dois o gráfico de controle Shewhart. Afinal, uma criança de 11 anos de idade poderia compreendê-lo. O autor deseja reconhecer o incentivo dado por Alison Oliver na Wiley e os comentários mais úteis de um revisor anônimo. (1) Caulcutt, R. (2004) Gerenciando por fato. Significado. 1 (1): 3638. (2) Caulcutt, R. (2004) Diagramas de controle na prática. Significado. 1 (2): 8184. (3) Deming, W. E. (1986) Fora da Crise. Cambridge: MIT Press. (4) Deming, W. E. (2000) A Nova Economia. 2nd edn. Cambridge: MIT Press. (5) Henderson, G. R. (2011) Six Sigma Melhoria de Qualidade com Minitab. 2nd edn. (6) Hoerl, R. W. e Snee, R. D. (2012) Pensamento estatístico: Melhorar o Desempenho dos Negócios. 2nd edn. Hoboken, NJ, John Wiley & amp amp Sons, Inc. (7) OConnor, J. J. E Robertson E. F. (2013) The MacTutor História da Matemática Arquivo www-groups. dcs. st-and. ac. uk historyBiographiesShewhart. html 160 (acessado em 26 de setembro de 2013) (8) Montgomery, D. C. (2009) Introdução ao Controle de Qualidade Estatística. 6º edn. Hoboken, NJ: John Wiley e amp. Sons, Inc. (9) Ryan, T. P. (2000) Métodos estatísticos para a melhoria da qualidade. 2nd edn. Nova Iorque: John Wiley ampères Sons, Inc. (10) Salsburg, D. (2001) The Lady Tasting Tea Como as estatísticas revolucionaram a ciência no século XX. W. H. Freeman and Company, Nova Iorque. (11) Shewhart, W. A. (1931) Controle econômico da qualidade do produto manufacturado. Nova Iorque: D. Van Nostrand. Também disponível em uma edição do 50º aniversário publicada em 1980 pela Sociedade Americana para a Qualidade, Milwaukee, WI. (12) Shewhart, W. A. (1939) Método Estatístico do ponto de vista do Controle de Qualidade. Graduate School do Departamento de Agricultura, Washington, D. C. (13) Wheeler, D. J. (1993) Compreender a variação A chave para a gestão do caos. Knoxville, TN: imprensa de SPC. (14) Wheeler, D. J. E Chambers, D. S. (1992) Entendendo o Controle Estatístico de Processos. 2nd edn. Knoxville, TN: imprensa de SPC. Tópicos relacionados
No comments:
Post a Comment