ارسل ملاحظاتك

ارسل ملاحظاتك لنا







إعداد إنموذج للسيطرة على خزين المواد بطيئة الحركة في مخازن الشركة العامة لتوزيع كهرباء بغداد

المصدر: تنمية الرافدين
الناشر: جامعة الموصل - كلية الإدارة والاقتصاد
المؤلف الرئيسي: غفور، كارزان مهدي (مؤلف)
المجلد/العدد: مج 29, ع 85
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2007
الصفحات: 137 - 150
ISSN: 1609-591X
رقم MD: 420325
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: في الحالات العامة لخزين أي مادة كانت، نجد هناك سجلات كافيه توثق الطلب السابق على تلك المادة. والمقصود بها البيانات التاريخية للطلب على تلك المادة، وبالمقابل نفرض أن معدل الخزين الاحتياطي لتلبية الطلب بالتأكيد كمية غير صفرية .أما في حالة كون الطلب بطئ الحركة فمن الصعب الحصول على بيانات تاريخية كافية توثق الطلب السابق لتحديد الطلب المستقبلي على هذه المواد وبأي درجة من درجات الثقة الإحصائية، لذا تعد طريقة كروستون من الطرائق ذات الكفاءة العالية للتنبؤ في حالة كون البيانات (بيانات الطلب) بطيئة الحركة (متقطعة)، وذلك لأنها تعطي تقديرات غير متحيزة لمعالم التوزيعات، فضلا عن ذلك فان هذه الطريقة سوف تقلل من قيمة التباين . ويرجع سبب اعتماد هذه الطريقة (طريقة كروستون) إلى أن نمط البيانات لا ينفع معها طريقة التمهيد الأسي وذلك بسبب القيم الصفرية فيها وان طريقة ( كرستون) هي الطريقة المحدثة من طريقة التمهيد الأسي لذلك بيانات البحث تنقع معها طريقة (كرستون) اكثر من طريقة التمهيد الأسي وتعتمد طريقة كروستون في معالجتها للبيانات على مرحلتين، المرحلة الأولي هي لحساب معدل الفترات الزمنية بين وصول وأخر(حدوث طلب)، والمرحلة الثانية هي لحساب حجم الطلب مع مراعاة أن القيم الصفرية لسلسلة الطلب لن يتم التحديث عليها.

In general cases of inventory, we can find enough records to document the previous material. This has been intended via the history of that material, in contrary we suppose the rate of spare stock for the offer is non - zero. Whilst, when the demand is slow, it is difficult however to obtain the enough data to document the previous demand that identify the future demand on these materials with any degree on statistical confidence. Typical time series models (single exponential smoothing) are inadequate in the case of intermittent time series, because many of the series values are zero. Since these models are based on weighted - summations of past values, they bias forecasts away from zero. Unlike the single exponential smoothing that provide forecasts for future time periods, intermittent forecasting models provide recommended “stocking levels” or "estimated demand per period" that are used to satisfy future demand. Croston’s Method dissects the intermittent series into two components: a demand interval series and a demand size series. Both of these component series are indexed based on when a “demand” occurred (demand index) and not each time period (time index). The demand interval series is constructed based on the number of time periods between “demands.” The demand size series is Constructed based on the size (or value) of the “demands”.

ISSN: 1609-591X