New User Special Price Expires in

Let's log you in.

Sign in with Facebook


Don't have a StudySoup account? Create one here!


Create a StudySoup account

Be part of our community, it's free to join!

Sign up with Facebook


Create your account
By creating an account you agree to StudySoup's terms and conditions and privacy policy

Already have a StudySoup account? Login here

OPMA Chapter 3 Notes

by: Sarah Quinn

OPMA Chapter 3 Notes OPMA 3306

Sarah Quinn
GPA 3.25

Preview These Notes for FREE

Get a free preview of these Notes, just enter your email below.

Unlock Preview
Unlock Preview

Preview these materials now for free

Why put in your email? Get access to more of this material and other relevant free materials for your school

View Preview

About this Document

These notes cover the book and lecture for chapter 3.
Operations Management
Dr. Michel E. Whittenberg
Class Notes
25 ?




Popular in Operations Management

Popular in Business, management

This 4 page Class Notes was uploaded by Sarah Quinn on Thursday February 4, 2016. The Class Notes belongs to OPMA 3306 at University of Texas at Arlington taught by Dr. Michel E. Whittenberg in Spring 2016. Since its upload, it has received 115 views. For similar materials see Operations Management in Business, management at University of Texas at Arlington.


Reviews for OPMA Chapter 3 Notes


Report this Material


What is Karma?


Karma is the currency of StudySoup.

You can buy or earn more Karma at anytime and redeem it for class notes, study guides, flashcards, and more!

Date Created: 02/04/16
OM Explorer is excel add­in on blackboard. Slightly different formulas.  Demand estimates for products and services are all starting points for all other forecasts in OM.  Based in part on demand estimates. Inputs to both business strategy and production resource  forecasts. Must use to plan. Other things can be forecasted too. Vital function and impacts every  management decision. Different things need different forecasts. 4 basic types. Qualitative  (educated guess), time­series analysis, causal relationships, simulation. Time series is based on  relating to past demand can be used to predict future. Uses of forecasting: if demand exists, long  term capacity needs, mid­term fluctuations in demand, short­term fluctuation in demand.  Components are average demand for period of time, trend, seasonal elements, cyclical elements  (long periods of time, years), random variation, and autocorrelation. Trends include linear, s­ curve, asymptotic, and exponential. Quantitative based on past demand forces and patterns.  Qualitative is judgmental. Useful for new products. Forecast errors are not the sequence  presented in the textbook. Difference between what was forecasted and what actually occurred.  Always gonna be wrong. Bias and random sources of error. 4 measures of error. MAD, MAPE,  TS, Standard error of estimates (regression analysis, all others are time­series). For MAD, want  number as close to 0. Know Running sum of forecast error RSFE or CFE (Sigma Et). MAD is  Sigma Et all over n. MAPE scales forecast error to magnitude of demand. MAPE =  MAD/Average demand. TS=RSFE/MAD. Know MAD. Forecast is actual demand ­ forecast  demand. MAD is sum of absolute deviation divided by months. TS is RSFE divided by MAD.  Actual demand is At or Dt. Average forecast error is CFE/number of months or periods. RSFE of ­15 is slight bias to overestimate demand. Short­term is tactical decisions, medium­term to  develop strategy, long­term to detect general trends. Choose forecast model based on time  horizon, data availability, accuracy required, size of forecasting budget, and availability of  qualified personnel. Simple moving average: each period is equally weighted, oldest data not  used. More Average period, forecast less responsive to demand and vice versa. Removes some  random fluctuation in data. Weighted moving average, time periods not equal. Weights must add to 1.0. Exponential smoothing requires actual demand, forecast of demand, and smoothing  constant. Understand concept of exponential smoothing. Trend adjustment delta makes more  accurate forecast. Simple linear regression used to identify relationship between 2 or more  correlated variables (one dependent and one independent at least). Assures relationship can be  explained with straight line. Y=a+bt. Coefficient of correlation is r. Measures direction and  strength of relationship between indep and dep variables. From ­1 to 1. Coeff of determination is  r2. 0 to 1. Standard error of the estimate, Syt, or Syx. Lin reg is least squares analysis. Makes  errors = 0. Will not do it manually. Causal can use other than time variables. r tells us direction  and strength of the relationship. R2 is amount of change in dependent variable. Time Series  Decomposition. Chronologically ordered data. Seasonal variation is main focus in class. Is ratio  of amount sold during each season divided by average for all seasons. 1. Decompose time series  into components, 2. find future value. 3. develop least squares regression line for deseasonalized  data. 4. Project regression line through period of forecast. 5. Adjust regression line by seasonal  factor. Multiple Regression Model. Additional independent variables NOT used in class.  Qualitative Methods. Takes advantage of expert knowledge. Used when no data is had to support a forecast. Use market research, panel consensus, historical analogy (similar product used for  new product forecast), delphi method (another type of panel consensus but with secret ballots).  CPFR (look at this in textbook). Forecasts always wrong! Criteria for selecting time­series  method: minimize biases like RSFE or CFE, minimize MAD. Smoothing constant, initial  forecast, actual demand for exponential smoothing method. Tracking signal = rsfe/mad.  Forecasting Does play role as basis for supply chain planning. 4 basic types of forecasts. 4  primary uses of forecasting. Methods discussed for time series analysis (simple moving average,  weighted moving average, exponential smoothing, exponential smoothing with trends, causal  relationships.). 4 types of forecast errors (mad, mape, standard error of linear regression). 4  qualitative forecasting methods (market research, panel consensus, historical analogy, delphi  method).  Chapter 3: Forecasting Strategic forecasts: medium and long­term forecasts that are used for decisions related to strategy and aggregate demand. Tactical forecasts: short­term forecasts used for making day­to­day  decisions related to meeting demand. Needed at decoupling points to set appropriate inventory  levels for buffers. Perfect forecast virtually impossible. Types of Forecasting­ Qualitative, time  series analysis, casual relationships, and simulation. Qualitative are subjective and based on  estimates and opinions. Time series analysis: a forecast in which past demand data is used to  predict future demand. Casual assumes demand is related to some underlying factor or factors in  the environment. Simulation allows forecaster to run through assumptions about the condition of  the forecast.  Components of Demand Demand can be broken down into 6 components: average demand for the period, a trend,  seasonal element, cyclical elements, random variation, and autocorrelation.  Time Series Analysis Tries to predict future based on past data. Short is usually under 3 months, medium is 3 months  to 2 years, and long is past 2 years. When forecasting, firm should choose model depending on  time horizon to forecast, data availability, accuracy required, size of forecasting budget, and  availability of qualified personnel. Simple Moving Average­ Moving average: a forecast based  on average past demand. When demand is neither growing nor declining rapidly and no seasonal  characteristics. Weighted Moving Average­ weighted moving average: a forecast made with past data where more recent data is given more significance than older data. Choosing Weights­ Trial  and error and experience. Most recent past is most important indicator. Exponential Smoothing­  Exponential smoothing: a time series forecasting technique using weights that decrease  exponentially for each past period. Smoothing constant alpha: the parameter in the exponential  smoothing equation that controls the speed of reaction to differences between forecasts and  actual demand. Trend Effects in Exponential Smoothing­ Smoothing constant delta: an additional parameter used in an exponential smoothing equation that includes an adjustment for trend.  Choosing the Appropriate Value for Alpha and Delta­ Smoothing constants are given a value  between 0 and 1. Typically small values. Linear Regression Analysis­ Regression is a functional  relationship between two or more correlated variables. Used to predict one variable given  another.  Linear regression  is special class of regression where relationship between variables  forms a straight line. Y=a+bt. Y is value of dependent variable, a is Y intercept, b is slope, and t  is index for time period. Useful for long­term forecasting or major occurrences and aggregate  planning. Used for time series and casual relationship forecasting.  Decomposition of a Time Series Time series is chronologically ordered data that may contain one or more components of  demand. Decomposition: the process of identifying and separating time series data into  fundamental components such as trend and seasonality. When demand contains seasonal and  trend effects at the same time, how do they relate to each other? Additive Seasonal Variation­  Assumes seasonal amount is constant no matter what trend or average amount is. Forecast =  trend + seasonal. Multiplicative Seasonal Variation­ Trend is multiplied by seasonal factors.  Forecast = trend X seasonal factor. Seasonal Factor (or Index)­ amount of correction needed in a  time series to adjust for the season of the year. Seasonal is a period of the year characterized by  some particular activity. Cyclical for anything else. Decomposition Using Least Squares  Regression­ 1. Decompose the time series into its components. a. Find seasonal component. b.  Deseasonalize the demand. c. Find trend component. 2. Forecast future values of each  component. a. Project trend component into the future. b. Multiply trend component by seasonal  component. Error Range­ Usual errors similar to standard deviation of any set of data. And errors because the line is wrong.  Forecast Errors: Forecast error: the difference between actual demand and what was forecast.  Errors called residuals. Distinguish between sources of error and measurement of error. Sources  of Error­ Common source is projecting past trends into the future. Bias errors and random errors.  Measurement of Error­ Standard error, mean squared error (variance), and mean absolute  deviation. Mean absolute deviation (MAD): the average of the absolute value of the actual  forecast error. Mean absolute percent error (MAPE): the average error measured as a percentage  of average demand. MAPE = MAD / Average demand. Tracking signal: a measure of whether  the forecast is keeping pace with any genuine upward or downward changes in demand. This is  used to detect forecast bias. TS = RSFE/MAD RSFE: running sum of forecast errors.  Casual Relationship Forecasting Casual relationship forecasting: forecasting using independent variables other than time to  predict future demand. Like weather. Multiple Regression Analysis­  Qualitative Techniques in Forecasting Requires much expert judgement. Market Research­ used mostly for product research like ideas,  likes and dislikes, and preferences. Panel Consensus­ panel of variety of people are more reliable forecast than narrower group. Historical Analogy­ Trying to forecast demand for a new product  while using an existing product as a model. Like new coffee pots based on existing toasters. Like complementary, substitutable or competitive, and products as function of income. Delphi  Method­ conceals identity of persons participating in study.  Web­Based Forecasting: Collaborative Planning Forecasting, And Replenishment (CPFR) Collaborative planning, forecasting, and replenishment (CPFR): an internet tool to coordinate  forecasting, production, and purchasing in a firm's supply chain. Creation of a front­end  partnership agreement, joint business planning, development of demand forecasts, sharing  forecasts, inventory replenishment.


Buy Material

Are you sure you want to buy this material for

25 Karma

Buy Material

BOOM! Enjoy Your Free Notes!

We've added these Notes to your profile, click here to view them now.


You're already Subscribed!

Looks like you've already subscribed to StudySoup, you won't need to purchase another subscription to get this material. To access this material simply click 'View Full Document'

Why people love StudySoup

Bentley McCaw University of Florida

"I was shooting for a perfect 4.0 GPA this semester. Having StudySoup as a study aid was critical to helping me achieve my goal...and I nailed it!"

Jennifer McGill UCSF Med School

"Selling my MCAT study guides and notes has been a great source of side revenue while I'm in school. Some months I'm making over $500! Plus, it makes me happy knowing that I'm helping future med students with their MCAT."

Bentley McCaw University of Florida

"I was shooting for a perfect 4.0 GPA this semester. Having StudySoup as a study aid was critical to helping me achieve my goal...and I nailed it!"

Parker Thompson 500 Startups

"It's a great way for students to improve their educational experience and it seemed like a product that everybody wants, so all the people participating are winning."

Become an Elite Notetaker and start selling your notes online!

Refund Policy


All subscriptions to StudySoup are paid in full at the time of subscribing. To change your credit card information or to cancel your subscription, go to "Edit Settings". All credit card information will be available there. If you should decide to cancel your subscription, it will continue to be valid until the next payment period, as all payments for the current period were made in advance. For special circumstances, please email


StudySoup has more than 1 million course-specific study resources to help students study smarter. If you’re having trouble finding what you’re looking for, our customer support team can help you find what you need! Feel free to contact them here:

Recurring Subscriptions: If you have canceled your recurring subscription on the day of renewal and have not downloaded any documents, you may request a refund by submitting an email to

Satisfaction Guarantee: If you’re not satisfied with your subscription, you can contact us for further help. Contact must be made within 3 business days of your subscription purchase and your refund request will be subject for review.

Please Note: Refunds can never be provided more than 30 days after the initial purchase date regardless of your activity on the site.