Weighted Moving Average Betriebsmanagement

Home gtgt Inventory Accounting-Themen Die Methode der gewichteten durchschnittlichen Methode Die gewichtete durchschnittliche Methode Die gewichtete durchschnittliche Methode wird verwendet, um die durchschnittlichen Produktionskosten einem Produkt zuzuordnen. Die gewichtete Durchschnittskalkulation wird üblicherweise in Situationen verwendet, in denen: Inventurpositionen so vermischt sind, dass es unmöglich ist, einer einzelnen Einheit bestimmte Kosten zuzuweisen. Das Buchungssystem ist nicht hinreichend ausgefeilt, um FIFO - oder LIFO-Inventarschichten zu verfolgen. Inventarpositionen sind so kommoditiv (d. h. identisch zueinander), daß es keine Möglichkeit gibt, einer einzelnen Einheit Kosten zuzuweisen. Bei Verwendung der gewichteten durchschnittlichen Methode teilen Sie die Kosten der zur Veräußerung verfügbaren Gegenstände mit der Anzahl der zur Veräußerung verfügbaren Einheiten auf, die die gewichteten durchschnittlichen Kosten pro Einheit ergibt. In dieser Berechnung sind die Kosten der zur Veräußerung verfügbaren Waren die Summe aus Anfangsbestand und Nettokäufen. Sie verwenden dann diese gewichtete Durchschnittszahl, um sowohl den beendeten Inventar als auch die Kosten der verkauften Waren zu bezahlen. Das Nettoergebnis der Verwendung der gewogenen durchschnittlichen Kostenrechnung ist, dass der erfasste Bestandsbestand einen Wert zwischen den ältesten und den neusten Einheiten darstellt, die in Aktien erworben wurden. In ähnlicher Weise werden die Kosten der verkauften Waren die Kosten irgendwo zwischen dem der ältesten und neuesten Einheiten, die während der Periode verkauft wurden, widerspiegeln. Die gewichtete Durchschnittsmethode ist sowohl nach den allgemein anerkannten Rechnungslegungsgrundsätzen als auch nach den internationalen Rechnungslegungsstandards zulässig. Gewichtete Durchschnittskalkulation Beispiel Die Milagro Corporation wählt die gewichtete Durchschnittsmethode für den Monat Mai. Während dieses Monats erfasst er folgende Transaktionen: Die tatsächlichen Gesamtkosten aller gekauften oder beginnenden Bestandseinheiten in der vorstehenden Tabelle betragen 116.000 (33.000 54.000 29.000). Die Summe aller gekauften oder beginnenden Bestandseinheiten beträgt 450 (150 beginnendes Inventar 300 gekauft). Die gewichteten durchschnittlichen Kosten pro Einheit betragen daher 257,78 (116 000 Stück teilen sich 450 Einheiten auf.) Die endgültige Bestandsbewertung beträgt 45.112 (175 Einheiten mal 257.78 gewichtete Durchschnittskosten), während die Kosten der verkauften Waren 70.890 (275 Einheiten mal 257.78 gewichtete durchschnittliche Kosten) . Die Summe dieser beiden Beträge (abzüglich eines Rundungsfehlers) entspricht den 116.000 tatsächlichen Gesamtkosten aller Käufe und dem Anfangsbestand. Im vorherigen Beispiel, wenn Milagro ein beständiges Inventarsystem verwendet, um seine Bestandsgeschäfte zu erfassen, müsste es den gewichteten Durchschnitt nach jedem Kauf neu berechnen. Die folgende Tabelle verwendet dieselben Informationen wie im vorherigen Beispiel, um die Neuberechnungen zu zeigen: Inventory Moving - Average Unit Cost Sale (125 Einheiten 220) Purchase (200 Einheiten 270) Sale (150 Einheiten 264,44) Purchase (100 Einheiten 290) Beachten Sie, dass die Kosten Der verkauften Waren von 67.166 und der endgültigen Bestandssaldo von 48.834 116.000 Stück, was der Summe der Kosten im ursprünglichen Beispiel entspricht. Somit sind die Summen die gleichen, aber die gewichtete gewichtete Durchschnittsberechnung führt zu leichten Unterschieden in der Kostenverteilung zwischen den Kosten der verkauften Waren und dem Ende des Inventars. Ein Vergleich der Prognosemethoden für das Hotel-Umsatzmanagement Die Ankunftsvorhersage ist einer der Schlüssel Inputs für ein erfolgreiches Hotel Revenue Management-System, aber keine Forschung über die beste Prognose-Methode wurde durchgeführt. In dieser Forschung verwendeten wir Daten von Choice Hotels und Marriott Hotels, um eine Vielzahl von Prognosemethoden zu testen und die genaueste Methode zu bestimmen. Vorläufige Ergebnisse mit dem Choice Hotel Daten zeigen, dass Pickup-Methoden und Regression produziert die geringste Fehler, während die Buchung Kurve und Kombination Prognosen produziert ziemlich ungenau Ergebnisse. Die eingehendere Untersuchung unter Verwendung der Marriott Hotel-Daten zeigte, dass exponentielle Glättung, Abholung und gleitende Durchschnittsmodelle die robustesten waren. Vorhersagewettbewerbe Vorhersagepraxis Vergleichende Methoden, Zeitreihe Zeitreihe, univariate: exponentielle Glättung HoltndashWinters, Regression Entsprechender Autor. Tel. 1-307-766-3124 Fax: 1-307-766-3488. Urheberrechtsverletzung 2002 International Institute of Forecasters. Veröffentlicht von Elsevier B. V. Alle Rechte vorbehalten. Biografien: Larry WEATHERFORD ist Associate Professor an der University of Wyoming. Er hat einen Doktortitel. Von der Darden Graduate Business School, Universität von Virginia. Larry unterrichtet Undergraduate-und MBA-Klassen in Operations Management und Quantitative Methoden. Er erhielt mehrere hervorragende Lehre-Preise vom College of Business und der University of Wyoming. Er hat auch ein Bestseller-Lehrbuch, Decision Modeling mit Microsoft Excel. Veröffentlicht von Prentice Hall, Inc. im Jahr 2001. Er veröffentlicht hat 17 Artikel in solchen Zeitschriften wie Operations Research, Entscheidungswissenschaften, Naval Research Logistics, Transportation Science, Omega, Internationale Zeitschrift für Technologie-Management, Cornell Hotel und Restaurant Administration Quarterly, Journal of Combinatorial Optimierung, International Journal of Operations und Quantitative Management und ORMS Heute und präsentiert 51 Beiträge auf fünf verschiedenen Kontinenten zu professionellen Organisationen. Er hat mit so großen Unternehmen wie American Airlines, Northwest Airlines, Lufthansa Airlines, Swissair, Scandinavian Airlines, Air New Zealand, South African Airways, Unisys Corporation, Walt Disney World, Hilton Hotels und Choice Hotels, sowie viele andere kleinere konsultiert Unternehmen. Sheryl E. KIMES ist Professor für Operations Management in der School of Hotel Administration an der Cornell University. Sie hat einen Doktortitel. In Betriebsführung von der University of Texas-Austin. Sie spezialisiert sich auf Revenue Management und hat mit einer Vielzahl von Branchen auf der ganzen Welt gearbeitet. Ihre Forschungsergebnisse sind in Interfaces, Journal of Operations Management, Journal of Service Research und anderen Zeitschriften erschienen.