назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [ 162 ] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] [190] [191] [192] [193] [194] [195] [196] [197] [198] [199] [200] [201] [202] [203] [204] [205] [206] [207] [208] [209] [210] [211] [212] [213] [214] [215] [216] [217] [218] [219] [220] [221] [222] [223] [224] [225] [226] [227] [228] [229] [230] [231] [232] [233] [234] [235] [236] [237] [238] [239] [240] [241] [242] [243] [244] [245] [246] [247] [248] [249] [250] [251] [252] [253] [254] [255] [256] [257] [258] [259] [260] [261] [262] [263] [264] [265] [266] [267] [268] [269] [270] [271] [272] [273] [274] [275] [276] [277] [278] [279] [280] [281] [282] [283] [284] [285] [286] [287] [288] [289] [290] [291] [292] [293] [294] [295] [296] [297] [298] [299] [300] [301] [302] [303]


162

jio подчеркнуть: прогноз спроса должен быть основан на анализе временных рядов прошедшего спроса, а не объема продаж. Объем продаж неверно отразит спрос, если только спрос не окажется меньше, чем количество предложенных к продаже товаров или услуг. Аналогично, отгрузки не могут реально отразить спрос, если имеются отставания в исполнении заказов; график отгрузок не будет отвечать графику спроса.

Рис. 10-1. Тенденции, сезонные изменения, циклы, случайные и нерегулярные изменения

Методы усреднения

Архивные данные обычно содержат определенное количество случайных изменений или искажений («помех»), которые могут смазывать картину систематического движения данных. Эти искажения являются результатом объединенного влияния многих - и даже очень многих - относительно незначительных факторов, и не могут быть достоверно предсказаны. В идеале, нужно было бы полностью удалить из данных любые случайности и оставить только «настоящие» изменения - такие как изменения чу ровне спроса (скачки). Однако на практике, как правило, невозможно разграничить эти два вида изменений. В лучшем случае, можно надеяться на то, что небольшие изменения являются случайными, а большие - действительными (закономерными).



Идеал Ступенчатое Постепенное

изменение изменение

Рис. 10-2. Усреднения трех возможных вариантов закономерности

Прогнозы, составленные методом усреднения, отражают последние показатели временного ряда (например, среднее значение за последние несколько периодов). Эти методы работают лучше всего, когда данные склонны изменяться вокруг некоторого среднего значения, хотя могут рассматриваться и резкие изменения (скачки), а также постепенные плавные изменения в уровне ряда. В данном разделе описаны три метода усреднения:

1. «Наивные» прогнозы

2. Скользящие средние значения

3. Экспоненциальное сглаживание

Наивные прогнозы. Самая простая методика прогнозирования - наивный метод. Наивный прогноз для любого периода равняется фактическому значению предыдущего

периода.

р«я™5«г<«*;с--, -.v.- Например, если спрос на последней неделе был 50

I Наивный прогноз - про- единиц, наивный прогноз на следующую неделю - I равен %Ткому"!начТ- j 0 единиц. Аналогично, если спрос оказывается

I нию предыдущего периода. \ 54 единицы, то прогноз на следующую неделю тоже со-

ставит 54 единицы.

Хотя на первый взгляд наивный подход может показаться слишком упрощенным, он, тем не менее, вполне законный инструмент прогнозирования. Рассмотрите его преимущества: он не требует фактически никаких затрат, быстр и прост в подготовке, потому что анализ данных отсутствует, его легко понять. Основной недостаток данного метода - неспособность обеспечить высокую точность прогноза. Однако, если результирующая точность приемлема, то этот подход заслуживает серьезного рассмотрения. Кроме того, даже если другие методы прогнозирования дают большую точность, они будут почти всегда иметь и большую стоимость. Точность наивного прогноза может служить основой для оценки соотношения «затраты/точность» для других методов. Таким образом, менеджер должен ответить на вопрос: стоит ли повышенная точность другого метода дополнительных затрат, необходимых для ее достижения?

Методы усреднения сглаживают некоторые колебания во временном ряде, так как отдельные точки максимума и минимума в данных компенсируют друг друга, когда они объединены в некоторое среднее. Поэтому прогноз, основанный на сред-нем, показывает меньше изменений, чем исходные данные (см. рис. 10-2). Это может быть даже к лучшему, потому что многие из этих изменений отражают скорее произвольные скачки, чем действительное изменение уровня в ряду (т.е. тенденцию). Кроме того, реакция на изменения в ожидаемом уровне спроса часто влечет за собой значительные расходы (например, изменения в уровне производства, рабочей силы, материальных ресурсов и т.д.), - поэтому желательно избегать реакции на незначащие изменения. Таким образом, считается, что малые изменения случайны, в то время как большие отражают реальность с большей степенью вероятности, хотя они также до некоторой степени сглаживаются.

Данные /VVWV Прогноз ......-------



ПРИМЕР 1

Вычислите скользящее среднее значение за три периода, на основе показателей спроса на тележки для покупок за последние пять периодов.

Период

«Возраст» значения

Спрос

Решение:

4340-41 „ МАз =-2-= 41,33

Если фактический спрос в течение периода 6 оказывается 39, то прогноз скользящего среднего значения для периода 7 будет таким:

40-41-ь 39 МАз =-=-= 40,00

Наивный прогноз может также применяться к ряду, поведение которого показывает сезонность или тенденцию. Например, если ежемесячные продажи имеют сезонные колебания, то показатель спроса на текущий декабрь может базироваться на показателе спроса за прощедщий декабрь, спрос на январь будущего года рассчитывается по спросу за прошлый январь и т.д. Аналогично, если присутствует тенденция к увеличению (или уменьшению) фактического спроса, то показатели изменения между двумя периодами оцениваются на основе изменений между двумя прошедшими периодами. Например, если спрос в июне на 90 единиц выше, чем в мае, то наивный прогноз на июль, согласно этой тенденции, будет равен фактическому спросу июня плюс дополнительные 90 единиц. Затем, если спрос в июле был только на 85 единиц больше чем в июне, то прогноз на август будет равен фактическому спросу июля плюс 85 единиц.

Скользящие средние значения. Слабость наивного ме- л№-л!етш«а.>лг(г.ая«1«ж»м

тода заключается в том, что прогноз просто следует за скользящее среднее зна-

фактическими данными, с отставанием на один пери- чение - метод, который

од; он совершенно их не сглаживает. Но данная труд- берег среднее от несколь-

ность может быть преодолена путем расширения коли- еТеТзнТчТреей

чества данных, на которых построен данный прогноз. 1 обновляется по мере по-

Прогноз скользящего среднего значения использует не- отупления новых данных,

сколько самых последних показателей при составлении даа»>ш»№.«««иши««1 прогноза.

Прогноз скользящего среднего значения может быть вычислен с использованием следующего уравнения:

МА,=-; , <»->

где i - «Возраст»данных(i= 1,2,3...)

п - число периодов в скользящем среднем значении Ai - текущее значение с возрастом 1 МА - прогноз

Например, МА3 относится к прогнозу скользящего среднего значения стремя периодами, а МА5 относится к прогнозу скользящего среднего значения с пятью периодами.

[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [ 162 ] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] [190] [191] [192] [193] [194] [195] [196] [197] [198] [199] [200] [201] [202] [203] [204] [205] [206] [207] [208] [209] [210] [211] [212] [213] [214] [215] [216] [217] [218] [219] [220] [221] [222] [223] [224] [225] [226] [227] [228] [229] [230] [231] [232] [233] [234] [235] [236] [237] [238] [239] [240] [241] [242] [243] [244] [245] [246] [247] [248] [249] [250] [251] [252] [253] [254] [255] [256] [257] [258] [259] [260] [261] [262] [263] [264] [265] [266] [267] [268] [269] [270] [271] [272] [273] [274] [275] [276] [277] [278] [279] [280] [281] [282] [283] [284] [285] [286] [287] [288] [289] [290] [291] [292] [293] [294] [295] [296] [297] [298] [299] [300] [301] [302] [303]