Здавалка
Главная | Обратная связь

Относительно равномерный спрос



Относительно равномерный (или базовый) спрос характерен для регулярно потребляемых МР, не имеющих сезонных пе­риодов потребления. Относительно равномерный спрос типичен для запаса основных материалов производственных предприятий. Для прогнозирования потребности в МР, характеризуемых временными рядами отгрузок равномерного характера, можно ис­пользовать методы наивного прогноза и группу методов прогнози­рования по среднему значению (простой средней, скользящей средней, взвешенной скользящей средней), а также метод экспо­ненциального сглаживания.

Проил­люстрируем простейшие методы прогнозирования, а именно:

1) наивный прогноз;

2) прогнозирование по средним значениям;

3) метод экспоненциального сглаживания.

Наивный прогнозявляется самой простой методикой прогно­зирования. Она основывается на предположении о том, что про­гнозируемое потребление будущего периода равно потреблению предшествующего периода.

Может показаться, что наивное прогнозирование является чрез­мерно упрощенным методом. В то же время необходимо отметить и сильные стороны такого приема. Для проведения наивного прогноза не требуется наличия накопленной статистической базы. Основным недостатком наивного прогнозирования является низкая точность прогноза.

Прогнозирование по средним значениям.В случае, если временной ряд имеет интервал наблюдений в один месяц, повысить точность наивного прогноза позволяет метод прогнозирования по простой средней величине потребления с учетом числа рабочих дней в месяце.

Еще одним методом прогнозирования, относящимся к прогнозированию по средним значениям, является прогноз на основе скользящего среднего значения потребления. Метод скользящей средней при составлении прогноза использует значение средней арифметической величины потребления за последние периоды наблюдений. Скользящая средняя рассчитывается по следующей формуле:

 

n

Pi

Pj = I = 1 , (2.1)

n

 

гдеPjпрогнозируемый объем потребности в периоде времени j , единиц; i — индекс предыдущего периода времени; Piобъем потребления в предыдущем периоде времени i; n — число периодов, используемых в расчете скользящей средней. Для составления прогноза по скользящей средней требуется определить число периодов наблюдений n, которые будут исполь­зоваться в расчете. При этом следует учитывать особенности име­ющегося временного ряда. Чем большее число точек наблюдения берется в расчет, тем скользящая средняя менее чувствительна к изменениям значений потребления в прошлые периоды. Если из­менение наблюдений имеет ступенчатый характер, то следует обес­печить высокую чувствительность прогноза к каждому наблюде­нию. Здесь следует использовать возможно меньшее число наблюдений.

Преимущество прогнозирования по скользящей средней состо­ит в простоте метода. Основным недостатком является то, что зна­чимость значений прошлых периодов при прогнозировании буду­щей потребности одинакова. Между тем очевидно, что значимость статистики послед­него из предшествующих периодов более велика, чем предыду­щих.

Для учета важности отдельных периодов наблюдений исполь­зуют (в) метод взвешенной скользящей средней. В этом методе каж­дому используемому в расчете скользящей средней периоду при­сваивается коэффициент, отражающий значимость влияния этого периода на прогнозное значение потребления. Значимость более поздних периодов должна быть выше, чем значимость более ран­них периодов.

В целом прогнозирование по взвешенной скользящей средней дает более точные результаты, чем по простой скользящей средней. Главное преимущество взвешивания состоит в том, что в прогно­зируемой величине в большей степени учитываются последние значения потребности. Определенную проблему представляет со­бой подбор коэффициентов значимости. Они, как правило, опре­деляются экспертно и проверяются экспериментально, т.е. путем проб и ошибок.

Более сложный метод прогнозирования на основе расчета взве­шенного среднего — это метод экспоненциального сглаживания. В этом методе каждый новый прогноз основан на учете значения предыдущего прогноза и его отклонения от факти­ческого значения. Прогнозное значение по методу экспоненци­ального сглаживания определяется следующим образом:

 

прогнозное значение = значение предыдущего прогноза + α х (фактическая потребность – значение предыдущего прогноза),

или

 

Pj = Pj-1 + α х (Fj-1Pj-1),(2.2)

 

где Pjпрогнозируемый объем потребности в периоде времени j, единиц; Pj-1 — прогнозируемый объем потребности в периоде времени (j—1), единиц; α — константа сглаживания;Fj-1 — фак­тическая потребность в периоде (j—1), единиц.

Константа сглаживания α определяет чувствительность прогно­за к ошибке. Чем ближе ее значение к нулю, тем медленнее прогноз будет реагировать на ошибки, тем, следовательно, будет выше сте­пень сглаживания прогноза. Напротив, чем ближе значение сгла­живающей константы к единице, тем выше чувствительность и меньше сглаживание. Подбор значения константы сглаживания проводится экспериментально. Цель такого подбора состоит в том, чтобы определить такое значение α,чтобы, с одной стороны, про­гноз был чувствителен к изменениям временного ряда, а с другой стороны, хорошо сглаживал скачки потребления, вызванные слу­чайными факторами.







©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.