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; Pi— объем 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-1 – Pj-1),(2.2)
где Pj — прогнозируемый 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.
|