Количественные методы прогнозирования материальных ресурсов

Автор: Пользователь скрыл имя, 04 Февраля 2013 в 22:29, курсовая работа

Краткое описание

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. Наивный прогноз позволяет работать и при ее отсутствии. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует фактически никаких затрат. Основным недостатком наивного прогнозирования является низкая точность прогноза. Другие методы прогнозирования могут дать более точные результаты, но, являясь более сложными, могут потребовать и более высоких затрат на их применение. Поэтому по критерию соотношения затрат на реализацию и точности прогнозирования менеджеры должны определиться, какой метод прогнозирования им следует применять.

Файлы: 1 файл

курсовая лог снаб.docx

— 93.40 Кб (Скачать)

Тема  курсовой работы

«Количественные методы прогнозирования материальных ресурсов»

 

Задание на курсовую работу

    Привести описание и применить  количественные методы прогнозирования  потребности ресурсов. Результаты  представить в табличном виде  и проиллюстрировать на графике.

    Задание для каждого студента  определяется его порядковым  номером в журнале посещений.  Обозначения m, n в предлагаемом задании заменить на порядковый номер k студента согласно списку в журнале посещений, или последние две цифры шифра студента. Причем, m=0, n=k при значении k меньше 10; mn=k; при k больше или равно 10.

 

 

1. Прогнозирование  потребности по временным рядам

1.1. Наивный  прогноз

    Является 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. Наивный прогноз  позволяет работать и при ее  отсутствии. Наивный прогноз понятен,  прост в подготовке, быстр в  реализации, не требует фактически  никаких затрат. Основным недостатком  наивного прогнозирования является  низкая точность прогноза. Другие  методы прогнозирования могут  дать более точные результаты, но, являясь более сложными, могут  потребовать и более высоких  затрат на их применение. Поэтому  по критерию соотношения затрат  на реализацию и точности прогнозирования  менеджеры должны определиться, какой метод прогнозирования  им следует применять.

                                                                                                                      Таблица 1

Наивное прогнозирования потребления

Месяц

Фактические значения

Наивный прогноз

Январь

12344

0

Февраль

52387

12344

Март

42304

52387

Апрель

52347

42304

Май

42377

52347

Июнь

32333

42377

Июль

22330

32333

Август

62389

22330

Сентябрь

52363

62389

Октябрь

42344

52363

Ноябрь

32397

42344

Декабрь

12314

32397


 

1.2. 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.

    Динамика фактического потребления  по месяцам приведена в табл. 2.

    Учет числа рабочих дней позволяет  точно отразить фактический уровень  потребления. Так, например рост  потребности в январе – феврале  по месячным оценкам составил  приблизительно 3,7 раза, а по среднедневным оценкам – приблизительно 2,9 раза. Учет меньшего количества рабочих дней в январе по сравнению с февралем позволяет более точно определить реальное положение вещей. При получении дробной величины среднедневного потребления округление производится в большую сторону, чтобы исключить нехватку материалов при обеспечении потребности.  

     Прогноз среднедневного потребления  делается на основе расчета  среднедневного потребления в  предыдущем месяце. Прогноз месячного  потребления рассчитывается как  произведение прогноза среднедневного  потребления на количество рабочих  дней в соответствующем месяце.

   

                                                                                                                   Таблица 2

Прогноз потребления предыдущего года на основе среднедневного потребления

 

Месяц

Фактическое потребление  за месяц

Число рабочих  дней

Среднее потребление  в день

Прогноз среднедневного потребления 

Прогноз месячного  потребления

Январь

12344

16

772

0

0

Февраль

52387

20

2619

1247

24930

Март

42304

21

2014

2999

62986

Апрель

52347

21

2493

2376

49904

Май

42377

20

2119

2855

57092

Июнь

32333

22

1470

2499

54975

Июль

22330

20

1117

1815

36303

Август

62389

23

2713

1497

34420

Сентябрь

52363

22

2380

3043

66946

Октябрь

42344

21

2016

2726

57237

Ноябрь

32397

21

1543

2378

49944

Декабрь

12314

21

586

1905

39997


 

 

   

 

     Еще одним методом прогнозирования,  относящимся к прогнозированию  по средним значениям, является  б) прогноз на основе скользящего среднего значения потребления.

     Метод скользящей средней при составлении прогноза использует значение средней арифметической величины потребления за последние периоды. Скользящая средняя рассчитывается по следующей формуле:

                                                                             n

∑ Pi

   Pj        =       i = 1   ,                   (1)


                                                                     n

где  Pj  - прогнозируемый объем потребности в периоде времени j; 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.

Рассмотрим вариант, когда колебания спроса в течение первой половины года не длятся более 2-х месяцев.

Результат расчета прогноза по скользящей средней  с учетом количества рабочих дней в месяце приведен в табл. 3.                                                                

                                                                                                               

 

Таблица 3

Расчет  прогнозного значения потребления  ресурсов по скользящей средней

Месяц

Фактическое

потребление за месяц

Число рабочих дней

Среднее потребление в 1день

Прогноз среднедневной потребности

Прогноз месячной

потребности

Январь

14944

16

934

-

-

Февраль

54987

20

2749

-

-

Март

44904

21

2138

1842

38675

Апрель

54947

21

2617

2444

51320

Май

44977

20

2249

2377

47548

Июнь

34933

22

1588

2433

53519

Июль

24930

20

1247

1918

38367

Август

64989

23

2826

1417

32595

Сентябрь

54963

22

2498

2036

44793

Октябрь

44944

21

2140

2662

55901

Ноябрь

34997

21

1667

2319

48704

Декабрь

14914

21

710

1903

39971


 

Для получения  прогноза среднедневной потребности, например, в марте следует использовать статистику фактического среднедневного потребления в январе и феврале:

(934 + 2749) / 2 = 1841.5 (1842).

Для прогнозирования  среднедневной потребности в  апреле требуется использовать статистику фактического среднедневного потребления  в феврале и марте:

(2749 + 2138)/2 = 2443.5 (2444).

 Для  получения прогноза месячной  потребности, например, в марте  требуется прогноз среднедневного  потребления в марте умножить  на число рабочих дней в  этом месяце.

Преимущество  прогнозирования по скользящей средней  состоит в простоте метода. Основным недостатком является то, что значимость значений прошлых периодов при прогнозировании будущей потребности одинакова. Например, если при расчете скользящей средней используется 6 значений, то значимость каждого значения равна 1/6. 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 общем виде взвешенная скользящая средняя рассчитывается следующим образом:                                                           

                                                                                     n

∑ ki Pi

   Pj        =         i = 1   ,                 (2) 


                                                                     n

                                                                     ∑ ki

                                                                     i =1

 

где Pj — прогнозируемый объем потребности в периоде времени j, единиц; i— индекс предьщущего периода времени; ki— коэффициент значимости периода времени i; Pi — объем потребления в предыдущем периоде времени i, единиц; п — число используемых в расчете предыдущих периодов времени.

    

Прогнозирование потребности в  ресурсах по взвешенной скользящей средней

Для данных табл. 4 выбираются коэффициенты значимости прошлых периодов при прогнозировании потребности будущего периода. Для последнего периода коэффициент значимости принять равным 3, для предпоследнего - 1.

                                           Таблица 4

Расчет прогноза потребления ресурсов по взвешенной скользящей средней

Месяц

Фактическое потребление за месяц

Число рабочих

дней

Среднее потребление

в день

Прогноз среднедневной потребности

Прогноз месячной потребности

Январь

14944

16

934

0

0

Февраль

54987

20

2749

0

0

Март

44904

21

2138

2296

48216

Апрель

54947

21

2617

2292

48132

Май

44977

20

2249

2497

49940

Июнь

34933

22

1588

2341

51502

Июль

24930

20

1247

1754

35080

Август

64989

23

2826

1332

30636

Сентябрь

54963

22

2498

2431

53482

Октябрь

44944

21

2140

2581

54201

Ноябрь

34997

21

1667

2230

46830

Декабрь

14914

21

710

1785

37485


 

Для расчета  прогноза среднедневного потребления  ресурсов, например в марте, требуется  статистика фактического среднедневного потребления за январь и февраль: 

(2749 х 3 + 934 х 1) / 4 = 2295.25 (2296).

Округление  произведено в большую сторону  для гарантии обеспечения потребности. Для получения прогноза месячной потребности в марте надо прогноз среднесуточной потребности в марте умножить на количество рабочих дней в этом месяце: 2296 х 21 = 48216.

 

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

 

                             P= Pj-1 + α х (Fj-1Pj-1),                       (3)

 

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

    Прогнозирование потребности методом  экспоненциального сглаживания

    Рассчитать прогноз при константе  сглаживания, равной 0,2.

Таблица 5

Расчет  прогноза потребления ресурсов по методу экспоненциального сглаживания

 

Месяц

Фактические значения

Число рабочих дней

Среднее

потребление в день

Прогноз среднедневной потребности  при а = 0,2

Прогноз месячной потребности при  а = 0,2

Январь

14944

16

934

0

0

Февраль

54987

20

2749

0

0

Март

44904

21

2138

2296

48216

Апрель

54947

21

2617

2265

47565

Май

44977

20

2249

2336

46720

Июнь

34933

22

1588

2319

51018

Июль

24930

20

1247

2173

43460

Август

64989

23

2826

1988

45724

Сентябрь

54963

22

2498

2156

47432

Октябрь

44944

21

2140

2225

46725

Ноябрь

34997

21

1667

2209

46389

Декабрь

14914

21

710

2101

44121

Информация о работе Количественные методы прогнозирования материальных ресурсов