Industrijska logistika

-Predvianje
-Predvianje

sa projekcijom trenda
sa projekcijom trenda i sezonskom
komponentom

Doc. dr. Hadis Bajri

Projekcija trenada
Pogodna za vremenske seriji u kojima dominira komponenta trenda.
Ova metoda aproksimira historijske podatke nekom funkcijom, te
ekstrapolacijom u budunost generira predvianja.
Ova metoda se moe posmatrati i kao regresijska metoda.
Izbor funkcije kojom e se projekcija vriti e zavisiti od oblika trenda
vremenske serije (linearni, eksponencijalni, i dr)
Mi emo se ograniiti na razmatranje linearnih trendova:
y = a + bx

Metoda se koristi za prognoze dugorono praenih pojava.

Prognoze zasnovane na projekciji trenda dobivenog na osnovu malog broja
podataka su nepouzdane.

Projekcija trenada

Vrijednosti zavisne varijable

Odstupanje

Odstupanje

Odstupanje
Odstupanje

Odstuapnje
Odstuapanje

y = a + bx

Stvarna potranja
Taka na
aproksimacionoj funkciji

Vrijeme
3

Projekcija trenada
Ova metoda se moe posmatrati i kao
regresijska metoda.
Zavisne varijable y, i nezavisna varijabla
(vrijeme x).
y = a + bx

Koristi metodu najmanjih kvadrata kako bi se

odredili parametri aproksimacione funkcije.
Minimizira sumu kvadrata odstupanja

Projekcija trenada
Izraunavanje parametra linearnog trenda
metodom najmanjih kvadrata.
y = a + bx
Jednaina pravca:
n

Koeficijent (nagib) pravca:

n xi yi xi yi

b ==i 1

=i 1 =i 1

n xi2 xi
=i 1 =
i1
n

Odsjeak na y osi:

y b x

i
=i 1 =i 1

a=

n broj taaka u vremenskoj seriji.

Projekcija trenada
Izraunavanje parametra linearnog trenda metodom najmanjih kvadrata
u MS Excelu:
Jednaina pravca:
y = a + bx
Koeficijent (nagib) pravca: =SLOPE(known_y's,known_x's)
Odsjeak na y osi: =INTERCEPT(known_y's,known_x's)

Projekcija trenada
Izraunavanje parametra linearnog trenda metodom najmanjih kvadrata
u MS Excelu:
Jednaina pravca:
y = a + bx
Drugi nain: Nacrtati grafik pa Add Trendline

Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potronju (potranju)
elektrine energije za 2004 i 2005. godinu ako je potranja u prethodnom
periodu bila kao to je dato u tabeli.
Potranja za elektrinom energijom u N.Y. Edison

Godina
1997
1998
1999
2000
2001
2002
2003

Potranja
74
79
80
90
105
142
122
8

Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potronju (potranju)
elektrine energije za 2004 i 2005. godinu ako je potranja u prethodnom
periodu bila kao to je dato u tabeli.
Potranja za elektrinom energijom u N.Y. Edison

Godina
1997
1998
1999
2000
2001
2002
2003
2004
2005

Potranja Predvianje
67,39
74
77,93
79
88,46
80
99,00
90
109,54
105
120,07
142
130,61
122
141,14
141
151,68
152

160
140
120
100
80
Potranja

60

Potranja u '04 i '05

40

Predvianje

20
0
1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potronju (potranju)
elektrine energije za 2004 i 2005. godinu ako je potranja u prethodnom
periodu bila kao to je dato u tabeli.
Potranja za elektrinom energijom u N.Y. Edison

Godina Potranja Predvianje

1997
74
67,39
1998
79
77,93
1999
80
88,46
2000
90
99,00
2001
105
109,54
2002
142
120,07
2003
122
130,61
2004
141
141,14
2005
152
151,68

Greka Greka^2

160

6,61

43,67

140

1,07

1,15

120

-8,46

71,64

-9,00

81,00

-4,54

20,58

80

21,93

480,84

60

-8,61

74,10

40

100

Potranja
Potranja u '04 i '05
Predvianje

20

MSE

110,42

0
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

10

Jednaine za mjerenje greke

prognoze
Srednja apsolutna procentualna greka (engl. Mean Absolute
Percent Error, MAPE):
n

MAPE = 100

i =1

A i Fi
Ai
n

Koristi se za usporeivanje kvaliteta prognoza razliitih

vremenskih serija.

11

Prodaje po satima u restoranu

brze hrane
20

15

10

0
+11-12

+1-2

+3-4

11-12 12-1 1-2 2-3

+5-6

3-4 4-5 5-6

+7-8

+9-10

6-7 7-8 8-9 9-10 10-11

12

Predvianje sa projekcijom trenda i

sezonskom komponentom
Koraci generisanja prognoza metodom vremenskih serija sa projekcijom
trenda i sezonskom komponentom:
1. Izraunati centralne pomine prosjeke perioda tj sezonskih ciklusa
(CPPp).
2. Centrirati centralne pomine prosjeke (CPP2). Ovaj korak se odnosi
samo na vremenske serije sa parnim brojem sezona (p paran broj).
3. Odrediti sezonske i iregularne faktore (StIt ).
4. Odrediti prosjene sezonske faktore.
5. Izraunati skalirane sezonske faktore (St ).
6. Izvriti desezoniranje podataka.
7. Odrediti liniju trenda za desezonirane podatke.
8. Napraviti desezonirane prognoze (projekcija trenda).
9. Izvriti korekciju projekcije trenda sa sezonskom komponentom.

Primjer: Prodavnica automobilskih guma X5

Poslovne aktivnsoti u prodavnici automobilskih guma se mogu podijeliti
u tri dinstiktivne sezone:
(1) Period u proljee (April Maj),
(2) Period jesen (Septembar - Novembar),
(3) Ostalo vrijeme.
Prosjena sedmina prodaja (u 00 KM) tokom ove tri sezone u
posljednjih etiri godine je bila:
Godna
Sezona
1
2
3
4
1
1856 1995 2241 2280
2
2012 2168 2306 2408
3
985 1072 1105 1120
Predvidjeti prosjenu sedminu prodaju (u 00 KM) u prodavnici X5 za
sve tri sezone u narednih dvije godini.

Primjer: Prodavnica automobilskih guma X5

Prodaja u
Godina Sezona
00 KM (Yt)
1

1
2
3
1
2
3
1
2
3
1
2
3

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

CPP3

1617,67
1664,00
1716,00
1745,00
1827,00
1873,00
1884,00
1897,00
1931,00
1936,00

Prosjeni
Sezonski i
Skalirani Desezonirana
iregularni faktor sezonski i
St
prodaja
ireg faktor
StIt
1,180
1,178
1576
1,244
1,238
1,236
1628
0,592
0,587
0,586
1681
1,163
1,178
1694
1,242
1,236
1754
0,587
0,586
1829
1,196
1,178
1903
1,224
1,236
1865
0,582
0,586
1886
1,181
1,178
1936
1,244
1,236
1948
0,586
1911

Primjer: Prodavnica automobilskih guma X5

1. Izraunati centralne pomine prosjeke perioda tj sezonskih
ciklusa (CPPp).

Broj sezona je 3, tj. p=3.

Ovaj korak se poduzima kako bi se eliminisao utjecaj sezonskh i
iregularnih (sluajnih varijacija) faktora.
Npr. prvi centralni prosjek je:

CPP3=(1856 + 2012 + 985)/3 =1617,67

Primjer: Prodavnica automobilskih guma X5

1. Izraunati centralne pomine prosjeke perioda tj sezonskih
ciklusa (CPPp).
Prodaja u
Godina Sezona
00 KM (Yt)
1

1
2
3
1
2
3
1
2
3
1
2
3

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

CPP3

1617,67
1664,00
1716,00
1745,00
1827,00
1873,00
1884,00
1897,00
1931,00
1936,00

Prosjeni
Sezonski i
Skalirani Desezonirana
iregularni faktor sezonski i
St
prodaja
ireg faktor
StIt

CPP3
o(1856 + 2012 + 985)/3 =1617,67
o(2012+ 985 + 1995)/3 =1664,00

Primjer: Prodavnica automobilskih guma X5

2. Centrirati centralne pomine prosjeke (CPP2).
Ovaj korak se odnosi samo na vremenske serije sa parnim brojem

sezona (p paran broj).

U ovom zadataku p je neparan broje pa su centralni pomini prosjeci
ve centrirani pa se ovaj korak preskae.
Npr. prvi CPP3=(1856 + 2012 + 985)/3 =1617,67 je ve centriran u
odnosu na drugu sezonu prve godine.

Primjer: Prodavnica automobilskih guma X5

3. Odrediti sezonske i iregularne faktore (StIt ).
Yt /(CPP3 za period t )

Prodaja u
Godina Sezona
00 KM (Yt)
1

1
2
3
1
2
3
1
2
3
1
2
3

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

CPP3

1617,67
1664,00
1716,00
1745,00
1827,00
1873,00
1884,00
1897,00
1931,00
1936,00

Prosjeni
Sezonski i
Skalirani Desezonirana
iregularni faktor sezonski i
St
prodaja
ireg faktor
StIt
1,244
0,592
1,163
1,242
0,587
1,196
1,224
0,582
1,181
1,244

StIt
o2012 / 1617,67 = 1,244
o985 / 1664,00 = 0,592

Primjer: Prodavnica automobilskih guma X5

4. Odrediti prosjene sezonske faktore.
Prosjeni sezonski faktori se dobiju kada se nae prosjek St It za
svaku sezonu posebno i to na osnovu svih raspoloivih
podataka:
Sezona 1: (1,163 + 1,196 + 1,181) /3
= 1,180
Sezona 2: (1,244 + 1,242 + 1,224 + 1,244) /4 = 1,238
Sezona 3: (0,592 + 0,587 + 0,582) /3
= 0,587

Primjer: Prodavnica automobilskih guma X5

4. Odrediti prosjene sezonske faktore.
Prosjeni sezonski faktori se dobiju kada se nae prosjek St It za svaku
sezonu posebno i to na osnovu svih raspoloivih podataka:
Prodaja u
Godina Sezona
00 KM (Yt)
1

1
2
3
1
2
3
1
2
3
1
2
3

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

CPP3

Sezonski i
iregularni
faktor StIt

1617,67
1664,00
1716,00
1745,00
1827,00
1873,00
1884,00
1897,00
1931,00
1936,00

1,244
0,592
1,163
1,242
0,587
1,196
1,224
0,582
1,181
1,244

Prosjeni
Skalirani Desezonirana
sezonski i
St
prodaja
ireg faktor
1,180
1,238
0,587

Sezona 1:
(1,163 + 1,196 + 1,181)/3=1,180
Sezona 2:
(1,244 + 1,242 + 1,224 + 1,244)/4= 1,238
Sezona 3:
(0,592 + 0,587 + 0,582)/3 = 0,587

Primjer: Prodavnica automobilskih guma X5

5. Izraunati skalirane sezonske faktore (St ).

Prosjeni sezonski faktori se dobiju kada se nae prosjek St It za svaku

sezonu posebno i to na osnovu svih raspoloivih podataka:
Prosjeni
Skalirani Desezonirana
sezonski i
CPP3
St
prodaja
ireg faktor
1
1856
1,180
1,178
2
2012
1617,67
1,244
1,238
1,236
3
985
1664,00
0,592
0,587
0,586
1
1995
1716,00
1,163
1,178
2
2168
1745,00
1,242
1,236
oIzrauna se prosjek svih teinskih
3
1072
1827,00
0,587
0,586
faktora:
(1,180
+
1,238
+
0,587)/3=1,002
1
2241
1873,00
1,196
1,178
2
2306
1884,00
1,224
1,236
oIzvri
se
skaliranje
svakog
od
faktora:
3
1105
1897,00
0,582
0,586
1,180/1,002=1,178
1
2280
1931,00
1,181
1,178
1,238/1,002=1,236
2
2408
1936,00
1,244
1,236
1120
0,587/1,002=0,586
3
0,586

Prodaja u
Godina Sezona
00 KM (Yt)
1

Sezonski i
iregularni
faktor StIt

Primjer: Prodavnica automobilskih guma X5

6. Izvriti desezoniranje podataka.
Podjeli se svaki podatak Yt sa odgovarajuim St.
Prodaja u
Godina Sezona
00 KM (Yt)
1

1
2
3
1
2
3
1
2
3
1
2
3

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

CPP3

Sezonski i
iregularni
faktor StIt

1617,67
1664,00
1716,00
1745,00
1827,00
1873,00
1884,00
1897,00
1931,00
1936,00

1,244
0,592
1,163
1,242
0,587
1,196
1,224
0,582
1,181
1,244

Prosjeni
Skalirani
Desezonirana
sezonski i
prodaja
St
ireg faktor
1,180
1,178 =1856/1,178=1576
1,238
1,236
1628
0,587
0,586
1681
1,178
1694
1,236
1754
0,586
1829
1,178
1903
1,236
1865
0,586
1886
1,178
1936
1,236
1948
0,586
1911

Primjer: Prodavnica automobilskih guma X5

7. Odrediti liniju trenda za desezonirane podatke.
God. Sezona
1

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

Prodaja u
Period
Desezonirana
00 KM
(t)
prodaja
(Yt)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

1576
1628
1681
1694
1754
1829
1903
1865
1886
1936
1948
1911

3000
2500
Prodaja u 00
KM (Yt)

2000
1500

Desezonirana
prodaja

1000
Linear
(Desezonirana
prodaja)

y = 34,002x + 1579,8
Jednaina trenda desezonirane prodaje

500
0
0

12

15

18

Primjer: Prodavnica automobilskih guma X5

8. Napraviti desezonirane prognoze (projekcija trenda).
Prodaja u
Projekcija
Period
Desezonirana
God. Sezona
00 KM
trenda
(t)
prodaja
(Yt)
(T)
1

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

1576
1628
1681
1694
1754
1829
1903
1865
1886
1936
1948
1911

y = 34,002x + 1579,8
Jednaina trenda desezonirane prodaje

T13 = (34,002)(13) + 1579,8 = 2022

T14 = (34,002)(14) + 1579,8 = 2056
T15 = (34,002)(15) + 1579,8 = 2090

2022
2056
2090
2124
2158
2192

Primjer: Prodavnica automobilskih guma X5

8. Napraviti desezonirane prognoze (projekcija trenda).
3000
2500

Prodaja u 00 KM
(Yt)

2000

Desezonirana
prodaja

1500

Projekcija trenda
(T)

1000

Linear
(Desezonirana
prodaja)

y = 34,002x + 1579,8
Jednaina trenda desezonirane prodaje

500
0
0

12

15

18

Primjer: Prodavnica automobilskih guma X5

9. Napraviti konane prognoze (Izvriti korekciju projekcije
trenda sa sezonskom komponentom).
God. Sezona
1

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

Prodaja
Projekcija
Period
Desezoniran
Predvianje
u 00 KM
trenda
(t)
a prodaja
(FTS)
(Yt)
(T)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1856
2012
985
1995
2168
1072
2241
2306
1105
2280
2408
1120

1576
1628
1681
1694
1754
1829
1903
1865
1886
1936
1948
1911

Skalirani
St
Sezona 1: (1,178)*(2022) = 2381
Sezona 2: (1,236)*(2056) = 2541
Sezona 3: (0,586)*(2090) = 1225

2022
2056
2090
2124
2158
2192

2381
2541
1225
2501
2668
1284

Primjer: Prodavnica automobilskih guma X5

9. Napraviti konane prognoze (Izvriti korekciju projekcije
trenda sa sezonskom komponentom).
3000
2500
Prodaja u 00 KM (Yt)
2000

Desezonirana prodaja

1500

Projekcija trenda (T)

1000

Predvianje (FTS)
y = 34,002x + 1579,8
Jednaina trenda desezonirane prodaje

500

Linear (Desezonirana
prodaja)

0
0

12

15

18

Neki od softverskih paketa za

predvianje
Forecast Pro
SAP
tsMetrix
AFS
Sas
SPSS
Excel

29

Primjer: Broj stranih turista u FBiH

Broj stranih turista u FBiH u periodu 2002
2004 je:
Broj stranih
Godina
2002

2003

2004

Kvartal turista u FBiH u

000 (Yt)
1
17,122
2
28,678
3
34,868
4
23,417
1
18,018
2
30,821
3
38,766
4
28,874
1
22,556
2
36,619
3
46,948
4
30,646

Napraviti prognozu po kvartalima za 2005 i 2006 koristei

predvianje sa projekcijom trenda i sezonskom komponentom.

Primjer: Broj stranih turista u FBiH

Broj stranih
Godina Sezona turista u FBiH CPP4
u 000 (Yt)
2002

2003

2004

1
2
3
4
1
2
3
4
1
2
3
4

17,122
28,678
34,868
23,417
18,018
30,821
38,766
28,874
22,556
36,619
46,948
30,646

26,02
26,25
26,78
27,76
29,12
30,25
31,70
33,75
34,19

CPP2

26,13
26,51
27,27
28,44
29,69
30,98
32,73
33,97

Sezonski i
iregularni
faktor
StIt

1,334
0,883
0,661
1,084
1,306
0,932
0,689
1,078

Desezonirana
Prosjeni
Skalirani
vremenska
sezonski i ireg
St
serija
faktor
0,675
1,081
1,320
0,908

(26,02 + 26,25 )/2=26,13

0,678
1,085
1,325
0,911
0,678
1,085
1,325
0,911
0,678
1,085
1,325
0,911

25,26
26,42
26,31
25,69
26,58
28,40
29,25
31,68
33,28
33,74
35,42
33,63

- Kod vremenske serije koja ima paran broj sezona potrebno je centrirati
centralne pomine prosjeke (CPP2).

Primjer: Broj stranih turista u FBiH

Broj stranih
Desezonirana
Projekcija Predvianje
Period turista u
Godina Sezona
vremenska
trenda (T)
(FTS)
t
FBiH u 000
serija
(Yt)
2002
1
1
17,122
25,26
2
2
28,678
26,42
3
3
34,868
26,31
4
4
23,417
25,69
2003
1
5
18,018
26,58
2
6
30,821
28,40
3
7
38,766
29,25
4
8
28,874
31,68
2004
1
9
22,556
33,28
2
10
36,619
33,74
3
11
46,948
35,42
4
12
30,646
33,63
1
13
35,98
24,39
2005
2
14
36,96
40,11
3
15
37,93
50,28
4
16
38,91
35,46
1
17
39,88
27,03
2006
2
18
40,86
44,35
3
19
41,84
55,45
4
20
42,81
39,02

Primjer: Broj stranih turista u FBiH

60

50

Broj stranih turista u

FBiH u 000 (Yt)

40

Desezonirana
vremenska serija

30

Projekcija trenda (T)

20

Predvianje (FTS)
Linear (Desezonirana
vremenska serija)

y = 0,9758x + 23,295
Jednaina trenda desezonirane prodaje

10

0
0

12

16

20