Professional Documents
Culture Documents
Temat Metody Prognozowania Dla Popytu Stałego.
Temat Metody Prognozowania Dla Popytu Stałego.
Temat Metody Prognozowania Dla Popytu Stałego.
Vz - współczynnik zmienności
Ϭp - odchylenie standardowe popytu
y – średnia wartość popytu
Jeżeli wartość współczynnika zmienności jest
mniejsza niż 5%, to identyfikuje zapotrzebowanie
na asortyment jako regularne, stałe, z niewielkimi
odchyleniami od wartości średniej.
Powyżej 5% - współczynnik zmienności określa
zapotrzebowanie jako nieregularne.
W pierwszej kolejności zajmiemy się metodami
prognozowania stosowanymi w przypadku popytu
o charakterze stałym. Jest to popyt, którego
wielkość współczynnika zmienności względnej
wynosi mniej niż 5 %.
Niewielkie odchylenia pozwalają zastosować
proste metody prognozowania.
Metoda naiwna ( naive forecast) nie jest
skomplikowana. Zakłada, że popyt w przyszłym
okresie będzie taki sam, jak w okresie poprzednim.
Przedstawia to model:
Pt+1 = yt
Metoda naiwna prognozowania jest metodą
krótkookresową, ilościową dla popytu stałego.
Zakłada, że popyt w poprzednim okresie
powtórzy się również w przyszłym.
Przeanalizujmy metodę na przykładzie.
Przyjmujemy, że trzy pierwsze kroki postępowania
w procedurze prognostycznej zostały już
wykonane. W związku z tym przykłady pokazują
wyłącznie zastosowanie metod prognostycznych i
etap zbudowania prognoz.
Przykład pierwszy jest poszerzony o weryfikację
zastosowania metody i weryfikację trafności
zbudowanej prognozy.
Przykład 1
Prognoza na 12 okres
P12 = y11
P12= 102
Krok 3 – weryfikacja trafności zbudowanej prognozy
Dane:
106 - 100%
102 – x%
Udział procentowy zrealizowanych zamówień z
prognozy:
102x 100
X = 106
x = 96,23 = 96%
P4 = 65,33 = 65
Krok 2 – określenie drugiej możliwej prognozy
P5 = 65,66 = 66
Krok 3 – określenie trzeciej prognozy
P6 = 66
Kolejną prostą metodą prognozowania jest metoda
średniej ruchomej z filtrem. Jej zasada
postępowania jest taka sama jak w przypadku metody
średniej ruchomej. Należy też korzystać z tego
samego modelu prognozy. Korzystać należy również z
filtrów. Filtry są dobrym rozwiązaniem w sytuacji, gdy
pojawiają się obserwacje odstające. Są to dane
wyraźnie różniące się od pozostałych zawartych w
szeregu czasowym.
Metoda średniej ruchomej z filtrem - to metoda
krótkookresowa, ilościowa dla popytu stałego.
Ustalone są wartości brzegowe, które eliminują
niekorzystne odstające dane.
Rozbieżności danych w szeregu czasowym mogą
pojawiać się z różnych przyczyn. Mogą być wynikiem
jednorazowego dużego zamówienia, błędu odczytu lub
wstrzymania sprzedaży w danym okresie, przerw w
produkcji, akcji promocyjnych danego asortymentu itp.
Na tego typu danych nie można się opierać, bo
zniekształcają obraz sytuacji typowej, z jaką
przedsiębiorstwo ma do czynienia. Dlatego w
prognozowaniu stosuje się filtr. Może on być ustalony
na poziomie minimalnym, maksymalnym lub jednym i
drugim. Filtr służy do tego, aby skorygować dane
przed przystąpieniem do budowy kolejnej prognozy.
Wartość odbiegająca od prawidłowego szeregu jest
zastępowana filtrem minimalnym lub maksymalnym.
Przykład 3
Przykład 4