Мы поможем в написании ваших работ!



ЗНАЕТЕ ЛИ ВЫ?

Прогнозир-е спроса с использ-ем временных рядов.

Поиск

Прогнозир-е спроса с использ-ем временных рядов.

Прогнозир-е - метод, в к-м использ-ся как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его опред-я. Методы прогноз-я: экспертный и количественный. Колич-й включает в себя много вариантов, в том числе корреляционный и регрессионный анализ, прогноз-е на основе временных рядов. Последний способ включает в себя: скользящее осреднение, экспоненциальное сглаживание и метод «тренд+сезонность». Метод прогноз-я на основе временных рядов – экстраполирование: исходят из предположения, прошлые тенденции в поведении прогнозируемого показателя сохранятся в будущем, а если и будут меняться, то медленно.

Временной ряд – совокуп-ть значений прогнозируемого показ-ля, каждому из к-х поставлен в соотв-вие опр-й момент времени. Моментный ВР - фиксирует значение на данный конкретный момент времени Интервальный ВР - дает общее значение показ-ля за весь период (можно суммировать) Прогнозный горизонт – хар-ет, как далеко отстоит от текущего момента времени момент времени, для к-го осущ-ся прогноз. Прогнозный период – кол-во прошлых периодов, по к-м строится прогноз. Пар-ры прогноз-я: на уровне орг-ции прогнозируются показ-ли хоздеят-ти – будущие объемы реал-ции. Di - фактический спрос, Fi – прогнозное значение спроса.

Методы прогнозирования 1. Скользящее осреднение (простое) Fi = (Di-1+…+D1)/(i-1). Использ-ся также в звешенное скользящее осреднение: предполагается, что более отдаленные периоды имеют меньшее влияние. В связи с этим вводятся весовые коэф-ты, пр. для предыдущего 0,5; два периода в прошлом 0,3; три периода 0,2 и т.п., тогда Fi=Di-1´ki-1+…+ D1´k1

2. Экспоненциальное сглаживание: Fi=Fi-1+a(Di-1- Fi-1), где a ‑ константа сглаживания» 2/N+1; Di-1- Fi-1 - ошибка прогноза. N - общее количество прошлых наблюдений. a Î [0¸1]; берут обычно [0,05¸0,5]. Di-1- данные по прошлому периоду; Fi‑1- прогноз прошлого периода. Уменьшение a приводит к сглаживанию ряда; если колебания сильные, a следует брать больше.

Структура временного ряда:

Т - трендовая компонента

S - сезонная компонента;

С - циклическая компонента;

R - случайная компонента

(поэтому есть ошибки прогноза)

Теоретически аддитивная модель временного ряда: D=T+S+R (регрессионное уравнение тренда).

3. Совместный учет тренда и сезонной компоненты

Алгоритм прогнозирования: Напр: Есть данные по спросу за два года по четырем кварталам. Необходим прогноз на следующий год.

1. Вычисляем формулу тренда по известным периодам. Выделение линейной трендовой компоненты: D=a + bt

2. Рассчитываем значение функции для известных периодов.

3. Находим индекс сезонности (отношением фактического спроса к тренду для каждого квартала).

4. Усредняем индексы сезонности (среднее арифметическое для соответствующих периодов).

5. Делаем прогноз: находим значение функции тренда для искомого периода и умножаем на соответствующий ему индекс сезонности (Необходимо учитывать, что порядковый номер квартала продолжается, а не начинается отсчет для каждого года заново).

 

 


Взаимосвязь понятий.

Взаимосвязь понятий:

 

 

1. Определяется цель – желаемое состояние.(оценочная сист-ма, нормат. знач. пок-лей)

2. Определяется система оценки – набор параметров, по которым можно сравнить альтернативы решений.

3. Рассматривается ситуация

4. Обнаруживается проблема, как несоответствие ситуации цели.

5. Разрабатывается перечень альтернатив приведения состояния дел от текущей ситуации к установленной цели.

6. Согласно оценочной системе из перечня альтернатив выбирается единственное правильное (наилучшее или оптимальное) преобразующее ситуацию из текущего (проблемного) состояния в целевое (желаемое) в соответствии с заданными критериями из системы оценки.

 

Управленческое решение как процесс – это есть процесс организационный, а также с т.з. общих основ мен-та это процесс связующий, он связывет м/у собой различные ф-ции мен-та.

 

Вход. данные -> o-o -> результат

| | управленческое решение

-o-

 

2 фазы управленческого решения:

 

1. Формирование упр. решения

-анализ и подготовка к разработке УР

-разработка УР

-принятие УР

 

2. Реализация

-орг-ция выполнения

-контроль

-оценка результатов

 

Предпосылки формализации при формировании УР:

1.Многократность применения УР как процесса

2. Массовость процесса формирования УР.

Массовость – это значит все руководители принимают решение.

 

*Критерий базируется на показателях входящих в оценочную систему, но в отдельных случаях может не совпадать с одним из показателей, а м.б. расчетным.
5.10. Сущность вероятностного подхода к управлению запасами. Графическая иллюстрация. Параметры, порождающие вариацию. Подход к установлению размера страхового запаса.

В данной модели системы управления запасами учитываются случайные величины. Принято, что случайные величины подч-ся закону нормального распр-я.

Когда показатели D (интенсивность потребления) и LT (длительность выполнения заказа) подвержены изменениям, возникает вероятность, что фактический спрос превышает ожидаемый.

Соответственно, становится необходимым создавать дополнительный запас, чтобы снизить риск исчерпания ресурсов в течение периода LT.

Введем понятие «резервный запас» SS – safety stock – это материальный запас, который создается в дополнение к ожидаемому спросу (и с превышением ожидаемого спроса) (R = d ´ LT + SS, где d – ожидаемая интенсивность спроса).

Понятие «уровень обслуживания» (SL – service level) – это вероятность того, что в период исполнения заказа спрос не превысит наличных запасов.

Объем резервного запаса в каждой ситуации определяется следующими факторами:

1. Средний ур-нь спроса и сред время выполнения заказа.

2. Подверженность изменениям показателей спроса и времени выполнения заказа.

3. Желаемый уровень сервиса (например 95%)

 

Для каждого уровня обслуживания (кривая SL) в цикле заказа, чем больше изменчивость показателей d и LT, тем больше объем резервного запаса нужен для достижения данного уровня обслуживания. SS = z ´ s; z находится по таблице нормального распределения для заданного SL (пр. 95%), и s.

z- число стандартных отклонений, определяется тем, какую степень риска исчерпания запасов менеджер считает приемлемой, чем меньше допустимый риск, тем больше резервный запас.

sd× LT – стандартное отклонение спроса в период выполнения заказа.

 

Варианты модели

Для этой модели существуют три возможных варианта:

1. Изменяется только спрос (есть sd):

 

 

 
 

 

 


2. Изменяется только срок выполнения заказа:

 
 

 

 


3. Изменяются и d и LT:

 
 

Среда принятия реш-й – инф-ная среда, в кот-й приним-ся реш-е, а именно полнота и достовер-ть инф-и, кот-й располаг-т рук-ль для того, чтобы принять реш-е. При этом прежде всего предпол-ся инф-я о возмож-ти наблюд-я в будущем той или иной среды реализ-и альтернатив.

3 типа СПР:

1) Среда полной определ-ти – если отложить на графике критерий, то в СПО будет известно, какова будет среда реал-и→можно рассчитать для каждой альтернативы, каково б. Значение критериев. Задача сводится к простому перебору рез-та реализ-и альтернатив (напр, известен объем реализации, можно посчитать прибыль). На практике СПО не бывает, т.к. все показ-ли – случ. величины, но счит-ся возможным пренебречь их вариацией.

Среда полной неопред-ти – отсутст-т каик-л. обоснов-е предполож-я о возм-ти пронаблюдать ту или иную среду реализ-и. Макс-м, что можно сделать – опред-ть наилучш. и наихудш. исходы при реализ-и отдельно взятых альт-в. Реш-е принять сложно, в наиб степени учит-ся суб-й взгляд руков-ля.

3) Среда риска – знание вероятности, с кот-й будет наблюд-ся та или иная среда реалииз-и альтернатив. Вся деят-ть в рыночной эк-ки проходит в этой среде. Откуда м.б получены знания о вероятностях: 1. на основе прошлых наблюдений (если ситуация неоднократно происходила в прошлом, то вероятности станов-ся устойчивыми, достоверно известными) – объективные вероятности 2. на основе экспертного опроса (в случае отсутствия или недоступности прошлого опыта). Опыт показ-т, что чаще всего установл-е таким образом вер-ти явл-ся достоверными – субъективные вероятности

Таблица решений – испол-ся для принятия решений.

Среды Альтернативы:

Альт. БЛР НБР КИ – круп. инвест-и
КИ   -180000 МИ – мелкие инвест-и
МИ   -20000 Н – ничего не делать (введена умышлен-
Н     но, чтобы показать, что есть альт-вы, не

Чувствит. к среде реализ-и.

В клетках на пересечении сред и альтернатив – исходы (чаще – прибыль (колич. показ-ль)). Для разделения сред испол-ся субъект. выводы рук-ля. В кач-ве расчетного значения критерия раздел-я сред можно принять среднее реалистичное макс. знач-е (1 вар-т) или макс. среднее значение (2 знач-е).

При принятии реш-я в среде риска в таблицу реш-й добавл-ся строка вер-ности (Р) пронаблюдать ту или иную альтернативу.

Альт. БЛР НБР EMV - ожидаемое значение денежного
КИ   -180000 показ-ля = ОД (ожидаемая ден. отдача)
МИ   -20000 EMV = å Риij ® max
Н     j
Р 0.5 0.5 J – исходы, i - альтернативы

Критерий EMV = åпроизв. вероятностей на исходы по кажд. альт-ве: EMV1 = 0.5*200000 + 0.5*(-180000) = 10000 д.ед.

EMV2 = 0.5*100000 + 0.5*(-20000) = 40000 д.ед. EMV3 = 0 д.ед.

Выбирается 2-я альт-ва, максимизирующая знач- е EMV. Статич. знач-е показ-ля – это средне-взвеш. по средам реализ-й. Роль весов играют вер-ти наблюд-я каждой из сред.

В кач-ве исхода испол-ся прибыль. В случае многократ. Повторения сит-и прибыль будет стремиться к EMV2. Но в отдельно взятом случае нельзя гарантировать, что А2 окаж-ся лучше. В любом случае, знач-е EMV2 наиб. вероятно.

Реш-е или выбор альт-вы оказ-ся чувствит-но к знач. вероятностей. Закономерность: по мере сниж-я вер-ти благопр. Среды мы переходим от КИ к МИ, а затем к полному отсутствию инвест-й. Важен также анализ вариации исхдов. показатель, характеризующий вариацию – дисперсия (=вероятность*квадрат исхода-квадрат(вероятность*исход). Предпочтительней является альтернатива, дающая меньшую вариацию значений. Может быть ситуация: у одной альтернативы и EMV больше и дисперсия меньше, все свидетельствует в ее пользу. А может быть, что у одной альтернативы больше EMV, но при этом и вариация больше, что говорит не в ее пользу. Руковолитель должен быть субъективен и решение зависит от отношения руководителя к риску. Субъективное отношение к риску проявляется в том, какой критерий рук-ль примет для выбора альтернативы

Находи по таблице решений:

1. Максимаксный реализует принцип оптимизма, рук-ль ориентируется на наилучший из всех возможных рез-ов. По каждой альтернативе находится максим-е значение исхода, а затем максим-е из этих наилучших рез-в и выбирается соответствующая альтернатива.

2. Максиминный реализует принцип пессимизма (принцип гарантированного рез-та). По кажд альтернативе наихудший рез-т, среди них выбирается наилучший.

3. Следующий критерий используется с таблицей потенциальных потерь (строится на основе таблицы реш-й: по каждой среде реал-ции ищется максим-й исход, из этого знач-я вычитаются остальные исходы по каждой альтернативе).

Минимаксный – критерий миним-го сожаления. Минимизир-ся максимально возможные потери. По каждой альтернативе максимальные возможные потери, из них минимум.

 


Логистический сервис. Примеры показателей уровня логистического сервиса и типовая процедура их формирования.

Логистический сервис (LS) – предполагает тот комплекс услуг, к-й предоставляется потреб-лю в процессе предоставления ему пр-ции. Комплекс услуг должен колич-но оценив-ся для того, чт сравниваться с др (пр. конкурентами).

Выделяют 3 группы показателей для оценки LS:

1. Предпродажные услуги, т.е. те услуги, к-е обеспеч-ся клиенту ДО его покупки: 1.1 предпродажная подготовка; 1.2 формирование и доведение до потребителя политики организации, которую организация проводит по оказанию услуг при реализации продукции. 1.3 Наличие планов по мероприятиям, которые будут проводиться по улучшению LS и его поддержанию.

2. Логистические услуги, реально оказываемые в процессе реализации продукции. Общая последовательность по оценке услуг: 2.1 Выделение сегментов потребительского рынка. Рассмотрение тех специфических требований по каждому сегменту, которые предъявляются к доставке 2.2 Формируется перечень услуг, которые оказываются клиентам при доставке по разным сегментам, при необходимости ранжируется в порядке значимости. 2.3 По каждой услуге д/б выработан стандарт и строгая количественная оценка.

Примеры показателей: Время от получения заказа до отправки продукции со склада. (t) - Выполнение договорных обязательств в срок.(+/-) - % договоров, договоров, выполненных в установленное время (кол-во договоров в срок/общее число договоров*100%) (%) - Минимальный объем заказа, выполняемый организацией или другие ограничения. - % договоров, выполненных в соответствии с требованиями и без претензий; - Количество претензий от клиентов за единицу времени и др.

3. Послепродажный LS включает: 3.1 монтаж/наладку; 3.2 гарантийное обслуживание; 3.3 замену продукции; 3.4 наличие обратной связи с клиентом; 3.5 анализ причин, приводящих к претензиям.

Уровень обслуживания рассм-ся как относительный показ-ль для оценки LS. В общем случае: h=n/m, где n – количественная оценка фактически достигнутого уровня сервиса, m – макс-но возможно достижимый уровень. Способ установки уровня LS:

Сущ-ют 2 зависимости издержек от уровня LS: 1) издержки на повышение уровня сервиса (растут экспоненциально с ростом уровня после 70%); 2) издержки связанные с низким уровнем, пр. претензии, потеря потенциальных клиентов и др. (снижаются с ростом уровня сервиса) (нижняя кривая – кривая прибыли) 70% - уровень LS, к-й минимиз-ет издержки. (рис 1)

 

Для контроля и мониторинга LS можно применить такой инструмент, как управляющая диаграмма. Пример: пусть xi – количество поставок, по которым поступили рекламации (за i-ый период времени), ni – общее кол-во поставок за i-ый период времени. Количество периодов как правило берут k=20 – 25 i=(1,k). pi=xi/ni – доля договоров с претензиями за период – случайная величина.

- средняя доля договоров с претензиями, от 0 (все договоры в порядке до 1 – все договоры с претензиями) UCL – верхний предел регулирования, LCL – нижний предел регулирования, Затем строится управляющая диаграмма в качестве аргумента берется pi. На графике совмещаются UCL, и LCL.

       
   
 
 

 


Выводы, которые можно сделать по графикам:

1. Разброс значений остается в пределах регулирования и достаточно постоянен. 2. В целом % договоров с претензиями остается постоянным, но существуют случайные выбросы. Следует выяснить их причины. 3. Процесс неуправляем и идет хаотически. Предсказать невозможно. Следует проанализировать причины неуправляемости и привести процесс в нормальное состояние.

После проведения мероприятий по повышению уровня сервиса его результат можно просмотреть на той же диаграмме. Достаточно наглядно.

 

 
 

 

 

5.7. Функции запасов. Издержки при управлении запасами. Изменение издержек при изменении объема заказа (графическая иллюстрация). Управляемый фактор и параметр оптимизации при управлении запасами.

Основной функцией запасов можно назвать:

а) для производственной организации – обеспечение непрерывности производства;

б) для торгово-закупочной – обеспечение бездефицитного обслуживания клиента;

за счет сглаживания неравномерности поставок необходимых сырья, материалов или полуфабрикатов.

Еще одной функцией запасов является использование их, как средства борьбы с инфляцией, предотвращение наступления рисковых ситуаций.

Статьями затрат на содержание запасов можно назвать (зависят от объема запасов):

1. затраты на содержание помещений;

2. естественная убыль и хищение;

3. страховка и амортизация,

4. банковский процент и инвестиционные потери;

5. другие связанные с хранением потери

(растут с увеличением объема запасов)

Статьями затрат на размещение заказа можно назвать (зависят от размера заказа):

1. затраты на непосредственное размещение заказа;

2. затраты на командировки для подписания контрактов;

3. затраты, связанные с приемкой и проверкой качества поставленного сырья и пр.

4. *не затраты* полученные скидки зависящие от объема заказа

(снижаются с повышением объема заказа)

Графическая иллюстрация:

Управляемым фактором в данном случае является объем единовременного заказа. (В данном случае он равен Qопт). Частота заказа (число заказов в год) в данном случае будет равна годовой потребности отнесенной к объему заказа.

Прогнозир-е спроса с использ-ем временных рядов.

Прогнозир-е - метод, в к-м использ-ся как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его опред-я. Методы прогноз-я: экспертный и количественный. Колич-й включает в себя много вариантов, в том числе корреляционный и регрессионный анализ, прогноз-е на основе временных рядов. Последний способ включает в себя: скользящее осреднение, экспоненциальное сглаживание и метод «тренд+сезонность». Метод прогноз-я на основе временных рядов – экстраполирование: исходят из предположения, прошлые тенденции в поведении прогнозируемого показателя сохранятся в будущем, а если и будут меняться, то медленно.

Временной ряд – совокуп-ть значений прогнозируемого показ-ля, каждому из к-х поставлен в соотв-вие опр-й момент времени. Моментный ВР - фиксирует значение на данный конкретный момент времени Интервальный ВР - дает общее значение показ-ля за весь период (можно суммировать) Прогнозный горизонт – хар-ет, как далеко отстоит от текущего момента времени момент времени, для к-го осущ-ся прогноз. Прогнозный период – кол-во прошлых периодов, по к-м строится прогноз. Пар-ры прогноз-я: на уровне орг-ции прогнозируются показ-ли хоздеят-ти – будущие объемы реал-ции. Di - фактический спрос, Fi – прогнозное значение спроса.

Методы прогнозирования 1. Скользящее осреднение (простое) Fi = (Di-1+…+D1)/(i-1). Использ-ся также в звешенное скользящее осреднение: предполагается, что более отдаленные периоды имеют меньшее влияние. В связи с этим вводятся весовые коэф-ты, пр. для предыдущего 0,5; два периода в прошлом 0,3; три периода 0,2 и т.п., тогда Fi=Di-1´ki-1+…+ D1´k1

2. Экспоненциальное сглаживание: Fi=Fi-1+a(Di-1- Fi-1), где a ‑ константа сглаживания» 2/N+1; Di-1- Fi-1 - ошибка прогноза. N - общее количество прошлых наблюдений. a Î [0¸1]; берут обычно [0,05¸0,5]. Di-1- данные по прошлому периоду; Fi‑1- прогноз прошлого периода. Уменьшение a приводит к сглаживанию ряда; если колебания сильные, a следует брать больше.

Структура временного ряда:

Т - трендовая компонента

S - сезонная компонента;

С - циклическая компонента;

R - случайная компонента

(поэтому есть ошибки прогноза)

Теоретически аддитивная модель временного ряда: D=T+S+R (регрессионное уравнение тренда).

3. Совместный учет тренда и сезонной компоненты

Алгоритм прогнозирования: Напр: Есть данные по спросу за два года по четырем кварталам. Необходим прогноз на следующий год.

1. Вычисляем формулу тренда по известным периодам. Выделение линейной трендовой компоненты: D=a + bt

2. Рассчитываем значение функции для известных периодов.

3. Находим индекс сезонности (отношением фактического спроса к тренду для каждого квартала).

4. Усредняем индексы сезонности (среднее арифметическое для соответствующих периодов).

5. Делаем прогноз: находим значение функции тренда для искомого периода и умножаем на соответствующий ему индекс сезонности (Необходимо учитывать, что порядковый номер квартала продолжается, а не начинается отсчет для каждого года заново).

 

 




Поделиться:


Последнее изменение этой страницы: 2016-09-05; просмотров: 164; Нарушение авторского права страницы; Мы поможем в написании вашей работы!

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.15.34.105 (0.01 с.)