11.Интуитивные методы

Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за незначительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки.

В состав индивидуальных экспертных оценок входят: метод "интервью", при котором осуществляется непосредственный контакт эксперта со специалистом по схеме "вопрос-ответ"; аналитический метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные записки; метод написания сценария, который основан на определении логики процесса или явления во времени при различных условиях.

Методы коллективных экспертных оценок включают в себя метод "комиссий", "коллективной генерации идей" ("мозговая атака"), метод "Делфи", матричный метод. Эта группа методов основана на том, что при коллективном мышлении, во-первых, выше точность результата и, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, по меньшей мере могут возникнуть продуктивные идеи.

Сущность метода коллективной экспертной оценки для разработки прогнозов состоит в определении согласованности мнений экспертов по перспективным направлениям развития объекта прогнозирования, сформулированным ранее отдельными экспертами, а также в оценке аспектов развития объекта, которая не может быть определена другими методами.

Сущность метода мозговой атаки состоит в актуализации потенциала специалистов при анализе проблемной ситуации, реализующей вначале генерацию идей и последующее деструктурирование (разрушение, критику) этих идей с формулированием контридей.

Метод "Дельфи" характеризуется тремя особенностями, которые отличают его от обычных методов группового взаимодействия экспертов. К таким особенностям относятся: а) анонимность экспертов; б) использование результатов предыдущего тура опроса; в) статистическая характеристика группового ответа.

12 Методы экстраполяции

На ранних стадиях разработки часто ограничено количество известных параметров будущего объекта и показателей организационно-технического уровня производства у изготовителя и потребителя. В этих условиях рекомендуется применять более простые, но и менее точные методы прогнозирования — экстраполяции, основанные на прогнозировании поведения или развития объектов в будущем по тенденциям его поведения в прошлом. Применение методов экстраполяции, как правило, не требует моделирования частных параметров объекта и показателей организационно-технического уровня производства.

Наиболее распространенными являются методы экстраполяции по математическим моделям и графический (от руки, на глазок). Оба метода требуют наличия информации о прогнозируемом параметре объекта за период в два и более раза больше прогнозируемого периода. Для учета изменений качества объекта в прогнозируемом периоде и организационно-технического уровня производства у изготовителя и потребителя объекта применяются корректирующие коэффициенты.

Допустим, нам необходимо спрогнозировать себестоимость выработки сжатого воздуха в 2000 г. в условиях станкостроительного завода. Воздух на этом заводе сжимается воздушными поршневыми компрессорами типа ВП. На заводе не ведется учет себестоимости выработки сжатого воздуха каждым компрессором, но учитываются все элементы затрат на эксплуатацию и ремонты компрессорной станции в целом, а также ее годовая производительность. Поделив сумму годовых затрат на годовую производительность (годовой объем сжатого воздуха), получим себестоимость выработки единицы объема сжатого воздуха.

По имеющимся данным, себестоимость выработки сжатого воздуха на 2000 г. можно спрогнозировать методом наименьших квадратов на ЭВМ и графически. Для разработки модели прогнозирования по первому методу составляется матрица исходных данных по следующей форме:

После решения матрицы на ЭВМ по стандартной программе, статистической обработки данных методом наименьших квадратов были получены следующие модели для прогнозирования себестоимости:

Уравнение регрессии по степенной форме зависимости не отвечает требованиям по критерию Фишера: расчетное значение критерия равно 4,26, а табличное — 5. Поэтому было принято уравнение по линейной зависимости, отвечающее требованиям: коэффициент парной корреляции равен 0,78, ошибка аппроксимации ±1,5%, критерий Стьюдента — 4,68 при табличном, равном 2, критерий Фишера — 4,95.