2 Прогнозирование процессов в логистике
Задание
Ознакомиться с общим алгоритмом (схемой) прогнозирования на базе расчетов, выполненных в продукте MS Excel.
Для данных приведенных в табл. 2.1, выполнить:
1 Выбрать показатель (по последней цифре номера в списке группы), характеризующий логистический процесс компании, по номеру варианта. Подготовить исходные данные для получения прогноза в MS Excel.
2 Выполнить прогноз с помощью алгоритма, представленного в примере.
3 Сохранить результаты прогноза и запомнить оптимальные (рациональные) модели прогнозирования и результаты.
4 Оценить качество прогноза. Построить графики по моделям зависимостей и базовых (ретроспективных) данных показателей.
5 Оформить результаты в отчете.
Указания по выполнению задания
Пусть выбранный показатель, характеризующий логистический процесс компании, имеет вид, представленный в табл. 2.1.
Наименование
показателя (параметра),
млн. руб.
Период,
месяц
1
2
3
4
5
6
7
8
9
Объем
продаж
34,0
34,1
34,2
34,2
35,0
34,4
34,4
34,5
36,0
Наименование
показателя (параметра)
млн. руб.
Период,
месяц
10
11
12
13
14
15
16
17
18
Объем
продаж
34,5
34,6
34,6
37,0
34,7
34,8
34,7
38,0
34,9
На рис.2.1 слева представлены исходные данные. Значение «T» в столбце «A» делаем на четыре единицы больше, так как эти ячейки служат порядковыми номерами прогнозирования процесса. В столбец «B» вводим исходные данные из условия «Значение Y». Следует учитывать, что формат ячеек «Значение Y» должен быть числовой. Проверить это можно, выделив область «Значение Y». Затем нажатием правой кнопки мыши открыть вспомогательное меню и выбрать «Формат ячеек». Проверить, чтобы в окне «Числовые форматы» (рис. 2.2) было выбрано поле «Числовой». Осуществим ввод исходных данных в динамическую таблицу MS Excel.
Рис. 2.1 Рис. 2.2
В
ыполним
прогнозирование логистического процесса
с помощью линейной регрессии.
Введем формулу и параметры в динамическую
таблицу MS Excel
(рис. 2.3).
Рис. 2.3
В качестве параметров A0, A1 используем случайную величину. Произведем расчет по приведенной формуле. Y(T) – данные, полученные в результате расчета по формуле, приведенной на рис. 2.3. Для нахождения значения Y(T) в диалоговое окно следует ввести с клавиатуры выражение f(x )= $F$4 + B2 * A2.
В
качестве параметров модели применяется
свободный член и угловой коэффициент.
Далее следует найти разность между «Y»
и «Y(T)» ,
затем возвести ее в квадрат. Вводим в
диалоговое окно выражение f(x)=
(B2 - C2), затем
нужно применить это выражение для всех
остальных ячеек столбца (рис 2.4). Далее
выполняется «автосумма». Для этого
следует выполнить следующие действия.
Выбрать свободную ячейку и сделать ее
активной (воспользоваться символом
автосуммы
,
нажав на него, выделить столбец со
значениями «(Y-Y(T))^2»
и нажать клавишу «Enter»)
(рис.2.4). Затем следует найти коэффициент
корреляции между значениями Y
и Y(T). В
диалоговое окно вводят следующую функцию
=КОРРЕЛ и указывают массивы со значениями
расчета. В указанном примере это
(B2:B12;C2:C12).
Рис. 2.4
Для адекватного расчета линейной регрессии следует применить функцию «Поиск решений». Делаем активной ячейку со значением суммы. Во вкладке верхнего меню «Сервис» выбираем «Поиск решений».
В появившемся окне (рис. 2.5) необходимо проверить, чтобы была правильно установлена «целевая ячейка». Выбрать «минимальное значение», изменяя ячейки, имеющие параметр A0, A1, затем нажать «Выполнить». Новые результаты являются конечным этапом расчетов линейной регрессии (рис. 2.6).
Рис. 2.5
После выполнения расчетов необходимо построить диаграмму прогноза. В меню выбираем «Мастер диаграмм». Далее в открывшемся окне выбираем «График». Нужный вид диаграммы выделен черным цветом (рис 2.7). В появившемся меню выбрать вкладку «Ряд» -> Добавить. В окне «Значения» указываем массив значений Y. Затем необходимо добавить еще один ряд и указать массив значений Y(T) (рис.2.8).
Рис. 2.6
Рис. 2.7 Рис. 2.8
В конечном итоге должна получиться диаграмма, где Ряд 1 – значения Y, Ряд 2 – линейная регрессия (рис. 2.9).
Рис. 2.9
На следующем этапе необходимо провести планирование логистического процесса с помощью параболической регрессии. Исходные данные остаются неизменными. Добавляем случайную величину в параметр A2. Расчет массива со значениями Y(T) производится по формуле Y=A0+A1*T+A2*T^2 (рис. 2.10).
Рис. 2.10
Далее производится расчет Y(T) по алгоритму, аналогичному линейной регрессии (рис. 2.11).
Рис. 2.11
Затем следует выполнить «Поиск решений». Диаграмма параболической регрессии выполняется аналогично диаграмме линейной регрессии. Результат расчета представлен на рис. 2.12.
Рис. 2.12
Д
алее
выполняем прогнозирование логистического
процесса на основе авторегрессии с
постоянным трендом. Расчет массива
со значениями Y(T)
производится по формуле Y(t)
= A0 + А1*Y(t
– 1) (рис. 2.13).
Рис. 2.13
Прогнозирование на основе авторегрессии выполняется аналогично двум примерам (авторегрессии и параболической регрессии), рис. 2.14.
Рис. 2.14
Выполним «Поиск решений», затем построим диаграмму (рис. 2.15).
Рис. 2.15
Сезонная авторегрессия и скользящая средняя выполняются аналогичным образом по соответствующим формулам: Y(t) = A0+A1*Y(t–4), Y(t) = A0*Y(t–1)+(1–A0)*y(t–1).
Контрольные вопросы
Какие методы прогнозирования вы знаете и в чем их отличия?
Каковы этапы прогнозирования при статистическом методе прогнозирования?
Что вы понимаете под точностью прогноза?
Как оценить адекватность модели прогноза исследуемому процессу?
Приведите типы моделей статистического моделирования?