Корнилов диплом / ДИПЛОМ!!!!

ПРИЛОЖЕНИЕ А

Расчет прогноза продаж Суть прогноза методом экстраполяции тренда состоит в том, что законо-

мерность, действующая внутри анализируемого временного ряда, выступающего в качестве базы прогнозирования, сохраняется и на период прогноза. Прогнозирование в этом случае можно свести к подбору аналитически выраженных моделей типа y=f(t) по данным по данным предпрогнозного периода. [1, с 185]

Первый этап – подбор зависимости для описания уравнений тренда. Видом функции задаются, обычно используются полиномы различных порядков, экспоненциальные, степенные функции и тд. Параметры модели прогнозирования определяются методом наименьших квадратов.

Модель тренда является линейной величиной:

y*t=a0+a1t,

где y*t – прогнозное значение; a0 и a1 – коэффициенты уравнения; t – момент времени.

Уравнение линейного тренда, после подставления коэффициентов a0 и a1: y*t=6733,7+5t.

Для t=1 y1=6733,7+5*1.=6738,7 т.

Аналогично производятся вычисления трендовых значений для остальных периодов. Так же при расчете тренда следует учитывать сезонность, в нашем металлоцентре она очень важна. Всплеск продаж приходится на середину веснысередину осени, тогда как в остальные месяцы происходит спад.

Оценим сезонную составляющую, как разность между фактическим

значением и значением тренда:

s*t=yi –y*t.

71

Для t=1 s*1=5635-6739=-1103,7 т.

Полученные оценки сезонной компоненты пока еще не пригодны для построения прогнозов, поскольку они показывают сезонное отклонение от тренда для конкретного периода времени в исходном ряду. Для того что бы оценки сезонности можно было использовать в целях получения более точного прогноза, необходимо найти средние оценки сезонной компоненты.

Сезонная оценка для первого месяца равна

Скорректируем трендовую модель с учетом сезонности. Для этого к полученным значениям тренда прибавим сезонную компоненту. Для января 2015 года тренд с учетом сезонности будет равен:

Yтр+сез=8373,3+ (-1653,4)=7891,1 т.

Аналогично вычисляем остальные результаты тренда с учетом сезонно-

сти.

Второй этап – продолжение полученного тренда за интервал значений, по которым строилась зависимость. Для получения значения прогноза на t-й месяц в уравнения тренда подставляют конкретные значения t.

Третий этап – расчет ошибки прогноза. Тренд характеризует лишь средний уровень ряда на каждый момент времени, в том числе и на прогнозный период. Отдельные колебания в прошлом отклоняются от линии тренда, это дает право предположить, что и в будущем следует ожидать таких отклонений. Погрешность прогноза можно оценить по среднеквадратичному отклонению:

N

( yi* yi )2

где y*I – расчетные значения; k – число степеней свободы, определяемое в зависимости от числа наблюдений (N) и числа оцениваемых параметров (z ) k=N-z; z =2 для линейного тренда. Погрешность прогноза отражается в виде доверительного интервала, с помощью которого точечный прогноз преобразуется в интервальный.

Вычисляем погрешность прогноза:

Четвертый этап – определение интервала прогноза. Доверительный интервал прогноза определяется следующим образом:

y yt t sy ,

72

где yt - среднее значение прогноза (тренд); t - табличное значение t-

критерия Стьюдента с k степенями свободы и уровнем значимости (доверительная вероятность) p.

Значения коэффициента Стьюдента для доверительной вероятности p=0,9 и числом степеней свободы k=69, берем из таблицы коэффициентов t=1,673 [7]. Подставляя полученные значения рассчитываем верхнюю и нижнюю границу доверительного интервала.

73

ПРИЛОЖЕНИЕ Б

Таблица Б1Исходные данные

74

Окончание таблицы Б1

75

ПРИЛОЖЕНИЕ В

Расчет коэффициента неравномерности вторым и третьим методом Диапазон значений случайной величины грузопотока в статистической

выборке от максимального до минимального разбивается на k интервалов, величина которого определяется по формуле:

-начало каждого последующего интервала принимается равным концу предыдущего;

-средняя величина грузопотока в i-м интервале определяется по формуле:

Qср (Qi1 Qi11 ) ;

i 2

- определяется число случаев ni попадания величины грузопотока из статической выборки в соответствующий i-й интервал;

личины грузопотока в соответствующий i-й интервал;

- определяется накопленная относительная частота Fi=Fi-1+fi попадания случайной величины в i-й интервал, начиная от i-го интервала включительно;

-определяются отклонения от среднего значения величины грузопотока

По второму методу коэффициент неравномерности определяется по фор-

муле

kH 1 v[Q],

где v[Q] - коэффициент вариации грузопотока, вычисляемый по формуле

76

[Q] - среднее квадратичное отклонение, которое определяется по формуле

[Q] D[Q] ,

где D[Q] - дисперсия случайной величины грузопотока, которая вычисляется по формуле

Подставляем наши значения в вышеприведенные формулы:

По второму методу коэффициент неравномерности равен kH 1 v[Q] 1 0.154 1.154 .

По третьему из перечисленных методов коэффициент неравномерности грузопотока вычисляется по формуле

kH 1 [Q],

где [Q] - коэффициент превышения среднего грузопотока, учитываю-

щий не все отклонения случайных значений грузопотока от средней величины, а только в большую сторону от нее,

где - номер первого интервала, для которого грузопоток был больше математического ожидания M[Q]; Q - значение грузопотока, которое оказалось

больше, чем M[Q]; P(Q ) - вероятность появления величины грузопотока Q .

77

ПРИЛОЖЕНИЕ Г

Примеры расположения пачек в ячейке Размер ячейки S=13×6=78м2.

Пачки размером 1,5×2,5 м

Рисунок Г1 – Способ размещения №1

Пачки размером 1,5×6 м

Рисунок Г1 – Способ размещения №2

78

Пачки размером 2,5×12 м

Рисунок Г3 – Способ размещения №3

79

ПРИЛОЖЕНИЕ Д

Расчет интенсивностей грузопотока Интенсивность потока металла на участке Т1-P-T2-У1: Склад №1:

80