- •1. Прогнозирование потребности по временным рядам.
- •Прогнозирование потребности по временным рядам
- •1) Наивный прогноз,
- •2) Прогнозирование по средним значениям,
- •Наивный прогноз
- •Прогнозирование по средним значениям
- •Прогноз потребления предыдущего года на основе среднедневного потребления
- •Расчет прогнозного значения потребления ресурсов по скользящей средней
- •Прогнозирование потребности по индикаторам
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Государственное образовательное учреждение высшего профессионального образования
Северо-Западный Государственный Заочный Технический Университет
Кафедра логистики
Курсовая работа
по дисциплине: «Логистика снабжения»
Тема: Количественные методы прогнозирования потребности в ресурсах
Студент: _________ Жарких И.А.
Институт: __________ ИУПиИП
Специальность: _____ 080506.65
Шифр: ____________0706031999
Группа: __________________ 963
Проверил: Прохоров В.М.
Санкт - Петербург
2012
Содержание
Введение …………………………………………………………………..….3
-
Прогнозирование потребности по временным рядам …..…..4
-
Наивный прогноз …………………………………………………...…..…5
-
Прогнозирование по средним значениям …………………………..…..7
-
Прогноз потребления предыдущего года на основе среднедневного потребления ………………………………………………………...7
-
Расчет прогнозного значения потребления ресурсов по скользящей средней …………………………………………………………...….8
-
Прогнозирование потребности в ресурсах по взвешенной скользящей средней …………………………………………...…...10
-
Прогнозирование потребности методом экспоненциального сглаживания ……………………………………………………..….13
-
-
Прогнозирование сезонной потребности в ресурсах ……………….…15
-
Прогнозирование потребности по индикаторам ………….….21
Введение
Прогнозирование потребности в запасах на основе статистических данных составляет количественный подход к прогнозированию. По группам используемых методов количественное прогнозирование можно разделить на два класса:
1. Прогнозирование потребности по временным рядам.
2. Прогнозирование по индикаторам.
-
Прогнозирование потребности по временным рядам
Временной ряд (time series) представляет собой упорядоченные во времени наблюдения. Такие наблюдения производятся через равные интервалы времени и фиксируют объемы отгрузок запасов в ответ на заявленный спрос на товарно-материальные ценности запаса. Элементы анализа временных рядов потребления запасов представлены в примерах п. 3.
На основе анализа временных рядов можно строить прогнозы потребления на будущие периоды. Для этого достаточно построение графика динамики отгрузок и внимательного его изучения. В общем случае во временном ряде потребности требуется выделить следующие составляющие:
a) относительно равномерный спрос,
b) сезонную потребность,
c) тенденции изменения спроса,
d) циклические колебания спроса,
e) наличие эффекта стимулирования продаж,
f) случайные колебания спроса.
a. Относительно равномерный спрос
Относительно равномерный (или базовый) спрос характерен для регулярно потребляемых запасов, не имеющих сезонных периодов потребления. Относительно равномерный спрос типичен для запасов основных материалов производственных предприятий. Для прогнозирования потребности в запасах, характеризуемых временными рядами отгрузок равномерного характера, можно использовать методы наивного прогноза и группу методов прогнозирования по среднему значению (простой средней, скользящей средней, взвешенной скользящей средней), а так же метод экспоненциального сглаживания.
На примере потребления запаса за два года проиллюстрируем простейшие методы прогнозирования, а именно
1) Наивный прогноз,
2) Прогнозирование по средним значениям,
3) метод экспоненциального сглаживания.
-
Наивный прогноз
Наивный прогноз является самой простой методикой прогнозирования. Она основывается на предположении о том, что прогнозируемое потребление будущего периода равно потреблению предшествующего периода.
Пример наивного прогноза потребности в запасах по текущему году представлен в таблице 1 и на рисунке 1. Результаты прогнозирования демонстрируют отставание прогнозных значений от фактически реализуемых.
Может показаться, что наивное прогнозирование является чрезмерно упрощенным методом. В то же время необходимо отметить и сильные стороны такого приема. Для проведения наивного прогноза не требуется наличия накопленной статистической базы. Наивный прогноз позволяет работать и при ее отсутствии. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует, фактически, никаких затрат. Основным недостатком наивного прогнозирования является вероятная низкая точность прогноза.
Другие методы прогнозирования, которые будут рассмотрены в данном разделе, могут привести к более точным результатам, чем метод наивного прогнозирования, но, являясь более сложными, могут потребовать и более высоких затрат на их применение. Поэтому по критерию соотношения затрат на реализацию и точности прогнозирования менеджеры должны определиться, какой метод прогнозирования следует применять. Вполне возможно, что таким методом окажется метод наивного прогноза.
Пример наивного прогнозирования потребления
Месяц |
Фактические значения |
Наивный прогноз |
Январь |
19944 |
0 |
Февраль |
59987 |
19944 |
Март |
49904 |
59987 |
Апрель |
59947 |
49904 |
Май |
49977 |
59947 |
Июнь |
39933 |
49977 |
Июль |
29930 |
39933 |
Август |
69989 |
29930 |
Сентябрь |
59963 |
69989 |
Октябрь |
49944 |
59963 |
Ноябрь |
39997 |
49944 |
Декабрь |
19914 |
39997 |
Таблица 1
Рисунок 1
Рисунок 2