Előrejelzés Összeállította: Sójáné Dux Ágnes

Előrejelzés Az időbeli folyamatok elemzésének segítségével lehetőség nyílik a korábban láthatatlan trendek és szezonalitások felismerésére. Például – Piaci folyamatok vizsgálata – Termékek vagy szolgáltatások iránti kereslet előrejelzése – Emberi és további erőforrásigények feltérképezése – Befektetési lehetőségek elemezése

Az előrejelzési módszerek osztályozása az időhorizont alapján Hosszú távú előrejelzés - stratégiai tervezés - – Beruházási döntések Közép távú előrejelzés - taktikai döntések - – Termeléstervezés Rövid távú előrejelzések - operatív döntések - – Termelésprogramozás

Az előrejelzési módszerek osztályozása az eljárások alapján 1.) Kvalitatív módszerek: – Szakértői becslés – Csoportmunka módszerek – Piackutatás – Történelmi analógiák – Delphy módszer 2.) Kvantitatív módszerek: – Projektív módszerek: az igény múltbeli alakulását vizsgálja és a tapasztalt tendenciát kivetíti a jövőbe. (Mozgó átlagok, exponenciális simítások, stb) – Kauzális módszerek: az igény okát vizsgálja és abból következtet a jövőbeli igényre (regresszió számítás).

A termelési feladat előrejelzése Előrejelzési módszerek Á T L A G O S igény előrejelzése T R E N D D E L rendelkező igény előrejelzése S Z E Z O N Á L I S igény előrejelzése

Állandó igény előrejelzése Előrejelzés mozgó átlaggal Jelölések: » D t tényleges érték a t-edik periódusban » F t t-1-dik és t-edik periódusra az előre jelzett érték Átlagos hiba négyzet – Cél, hogy a hiba minimális legyen Mozgó vagy simító átlag, előrejelzés aktualizálása

Minta példa Előrejelzés mozgó átlaggal Ismert egy repülőgép motorok javításával foglalkozó üzem esetén a javított motorok negyedévenkénti mennyisége két évre visszamenőleg. Végezzen előrejelzést a következő negyedévre! NegyedévIgény (motorok száma)

Legutolsó 3 periódus (negyedév) átlaga

Legutolsó 6 periódus (negyedév) átlaga

Eredmények mozgóátlaggal

Előrejelzés exponenciális simítással Alapelv: a különböző periódusokban megfigyelt értékek nem egyforma mértékben fontosak a további előrejelzéshez EL Ő R E J E L Z E T T É R T É K = az előző periódusban észlelt tényleges + az előző periódusra előre jelzett igény súlyozott átlaga

Előrejelzés exponenciális simítással Példa NegyedévIgény (motorok száma)alfa= 0,1alfa= 0,

Előrejelzés exponenciális simítással eredmény

Holt módszer A lineáris trend azt jelenti, hogy az igény periódusról periódusra folyamatosan növekszik két egymást követő periódusban észlelt igény közötti különbség nem állandó, hanem véletlen ingadozást mutat, ilyen esetben a kettős exponenciális simítást használjuk, melyet gyakran Holt – módszernek is neveznek.

Holt módszer Egylépéses előrejelzés alapelve: Az igény két komponense dominál – 1. Átlagigény exp. simítással számítva (α) – 2. Lineáris trend exp. simítással számítva (β)

Holt módszer Jelölések: – S t : az átlagigény előrejelzése mintha nem lenne trend – G t : a trend előrejelzése (az egyenes meredeksége) – F t+1 : a t+1 -ik periódusra t-ből előrejelzett érték

Holt módszer S t = αD t + (1- α)(S t -1 + G t -1) 0 ≤ α ≤ 1 G t = β(S t - S t-1 ) + (1-β)G t-1 0 ≤ β ≤ 1 F t+1 = S t + G t F t,t+τ = S t + τ*G t

Szezonalítás előrejelzése Szezonalitás: az átlagigény körüli ingadozás. Egy szezon lehet azonos vagy változó hosszú, mely egy adott idő múlva ismétlődik Szezonindex: az adott periódusban az átlaghoz képest mennyi az igény

Szezonalitás előrejelzése lineáris trend mellett Winters modell Háromszoros exponenciális simítás Lépései: – Átlagértékek simítása – Trend simítása – Szezonindex simítása