Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
KiadtaGyula Bognár Megváltozta több, mint 8 éve
1
Előrejelzés Összeállította: Sójáné Dux Ágnes
2
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
3
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
4
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).
5
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
6
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
7
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) 1200 2250 3175 4186 5225 6285 7305 8190
8
Legutolsó 3 periódus (negyedév) átlaga
9
Legutolsó 6 periódus (negyedév) átlaga
10
Eredmények mozgóátlaggal
11
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
12
Előrejelzés exponenciális simítással Példa NegyedévIgény (motorok száma)alfa= 0,1alfa= 0,7 1200 2250200 3175205235 4186202193 5225200188 6285203214 7305211264 8190220293 9 217221
13
Előrejelzés exponenciális simítással eredmény
14
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.
15
Holt módszer Egylépéses előrejelzés alapelve: Az igény két komponense dominál – 1. Átlagigény exp. simítással számítva (α) – 2. Lineáris trend exp. simítással számítva (β)
16
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
17
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
18
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
19
Szezonalitás előrejelzése lineáris trend mellett Winters modell Háromszoros exponenciális simítás Lépései: – Átlagértékek simítása – Trend simítása – Szezonindex simítása
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.