Оглавление
Введение……………………………………………………………………...3
Задачи и принципы методов прогнозирования…………………………...4
Статистический метод…………………………………………….….….….7
Заключение………………………………………………………….………15
Список литературы…………………………………………………………16
Введение
Разработка управленческого
решения – один из наиболее важных управленческих
процессов. От его эффективности в значительной
степени зависит успех всей организации.
Профессиональный менеджер должен владеть
технологиями выработки, принятия, реализации
управленческих решений, без которых эффективное
управление организацией в сложной экономической
обстановке практически невозможно. Одной
из важнейших частей разработки управленческого
решения является прогнозирование.
Процесс прогнозирования достаточно
актуален в настоящее время. Широка сфера
его применения. Прогнозирование широко
используется в экономике, а именно в управлении.
В промышленности методы прогнозирования
также играют первостепенную роль. Используя
экстраполяцию и тенденцию, можно делать
предварительные выводы относительно
разных процессов, явлений, реакций, операций.
Определённую нишу прогнозирование занимает
и в военных дисциплинах.
Целью прогнозирования
управленческих решений является получение
научно обоснованных вариантов тенденций
развития показателей качества, элементов
затрат и других показателей, используемых
при разработке перспективных планов
и проведении научно-исследовательских
(НИР) и опытно-конструкторских работ (ОКР),
а также развитии всей системы менеджмента.
Задачи
и принципы методов прогнозирования
Прогнозированием называется
процесс разработки прогнозов. Под прогнозом
понимается научно обоснованное суждение
о возможных состояниях объекта в будущем,
об альтернативных путях и сроках его
существования.
«В классическом менеджменте
считается, что прогнозирование — это
метод, в котором используются как опыт,
накопленный в прошлом, так и текущие допущения
в отношении будущего в целях его определения.
В результате этого получают картину будущего,
которую можно использовать как основу
при планировании. Прогноз в управлении
представляет собой технологию разработки
моделей развития управляемого объекта.
Показатели прогноза (числовые характеристики
объекта, объемы и сроки работ и тому подобное)
имеют вероятностную природу. На основе
прогнозов осуществляется предвидение
и принимаются управленческие решения.
Цель прогнозирования — получить научно
обоснованные варианты тенденций развития
(изменения) управляемого объекта (показателей
его состояния) во времени и пространстве».1
Прогнозирование управленческих
решений наиболее тесно связано с планированием.
План и прогноз представляют собой взаимодополняющие
друг друга стадии планирования при определяющей
роли плана как ведущего звена управления.
В отличие от прогноза план содержит однозначно
срок существования события и характеристики
планируемого объекта. Для плановых разработок
используется наиболее рациональный прогнозный
вариант. Прогноз в системе управления
является предплановой разработкой многовариантных
моделей развития объекта управления.
Прогнозирование носит итеративный
характер, что означает одновременное
исследование и прогнозирование объекта
на любой стадии подготовки управленческого
решения.
К основным задачам прогнозирования
относятся:
- разработка прогноза рыночной
потребности в каждом конкретном виде
потребительной стоимости в соответствии
с результатами маркетинговых исследований;
- выявление основных экономических,
социальных и научно-технических тенденций,
оказывающих влияние на потребность в
тех или иных видах полезного эффекта;
- выбор показателей, оказывающих
существенное влияние на величину полезного
эффекта прогнозируемой продукции в условиях
рынка;
- выбор метода прогнозирования
и периода упреждения прогноза;
- прогнозирование показателей
качества новой продукции во времени с
учетом влияющих на них факторов;
- прогноз организационно-технического
уровня производства по стадиям жизненного
цикла продукции;
- оптимизация прогнозных показателей
качества по критерию максимального полезного
эффекта при минимальных совокупных затратах
за жизненный цикл продукции;
- обоснование экономической
целесообразности разработки новой или
повышения качества и эффективности выпускаемой
продукции исходя из наличных ресурсов
и приоритетов.
Основными принципами организации
работ по прогнозированию являются:
- адресность (состоит в выполнении
прогнозов для строго определенной научно-исследовательской
или проектно-конструкторской организации,
а также предприятия-изготовителя объекта);
- сбалансированность;
- параллельность (используется
для сокращения времени сбора и обработки
исходной информации и выполнения самого
прогноза);
- непрерывность (состоит в систематическом
сборе и обработке поступающей дополнительной
информации об объекте прогнозирования или о прогнозном фоне после выполнения прогноза и внесения необходимых коррективов в прогноз по мере необходимости);
- прямоточность (предусматривает строго целесообразную передачу информации от одного исполнителя к другому по кратчайшему пути);
- адекватность (характеризует не только процесс
выявления, но и оценку устойчивых тенденций
и взаимосвязей в развитии производства
и создании теоретического аналога реальных экономических процессов с их полной и точной имитацией);
- управляемость (необходимо
применять количественные оценки показателей
качества и затрат, экономико-математические
методы и модели управления);
- альтернативность (связана
с возможностью развития объекта, отдельных
его компонентов и технологии изготовления
изделия по разным траекториям, с различными
затратами в зависимости от использования
тех или иных принципов, закладываемых
в конструкцию или технологию);
- адаптивность (заключается
в изучении и максимальном использовании
факторов внешней и внутренней среды объекта
как системы, в приспособлении методов
и параметров прогнозирования к этим факторам,
к конкретной ситуации);
- системность (требует взаимоувязанности и соподчиненности прогнозов развития объектов прогнозирования и прогностического фона);
- комплексность;
- вариантность;
- автоматичность (является одним
из основных для сокращения времени и
затрат труда на сбор и обработку исходных
данных и выполнение прогнозирования);
- оптимальность.
Статистический метод
Статистический (параметрический) метод
- применяется для составления среднесрочных
прогнозов полезного эффекта, возможного
изменения рынков сбыта анализируемой
продукции серийного производства. Срок
прогнозирования до 10 лет.
На стадиях разработки технического
задания и технического проекта по объекту
массового производства отсутствуют сведения
по каждой детали и сборочной единице.
Объекты еще не прошли опытно-промышленных
испытаний. Поэтому на этих стадиях нет
возможности выполнить детальные расчеты
затрат на освоение, изготовление, обращение,
эксплуатацию и ремонт проектируемых
объектов. А по продукции единичного и
мелкосерийного производства нецелесообразно
применять описанные выше точные методы
прогнозирования. В этих случаях рекомендуется
применять параметрические методы прогнозирования
полезного эффекта и затрат, основанные
на установлении зависимостей между параметрами
объекта и организационно-технического
уровня производства, с одной стороны,
и полезным эффектом или элементом затрат
— с другой.
Прежде чем приступить к анализу статистических
методов прогнозирования, рассмотрим
некоторые общие понятия и определения,
относящиеся к корреляционным2 и
регрессионным моделям. Две случайные
величины являются корреляционно связанными,
если математическое ожидание одной из
них меняется в зависимости от изменения
другой.
Применение корреляционного анализа
предполагает выполнение следующих предпосылок:
а) Случайные величины могут рассматриваться
как выборка из двумерной генеральной
совокупности с нормальным законом распределения.
б) Ожидаемая величина погрешности равна
нулю.
в) Отдельные наблюдения стохастически3 независимы,
т. е. значение данного наблюдения не должно
зависеть от значения предыдущего и последующего
наблюдений.
г) Ковариация4 между
ошибкой, связанной с одним значением
зависимой переменной, и ошибкой, связанной
с любым другим значением, равна нулю.
д) Дисперсия5 ошибки,
связанная с одним значением, равна дисперсии
ошибки, связанной с любым другим значением.
е) Ковариация между погрешностью и каждой
из независимых переменных равна нулю.
ж) Непосредственная применимость этого
метода ограничивается случаями, когда
уравнение кривой является линейным относительно
своих параметров. Это, однако, не означает,
что само уравнение кривой относительно
переменных должно быть линейным. Если
эмпирические6 уравнения
наблюдений не являются линейными, то
во многих случаях оказывается возможным
привести их к линейной форме и уже после
этого применять метод наименьших квадратов.
з) Наблюдения независимых переменных
производятся без погрешности.
Перед началом корреляционного анализа
необходимо проверить выполнение этих
предпосылок.
Связь между случайной и неслучайной
величинами называется регрессионной,
а метод анализа таких связей — регрессионным
анализом. Применение регрессионного
анализа предполагает обязательное выполнение
предпосылок (б-г) корреляционного анализа.
Только при выполнении приведенных предпосылок
оценки коэффициентов корреляции и регрессии,
получаемые с помощью способа наименьших
квадратов, будут несмещенными и иметь
минимальную дисперсию.
Регрессионный анализ тесно связан с
корреляционным. При выполнении предпосылок
корреляционного анализа выполняются
предпосылки регрессионного анализа.
В то же время регрессионный анализ предъявляет
менее жесткие требования к исходной
информации. Так, например, проведение
регрессионного анализа возможно даже
в случае отличия распределения случайной
величины от нормального, как это часто
бывает для технико-экономических величин.
В качестве зависимой переменной в регрессионном
анализе используется случайная переменная,
а в качестве независимой — неслучайная
переменная.
По степени комплексности статистические
исследования можно разделить на двумерные
и многомерные. Первые касаются рассмотрения
парных взаимосвязей между переменными
(парные корреляции и регрессии) и направлены
в прогнозных исследованиях на решение
таких задач, как установление количественной
меры тесноты связи между двумя случайными
величинами, установление близости этой
связи к линейной, оценки достоверности
и точности прогнозов, полученных экстраполяцией
регрессионной зависимости. Многомерные
методы статистического анализа направлены
в основном на решение задачи системного
анализа многомерных стохастических объектов
прогнозирования. Целью такого анализа
является, как правило, выяснение внутренних
взаимосвязей между переменными комплекса,
построение многомерных функций связи
переменных, выделение минимального числа
характеристик, описывающих объект с достаточной
степенью точности. Одной из основных
задач здесь является сокращение размерности
описания объекта прогнозирования.
Таким образом, статистические методы
используются в основном для подготовки
данных, приведения их к виду, пригодному
для производства прогноза. Как правило,
после их применения используется один
из методов экстраполяции или интерполяции
для получения непосредственно прогнозного
результата.
Метод экстраполяции -
применяется когда оцениваются отдельные
виды ресурсов в целом по предприятию,
объединению, а также полезный эффект
продукции мелкосерийного производства.
Срок прогнозирования до 5 лет.
На практике на ранних стадиях
разработки объекта часто ограничено
число известных параметров будущего
объекта и показателей организационно-технического
уровня производства у изготовителя и
потребителя объекта. В этих условиях
рекомендуется применять более простые,
но и менее точные методы прогнозирования
- методы экстраполяции, основанные
на прогнозировании поведения или развития
объектов в будущем по тенденциям его
поведения в прошлом. Применение методов
экстраполяции, как правило, не требует
моделирования частных параметров объекта
и показателей организационно-технического
уровня производства.
Наиболее распространенными
являются методы экстраполяции по математическим
моделям и графический (от руки). Оба метода
требуют наличия информации о прогнозируемом
параметре объекта за период в два и более
раза больше прогнозируемого периода.
Для учета изменений качества объекта
в прогнозируемом периоде и организационно-технического
уровня производства у изготовителя и
потребителя объекта применяются корректирующие
коэффициенты.
Методы экстраполяции тенденций являются,
пожалуй, самыми распространенными и наиболее
разработанными среди всей совокупности
методов прогнозирования. Использование
экстраполяции в прогнозировании имеет
в своей основе предположение о том, что
рассматриваемый процесс изменения переменной
представляет собой сочетание двух составляющих
- регулярной и случайной:
y(x) = f(a, x) + n(x)
(1)
Считается, что регулярная составляющая f(a, х) представляет собой гладкую
функцию от аргумента (в большинстве случаев
- времени), описываемую конечномерным
вектором параметров a, которые сохраняют свои
значения на периоде упреждения прогноза.
Эта составляющая называется также трендом7,
уровнем, детерминированной основой процесса,
тенденцией. Под всеми этими терминами
лежит интуитивное представление о какой-то
очищенной от помех сущности анализируемого
процесса. Интуитивное, потому что для
большинства экономических, технических,
природных процессов нельзя однозначно
отделить тренд от случайной составляющей.
Все зависит от того, какую цель преследует
это разделение и с какой точностью его
осуществлять.
Случайная составляющая n(х) обычно считается некоррелированным
случайным процессом с нулевым математическим
ожиданием. Ее оценки необходимы для дальнейшего
определения точностных характеристик
прогноза.
Специфическими чертами прогнозной экстраполяции
можно назвать методы предварительной
обработки числового ряда с целью преобразования
его к виду, удобному для прогнозирования,
а также анализ логики и физики прогнозируемого
процесса, оказывающий существенное влияние
как на выбор вида экстраполирующей функции,
так и на определение границ изменения
ее параметров.