Прогнозирование в логистике

№1. Прогнозирование в  логистике

Цель  — приобрести навык применения простейших приемов прогнозирования в логистике.

Прогнозирование — выявление состояния и вероятных путей развития явлений и процессов.

Анализ временных рядов (один из методов прогнозирования).

Для прогнозной оценки данным методом изменения величины необходимо знать значения этой величины за ряд предшествующих периодов. Оценка явления и определение направления его развития производятся посредством аппроксимации и экстраполяции

Аппроксимация — замена одних математических объектов другими, более простыми и в том или ином смысле близкими к исходным.

Экстраполяция — распространение выводов, полученных из наблюдения над одной частью явления на другую его часть. Экстраполяция применяется для эволюционно развивающихся процессов, для которых в будущем не предвидится скачков. Может применяться для разработки краткосрочных прогнозов в логистике.

В рамках данного занятия  рассмотрим следующие методы:

• метод “наивного” прогноза;
• метод долгосрочной средней;
• метод скользящей средней;
• метод скользящей средневзвешенной.

 

 

Дадим определение перечисленных  методов и кратко охарактеризуем их плюсы и минусы.

1.Метод “наивного” прогноза — предположение, что продажи в последующем периоде будут соответствовать продажам в предыдущем периоде

Преимущества:

• моментальная реакция на изменения спроса;

• метод хорошо работает в условиях тренда (тренд — изменение, определяющее общее направление развития).

Недостаток:

• слишком большая чувствительность к случайным колебаниям.

Ошибки прогнозирования  данным методом обусловлены слишком  большой чувствительностью метода к случайным колебаниям прогнозируемой величины. Метод хорошо работает в случае наличия тренда.

2.Метод долгосрочной средней — предположение, что продажи в последующем периоде будут равны среднему объему продаж за все предшествующие периоды.

Метод предусматривает сглаживание  продаж за счет вычисления средней  за все известные предшествующие продажи. Данные о продажах в самое  последнее время имеют тот же “вес”, что и данные за самый отдаленный период. Это позволяет избежать слишком быстрого реагирования на изменения спроса.

Преимущество:

• сглаживает случайные колебания спроса.

Недостатки:

• не отражает истинных изменений в тенденциях;

• всегда реагирует с запозданием относительно существенных изменений спроса

3.Метод скользящей средней — предположение, что продажи в последующем периоде будут равны арифметической средней от объема продаж за последние п периодов. Метод является компромиссом между двумя первыми системами.

4.Метод скользящей средневзвешенной — предположение, что продажи в последующем периоде будут равны арифметической средневзвешенной объема продаж за последние n периодов.

К выбору числа периодов добавляется взвешивание этих периодов. Метод более гибкий, чем метод  простой скользящей средней.

Преимущество: при наличии тенденции имеет преимущество. Акцент может быть сделан на недавние данные и гибким образом.

Недостаток: отброшенные за пределами п данные всегда имеют предсказательную ценность, каков бы ни был их вес.

Исходные данные для выполнения заданий по данной теме приведены в табл. 17.1.

Таблица 17.1

Месяц	2004г.		2005г.		2006г.
	Продукт А	Продукт В	Продукт А	Продукт В	Продукт А	Продукт В
Январь	600	300	570	330	645	300
Февраль	480	210	630	270	570	330
Март	540	150	690	240	660	300
Апрель	630	300	540	210	675	330
Май	600	240	450	300	540	390
Июнь	690	180	510	330	600	420
Июль	570	360	660	420	480	480
Август	600	345	600	390	630	510
Сентябрь	510	330	630	300	660	360
Октябрь	540	390	720	360	615	390
Ноябрь	660	300	570	390	540	420
Декабрь	630	330	540	420	450	450
Всего	7050	3435	7110	3960	7065	4680
Среднее	587,5	286,25	592,5	330	588,75	390

 

 

Задание

Выполнить сравнительную  характеристику “наивного” прогноза и прогноза, выполненного методом  долгосрочной средней (продукт А, тенденция  отсутствует; продукт В, тенденция есть).

 

Методические указания

Задание рекомендуется  оформить в виде табл. 17.2 и 17.3. При  этом необходимо выполнить следующие  действия.

1.Вначале анализируется  продукт А и заполняется табл. 17.2. На основе данных табл. 17.1 заполнить  гр. 3 табл. 17.2 (при выполнении задания  рекомендуется воспользоваться  средствами Microsoft Excel).

2.Заполнить гр. 4, помесячно определив прогнозную  величину продаж методом “наивного” прогноза. Расчеты рекомендуется начать с января 2005 г. Например, фактические продажи продукта А в декабре 2004 г. составили 630 ед. Следовательно, “наивный” прогноз на январь составит 630 ед.

3.Поскольку фактические  продажи составили 570 ед., абсолютная  ошибка¹ прогноза составила 60 ед. Внести значение абсолютных ошибок, полученных при использовании “наивного” прогноза, в гр. 5 до конца 2006 г.

4.Определить прогноз  продаж в январе 2005 г. методом  долгосрочной средней на основе  информации о продажах за 12 месяцев  2004 г. Прогноз методом долгосрочной  средней для февраля 2005 г. определяется  на основе данных о продажах за последние 13 месяцев, и т. д. до конца 2006 г.

5.Определить значения  суммарной и средней абсолютных ошибок. Сделать вывод о целесообразности применения того или иного метода прогнозирования для продукта, у которого отсутствует общая тенденция изменения объема продаж.

6. Аналогичные  расчеты выполнить для продукта В, заполнив табл. 17.3. Сделать вывод о целесообразности применения того или иного метода прогнозирования для продукта, у которого имеется выраженная традиция изменения объема продаж.

 

 

Сравнительная характеристика “наивного” прогноза и прогноза, выполненного методом долгосрочной средней (продукт А, тенденция отсутствует; продукт В, тенденция есть).

Год	Месяц	Реаль- ные продажи	«Наивный» прогноз	Абсолютная ошибка	Прогноз методом долгосрочной средней	Абсолютная ошибка
1	2	3	4	5	6	7
2004	декабрь	630	-	-	-	-
2005	Январь	570	630	60	587,5	17,5
	Февраль	630	570	60	586,2	43,8
	Март	690	И т.д.	И т.д.	И т. д.	И т.д.
	Апрель	540
	Май	450
	Июнь	510
	Июль	660
	Август	600
	Сентябрь	630
	Октябрь
	Ноябрь
	Декабрь
2006	Январь
	Февраль
	Март
	Апрель
	Май
	Июнь
	Июль
	Август
	Сентябрь
	Октябрь
	Ноябрь
	Декабрь
Суммарная абсолютная ошибка
Средняя абсолютная ошибка

Год	Месяц	Реаль- ные продажи	«Наивный» прогноз	Абсолютная ошибка	Прогноз методом долгосрочной средней	Абсолютная ошибка
1	2	3	4	5	6	7
2004	декабрь	330	-	-	-	-
2005	Январь	330	330	0	286,25	43,75
	Февраль	270	330	60	289,61	19,62
	Март	240	И т.д.	И т.д.	И т. д.	И т.д.
	Апрель	210
	Май	300
	Июнь	330
	Июль	420
	Август	390
	Сентябрь	300
	Октябрь
	Ноябрь
	Декабрь
2006	Январь
	Февраль
	Март
	Апрель
	Май
	Июнь
	Июль
	Август
	Сентябрь
	Октябрь
	Ноябрь
	Декабрь
Суммарная абсолютная ошибка
Средняя абсолютная ошибка

Таблица 17.3

Сравнительная характеристика “наивного” прогноза и прогноза, выполненного методом долгосрочной средней (продукт  В, тенденция есть).

 

Таблица 17.2