Тема 17 Прогнозирование в логистике

Цель занятия - 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 п периодов.

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

Преимущество: при наличии тенденции имеет преимущества. 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

Информация о помесячных продажах продукта А и продукта В

Месяц	2004 г.		2005г.		2006г.
	продукт А	продукт В	продукт А	продукт В	продукт А	продукт В
1	2	3	4	5	6	7
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
1	2	3	4	5	6	7
Сентябрь	510	330	630	300	660	360
Октябрь	540	390	72	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