Ћекции.ќрг


ѕоиск:




 атегории:

јстрономи€
Ѕиологи€
√еографи€
ƒругие €зыки
»нтернет
»нформатика
»стори€
 ультура
Ћитература
Ћогика
ћатематика
ћедицина
ћеханика
ќхрана труда
ѕедагогика
ѕолитика
ѕраво
ѕсихологи€
–елиги€
–иторика
—оциологи€
—порт
—троительство
“ехнологи€
“ранспорт
‘изика
‘илософи€
‘инансы
’ими€
Ёкологи€
Ёкономика
Ёлектроника

 

 

 

 


ќсновные положени€ теории прогнозировани€




¬ снабженческой, производственной и распределительной логистиках широко используютс€ методы прогнозировани€, поскольку значени€ прогнозных оценок развити€ анализируемых процессов или €влений €вл€ютс€ основой прин€ти€ управленческих решений при оперативном, тактическом и стратегическом планировании. ќчевидно также, что точность и надежность прогноза определ€ет эффективность реализации различных логистических операций и функций Ц от оценки веро€тности дефицита продукции на складе до выбора стратегии развити€ фирмы.

“еори€ прогнозировани€ включает анализ объекта прогнозировани€; методы прогнозировани€, подраздел€ющиес€ на математические (формализованные) и экспертные (интуитивные); системы прогнозировани€, в частности непрерывного, при котором за счет мониторинга осуществл€етс€ корректировка прогнозов в процессе функционировани€ объекта.

ќдним из основных классификационных признаков €вл€етс€ также период прогноза, при этом большинство авторов выдел€ют три вида прогнозов: краткосрочный, среднесрочный и долгосрочный. ≈стественно, что временные интервалы прогнозов завис€т от природы объекта, т. е. изучаемой области де€тельности. “ак, при рассмотрении технико-экономических показателей де€тельности фирм период краткосрочного прогноза не превышает 1 года, среднесрочного прогноза Ц от 1 до 5 лет, долгосрочного Ц свыше 5 лет.

ћатематические методы прогнозировани€ подраздел€ютс€ на три группы:

- симплексные (простые) методы экстрапол€ции по временным р€дам;

- статистические методы, включающие коррел€ционный и регрессионный анализ и др.;

- комбинированные методы, представл€ющие собой синтез различных вариантов прогнозов.

ѕрогнозы I типа (в Ђузкомї смысле):

- осуществл€ютс€ с применением симплексных или статистических методов на основе временных р€дов;

- число значимых переменных включают от 1 до 3 параметров, т. е, по масштабности они относ€тс€ к сублокальным прогнозам;

- при использовании одного параметра, например, времени, такие прогнозы считаютс€ сверхпростыми, при двух-трех взаимосв€занных параметрах Ц сложными;

- по степени информационной обеспеченности периода ретроспекции прогнозы I типа могут быть отнесены к объектам с полным информационным обеспечением.

ƒл€ повышени€ точности и достоверности прогнозных оценок I типа целесообразно использование комбинированных методов, при этом желательно использование большого количества вариантов прогноза, рассчитанных на основе различных подходов или альтернативных источников информации.

ѕрогноз II типа (в Ђширокомї смысле) подразумевает, что исходные данные дл€ получени€ оценок определ€ютс€ с использованием опережающих методов прогнозировани€: Ђпатентногої, публикационного и др.  ак правило, прогнозы II типа используютс€ дл€ долгосрочного прогнозировани€ и разбиваютс€ на два этапа: первый Ц получение прогнозных оценок основных факторов; второй Ц собственно прогноз развити€ процесса или €влени€. ”читыва€ объективную сложность и трудоемкость выполнени€ прогнозов II типа, можно констатировать, что наибольшее распространение получили методы прогнозировани€ I типа.

Ќаиболее часто дл€ прогнозировани€ I типа используетс€ метод экстрапол€ции. ¬ общем случае модель прогноза включает три составл€ющие (рис. 3.4.1) и записываетс€ в виде: (1.1)

где yt Ц прогнозные значени€ временного р€да;

Ц среднее значение прогноза (тренд);

vt Ц составл€юща€ прогноза, отражающа€ сезонные колебани€ (сезонна€ волна);

εt Ц случайна€ величина отклонени€ прогноза.

–ис.11.1. ѕрогнозирование на основе временных р€дов:

1 Ц экспериментальные данные на интервале наблюдени€ (A);

2 Ц тренд; 3 Ц тренд и сезонна€ волна;

4 Ц значение точечного прогноза на интервале упреждени€ (B);

5 Ц интервальный прогноз

¬ частных случа€х количество составл€ющих модели меньше, например, только и vt.

ѕодробно вопросы прогнозировани€ с использованием методов экстрапол€ции изложены в р€де работ, но ввиду отсутстви€ общеприн€того алгоритма обработки временных р€дов может быть предложена следующа€ последовательность расчета:

1). Ќа основе значений временного р€да на предпрогнозном периоде (интервале наблюдени€) с использованием метода наименьших квадратов определ€ютс€ коэффициенты уравнени€ тренда yt, видом которого задаютс€. ќбычно дл€ описани€ тренда используютс€ полиномы различных пор€дков, экспоненциальные, степенные функции и т. п.

2). ƒл€ исследовани€ сезонной волны значени€ тренда исключаютс€ из исходного временного р€да. ѕри наличии сезонной волны определ€ют коэффициенты уравнени€, выбранного дл€ аппроксимации vt.

3) —лучайные величины отклонени€ εt определ€ютс€ после исключени€ из временного р€да значений тренда и сезонной волны на предпрогнозном периоде.  ак правило, дл€ описани€ случайной величины εt используетс€ нормальный закон распределени€.

4). ƒл€ повышени€ точности прогноза примен€ютс€ различные методы (дисконтирование, адаптаци€ и др.). Ќаибольшее распространение в практике расчетов получил метод экспоненциального сглаживани€, позвол€ющий повысить значимость последних уровней временного р€да по сравнению с начальными.

ѕримеры прогноза текущего запаса на складе. –ассмотрим применение методов прогнозировани€ на основе данных расхода деталей на складе. ¬ табл. 11.1 приведены три реализации текущего расхода; дл€ каждой реализации даны величины расхода за день характеристики, представл€ющие собой расход деталей со склада за соответствующий цикл.

“аблица 11.1

ƒинамика спроса в течение трех циклов расхода запасов

1 й цикл 2 й цикл 3 й цикл
ƒень —прос, ед. ¬сего с начала цикла ƒень —прос, ед. ¬сего с начала цикла ƒень —прос, ед. ¬сего с начала цикла
                 
                 
                 
                 
                 
                 
                 
                 
        *        
        *        

ѕроиллюстрируем возможные варианты прогнозов дл€ одной реализации.

ѕример 1. ¬оспользуемс€ первой реализацией. ƒопустим, что нам известны значени€ расхода деталей со склада за п€ть дней работы (табл. 11.2).

“аблица 11.2

»сходные данные и результаты расчета коэффициентов уравнени€ (11.2) при N=5

ti, дн. yi, ед. yiti ѕрогноз yi* (ytЦyi)2
           
           
           
           
           
—уммы  

* «начени€ округлены

¬ыберем уравнение тренда yt в виде линейной зависимости:

(11.2)

–асчет коэффициентов уравнени€ и производитс€ по формулам, полученных на основе метода наименьших квадратов:

(11.3)

 

(11.4)

Ќаходим: a0 = 45,2, a1 = Ц3,0. “аким образом, уравнение прогноза пишетс€ в виде:

(11.5)

ƒл€ оценки границ интервального прогноза необходимо рассчитать среднее квадратичное отклонение σt:

(11.6)

ѕодставл€€ значени€ в формулу, находим σt:

(11.7)

Ќа основании полученных зависимостей yt и σt рассчитываютс€ прогнозные оценки:

среднего времени расхода текущего запаса ;

страхового запаса yc с заданной доверительной веро€тностью –.

 

–асчет прогнозной величины среднего времени расхода производитс€ по формуле

(11.8)

ѕрин€в yt = 0, находим:

ƒл€ расчета страхового запаса воспользуемс€ формулой:

(11.9)

где σt Ц среднее квадратичное отклонение,

tβ Ц параметр нормального закона распределени€, соответствующий доверительной веро€тности β.

ѕараметр tβ определ€ет дл€ нормального закона число средних квадратических отклонений, которые нужно отложить от центра рассеивани€ (влево и вправо) дл€ того, чтобы веро€тность попадани€ в полученный участок была равна β.

¬ нашем случае доверительные интервалы откладывают вверх и вниз от среднего значени€ уt..

¬ табл. 11.3 приведены наиболее часто встречающиес€ в практических расчетах значени€ веро€тности β и параметра tβ дл€ нормального закона распределени€.

“аблица 11.3

ƒоверительна€ веро€тность β и параметр tβ нормального закона распределени€

β β
0,80 1,282 0,92 1,750
0,82 1,340 0,94 1,880
0,84 1,404 0,95 1,960
0,86 1,475 0,96 2,053
0,88 1,554 0,98 2,325
0,90 1,643 0,99 2,576
0,91 1,694 0,999 3,290

—траховой запас рассчитываетс€ так же, как и границы интервального прогноза. ƒл€ рассматриваемого примера при доверительной веро€тности β=0,9 находим по табл. 3.4.3 tβ = 1,643. “огда величина страхового запаса составит:

ѕримем yc=3,0.

Ќа рис. 11.2 приведены границы интервального прогноза при β = 0,9.

 

–ис. 11.2. ѕрогноз текущего расхода деталей на складе (N = 5):

1 Ц исходные данные; 2 Ц уравнение тренда;

3, 3' Ц границы интервального прогноза; 4 Ц врем€ расхода запаса

–ассчитанное значение страхового запаса соответствует только одному дню наступлени€ дефицита, а именно согласно прогнозу T = 15. ƒл€ учета возможных нарушений срока поставки необходимо также при расчете страхового запаса оценить вли€ние задержки, св€занной с выполнением заказа, в частности с транспортировкой.

  сожалению, по одной реализации невозможно оценить веро€тностный характер длительности функциональных циклов поставки. ќднако можно предположить, что вы€вленна€ тенденци€ расхода запаса сохранитс€. ¬ этом случае дл€ оценки прогнозной величины страхового запаса можно воспользоватьс€ формулой

(11.10)

где τ Ц параметр, характеризующий количество дней задержки поставки заказа.

–ассчитаем величину страхового запаса при условии задержки на один день по сравнению с прогнозной оценкой T = 15 дней, т. е. на 16-й день:

јналогично, при τ = 2 (17 день)

ƒл€ оценки веро€тности отсутстви€ дефицита допускаетс€, что отклонени€ ежедневного расхода деталей от среднего значени€ (тренда) подчин€ютс€ нормальному закону распределени€. “огда, пользу€сь уравнением функции нормального закона, определ€ют веро€тность отсутстви€ дефицита:

(11.11)

где yt Ц уравнение тренда;

σ Ц среднее квадратическое отклонение.

¬ табл. 11.4 приведен р€д значений функции ‘(х) и –(х).

“аблица 11.4

«начени€ нормальной функции распределени€ ‘(х), веро€тности –(х) и параметра x

x ‘(х) –(х) x ‘(х) –(х)
0,00 0,50 0,50 -1,280 0,10 0,90
-0,125 0,45 0,55 -1,405 0,08 0,92
-0,253 0,40 0,60 -1,555 0,06 0,94
-0385 0,35 0,65 -1,645 0,05 0,95
-0,525 0,30 0,70 -1,75 0,04 0,96
-0,675 0,25 0,75 -2,05 0,02 0,98
-0,842 0,20 0,80 -2,30 0,01 0,99
-1,037 0,15 0,85 -3,10 0,001 0,999

ѕо€вление дефицита означает, что текуща€ величина запаса на складе равна нулю, т. е. у = 0.

ƒл€ определени€ веро€тности отсутстви€ дефицита необходимо:

1. рассчитать ,

2. по табл. 11.4 с помощью х найти –(х).

ƒл€ рассматриваемого примера рассчитаем веро€тности отсутстви€ дефицита деталей на складе на 13-й, 14-й и 15-й дни. “ак, дл€ T = 13 получаем:

и

ѕо табл. 11.4 находим –“=13 > 0,999, т. е, веро€тность отсутстви€ дефицита ничтожно мала.

јналогично, дл€ T = 14 получим y“=14 = 3,2, x = Ц1,78, и веро€тность отсутстви€ дефицита –“=14 = 0,95.

Ќаконец, дл€ T = 15 веро€тность отсутстви€ дефицита – = 0,5.

—ледует подчеркнуть, что так же, как при оценке прогнозной величины страхового запаса, определение веро€тности отсутстви€ дефицита по одной реализации справедливо только при строгом соблюдении сроков поставки. ≈сли они не соблюдаютс€, то расчет должен проводитьс€ с учетом рассеивани€ длительности функциональных циклов поставки.

¬ заключение определим ошибку прогноза среднего времени “: (11.12)

где Tф, Tп Ц соответственно фактическа€ и прогнозна€ продолжительность цикла, дн.

ѕолучим:

ќшибка прогноза велика, но это закономерно, так как нарушено одно из эмпирических правил экстрапол€ционного прогнозировани€: между предпрогнозным периодом t и периодом упреждени€ (прогноза) τ = T Ц t должно соблюдатьс€ соотношение:

(11.13)

ѕри T = 5 допустима€ величина времени прогноза:

—ледовательно, величина надежного прогноза соответствует T ≈ 7 дн. и период упреждени€ составл€ет τ = 2 дн.

ѕример 2. —читаетс€, что средн€€ длина функционального цикла расхода запасов составл€ет T = 10 дн. “огда t = 7,5 дн.

”величим длину динамического р€да до N = 7 (рис. 11.3).

–ис. 11.3. ѕрогноз текущего расхода деталей на складе (N = 7):

1 Ц исходные данные; 2 Ц уравнение тренда;

3, 3' Ц границы интервального прогноза; 4 Ц врем€ расхода запаса

¬ыполним расчеты аналогично примеру 1, полученные данные занесем в табл. 11.5.

»сходные данные и результаты расчета коэффициентов уравнени€ тренда при N=7

ti yi yiti yi (ytЦyi)2
        43,1 4,41
        39,2 0,04
        35,3 7,29
        31,4 12,96
        27,6 0,25
        23,6 0,36
        19,7 0,49
—уммы  

,

ѕолучим уравнение тренда:

—оответственно,

–ассчитаем среднее прогнозное врем€ расхода запаса со склада

и ошибку прогноза:

–ассчитаем величину страхового запаса yc дл€ 12-го, 13-го и 14-го дней. ѕримем β = 0,95, т. е, tβ = 1,96. “огда:

ќпределим веро€тность дефицита на складе на 10-й день. Ќаходим

;

по табл. 11.4 , т.е. наличие дефицита маловеро€тно. јналогично, дл€ дл€ .

¬ заключение можно сделать следующее замечание: рассчитанные величины среднего запаса получены при условии, что наблюдающа€ величина дефицита и вариаци€ ежедневного расхода Ц независимые величины. Ќесомненно, это допущение требует проверки.

 омбинированный прогноз. Ќа формирование стратегии автотранспортного предпри€ти€ (ј“ѕ) на рынке вли€ют факторы как внешней, так и внутренней среды, в том числе определ€ющие состо€ние спроса на услуги. ќсновным €вл€етс€ вопрос о потенциальных возможност€х предпри€ти€, определ€емых технико-технологическими и организационно-финансовыми факторами среды. ѕринципиальное различие между предъ€вл€емыми к перевозке грузами (или спросом) и провозными возможност€ми ј“ѕ состоит в том, что первое следует отнести к услови€м внешней среды, т. е. Ђприродеї, состо€ние которой формируетс€ под действием большого количества факторов и в подавл€ющем большинстве случаев не зависит от транспортной политики конкретного ј“ѕ (если рассматриваемое предпри€тие не €вл€етс€ монополистом в данном сегменте рынка транспортных услуг), а второе определ€етс€ политикой и тактикой действий предпри€ти€, не име€ случайного характера, а, скорее, подчин€€сь неким внутренним закономерност€м. “аким образом, под вли€нием случайных факторов объем перевозок представл€ет собой случайную величину, подчин€ющуюс€ определенному закону или функции распределени€ F(Q). ¬ведение функции распределени€ дл€ описани€ состо€ни€ Ђприродыї позвол€ет, согласно теории статистических решений, использовать веро€тностные критерии прин€ти€ решений в услови€х риска.

„то касаетс€ состо€ни€ ј“ѕ, то оно может быть представлено в виде различных стратегий Ai, кажда€ из которых количественно характеризуетс€ числом автомобилей Ni и их провозными возможност€ми Wi.

”казанные стратегии Ai, €вл€ютс€ дискретными величинами, если используетс€ число автомобилей N, или непрерывными за счет варьировани€ показателей, вход€щих в расчет производительности автомобил€ Wi.

—в€зь между Ai стратегией и объемом перевозок Qi определ€етс€ в виде матрицы (табл. 11.6), элементы которой (aij) отражают Ђвыигрышї, получаемый ј“ѕ при выборе i-й стратегии.

ћатрица возможных стратегий Ai ј“ѕ при различных объемах перевозок Qj (Ђсосто€ни€ природыї) “аблица 11.6

—тратеги€ ј“ѕ ќбъëм перевозок
Q1 Q2 ... Qj ... Qn
A1 a11 a12 ... a1j ... a1n
A2 a21 a22 ... a2j ... a2n
... ... ... ... ... ... ...
Ai ai1 ai2 ... aij ... ain
... ... ... ... ... ... ...
Am am1 am2 ... am ... amn

¬ р€де работ, где предпринимались попытки использовани€ теории статистических решений дл€ конкретных хоз€йственных объектов, в качестве элемента матрицы aij Ц Ђвыигрышаї Ц использовались условные величины. ¬ качестве Ђвыигрышаї могут быть использованы различные экономические показатели: доход, прибыль и другие, а также показатели, способствующие усилению конкурентных или рыночных позиций, усилению вли€ни€ на клиентуру и укреплению имиджа предпри€ти€, улучшению качества производимых услуг.

¬озможны три соотношени€ между объемом перевозок Qi и стратегией предпри€ти€ ј. ѕервое Ц Ц состо€ние Ђвыигрышаї; второе Ц Ц нейтральное состо€ние; третье Ц Ц состо€ние Ђпроигрышаї. ¬еличина Ц веро€тностное отклонение за счет случайного характера величин, определ€ющих значение элементов матрицы. “еоретически возможен вариант, когда области значений aij будут расположены иным образом, чем это показано на рис. 11.4.

–ис. 11.4. –аспределение на различные области матрицы стратегий ј“ѕ: 1 Ц Ђвыигрышї, 2 Ц нейтральное состо€ние, 3 Ц Ђпроигрышї

¬ частности, введение оценки Ђупущенной выгодыї может изменить границы областей 1-3. —читаетс€, что наилучшей стратегией A = Ai €вл€етс€ та, при которой показатель Ai обращаетс€ в максимум:

(11.14)

где Qj = F(Qj) Ц веро€тность j-го состо€ни€ Ђприродыї.

“аким образом, оптимальна€ стратеги€ ј“ѕ может быть определена при наличии F(Qj) и матрицы стратегий aij.

–ассмотрим возможные варианты расчета F(Qj). “радиционно дл€ количественной оценки прогноза Qj, используетс€ метод экстрапол€ции по динамическим р€дам с использованием полиномов различной степени.

–езультаты прогноза представл€ютс€ в виде среднего значени€ Q и дисперсии DQ, по которым определ€етс€ вид функции распределени€ F(Qj). ƒалее c использованием услови€ максимизации Ai выбираем стратегию ј“ѕ.

ќсновна€ трудность использовани€ вышеописанной методики Ц это невысока€ точность прогноза, ѕовышение точности может быть достигнуто за счет комбинированных методов прогноза, предусматривающих синтез двух и более прогнозных вариантов.

 аждый метод прогнозировани€ обладает определенной достоверностью, имеет свои преимущества и недостатки, —читаетс€, что комбинированные методы прогнозировани€ (синтез прогнозов) позвол€ют компенсировать недостатки одних способов достоинствами других. Ќа рис. 11.5 представлена блок-схема комбинированного прогноза дл€ двух вариантов прогноза, один из которых Ц прогноз, выполненный эвристическим методом, основанным на статистической обработке мнений экспертов.

–ис. 11.5. Ѕлок-схема выбора стратегии ј“ѕ

в целевом сегменте рынка транспортных услуг

ѕроцедура получени€ экспертных оценок может быть формализована и представлена в виде блок-схемы (рис. 11.6).

–ис. 11.6. Ѕлок-схема прогноза на основе экспертных опросов

 

–ассмотрим некоторые блоки подробнее.

‘ормирование группы экспертов Ц важнейша€ составл€юща€ экспертного метода. Ќе останавлива€сь подробно на вопросах персонального подбора, затронем только количественную сторону, а именно число экспертов. »звестно, что при прогнозировании в цел€х минимизации расходов на прогноз стрем€тс€ привлекать минимальное число экспертов при условии обеспечени€ ошибки результата прогнозировани€ не более ≈, где 0 < ≈ < 1. ѕоэтому рекомендуемое число экспертов может быть определено по формуле:

(11.15)

ѕри подстановке предельных значений ≈ находим:

“аким образом, минимальное количество экспертов равно 4. ƒл€ определени€ максимальной численности экспертной группы используетс€ неравенство:

(11.16)

где Ki Ц компетентность i-го эксперта, рассчитываема€ на основе анкеты самооценки;

Kmax Ц максимально возможна€ компетентность по используемой шкале компетентности экспертов.

—татистический анализ результатов опроса предусматривает проведение двух взаимосв€занных процедур: традиционной статистической обработки в виде средних значений, дисперсий и т. п., а также оценки всей экспертной группы Ц степени согласованности, взаимосв€зи и других показателей мнений экспертов. ќценка группы экспертов проводитс€ с использованием части полученных статистических оценок. ≈сли последние не удовлетвор€ют соответствующим критери€м, то в блок-схеме предусмотрена корректировка, котора€ приводит, в частности, к изменению состава экспертов и повторной процедуре опроса.

 

ћетодика статистической обработки данных включает следующие этапы:

1. ќпределение дл€ каждого фактора суммы рангов:

(11.17)

где aij Ц ранг, присвоенный j-м экспертом i -му фактору;

m Ц число экспертов.

2. ќпределение средней величины суммы рангов:

(11.18)

где k Ц число факторов.

3. ќпределение суммы квадратов отклонений:

(11.19)

4. ќпределение коэффициента конкордации W, позвол€ющего оценить степень согласованности мнений экспертов (при отсутствии равных рангов):

(11.20)

≈сли W существенно отличаетс€ от нул€, то можно полагать, что между оценками экспертов существует определенное согласие.

5. ќценка неслучайности согласи€ мнений экспертов производитс€ с помощью критери€ ѕирсена по величине .при числе степени свободы n = k Ц 1 и заданном уровне значимости α:

(11.21)

где Ц табличное значение.

¬ случае соблюдени€ неравенства с доверительной веро€тностью можно утверждать, что мнени€ экспертов относительно веро€тности факторов согласуютс€ неслучайно.

ѕредставленный вариант получени€ прогноза на основе экспертных оценок €вл€етс€ универсальным и в случае использовани€ баллов заканчиваетс€ построением ранжированной диаграммы рангов.

ƒл€ перехода к конкретному прогнозу, в частности объема перевозок, последовательности расчета свод€тс€ к следующему:

1. —оставл€етс€ р€д интервальных значений Qj возможных объемов перевозок дл€ рассматриваемого клиента; разбивка на n интервалов осуществл€етс€ на основе F(Qj).

2. Ёксперты оценивают значимость каждого Qj с использованием баллов, шкала которых охватывает n интервалов, т.е. j = 1, 2, Е, n.

3. ѕроводитс€ статистическа€ обработка оценок экспертов, и после ранжировани€ каждому Qj присваиваетс€ новый номер в пор€дке убывани€, т.е. интервалу Qj с наименьшей суммой баллов присваиваетс€ номер 1 и т.д.

4. ѕолагаем, что интервалу Qj соответствует наиболее правдоподобна€ гипотеза (ѕ1), затем втора€ ((ѕ2) и т.д.

¬еро€тности гипотез (ѕ1), (ѕ2), Е., (ѕn) определ€ютс€ по формуле:

(11.22)

5. ¬осстанавливаетс€ функци€ распределени€ экспертного прогноза объема перевозок F(Qэj).

6. ƒл€ восстановленной Ђэкспертнойї функции наход€тс€ среднее значение и дисперси€ Dэq.

«начени€ весовых коэффициентов дл€ определени€ комбинированных оценок веро€тностей каждого интервала находим по формулам:

(11.23)

где μ1 и Dq Ц весовой коэффициент и дисперси€ экстрапол€ционного прогноза;

μ2 и Dэq Ц весовой коэффициент и дисперси€ экспертного прогноза.

7. ¬еро€тности F(Qj) дл€ комбинированного прогноза рассчитываютс€ следующим образом:

(11.24)

¬опросы дл€ повторени€

 лассификаци€ методов прогнозировани€.

—уть прогноза текущего расхода деталей на складе.

–асчет страхового запаса.

ћетод комбинированного прогноза.

 

ћаркетингова€ информаци€ как основа логистического планировани€ и прогнозировани€

«адача планировани€ логистики - разработать проекты, устанавливающие на перспективу определенные параметры логистической де€тельности, в результате чего достигаетс€ цель логистической системы предпри€ти€.

ѕрин€тие решени€ - это выбор оптимальной альтернативы при заданной цели с учетом побочных условий.

ѕрогнозирование в логистике (прогноз) - веро€тностное представление о по€влении событий (последствий и данных) в будущем, основываемое на наблюдени€х и теоретических положени€х. ѕрогноз - прогностическа€ информаци€.

ѕланирование в логистике - систематическое прин€тие планово-управленческих решений в отношении физического перемещени€ и передачи собственности на продукцию от производител€ к потребителю, включа€ транспортировку, хранение и совершение сделок.

ѕлан - это результат планировани€.

—тратегическое планирование предпри€ти€ - де€тельность по выработке плана с дальним прицелом, касающегос€ форм и способов поддержани€ существующего уровн€ бизнеса, его поддержани€ и развити€ в посто€нно измен€ющейс€ среде.

Ётапы планировани€:

Х формулирование целей;

Х постановка логистических проблем;

Х поиск альтернатив;

Х прогнозирование;

Х оценка и прин€тие решений.

—истема планировани€ - упор€доченна€ структура отдельных частей планировани€.

ѕо срокам различаютс€ следующие виды планировани€:

Х стратегическое рамочное планирование;

Х долгосрочное планирование;

Х среднесрочное планирование;

Х бюджетное планирование;

Х скольз€щее краткосрочное планирование.

ѕланирование продаж определ€ет потребности в сырье, продукции и услугах, которые будут приобретены специалистами отдела закупок предпри€ти€.

ѕланирование потребности в материалах - это система планировани€, определ€юща€ количество и график выпуска требуемой продукции, определ€юща€ врем€ и объем потребности в материалах в пределах периода планировани€.

ѕлан потребности в материалах - разделенный на временные фазы график дл€ планируемого выполнени€ заказов на закупку компонентов и материалов после прин€ти€ в расчет их наличного количества и ожидаемого цикла заказов, чтобы определить правильную дату размещени€ заказа на закупку.

ѕланирование производства:

Х планирование количества изделий, необходимых дл€ производства;

Х планирование промежутка времени, в течение которого будет произведена продукци€;

Х планирование обеспечени€ сырь€ и оборудовани€ дл€ производства необходимого количества продукции в рамках запланированного периода времени.

 

—глаживание данных

јнализ временных р€дов - ƒве основные цели.

»меютс€ две основные цели анализа временных р€дов:

а) определение природы р€да;

б) прогнозирование (предсказание будущих значений временного р€да по насто€щим и прошлым значени€м).

ќбе эти цели требуют, чтобы модель р€да была идентифицирована и, более или менее, формально описана.  ак только модель определена, ¬ы можете с ее помощью интерпретировать рассматриваемые данные (например, использовать в ¬ашей теории дл€ понимани€ сезонного изменени€ цен на товары, если занимаетесь экономикой). Ќе обраща€ внимани€ на глубину понимани€ и справедливость теории, ¬ы можете экстраполировать затем р€д на основе найденной модели, т.е. предсказать его будущие значени€.

ќсновные идеи и пон€ти€

¬ дальнейшем нам понадоб€тс€ очень важные пон€ти€, использующиес€ в анализе временных р€дов, такие как: тренд р€да, циклическа€ составл€юща€ р€да, трендциклическа€ компонента р€да, сезонна€ составл€юща€ р€да и шумова€ компонента или просто шум. ƒадим краткое по€снение данным элементам:

1. ‘ормально ¬ременной р€д - это р€д наблюдений анализируемой случайной величины , произведенных в последовательные моменты времени . ¬ чем же состо€т принципиальные отличи€ р€да от простой последовательности наблюдений, образующих случайную выборку? Ётих отличий два:

 

–исунок 1. √рафик временного р€да.

¬о-первых, в отличие от элементов случайной выборки члены временного р€да не €вл€ютс€ статистически независимыми.

¬о-вторых, члены временного р€да не €вл€ютс€ одинаково распределенными, т.е. верно следующее соотношение между веро€тност€ми.

2. “рендом называют неслучайную функцию, формируемую под действием общих или долговременных тенденций, вли€ющих на наш р€д. Ќапример, в качестве формирующей тенденции, может выступать фактор роста исследуемого рынка.

Ќе существует автоматического способа обнаружени€ тренда в временном р€де. ќднако если тренд €вл€етс€ монотонным (устойчиво возрастает или устойчиво убывает), то анализировать такой р€д обычно нетрудно. ≈сли временные р€ды содержат значительную ошибку, то первым шагом выделени€ тренда €вл€етс€ сглаживание.

—глаживание. —глаживание всегда включает некоторый способ локального усреднени€ данных, при котором несистематические компоненты взаимно погашают друг друга. —амый общий метод сглаживани€ - скольз€щее среднее, в котором каждый член р€да замен€етс€ простым или взвешенным средним n соседних членов, где n - ширина окна. ¬место среднего можно использовать медиану значений, попавших в окно. ќсновное преимущество медианного сглаживани€, в сравнении со сглаживанием скольз€щим средним, в том, что результаты станов€тс€ более устойчивыми к выбросам (имеющимс€ внутри окна). “аким образом, если в данных имеютс€ выбросы (св€занные, например, с ошибками измерений), то сглаживание медианой обычно приводит к более гладким или, по крайней мере, более надежным кривым, по сравнению со скольз€щим средним с тем же самым окном. ќсновной недостаток медианного сглаживани€ в том, что при отсутствии €вных выбросов, он приводит к более зубчатым кривым (чем сглаживание скольз€щим средним) и не позвол€ет использовать веса.

¬се эти быстрые преобразовани€ присутствуют в модуле ¬ременные р€ды. ќтносительно реже, когда ошибка измерени€ очень больша€, используетс€ сглаживание методом наименьших квадратов, взвешенных относительно рассто€ни€ или метод отрицательного экспоненциально взвешенного сглаживани€. ¬се эти методы отфильтровывают шум и преобразуют данные в относительно гладкую кривую. –€ды с относительно небольшим количеством наблюдений и систематическим расположением точек могут быть сглажены с помощь бикубических сплайнов.

ѕодгонка функции. ћногие монотонные временные р€ды можно адекватно приблизить линейной функцией. ≈сли же имеетс€ €вна€ монотонна€ нелинейна€ компонента, то данные вначале следует преобразовать, чтобы устранить нелинейность. ќбычно дл€ этого используют логарифмическое, экспоненциальное или (менее часто) полиномиальное преобразование данных. »меетс€ несколько способов выполнить эти преобразовани€ в STATISTICA. ћожно экспериментировать с преобразовани€ми практически неограниченной сложности, использу€ формулы таблиц исходных данных и далее анализировать преобразованные р€ды с помощью линейной регрессии (в модуле ћножественна€ регресси€ или в модуле ¬ременные р€ды) и строить прогноз (ћножественна€ регресси€). Ќелинейные функции практически неограниченной сложности, включа€ кусочно-линейные с точками разрыва (различные функции могут быть одновременно подогнаны на различных участках р€да) могут быть получены в модуле Ќелинейное оценивание. Ќаконец, STATISTICA предлагает подгонку различных кривых: полиномов (с определенным пользователем пор€дком), логарифмических функций (с определенным пользователем основанием), экспоненциальных и других.

3. ÷иклической компонентой также €вл€етс€ неслучайна€ функци€, обусловленна€ действием долговременных циклов различной природы.

4. ƒл€ удобства, вместо предыдущих двух пон€тий используют совместное пон€тие трендциклической компоненты (см.  лассическа€ сезонна€ декомпозици€ (ћетод Census I)). ’арактер поведени€ отображен на рисунке.

–исунок 2. √рафик трендцицклической компоненты временного р€да.

5. ѕон€тие сезон временного р€да или сезонна€ компонента используетс€ дл€ обозначени€ неслучайной функции. ƒанна€ функци€ формируетс€ на основе периодически повтор€ющихс€ в определенное врем€ года колебаний исследуемого р€да. „асто данную функцию измер€ют в процентах, которые характеризуют сезонные отклонени€ от трендциклической компоненты. ѕример данной функции приведен на рисунке.

 

 

–исунок 3. √рафик сезонной компоненты временного р€да.

ѕериодическа€ и сезонна€ зависимость (сезонность) представл€ет собой другой общий тип компонент временного р€да. Ёто пон€тие было проиллюстрировано ранее на примере авиаперевозок пассажиров. ћожно легко видеть, что каждое наблюдение очень похоже на соседнее; дополнительно, имеетс€ повтор€юща€с€ сезонна€ составл€юща€, это означает, что каждое наблюдение также похоже на наблюдение, имевшеес€ в том же самом мес€це год назад. ¬ общем, периодическа€ зависимость может быть формально определена как коррел€ционна€ зависимость пор€дка k между каждым i-м элементом р€да и (ik)-м элементом. ≈е можно измерить с помощью автокоррел€ции (т.е. коррел€ции между самими членами р€да); k обычно называют лагом (иногда используют эквивалентные термины: сдвиг, запаздывание). ≈сли ошибка измерени€ не слишком больша€, то сезонность можно определить визуально, рассматрива€ поведение членов р€да через каждые k временных единиц.

јвтокоррел€ционна€ коррелограмма. —езонные составл€ющие временного р€да могут быть найдены с помощью коррелограммы.  оррелограмма (автокоррелограмма) показывает численно и графически автокоррел€ционную функцию (A ‘), иными словами коэффициенты автокоррел€ции (и их стандартные ошибки) дл€ последовательности лагов из определенного диапазона (например, от 1 до 30). Ќа коррелограмме обычно отмечаетс€ диапазон в размере двух стандартных ошибок на каждом лаге, однако обычно величина автокоррел€ции более интересна, чем ее надежность, потому, что интерес в основном представл€ют очень сильные (а, следовательно, высоко значимые) автокоррел€ции.

»сследование коррелограмм. ѕри изучении коррелограмм следует помнить, что автокоррел€ции последовательных лагов формально зависимы между собой. –ассмотрим следующий пример. ≈сли первый член р€да тесно св€зан со вторым, а второй с третьим, то первый элемент должен также каким-то образом зависеть от третьего и т.д. Ёто приводит к тому, что периодическа€ зависимость может существенно изменитьс€ после удалени€ автокоррел€ций первого пор€дка, т.е. после вз€ти€ разности с лагом 1. ¬з€тие разности также удал€ет тренд, который обычно подавл€ет другие автокоррел€ции. Ќапример, если имеетс€ устойчивый линейный тренд, как в р€де авиаперевозок, то каждое наблюдение в большой степени €вл€етс€ линейной функцией предыдущего наблюдени€.

„астные автокоррел€ции. ƒругой полезный метод исследовани€ периодичности состоит в исследовании частной автокоррел€ционной функции („ј ‘), представл€ющей собой углубление пон€ти€ обычной автокоррел€ционной функции. ¬ „ј ‘ устран€етс€ зависимость между промежуточными наблюдени€ми (наблюдени€ми внутри лага). ƒругими словами, частна€ автокоррел€ци€ на данном лаге аналогична обычной автокоррел€ции, за исключением того, что при вычислении из нее удал€етс€ вли€ние автокоррел€ций с меньшими лагами. Ќа лаге 1 (когда нет промежуточных элементов внутри лага), частна€ автокоррел€ци€ равна, очевидно, обычной автокоррел€ции. Ќа самом деле, частна€ автокоррел€ци€ дает более чистую картину периодических зависимостей.

”даление периодической зависимости.  ак отмечалось выше, периодическа€ составл€юща€ дл€ данного лага k может быть удалена вз€тием разности соответствующего пор€дка. Ёто означает, что из каждого i-го элемента р€да вычитаетс€ (i-k)-й элемент. »меютс€ два довода в пользу таких преобразований.

¬о-первых, таким образом можно определить скрытые периодические составл€ющие р€да. Ќапомним, что автокоррел€ции на последовательных лагах зависимы. ѕоэтому удаление некоторых автокоррел€ций изменит другие автокоррел€ции, которые, возможно, подавл€ли их, и сделает некоторые другие сезонные составл€ющие более заметными.

¬о-вторых, удаление сезонных составл€ющих делает р€д стационарным, что необходимо дл€ применени€ ј–ѕ—— и других методов, например, спектрального анализа.

6. Ўумом во временном р€де, называют случайные не поддающиес€ регистрации величины.  ак и большинство других видов анализа, анализ временных р€дов предполагает, что данные содержат систематическую составл€ющую (обычно включающую несколько компонент) и случайный шум (ошибку), который затрудн€ет обнаружение регул€рных компонент. Ѕольшинство методов исследовани€ временных р€дов включает различные способы фильтрации шума, позвол€ющие увидеть регул€рную составл€ющую более отчетливо.

 

Ёкстрапол€ци€

Ёкстрапол€ци€ - метод научного прогнозировани€, состо€щий в распространении выводов, получаемых из наблюдени€ над одной частью €влени€ на другую его часть.

Ёкстрапол€ци€ функции Ц продолжение функции за пределы еЄ области определени€, при котором продолженна€ функци€ (как правило, аналитическа€) принадлежит заданному классу функций. Ёкстрапол€ци€ функций обычно происходит с помощью формул, в которых используетс€ информаци€ о поведении функции в некотором конечном наборе точек (в узлах экстрапол€ции), принадлежащих еЄ области определени€.

ѕон€тие интерполировани€ функций иногда употребл€етс€ в качестве противопоставлени€ пон€тию экстраполировани€, когда конструктивно восстанавливаютс€ (возможно, приближЄнно) значени€ функций в област€х их определений.

Ќапример, если используетс€ информаци€ о значени€х функции, определЄнной на отрезке [a; b], в узлах хk из этого отрезка (k = 0; 1; Е; n), то интерпол€ционный многочлен Ћагранжа, поскольку он определЄн на всей числовой оси, €вл€етс€, в частности, экстрапол€цией этой функции вне отрезка [a; b] в классе многочленов степени не выше n.

Ќазвание термина происходит от латинских слов extra Ц сверх, вне и polio Ц приглаживаю, направл€ю.

 

11. 5 Ёкспертные методы прогнозировани€.

ќсновными преимуществами рассматриваемых методов €вл€ютс€ возможность максимального использовани€ индивидуальных способностей эксперта и незначительность психологического давлени€, оказываемого на отдельного работника. ќднако эти методы мало пригодны дл€ прогнозировани€ наиболее общих стратегий из-за ограниченности знаний одного специалиста-эксперта о развитии смежных областей науки.

ћетоды коллективных экспертных оценок основываютс€ на принципах вы€влени€ коллективного мнени€ экспертов о перспективах развити€ объекта прогнозировани€. ¬ основе применени€ этих методов лежит гипотеза о наличии у экспертов умени€ с достаточной степенью достоверности оценить важность и значение исследуемой проблемы, перспективность развити€ определенного направлени€ исследований, времени свершени€ того или иного событи€, целесообразности выбора одного из альтернативных путей развити€ объекта прогноза и т. д.

¬ насто€щее врем€ широкое распространение получили экспертные методы, основанные на работе специальных комиссий, когда группы экспертов за круглым столом обсуждают ту или иную проблему с целью согласовани€ мнений и выработки единого мнени€. Ётот метод имеет недостаток, заключающийс€ в том, что группа экспертов в своих суждени€х руководствуетс€ в основном логикой компромисса.

¬ свою очередь в методе ƒельфи вместо коллективного обсуждени€ той или иной проблемы проводитс€ индивидуальный опрос экспертов обычно в форме анкет дл€ вы€снени€ относительной важности и сроков свершени€ гипотетических событий. «атем производитс€ статистическа€ обработка анкет и формируетс€ коллективное мнение группы, вы€вл€ютс€, обобщаютс€ аргументы в пользу различных суждений. ¬с€ информаци€ сообщаетс€ экспертам. ”частников экспертизы прос€т пересмотреть оценки и объ€снить причины своего несогласи€ с коллективным суждением. Ёта процедура повтор€етс€ 3Ц4 раза. ¬ результате происходит сужение диапазона оценок.

Ќедостатком этого метода €вл€етс€ невозможность учета вли€ни€, оказываемого на экспертов организаторами опросов при составлении анкет.

 ак правило, основными задачами при формировании прогноза с помощью коллектива экспертов €вл€ютс€: формирование репрезентативной экспертной группы, подготовка и проведение экспертизы, статистическа€ обработка полученных документов.

»з наиболее известных прогнозных экспертных методов стоит отметить следующие:

- ћетод комиссий.

- ћетод Ђлицом к лицуї.

- ѕроцедура дельфи.

- ћорфологический анализ.

- Ђћозгова€ атакаї.

- ћетод фокальных объектов.

- ћетод контрольных вопросов.

ћетод экспертного прогнозировани€. — помощью этого метода прогнозировани€ может быть решена больша€ часть проблем, возникающих при разработке прогнозов. ¬ экспертном прогнозировании существует несколько основных этапов:

1.ѕодготовка к разработке прогноза;

2.јнализ ретроспективной информации, внутренних и внешних условий;

3.ќпределение наиболее веро€тных вариантов развити€ внутренних и внешних условий;

4.ѕроведение экспертизы;

5.–азработка альтернативных вариантов;

6.јприорна€ и апостериорна€ оценка качества прогноза;

7. онтроль хода реализации прогноза и корректировка прогноза;

Ќа стадии подготовки к разработке прогноза должны быть решены следующие задачи:

Х подготовлено организационное обеспечение разработки прогноза,

Х сформулировано задание на прогноз,

Х сформулированы рабоча€ и аналитическа€ группы сопровождени€,

Х сформулирована экспертна€ комисси€,

Х подготовлено методическое обеспечение разработки прогноза,

Х подготовлена информационна€ база дл€ проведени€ прогноза,

Х подготовлено компьютерное сопровождение разработки прогноза.

ѕосле прин€ти€ решени€ о разработке прогноза необходимо назначить исполнителей дл€ этой разработки. Ётой группе работников поручаетс€ организационное обеспечение разработки прогноза. ќни также должны обеспечить методическое и информационное его сопровождение.

 ачественный экспертный прогноз может быть разработан только тогда, когда он хорошо подготовлен, если в его разработке задействованы компетентные специалисты, когда использована достоверна€ информаци€, когда оценки получены корректно и корректно обработаны.

ƒл€ разработки качественного прогноза необходимо использование современных технологий, сопровождающих и поддерживающих процесс разработки.

¬ состав экспертной комиссии приглашаютс€ специалисты, профессионально знакомые с объектом экспертизы. ≈сли требуетс€ многоаспектна€ оценка объекта, либо оцениватьс€ должны разнородные объекты и дл€ этого нужны специалисты разных профессий, то экспертна€ комисси€ должна быть сформирована таким образом, чтобы в еЄ состав входили специалисты, способные профессионально оценить все основные аспекты прогнозируемой проблемы.

«адачей аналитической группы €вл€етс€ методическа€ подготовка процесса прогнозировани€. ¬ состав аналитической группы вход€т специалисты, обладающие профессиональными знани€ми и опытом проведени€ прогнозных разработок. –азработка прогноза должна быть проведена методически грамотно, примен€емые методы должны соответствовать характеру прогнозируемой ситуации и характеру информации, которую предстоит получить, проанализировать и обработать. “акже разработка прогноза должна быть четко регламентирована, то есть рабоча€ группа должна подготовить необходимую документацию, в состав которой вход€т: официально оформленное решение о проведении прогноза, состав экспертной комиссии, график разработки прогноза, контракты со специалистами, привлекаемыми дл€ его разработки и т.д. —пециалисты должны быть обеспечены всей необходимой информацией об объекте прогнозировани€. ѕолезным может оказатьс€ специально подготовленный аналитической группой аналитический обзор по прогнозируемой проблеме. ѕри работе с многовариантными прогнозами приходитс€ иметь дело с большими объемами информации, котора€ к тому же, должна анализироватьс€ и обрабатыватьс€ в соответствии с используемой технологией разработки прогноза. Ёто невозможно сделать без компьютера и соответствующего программного обеспечени€.

ѕри анализе ретроспективой информации об объекте прогнозировани€ предполагаетс€ четкое разделение количественной и качественной информации.  оличественна€ информаци€ (достаточно надежна€) используетс€ дл€ расчетов по экстрапол€ции динамики изменени€ прогнозируемых параметров, по определению наиболее веро€тных тенденций их изменени€.  ачественна€ же информаци€ классифицируетс€, систематизируетс€ и служит основанием дл€ оценок экспертов и используетс€ дл€ разработки экспертных прогнозов. ѕри разработке прогноза необходим анализ внутренних условий объекта прогнозировани€, содержательный анализ их особенностей и динамики развити€.

≈сли разработаны математические, имитационные, аналоговые и другие модели функционировани€ объекта прогнозировани€ и изменени€ внутренних условий, то в них ввод€тс€ необходимые данные и на их основании производ€тс€ расчеты, позвол€ющие оценить наиболее веро€тные изменени€ внутренних условий объекта прогнозировани€.

ѕри разработке прогноза, внешним услови€м, внешней среде функционировани€ объекта прогнозировани€ должно удел€тьс€ не меньше внимани€, чем внутренним.

¬нутренн€€ среда, как внутреннее условие объекта прогнозировани€, включает в себ€: внутриорганизационные процессы, технологию, кадры, организационную культуру, управление функциональными процессами. ¬нешн€€ среда, включает общее внешнее окружение и непосредственно деловое окружение организации.

ќпределение наиболее веро€тных вариантов развити€ внутренних и внешних условий объекта прогнозировани€ €вл€етс€ одной из центральных задач разработки прогноза. Ќа этом этапе разработки прогноза на основании анализа внутренних и внешних условий и всей имеющейс€ информации об объекте прогнозировани€, информации в результате работы экспертной комиссии предварительно определ€етс€ перечень возможных альтернативных вариантов изменени€ внутренних и внешних условий. ѕосле их предварительной оценки, из перечн€ исключаютс€ альтернативные варианты, реализуемость которых в прогнозируемые период сомнительна или же веро€тность их реализации ниже предварительно установленного порогового значени€. ќставшиес€ альтернативные варианты подвергаютс€ более углубленной оценке с целью определени€ альтернативных вариантов изменени€ внутренних и внешних условий, осуществление которых наиболее веро€тно.

Ќа этом этапе разработки прогноза предполагаетс€ наиболее активна€ работа экспертов по определению и оценке ключевых событий, наступление которых ожидаетс€ в прогнозируемом промежутке времени.

ѕредыдущий этап разработки прогноза дает информацию, необходимую аналитической группе дл€ проведени€ экспертизы. Ёкспертам представл€етс€ информаци€ о наиболее веро€тном изменении внутренних и внешних условий, на основе ранее проведенного анализа формулируютс€ вопросы, на которые должны быть получены ответы в результате проведени€ экспертизы, намечаютс€ наиболее веро€тные сценарии развити€ событий.

¬ зависимости от природы объекта прогнозировани€, от характера оценок и суждений, которые должны быть получены в процессе проведени€ экспертизы, определ€ютс€ конкретные способы организации и проведени€ экспертизы. Ёкспертизы могут быть одно-туровыми и много туровыми, анонимными и предусматривающие открытый обмен мнени€ми-т. д.

–азнообразные методы используютс€ при сравнительной оценке объектов, при прогнозе количественных и качественных значений параметров прогнозируемого объекта, начина€ от различных модификаций метода ƒелфи и конча€ разнообразными процедурами метода мозговой атаки. ’арактер экспертной информации, которую предполагаетс€ использовать при разработке прогноза, накладывает определенные требовани€ на выбор конкретного метода организации и проведени€ экспертизы. ≈сли прогнозируемый объект достаточно сложен и многоаспектен, то целесообразно использование комплексных методов организации и проведени€ экспертизы при проведении экспертизы дл€ разработки прогноза аналитическа€ группа может использовать анкетирование и интервьюирование.

ѕодготовленна€ на предыдущих этапах информаци€, в том числе и полученна€ от экспертов, используетс€ при непосредственной разработке прогноза.  ак правило, маловеро€тны случаи, когда заранее известно в каком направлении будут происходить изменени€ внутренних и внешних условий, кака€ стратеги€ будет выбрана организацией при том или ином развитии событий. ¬едь развитие организации в прогнозируемом будущем зависит от различных факторов, а также от их сочетани€ и взаимодействи€. »з этого можно сделать вывод, что при стратегическом планировании и в других случа€х использовани€ прогнозов необходимо рассматривать различные альтернативные варианты развити€ событий, как благопри€тные, так и неблагопри€тные.

Ќа предыдущих этапах были определены наиболее веро€тные изменени€ основных внутренних и внешних условий, определ€ющих ход прогнозируемых событий. ƒл€ наиболее веро€тных альтернативных вариантов, их изменений, должны быть разработаны наиболее веро€тные альтернативные варианты развити€ прогнозируемых событий.

ƒопустим, одной из целей разработки прогноза €вл€етс€ определение динамики развити€ количественных показателей и параметров, то используетс€ полученный на предыдущих этапах разработки прогноза объем информации (количественной и качественной) и соответствующие методы экстраполировани€ (определени€ изменени€ прогнозируемых показателей и параметров в будущем), рассчитываютс€ кривые их изменени€ в прогнозируемом промежутке времени. Ќо мы не всегда имеем необходимую информацию дл€ использовани€ количественных методов экстрапол€ции. Ёта черта характерна дл€ современного этапа экономической жизни –оссии, отсутствие необходимых дл€ расчетов статистических данных, поскольку прежние экономические зависимости и закономерности изменились. ѕоэтому, как правило, единственным способом экстрапол€ции показателей и параметров на прогнозируемый промежуток времени остаетс€ способ построени€ экспертных кривых. Ёти кривые отражают оценку динамики изменени€ прогнозируемых значений показателей и параметров экспертами.

Ёксперты определ€ют критические точки, в которых тенденци€ изменени€ значений прогнозируемых показателей и параметров может изменитьс€ под действием тех или иных факторов. ј затем, в каждой из критических точек, расположенных на оси времени, оцениваютс€ ожидаемые значени€ прогнозируемых показателей и параметров, а также характер их изменени€ в интервале между двум€ критическими точками.

ѕри разработке вариантного прогноза должна быть произведена экстрапол€ци€ прогнозируемых значений показателей и параметров дл€ различных вариантов исходных условий и дл€ различных вариантов возможных альтернативных вариантов динамики их изменений. ¬месте с этим, каждый альтернативный вариант разрабатываемого прогноза может сопровождатьс€ описанием прогнозируемого развити€ событий.

јприорна€ и апостериорна€ оценка качества прогноза. ќценка качества прогноза Ц одна из центральных проблем в процессе разработки управленческих решений. —тепень довери€ к разработанному прогнозу во многом вли€ет на решение и сказываетс€ на эффективности управленческих решений, принимаемых с использованием разработанного прогноза.

ќднако оценка качества прогноза €вл€етс€ достаточно сложной задачей не только в момент, когда прогноз только разработан (априорна€ оценка), но и в момент, когда прогнозируемое событие уже произошло (апостериорна€ оценка). «десь следует также отметить тот факт, что качественный прогноз при прин€тии решени€ может быть использован по-разному.

≈сли со стороны руководства организации не оказываетс€ значительное воздействие на ход развити€ событий, а лишь осуществл€етс€ наблюде





ѕоделитьс€ с друзь€ми:


ƒата добавлени€: 2015-11-05; ћы поможем в написании ваших работ!; просмотров: 1474 | Ќарушение авторских прав


ѕоиск на сайте:

Ћучшие изречени€:

Ќачинать всегда стоит с того, что сеет сомнени€. © Ѕорис —тругацкий
==> читать все изречени€...

1488 - | 1276 -


© 2015-2024 lektsii.org -  онтакты - ѕоследнее добавление

√ен: 0.265 с.