Prognozowanie popytu autor: mgr Grzegorz Kryjom

Prezentacja na temat: "Prognozowanie popytu autor: mgr Grzegorz Kryjom"— Zapis prezentacji:

1 Prognozowanie popytu autor: mgr Grzegorz Kryjom
aktualizacja: Prognozowanie popytu autor: mgr Grzegorz Kryjom recenzent: mgr Wojciech Zalewski Prezentacja dystrybuowana bezpłatnie, udostępniana do celów dydaktycznych. Opracowanie prezentacji współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

2 Przedsiębiorstwo zaangażowane w opracowanie prezentacji
Siemens Sp. z o.o. Siemens w Polsce to grupa 12 firm produkcyjnych, handlowych i usługowych, powiązanych kapitałowo z macierzystym koncernem Siemensa i reprezentujących różne jego branże. Koordynatorem całej grupy jest Siemens Sp. z o.o., utworzona w 1991 roku, nazywana też spółką regionalną Siemensa.

3 Plan prezentacji Prognozowanie popytu
Prognozowanie – definicja i zasady Procedura prognozowania Metody prognozowania dla popytu stałego Metody prognozowania dla popytu o charakterze trendu Metody prognozowania dla popytu sezonowego foto: istockphoto.com

4 Prognozowanie – DEFINICJA I ZASADY
Prognozowanie popytu Prognozowanie – DEFINICJA I ZASADY Prognozowanie – to przewidywanie przyszłych zjawisk lub zdarzeń. Przedsiębiorstwo na podstawie prognozy może podejmować decyzje odnoszące się do przyszłości. Przedsiębiorstwo może przewidzieć wielkość sprzedaży, wielkość zapotrzebowania na materiały czy surowce, czyli właściwie się przygotować do przyszłego popytu. Dlatego prognozy są tworzone, aby wspomóc system podejmowania decyzji. Często prognozowanie jest również określane jako „racjonalne, naukowe” przewidywanie przyszłości. W zależności od horyzontu czasowego prognozy mogą być: długookresowe średniookresowe krótkoterminowe W prognozowaniu wykorzystuje się badania z dziedziny statystyki i ekonometrii. Jednak najczęściej w przedsiębiorstwach osoby odpowiedzialne za prognozowanie korzystają z własnego doświadczenia i intuicji.

5 Techniki prognozowania
Prognozowanie popytu Techniki prognozowania Techniki subiektywne – odnoszą się do doświadczenia i posiadanej wiedzy osoby podejmującej decyzje. Oznacza to, że im bardziej doświadczony pracownik tym większe prawdopodobieństwo, że prognoza będzie dokładniejsza. Niestety jest to mało dokładna technika prognozowania. Techniki ilościowe – są to modele matematyczne, bazujące na elementach statystyki i ekonometrii. Techniki ilościowe polegają na stosowaniu różnych modeli matematycznych do określania popytu. Techniki symulacyjne – wykorzystują technologie informatyczna. Są to systemy komputerowe, które w ramach swojej struktury mają wbudowane elementy techniki ilościowej. Na podstawie określonych danych dokonują symulacji tendencji na rynku. Techniki prognozowania Techniki subiektywne Techniki ilościowe Techniki symulacyjne

6 Klasyfikacja prognoz Prognozowanie popytu
Prognoza punktowa – gdy prognoza przyjmie postać określonej wartości. Prognoza przedziałowa – gdy prognoza jest określona poprzez pewien przedział liczbowy. Prognoza wariantowa – gdy prognoza przyjmie określone warianty. Prognozy ilościowe – gdy stan zmiennej jest wyrażony liczbą Opinia eksperta Opinia specjalistów Prognozy jakościowe – gdy stan zmiennej jest wyrażony w sposób opisowy

7 Klasyfikacja prognoz Prognozowanie popytu
Do opracowania prognoz potrzebne są pewne dane, które później przekształcają się na pewne informacje. Dane te nazywamy danymi retrospektywnymi – są to dane historyczne, które wynikają ze sprawozdawczości przedsiębiorstwa lub jego otoczenia np. wielkość sprzedaży w całym roku. Możemy wyróżnić dane: dane pierwotne – dane nieprzetworzone, pozyskane bezpośrednio ze źródeł przedsiębiorstwa, dane wtórne – wszelkie informacje już przetworzone, najczęściej ze źródeł zewnętrznych. Na podstawie danych pierwotnych i wtórnych powstają prognozy. Prognozy te nazywamy danymi prospektywnymi. foto: Siemens

8 Zasady prognozowania Prognozowanie popytu
Im horyzont prognozy jest dłuższy, tym prawdopodobieństwo sprawdzenia się jej maleje. W przypadku porównania prognozy tygodniowej i miesięcznej to prognoza tygodniowa byłaby bardziej prawdopodobna. Prognozowanie dla produktów w dłuższej perspektywie niż ich cykl życia nie ma sensu. Prognozowanie to proces wnioskowania o przewidywanym kształtowaniu się danych wartości, zjawisk i zdarzeń w przyszłości – proces ten może być obarczony błędem. Błędna prognoza może powodować problemy w funkcjonowaniu przedsiębiorstwa, np. wzrost kosztów magazynowania przedsiębiorstwa. foto: Siemens

9 Zasady prognozowania Prognozowanie popytu
Proces prognostyczny jest procesem sekwencyjnym, który przebiega według pewnego ogólnego schematu postępowania prognostycznego. P. Dittmann w książce „Prognozowanie w przedsiębiorstwie” tak przedstawia jego przebieg: Etap 1. Sformułowanie zadania prognostycznego – należy dokonać wyboru tego co chcemy prognozować. W praktyce, prognozy możemy określić dla: grup asortymentowych lub konkretnych pozycji asortymentowych, przedstawionych w odpowiednich jednostkach. Etap 2. Określenie przesłanek prognostycznych – konieczność ta wynika z tego, że niektóre asortymenty pomijamy w prognozowaniu (np. asortyment strategiczny). Na tym etapie musimy określić pewne prawidłowości zachowań prognozowanych obiektów (np. wskazanie pewnych trendów). Etap 3. Zebranie, statystyczna obróbka i analiza danych prognostycznych. Etap 4. Wybór metody prognozowania – na tym etapie w zależności od rodzaju popytu dobieramy określony rodzaj metody prognozowania. Etap 5. Konstrukcja prognozy – na podstawie zebranych danych konstruujemy prognozę. Etap 6. Ocena dopuszczalności prognozy.

10 Zasady prognozowania Prognozowanie popytu
Etap 7. Zastosowanie prognozy – po dokonaniu akceptacji prognoza jest wykorzystywana do bieżącego podejmowania decyzji w zakresie działalności przedsiębiorstwa. Etap 8. Ocena trafności prognozy – ocena dokonywana jest po upływie okresu, dla którego prognoza była opracowana. Na tej podstawie określa się czy prognoza była trafna, czy też znacznie odbiegała od rzeczywistości. foto: Siemens

11 Zasady prognozowania Prognozowanie popytu
Punktem wyjścia do prognozowania ilościowego jest szereg czasowy. Jest to zestawienie wartości zmiennych cechy badanej według kryterium czasu, gdzie badana jest wartość cechy w kolejnej jednostce czasu. A więc szereg czasowy to uszeregowane chronologicznie wartości popytu, w przyjętych do obserwacji jednostkach czasu1). Na podstawie szeregów czasowych opracowywane są prognozy. Przykład: szereg czasowy popytu dziennego na filmy w wypożyczalni DVD. 1) S. Krzyżaniak, P. Cyplik, „Zapasy i Magazynowanie”, Biblioteka Logistyka, Poznań 2008. Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek Sobota 1 2 3 4 5 6 Popyt 10 11 12

12 Zasady prognozowania Prognozowanie popytu
W szeregach czasowych najczęściej można wyróżnić dwie składowe: Składowa systematyczną – jest efektem oddziaływania różnych czynników na zmienną prognozowaną. Może występować w kilku postaciach: stały poziom prognozowanej zmiennej – wartość średnia zmiennej nie ulega zmianie, trend – czyli trwała zmienna wartości zmiennej prognozowanej, składowa okresowa – czyli wahania sezonowe oraz wahania cykliczne. Składowa przypadkowa – oznacza wahania losowe. foto: istockphoto.com

13 Metody prognozowania Prognozowanie popytu
Metody prognozowania – czyli takie metody, które służą do wnioskowania o przyszłości, na ogół na podstawie prawidłowości, zaobserwowanych w przeszłości. Metody prognozowania możemy podzielić na:2) Prognozowanie krótkoterminowe szeregów, czyli nie wykazujące istotnych zmian trendu. średnia arytmetyczna średnia arytmetyczna ruchoma ruchoma średnia arytmetyczna ważona proste wygładzanie wykładnicze wg modelu Browna Prognozowanie krótkoterminowe szeregów niestacjonarnych, wykazujących zmiany trendu. wygładzanie wykładnicze wg modelu Holta Prognozowanie średnio i długoterminowe, nie wykazujące zmian sezonowych. prosta regresja liniowa Prognozowanie zmian popytu o charakterze sezonowym. prosta metoda współczynników sezonowości metoda Wintera 2) S. Krzyżaniak, „Podstawy zarządzania zapasami w przykładach”, Biblioteka Logistyka, Poznań 2008.

14 Metody prognozowania dla popytu stałego
Prognozowanie popytu Metody prognozowania dla popytu stałego Metoda naiwna – zakłada, że prognoza popytu na dany okres będzie taka sama jak popyt rzeczywisty, zaobserwowany w okresie poprzednim. Metodę tę można przedstawić za pomocą wzoru: P*t+1=Pt gdzie: P*t+1 - prognoza na następny okres Pt - rzeczywisty popyt w okresie t Przykład: wyznacz prognozę popytu na piątek metodą naiwną t = 4 P*4+1= P4 P*4+1= 12 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek 1 2 3 4 5 Popyt 10 11 12 Prognoza

15 P*t+1=(P1+P2+P3+…+Pt-1+Pt)/T
Prognozowanie popytu Metody prognozowania dla popytu stałego 2) Model średniej arytmetycznej – do obliczania tą metodą prognozy P*t+1 na okres „t+1” wykorzystuje się wszystkie dostępne, wcześniejsze wartości popytu (na okresy od 1 do t). P*t+1=(P1+P2+P3+…+Pt-1+Pt)/T gdzie: P*t+1 - prognoza na następny okres Pt - rzeczywisty popyt w okresie t P1 - popyt w okresie 1 T - liczba wszystkich, wykorzystanych do obliczenia danych Przykład: wyznacz prognozę popytu na piątek metodą średniej arytmetycznej t = 4 P*4+1= ( )/4 P*4+1= 10,75 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek 1 2 3 4 5 Popyt 10 11 12 … Prognoza 10,75

16 P*t+1=[Pt-(n-1)+Pt-(n-2)+Pt-(n-3)+...+Pt-1+Pt]/n
Prognozowanie popytu Metody prognozowania dla popytu stałego 3) Model średniej arytmetycznej ruchomej – do obliczania tą metodą prognozy P*t+1 na okres „t+1” wykorzystuje się typową średnią arytmetyczną, ale tylko z pewnej określonej liczby danych historycznych, dlatego że zastosowanie zbyt przestarzałych danych zniekształcałoby prognozę. P*t+1=[Pt-(n-1)+Pt-(n-2)+Pt-(n-3)+...+Pt-1+Pt]/n gdzie : P*t+1 - prognoza na następny okres Pt - rzeczywisty popyt w okresie t P t-(n-1) - popyt w okresie 1 n - liczba wszystkich okresów, przyjętych do obliczenia średniej Przykład: wyznacz prognozę popytu na piątek metodą średniej arytmetycznej ruchomej n = 3 (przyjmujemy trzy okresy do obliczeń) t = 4 P*4+1= ( )/3 P*4+1= 11 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek 1 2 3 4 5 Popyt 10 11 12 … Prognoza

17 P*t+1=[Pt-(n-1)·w1+Pt-(n-2)·w2+…+Pt-1·wn-1+Pt·wn]/(w1+w2+wn-1+wn)
Prognozowanie popytu Metody prognozowania dla popytu stałego 4) Model średniej ruchomej ważonej – aby obliczyć tą metodą prognozę P*t+1 na okres „t+1” należy każdej z uwzględnionych danych przypisać określoną wagę, czyli liczby, przez które dana jest przemnażana. P*t+1=[Pt-(n-1)·w1+Pt-(n-2)·w2+…+Pt-1·wn-1+Pt·wn]/(w1+w2+wn-1+wn) gdzie : P*t+1 - prognoza na następny okres Pt - rzeczywisty popyt w okresie t P t-(n-1) - popyt w okresie 1 n - liczba wszystkich okresów, przyjętych do obliczenia średniej w1, w2, wn-1, wn - wagi przypisane do kolejnych okresów (im okres starszy tym waga mniejsza) Przykład: wyznacz prognozę popytu na piątek metodą średniej ruchomej ważonej w1 = 3, w2 = 4, w3 = 5 n = (przyjmujemy trzy okresy do obliczeń) t = 4 P*4+1= (11·3 +10·4+12·5)/3+4+5 P*4+1= 11,08 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek 1 2 3 4 5 Popyt 10 11 12 … Prognoza 11,08

18 Metody prognozowania dla popytu stałego
Prognozowanie popytu Metody prognozowania dla popytu stałego 5) Model wygładzania wykładniczego wg modelu Browna – stosowany jest najczęściej w przypadku szeregu bez trendu, czyli szereg nie wykazuje tendencji rozwojowej, a wahania jego wartości wynikają z działania czynników losowych. Metoda polega na tym, że szereg czasowy zmiennej prognozowanej wygładza się za pomocą średniej ruchomej, przy czym wagi określone są według prawa wykładniczego. P*t+1=Pt·α+P*t·(1-α) gdzie: P*t prognoza na następny okres P*t - wcześniejsza prognoza na okres t Pt - rzeczywisty popyt w okresie t α - stała wygładzania zawierająca się w przedziale <0;1>. Przykład: wyznacz prognozę popytu na piątek według modelu Browna Przyjmijmy α = 0,5 P*4+1 = 12·0,5+10·(1-0,5) P*4+1 = 11,125 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek 1 2 3 4 5 Popyt 10 11 12 … Prognoza 10,5 10,25 11,125

19 Model wygładzania wykładniczego według modelu browna
Prognozowanie popytu Model wygładzania wykładniczego według modelu browna Istnieją dwie skrajności, gdy model przyjmuje inne rozwiązania: 1) 𝛂 = 1 wtedy: P*t+1= Pt·𝛂+P*t·(1-𝛂) ulega przekształceniu do postaci: P*t+1= Pt -> prognoza naiwna 2) 𝛂 = 0 wtedy: P*t+1= P*t -> prognoza stała Ustalenie parametru „𝛂” odbywa się metodą „prób i błędów”, przyjmując za kryterium, np. wartość średniego błędu prognozy ex post. Parametr „𝛂” nazywany jest parametrem wygładzania. Jeżeli wartość parametru jest zbliżona do wartości 1, to oznacza to, że budowana prognoza będzie uwzględniała w wysokim stopniu błędy ex post prognoz poprzednich. I odwrotnie: jeżeli wartość „𝛂” jest bliska 0, to prognoza w bardzo małym stopniu uwzględnia błędy poprzednich prognoz.

20 Metody prognozowania dla popytu o charakterze trendu
Prognozowanie popytu Metody prognozowania dla popytu o charakterze trendu 1) Modele regresji liniowej – należą do klasy modeli ekonometrycznych. Modele te przestawiają zależność różnych zjawisk w funkcji czasu. Nie wyjaśniają kształtowania się popytu, a jedynie obrazują jego kształtowanie się w czasie. Najbardziej znanym modelem w tej grupie jest regresja liniowa, którą można przedstawić wzorem: y*(t)=m·t+b gdzie: y*(t) - wyznaczana funkcja t - tzw. zmienna niezależna m - współczynnik kierunkowy prostej, określający nachylenie prostej do osi czasu b - wyraz wolny, decydujący o przesunięciu prostej w kierunku pionowym Najprościej regresję liniową można wyznaczyć z wykorzystaniem programu Excel.

21 Metody prognozowania dla popytu o charakterze trendu
Prognozowanie popytu Metody prognozowania dla popytu o charakterze trendu 2) Model Holta – nazywany dwuparametrycznym modelem wygładzania wykładniczego, stosuje się go do wygładzania szeregów czasowych, w których występują wahania przypadkowe i tendencja rozwojowa. Równanie modelu: P*k+j=ak+bk·j gdzie: P*k+j - prognoza popytu na okres k+1 ak - wygładzona wartość popytu bk - przyrost trendu w okresie k j - liczba okresów objętych prognozą ak = P*k+α·(Pk-P*k) bk = bk-1+α·β·(Pk-P*k) α - stała wygładzania zawierająca się w przedziale <0;1> β - stała wygładzania trendu zawierająca się w przedziale <0;1> Pk - popyt rzeczywisty w okresie k P*k - prognoza na okres k

22 Metody prognozowania dla popytu o charakterze trendu
Prognozowanie popytu Metody prognozowania dla popytu o charakterze trendu Przykład: dokonaj prognozy popytu na podstawie modelu Holta P*k+j= ak+bk·j Przyjmijmy, że: j=1 (prognoza na jeden okres); α = 0,5; β = 0,9 P*2 = P1= 10; a2 = P1 = 10; b2 = 0 P*3 = P*2+1= a2+b2·j = 10+0·1= 10; a3 = 10+0,5·(10-10) = 10; b3 = 0+0,5·0,9·(10-10) = 0 P*4 = P*3+1= a3+b3·j = 10+0·1= 10; a4 = 10+0,5·(12-10) = 11; b4 = 0+0,5·0,9·(12-10) = 0,9 P*5 = P*4+1= a4+b4·j = 11+0,9·1= 11,9 Okres obserwacji Poniedziałek Wtorek Środa Czwartek Piątek k=1 k=2 k=3 k=4 k=5 Popyt 10 11 12 ak bk 0,9 Prognoza 11,9

23 inne modele prognozowania
Prognozowanie popytu inne modele prognozowania 1) Modele analogowe – modele wykorzystujące podobieństwo matematyczne badanego układu rzeczywistego do innego układu, zazwyczaj sztucznie utworzonego, który może być dowolnie modyfikowany i którego reakcje na modyfikacje podlegają bezpośrednim obserwacjom i pomiarom. 2) Metody scenariuszowe – metody te służą do analizy związków między zjawiskami występującymi w otoczeniu, badaniu oddziaływania tych zjawisk na organizację, czy charakteryzowaniu różnych punktów widzenia danej sytuacji. scenariusze możliwych zdarzeń scenariusze symulacyjne scenariusze stanów otoczenia scenariusze procesów w otoczeniu 3) Modele symulacyjne – jest to badanie interesującego nas fragmentu rzeczywistości za pomocą eksperymentowania na modelu. Eksperymentowanie to polega na obliczaniu wartości zmiennych objaśnionych przy różnych dopuszczalnych wartościach zmiennych objaśniających lub różnych wartościach parametrów. Takie eksperymentowanie na modelu pozwala zorientować się, jaka jest sprawność badanego modelu, a to ułatwia wnioskowanie o zachowaniu się pewnego systemu ekonomicznego, opisywanego przez model. Symulacja może także uwzględnić składniki losowe procesów.

24 inne modele prognozowania
Prognozowanie popytu inne modele prognozowania 4) Modele heurystyczne – prognozowanie heurystyczne to przewidywanie nowych obrazów rzeczywistości, niekoniecznie dających opisać się za pomocą analizy przyszłości. Istota prognozowania za pomocą tej metody polega na formułowaniu prognoz przy wykorzystaniu opinii ekspertów opartych na intuicji i doświadczeniu. Do najbardziej znanych należą: „burza mózgów”, badanie opinii publicznej. 5) Modele ARIMA – jest to w teorii najbardziej ogólna klasa modeli prognozowania szeregów czasowych, które mogą być stacjonowane przemianami, takimi jak różnicowanie i logowania.

25 Literatura pomocnicza
Prognozowanie popytu Literatura pomocnicza R. Kacperczyk, „Transport i spedycja”. Część 1. Transport, Difin, Warszawa 2009 S. Krzyżaniak, P. Cyplik, „Zapasy i Magazynowanie”, Biblioteka Logistyka, Poznań 2008 S. Krzyżaniak, „Podstawy zarządzania zapasami w przykładach”, Wydanie IV, Biblioteka Logistyka, Poznań 2008 J. J. Coyle, E. J. Bardi, C. J. Langley Jr., „Zarządzanie logistyczne”, PWE, Warszawa 2007, Norma: PN – 85/O – Opakowania transportowe z zawartością. Znaki i znakowanie. Wymagania podstawowe.

26 Wyższa Szkoła Logistyki
Prognozowanie popytu Wyższa Szkoła Logistyki Wyższa Szkoła Logistyki jest pierwszą w Polsce uczelnią logistyczną, utworzoną w 2001 roku z inicjatywy Instytutu Logistyki i Magazynowania oraz Centrum Edukacji Logistycznej. Kadra uczelni składa się z wybitnych specjalistów z zakresu logistyki i praktyków gospodarczych. Doceniając wagę doświadczenia jakiego wymaga się dzisiaj od absolwentów uczelni wyższych, WSL umożliwia również odbywanie praktyk i staży w wiodących firmach logistycznych będących partnerami uczelni. Dzięki umowom bilateralnym podpisanym z uczelniami z krajów europejskich studenci WSL korzystający z programu Erasmus wyjeżdżają na studia za granicę. W ramach współpracy z uczelniami z Niemiec i Wielkiej Brytanii mają także możliwość zdobywania podwójnych dyplomów z zakresu logistyki. Wyższa Szkoła Logistyki przejęła rolę patrona edukacyjnego dla szkół ponadgimnazjalnych kształcących w zawodach: technik logistyk i technik spedytor w zakresie nowoczesnego kształcenia dostosowanego do potrzeb rynku. Uczelnia realizuje unikatowy w skali kraju program współpracy z ponad 200 szkołami ponadgimnazjalnymi. Niniejsza prezentacja została opracowana w ramach projektu "Wielkopolska musi wiedzieć" - partnerstwo szkolnictwa zawodowego i rynku pracy kluczem do podniesienia atrakcyjności zawodów technik logistyk i technik spedytor w województwie wielkopolskim (projekt numer: POKL /09) współfinansowanego przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.