1
1
ĆWICZENIE
ĆWICZENIE
nr 2
POTRZEBY MATERIAŁOWE
– ilościowe metody prognozowania
2
2
PRZYKŁADY PROGNOZ
ZADANIE 1
W okresie 15 tygodni zanotowano w magazynie zaopatrzenia następujące
liczby samochodów dostarczających niezbędne do produkcji surowce :
Tydzień
Liczba samochodów
1
84
2
81
3
89
4
90
5
99
6
106
7
127
8
117
9
127
10
103
11
96
12
96
13
86
14
101
15
109
3
3
Określić przy wykorzystaniu metody naiwnej liczbę samochodów
obsługiwanych w terminalu
1. Zgodnie z modelem dla metody naiwnej prognozę można sporządzić dla
okresu tydzień 2 – tydzień 16; jej wartości są następujące:
Tydzień
Rzeczywista liczba
samochodów (D
t
)
Prognoza F
(t=1)
na
podstawie danych z
ostatniego okresu
Błąd prognozy
1
84
-
-
2
81
3
89
4
90
5
99
6
106
7
127
8
117
9
127
10
103
11
96
12
96
13
86
14
101
15
109
16
-
-
4
4
ZADANIE 2
Dla danych jak w ZADANIU 1 opracować prognozę dla 16. tygodnia opartą na
średniej ruchomej wartości danych dla danych z a) dwóch, b) czterech
okresów
Tydzień
Rzeczywista liczba
samochodów
PROGNOZA
(średnia z 2 okresów)
PROGNOZA
(średnia z 4 okresów)
1
84
-
-
2
81
-
-
3
89
-
4
90
-
5
99
6
106
7
127
8
117
9
127
10
103
11
96
12
96
13
86
14
101
15
109
16
-
średnia
wartość min
wartość max
5
5
Tabela wynikowa ma postać następującą:
Tydzień
Rzeczywista liczba
samochodów
PROGNOZA
(średnia z 2 okresów)
PROGNOZA
(średnia z 4 okresów)
1
84
-
-
2
81
-
-
3
89
-
4
90
-
5
99
6
106
7
127
8
117
9
127
10
103
11
96
12
96
13
86
14
101
15
109
16
-
średnia
wartość min
wartość max
6
6
ZADANIE 3
Dla danych z ZADANIA 1 obliczyć prognozę wielkości obsługi w 16. tygodniu
opartą na ważonej średniej ruchomej z a) dwóch, b) czterech okresów.
USTALENIE WAG przy średniej ruchomej z dwóch okresów:
waga przypisana bieżącemu okresowi
waga przypisana ostatniemu okresowi
PROGNOZA F
16
:
14
14
15
15
16
2
1
16
16
D
W
D
W
D
W
F
i
i
i
F
16
bez wygładzania 105,0
USTALENIE WAG przy średniej ruchomej z czterech okresów okresów:
waga przypisana bieżącemu okresowi
waga przypisana okresowi (t + 1)
–
2
waga przypisana okresowi (t + 1)
–
3
waga przypisana ostatniemu okresowi (t+1) – 4
PROGNOZA F
16
:
12
12
13
13
14
15
15
15
1
4
1
1
16
4
D
W
D
W
D
W
D
W
D
W
F
i
t
i
i
t
F
16
bez wygładzania 98,0
7
7
ZADANIE 4
Popyt na miedź elektrolityczną w tys. ton w 20 miesiącach kształtował się tak,
jak przedstawiono w poniższej tabeli. Obliczyć prognozę popytu wykorzystując
liniowy model wygładzania wykładniczego Holta (prognoza dostosowana)
Okres
Popyt w [tys. ton]
1
30
2
34
3
37
4
40
5
44
6
48
7
51
8
55
9
58
10
62
11
65
12
66
13
67
14
66
15
67
16
65
17
66
18
67
19
67
20
66
8
8
SPORZĄDZENIE PROGNOZY OPARTEJ NA MODELU WYGŁADZANIA
WYKŁADNICZEGO (prognoza niedostosowana)
przyjęto stałą wygładzania α = 0,3
postać modelu:
t
t
t
F
D
F
1
1
PROGNOZA NIEDOSTOSOWANA F
(t+1)
– model Browna
Okre
s (t)
Popyt (D
t
)
Prognoza
niedostosowana
1
30
-
-
27,00
2
3
⁞
19
65,58
20
t
D
t
t
t
F
F
F
7
,
0
3
,
0
0
,
1
1
t
t
t
F
D
F
1
1
SPORZĄDZENIE PROGNOZY OPARTEJ NA MODELU WYGŁADZANIA
WYKŁADNICZEGO (prognoza niedostosowana)
Okres
(t)
Popyt (D
t
)
Prognoza
niedostosowana
t
D
t
t
t
F
F
F
7
,
0
3
,
0
0
,
1
1
t
t
t
F
D
F
1
1
10
10
Postać tabeli wynikowej jest następująca:
Okres (t)
Popyt (D
t
)
Prognoza niedostosowana
F
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
11
11
Przyjęcie współczynnika wygładzania trendu β = 0,6
Obliczenie współczynnika dostosowania do trendu T
t+1
Okre
s (t)
Prognoza
niedostosowa
na F
t
Trend
T
t
1
27,00
-
-
-
0,00
2
3
4
⁞
19
0,58
20
t
t
F
F
1
F
F
F
F
t
t
t
1
1
6
,
0
t
t
t
T
T
T
4
,
0
6
,
0
1
1
Przyjęcie współczynnika wygładzania trendu β = 0,6
Obliczenie współczynnika dostosowania do trendu T
t+1
t
t
F
F
1
F
F
F
F
t
t
t
1
1
6
,
0
t
t
t
T
T
T
4
,
0
6
,
0
1
1
Okres
(t)
Prognoza
niedostosowa
na F
t
Trend
T
t
13
13
PROGNOZA DOSTOSOWANA AF(T+1) – model Holta
1
1
1
t
t
t
T
F
AF
Okres (t)
Popyt (D
t
)
Prognoza
niedostosowana F
t
Trend T
(t+1)
Prognoza
dostosowana
AF
(t+1)
1
30
27,00
0,00
-
2
34
3
37
4
40
5
44
6
48
7
51
8
55
9
58
10
62
11
65
12
66
13
67
14
66
15
67
16
65
17
66
18
67
19
67
20
66
14
14
ZADANIE 5
Firma zajmuje się sprzedażą nowoczesnych pojazdów specjalnych. W ciągu 10
miesięcy popyt kształtował się tak, jak przedstawiono w poniższej tabeli.
Obliczyć prognozę popytu w miesiącach 11 – 13 wykorzystując metodę regresji
liniowej.
Miesiąc (x)
Popyt (y)
1
8
2
12
3
25
4
40
5
50
6
65
7
36
8
61
9
88
10
63
Obliczenie wartości niezbędnych do szacunkowego określenia
parametrów funkcji liniowej
x
b
a
y
ˆ
ˆ
ˆ
15
15
Miesiąc (x)
Popyt (y)
x
2
xy
1
8
2
12
3
25
4
40
5
50
6
65
7
36
8
61
9
88
10
63
-
suma
średnia
Oszacowanie wartości współczynnika kierunkowego
bˆ
bˆ
16
16
Oszacowanie wyrazu wolnego
aˆ
x
b
y
a
ˆ
ˆ
ˆ
Otrzymana funkcja regresji ma postać:
yˆ
Prognoza
- 11 miesiąc
- 12 miesiąc
- 13 miesiąc
11
ˆy
12
ˆy
13
ˆy
17
17
PRZYKŁAD – Regresja liniowa z dostosowaniem sezonowym
2009
2010
Miesiąc
Popyt
Miesiąc
Popyt
1
51
1
112
2
67
2
137
3
65
3
191
4
129
4
250
5
225
5
416
6
272
6
487
7
238
7
421
8
172
8
285
9
143
9
235
10
131
10
222
11
125
11
192
12
103
12
165
18
18
1. MODEL PROGNOZY OPARTY NA REGRESJI LINIOWEJ
x
y
22
,
8
71
,
98
ˆ
Miesiąc
Okres
Popyt
Prognoza
niedostosowan
a
Błąd prognozy
1’ 2009 r.
1
2
2
3
3
4
4
5
5
⁞
⁞
Miesiąc
Okres
Popyt
Prognoza
niedostosowan
a
Błąd prognozy
1’ 2010 r.
13
2
14
3
15
4
16
5
17
⁞
⁞
19
19
2. OBLICZENIE WARTOŚCI POPYT/PROGNOZA
styczeń 2009 r.
styczeń 2010 r.
3. OBLICZENIE MIESIĘCZNEGO WSKAŹNIKA SEZONOWOŚCI
styczeń
1
WS
4. OBLICZENIE PROGNOZY DOSTOSOWANEJ
styczeń 2009 r.
styczeń 2010 r.
DLA POZOSTAŁYCH MIESIĘCY SPOSÓB POSTĘPOWANIA JEST TAKI SAM