Prognozowanie popytu

Opracowanie prezentacji współfinansowane

przez Unię Europejską w ramach

Europejskiego Funduszu Społecznego

aktualizacja: 11.10.2011

Prezentacja dystrybuowana bezpłatnie, udostępniana do celów dydaktycznych.

autor: mgr Grzegorz Kryjom
recenzent: mgr Wojciech
Zalewski

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.

PLAN PREZENTACJI

1) Prognozowanie – definicja i zasady
2) Procedura prognozowania
3) Metody prognozowania dla popytu stałego
4) Metody prognozowania dla popytu o charakterze trendu
5) Metody prognozowania dla popytu sezonowego

Prognozowanie popytu

foto: istockphoto.com

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:

1. długookresowe
2. średniookresowe
3. 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.

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

Prognozowanie popytu

KLASYFIKACJA PROGNOZ

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

KLASYFIKACJA PROGNOZ

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:

1. dane pierwotne

– dane nieprzetworzone, pozyskane bezpośrednio ze źródeł

przedsiębiorstwa,

2. dane wtórne

– wszelkie informacje już przetworzone, najczęściej ze źródeł

zewnętrznych.

Na podstawie danych pierwotnych i wtórnych powstają prognozy. Prognozy te
nazywamy

danymi prospektywnymi.

Prognozowanie popytu

foto: Siemens

ZASADY PROGNOZOWANIA

1. Im horyzont prognozy jest dłuższy, tym prawdopodobieństwo sprawdzenia się

jej

maleje.

W przypadku porównania prognozy tygodniowej i miesięcznej to prognoza
tygodniowa byłaby bardziej prawdopodobna.

2. Prognozowanie dla produktów w dłuższej perspektywie niż ich cykl życia nie

ma sensu.

3. 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.

Prognozowanie popytu

foto: Siemens

Prognozowanie popytu

ZASADY PROGNOZOWANIA

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.

ZASADY
PROGNOZOWANIA

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

Prognozowanie popytu

Prognozowanie popytu

ZASADY PROGNOZOWANIA

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 czasu

1)

. 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

Poniedział
ek

Wtorek

Środa

Czwartek

Piątek

Sobota

1

2

3

4

5

6

Popyt

10

11

10

12

11

11

ZASADY PROGNOZOWANIA

W szeregach czasowych najczęściej można wyróżnić dwie składowe:

Składowa systematyczną –

jest efektem oddziaływania różnych czynników na

zmienną prognozowaną. Może występować w kilku postaciach:

1. stały poziom prognozowanej zmiennej – wartość średnia zmiennej nie

ulega zmianie,

2. trend – czyli trwała zmienna wartości zmiennej prognozowanej,
3. składowa okresowa – czyli wahania sezonowe oraz wahania cykliczne.

Składowa przypadkowa –

oznacza wahania losowe.

foto: istockphoto.com

Prognozowanie popytu

Prognozowanie popytu

METODY PROGNOZOWANIA

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.

Prognozowanie popytu

METODY PROGNOZOWANIA DLA POPYTU STAŁEGO

1) 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

=P

t

gdzie:
P*

t+1

- prognoza na następny okres

P

t

- rzeczywisty popyt w okresie t

Przykład:

wyznacz prognozę popytu na piątek metodą naiwną

t = 4
P*

4+1

= P

4

P*

4+1

= 12

Okres
obserwacji

Poniedziałek

Wtorek

Środa

Czwartek

Piątek

1

2

3

4

5

Popyt

10

11

10

12

11

Prognoza

10

11

10

12

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

=(P

1

+P

2

+P

3

+…+P

t-1

+P

t

)/T

gdzie:
P*

t+1

- prognoza na następny okres

P

t

- rzeczywisty popyt w okresie t

P

1

- 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

= (10+11+10+12)/4

P*

4+1

= 10,75

Okres
obserwacji

Poniedziałek

Wtorek

Środa

Czwartek

Piątek

1

2

3

4

5

Popyt

10

11

10

12

…

Prognoza

10,75

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

=[P

t-(n-1)+

P

t-(n-2)

+P

t-(n-3)

+...+P

t-1

+P

t

]/n

gdzie :
P*

t+1

- prognoza na następny okres

P

t

- 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

= (11+10+12)/3

P*

4+1

= 11

Okres
obserwacji

Poniedziałek

Wtorek

Środa

Czwartek

Piątek

1

2

3

4

5

Popyt

10

11

10

12

…

Prognoza

11

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

=[P

t-(n-1)

·w

1

+P

t-(n-2)

·w

2

+…+P

t-1

·w

n-1

+P

t

·w

n

]/

(w

1

+w

2

+w

n-1

+w

n

)

gdzie :
P*

t+1

- prognoza na następny okres

P

t

- rzeczywisty popyt w okresie t

P

t-(n-1)

- popyt w okresie 1

n - liczba wszystkich okresów, przyjętych do obliczenia średniej
w

1

, w

2

, w

n-1

, w

n

- wagi przypisane do kolejnych okresów (im okres starszy tym waga

mniejsza)

Przykład:

wyznacz prognozę popytu na piątek metodą średniej ruchomej

ważonej

w

1

= 3, w

2

= 4, w

3

= 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

10

12

…

Prognoza

11,08

Prognozowanie popytu

Okres
obserwacji

Poniedziałek

Wtorek

Środa

Czwartek

Piątek

1

2

3

4

5

Popyt

10

11

10

12

…

Prognoza

10

10

10,5

10,25

11,125

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

=P

t

·α+P*

t

·(1-α)

gdzie:
P*

t+1

- prognoza na następny okres

P*

t

- wcześniejsza prognoza na okres t

P

t

- 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

Prognozowanie popytu

MODEL WYGŁADZANIA WYKŁADNICZEGO WEDŁUG
MODELU BROWNA

Istnieją dwie skrajności, gdy model przyjmuje inne rozwiązania:

1) � = 1 wtedy:
P*

t+1

= P

t

·�+P*

t

·(1-�)

ulega przekształceniu do postaci:
P*

t+1

= P

t

-> prognoza naiwna

2) � = 0 wtedy:
P*

t+1

= P

t

·�+P*

t

·(1-�)

ulega przekształceniu do postaci:
P*

t+1

= P*

t

-> prognoza stała

Ustalenie parametru „

�

” odbywa się metodą „prób i błędów”, przyjmując za

kryterium, np. wartość średniego błędu prognozy ex post. Parametr „

�

”

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 „

�

” jest bliska 0, to prognoza w bardzo małym

stopniu uwzględnia błędy poprzednich prognoz.

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.

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

=a

k

+b

k

·j

gdzie:
P*

k+j

- prognoza popytu na okres k+1

a

k

- wygładzona wartość popytu

b

k

- przyrost trendu w okresie k

j - liczba okresów objętych prognozą

a

k

= P*

k

+α·(P

k

-P*

k

)

b

k

= b

k-1

+α·β·(P

k

-P*

k

)

α - stała wygładzania zawierająca się w przedziale <0;1>
β - stała wygładzania trendu zawierająca się w przedziale <0;1>
P

k

- popyt rzeczywisty w okresie k

P*

k

- prognoza na okres k

Prognozowanie popytu

METODY

PROGNOZOWANIA

DLA

POPYTU

O

CHARAKTERZE TRENDU

Przykład:

dokonaj prognozy popytu na podstawie modelu Holta

P*

k

+j

= a

k

+b

k

·j

Przyjmijmy, że: j=1 (prognoza na jeden okres); α = 0,5; β = 0,9

P*

2

= P

1

= 10;

a

2

= P

1

= 10; b

2

= 0

P*

3

=

P*

2

+1

= a

2

+b

2

·j =

10+0·1= 10;

a

3

= 10+0,5·(10-10) = 10; b

3

=

0+0,5·0,9·(10-10) = 0

P*

4

=

P*

3

+1

= a

3

+b

3

·j =

10+0·1= 10;

a

4

= 10+0,5·(12-10) = 11; b

4

=

0+0,5·0,9·(12-10) = 0,9

P*

5

=

P*

4

+1

= a

4

+b

4

·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

10

12

11

a

k

10

10

11

b

k

0

0

0,9

Prognoza

10

10

10

11,9

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.

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:

1. „burza mózgów”,
2. 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.

Prognozowanie popytu

LITERATURA POMOCNICZA

1. R. Kacperczyk, „Transport i spedycja”. Część 1. Transport, Difin, Warszawa

2009

2. S. Krzyżaniak, P. Cyplik, „Zapasy i Magazynowanie”, Biblioteka Logistyka,

Poznań 2008

3. S. Krzyżaniak, „Podstawy zarządzania zapasami w przykładach”, Wydanie

IV, Biblioteka Logistyka, Poznań 2008

4. J. J. Coyle, E. J. Bardi, C. J. Langley Jr., „Zarządzanie logistyczne”, PWE,

Warszawa 2007,

5. Norma: PN – 85/O – 79252. Opakowania transportowe z zawartością. Znaki

i znakowanie. Wymagania podstawowe.

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.09.02.00-30-077/09) współfinansowanego przez Unię
Europejską w ramach Europejskiego Funduszu Społecznego.