Projektowanie popytu

Często, na swojej osobie wykonuję takie ćwiczenie, ż przypatruję się budżetowi domowemu. W kontekście wydatków, również tego co ile kosztowało i kiedy i jaką ilość tego zużyłem. Z jednej strony to dobre ćwiczenie intelektualne , z drugiej strony mogę na to spojrzeć jako zagadnienie kształtowania popytu w oparciu o dane historyczne, zmiany sezonowe, wpływ reklam na preferencje zakupowe (niestety).

                W działalności biznesowej prognozowanie popytu ma duże znaczenie na zarządzania zapasami , a kształtowanie popytu w związanych szeregach czasowych : dziennych, tygodniowych, miesięcznych, kwartalnych , półrocznych , rocznych, bezpośrednio na wielkość zapasu „zabezpieczającego”.

                Rodzaj prognozy popytu zależy w sposób bezpośredni od okresu czasu jakiego prognoza ma dotyczyć oraz rodzaju materiału, towaru i charakterystyki  zmian popytu.

                Możemy zatem powiedzieć , że prognozowanie to próba przewidzenia zdarzeń przyszłych w oparciu o historyczne dane liczbowe oraz kontekst i przebieg zdarzeń przeszłych.

Podziału metod prognozowania możemy dokonać na dwa podstawowe sposoby. Pierwszy opiera się na wyrażeniu zmiennej prognozowanej w sposób liczbowy , z rozkładem punktowym gdy zmienna prognozowana przyjmuje konkretne wartości liczbowe lub wartość zmiennej prognozowanej zawiera się w określonym przedziale zakresy wartości .

Drugim sposobem prognozowania jest metoda jakościowa, gdzie zmienna prognozowana jest wyrażona w sposób bardziej ogólny, opisowy , wskazując trend zmiennej w okresach przyszłych.      Jak wcześniej wspomniano elementem ściśle związanym z metodami prognozowania są horyzonty czasowe , które rozpatrujemy, spojrzenie wstecz , spojrzenie wprzód .I tak na zadanie prognozowania możemy spojrzeć w perspektywie krótkoterminowej, średnioterminowej i długoterminowej.

                Wskazaniem dla wyboru metody prognozowania na okresy przyszłe mogą być metody stosowane wcześniej wraz z realnym zarejestrowanym popytem. Jakość zastosowanej metody możemy  zmierzyć takimi wskaźnikami jak: średni bezwzględny błąd prognozy, średni względny błąd prognozy, standardowy błąd prognozy.

Po uwzględnieniu wyżej wymienionych,  metody prognozy możemy podzielić na:

1. Model naiwny
2. Modele średniej arytmetycznej: średnia arytmetyczna, średnia arytmetyczna ważona, średnia arytmetyczna ruchoma.
3. Model Browna
4. Model Holta
5. Model Wintersa
6. Model wskażników sezonowości
7. Modele ekonometryczne
8. Metody heurystyczne
9. Metody analogowe
10. Metody scenariuszowe
11. Metody symulacyjne

1.Prognoza naiwna

Prognozowanie w metodzie naiwnej opiera się na naszym przekonaniu, że popyt się nie zmieni i wartość tego popytu możemy przyjąć z najbliższego okresu przeszłego. Ma to sens w przypadku stałej lub quasi stałej wartości popytu, bez nagłych zmian skokowych. Nie wyklucza to jednak rejestrowanych, cyklicznych zmian sezonowych.

2.Prognozy oparte o zastosowanie metody średniej arytmetycznej

Prostymi metodami w zastosowaniu są metody oparte na średniej arytmetycznej. Od najprostszej opartej na średniej arytmetycznej, obliczonej na podstawie sumy popytów z określonej liczby okresów przeszłych podzielonej przez liczbę okresów.

Może nam to dać lepsze przybliżenie prognozowanego popyty, w zależności od wartości odchyleń standardowych  i wartości rozproszenia poszczególnych wyników.

W kolejnej metodzie, średniej arytmetycznej ruchomej, dokonujemy świadomego wyboru okresów analizowanych. W ten sposób możemy obserwować trendy i tendencje w zmianach popytu.

Przebieg krzywej popytu jest bardziej wygładzony niż przy zastosowaniu średniej arytmetycznej.

Ostatnią z metod arytmetycznych jest metoda średniej arytmetycznej ważonej. Poszczególnym rozpatrywanym okresom, ważnym z naszego punktu widzenia nadajemy wagi , a następnie przemnażamy je wartość zarejestrowaną w danym okresie i ostatecznie sumuje. Po zsumowaniu otrzymaną wartość dzielimy przez sumę wag.

To średnia ważona, ale to  pewnie pamiętasz !!!!

Ważne przy tym aby okresy bliższe prognozowanym miały wagi najwyższe, wychodząc z założenia , że okres najbliższy prognozowanemu jest najbardziej reprezentatywny.

3. Model Browna

Jeden z bardziej popularnych modeli wykorzystywanych przy projektowaniu popytu krótko i średnioterminowego. Obliczenia w tej metodzie oparte są o prognozę z okresu poprzedniego i zarejestrowany faktyczny popyt. Nasza główne zadanie w tej metodzie polega na oszacowaniu współczynnika korygującego , będącego miarą popełnionego błędu w modelowaniu popytu poprzedniego.

                                                                                 P ^*_k+1 = P_k ×a + P^*_k (1-a)

gdzie:

P ^*_k+1 – prognoza popytu na sierpień

P_k ×a - popyt rzeczywisty w lipcu skorygowany o współczynnik a, gdzie a należy do zbioru (0,1)

P^*_k – prognozowany popyt w lipcu

Warto zauważyć, że w przypadku a = 0 , mamy prognozę stałą P ^*_k+1 = P^*_k

                  a =1, mamy wyniki po zastosowaniu metody naiwnej P ^*_k+1 = P_k

4. Model Holta

Wcześniejsze metody oparte o model Browna i np. metoda średniej arytmetycznej ważonej pozwalały na obserwację zmian w popycie. Metoda obliczeń ( inaczej: dwuparametryczny  model wygładzania wykładniczego) w modelu  Holta opartej na wyznaczeniu dwóch parametrów i oceny wyników przyrostu średniej, czyli trendu. Matematycznie możemy ją zapisać w następujący sposób.

Prognozę na okres przyszły  P ^*_k+1 , wyznaczamy według następującego wzoru

                                                    P ^*_k+j = a_k + b_k ×j

gdzie:

                                                                              a_k = P^*_k +a× (P_k - P^*_k)

                                                                            b_k = b_k-1  +a×b× (P_k - P^*_k)

b_k – przyrost trendu w okresie k

j- liczba okresów objętych prognozą

P_k- popyt rzeczywisty w okresie K

P^*_k – prognoza na okres k

a - stała wygładzania z przedziału <0,1>

b - stała wygładzania trendu z przedziału <0,1>

Początkowe wartości współczynników a, b można wyznaczyć na różne sposoby , dla przykładu

                                                                                  a₁ = P_{1 ,} b₁ = P₂- P₁

Wykorzystując powyższe metody prognozowania dla konkretnego przykładu, wyciągnięto następujące wnioski:

• Najlepsze rezultaty po zastosowaniu modeli ze średnią arytmetyczną , uzyskano po zastosowaniu metody średniej ruchomej ważonej
• Model Browna daje lepsze rezultaty dla wyższej stałej wygładzania a 

Pułapka  - przy a =1, mamy do czynienia z metodą naiwną !!!!!

• Najlepsze rezultaty osiągnięto przy modelu Holta

                          Lubię matematykę………. bo pomaga mi trafniej wnioskować.

5. Model Wintersa

Bardzo pomocna metoda obliczeń popytu dla towarów o krótkim i bardzo krótkim okresie życia.

Nie wymaga historycznych danych z kilku okresów sezonowości. W odróżnieniu do metody stosowanej w modelu Holta , wprowadza się trzecią stałą wygładzania g, służącą do  oceny sezonowości poprzez wygładzanie trendu.

W przypadku modelu Wintersa możemy wyróżnić dwa typy. Typ multiplikalny i typ addytywny.

6. Model wskaźników sezonowości

Zjawisko sezonowości może pojawiać się w różnych cyklach. Najważniejszym ze względu na prognozowanie popytu jest rejestracja zmian i występowania trendów w zmianach w obserwowanym okresie.

Algorytm postępowania w takim przypadku jest następujący:

• w pierwszej kolejności należy wyróżnić okresy , w których zaobserwowaliśmy zmiany w popycie w wyniku zadziałania czynników wpływających na sezonowość popytu
• pomiar wartości zmian w poszczególnych okresach poddanych badaniu
• wyznaczenie współczynników sezonowości dla wyróżnionych okresów
• pokazanie ewentualnie zaobserwowanych trendów w zmianach popytu
• zaprojektowanie postaci i współczynników modelu do prognozowania popytu w okresach przyszłych

Dla przykładu, w celu wyznaczenia wskaźnika popytu dla okresu miesięcznego w rozpatrywanym okresie rocznym obliczamy dzieląc popyt zarejestrowany w styczniu przez sumaryczny popyt roczny.

Kluczowym w modelu wskaźników sezonowości jest przyjęcie modelu obliczeniowego dla prognozowania popytu okresów przyszłych. Możemy tu  skorzystać np.  z modelu regresji liniowej.

Tab.1. Dane o popycie na podzespoły elektronicznie , zapotrzebowanie miesięczne , okres 10 lat

Wyznaczamy popyt roczny dla roku 11 z równania regresji liniowej Y₁₁=750,39 ×11 +16174 = 24428,29 szt. Po obliczeniach wynosi on 24429 szt.

Widzisz , że proste. Teraz zmiany sezonowe nie będą cię przerażały i będziesz wiedział/wiedziała ile go  zamówić .Żeby to było takie proste, a nie jest….

Z pomocą przychodzą nam ……….

7. Modele ekonometryczne – przyczynowo- opisowe.

Popyt może być opisywany zmiennymi objaśniającymi (do tej pory mieliśmy tylko czas) o charakterze statycznym , dynamicznym (zależnym od czasu).mogą to być zmienne ekonomiczne lub pozaekonomiczne. Dlatego też modele w których występują i objaśniają mogą być jedno lub wielowymiarowe, liniowe, nieliniowe. Temu też modele mogą być proste lub skomplikowane, w zależności ile zmiennych w modelu uwzględnimy, jakie są siły ich oddziaływań na popyt.

8. Modele heurystyczne

Modele heurystyczne oparte są na wiedzy ekspertów w przewidywaniu popytu przyszłego. Oceny wynikają z doświadczenia i intuicji. Do metod heurystycznych zaliczamy : burze mózgów, metodę delficką, metody opinii eksperckich.

9. Metody analogowe

Metody oparte o budowanie analogii, budowaniu oceny poprzez pozyskiwanie informacji o zjawiskach lub zdarzeniach odnoszących się do danego obiektu lub obiektów podobnych.

Do metod analogowych należą:

• metody historyczne – polegają na przenoszeniu zmian trwających w określonym czasie i dotyczą  danego zjawiska na inne zjawisko, wzrost liczby abonentów telefonów stacjonarnych, a zjawisko rozwoju sieci komórkowej
• przestrzenne – zjawisko przebiegło na jednym obszarze i może być przenoszone na inny obszar
• metoda  przestrzenno-  czasowa – przenoszenie zależności czasowo- przestrzennych zjawiska na inne obszary przestrzenne innego okresu.
• Biologiczne – przenoszenie zależności i budowy obiektów żywych na obiekty natury martwej : konstrukcja robotów, maszyn itd.

 10. Metody scenariuszowe

 Metody scenariuszowe polegają na opisie zjawiska krok po kroku, znajdywanie relacji i logiki ich następstwa dla wnioskowania i prognozy na okres przyszły.

 11. Metody symulacyjne

Metody symulacyjne polegają na testowaniu modelu wykorzystując zmienne objaśniające i parametry zjawiska, przy zadaniu ich różnej wartości. Symulacja może też uwzględniać składniki losowe procesów.

Na rynku jest wiele programów,  które pozwalają na prognozowanie popytu. Niestety nie dzieje się automatycznie, wymaga zrozumienia procesu i właściwego wyboru modelu prognozowania popytu.

Prognozowanie nie tylko w logistyce jest ważne, głównie z tego powodu, że decyzje zawsze niosą ze  sobą określone konsekwencje. Ważne jest , żeby nasze działania były obarczone jak najmniejszym błędem.

Zbigniew Marcjaniak

Logistic & Business Consulting
Zbigniew Marcjaniak
Tel.+48 603 721789
Email. marcjaniak@konsultancilogistyczni.pl

ul. Sikorskiego 35, 05-091 Ząbki

  marcjaniak@konsultancilogistyczni.pl

  +48 603 721 789

 Kontakt