Прогноз потребления предыдущего года на основе среднедневного потребления

Месяц	Фактические отгрузки за месяц	Число рабочих дней	Среднее потребление в день	Прогноз среднедневного потребления	Прогноз месячного потребления
Январь	17 244	16	1078	0	0
Февраль	57 187	20	2860	1078	21560
Март	48 504	21	2310	2860	60 060
Апрель	58 647	21	2793	2310	48 510
Май	45 477	20	2274	2793	55 860
Июнь	23 833	22	1084	2274	50 028
Июль	21 730	20	1087	1084	21680
Август	65 289	23	2839	1087	25 001
Сентябрь	46 663	22	2122	2839	62 458
Октябрь	45 344	21	2160	2122	44 562
Ноябрь	31 497	21	1500	2160	45 360
Декабрь	13 714	21	654	1500	31 500

Рис. 3. Динамика фактических отгрузок товара по месяцам

Для расчета среднедневного потребления, например, в январе требуется разделить фактические отгрузки в январе на количество рабочих дней месяца:

Рис. 4. Динамика среднедневного потребления запаса по месяцам

При получении дробной величины среднедневного потребления округление производится в большую сторону, чтобы исключить нехватку запаса при обеспечении потребности. В феврале среднедневная потребность составит

57 187/20 = 2859,35  2860.                                (2)

Прогноз среднедневного потребления делается на основе расчета среднедневного потребления в предыдущем месяце. Для февраля прогноз среднедневного потребления составит 1078 единиц (см. табл. 3), для марта - 2860 единиц (см. формулу (2)) и т.д.

Прогноз месячного потребления (см. столбец 6 табл. 3) рассчитывается как произведение прогноза среднедневного потреб­ления на количество рабочих дней в соответствующем месяце. Например, для февраля прогноз среднемесячного потребления составит 1078 * 20 = 21 560.

Иллюстрация результатов прогнозирования по средней вели­чине потребления с учетом количества рабочих дней месяцев в сравнении с результатами наивного прогноза приведена на рис. 5. Как видно из рисунка, прогноз потребления с учетом числа рабо­чих дней по месяцам приводит в абсолютном большинстве случа­ев к более точному результату, что наивный прогноз.

Еще одним методом прогнозирования, относящимся к прогнозированию по средним значениям, является (б) прогноз на основе скользящего среднего значения потребления запаса.

Метод скользящей средней при составлении прогноза использует значение средней арифметической величины потребления за последние периоды наблюдений. Скользящая средняя рассчитывается по следующей формуле:

Рис. 5. Результаты прогнозирования потребности в запасе на основе среднедневного потребления

                                                  (6.3)

где  — прогнозируемый объем потребности в периоде времени , единиц;  — индекс предыдущего периода времени; . — объем потребления в предыдущем периоде времени ;  — число периодов, используемых в расчете скользящей средней.

 Для составления прогноза по скользящей средней требуется определить число периодов наблюдений , которые будут исполь­зоваться в расчете. При этом следует учитывать особенности имеющегося временного ряда. Чем большее число точек наблюдения берется в расчет, тем скользящая средняя менее чувствительна к изменениям значений потребления в прошлые периоды. Если изменение наблюдений имеет ступенчатый характер, то следует обес­печить высокую чувствительность прогноза к каждому наблюде­нию. Здесь следует применить возможно меньшее число наблюде­ний.

Пример 3. Прогнозирование по скользящей средней. В примере, который разбирается в данном разделе (см. табл. 3 и рис. 5), колебания спроса в течение первой половины года не длятся более 2 месяцев. Во второй половине года имеются более длительные тенденции (до 4 месяцев в конце года). Игнорируя пока характер сезонных колебаний и тенденции рассматриваемого примера, выберем в качества интервала расчета скользящей сред­ней 2 месяца. Результат расчет прогноза по скользящей средней с учетом количества рабочих дней в месяцах приведен в табл. 4.

 

 

Таблица 4

 Расчет прогнозного значения потребления запаса по скользящей средней

Месяц	Фактические отгрузки за месяц	Число рабочих дней	Среднее потребление в день	Прогноз среднедневной потребности	Прогноз месячной потребности
Январь	17 244	16	1078	—	—
Февраль	57 187	20	2859	—	—
Март	48 504	21	2310	1969	41 349
Апрель	58 647	21	2793	2585	54 285
Май	45 477	20	2274	2552	51 040
Июнь	23 833	22	1083	2534	55 748
Июль	21 730	20	1087	1679	33 580
Август	65 289	23	2839	1086	24 978
Сентябрь	46 663	22	2121	1963	43186
Октябрь	45 344	21	2159	2481	52 101
Ноябрь	31 497	21	1500	2141	44 961
Декабрь	13 714	21	653	1830	38 430

Для получения прогноза среднедневной потребности (см. стол­бец 5 табл. 4), например, в марте следует использовать статисти­ку фактических среднедневных отгрузок в январе и феврале (см. столбец 4 табл. 4):

(1078 + 2859) / 2 = 1968,5  1969                                   (4)

Для прогнозирования среднедневной потребности в апреле (см. столбец 5 табл. 4) требуется использовать статистику факти­ческих среднедневных отгрузок в феврале и марте (см. столбец 4 табл. 4):

(2859 + 2310) / 2 = 2584,5  2585.

Округление полученной средней величины потребления ведет­ся до целого числа в большую сторону для обеспечения гарантии покрытия потребности запасом. Для получения прогноза месячной потребности (см. столбец 6 табл. 4), например, в марте требуется прогноз среднедневного потребления в марте (см. столбец 5 табл. 4) умножить на число рабочих дней в этом месяце (см. стол­бец 3 табл. 4 и формулу (4)):

1969*21 = 41349.

Иллюстрация результатов прогнозирования по скользящей средней с учетом количества рабочих дней в месяцах приведена на рис. 6.

Преимущество прогнозирования по скользящей средней состо­ит в простоте метода. Основным недостатком является то, что зна­чимость значений прошлых периодов при прогнозировании буду­щей потребности одинакова. Например, если в расчете скользящей средней используется 6 значений, то значимость каждого значения равна . Между тем очевидно, что значимость статистики послед­него из предшествующих периодов более велика, чем предыдущих.

Для учета важности отдельных периодов наблюдений исполь­зуют (в) метод взвешенной скользящей средней. В этом методе каж­дому используемому в расчете скользящей средней периоду при­сваивается коэффициент, отражающий значимость влияния этого периода на прогнозное значение потребления. Значимость более поздних периодов должна быть выше, чем значимость более ран­них периодов. Например, из 6 периодов расчета скользящей сред­ней последнему может быть присвоен удельный вес 5, предыдущему — 4; далее 3, 2, 1 и 1. В общем виде взвешенная скользящая средняя рассчитывается следующим образом:

                                               (5)

 

Рис. 6. Результаты прогнозирования потребности в запасе методом скользящей средней

где . — прогнозируемый объем потребности в периоде времени, , единиц;  — индекс предыдущего периода времени;  — коэф­фициент значимости периода времени ;
. — объем потребле­ния в предыдущем периоде времени , единиц; п — число используемых в расчете предыдущих периодов времени.

Пример 4. Прогнозирование потребности в запасе по взвешенной скользящей средней. Для данных табл. 4 выберем коэффициенты значимости про­шлых периодов при прогнозировании потребности будущего пе­риода. Для последнего периода коэффициент значимости прини­мается равным 5, для предпоследнего — 1. Расчет взвешенной скользящей средней приведен в табл. 5.

 

Таблица 5

⇐ Предыдущая12345678910Следующая ⇒

Поделиться: