Басқару экономикасы
жүктеу/скачать 1,31 Mb.
|
| Өлшенген жылжитын орташа. Жоғарыда келтірілген әдіс бойынша мәліметтер базасының әр элементіне бірдей салмақ берілді, ал өлшенген жылжитын орташаны есептегенде оларға кез келген ерікті салмақ берілуі мүмкін, бірақ барлық салмақтың қосындысы 1-ге тең болуы естен шығармау керек.
Мысалы, бір дүкенде төртайлық орташалау аралығында ең жақсы болжау өткен айдағы сату салмағын 40% теңесек, оның алдындағы айдың салмағын 30% теңесек, бұрын болған үшінші айға – 20%, бұрын болған төртінші айға – 10% салмақтарын берсек, ең жақсы болжау болғаны байқалынған. Егер сатудың ағымды сату деңгейлері келесідей болса:
Онда бесінші айға болжау келесідей есептелінеді: F5 = (0,40 х 190) + (0,30 х 210) + (0,20 х 180) + (0,10 х 200) = 195 Салмақ коэффициенттерін таңдау. Тәжірибе, сынау мен қателер әдісі салмақты таңдаудың ең қарапайым жолдары болып келеді. Көп жағдайда жақын өткендегі болашақтың маңызды индикаторы болып келеді, демек, осы уақыт мезгіліне жоғарырақ салмақ беріледі. Мысалы, өткен айдағы зауыт табысы немесе өндірістік қуатын үш ай бұрынғы мәліметтерді алмай, ең жақсысы ағымды аймен бағалау. Алайда, егер мәліметтерге маусымдық ауытқулар тән болса, оны салмақтық коэффициенттерін орнатқанда ескеру керек. Шомылу костюмдерін өткен жылдағы шілде айындағы сату көлеміне жоғарырақ салмақ беру керек, желтоқсан айында болған сатулармен салыстырғанда. Өлшенген жылжитын орташа әдісінің артықшылығы өткен мезгілдегі нәтижелерді өзгертіп, болжауға ықпал жасау мүмкіндігінде. Бірақ бұл әдіс қымбат болады және экспоненциалдық деңгейлестіру әдісіне қарағанда қолайсыздау болып келеді. Экспоненциалды деңгейлестіру. Көп жағдайда ең соңғы мәліметтер ертедегі мәліметтерге қарағанда болашаққа тән өзгешіліктерге жақын болып келеді. Егер уақыт өткен сайын мәліметтер маңыздығы азая түседі деп есептесек, соңғы мезгілдердің әсері күшейу маңыздылығын көрсететін ең қолайлы әдісі экспоненциалды деңгейлестіру болып келеді. Әдіс "экспоненциалды деңгейлестіру" деп аталуы келесімен байланысты: өткенге әрі қарай тереңдеп барған сайын әр мезгіл мағынасын (1 – α) көбейткішке азайтады. Мысалы, егер α = 0,07, онда салмақтау коэффициенттері әр мезгілге келесідей болып келеді: α =0,07 шартында салмақтау Соңғы мезгіл α (1- α)° 0,0700 Бір мезгіл бұрын алынған мәліметтер 0,0651 Екі мезгіл бұрын алынған мәліметтер 0,0605 Үш мезгіл бұрын алынған мәліметтер 0,0563 Бұл әдіс болжауда қолданатын компьютерленген бағдарламасының құрамдас бөлігі болып келеді. Экспоненциалдық деңгейлестіру болжау үшін барлығынан жиірек қолдануына келесі себептер бар: 1. Экспоненциалды моделдер таңқаларлықтай дәл болады. 2. Экспоненциалды моделді құрудың айтарлықтай қиын емес. 3. Модель қалай жұмыс істейтінін оңай түсінуге болады. 4. Моделді пайдалану көп есептеулерді талап етпейді. 5. Компьютердің құрылғы жадысына қоятын талаптар жоғары емес. 6. Модель жұмысының дәлдігін сынау күрделі емес. Болашақты экспоненциалды деңгейстіру әдісімен болжау үшін мәліметтердің тек үш түрі ғана қажет: - соңғы болжаудың мәліметтеері; - ағымды сұраныс; - деңгейстіруші константа α. Бұл константа деңгейстіру деңгейін және болжау мен ағымды оқиғалар арасындағы айырмашылыққа жауап беру жылдамдығын анықтайды. Константа мағынасы таңдау өнім тегінен, менеджердің тәжірибесінен және оның тез жауап бере алу қабілетінен тәуелді. Егер фирма біркелкі тұрақты сұранысқа ие стандартты бұйым шығарып жатса, онда ағымды және болжанып отырған сұраныстың арасындағы айырмашылыққа жауап беруге шамалы жылдамдық, 5-тен 10% - ға, керек. Егер фирма өнім шығаруды ұлғайтса, онда жауап беру жылдамдығы жоғары, 15-тен 30% -ға дейін, болғаны дұрыс, сонда ағымды өсімге көбірек маңыздылық беріледі. Неғұрлым өсу қарқыны жоғары болса, соғұрлым жауап беру жылдамдығы жоғары болу керек. Бір мәрте экспоненциалды деңгейстіру теңдігін келесідей көрсетуге болады: = α ( - бұл жерде Ft — t-мезгіліне экспоненциалды деңгейстірілген болжау; Ft-i — осыдан ілгері мезгіліне жасалынған экспоненциалды деңгейстірілген болжау; At-1 — осыдан ілгері мезгіліндегі нақты сұраныс; α — деңгейстіру константасы. Бұл теңдік келесіні көрсетеді: жаңа болжау өткендегі мезгілінің болжауына тең плюс түзету (осыдан ілгері мезгіліндегі болжау мен нақты нәтиженің арасындағы айырма) . Мысал: зерттелініп отырған тауарға ұзақ мерзімді айлық сұраныс біркелкі тұрақты делік, онда деңгейстіру константасын α = 0,07- ге тең деп алуға болады. Егер экспоненциалды әдіс әрдайым қолданып тұрса, онда осыдан ілгері айға болжау бар. Осыдан ілгері мезгілінде сұраныс Ft-i = 2100 данаға тең болды деп ұйғарайық. Егер нақты сұраныс 2100 емес, 2000 дананы құраса, онда келесі айға сұраныс болжамын келесідей есептеуге болады: Ft = 2100 + 0,07 х (2000 – 2100) = 2093 дана. Деңгейстіру коэффициенті аз болғандықтан, жаңа болжаудың жауабы 50 данаға қателескені келесі айға болжанған сұраныстың төмендеуінде білініп тұр. Болжаудың деңгейстіру константасының мағынасын таңдау. Экспоненциалды деңгейстіру α константасы 0-ден 1-ге дейін диапазонында болғанын талап етеді. Егер нақты сұраныс біркелкі болса (мысалы, электр қуатына және азық-түлікке), онда қысқа мерзімді немесе кездейсоқ ауытқулардың ықпалын төмендету үшін α-ның шағын мағынасын пайдалану керек. . Егер нақты сұраныс тез өссе немесе төмендесе, онда өзерістерді есепке алу үшін ең жақсысы α-ның мағынасын үлкейту керек. жүктеу/скачать 1,31 Mb. Достарыңызбен бөлісу:
|