«Логистические аспекты деятельности производственных предприятий» (стр. 5 )

Метод взвешенного скользящего среднего

Для вычисления с помощью этого месяца возьмем 4 варианта весовых коэффициентов и, используя значения спроса за прошлые месяцы, сделаем расчет на следующие:

Весовые коэффициенты 1		Весовые коэффициенты 2
Период	Коэффициент		Период	Коэффициент
11 мес. назад	0,3		11 мес. назад	0,25
12 мес. назад	0,4		12 мес. назад	0,5
13 мес. назад	0,3		13 мес. назад	0,25
Весовые коэффициенты 3		Весовые коэффициенты 4
Период	Коэффициент		Период	Коэффициент
11 мес. назад	0,2		11 мес. назад	0,1
12 мес. назад	0,6		12 мес. назад	0,8
13 мес. назад	0,2		13 мес. назад	0,1

Рассчитаем по формуле прогнозные значения потребности в сахаре на декабрь 2007, январь, февраль, март 2008

			Исходные данные
			ноя.06	15,4
			дек.06	21,1
			янв.07	19,8
			фев.07	20
			мар.07	17,2
			апр.07	12,8
Месяц	Спрос, Тонн.	Вес 1	Откл-е	Вес 2	Откл-е	Вес 3	Откл-е	Вес 4	Откл-е
дек.07	19,4	19	0,4	19,35	0,05	19,7	0,3	20,4	1
янв.08	20,5	20,25	0,25	20,175	0,325	20,1	0,4	19,95	0,55
фев.08	21,1	19,1	2	19,25	1,85	19,4	1,7	19,7	1,4
мар.08	14,6	16,72	2,12	16,85	2,2	16,88	2,28	17,04	2,44
Среднее отклонение			1,1925		1,1		1,17		1,3475

Вывод: Путем сравнения выбираем наибольшее среднее отклонение для прогноза спроса по 2 Варианту набора весов (1,1). Это значение значительно меньше значения отклонения по прогнозу простой скользящей средней по 2 месяцам (3,2)

Регрессионный анализ

Регрессию можно определить как функциональную зависимость между двумя или несколькими переменными. Эту зависимость используют для предсказания значения одной переменной на основе значения другой. Для целей прогнозирования потребностей обычно изучают зависимость объема продаж (объема потребления) от времени. График линейной регрессии имеет следующий вид: Y = a + bX,

где Y - значение зависимой переменной (в нашем случае это обычно объем продаж или объем потребления);

а - коэффициент, показывающий высоту подъема прямой по оси ОY);

b - коэффициент, показывающий угол наклона прямой;

X - значение независимой переменной (в нашем случае это номер соответствующего временного интервала).

Мы рассматриваем зависимость потребности в сахаре от времени. Время – это независимая переменная X, а объем потребления Y – зависимая переменная.

Для составления прямой Y = a + bX необходимо решить следующую систему уравнений (где n – количество периодов времени, данные которых используются при прогнозировании).

Месяц	Х	Тонн	Х^2	XY	Y=a+bx	Откл-е.
янв.07	1	19,8	1	19,8	21,49	1,69
фев.07	2	20	4	40	18,67	1,33
мар.07	3	17,2	9	51,6	15,85	1,35
апр.07	4	12,8	16	51,2	13,03	0,23
май.07	5	10,2	25	51	10,21	0,01
июн.07	6	6	36	36	7,39	1,39
июл.07	7	5,2	49	36,4	4,57	0,63
		91,2	140	286		0,95
7a+28b=91,2
28a+140b=286
a=24,31
b=-2,82
Y=24,31-2,82*X

Месяц	Х	Тонн	Х^2	XY	Y=a+bx	Откл-е.
ноя.06	1	15,4	1	15,4	18,2	2,8
дек.06	2	21,1	4	42,2	18,42	2,68
янв.07	3	19,8	9	59,4	18,7	1,1
фев.07	4	20	16	80	18,95	1,05
мар.07	5	17,2	25	86	19,2	2
		93,5	55	283		1,926
5a+15b=93,5
15a+55b=283
a=17,95
b=0,25
Y=17,95+0,25*X

Вывод: Среднее отклонение по первой прямой (0,95), но так как мы не располагаем значениями для составления второй прямой, а по имеющимся данным рассчитанное среднее отклонение будет слишком неточно(1.926), следовательно метод не подходит.