deo11 b tomos 6.methodoi provlepseon
DESCRIPTION
deo11TRANSCRIPT
![Page 1: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/1.jpg)
Κεφάλαιο 6: Μέθοδοι Προβλέψεων
Ομάδα εργασίας: Ε. Αδαμίδης, Σ. Γκαγιαλής, Σ. Δημητριάδης
ΔΕΟ 11, ΕΑΠ
∆ΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ
ΔΕΟ11
![Page 2: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/2.jpg)
Πρόγνωση & ΠρόβλεψηΠρόγνωση & Πρόβλεψη
Πρό-γνωση: Συστηµατική και δοµηµένη συναγωγή συµπερασµάτων για
το µέλλον.
Πρό-βλεψη: προσπάθεια να «δει» κάποιος το µέλλον - όρος
συνδεδεµένος και µε την έννοια λήψης µέτρων ώστε να αποφευχθούν
αντιξοότητες.
Και οι δύο όροι χρησιµοποιούνται µε όµοιο τρόπο στο πλαίσιο της
επιχειρηµατικής δραστηριότητας και σχετίζονται µε την εκτίµηση
παραγόντων που δεν µπορούν να ελεγχθούν από τις επιχειρήσεις.
Συνδέονται µε την ανάπτυξη κατάλληλων µεθόδων που αποσκοπούν
στην αντιµετώπιση της αβεβαιότητας και της µείωσης του κόστους που
αυτή συνεπάγεται για την επιχείρηση.
2ΔΕΟ11
![Page 3: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/3.jpg)
Ζήτηση και Πρόβλεψη ΖήτησηςΖήτηση και Πρόβλεψη Ζήτησης
Σε κάθε επιχείρηση φτάνει από την αγορά µία ζήτηση για τα προϊόντα ή
υπηρεσίες που παράγει (εξωτερική ή ανεξάρτητη ζήτηση).
Από την εξωτερική ζήτηση προκύπτουν οι ανάγκες για παραγωγή αυτών
των προϊόντων ή υπηρεσιών καθώς και για τους πόρους που πρέπει να
εξασφαλίσει η επιχείρηση, όπως: πρώτες ύλες, διαθέσιµο εξοπλισµό,εργατικό δυναµικό.
Η πρόβλεψη της ζήτησης είναι η πρώτη προσέγγιση του πλάνου
παραγωγής. Ο αντίκτυπός της στον καθορισµό της µελλοντικής
δυναµικότητας και γενικότερα στην ικανότητα της επιχείρησης να
ανταγωνιστεί αποτελεσµατικά, είναι πολύ σηµαντικός.
Στη συνέχεια, θα γίνεται αναφορά, χωρίς βλάβη της γενικότητας, σε
πρόβλεψη της ζήτησης. Ωστόσο, οι µέθοδοι και τα συµπεράσµατα είναι
εφαρµόσιµα σε οποιοδήποτε πρόβληµα πρόβλεψης.
3ΔΕΟ11
![Page 4: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/4.jpg)
Πρόβλεψη Ζήτησης Πρόβλεψη Ζήτησης
Το πρότυπο (µοτίβο) της ζήτησης για ένα προϊόν ή οµάδα προϊόντος
µπορεί να θεωρηθεί ως µια σειρά διακριτών τιµών στη διάρκεια του
χρόνου.
Για την αποτελεσµατική λήψη αποφάσεων αναφορικά µε τη διαχείριση
αποθεµάτων και τον προγραµµατισµό της παραγωγής είναι ξεκάθαρο ότι
απαιτούνται προβλέψεις της ζήτησης για µελλοντικές χρονικές περιόδους:Εάν η επιχείρηση χρειάζεται περισσότερο χρόνο για την προµήθεια ή
κατασκευή εξαρτηµάτων και για την παραγωγή των σχετικών προϊόντων,από το χρόνο που είναι διατεθειµένος να περιµένει ο πελάτης, τότε ηπρόβλεψη της ζήτησης είναι απαραίτητη γι’ αυτήν.
Μια µελέτη στη Hewlett Packard έδειξε ότι:Το 40% των αποθεµάτων προοριζόταν για πελάτες (προς πώληση ή σεκανάλια µεταφοράς), ενώ το 60% οφειλόταν σε µεταβλητότητα. Από τοαπόθεµα που αφορούσε στη µεταβλητότητα, το 2% οφειλόταν στη
µεταβλητότητα της απόδοσης των προµηθευτών, το 2% στη µεταβλητότητα
της παραγωγής και το 96% στην αβεβαιότητα της ζήτησης!4ΔΕ
Ο11
![Page 5: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/5.jpg)
Επίπεδα Λήψης ΑποφάσεωνΕπίπεδα Λήψης Αποφάσεων
Οι αποφάσεις που σχετίζονται µε τον σχεδιασµό και τον προγραµµατισµό
της παραγωγής, απαιτούν αξιόπιστες προβλέψεις της ζήτησης. Τα
επίπεδα λήψης αποφάσεων της παραγωγής (και των σχετικών
προβλέψεων ζήτησης) ανάλογα µε τον ορίζοντα προγραµµατισµού,περιλαµβάνουν:(α) Μακροπρόθεσµες Αποφάσεις (π.χ. επόµενη 5ετία)
Ζητήµατα σχεδιασµού δυναµικότητας, ορισµού της θέσης της
εγκατάστασης, επιλογής τεχνολογίας παραγωγής, µίγµατος
προϊόντων.(β) Μεσοπρόθεσµες Αποφάσεις (π.χ επόµενο έτος)
Κύριο πρόγραµµα παραγωγής ανά µήνα, προγραµµατισµός πόρων
(ανθρώπων και µηχανών), προγραµµατισµός πρώτων υλών.(γ) Βραχυπρόθεσµες Αποφάσεις (π.χ. επόµενο µήνα)
Ζητήµατα για τις τρέχουσες απαιτήσεις της παραγωγής,εξισορρόπησης δυναµικότητας, απαιτήσεις υλικών για την εκτέλεση
του προγράµµατος παραγωγής.Ανάλογα µε το επίπεδο λήψης απόφασης µπορεί να απαιτούνται
διαφορετικές µέθοδοι πρόβλεψης.5ΔΕ
Ο11
![Page 6: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/6.jpg)
Χαρακτηριστικά Πρόβλεψης ΖήτησηςΧαρακτηριστικά Πρόβλεψης Ζήτησης
Μια πρόβλεψη ζήτησης χαρακτηρίζεται:α) Από τη χρονική περίοδο (κάθε πότε) και τον χρονικό ορίζοντα (µέχρι πότε)στα οποία αναφέρεται:
β) Από τα δεδοµένα που χρησιµοποιεί:• Ιστορικά στοιχεία ζήτησης προηγούµενων περιόδων
• Εξωτερικές παράµετροι οι οποίες επηρεάζουν την πρόβλεψη, όπως:Στόχοι πωλήσεων, τάσεις αγοράς, εποχικότητα, οικονοµικά µεγέθη,εξορµήσεις πωλήσεων, στρατηγικά πλάνα, πλάνα marketing
• Συνδυασµός των παραπάνω δεδοµένων
Ορίζοντας Περίοδος Χαρακτηρισμός σε σχέση με το
Επίπεδο Λήψης Αποφάσεων
Πενταετία Έτος Μακροπρόθεσμη
Έτος Τρίμηνο ή Μήνας Μεσοπρόθεσμη
Τρίμηνο ή Μήνας Εβδομάδα Βραχυπρόθεσμη
6ΔΕΟ11
![Page 7: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/7.jpg)
Επιλογή Μεθόδου Πρόβλεψη ΖήτησηςΕπιλογή Μεθόδου Πρόβλεψη Ζήτησης
• Για την εκτίµηση της ανεξάρτητης (εξωτερικής) ζήτησης χρησιµοποιούνται διάφορες µέθοδοι πρόβλεψης.
• Η επιλογή της µεθόδου πρόβλεψης και των δεδοµένων που θα χρησιµοποιηθούν, αποτελεί βασικό παράγοντα ελαχιστοποίησης του σφάλµατος της πρόβλεψης.
• Θα πρέπει να εξετάζεται κατά πόσο σχετίζονται τα πραγµατικά στοιχεία προηγούµενων περιόδων και οι τιµές των εξωτερικών παραµέτρων µε τα αποτελέσµατα της πρόβλεψης.
• Επίσης, θα πρέπει να διερευνάται η δυνατότητα πρόβλεψης χρησιµοποιώντας συνδυασµό πραγµατικών ιστορικών στοιχείων και εκτιµήσεις τιµών εξωτερικών παραµέτρων.
• Οι µέθοδοι πρόβλεψης µπορούν να βασιστούν σε µαθηµατικά µοντέλα µε τη χρήση ιστορικών στοιχείων, σε ποιοτικές µεθόδους µε βάση την εµπειρία των στελεχών, ή και στα δύο.
7ΔΕΟ11
![Page 8: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/8.jpg)
Σύνοψη Κριτηρίων Επιλογής Μεθόδου ΠρόβλεψηςΣύνοψη Κριτηρίων Επιλογής Μεθόδου Πρόβλεψης
• Επίπεδο λήψης απόφασης που θα στηριχθεί στην πρόβλεψη
που θα προκύψει (στρατηγικό, τακτικό, λειτουργικό).
• Περίοδος (κάθε πότε) και ορίζοντας (µέχρι πότε) πρόβλεψης.
• Η µορφή της πρόβλεψης (χαρακτηριστικά της κατανοµής
πιθανότητας της προς πρόβλεψη µεταβλητής, όπως η µέση τιµή ή
η τυπική απόκλιση).
• Το κόστος της µεθόδου ανάλογα µε την επιζητούµενη ακρίβεια
και τις απαιτήσεις σε δεδοµένα και υπολογισµούς.
• Η επίπεδο ακρίβειας της πρόβλεψης το οποίο είναι αυξηµένο
όσο περισσότερο βασίζεται σε ποσοτικά στοιχεία και όσο
µικρότερος είναι ο χρονικός ορίζοντας.
• Η απλότητα της µεθόδου και η ευκολία εφαρµογής.
• Τα διαθέσιµα στοιχεία (είδος και ποσότητα).
8ΔΕΟ11
![Page 9: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/9.jpg)
Ένα Προτεινόµενο Πλαίσιο Πρόβλεψης ΖήτησηςΈνα Προτεινόµενο Πλαίσιο Πρόβλεψης Ζήτησης
Συλλογή Ιστορικών ∆εδοµένων Ζήτησης
Επιλογή Μαθηµατικού Μοντέλου
Υπολογισµός Πρόβλεψης Ζήτησης
Υπολογισµός Σφάλµατος Πρόβλεψης Ζήτησης
Τροποποίηση Παραµέτρων Πρόβλεψης
Εισαγωγή Ανθρώπινης
Κρίσης
(Silver, et al.,1998)
Ανάδραση σε σχέση µε την απόδοση της πρόβλεψης
Παρατήρηση Πραγµατικής Ζήτησης
Στατιστική Πρόβλεψη
Ποιοτικά ∆εδοµένα (Κρίσης)
Προηγούµενη Ζήτηση
Πιθανές Τροποποιήσεις Παραµέτρων
9ΔΕΟ11
![Page 10: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/10.jpg)
Κατηγορίες Μεθόδων ΠρόβλεψηςΚατηγορίες Μεθόδων Πρόβλεψης
Μέθοδοι Πρόβλεψης
Προεκβολής/ Χρονοσειρών(Time Series)
Ποιοτικές/ Κρίσεως
(Judgmental)
Αιτιακές
(Causal)
10ΔΕΟ11
![Page 11: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/11.jpg)
Εισαγωγή στις Μεθόδους Ανάλυσης ΧρονοσειρώνΕισαγωγή στις Μεθόδους Ανάλυσης Χρονοσειρών
Ορισµός της χρονοσειράς• Ως χρονοσειρά καλείται µία ακολουθία παρατηρήσεων (µετρήσεων)
µίας µεταβλητής x σε σταθερά χρονικά διαστήµατα• Για κάθε χρονική στιγµή t θεωρούµε την τιµή xt της µεταβλητής• Το σύνολο των τιµών xt για κάποια χρονική περίοδο n είναι:
x 1,…., x t,…, xn όπου t = 1,…,n
και το µοντέλο της χρονοσειράς
Κατά την ανάλυση χρονοσειρών:• ∆εν επιχειρείται αναζήτηση εκτιµήσεων ούτε επιχειρείται αναζήτηση
σχέσεων αιτίου και αιτιατού• Επιχειρείται η αναζήτηση επαναλαµβανόµενων προτύπων
(µοτίβων, patterns) στην ίδια τη χρονοσειρα.• Θεωρείται ότι τα πρότυπα αυτά θα συνεχίσουν να ισχύουν και στο
µέλλον.
11ΔΕΟ11
![Page 12: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/12.jpg)
Παράδειγµα ΧρονοσειράςΠαράδειγµα Χρονοσειράς
παρόν
12ΔΕΟ11
![Page 13: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/13.jpg)
Πρότυπα (Μοτίβα) ΧρονοσειράςΠρότυπα (Μοτίβα) Χρονοσειράς
• Οριζόντιο - Στασιµότητα (stationary ) - Οι σειρές τιµών κυµαίνονται γύρω από µια µέση τιµή χωρίς
συστηµατική τάση για αύξηση ή µείωση (οριζόντιο πρότυπο)- Ο παράγοντας της τυχαιότητας είναι στάσιµος
• Τάση (Trend)- Συστηµατική µεταβολή της µέσης τιµής, γραµµική ή µη γραµµική
• Εποχικότητα (Seasonality ) - Η χρονοσειρά επηρεάζεται από εποχικούς παράγοντες (π.χ.
πωλήσεις παγωτών)- ∆ιακύµανση µε σταθερή περιοδικότητα (έτους/ εποχής/ µήνα…)
• Κυκλικότητα (Cycle)- Περιοδική διακύµανση, παρόµοια µε την εποχικότητα χωρίς
όµως σταθερή περιοδικότητα (π.χ. οι οικονοµικές διακυµάνσεις που σχετίζονται µε τον κύκλο της επιχείρησης)
• Τυχαιότητα (Randmoness)- Μη περιγράψιµη από κάποια από τις παραπάνω συνιστώσες
Η χρονοσειρ
άακολουθεί
ένα π
ρότυ
πο (µ
οτίβ
ο)Υπάρχει
θόρυβος
13ΔΕΟ11
![Page 14: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/14.jpg)
Παραδείγµατα Προτύπων ΧρονοσειράςΠαραδείγµατα Προτύπων Χρονοσειράς
Ζήτη
ση
Χρόνος
Ζήτη
ση
ΧρόνοςΖήτη
ση
Χρόνος
Μέση τιµή
α
Οριζόντια Ζήτηση Γραµµική Τάση
Εποχικότητα
α
14ΔΕΟ11
![Page 15: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/15.jpg)
Αποσύνθεσης ΧρονοσειράςΑποσύνθεσης Χρονοσειράς
Αρκετές µέθοδοι πρόβλεψης βασίζονται στην ιδέα ότι όταν η χρονοσειράακολουθεί ένα πρότυπο (µοτίβο), τότε αυτό µπορεί να διαχωριστεί από την τυχαιότητα µέσω της εξοµάλυνσης των παρατηρήσεων. Το αποτέλεσµα της εξοµάλυνσης είναι η αποµάκρυνση της τυχαιότητας ώστε το πρότυπο να µπορεί να επεκταθεί στο µέλλον και να χρησιµοποιηθεί ως πρόβλεψη. Σε πολλές περιπτώσεις το πρότυπο αυτό µπορεί να αποσυντεθεί σε επιµέρους πρότυπα όπου το καθένα αντιπροσωπεύει µία συνιστώσα της χρονοσειράς. Αυτή η διαδικασία µπορεί συνήθως να βοηθήσει στην καλύτερη κατανόηση της συµπεριφοράς της χρονοσειράς, γεγονός που εξυπηρετεί στην βελτίωση της ακρίβειας της πρόβλεψης.Η µαθηµατική διατύπωση της αποσύνθεσης της χρονοσειράς είναι:
Χt = f (St ,Tt ,Ct,Rt) t = 1,…,n
• St : συνιστώσα της εποχικότητας • Tt : συνιστώσα τάσης• Ct : συνιστώσα κύκλου• Rt : συνιστώσα τυχαιότητας
Χt =St +Τt +Ct +Rt
Χt =St • Τt • Ct • Rt
Αθροιστικό µοντέλο:
Πολλαπλασιαστικό µοντέλο:
15ΔΕΟ11
![Page 16: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/16.jpg)
Παράδειγµα Αποσύνθεσης ΧρονοσειράςΠαράδειγµα Αποσύνθεσης Χρονοσειράς
16ΔΕΟ11
![Page 17: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/17.jpg)
Μέθοδος Κινούµενου Μέσου Όρου (1/3)Μέθοδος Κινούµενου Μέσου Όρου (1/3)
• Αποτελεί την πιο απλή µέθοδος χρονοσειρών. Η πρόβλεψη είναι:
Ft = η πρόβλεψη της ζήτησης για την περίοδο t N = πλήθος προηγούµενων περιόδων που συµµετέχουν στο µέσο όροDt-1 = η πραγµατική ζήτηση της προηγούµενης περιόδου
Dt-2 , …,Dt-Ν = η πραγµατική ζήτηση πριν 2 περιόδους… µέχρι πριν Ν περιόδους
Di = η πραγµατική ζήτηση την περίοδο i (η µεταβλητή)
• Η πρόβλεψη για την επόµενη περίοδο προκύπτει µε την προσθήκη στη χρονοσειρά της πιο πρόσφατης τιµής της µεταβλητής και την αφαίρεση από αυτή της παλαιότερης. Από την προηγούµενη σχέση προκύπτει:
Ft+1 = η πρόβλεψη της ζήτησης για την επόµενη περίοδο t+1 µε δεδοµένη την πρόβλεψη Ft
= + +⋯+ = 1
= + −
17ΔΕΟ11
![Page 18: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/18.jpg)
Μέθοδος Κινούµενου Μέσου Όρου (2/3)Μέθοδος Κινούµενου Μέσου Όρου (2/3)
Παράδειγµα υπολογισµού πρόβλεψης µε τη µέθοδο του κινούµενου µέσου όρου, µε βάση της ζήτησης των δύο προηγούµενων περιόδων
Ν = 2
Συνήθως λαµβάνεται Ν=12 (για ζήτηση προηγούµενου έτους)
Περίοδος
1 10,0 10,0 10,0 10,0 2 14,8 14,8 14,8 3 9,6 9,6 4 12,7 Σ 10,0 24,8 24,4 22,3
Πρόβλεψη (Σ/Ν) (Ν=2) 12,4 12,2 11,15
Πραγµατική Ζήτηση
18ΔΕΟ11
![Page 19: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/19.jpg)
Μέθοδος Κινούµενου Μέσου Όρου (3/3)Μέθοδος Κινούµενου Μέσου Όρου (3/3)
• Για τον υπολογισµό του κινούµενου µέσου όρου απαιτούνται οι τιµές της ζήτησης (µεταβλητής) για προηγούµενες Ν χρονικές περιόδους. Η ζήτηση των περιόδων αυτών αθροίζεται και διαιρείται µε τον αριθµό των περιόδων Ν.
• Η µέθοδος δίνει την ίδια βαρύτητα στις τιµές για κάθε µια από τις Ν προηγούµενες περιόδους, ενώ δεν λαµβάνονται καθόλου υπόψη τα δεδοµένα πριν από τις Ν τελευταίες περιόδους.
• Όσο αυξάνει το πλήθος των περιόδων Ν, η ζήτηση των οποίων συµµετέχει στην πρόβλεψη, τόσο µεγαλύτερη είναι η εξοµάλυνση από τυχαίες διακυµάνσεις της τιµής της ζήτησης που αποτελούν θόρυβο.
• Όσο µειώνεται το πλήθος των περιόδων Ν, τόσο αυξάνει και η ευαισθησία της πρόβλεψης σε τυχαίες διακυµάνσεις.
• Με την αύξηση του Ν και προβλέψεις ζήτησης πολλών προϊόντων, αυξάνεται σηµαντικά ο όγκος των απαιτούµενων δεδοµένων και ο χρόνος υπολογισµού των προβλέψεων, σε πραγµατικές συνθήκες.
19ΔΕΟ11
![Page 20: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/20.jpg)
Μέθοδος Σταθµισµένου Μέσου ΌρουΜέθοδος Σταθµισµένου Μέσου Όρου
• Με τη µέθοδο αυτή δίνεται διαφορετική βαρύτητα σε κάθε προηγούµενη παρατήρηση των ιστορικών στοιχείων ζήτησης, µε τη χρήση συντελεστών βαρύτητας.
• Το άθροισα των βαρυτήτων θα πρέπει να ισούται µε τη µονάδα:
w i ο συντελεστής βαρύτητας της ζήτησης Di
• H πρόβλεψη της ζήτησης Ft για την περίοδο t θα είναι:
N = πλήθος προηγούµενων περιόδων στην πρόβλεψη
Dt-1 = η πραγµατική ζήτηση της προηγούµενης περιόδου
Dt-2 , …,Dt-Ν = η πραγµατική ζήτηση πριν 2 περιόδους… µέχρι πριν Ν περιόδους
• Παράδειγµα: για Ν=3 είναι: Ft= + +
Η επιλογή των βαρυτήτων είναι ενδεικτική.
=
= = + + ⋯+
20ΔΕΟ11
![Page 21: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/21.jpg)
Απλή Εκθετική Εξοµάλυνση (1/4)Απλή Εκθετική Εξοµάλυνση (1/4)
• Η µέθοδος απαιτεί πολύ λίγα στοιχεία για τον υπολογισµό της πρόβλεψης: 1. Την πρόβλεψη της προηγούµενης περιόδου
2. Την πραγµατική τιµή της ζήτησης της προηγούµενης περιόδου
3. Την τιµή της σταθεράς εξοµάλυνσης α (0<α<1)
• Η πρόβλεψη υπολογίζεται από τη σχέση:
∆ηλαδή: νέα πρόβλεψη = α· (ζήτηση προηγούµενης περιόδου)+ (1-α)· (πρόβλεψη προηγούµενης περιόδου)
Ft+1 = η πρόβλεψη της ζήτησης για την επόµενη περίοδο t+1Ft = η πρόβλεψη της ζήτησης για την περίοδο t Dt = η πραγµατική ζήτηση της περιόδου T (της προηγούµενης από την t+1
περιόδου)α = η σταθερά εξοµάλυνσης
= + ( − )
21ΔΕΟ11
![Page 22: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/22.jpg)
Απλή Εκθετική Εξοµάλυνση (2/4)Απλή Εκθετική Εξοµάλυνση (2/4)
• Από την προηγούµενη σχέση της απλής εκθετικής εξοµάλυνσης, προκύπτει:
ή
∆ηλαδή: νέα πρόβλεψη = πρόβλεψη προηγούµενης περιόδου αυξηµένη κατά ποσοστό α του σφάλµατος πρόβλεψης et κατά την προηγούµενη περίοδο. (Η έννοια του σφάλµατος = − εξηγείται αργότερα)
• Ο όρος εκθετική εξοµάλυνση δηλώνει ότι η συµµετοχή κάθε προηγούµενης παρατήρησης µειώνεται εκθετικά κατά (1-α), όπως φαίνεται και στη συνέχεια:
= +
= + − = + ( − )
= + ( − )= + − [ + − ]= + " − + − 2 [ + − ]= + " − + " − 2 + − "
… = + " − + " − 2 + ⋯+ " − " $$ + − " $ + $
22ΔΕΟ11
![Page 23: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/23.jpg)
Απλή Εκθετική Εξοµάλυνση (3/4)Απλή Εκθετική Εξοµάλυνση (3/4)
• Εκθετική εξοµάλυνση χρησιµοποιείται όπου ο χρονικός ορίζοντας της πρόβλεψης είναι σχετικά µικρός, ενώ δεν υπάρχουν διαθέσιµες πληροφορίες για την σχέση που συνδέει την προς πρόβλεψη µεταβλητή και τους ανεξάρτητους παράγοντες που την επηρεάζουν.
• Η απλή εκθετική εξοµάλυνση εφαρµόζεται όταν τα δεδοµένα δεν έχουν στοιχεία τάσης, εποχικότητας ή κυκλικότητας.
• Αποτελεί εξέλιξη της µεθόδου του κινούµενου µέσου, αφού οµαλοποιεί τις παρατηρήσεις από το παρελθόν µε σκοπό να αντιµετωπιστεί η τυχαιότητα, αποτέλεσµα της οποίας είναι οι διακυµάνσεις της τιµής της µεταβλητής (ζήτησης).
• Η µέθοδος χαρακτηρίζεται από ευκολία εφαρµογής, ενώ οι απαιτήσεις σε υπολογιστικό χρόνο και αποθήκευση δεδοµένων για την εφαρµογή της είναι µικρές.
23ΔΕΟ11
![Page 24: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/24.jpg)
Απλή Εκθετική Εξοµάλυνση (4/4)Απλή Εκθετική Εξοµάλυνση (4/4)
• Λόγω της χρήσης της σταθεράς εξοµάλυνσης, η βαρύτητα των ιστορικών στοιχείων που συµµετέχουν στο µέσο όρο βαίνει µειούµενη ως προς το παρελθόν
• Αυξάνοντας ή µειώνοντας τη σταθερά εξοµάλυνσης α, αυξάνεται ή µειώνεται αντίστοιχα η βαρύτητα των πιο πρόσφατων στοιχείων στην πρόβλεψη
• Για τη σταθερά εξοµάλυνσης εφαρµόζεται ο τύπος: όπου Ν το πλήθος των περιόδων που συµµετέχουν στην πρόβλεψη
• Για παράδειγµα, για
Βαρύτητα Ιστορικών Στοιχείων µε α = 0,50
Βαρύτητα Ιστορικών Στοιχείων µε α = 0,10
1++++====
Na
2
154,0112
212 ====
++++====⇒⇒⇒⇒==== aN
24ΔΕΟ11
![Page 25: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/25.jpg)
Άλλα Μοντέλα Εκθετικής ΕξοµάλυνσηςΆλλα Μοντέλα Εκθετικής Εξοµάλυνσης
• Η απλή εκθετική εξοµάλυνση είναι κατάλληλη για προβλέψεις στην περίπτωση που η χρονοσειρά χαρακτηρίζεται µόνο από οριζόντιο στοιχείο.
• Όταν συνυπάρχουν και στοιχεία τάσης ή και εποχικότητας, απαιτούνται µοντέλα ικανά να λαµβάνουν υπόψη τις επιδράσεις αυτών.
• Στους συνδυασµούς αυτούς το στοιχείο της τάσης µπορεί να είναι γραµµικό ή πολλαπλασιαστικό και εκφράζεται µε το βήµα της τάσης.
• Οµοίως, το εποχικό στοιχείο (η ποσότητα, κατά την οποία µεταβάλλεται η τιµή της µεταβλητής από περίοδο σε περίοδο) µπορεί να είναι γραµµικό ή πολλαπλασιαστικό και εκφράζεται µε το δείκτη εποχικότητας, που µεταβάλλεται από περίοδο σε περίοδο.
• Το οριζόντιο στοιχείο, το στοιχείο της τάσης και το εποχικό συνδυάζονται σε 9 δυνατά µοντέλα στα οποία η πρόβλεψη γίνεται σε δύο στάδια:
- Στο πρώτο στάδιο, γίνεται πρόβλεψη µε εφαρµογή της απλής εκθετικής εξοµάλυνσης χωριστά για τα επιµέρους στοιχεία που χαρακτηρίζουν τη χρονοσειρά (οριζόντιο, τάσης και εποχικό), χρησιµοποιώντας τη σχέση:
- Στο δεύτερο στάδιο χρησιµοποιούνται οι προβλέψεις για τα επιµέρους στοιχεία της χρονοσειράς από το πρώτο στάδιο, για να γίνει η τελική συνολική πρόβλεψη.
= % + ( − )&
25ΔΕΟ11
![Page 26: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/26.jpg)
Εννέα ∆υνατά Μοντέλα Εκθετικής ΕξοµάλυνσηςΕννέα ∆υνατά Μοντέλα Εκθετικής Εξοµάλυνσης
Στο
ιχείο
Τάσης
Πολλαπλασιαστικό
Γραµµικό
Χωρίς
Στοιχείο Εποχικότητας
ΠολλαπλασιαστικόΓραµµικόΧωρίς
26ΔΕΟ11
![Page 27: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/27.jpg)
Εκθετική Εξοµάλυνση µε Γραµµική Τάση (1/2)Εκθετική Εξοµάλυνση µε Γραµµική Τάση (1/2)
• H διαφορά Dt+1 – Dt µεταξύ δύο διαδοχικών τιµών της µεταβλητής είναι το βήµα της τάσης Τt (όταν η τάση είναι γραµµική) και οφείλεται, εκτός από τις διακυµάνσεις που χαρακτηρίζουν το οριζόντιο στοιχείο, στη συστηµατική τάση για αύξηση ή µείωση που χαρακτηρίζει τη χρονοσειρά. ∆ηλαδή, πρόσθεση ή αφαίρεση κάποιας ποσότητας στο οριζόντιο στοιχείο.
• Το µέρος αυτό της διαφοράς που οφείλεται στην ύπαρξη γραµµικής τάσης αποτελεί µια χωριστή χρονοσειρά µε τις τιµές του βήµατος της τάσης γύρω από µια σταθερή τιµή.
• Με εφαρµογή της εκθετικής εξοµάλυνσης όπως για το οριζόντιο στοιχείο της χρονοσειράς, µπορούµε να εξοµαλύνουµε τις διαφορές στην τιµή του βήµατος της τάσης που εµφανίζονται από περίοδο σε περίοδο µε µια σταθερά εξοµάλυνσης b (όχι απαραίτητα ίδια µε την α που εφαρµόστηκε στην εξοµάλυνση του οριζόντιου στοιχείου).
27ΔΕΟ11
![Page 28: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/28.jpg)
Εκθετική Εξοµάλυνση µε Γραµµική Τάση (2/2)Εκθετική Εξοµάλυνση µε Γραµµική Τάση (2/2)
• Από τη γενική σχέση των µοντέλων εκθετική εξοµάλυνση:
• Για Αt = Dt και Βt = Ft η σχέση της απλής εκθετικής εξοµάλυνσης είναι:
• Τροποποιείται µε την προσθήκη στο οριζόντιο στοιχείο, του βήµατος της τάσης Τt:- Πρόβλεψη για το οριζόντιο στοιχείο την επόµενη περίοδο:
- Πρόβλεψη για το εξοµαλυµένο στοιχείο τάσης την επόµενη περίοδο:
- Η συνολική πρόβλεψη της ζήτησης για την επόµενη περίοδο:
- Η συνολική πρόβλεψη της ζήτησης για την περίοδο t+m:
= % + ( − )&
= ' + ( − )(
) = *(+ − +) + − , -
+ = .' + − , (/ + -)
= + + 0
1 = +1 + m01 28ΔΕΟ11
![Page 29: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/29.jpg)
Συνοψίζοντας…Συνοψίζοντας…
Υπάρχει ποικιλία µεθόδων πρόβλεψης µε ανάλυση χρονοσειρών, όπως:• Κινούµενος Μέσος Όρος
• Σταθµισµένος Μέσος Όρος
• Απλή Εκθετική Εξοµάλυνση• Εκθετική Εξοµάλυνση µε Τάση• Εκθετική Εξοµάλυνση µε Εποχικότητα και Τάση
Ποια είναι τελικά η καταλληλότερη µέθοδος για κάθε περίπτωση;
Ένα από τα βασικότερα κριτήρια επιλογής µια µεθόδου πρόβλεψης είναι η αξιοπιστία της, η οποία αξιολογείτε µε βάση την απόκλιση των τιµών που προβλέπονται από αυτές που τελικά διαµορφώνονται στην πράξη.Χρησιµοποιούνται διάφορα µέτρα για τη µέτρηση των σφαλµάτων πρόβλεψης.
29ΔΕΟ11
![Page 30: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/30.jpg)
Σφάλµατα Προβλέψεων (1/4)Σφάλµατα Προβλέψεων (1/4)
1. Σφάλµα Πρόβλεψης• Το σφάλµα της πρόβλεψης ()υπολογίζεται ως η διαφορά πραγµατικής
ζήτησης (Dt ) και πρόβλεψης (Ft ) :
et = Dt − Ft
2. Μέσο Σφάλµα (ΜΣ) ή Μέση Απόκλιση (ΜΑ) ή Mean Deviation (MD)• Το πιο σηµαντικό σφάλµα είναι η ύπαρξη µεροληψίας και τάσης στις
προβλέψεις, δηλαδή αυτές να είναι συστηµατικά αισιόδοξες ή απαισιόδοξες. Η τάση υπολογίζεται από τo µέσο σφάλµα ή απόκλιση:
• t = ο αριθµός της περιόδου, Ν = o συνολικός αριθµός των περιόδων
• Οι θετικές αποκλίσεις εξουδετερώνονται από τις αρνητικές, έτσι ώστε να εµφανίζεται τελικά µικρό µέσο σφάλµα αν και έχουν σηµειωθεί στην πραγµατικότητα πολύ µεγάλες (θετικές και αρνητικές) αποκλίσεις
34 =
5
= ( − )
5
30ΔΕΟ11
![Page 31: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/31.jpg)
Σφάλµατα Προβλέψεων (2/4)Σφάλµατα Προβλέψεων (2/4)
3. Μέση Απόλυτη Απόκλιση (ΜΑΑ) ή Mean Absolute Deviation (MAD)• Η ακρίβεια της πρόβλεψης µετριέται µε τη Μέση Απόλυτη Απόκλιση
• Υπολογίζεται η απόλυτη τιµή του σφάλµατος κάθε περιόδου
• t = ο αριθµός της περιόδου, Ν = o συνολικός αριθµός των περιόδων
• Παρόµοιες πληροφορίες µε ΜΣ, απαλλαγµένη από το µειονέκτηµα του ΜΣ, µέτρο του µεγέθους των αποκλίσεων που παράγει η µέθοδος
Παράδειγµα:
Περίοδος
1 2 3 4(1) Πραγµατική Ζήτηση 1500 1400 1700 1200(2) Πρόβλεψη 1600 1600 1400 1300Σφάλµα (1) - (2) -100 -200 300 -100
Μέσο Σφάλµα = (-100-200+300-100)/4 = 25
Μέση Απόλυτη Απόκλιση = (Ι-100Ι + Ι-200Ι+Ι300Ι + Ι-100Ι) / 4 = 175
3%% =
5
= | − |
5
31ΔΕΟ11
![Page 32: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/32.jpg)
Σφάλµατα Προβλέψεων (3/4)Σφάλµατα Προβλέψεων (3/4)
4. Μέσο Τετραγωνικό Σφάλµα (ΜΤΣ) ή Mean Squared Error (MSE)
• Πληροφορίες παρόµοιες µε τη ΜΑΑ, «τιµωρεί» τις µεγαλύτερες αποκλίσεις
5. Τυπική Απόκλιση Σφαλµάτων (ΤΑΣ)
• Πληροφορίες για την απόκλιση των απολύτων τιµών των σφαλµάτων από τη µέση τιµή τους
6. Ποσοστιαίο Σφάλµα (ΜΠΣ) ή Percent Error (PE)
• Μετράει το ποσοστιαίο σφάλµα (%) µόνο για µια περίοδο
374 =
8
794 = ∑ 8; −
<4 = ==
32ΔΕΟ11
![Page 33: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/33.jpg)
7. Μέσο Ποσοστιαίο Σφάλµα (ΜΠΣ) ή Mean Percent Error (ΜPE)
• Μέσο ποσοστιαίο σφάλµα (%) για Ν περιόδους
8. Μέσο Απόλυτο Ποσοστιαίο Σφάλµα (ΜΑΠΣ) ή Mean Absolute Percent Error (MAPE)
• Μετράει το πόσο αποκλίνουν οι προβλέψεις ως ποσοστά της πραγµατικής τιµής της µεταβλητής (ζήτησης).
Σφάλµατα Προβλέψεων (4/4)Σφάλµατα Προβλέψεων (4/4)
>%<4 =
5
==
><4 =
5
==
33ΔΕΟ11
![Page 34: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/34.jpg)
Παρακολούθηση Πρόβλεψης (1/2)Παρακολούθηση Πρόβλεψης (1/2)
• Απαιτείται παρακολούθηση της εξέλιξης της διαδικασίας της πρόβλεψης και του σφάλµατος αυτής.
• Για την παρακολούθηση της πρόβλεψης χρησιµοποιείται το προειδοποιητικό σήµα παρακολούθησης Trigg την περίοδο t, το οποίο δίνεται από την σχέση:
• Όπου είναι το σφάλµα πρόβλεψης στην περίοδο t, το οποίο έχει εξοµαλυνθεί µε βάση τον τύπο:
• α είναι ο συντελεστής εξοµάλυνσης, µε 0<α<1.
• ΜΑΑt είναι η Μέση Απόλυτη Απόκλιση για την περίοδο t και δίνεται από τον τύπο:
t
tt MAA
e=T
te
1)1(−−−−
−−−−++++==== ttt eee αα
1)1(||−
−+= ttt MAAeMAA αα
34ΔΕΟ11
![Page 35: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/35.jpg)
Παρακολούθηση Πρόβλεψης (2/2)Παρακολούθηση Πρόβλεψης (2/2)
• Για το σήµα προειδοποίησης ισχύει:
• Όσο αυξάνει η απόλυτη τιµή του σήµατος προειδοποίησης τόσο αυξάνει ο κίνδυνος των λανθασµένων προβλέψεων από το µοντέλο πρόβλεψης.
• Όριο κινδύνου:
• Αν Tt = 0 τότε δεν υπάρχει συστηµατικό σφάλµα (τάση) στις προγνώσεις.
• Αν η πρόβλεψη εµφανίζει προειδοποιητικό σήµα µε σηµαντική απόκλιση από το 0, θα πρέπει να ελέγχεται:
- αν η µέθοδος πρόβλεψης ταιριάζει- αν επιδρούν ειδικές ή έκτακτες συνθήκες που επηρεάζουν την
πρόβλεψη
11 ≤≤≤≤≤≤≤≤−−−− tT
|| tT
7,0|| >>>>tT
35ΔΕΟ11
![Page 36: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/36.jpg)
Αιτιακές ΜέθοδοιΑιτιακές Μέθοδοι
• Οι µέθοδοι πρόβλεψης, εκτός από τις χρονοσειρές εστιάζουν και
στις συσχετίσεις των τιµών της µεταβλητής προς πρόβλεψη µε τις
τιµές ενός ή περισσοτέρων παραγόντων.• Οι µέθοδοι που εξετάζουν τις συσχετίσεις αυτές ονοµάζονται
αιτιατές µέθοδοι πρόβλεψης.• Έχουν ως σκοπό τον προσδιορισµό της µαθηµατικής συνάρτησης
η οποία εκφράζει τη σχέση µεταξύ των τιµών της εξεταζόµενης
(εξαρτηµένης) µεταβλητής και των τιµών ενός συνόλου
ανεξάρτητων µεταβλητών.
• Περιλαµβάνουν:- Μεθόδους ανάλυσης της συσχέτισης ή παλινδρόµησης
(Regression)- Οικονοµετρικά µοντέλα (Econometric models)
36ΔΕΟ11
![Page 37: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/37.jpg)
Ανάλυση Συσχέτισης (1/3)Ανάλυση Συσχέτισης (1/3)
• Αναγνώριση παρελθοντικών συσχετίσεων στα δεδοµένα και χρήση
τους για πρόβλεψη.• Θεωρείται ότι οι συσχετίσεις αυτές συνεχίζουν να ισχύουν και στο
µέλλον.• Συνήθως χρησιµοποιείται απλή εξίσωση συσχέτισης.
Ανάλυση απλής συσχέτισης:• Γραµµική συσχέτιση των µεταβλητών
• Εξίσωση της µορφής Υ = α + βΧ
• Υ = η εξαρτηµένη µεταβλητή (ζήτηση)• α = η τοµή της ευθείας µε τον άξονα Υ• β = η κλίση της γραµµής• Χ = η ανεξάρτητη µεταβλητή (χρόνος)
Χ
Υ
α
37ΔΕΟ11
![Page 38: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/38.jpg)
Ανάλυση Συσχέτισης (2/3)Ανάλυση Συσχέτισης (2/3)
• Γραµµική σχέση µεταβλητών (γραµµική παλινδρόµηση): αύξηση ή
µείωση της τιµής της µεταβλητής X συνεπάγεται µεταβολή της
µεταβλητής Y όση η µεταβολή της X επί το συντελεστή β.
• Η γραµµική παλινδρόµηση ενδείκνυται για µακροπρόθεσµες
προβλέψεις και ολικό προγραµµατισµό. Για παράδειγµα, η
γραµµική παλινδρόµηση είναι χρήσιµη για την πρόβλεψη της
ζήτησης µιας οµάδας προϊόντων. Παρ’ ότι η ζήτηση για τα
επιµέρους προϊόντα µπορεί να διαφοροποιείται µέσα στην
καθορισµένη χρονική περίοδο, η ζήτηση για τη συνολική οµάδα
προϊόντων θα είναι οµαλή.
38ΔΕΟ11
![Page 39: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/39.jpg)
Ανάλυση Συσχέτισης (3/3)Ανάλυση Συσχέτισης (3/3)
• Ο κύριος περιορισµός της µεθόδου αυτής είναι η παραδοχή ότι τα
δεδοµένα του παρελθόντος και οι προβλέψεις βρίσκονται σε µια
ευθεία γραµµή.• Στην πραγµατικότητα, δεν είναι όλες οι σχέσεις γραµµικές, αλλά είναι
δυνατόν να µετατραπούν σε τέτοιες µε κατάλληλο µετασχηµατισµό.π.χ. Υ = α + β/Χ µπορεί να γίνει Υ = α + βΖ όπου Ζ=1/Χ
• Στο διπλανό Σχήµα, η
συσχέτιση των µεταβλητών Χ
και Υ δεν είναι γραµµική.• Θα µπορούσε να προσδιοριστεί
µια ευθεία που να καθορίζει ένα
θεωρητικό γραµµικό πρότυπο,µε ελάχιστες αποκλίσεις των
σηµείων.• Χρήση µεθόδου «ελάχιστων
τετραγώνων» ελαχιστοποίησης
των κάθετων αποκλίσεων.39ΔΕ
Ο11
![Page 40: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/40.jpg)
Μέθοδος Ελάχιστων ΤετραγώνωνΜέθοδος Ελάχιστων Τετραγώνων
• Η µέθοδος των ελάχιστων τετραγώνων εφαρµόζει µια γραµµή στα
δεδοµένα η οποία ελαχιστοποιεί το άθροισµα των τετραγώνων Wτης κάθετης απόστασης µεταξύ των πραγµατικών δεδοµένων και
των αντίστοιχων σηµείων της ευθείας, δηλαδή των κάθετων
αποκλίσεων των πραγµατικών τιµών της εξαρτηµένης
µεταβλητής Υ1, Υ2, …, Υn από την ευθεία: Υ = α + βΧ
• Το άθροισµα των ελάχιστων τετραγώνων είναι:
• Σ είναι το άθροισµα των ν όρων της αντίστοιχης σειράς.
• Οι τιµές των α και β για τις οποίες η τιµή της συνάρτησης W είναι
ελάχιστη προκύπτουν µε µηδενισµό της παραγώγου της
συνάρτησης W ως προς α και β και επίλυση των δύο εξισώσεων
που προκύπτουν.
40ΔΕΟ11
![Page 41: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/41.jpg)
Οικονοµετρικές ΜέθοδοιΟικονοµετρικές Μέθοδοι
• Αποτελούν προέκταση της ανάλυσης συσχέτισης
• Ένα σύστηµα εξισώσεων συσχέτισης, όπου οι παράγοντες κάθε
συσχέτισης αλληλοεξαρτώνται καθιστώντας αδύνατη τη χρήση της
ανάλυσης συσχέτισης, οπότε χρησιµοποιούνται οι οικονοµετρικά
µοντέλα.
Παράδειγµα συσχετίσεων:Οι πωλήσεις είναι συνάρτηση του ΑΕΠ, της τιµής και της διαφήµισης.Οι παράγοντες αυτοί έχουν αλληλεξαρτήσεις:• Πωλήσεις = f1 (ΑΕΠ, τιµή πώλησης, διαφήµιση)• Τιµή πώλησης = f2 (κόστος παραγωγής και έξοδα πωλήσεων)• Κόστος παραγωγής = f3 (όγκος παραγωγής, ύψος αποθέµατος)• Έξοδα πωλήσεων = f4 (διαφήµιση, λοιπά έξοδα πωλήσεων)
41ΔΕΟ11
![Page 42: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/42.jpg)
Ποιοτικές Μέθοδοι ή ΚρίσηςΠοιοτικές Μέθοδοι ή Κρίσης
• Χρήση ποιοτικών µεθόδων (ή µεθόδων κρίσης) όταν δεν υπάρχουν
επαρκή δεδοµένα για τη εφαρµογή ποσοτικών µεθόδων (µέθοδοιχρονοσειρών και αιτιακές µέθοδοι).
• Βασίζονται σε προσωπικές εκτιµήσεις.• Έχουν ιδιαίτερο νόηµα σε λήψη στρατηγικών αποφάσεων.• Εύκολα κατανοητές και ευρύτατα χρησιµοποιούµενες
Περιλαµβάνουν:• Μέθοδος ∆ελφοί (Delphi) (διενέργεια προβλέψεων από οµάδα ειδικών)• Γνώµη Συµβουλίου Στελεχών / Focus groups• Εκτίµηση Ειδικού
• Έρευνα αγοράς/ ∆ηµοσκόπηση/ Ερωτηµατολόγια
• Ανάλυση Κύκλου Ζωής προϊόντων
• Μέθοδος Ιστορικής Αναλογίας
• Πρόβλεψη µε ∆ιαµόρφωση Εναλλακτικών Σεναρίων
• Prediction Markets
42ΔΕΟ11
![Page 43: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/43.jpg)
Μέθοδος ∆ελφοίΜέθοδος ∆ελφοί
• Εφαρµόζεται για τη διενέργεια µακροπρόθεσµων κυρίως προβλέψεων που
αφορούν την τεχνολογία και το γενικό περιβάλλον µέσα στο οποίο
αναπτύσσεται η επιχειρηµατική δράση.• Η µέθοδος αναπτύχθηκε στη Rand Corporation τη δεκαετία του ‘50.
Χρησιµοποιεί µια οµάδα ειδικών από το εσωτερικό και το εξωτερικό της
επιχείρησης κατά τέτοιο τρόπο, ώστε να εξαλείφεται το ενδεχόµενο της
κυριαρχίας αυτών µε το µεγαλύτερο κύρος, πειθώ και δυναµισµό.• Στοχεύει στο να προκύψει τελικά οµόφωνη γνώµη των ειδικών ως
συγκερασµός των διαφόρων κρίσεων.
Η Μέθοδος ∆ΕΛΦΟΙ, συνοπτικά:• ∆οµηµένη µέθοδος απόκτησης απαντήσεων από ειδικούς.• Αξιοποιεί την ευρεία βάση των γνώσεων των ειδικών.• Εξαφανίζει την υποκειµενικότητα και τον επηρεασµό των
συµµετεχόντων µέσω της ανωνυµίας.• Έχει επαναληπτικό χαρακτήρα και στατιστική σύνοψη στο
τέλος κάθε γύρου.• Προκύπτει συναίνεση ή αποκλίνουσες απόψεις στο τέλος
της προσπάθειας. 43ΔΕΟ11
![Page 44: DEO11 B Tomos 6.Methodoi Provlepseon](https://reader037.vdocuments.site/reader037/viewer/2022103102/5695d1c41a28ab9b0297dadc/html5/thumbnails/44.jpg)
Βιβλιογραφία
Παππής Κ., ∆ιοίκηση Παραγωγής, Τόµος Β’ της Θεµατικής Ενότητας: Εισαγωγή στη ∆ιοικητική Επιχειρήσεων και Οργανισµών, Ελληνικό Ανοικτό Πανεπιστήµιο, Πάτρα, 2008.
∆ηµητριάδης, Σ.Γ. και Μιχιώτης, Α.Ν., ∆ιοίκηση Παραγωγικών Συστηµάτων: Βασικές Θεωρητικές Αρχές και Εφαρµογές στη Λήψη Επιχειρηµατικών Αποφάσεων, Εκδόσεις Κριτική, Αθήνα, 2007.
Silver E.A., Pyke D.F. and Peterson R., Inventory Management and Production Planning and Control, Third Edition, John Wiley & Sons, 1998.
Τατσιόπουλος Η., Μαρµαράς Ν. και Χατζηγιαννάκης ∆., Βιοµηχανική ∆ιοίκηση και Κοστολόγηση, Εκδόσεις Παπασωτηρίου, 2010.
Παπάς Ι.Α., Οργάνωση Παραγωγής και ∆ιοίκησης Επιχειρήσεων, Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, 1999.
44ΔΕΟ11