Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

1 Üretim Planlama Kontrol Tahminleme Teknikleri. 2 Ajanda Tahminleme nedir? Tahmin Etme Yöntemleri Tahmin Etme Sisteminde 7 Aşama Tahmin Yaklaşımları.

Benzer bir sunumlar


... konulu sunumlar: "1 Üretim Planlama Kontrol Tahminleme Teknikleri. 2 Ajanda Tahminleme nedir? Tahmin Etme Yöntemleri Tahmin Etme Sisteminde 7 Aşama Tahmin Yaklaşımları."— Sunum transkripti:

1 1 Üretim Planlama Kontrol Tahminleme Teknikleri

2 2 Ajanda Tahminleme nedir? Tahmin Etme Yöntemleri Tahmin Etme Sisteminde 7 Aşama Tahmin Yaklaşımları Kalitatif Kantitatif Zaman Serileriyle Tahmin

3 3 Ajanda (Devam) Regresyon ve Korelasyon Analizi Modelleri Tahminlemede regresyon analizi Standart hata Regresyon çizgisi için korelasyon katsayısı Tahminlerin kontrolü

4 4 Öğrenme Hedefleri Bu bölümde işlenecek konular Tanımlamalar Tahmin Tahmin çeşitleri Zaman Ufukları Tahminleme yaklaşımları Açıklamalar: Hareketli ortalama Üssel düzgünleştirme (exponensiyal) Trend projeksiyonları Regresyon ve korelasyon Tahminlerin doğruluk ölçümü

5 5 Tahmin nedir? Gelecekteki bir olayı önceden söyleme sürecidir Çeşitli işletme kararlarının verilmesinde kullanılır Üretim Stok Personel Fabrikalar Satışlar 200 MilyonTL olacak!

6 6 Kısa vadeli tahminler 1 yıla kadar, genelde 3 aydan az İş programlama, işçi atama Orta Vadeli tahminler 3 aydan 3 yıla kadar Satış ve üretim planlama, bütçeleme Uzun vadeli tahminler 3 yıl + Yeni ürün planlama, fabrika kuruluş yeri Zaman Esasına Göre Tahminleme Çeşitleri

7 7 Tahminleme Çeşitleri Ekonomik tahminler Enflasyon oranı, para arzı gibi Teknoloji tahminleri Teknoloji değişimlerini öngörme Yeni ürün satışlarının tahmini Talep tahmini Var olan ürünlerin satış tahmini

8 8 Tahminlemede 7 Aşama Tahmin etme yöntemlerinin kullanılmasına karar ver Neyin tahmin edileceğine karar ver Tahminin zaman aralığına karar ver Tahminleme metoduna karar ver Veri toplama Tahmini yap Sonuçları kontrol et ve uygula

9 9 Tahmin Yaklaşımları Durumun istikrarlı ve daha önceki dönemlere ait veri bulunması durumunda kullanılır Var olan ürün ve gönimiz teknolojileri için kullanılır Matematiksel teknikleri içerir Ör: renkli TV satış tahmini Kantitatif (Nicel) Metotlar Durumun belirsiz ve çok az veri olması durumunda kullanılır Yeni ürün ve teknoloji gibi Sezgi ve tecrübeyi içine alır Kalitatif (Nitel) Metotlar

10 10 Kalitatif Metotlara Genel Bir Bakış Üst düzey yöneticilerden oluşan jüri. Satış temsilcileri karması Satış elemanları kendi bölgeleri için satış tahminini yapar ve bunlar bir araya getirilerek ülke bazında tahminler yapılır Delfi Metodu Karar vericiler 5-10 uzmandan oluşur ve bunlar son karar merciidir. Çalışanlar, karar vericilere anketlerin hazırlanması, dağıtılması, toplanması ve sonuçların özetlenmesine yardımcı olur. Cevaplayanlar ise farklı bölgelerde bulunan ve görüşlerine değer verilen kimselerdir. Müşteri Pazar Anketi Müşteriye sor

11 11 Nicel Yaklaşımlara Genel Bakış Naive (saf) yaklaşım Hareketli ortalamalar Üssel düzgünleştirme (exponensiyal) Trend Yaklaşımı Doğrusal regresyon Zaman serileri İlişkilendirme modelleri

12 12 Kantitatif Tahminleme Yöntemleri (Naive Olmayan) Kantitatif Tahminleme Doğrusal Regresyon İlişkilendirme Modeller Üssel Düzgünleştirme Hareketli Ortalama Zaman Serileri Modelleri Eğilim Projeksiyonu

13 13 Eşit zaman aralıklı sayısal veri setidir. Tahmin geçmiş verilere dayanır. Faktörler geçmişten etkilenir ve gelecekte de bunlar etkilemeye devam edecektir. Örnek Yıllar: Satış: Zaman Serisi Nedir?

14 14 Trend Mevsimsel Dönüşüm lüdür Tesadüfi Zaman Serileri Parçaları Bunları tanımlayabilir misiniz?

15 15 Naif Yaklaşım Bir sonraki zaman dilimi için talep, ona en yakın zamanda gerçekleşen talebe eşit olduğunu farz eder. Eğer Mayıs satışları 48 ise, Haziran da 48 olacaktır. Bazen az maliyetli ve etkin bir yoldur.

16 16 Bir serinin aritmetik ortalamasıdır Çok az veya hiç trend’in olmadığı durumlarda kullanılır Daha çok veriyi düzgünleştirmek için kullanılır Verilerin genel izlenimini bulmayı sağlar Denklem MA n  Hareketli Ortalamalar (Moving Average-MA)Metodu Bir önceki n periyottaki talep

17 17 Bir müzenin hediyelik eşya mağazasının müdürüsünüz yılının satışlarını (bin TL olarak) 3-periyot hareketli ortalamalar yöntemiyle tahmin ediniz © 1995 Corel Corp. Hareketli Ortalama Örneği

18 18 Hareketli Ortalamalar (n=3) Çözümü ZamanYanıtHareket Toplamı Hareket Ortalaması

19 19 Hareketli Ortalamalar (n=3) Çözümü ZamanYanıtHareket Toplamı Hareket Ortalaması

20 20 Hareketli Ortalamalar (n=3) Çözümü ZamanYanıtHareket Toplamı Hareket Ortalaması

21 Yıl Satışlar Gerçek Tahmini Hareketli Ortalamalar Grafiği

22 22 Trend (eğilim) daha çok yakın zamanlardaysa kullanılır Eski veriler genelde daha az önemlidir Ağırlıklar sezgilere ve tecrübeye dayalı olarak verilir Genelde 0 ve 1 arasındadır ve toplamları 1’e eşittir Denklem WMA = Σ(Periyod n için ağırlık) (period n için talep) Σağırlıklar Ağırlıklandırılmış Hareketli (WMA) Ortalamalar Metodu

23 23 Gerçekleşen, MA ve WMA Talepleri Gerçek satışlar MA WMA

24 24 Ağırlıklı hareketli ortalamaların bir çeşididir Ağırlıklar exponensiyal olarak azalır En yakın verinin ağırlığı daha fazladır Düzgünleştirme katsayısına ihtiyaç vardır (  ) 0-1 aralığındadır Sübjektif olarak seçilir Eski verilerin kayıtlarına az ihtiyaç vardır. Üssel (Exponensiyal) Düzgünleştirme Metodu

25 25 F t =  A t  (1-  )A t  (1-  ) 2 ·A t  (1-  ) 3 A t  (1-  ) t-1 ·A 0 F t = Tahmin edilen değer A t = Gerçekleşen değer  = Düzgünleştirme katsayısı F t = F t-1 +  (A t-1 - F t-1 ) Tahmini değeri hesaplarken bu kullanılır Üssel (Exponensiyal) Düzgünleştirme Denklemi

26 26 Geleneksel Afrika festivalini bu yıl siz organize ediyorsunuz yılı için katılımcı sayısını üssel düzgünleştirme yöntemini kullanarak tahmin ediniz. (  = 0.10) için tahmini değer 175. olmuştu © 1995 Corel Corp. Örnek: Üssel (Exponensiyal) Düzgünleştirme

27 27 α F t = F t -1 + α  ( A t -1 - F t -1 ) Yıl Gerçek Tahmini, F t ( α =.10) (verilen) NA Çözüm:Üssel (Exponensiyal) Düzgünleştirme

28 28 α F t = F t -1 + α ·  ( A t -1 - F t -1 ) F t ( α =.10) (verilen) ( NA Çözüm:Üssel (Exponensiyal) Düzgünleştirme Yıl Gerçek Tahmini,

29 29 α F t = F t -1 + α  ( A t -1 - F t -1 ) F t ( α =.10) (verilen) ( NA Çözüm:Üssel (Exponensiyal) Düzgünleştirme Yıl Gerçek Tahmini,

30 30 α F t = F t -1 + α ( A t -1 - F t -1 ) Actual F t ( α =.10) (verilen) ( ) NA Çözüm:Üssel (Exponensiyal) DüzgünleştirmeYıl Tahmini,

31 31 α F t = F t -1 + α ·  ( A t -1 - F t -1 ) F t ( αααα =.10) (verilen) ( ) = NA Çözüm:Üssel (Exponensiyal) DüzgünleştirmeYıl Gerçek Tahmini,

32 32 α F t = F t -1 + α ·  ( A t -1 - F t -1 ) F t ( α =.10) (verilen) ( ) = ( ) = ( ) = ( ) = NA ( ) = Çözüm: Üssel Düzgünleştirme Yıl Gerçek Tahmini,

33 33 Yıl Satışlar Gerçek Tahmini Üssel Düzgünleştirme Örneği Grafiği

34 34 F t =  A t  (1-  ) A t  (1-  ) 2 A t Düzgünleştirme Katsayısı  ’nın Tahminlere Etkileri Ağırlıklar Bir Önceki Periyot  2 periyot öncesi  (1 -  ) 3 periyot öncesi  (1 -  ) 2 ==  = 0.10  = % 9% 8.1%

35 35  ’nın Seçilmesi Hataların Mutlak Ortalamasını (HMO) minimum’a indirecek değeri araştır (Mean Absolute Deviation-MAD) Eğer:Tahmin hatası = talep - tahmin

36 36 YX ii =  a +b Bağımsız ve bağımlı değişkenler arasında doğrusal bir ilişki olup olmadığını araştırır. Örnek: Satışlar ve reklam Bağımlı değişkenBağımsız (tanımlayıcı) değişken EğimY-kesişim ^ Doğrusal Regresyon Modeli

37 37 Y X Y a + i  ^ ii bX i =  Error Gözlenen Değer Ya +bX =  Regresyon Çizgisi Doğrusal Programlama Modeli Hata

38 38 Doğrusal Regresyon Denklemi Denklem: Eğim: Y-Kesişim:

39 39 Korelasyon Değişkenler arasında ne kadar kuvvetli bir ilişki vardır ve ilişkinin yönünün ne olduğu sorularına cevap verir. Korelasyon katsayısı r ile gösterilir ve -1 ile +1 arasında değişir Korelasyon Katsayısı HKT: Hataların Kareleri Toplamı

40 40 Determinasyon Katsayısı Determinasyon katsayısı (R 2 ) R 2 = r 2 Bağımlı değişkenlerdeki değişimin regresyon denklemi tarafından hangi oranda karşılandığını gösterir. 0 ile 1 aralığındadır.

41 41 Korelasyon ve Regresyon Denklemi Karşılaştırması

42 42 Mevsimsel Dalgalanma ve Trend’e Oranlama Yöntemi Örnek 3.2. Mevsimlik bir mal için (örneğin dondurma) geçmiş 4 yıla ait gerçekleşmiş mevsimlik talep miktarları (ton) aşağıdaki tabloda verilmiştir.

43 43 Bir önceki slayttaki verileri kullanarak trend eğrisinin denkleminin bulunabilmesi için veriler mevsim ayrımına gidilmeksizin aşağıdaki gibi alt alta sıralanır. Bu şekilde düzenlenen veriler trend analizine tabi tutulduğunda (a ve b katsayıları hesaplandığında) trend doğrusunun denklemi olarak bulunur. Bulunan trend denklemi kullanılarak geçmiş dönemlere ait talep miktarları aşağıdaki şekilde tahmin edilir.

44 44 Mevsimsel Etkiler Dikkate Alınmamışken Tahmin (Regresyon)

45 45 Mevsimsel Etkinin Bulunması: Trende Oranlama

46 46 Mevsimsellik Etkisiyle Tahmin Az önceki tablodan da görüleceği gibi ilkbahar dönemi talepleri genel trendin ortalama olarak %32 üzerinde gerçekleşmiştir (ilkbahar dönemi için ortalama trende oran birden büyük). Aynı şekilde kış dönemi talepleri ise genel trendin ortalama olarak %75 altında gerçekleşmiştir (kış dönemi için ortalama trende oran birden küçük). Bu bilgiler ışığında gelecek dönemler için talep tahminleri kolayca yapılabilir. Örneğin 2001 yılı kış dönemi (i = 20) için talep miktarı ton olarak tahmin edilir.

47 47 Ulaşmaya çalıştığınız amaç: Tahmin hatalarında bir eğilim veya yön olmaması Hata = (Y i - Y i ) = (Gerçek - Tahmin) Hataların plot çiziminde görülebilir En az tahmin hatası Hata Karelerinin Ortalaması (Mean square error MSE) Hataların Mutlak Değişimi (Mean absolute deviation MAD) Tahminleme Yönteminin Seçiminde Aşamalar ^

48 48 Hataların Kareleri Ortalaması(Mean Square Error MSE) Hataların Mutlak Ortalaması (Mean Absolute Deviation MAD) Tahminlemede Hata Denklemleri


"1 Üretim Planlama Kontrol Tahminleme Teknikleri. 2 Ajanda Tahminleme nedir? Tahmin Etme Yöntemleri Tahmin Etme Sisteminde 7 Aşama Tahmin Yaklaşımları." indir ppt

Benzer bir sunumlar


Google Reklamları