Operasyon Yönetimi Talep Tahmini Doç. Dr. Mustafa Yüzükırmızı

... konulu sunumlar: "Operasyon Yönetimi Talep Tahmini Doç. Dr. Mustafa Yüzükırmızı"— Sunum transkripti:

1 Operasyon Yönetimi Talep Tahmini Doç. Dr. Mustafa Yüzükırmızı

2 Üretim Kararları Hammadde Montaj/Uretim Depo Toptancii/Bayii Satis
Noktasi

3 Tedarik Zinciri Entegrasyonu
Malzeme kontrol Üretim Satış Dağıtım Tedarik yönetimi Üretim yönetimi Dağıtım yönetimi Dahili tedarik zinciri Müşteriler Tedarikçiler Tedarik zinciri unsurları Dağınık bakış Fonksiyonel bütünleşme Firma içi bütünleşme Topyekün bütünleşme

4 Kararlar Tedarik Zincirinin dizaynında ve işletilmesinde verilmesi gerekli kararlar mevcuttur. Kararlar yönetim moda ve şirket/endüstri karakteristikleri ölçüsünde verilir Dengeli akışlar mi? Kararları kim verecek? Etkiler nasıl ölçülecek? Yönetim masrafları, sabit maliyetler, değişken maliyetler rasyonelize edilmeli, Bütün karşılıklı etkileşimler test edilmeli

5 Kararlar Stratejik-uzun donem Taktik- orta dönem
Zincirdeki bir sonraki işlemler nelerdir, tedarik/tedarikçiler nelerdir? Taktik- orta dönem Her kaynağın hedefi farklıdır- Stok ‘buffer’lar nereye yerleştirilmeli, mevsimsel arz nasıldır? Operasyonel- kısa dönem Taşıma nasıl yapılacak? Her bir basamaktaki planlama ve operasyonel kararlar nedir?

6 En iyi (optimal) kararlar
Optimal kararları belirlemek için elimizde veri olması gerekir; alternatiflerin oluşturulması ve değerlendirilmesi gerekir Bazı örnekler: Üretim kapasitesi Yönetim ve değişken maliyetler Taşıma bağlantıları Talepler

7 Talep-Temel belirleyici
Veri ve dışsal faktörlerin belirlenmesi ve ürün /servis için talebin belirlenmesi Talep yönetimi: Talep yönlendirilebilirler mi? Zaman aralığı: Güncelleştirme, veri, doğruluk, çıkarım, yetenek Gecmis veriler Niteliksel Tahmin Yonetimin Degerlendirmesi Niceliksel Degerlendirme TAHMIN GOZLEM ANALIZ feedback Talep Tahmin Sistemi

8 Tahmin:Ne olacağının öngörülmesi
İstatistiksel Tirendler, tekrarlar, mevsimsel faktörler, düzensizlikler Yumuşatma Yargı

9 Talep Tahmini Problem: Lojistik belirli bir talebi karşılaması gerektiği için , Üretimin, lojistiğin, ve satışların başarıyla gerçekleşmesi Ne? Nerede? Ne zaman? Stok (depolama) ünitesi seviyesinde, birim tarafından, zaman dönemi için doğru tahminlerin yapılması –otomatik olmalı Yoğunlaşılması gereken unsurlar: Tahminlerde yardımcı olacak modellerin kullanılması Yerleşmiş ürünler –yeni ürünler değil- Kısa zaman dilimi- hafta-ay-3 aylık-yıllık Her bir ürünün talebinin bağımsız olduğu durumlar

10 Talep tahmini- Talep tahmini zordur-özellikle gelecek için
Tahminler her zaman yanlıştır Ne kadar az çıkarım, o kadar az hata Ne kadar uzun zaman dilimi, o kadar hata Geçmiş genellikle başlamak için en iyi yerdir İyi bir tahmin sadece bir şayia değildir; aralık, talep dağılımının açıklaması vb bilgileri de içermelidir Her hangi bir analitik metot dışsal verilerle teyit edilmelidir. Firmadaki bir fonksiyon için yapılan tahmin diğer bir fonksiyonun tahmini için kullanışlı olmayabilir.

11 Tahminin maliyeti ve doğruluğu

12 Tahminlerin ölçülmesi
Doğruluk/Hata oranlarının ölçülmesi Semboller: Dt:t döneminde gerçeklesen talep Ft:t donemi için (t-1) donemi sonunda yapılan talep tahmini n=donem sayısı

13 Doğruluk-Sapma ölçütleri
Tahmin hatası: et=Dt-Ft Ortalama sapma: Ortalama mutlak sapma: Hatanın karesinin ortalaması

14 Ölçütler Hatanın karesinin ortalamasının karekökü Ortalama Yüzde Hata
Ortalama Mutlak Yüzde Hata

15 Ölçütler OS -üstteki ve alttaki değerler birbirini götürür, doğruluk için iyi bir yöntem değildir. OMS- birbirini götürmeyi önler, lojistik ve stok kontrolünde sıklıkla kullanılır ama istatistiksel özellikleri olasılık kuramlarının kullanılması için uygun değildir. HKO- birbirini götürmeyi önler, tahmin hatalarının varyansina eşdeğerdir.İstatistiksel olarak doğrudur, genellikle bu kullanılır HKOK-yorumlanması kolaydır, tahmin edilenle aynı birimdendir OYH –Göreceli sapmayı gösteriri OMYH- Göreceli doğruluğu gösterir

16 Ölçütler Pratikte, hangi oranda doğruluk? Çok zor soru
%10-15 OMYH çok iyidir, %20-%30 OMYH ortalamadır. Yüksek hatalı tahminler güvenlik stoku ihtiyacını artırır ve müşteri hizmeti seviyesini düşürür. Yanlış tahminlerin maliyeti yüksek olabilir Mümkün olduğunca doğru tahminler yapmak için gerekli eforu ortaya koymak şarttır.

17 Örnek Bir ürünün talebi için yapılan tahminler ve gerçeklesen değerler verilmiştir. Hata ölçütlerini bulunuz.

18 Zaman serileri Doğrusal Regresyon Hareketli ortalama Üssel yumuşatma
Mevsimsel değişimler için Vinter yöntemi

19 Doğrusal Regresyon Regresyon, hatanın karesini minimize etmek için verilere bir doğru yerleştirilen istatistiksel bir yöntemdir. Doğrusal regresyonla, takribi modelin parametreleri kullanılarak kar/maliyet bileşenleri tahmin edilebilir. Doğrusal regresyonda bir tane bağımsız değişken, i, ve bir tane bağımlı değişkene yi n tane veri noktası kullanılarak bir doğru yerleştirilir: y= a+bx

20 Regresyonda parametre tahmini

21 Örnek Bir dayanıklı tüketim mamulleri üreten firma, işçilik giderlerinin üretime çok bağımlı olduğunu tespit etmiştir. Bu verilere ait geçmiş bilgiler Excel dosyasında verilmiştir. Regresyon analizi yaparak 310 birim üretilmesi durumunda isçilik giderleri ne olacağını belirleyin?

22 Örnek-Veri tablosu

23 Örnek Veri noktasi Uretim xi Maliyet yi xiyi xi2 ….. …… Toplam … ….

24 Bağımlılık Katsayısı Bağımlılık katsayısı,r, her iki verinin birbirine ne kadar doğrusal olarak bağımlı olduklarının göstergesidir. Eğer r sıfırsa birbirleriyle doğrusal ilişki yoktur, negatif bir katsayı ise bir değişkenin artırılması durumunda diğerinin azalacağını ifade eder.

25

26 Hareketli Ortalama Regresyon modelinde değişkenler arasında bir ilişki olduğu varsayılır ve bu ilişkinin sabit olduğu kabul edilir. Bazen lojistik sisteminde bir ürünün talebi sabitken, ani değişikliklere uğrar. Bu hareketleri takip edecek tahmin modeline ihtiyaç duyulur. Hareketli ortalamada “bir kaç dönem’’ önceki gerçeklesen değer kullanılarak bu tahmin yapılabilir.

27 Hareketli Ortalama Dj:j döneminde gerçeklesen talep
Fj:j donemi için yapılan tahmin N: hareketli ortalamaya dahil edilecek önceki dönem sayısı(parametre) Basitçe, t+1 dönemi için tahmin N dönem öncesine kadar gerçekleşen taleplerin ortalamasıdır.

28 Örnek: Yanda geçmiş 12 doneme ait talepleri verilen bir urun için 3-dönem ve 5-dönem hareketli ortalama yöntemi kullanarak 13. ve 20. dönem tahmini yapın. 4-dönem ve 7-dönem hareketli ortalama kullanarak en iyi yöntemin hangisi olduğunu belirleyin. -Ölçütleri kullanarak- Grafiklerini ve verileri Excel çıktısı olarak verin.

29 Üssel Yumuşatma Doğrusal regresyonla karşılaştırıldığında üssel yumuşatma tekniğinin avantajı daha yeni verilere eşit ağırlık vermek yerine daha fazla ağırlık verebilmesidir. Tahmin denklemleri yeni veri girildikçe bir kaç küçük işlemle revize edilebilir. Ek olarak, üssel yumuşatma doğrusal ilişki kabulüne dayanmaz. Bu tekniğin, temel dezavantajı geçmiş tirendlerin ve şablonların gelecekte de devam edeceğinin ön kabulüdür. Ama, verilerdeki değişikliklere doğrusal regresyondan daha hassasdir.

30 Üssel Yumuşatma (t döneminde yapılan,t+1 için tahmin) = α*(Dönem t’deki gerçek veri) + (1- α)*(t-1 döneminde yapılan t dönemine ait tahmin) α: Yumuşatma katsayısı, önceki tahminlere nazaran yeni verilere verilecek ağırlık. Genellikle 0.01 ile 0.30 arasındadır.

31 Örnek Dönem Talep Tahmin - 50 1 2 52 50.6 3 47 49.52 4 51 49.96 5 49
- 50 1 2 52 50.6 3 47 49.52 4 51 49.96 5 49 49.67 6 48 49.17 7 49.72 8 40 46.80

32 Üssel Yumuşatma S1=0.3(50)+0.7(50)=50 S2=0.3(52)+0.7(50)=50.6
ÖDEV: Bir önceki hareketli ortalama için verilen tablodan üssel yumuşatma kullanarak tahmin yapın.(α =0.2).Değerlendirin.