Documente Academic
Documente Profesional
Documente Cultură
Capitolul 5
PREVIZIUNI ȘI PROGNOZE PENTRU
PROCESE DE PRODUCȚIE
5.1 Concepte și terminologie
5.2 Principiile previziunii
5.3 Etapele procesului de prognoză
5.4 Metode de previziune
In dicționarul de business, prognoza este definită ca fiind “o unealtă de planificare utilă direcției
de management pentru a face față incertitudinii viitorului bazându-se în principal pe date din
trecut și prezent și de analiză a tendințelor”.
Există mai multe tipuri de modele de prognoză. Acestea diferă în funcție de gradul de
complexitate, de cantitatea de date utilizate, dar și de căile de a genera o prognoză.
Caracteristici comune:
Prognozele sunt rareori perfecte. Previziunile pentru viitor implică incertitudine. Cei
care fac previziuni știu că trebuie să trăiască cu anumite incertitudini în ceea ce privesc
greșelile pe care le pot face dar și care este diferența între o prognoză și ceea ce se
întâmplă în realitate.
Previziunile sunt mai precise pentru articole de grup sau familii decât pentru
elementele individuale. Atunci când elementele sunt grupate împreună prin valorile lor
individuale înalte sau scăzute se pot anula reciproc.
Prognoza are o mai mare precizie pentru o perioadă mai scurtă de timp decât pe termen
lung. Preciziile pentru anumite perioade de timp au un grad mai mic de risc. Datele
problemelor nu se schimbă foarte mult pe termen scurt dacă pe perioada de estimare
probabil vor avea loc schimbări în metodele stabilite și în relațiile elementelor.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
METODE METODE
CALITATIVE CANTITATIVE
bazate pe modele matematice sau pe
bazate pe opinia umană, sunt aspecte cantitative ce țin de factorii
subiective și nonmatematice naturali
METODE CALITATIVE
Modelele cauzale, numite uneori modele asociative, folosesc o logică diferită pentru a genera
prognoze. Acestea presupun ca variabila pe care vrem să o prognozam este în legătură cu alte
variabile din mediu. Treaba prezicătorului este să descopere aceste variabile care sunt relatate în
termeni matematici și folosește aceste informații pentru a prognoza viitorul.
De exemplu, putem decide dacă vânzările sunt legate de variația cotei dolarului sau a lirei
sterline.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
METODE CANTITATIVE
bazate pe serii de timp
MEDIA SIMPLĂ
Folosește o medie din trecut ca o Necesită colectarea unui număr
este utilizat chestionarul și foarte mare de date.
interviul pentru identificarea prognoză
preferințelor clienților
METODE CANTITATIVE
Asociative (cauzale)
REGRESIA LINIARĂ
Ușor de înțeles;
Folosește metoda celor mai Asigură-te ca o relație
mici pătrate pentru a modela Oferă o precizie bună de liniară este prezentă
o relație liniara între două prognoză
variabile
REGRESIE MULTIPLĂ
Un instrument puternic în Crește în mod
Similară regresiei liniare, dar previziune atunci când semnificativ necesarul
modelează relația dintre mai sunt luate în considerare de date pentru calcul
multe variabile cu variabila mai multe variabile
prognozată
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp
Modele bazate pe
cicluri
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp
1. Abordarea naivă, este una dintre cele mai simple metode de prognoză. Astfel, se presupune
că următoarea perioadă de prognozat este egală cu perioada actuală. De exemplu, dacă în
luna ianuarie sunt vândute 500 de unități de produs, metoda naivă prognozează 500 de unități
de produs și pentru februarie. Se presupune ca sunt modificări foarte mici între perioade.
Matematic, abordarea naivă poate fi reprezentată în felul următor:
• pentru serii constante:
unde:
𝐹𝐹𝑡𝑡+1 = 𝐴𝐴𝑡𝑡 𝐹𝐹𝑡𝑡+1 , este previziunea pentru perioada următoare, t+1;
𝐴𝐴𝑡𝑡 , este valoarea pentru perioada actuală, t;
t, perioada curentă.
• pentru variații sezoniere
unde:
𝐹𝐹𝑡𝑡+1𝑠𝑠 , este previziunea pentru sezonul următor, t+1;
𝐹𝐹𝑡𝑡+1𝑠𝑠 = 𝐴𝐴𝑡𝑡𝑠𝑠
𝐴𝐴𝑡𝑡𝑠𝑠 , este valoarea pentru perioada actuală, t;
t, perioada curentă.
• pentru date cu trend, se aplică atunci când se observă că valoarea ce se dorește a fi
prognozată crește cu o valoare constantă de la o perioada la alta.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
Abordarea naivă
5.4.2.1 Prognoze bazate pe serii de timp
Exemplu 5.1. Patronul unui magazin care Volum vânzări Volum vânzări
Perioada
înregistrat, At prognozat, Ft
vinde anvelope auto vrea să previzioneze [luni]
seturi anvelope vară seturi anvelope vara
vânzarea anvelope de vară pentru luna iunie,
știind că în luna mai au fost vândute, 1.000 de mai 1000
seturi de anvelope. Acesta ia considerare
abordarea naivă. iunie 1000
Exemplul 5.2 Patronul unui magazin care Volum vânzări
Volum vânzări
vinde anvelope auto vrea să previzioneze Perioada
înregistrat, At
prognozat, Ft
[luni] seturi anvelope
vânzarea anvelope de iarnă pentru luna seturi anvelope vară
vara
octombrie, utilizând abordarea naivă pentru
variații sezoniere, știind că anul trecut au fost
mai 2018 3000
vândute 3.000 seturi de anvelope. Astfel, pentru
anul se poate prognoza o vânzare de 3.000 mai 2019 3000
seturi de anvelope.
Exemplul 5.3 Pentru dealer auto se constată că Cerere
Volum
Volum vânzări vânzări
volumul vânzărilor crește cu 10%, față de Perioada, t
înregistrat, At
suplimentară
prognozat,
valoarea vânzărilor din luna anterioară. Astfel, [luni]
produse
, Ft
Ft
produse
la o valoare a vânzărilor în luna curentă de produse
1.100 de produse, pentru luna următoare va fi luna 1 1000
adăugat procentul de 10%, adică 100 de luna 2 1100 100
produse. Astfel, previziunea pentru luna
luna 3 1200
următoare va fi de 1.200 de produse.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp Tehnici de medie
Acestea se utilizează atunci când datele conțin, în general, o anumită variație aleatoare, numită
“zgomot”, care tinde să intervină în mișcarea sistematică a datelor. Tehnicile de medie nivelează
variațiile datelor. Ar fi ideal ca aceste variații să fie eliminate complet însă, deoarece acest lucru
este imposibil, se urmărește micșorarea lor cât mai mult.
O prognoză bazată pe medie tinde să aibă o variabilitate mai mică decât datele originale.
• Media mobilă ponderată este asemănătoare mediei mobile (simple) cu excepția faptului că
acordă o pondere mai mare valorilor cele mai recente dintr-o serie de timp. Cu cât perioada
mediei mobile este mai scurtă, cu atât mai mult se pune accent pe valorice cele mai recente.
• Netezirea exponențială. Modul de calcul a mediei mobile exponențiale este puțin mai
complicat decât cel al mediei mobile simple. Cel mai important lucru de reținut este ca
media mobila exponențială este mult mai sensibilă la dinamica recentă a valorilor
înregistrate.
130
0 1 2 3 4 5 6 7 8 9 10 11 12 13 luni
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp
Analiza trendului implică dezvoltarea unei ecuații care va descrie în mod adecvat trendul
(presupunând că acesta este prezent în date).
Există două tehnici importante de prognozare atunci când trendul există:
În cazul în care se cunosc n serii date perechi (𝑥𝑥1 , 𝑦𝑦1 ), (𝑥𝑥2 , 𝑦𝑦2 ), …, (𝑥𝑥𝑛𝑛 , 𝑦𝑦𝑛𝑛 ), pentru două
variabile X și Y. Presupunând că yi, este valoarea observată a lui Y când xi este valoarea
observată a lui X, unde Y este o variabilă dependentă și X este o variabilă independentă, atunci
putem spune că există o relație între X și Y care poate fi reprezentată printr-o dreaptă.
𝑌𝑌 ′ = 𝑎𝑎 + 𝑏𝑏
Unde Y’ este valoarea previzionată a lui Y. Scopul este identificarea valorilor a și b astfel încât
dreapta 𝑌𝑌 ′ = 𝑎𝑎 + 𝑏𝑏𝑏𝑏 să potrivească cele mai bune date.
𝑛𝑛 ∑ 𝑡𝑡𝑡𝑡 − ∑ 𝑡𝑡 ∑ 𝑦𝑦 ∑ 𝑦𝑦 − 𝑏𝑏 ∑ 𝑡𝑡
𝑏𝑏 =
𝑛𝑛 ∑ 𝑡𝑡 2 − �∑𝑡𝑡)
2 𝑎𝑎 =
𝑛𝑛
unde:
n este numărul de perioade, x este egal cu t iar y sunt valorile efective ale variabilei prognozate.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative Modele bazate pe trend
5.4.2.1 Prognoze bazate pe serii de timp • Modelarea liniară (analiza de regresie)
Exemplul 5.7 Volum Date calculate
Pentru datele cunoscute din Perioada vânzări
tabelul 5.9 privind vânzările de [săptămâ covorașe
Date calculate Coeficienți Valori Y
covorașe pentru o firmă ni] auto
ecuație
producătoare de accesorii auto, [produse]
trend liniar
să se determine graficul t y ty
∑ 𝒕𝒕 ∑ 𝒕𝒕𝟐𝟐
∑ 𝒚𝒚 ∑ 𝒕𝒕𝒕𝒕 b a
vânzărilor și să se analizeze dacă
acestea se potrivesc unui trend. 1 235 235 235.27
2 239 478 238.35
În cazul în care datele se
3 240 720 241.42
potrivesc unui trend, să se 4 246 984 244.49
determine ecuația dreptei de 5 250 1250 247.56
trend și să se prognozeze 6 248 1488 250.64
vânzările pentru săptămânile 11 7 251 1757 253.71
și 12. 8 259 2072 256.78
După calculul coeficienților a și 9 260 2340 259.85
b, ecuația dreptei de trend este 10 263 2630 262.93
11 266.00
𝑌𝑌 = 232,2 + 3,07𝑋𝑋. Valorile 12 269.07
prognozate pentru săptămânile
11 și 12 sunt: 𝑌𝑌11 = 55 385 2491 13954 3.07 232.20
volum vânzări
260
acestea se potrivesc unui trend.
255 y = 3.0727x + 232.2
În cazul în care datele se 251
250
potrivesc unui trend, să se 250 248
determine ecuația dreptei de
246
245
trend și să se prognozeze 240
239 Valori vânzări
vânzările pentru săptămânile 11 240
și 12.
235
235
După calculul coeficienților a și săptămâni
230
b, ecuația dreptei de trend este 0 1 2 3 4 5 6 7 8 9 10 11 12
𝑌𝑌 = 232,2 + 3,07𝑋𝑋. Valorile
prognozate pentru săptămânile
11 și 12 sunt: 𝑌𝑌11 =
266 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝, respectiv, 𝑌𝑌12 =
269.07 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative Modele bazate pe trend
5.4.2.1 Prognoze bazate pe serii de timp • Metoda Holt sau Netezirea exponențială
pentru ajustarea trendului
În netezirea exponențială pentru ajustarea trendului (sau dubla netezire) se utilizează indicatorul
prognoza de netezire a trendului (TAFt+1) care este compus din două elemente:
• St, reprezintă prognoza netezită – reprezintă valoarea interceptată la momentul t.
• Tt, estimarea curentă a trendului – reprezintă valoarea pantei dreptei la momentul t.
Astfel,
𝑇𝑇𝑡𝑡
𝑆𝑆𝑡𝑡 =
= 𝑇𝑇𝑡𝑡−1 + 𝛽𝛽(𝑇𝑇𝑇𝑇𝑇𝑇𝑡𝑡
t At 𝑇𝑇𝑇𝑇𝑇𝑇𝑡𝑡 + 𝛼𝛼(𝐴𝐴𝑡𝑡 − 𝑇𝑇𝑇𝑇𝑇𝑇𝑡𝑡 )
𝑇𝑇𝑇𝑇𝑇𝑇𝑡𝑡+1 − 𝑇𝑇𝑇𝑇𝑇𝑇𝑡𝑡−1 − 𝑇𝑇𝑡𝑡−1 )
= 𝐹𝐹𝑡𝑡 = 𝑆𝑆𝑡𝑡 + 𝑇𝑇𝑡𝑡 0.1 0.1
1 235
2 239
3 240 2,5
4 246 242.5 242.8500 2.2500
5 250 245.1000 245.5900 2.2850
6 248 247.8750 247.8875 2.3340
7 251 250.2215 250.2994 2.3353
8 259 252.6346 253.2711 2.3430
9 260 255.6142 256.0528 2.4067
10 263 258.4594 258.9135 2.4505
11 261.3640
240 + 235
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = = 2,5
2
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative Modele bazate pe trend
5.4.2.1 Prognoze bazate pe serii de timp • Metoda Holt sau Netezirea exponențială
pentru ajustarea trendului
265
261.3640
260
258.4594
volum vânzări
255.6142
255
252.6346
250 250.2215
247.8750
245 245.1000
săptămâni
230
0 1 2 3 4 5 6 7 8 9 10 11 12
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp Tehnici pentru sezonalitate
Aceste tehnici sunt utilizate pentru variațiile sezoniere (sezonalitate) ale vânzărilor de produse. O
serie sezonieră de valori se poate repeta la fiecare N perioade pentru o anumită valoare a lui N
(care trebuie să fie de miminum 3). Atunci când se utilizează tehnicile sezoniere trebuie stabilit
foarte clar lungimea sezonului, cuvântul sezon nu se referă la o perioada de un an.
Exemplu 5.11.
Pentru sistemul de taxare auto din cadrul unei companii, se dorește determinarea indicilor
sezonieri pentru fiecare zi lucrătoare. Pentru această analiză vor fi luate în considerare doar
valorile (tabel 5.13) din zilele lucrătoare din ultimele 4 săptămâni.
Săptămâna 1 Săptămâna 2 Săptămâna 3 Săptămâna 4
Luni 170 173 148 161
Marți 175 190 159 128
Miercuri 178 195 160 148
Joi 180 196 183 168
Vineri 150 140 146 126
1. Va fi calculată media pentru toate valorile înregistrate. Aceasta are valoarea 163,7.
Săptămâna 1 Săptămâna 2 Săptămâna 3 Săptămâna 4
Luni 170 173 148 161
Marți 175 190 159 128
Miercuri 178 195 160 148
Joi 180 196 183 168
Vineri 150 140 146 126
170.6 178.8 159.2 146.2
Media tuturor
163.7
valorilor înregistrate
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp Tehnici pentru sezonalitate
2. Fiecare valoare înregistrată, va fi împărțită la valoarea mediei. Astfel vor fi obținute valorile
de mai jos. 1.0385 1.0568 0.9041 0.9835
1.0690 1.1607 0.9713 0.7819
Luni 0.9957
1.0874 1.1912 0.9774 0.9041
1.0996 1.1973 1.1179 1.0263 Marți 0.9957
0.9163 0.8552 0.8919 0.7697 Miercuri 1.0400
Joi 1.1103
3. Pentru fiecare sezon (zi) va fi determinat indicele Vineri 0.8583
sezonier calculând media celor patru săptămâni
Suma indicilor sezonieri trebuie să
analizate. Astfel, indicii sezonieri pentru cele 5 zile
fie 5 deoarece au fost analizate
lucrătoare ale săptămânii voi fi:
cinci sezoane (zile).
4. Previziunea numărului de mașini ce vor utiliza sistemul de taxare al UPB pentru următoarea
perioadă de timp poate fi calculat multiplicând indicii sezonieri (zilnici) cu media numărului de
mașini ce utilizează sistemul, în perioada analizată.
Zi Indice sezonier Medie Prognoză
Luni 0.9957 163
Marți 0.9957 163
Miercuri 1.0400 163,7 170.25
Joi 1.1103 181.75
Vineri 0.8583 140.5
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp Tehnici pentru sezonalitate
Determinarea indicilor sezonieri pentru serii de date cu trend se face în felul următor:
Indici Valoare Valoare prognozată utilizând
Exemplul 5.13. Perioada sezonieri prognozată, indicii de sezonalitate
trimestriali Ft trimestriali, Ft
Un producător de y=124+7.5t
t
cabluri pentru instalații 1 1.2
electrice auto dorește să 2 1.1
prognozeze cererea 3 0.75
trimestrială pentru 4 0.95
5 1.2
perioadele 15 și 16,
6 1.1
având la dispoziție 7 0.75
ecuația trendului 𝑦𝑦 = 8 0.95
124 + 7,5𝑡𝑡. Se cunosc 9 1.2
10 1.1
următorii indici
11 0.75
sezonieri prezenți în 12 0.95
tabelul 5.15. 13 1.2
14 1.1
15 0.75 236.5000 177.375
16 0.95 244.0000 231.8
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative Tehnici pentru sezonalitate
Determinarea indicilor sezonieri pentru media
5.4.2.1 Prognoze bazate pe serii de timp
mobilă centrată:
Valoare Media centrată Indici Indice estimativ
Perioada, t Media
înregistrată, At mobilă sezonieri pentru ziua de vineri
Exemplul 5.14. Marți 65
Pentru parcarea Miercuri 74
unui centru de Joi 80
afaceri se dorește Vineri 98 68.2857 1.4351
determinarea Sâmbătă 70 67.5714 1.0359
indicelui sezonier Duminică 25 67.4286 0.3708
pentru ziua de Luni 66 68.2857 68.1429 0.9686
vineri, cunoscând Marți 60 67.5714 68.2857 0.8787
volumul Miercuri 73 67.4286 69.7143 1.0471
mașinilor parcate Joi 85 68.1429 70.4286 1.2069
zilnic, tabel 5.17. Vineri 99 68.2857 70.4286 1.4057 1.3764
Sâmbătă 80 69.7143 71.0000 1.1268
Modul de calcul
Duminică 30 70.4286 71.4286 0.4200
al valorilor din
Luni 66 70.4286 71.7143 0.9203
tabelul 5.17 este
Marți 64 71.0000 69.4286 0.9218
prezentat în
Miercuri 76 71.4286 68.4286 1.1106
figura 5.15
Joi 87 71.7143 66.7143 1.3041
Vineri 83 69.4286 64.4286 1.2882
Sâmbătă 73 68.4286
Duminică 18 66.7143
Luni 50 64.4285
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
5.4.2.1 Prognoze bazate pe serii de timp
Ciclurile sunt similare variațiilor sezoniere, doar că perioadele de analiză sunt mai
lungi, între 2-6 ani, iar neregularitatea datelor le face foarte greu de abordat.
Astfel, se impune determinarea unei variabile care se află în legătură cu ceea ce se
dorește a fi prognozat.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
Modelele denumite prognoze cauzale sau asociative au la bază ipoteza că variabila pe care
dorim să o prognozăm este legată de o altă variabilă care are legătură cu mediul înconjurător.
Astfel se pune problema de a identifica relațiile dintre variabila care ne interesează și alte
variabile. Aceste relații pot fi foarte complexe și sunt materializate sub forma unor modele
matematice care sunt utilizate pentru prognoza viitoare a variabilei care interesează.
Unele dintre cele mai cunoscute modele de prognoză cauzală sunt modele de regresie care pot fi:
Exemplul 1.17
Volum vânzări, X, mil. euro Profit, Y. mil. euro
Un dealer de piese de schimb
[1] [2]
pentru autovehicule dorește să
7 0.15
realizeze o prognoză utilizând
2 0.1
analiza de regresie privind
6 0.13
profitul în funcție de volumul
4 0.15
vânzărilor pentru unul dintre
14 0.25
magazinele din lanțul
15 0.27
comercial pe care îl deține.
16 0.24
Ținta de profit este de 0,30
12 0.2
mil. euro. Se cunosc datele din
14 0.27
tabelul 5.20, care reprezintă
20 0.44
volumul vânzărilor și profitul,
15 0.34
în mil. de euro, pentru
7 0.17
douăsprezece magazine pe
care le deține. De asemenea,
să se analizeze dacă volumul
vânzărilor este un bun
predictor pentru profit.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
Regresia liniară
5.4.2.2 Prognoza cauzală (asociativă)
Rezolvare. Volum vânzări, X, mil.
Profit, Y. mil. euro XY
euro X2 Y2
În acest exemplu profitul [1] [2] [3] [4] [5]
este variabila dependentă,
7 0.15 1.05 49 0.0225
Y, iar volumul vânzărilor
2 0.1 0.2 4 0.01
este variabila
6 0.13 0.78 36 0.0169
independentă. Presupunem
4 0.15 0.6 16 0.0225
că între cele două variabile
14 0.25 3.5 196 0.0625
există o relație, astfel
15 0.27 4.05 225 0.0729
pentru a calcula ecuația de
16 0.24 3.84 256 0.0576
regresie liniară se va
12 0.2 2.4 144 0.04
calcula datele din
14 0.27 3.78 196 0.0729
coloanele 3, 4 si 5 din
20 0.44 8.8 400 0.1936
tabelul 5.21. De asemenea,
15 0.34 5.1 225 0.1156
în tabelul 5.21 sunt
7 0.17 1.19 49 0.0289
calculate mediile pentru Total 132 2.71 35.29 1796 0.7159
variabilele X și Y. Medie 7 0.17
𝑛𝑛 ∑ 𝑥𝑥𝑥𝑥 − ∑ 𝑥𝑥 ∑ 𝑦𝑦 12 ∗ 35 − 132 ∗ 2,71
𝑏𝑏 = 2 → 𝑏𝑏 = 2 = 0,01593
2
𝑛𝑛 ∑ 𝑥𝑥 − �∑𝑥𝑥 ) 12 ∗ 1,796 − 1,796
∑ 𝑦𝑦 − 𝑏𝑏 ∑ 𝑥𝑥 2,71 − 0,01593 ∗ 132
𝑎𝑎 = → 𝑎𝑎 = = 0,0506
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
Regresia liniară
5.4.2.2 Prognoza cauzală (asociativă)
În pasul trei va fi determinata ecuația de regresie: 𝑌𝑌 = 𝑎𝑎 + 𝑏𝑏𝑏𝑏
𝑌𝑌 = 0,0506 + 0,01593𝑋𝑋
Având ecuația de regresie, putem calcula orice valoare a lui Y pentru care se cunoaște X. Astfel,
pentru un alt magazin pentru care se dorește ca volumul vânzărilor să fie de 20 mil. euro, profitul
va fi:
𝑌𝑌 = 0,0506 + 0,01593 ∗ 18 = 0,3373 𝑚𝑚𝑚𝑚𝑚𝑚. 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
0.45
0.4
profit
0.35
0.25
0.1
0.05
volum vânzări
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
3.4.2 Metodele de prognoză cantitative
Regresia liniară
3.4.2.2 Prognoza cauzală (asociativă) Coeficientul de corelație
Când înregistrăm o regresie liniară, de foarte mare ajutor este determinarea coeficientului de
corelație care măsoară direcția și puterea relației dintre cele două variabile analizate, variabila
independentă și dependentă.
𝑛𝑛(∑ 𝑋𝑋𝑋𝑋) − (∑ 𝑋𝑋) � (∑𝑌𝑌)
𝑟𝑟 =
Coeficientul de corelație se notează cu r 𝑛𝑛 ∑ 𝑋𝑋 2 − �∑𝑋𝑋) �
2
𝑛𝑛 � ∑ 𝑌𝑌 2 − �∑𝑌𝑌)
2
și se calculează cu relația:
Astfel, valorile cuprinse în intervalul 𝑟𝑟 ∈ −1, +1 pot fi interpretate în felul următor:
• Pentru 𝑟𝑟 = + 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 , există o relație pozitiv liniară între cele două variabile. Pentru
fiecare creștere cu o unitate a variabilei independente avem de-a face cu o creștere cu o
unitate a variabilei dependente. Avem de-a face cu o corelație directă.
• Pentru 𝑟𝑟 = − 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 , există o relație negativ liniară între cele două variabile. Tocmai
datorită faptului că relația este negativă asta nu înseamnă că ele nu sunt în relație. Cele două
variabile au valori opuse. Astfel pentru fiecare creștere cu o unitate a variabilei
independente avem de-a face cu o descreștere cu o unitate a variabilei dependente. Avem
de-a face cu o corelație inversă.
• Pentru 𝑟𝑟 = 0, nu există relație liniară între cele două variabile.
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.4.2 Metodele de prognoză cantitative
Regresia liniară
5.4.2.2 Prognoza cauzală (asociativă)
De obicei valorile lui r, cele mai apropiate de -1 sau 1, determină cele mai bune relații între cele
două variabile.
Pătratul coeficientului de corelație 𝑟𝑟 2 , poate determina care este cea mai bună variabilă
independentă ce explică schimbările variabilei dependente. Statistic, s-a demonstrat că există
următoarele situații:
Pentru cazul analizat valorile sunt calculate mai jos. Astfel, 𝑟𝑟 = 0,9167, valoarea lui r este
apropiată de 1, ceea ce înseamnă că între cele două variabile există o relație liniară puternic
pozitivă. Valoarea pătratului lui r, 𝑟𝑟 2 = 0,84 ∈ 0,8 … 1 ceea ce înseamnă că valoarea
vânzărilor este un foarte bun predictor.
• Abaterea medie absolută, MAD, (Mean Absolute Deviation) reprezintă media erorilor
absolute și se determină cu relația:
∑ 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒ă − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ă
𝑀𝑀𝑀𝑀𝑀𝑀 =
𝑛𝑛
• Abaterea medie pătrată, MSE, (Mean Square Error) este media erorilor pătrate și se
determină cu relația:
∑ 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒ă − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝ă 2
𝑀𝑀𝑀𝑀𝑀𝑀 =
𝑛𝑛
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.5 Măsurarea preciziei prognozelor
5.5.1 Măsurarea preciziei previziunii
Exemplul 1.20.
Se cunosc următoarele date, tabel 5.24 privind volumul vânzărilor pentru o companie
producătoare de echipamente de protecție pentru companii petroliere. Se dorește determinarea
MAD și MSE pentru datele înregistrate.
│Eroarea│
Perioada Valori actuale Valori prognozate Eroarea Eroarea2
(valoare absolută)
[1] [2] [3] [4] [5] [6]
1 130 125 5 5 25
2 115 114 1 1 1
3 192 195 -3 3 9
4 184 190 -6 6 36
5 213 211 2 2 4
6 176 180 -4 4 16
7 274 274 0 0 0
8 212 216 -4 4 16
Total -9 25 107
MAD =3.125
MSE =13.375
25 107
𝑀𝑀𝑀𝑀𝑀𝑀 = = 3,125 𝑀𝑀𝑀𝑀𝑀𝑀 = = 13,375
8 8
CONSULTANTA PENTRU MANAGEMENT OPERATIONAL
5.5 Măsurarea preciziei prognozelor
5.5.1 Măsurarea preciziei previziunii
În cazul în care se dorește selectarea unei metode de prognoză pe baza MAD și MSE, vor
datele din următorul exemplu prezentate în tabelul 5.25:
Metoda A Metoda B
Vânzări
Săpt. valori Valori Valori
Eroarea │Eroarea│ Eroarea2 Eroarea │Eroarea│ Eroarea2
actuale prognozate prognozate
1 22 20 2 2 4 24 -2 2 4
2 20 19 1 1 1 20 0 0 0
3 15 16 -1 1 1 13 2 2 4
4 18 19 -1 1 1 16 2 2 4
5 30 28 2 2 4 26 4 4 16
Total 3 7 11 6 10 28
Atunci când există diferențe în valorile prognozate și valorile înregistrate (actuale) se pune
problema identificării cauzelor care determină variațiile aleatoare și care este limita în care
influențează prognoza. Limita prognozei reprezintă tendința pe care o are prognoza de a fi sub
sau deasupra valorilor înregistrate (actuale). Variațiile aleatoare nu pot fi controlate dar limitele
pot fi corectate.
Una dintre metodele prin care poate fi controlată limita este monitorizarea prognozei prin
semnal de urmărire.
Semnalul de urmărire, notat TS (tracking signal) se determină ca raport între suma algebrică a
erorilor de previziune și MAD.
• pachete statistice;
Pachete statistice sunt soft-uri complexe ce pot realiza analize statistice. Cele mai utilizate
pachete statistice sunt SPSS, SAS, NCSS și Minitab. Aceste pachete soft au capabilități de
prognoză dar și capacitate de analiză a datelor.
Acestea sunt soft-uri specializate pentru realizarea de prognoze însă nu pot oferi prea multe
date privind analiza statistică. Dintre cele mai utilizate menționez Masterat ForecastPro,
SIBYLRunner, Autobox. și SCA.