الانتقال من المتوسط التنبؤ تقنيات دو - ث - التالية

التنبؤات مواصلة القراءة. وتواجه جميع الأعمال التجارية المشكلة العامة المتمثلة في الاضطرار إلى اتخاذ قرارات في ظل ظروف من عدم اليقين. يجب على الإدارة أن تفهم طبيعة الطلب والمنافسة من أجل وضع خطط عمل واقعية، وتحديد رؤية استراتيجية للمنظمة، وتحديد احتياجات التكنولوجيا والبنية التحتية. ولمعالجة هذه التحديات، يستخدم التنبؤ. وفقا لماكريداكيس (1989)، يمكن وصف التنبؤ بالأحداث المستقبلية على أنها البحث عن أجوبة على سؤال واحد أو أكثر من الأسئلة التالية: X ما هي القوى الاقتصادية أو التقنية أو الاجتماعية الجديدة التي من المرجح أن تواجهها المنظمة على المدى القريب والطويل X متى يمكن لهذه القوى أن تؤثر على البيئة الموضوعية للشركة X من المرجح أن يكون أول من يتكيف مع كل تحد تنافسي X كم من التغيير يجب أن تتوقعه الشركة على المدى القصير والطويل على المدى الطويل في هذه الورقة سوف أقدم لمحة عامة عن وطرق التنبؤ ومقارنة هذه الطرق المختلفة. وستركز الورقة بعد ذلك على كيفية استخدام شركة ماتيل، وهي واحدة من أكبر مصنعي ألعاب الدول، للتنبؤ بالطلب في ظل ظروف من عدم اليقين، وعلى وجه التحديد تلك المتعلقة بالنمط والمعدل الذي يطلب فيه العملاء المنتجات. ما هو التنبؤ في إدارة العمليات، يتم تعريف التنبؤ بالطلب على أنه عملية الأعمال التي تحاول تقدير المبيعات واستخدام المنتجات بحيث يمكن شراؤها أو تخزينها أو تصنيعها بكميات مناسبة مقدما لدعم أنشطة القيمة المضافة للشركة. روس، 1995). والتنبؤ هو عملية تحول البيانات التاريخية للسلاسل الزمنية والتقييمات النوعية إلى بيانات عن الأحداث المستقبلية. ويمكن لهذه العملية أن تنتج إسقاطات نوعية أو ذاتية. لاحظ أن أي عملية التنبؤ يمكن أن توفر باستمرار توقعات مثالية. ومن شأن أي توقعات تشير إلى أحداث لاحقة أن تثير قلقا، إذ قد يكون ذلك دليلا على وجود مخالفات مثل طهي الكتب أو الإبلاغ عن بيانات الأداء التي تبين التوافق مع الخطط مقابل الأحداث الفعلية (ماكريداكيس، 1989). طرق التنبؤ هناك أربعة أنواع أساسية من أساليب التنبؤ: النوعي، تحليل السلاسل الزمنية، العلاقات السببية، والمحاكاة. التقنيات النوعية التقنيات النوعية هي ذاتية أو حكمية وتستند إلى التقديرات والآراء (تشيس، 2005). وتعكس هذه التوقعات أحكاما أو آراء الشعوب، وتقترح شروطا محتملة، مثل رأي الناس بشأن ما إذا كانت ستمطر اليوم. وتفضل هذه التوقعات عندما يكون هناك رغبة في إشراك الأفراد داخل المنظمة مع عملية تجارية رئيسية. وثمة احتمال محتمل لهذه التقنية هو أن بعض الأفراد يرتكزون أحكامهم على الأحداث المستقبلية على البيانات التاريخية، والتي قد لا توفر أنماط الطلب ذات الصلة التي هي مستقرة بما فيه الكفاية لتبرير استخدامها للتنبؤ بالأحداث المستقبلية. كيفية الاستشهاد بهذه الصفحة ملا الاقتباس: طرق التنبؤ. 123HelpMe. 25 فبراير 2017 lt123HelpMeview. aspid165095gt. بالإضافة إلى ذلك، قد تكون أنماط الطلب الناشئة غير مستقرة إلى حد كبير لنهج رقمي. وبالتالي، ينبغي أن تكون المعرفة الحميمة في السوق مصدر البيانات المفضل. وهناك العديد من النهج النوعية للمطالبة بالتنبؤ، وفيما يلي بعض النهج األكثر شيوعا: X يسعى التنبؤ بالنباتات العشبية إلى الحصول على مساهمات من األفراد على مستوى المنظمة التي تمنحهم أفضل اتصال مع الحدث قيد الدراسة) تشيس، 2005 (. وقد تتكون هذه التقنية من إجراء دراسة تسويقية لممثلي المبيعات لقراءاتهم في ظروف السوق الحالية. الخطأ المحتمل مع هذه الأداة هو أنها تخضع لوجهات نظر قصيرة الأجل من المصادر. وقد يتأثر مصدر البيانات بصورة غير مبررة بالأحداث الأخيرة. علی سبیل المثال، قد یوفر شخص المبیعات الذي کان یوم جید تفاؤلا مفرطا في التفاؤل للمستقبل الذي لا یمثل ظروف السوق بشکل کامل. X القياس التاريخي: التنبؤ استنادا إلى القياس التاريخي يستكشف إمكانية أن الأحداث الماضية يمكن أن توفر نظرة ثاقبة للتنبؤ الأحداث ذات الصلة في المستقبل. وهذه الطريقة تربط ما هو متوقع حاليا ببند مماثل (تشيس، 2005). على سبيل المثال، وذلك باستخدام نمط المبيعات من أجهزة التلفزيون الأسود والأبيض للتنبؤ مبيعات التلفزيون الملون. ويتابع الاقتصاديون على هذا النوع من نماذج التنبؤات للتنبؤ بدورات الأعمال والتطورات ذات الصلة. وقد تكون هذه الطريقة غير دقيقة إذا لم تعد القوات التي قادت أحداثا سابقة موجودة. X التنبؤ بأبحاث السوق: تقوم طريقة التنبؤ هذه بجمع البيانات بطرق متنوعة مثل الدراسات الاستقصائية والمقابلات ومجموعات التركيز لتقييم أنماط الشراء ومواقف المشترين الحاليين والمحتملين للسلعة أو الخدمة. مصممي السلع والخدمات يستخدمون هذه الطريقة لفهم عملائهم الحاليين والمشترين الذين يرغبون في خدمتهم. X طريقة دلفي: تقوم طريقة دلفي بتجميع التنبؤات من خلال استجابات متتابعة مستقلة من قبل مجموعة من الخبراء لسلسلة من الاستبيانات. يقوم المرصد بتجميع وتحليل مدخلات المستجيبين وتطوير استبيان جديد لنفس المجموعة من الخبراء. ويعمل هذا التسلسل نحو توافق في الآراء يعكس مساهمة جميع الخبراء مع منع أي فرد من السيطرة على العملية (تشيس، 2005). التقنيات الكمية تقوم تقنيات التنبؤ الكمي بتحويل المدخلات في شكل بيانات رقمية إلى تنبؤات باستخدام أساليب في واحدة من ثلاث فئات. وتفترض كل فئة من طرائق التنبؤ الكمي أن األحداث السابقة توفر أساسا ممتازا لتعزيز فهم النتائج المستقبلية المحتملة. X تحليل السلاسل الزمنية: يستند تحليل السلاسل الزمنية على فرضية أن البيانات المتعلقة بالطلب السابق أو الأداء يمكن استخدامها للتنبؤ بالطلب في المستقبل. ومن أمثلة هذه الطريقة: أ. متوسط ​​متحرك بسيط، حيث فترة زمنية تحتوي على عدد من نقاط البيانات إذا كان متوسطها بقسمة مجموع قيم النقاط بعدد النقاط. ب. تحليل الانحدار، حيث متوسط ​​العلاقة بين المتغير التابع والمبيعات على سبيل المثال، واحد أو أكثر من المتغيرات التابعة، السعر أو الإعلان على سبيل المثال، يتم تقديرها من خلال تركيب خط مستقيم على البيانات السابقة لربط قيمة البيانات إلى الوقت. ج. إسقاطات الاتجاه، وهي تقنية التنبؤ التي تعتمد أساسا على البيانات التسلسل الزمني التاريخي للتنبؤ بالمستقبل. هذا الأسلوب ينطوي على تركيب خط الاتجاه الرياضي لنقاط البيانات ومن ثم إبرازه في المستقبل. X الدراسات السببية: الدراسات السببية تبحث عن العلاقات السببية بين المتغيرات الرائدة والمتغيرات المتوقعة. هذا الأسلوب يحاول فهم النظام الكامن والمحيطة البند يجري التنبؤ مثل تأثير الإعلانات والجودة والمنافسة على المبيعات (تشيس، 2005). X النماذج الرياضية أو المحاكاة: نماذج المحاكاة هي نماذج ما إذا كانت تحاول محاكاة تأثيرات سياسات الإدارة البديلة والافتراضات المتعلقة بالبيئة الخارجية للشركات. وهم يحاولون تمثيل السلوك السابق في علاقة رياضية صحيحة ومن ثم تغيير تلك البيانات من أجل توقع الأحداث المستقبلية. معظم النماذج المالية هي نماذج المحاكاة. هذه النماذج فعالة في تنفيذ مجموعة متنوعة من التحليلات ما إذا كان يساعد الإدارة في تحديد أفضل مسار للعمل للشركة. وقد أتاحت التطورات التكنولوجية في الحواسيب المزيد والمزيد من الشركات لبناء واستخدام نماذج التخطيط وجهود صنع القرار (تشيس، 2005). ماتيل والطلب التنبؤ مع موسم العطلات علينا، العديد من الأطفال ينتظرون بفارغ الصبر ظهور هذه المواسم لعبة جديدة ساخنة تحت شجرة عيد الميلاد. في كل عام، يجب على صناع لعبة مثل ماتيل اتخاذ مجموعة من القرارات الهامة التي من شأنها أن تحدد مسار الأداء الاقتصادي لشركاتهم. قبل عدة أشهر من وصول موسم عيد الميلاد، يجب على ماتيل أن تقرر أي الألعاب من المرجح أن تكون ساخنة والتي سوف تكون الكلاب. يجب أن توازن بعناية إمداداتها من هذه اللعب الساخنة مع الطلب على السلع الاستهلاكية أو أنها سوف تواجه العملاء غير راضين أو أسوأ من ذلك، عالقة مع البضائع بطيئة الحركة. هذه ليست مهمة سهلة نظرا لمدد التصنيع والتوزيع طويلة من صناعة تصنيع لعبة. ولتلبية الطلب على السلع الاستهلاكية لموسم العطلات الحالي، يجب على مصنعي الألعاب زيادة الإنتاج بحلول منتصف العام لضمان حصولهم على عدد كاف من الألعاب الأكثر مبيعا وعدد قليل من المحركات البطيئة (بيريرا، 2005). وهناك فجوة كبيرة في هذه المعادلة التي يقدمها حقيقة أن العديد من البالغين حقا لا يفهمون ما سوف يرغب الأطفال بحلول الوقت الذي يصل عيد الميلاد. يتحدث من تجربة شخصية، أطفالي يريدون كل لعبة يرون المعلن عنها على شاشة التلفزيون بين سبتمبر وعيد الميلاد لتظهر تحت شجرة بهم. لسوء الحظ، ما قيمة البالغين لا علاقة لها بما يطلبه الأطفال. في حين قد يشعر الكبار أن كرة مضيئة تتحدث أيضا كنت لعبة تعليمية باردة جدا، والأطفال يميلون إلى الهزيل نحو الدغدغة إلمو. لسد هذه الفجوة، تستخدم شركة ماتيل أبحاث السوق للتنبؤ بأي لعبة ستكون فائزة. في كل عام، تقدم ماتيل منتجاتها الجديدة للتقييم من قبل المستهلكين النهائيين V الأطفال. باستخدام عملية مرحلتين، يتم تقييم اللعب لجذبهم إلى السوق المستهدفة. وتشمل المرحلة الأولى من العملية اختيار مزيج معين من 100 طفل من مراكز رعاية الأطفال لتقييم الألعاب الجديدة. وينقسم الأطفال إلى مجموعات التركيز مع تمثيل متساو من أولئك الذين يحبون شخصيات العمل، ألعاب الطاولة، لعب البناء، الدمى، والفنون والحرف اليدوية. (بيريرا، 1997). في حزيران / يونيو، يتم استطلاع الأطفال وطلبوا تقييم أفضل ثلاثة خيارات من بين اللعب المعروضة في كل فئة. بحلول نهاية يونيو، مجموعات التركيز تقليل اللعب المقترحة 380 إلى مجموعة من 63 النهائية الخامس المراكز الثلاثة الاولى في كل من الفئات 21. في المرحلة الثانية، يتم شحن ألعاب اللعب النهائية إلى مراكز كيندر كير للتعلم في جميع أنحاء البلاد حيث يلاحظ المعلمون المدربون تدريبا خاصا اللعب الذي يفضله الأطفال ويرسلون أصواتا سرية يحتلون تصنيفهم المفضل (بيريرا، 1997). أنا أعرف من العمر ثلاث سنوات و 5 سنوات من العمر الذين يحبون أن يكونوا جزءا من هذه المجموعة التركيز الاستنتاج ومن الواضح أن التنبؤ الطلب هو جزء الفن وعلوم الفن. وهي تبدأ بفهم احتياجات صنع القرار في المنظمة، وتشرع في دراسة البيانات لتحديد أفضل طريقة للتنبؤ يمكن تطويرها لتلبية احتياجات أعمال المنظمات. كل قطعة من التحليل يخلق معلومات جديدة، إضافة الثراء وعمق لعملية الفكر التجارية الشاملة. المراجع تشيس، R. إت آل. (2005). إدارة العمليات للميزة التنافسية، الطبعة ال 11. شركات ماكجرو هيل: نيويورك. ماكريداكيس، S. إت آل. (1998). طرق التنبؤ والتطبيقات، الطبعة الخامسة. جون وايلي أولاده: نيويورك. بيريرا، J. (1997). لهؤلاء الشباب، في محاولة من اللعب بالكاد أطفال اللعب. وول ستريت جورنال، 121797. روس، د. (1995). تخطيط التوزيع والتحكم فيه. تشابمان هول: نيو York. FORECASTING الموسمية عامل - النسبة المئوية من متوسط ​​الطلب ربع السنوي الذي يحدث في كل ربع سنة. ومن المتوقع أن تبلغ التوقعات السنوية للسنة الرابعة 400 وحدة. متوسط ​​التوقعات لكل ربع سنة هو 4004 100 وحدة. توقعات ربع سنوية أفغ. توقع عامل موسمي. طرق التنبؤ المسببة تعتمد طرق التنبؤ السببية على علاقة معروفة أو متصورة بين العامل المطلوب التنبؤ به والعوامل الخارجية أو الداخلية الأخرى 1. الانحدار: ترتبط المعادلة الرياضية لمتغير تابع لمتغير مستقل واحد أو أكثر يعتقد أنه يؤثر على المتغير التابع 2 - نماذج الاقتصاد القياسي: نظام معادلات الانحدار المترابطة التي تصف بعض قطاعات النشاط الاقتصادي 3 - نماذج المدخلات والمخرجات: تصف التدفقات من قطاع من قطاعات الاقتصاد إلى أخرى، وتتوقع بالتالي المدخلات اللازمة لإنتاج مخرجات في قطاع آخر 4. نمذجة المحاكاة قياس أخطاء الخطأ هناك نوعان من جوانب أخطاء التنبؤ التي يجب أن تكون قلقة بشأن التحيز والتحيز الدقة - إن التوقعات متحيزة إذا كانت أكثر في اتجاه واحد أكثر من غيرها - الطريقة تميل إلى تنبؤات أقل أو توقعات مفرطة. الدقة - تشير دقة التنبؤ إلى مسافة التنبؤات من الطلب الفعلي تتجاهل اتجاه ذلك الخطأ. على سبيل المثال: بالنسبة لتوقعات الفترات الست والطلب الفعلي تم تعقب الجدول التالي يعطي الطلب الفعلي D t والطلب المتوقع F t لمدة ست فترات: المجموع التراكمي لأخطاء التنبؤ (كف) -20 الانحراف المطلق المتوسط ​​170 6 28.33 متوسط ​​التربيع (مس) 5150 6 858.33 الانحراف المعياري لأخطاء التنبؤ 5150 6 29.30 متوسط ​​الخطأ المطلق في النسبة المئوية (ماب) 83.4 6 13.9 ما هي المعلومات التي يعطيها كل من التنبؤات ميلا إلى الإفراط في تقدير متوسط ​​الخطأ في الطلب لكل توقع 28.33 وحدة أو 13.9 والتوزيع الفعلي أخذ العينات الطلب من أخطاء التنبؤ لديه الانحراف المعياري من 29.3 وحدة. معايير اختيار طريقة التنبؤ الأهداف: 1. تعظيم الدقة و 2. تقليل القواعد المحتملة التحيز لاختيار طريقة التنبؤ السلاسل الزمنية. حدد الطريقة التي تعطي أصغر تحيز، مقاسة بخطأ التنبؤ التراكمي (كف) أو تعطي أصغر متوسط ​​انحراف مطلق (ماد) أو تعطي أصغر إشارة تتبع أو تدعم معتقدات الإدارة حول النمط الأساسي للطلب أو غيرها. ويبدو واضحا أنه ينبغي استخدام قدر من الدقة والتحيز معا. كيف ماذا عن عدد الفترات التي يجب أخذ عينات منها إذا كان الطلب مستقر بطبيعته وقيم منخفضة وقيم أعلى من N مقترحة إذا كان الطلب غير مستقر بطبيعته وقيم عالية وقيم أقل من N واقترح التركيز فوكوس التنبؤ كوتفوكوس يشير إلى وهو نهج للتنبؤ بتطوير التنبؤات من تقنيات مختلفة، ثم يختار التوقعات التي تم إنتاجها من قبل كوبيستكوت من هذه التقنيات، حيث يتم تحديد كوبيستكوت من قبل بعض قياس الخطأ التنبؤ. التركيز على التوقعات: مثال بالنسبة للأشهر الستة الأولى من العام، كان الطلب على بند التجزئة 15 و 14 و 15 و 17 و 19 و 18 وحدة. ويستخدم بائع التجزئة نظاما للتنبؤ بالتركيز يستند إلى أسلوبين للتنبؤ هما: المتوسط ​​المتحرك لفترة زمنية واحدة، ونموذج تمهيد أسي معدل بقياس 0.1 و 0.1. مع النموذج الأسي، كانت التوقعات لشهر يناير 15 وكان متوسط ​​الاتجاه في نهاية ديسمبر 1. يستخدم بائع التجزئة المتوسط ​​الانحراف المطلق (ماد) خلال الأشهر الثلاثة الماضية كمعيار لاختيار النموذج الذي سيتم استخدامه للتنبؤ للشهر المقبل. ا. ما هي التوقعات لشهر يوليو والذي سيتم استخدام النموذج ب. هل ستجيب على الجزء أ. تكون مختلفة إذا كان الطلب على مايو كان 14 بدلا من 19FORECASTING التنبؤ ينطوي على توليد عدد أو مجموعة من الأرقام أو السيناريو الذي يتوافق مع حدوث في المستقبل. ومن الضروري للغاية التخطيط القصير المدى والطويل المدى. وبحسب التعريف، تستند التوقعات إلى البيانات السابقة، بدلا من التنبؤ، الذي هو أكثر موضوعية ويستند إلى غريزة، ويشعر الأمعاء، أو تخمين. على سبيل المثال، فإن الأخبار المسائية يعطي الطقس x0022forecastx0022 لا الطقس x0022prediction. x0022 بغض النظر، وغالبا ما تستخدم المصطلحات التنبؤ والتنبؤ بين بالتغيير. على سبيل المثال، تعاريف تقنية regressionx2014a التي تستخدم أحيانا في التنبؤ x2014 عموما تشير إلى أن الغرض منه هو شرح أو x0022predict. x0022 ويستند التنبؤ على عدد من الافتراضات: الماضي سوف يكرر نفسه. وبعبارة أخرى، فإن ما حدث في الماضي سيحدث مرة أخرى في المستقبل. ومع تقصير أفق التوقعات، تزداد دقة التنبؤات. على سبيل المثال، فإن توقعات الغد ستكون أكثر دقة من توقعات الشهر المقبل ستكون التوقعات للشهر المقبل أكثر دقة من التوقعات للعام المقبل، وسوف تكون التوقعات للعام المقبل أكثر دقة من التوقعات لمدة عشر سنوات في مستقبل. والتنبؤ في المجموع هو أكثر دقة من التنبؤ بالعناصر الفردية. وهذا يعني أن الشركة سوف تكون قادرة على التنبؤ إجمالي الطلب على كامل مجموعة من المنتجات بشكل أكثر دقة من أنها سوف تكون قادرة على التنبؤ وحدات حفظ المخزون الفردية (سكو). على سبيل المثال، يمكن لشركة جنرال موتورز توقع أكثر دقة العدد الإجمالي للسيارات المطلوبة للعام المقبل من العدد الإجمالي لشفروليه إمبالاس البيضاء مع مجموعة خيارات معينة. التنبؤات نادرا ما تكون دقيقة. وعلاوة على ذلك، فإن التنبؤات لا تكاد تكون دقيقة تماما. في حين أن بعض قريبة جدا، وقلة من x0022right على money. x0022 لذلك، فمن الحكمة لتقديم توقعات x0022range. x0022 إذا كان واحد لتوقع الطلب من 100،000 وحدة للشهر المقبل، فمن غير المرجح للغاية أن الطلب سوف يساوي 100،000 بالضبط. ومع ذلك، فإن التوقعات التي تتراوح بين 000 90 و 000 110 سوف توفر هدفا أكبر بكثير للتخطيط. ويليام ج. ستيفنسون يسرد عددا من الخصائص المشتركة بين توقعات جيدة: يجب تحديد درجة دقة Accuratex2014 بعض وتسجيلها بحيث يمكن إجراء مقارنة للتنبؤات البديلة. موثوقx2014 يجب أن توفر طريقة التنبؤ باستمرار توقعات جيدة إذا كان المستخدم هو إنشاء درجة معينة من الثقة. وفي الوقت المناسب، هناك حاجة إلى قدر معين من الوقت للرد على التوقعات، لذا يجب أن يسمح أفق التنبؤ بالوقت اللازم لإجراء التغييرات. سهلة الاستخدام و understandx2014users من توقعات يجب أن تكون واثقة ومريحة العمل معها. وينبغي أن ال تزيد تكلفة وضع التوقعات عن التكلفة التي تحققت من التوقعات. وتتراوح تقنيات التنبؤ من بسيطة إلى معقدة للغاية. وعادة ما تصنف هذه التقنيات على أنها نوعية أو كمية. التقنيات النوعية تعتبر تقنيات التنبؤ النوعي أكثر عمومية من نظيراتها الكمية. التقنيات النوعية هي أكثر فائدة في المراحل الأولى من دورة حياة المنتج، عندما تكون البيانات السابقة أقل لاستخدامها في الأساليب الكمية. وتشمل الأساليب النوعية تقنية دلفي، تقنية المجموعة الاسمية (نغت)، آراء قوة المبيعات، الآراء التنفيذية، وأبحاث السوق. تقنية دلفي. تستخدم تقنية دلفي فريق من الخبراء لإنتاج توقعات. ويطلب من كل خبير تقديم توقعات محددة للحاجة في متناول اليد. وبعد إجراء التوقعات الأولية، يقرأ كل خبير ما كتبه كل خبير آخر، وهو بالطبع متأثر بآرائه. ثم يقوم كل خبير بتنبؤ لاحق. ثم يقرأ كل خبير مرة أخرى ما كتبه كل خبير آخر ويتأثر مرة أخرى بتصورات الآخرين. وتكرر هذه العملية نفسها إلى أن يقترب كل خبير من الاتفاق بشأن السيناريو أو الأرقام المطلوبة. تقنية مجموعة الاسمية. تقنية المجموعة الاسمية تشبه تقنية دلفي في أنها تستخدم مجموعة من المشاركين، وعادة الخبراء. وبعد أن يستجيب المشاركون للأسئلة المتعلقة بالتنبؤات، يصنفون ردودهم حسب الأهمية النسبية المتصورة. ثم يتم تجميع التصنيف وتجميعها. وفي نهاية المطاف، ينبغي أن تتوصل المجموعة إلى توافق في الآراء بشأن أولويات القضايا المصنفة. قوة المبيعات آيات. وغالبا ما يكون موظفو المبيعات مصدرا جيدا للمعلومات المتعلقة بالطلب في المستقبل. قد يطلب مدير المبيعات الحصول على مدخلات من كل شخص مبيعات وتجميع ردودهم في توقعات مركب قوة المبيعات. يجب توخي الحذر عند استخدام هذه التقنية لأن أعضاء قوة المبيعات قد لا تكون قادرة على التمييز بين ما يقوله العملاء وما يفعلونه فعلا. أيضا، إذا تم استخدام التوقعات لإنشاء حصص المبيعات، قد يميل قوة المبيعات لتقديم تقديرات أقل. الآراء التنفيذية. وفي بعض الأحيان، يلتقي المديرون في المستويات العليا ويطورون التوقعات استنادا إلى معرفتهم بمجالات مسؤوليتهم. ويشار إليها أحيانا باسم هيئة محلفين للرأي التنفيذي. البحث عن المتجر. وفي أبحاث السوق، تستخدم استقصاءات المستهلكين لتحديد الطلب المحتمل. وعادة ما ينطوي هذا البحث التسويقي على إنشاء استبيان يلتمس المعلومات الشخصية والديموغرافية والاقتصادية والتسويقية. وفي بعض األحيان، يقوم باحثو السوق بجمع هذه المعلومات شخصيا في منافذ البيع بالتجزئة ومراكز التسوق حيث يمكن للمستهلك أن يعاني من منتج معين، ويشعر، ورائحة، و sex2014a. يجب على الباحث أن يكون حذرا من أن عينة الأشخاص الذين شملهم الاستطلاع تمثل هدف المستهلك المطلوب. التقنيات الكمية تعتبر تقنيات التنبؤ الكمي أكثر موضوعية من نظيراتها النوعية. ويمكن أن تكون التنبؤات الكمية تنبؤات بالسلاسل الزمنية (أي توقعات الماضي في المستقبل) أو التنبؤات القائمة على النماذج التعاونية (أي استنادا إلى متغير واحد أو أكثر من المتغيرات التفسيرية). قد تحتوي بيانات السلاسل الزمنية على السلوكيات الأساسية التي تحتاج إلى تحديدها من قبل المتنبأ. وبالإضافة إلى ذلك، قد تحتاج التوقعات لتحديد أسباب السلوك. قد تكون بعض هذه السلوكيات أنماط أو اختلافات عشوائية ببساطة. ومن بين الأنماط: الاتجاهات، وهي حركات طويلة الأجل (صعودا أو هبوطا) في البيانات. موسمية، والتي تنتج الاختلافات على المدى القصير التي ترتبط عادة إلى الوقت من السنة والشهر، أو حتى يوم معين، كما تشهد مبيعات التجزئة في عيد الميلاد أو ارتفاع طفيف في النشاط المصرفي في الأول من الشهر والجمعة. والدورات، وهي الاختلافات الموجية التي تستمر لأكثر من سنة والتي ترتبط عادة بالظروف الاقتصادية أو السياسية. الاختلافات غير النظامية التي لا تعكس السلوك النموذجي، مثل فترة من الطقس المتطرف أو اضراب الاتحاد. الاختلافات العشوائية، والتي تشمل جميع السلوكيات غير النمطية التي لا تمثلها التصنيفات الأخرى. من بين نماذج السلاسل الزمنية، أبسط هو توقعات ناكسيفف. وتستخدم توقعات ناكسيف ببساطة الطلب الفعلي خلال الفترة الماضية كطلب متوقع للفترة المقبلة. وهذا، بطبيعة الحال، يجعل الافتراض بأن الماضي سوف يكرر. كما يفترض أن أي اتجاهات، موسمية، أو دورات إما تنعكس في طلب الفترة السابقة 0027ss أو غير موجودة. ويرد في الجدول 1 مثال لتنبؤ ناكسيف. الجدول 1 التنبؤ ناكسيفف أسلوب آخر بسيط هو استخدام المتوسط. ولتحقيق توقعات باستخدام المتوسط، يأخذ المرء ببساطة متوسط ​​عدد من فترات البيانات السابقة عن طريق تجميع كل فترة وتقسيم النتيجة حسب عدد الفترات. وقد وجد أن هذه التقنية فعالة جدا للتنبؤ قصير المدى. وتشمل التغيرات في المتوسط ​​المتوسط ​​المتحرك، والمتوسط ​​المرجح، والمتوسط ​​المتحرك المرجح. ويتحرك المتوسط ​​المتحرك لعدد محدد سلفا من الفترات، ويقيس الطلب الفعلي، ويقسم حسب عدد الفترات للوصول إلى التوقعات. لكل فترة لاحقة، أقدم فترة من البيانات تنخفض وتضاف أحدث فترة. وبافتراض متوسط ​​متحرك لمدة ثلاثة أشهر واستخدام البيانات الواردة في الجدول 1، سيضيف المرء ببساطة 45 (كانون الثاني) و 60 (فبراير) و 72 (مارس) ويقسم بثلاثة مستويات للوصول إلى توقعات لشهر أبريل: 45 60 72 177 x00F7 3 59 للوصول إلى توقعات لشھر مایو، من المتوقع أن یقل الطلب من المعادلة ویضاف الطلب من شھر أبریل. ويقدم الجدول 2 مثالا لتوقعات المتوسط ​​المتحرك لمدة ثلاثة أشهر. الجدول 2 المتوسط ​​المتحرك المتوقع لثلاثة أشهر الطلب الفعلي (000x0027s) يسري المتوسط ​​المرجح على وزن محدد سلفا لكل شهر من البيانات السابقة، ويجمع البيانات السابقة من كل فترة، ويقسم حسب إجمالي الأوزان. وإذا قام المرصد بتعديل الأوزان بحيث يساوي مجموعها 1، فإن الأوزان تضرب بالطلب الفعلي لكل فترة منطبقة. ثم يتم جمع النتائج لتحقيق توقعات مرجحة. بشكل عام، كلما كانت البيانات أكثر حداثة كلما زاد الوزن، وكبار السن كانت البيانات أصغر. باستخدام مثال الطلب، المتوسط ​​المرجح باستخدام أوزان .4. (2) و (1). ومن شأن التنبؤين أن يستخدموا معا متوسط ​​المتوسط ​​المرجح وتوقعات المتوسط ​​المتحرك . ويعين متوسط ​​المتوسط ​​المتحرك المرجح الأوزان لعدد محدد سلفا من فترات البيانات الفعلية ويحسب التنبؤ بالطريقة نفسها المبينة أعلاه. كما هو الحال مع جميع التوقعات المتحركة، وكلما أضيفت فترة جديدة، يتم تجاهل البيانات من أقدم فترة. ويوضح الجدول 3 توقعات المتوسط ​​المتحرك المرجح لمدة ثلاثة أشهر باستخدام الأوزان. 3، و .2. الجدول 3 3x2013 الشهر الترجيح المتوسط ​​المتوسط ​​التنبؤ الفعلي الطلب (000x0027s) شكل أكثر تعقيدا من المتوسط ​​المتحرك المرجح هو التماسك الأسي، لذلك سميت لأن الوزن ينخفض ​​أضعافا مضاعفة مع أعمار البيانات. إن التجانس الأسي يأخذ التنبؤات السابقة x0027s ويضبطها بواسطة ثابت تمهيد محدد مسبقا، x03AC (يسمى ألفا قيمة ألفا أقل من واحد) مضروبا في الفرق في التوقعات السابقة والطلب الذي حدث فعلا خلال الفترة المتوقعة سابقا (تسمى خطأ التنبؤ). ويعبر عن التجانس الأسي على النحو التالي: توقعات جديدة ألفا التنبؤ السابق (الطلب الفعلي x2212 التوقعات السابقة) فف x03AC (A 2222 F) التماسك الأسي يتطلب المتنبأ لبدء التنبؤ في الفترة الماضية والعمل إلى الأمام إلى الفترة التي تيار هناك حاجة إلى التنبؤ. ومن الضروري أيضا وجود قدر كبير من البيانات السابقة وتوقعات أولية أو أولية. ويمكن أن تكون التوقعات الأولية توقعات فعلية من فترة سابقة، أو الطلب الفعلي من فترة سابقة، أو يمكن تقديرها عن طريق حساب متوسط ​​أو جزء من البيانات السابقة. وتوجد بعض الاستدلاليات لحساب توقعات أولية. على سبيل المثال، فإن N N 2 (XF7 x03AC) x2212 1 و ألفا من 0.5 سيؤدي إلى N من 3، مما يشير إلى أن المستخدم متوسط ​​الفترات الثلاث الأولى من البيانات للحصول على توقعات أولية. ومع ذلك، فإن دقة التوقعات الأولية ليست حاسمة إذا كان أحد يستخدم كميات كبيرة من البيانات، حيث تمهيد الأسي هو x0022self - recting. x0022 ونظرا لفترات كافية من البيانات الماضية، والتجانس الأسي في نهاية المطاف إجراء تصحيحات كافية للتعويض عن أولية غير دقيقة إلى حد معقول توقعات. وباستخدام البيانات المستخدمة في أمثلة أخرى، يتم حساب توقعات أولية قدرها 50، و ألفا من .7، توقعات لشهر فبراير على هذا النحو: توقعات جديدة (فبراير) 50 .7 (45 x2212 50) 41.5 بعد ذلك، : توقعات جديدة (مارس) 41.5 .7 (60 x2212 41.5) 54.45 تستمر هذه العملية حتى يصل المتنبأ إلى الفترة المطلوبة. وفي الجدول 4، سيكون ذلك لشهر حزيران / يونيه، حيث أن الطلب الفعلي على حزيران / يونيه غير معروف. الطلب الفعلي (000x0027s) يمكن استخدام تمديد التمدد الأسي عندما تظهر بيانات السلاسل الزمنية اتجاها خطييا. ويعرف هذا الأسلوب من قبل العديد من الأسماء: ضعف تجانس تعديل تعديل الأسي التنبؤات بما في ذلك الاتجاه (فيت) و Holtx0027s نموذج. وبدون تعديل، فإن نتائج التمهيد الأسي البسيطة سوف تتخلف عن الاتجاه، أي أن التوقعات ستكون دائما منخفضة إذا كان الاتجاه آخذ في الازدياد، أو ارتفاع إذا كان الاتجاه آخذ في التناقص. مع هذا النموذج هناك اثنين من الثوابت تمهيد، x03AC و x03B2 مع x03B2 يمثل عنصر الاتجاه. تمديد نموذج Holtx0027s، ودعا هولت-Winterx0027s الأسلوب، يأخذ في الاعتبار كل من الاتجاه والموسمية. هناك نسختين، المضاعفة والإضافات، مع المضاعفة كونها الأكثر استخداما. في النموذج المضاف، يتم التعبير عن الموسمية ككمية يمكن إضافتها إلى أو طرحها من متوسط ​​السلسلة. ويعكس النموذج المضاعف الموسمية كنسبة مئوية x2014 المعروفة باسم الأقارب الموسمية أو المؤشرات الموسمية x2014 للمتوسط ​​(أو الاتجاه). ثم تضاعف هذه القيم مرات من أجل دمج الموسمية. ويشير أحد أقارب 0.8 إلى أن الطلب هو 80 في المائة من المتوسط، في حين أن الرقم 1.10 سيشير إلى الطلب الذي يزيد بنسبة 10 في المائة عن المتوسط. ويمكن الاطلاع على معلومات تفصيلية بشأن هذه الطريقة في معظم الكتب الإدارية لإدارة العمليات أو أحد الكتب على التنبؤ. التقنيات المرتبطة أو السببية تنطوي على تحديد المتغيرات التي يمكن استخدامها للتنبؤ متغير آخر من الفائدة. على سبيل المثال، يمكن استخدام أسعار الفائدة للتنبؤ بالطلب على إعادة تمويل المنازل. وينطوي ذلك عادة على استخدام الانحدار الخطي، حيث يكون الهدف هو وضع معادلة تلخص تأثيرات المتغيرات (المستقلة) المتنبأ بها على المتغير (المعتمد) المتوقع. إذا تم رسم متغير التنبؤ، فإن الكائن هو الحصول على معادلة خط مستقيم يقلل من مجموع الانحرافات التربيعية عن الخط (مع الانحراف هو المسافة من كل نقطة إلى الخط). وتظهر المعادلة على النحو التالي: يا بكس، حيث y هو المتغير المتوقع (المعتمد)، x هو المتغير (المستقل) المتنبأ، b هو منحدر الخط، ويساوي ارتفاع الخط عند y - اعتراض. وبمجرد تحديد المعادلة، يمكن للمستخدم إدراج القيم الحالية للمتغير (مستقل) المتنبأ للوصول إلى التنبؤ (المتغير التابع). إذا كان هناك أكثر من متغير متنبأ واحد أو إذا كانت العلاقة بين التنبؤ والتنبؤ ليست خطية، فإن الانحدار الخطي البسيط يكون غير كاف. بالنسبة للحالات ذات التنبؤات المتعددة، يجب استخدام الانحدار المتعدد، في حين أن العلاقات غير الخطية تدعو إلى استخدام الانحدار المنحني. تنبؤات االقتصاد تستخدم أساليب االقتصاد القياسي، مثل نموذج التحرك الذاتي المتكامل) أريما (، معادالت رياضية معقدة لعرض العالقات السابقة بين الطلب والمتغيرات التي تؤثر على الطلب. يتم اشتقاق المعادلة ثم اختبارها وضبطها لضمان أن تكون موثوقة لتمثيل العلاقة الماضية ممكن. وبمجرد القيام بذلك، تدرج القيم المتوقعة للمتغيرات المؤثرة (الدخل والأسعار وما إلى ذلك) في المعادلة لجعل التنبؤات. تقييم التوقعات يمكن تحديد دقة التنبؤ بحساب الانحراف أو الانحراف المطلق أو متوسط ​​الخطأ المربع (مس) أو متوسط ​​الخطأ المطلق في النسبة المئوية (ماب) للتنبؤ باستخدام قيم مختلفة للألفا. التحيز هو مجموع أخطاء التنبؤ x2211 (في). وفيما يتعلق بمثال التجانس الأسي الوارد أعلاه، يكون التحيز المحسوب كما يلي: (60 x2212 41.5) (72 x2212 54.45) (58 x2212 66.74) (40 x2212 60.62) 6.69 إذا افترضنا أن التحيز المنخفض يشير إلى خطأ تنبؤي منخفض عموما، يحسب التحيز لعدد من القيم المحتملة ألفا ويفترض أن واحد مع أدنى التحيز سيكون الأكثر دقة. ومع ذلك، يجب مراعاة الحذر في تلك التنبؤات غير الدقيقة التي قد تؤدي إلى انحياز منخفض إذا كانت تميل إلى أن تكون على توقعات وتحت توقعات (سلبية وإيجابية). على سبيل المثال، على مدى ثلاث فترات قد تستخدم شركة قيمة معينة ألفا إلى أكثر من التوقعات من قبل 75،000 وحدة (X221275،000)، تحت التوقعات من قبل 100،000 وحدة (100،000)، ثم فوق التوقعات من قبل 25،000 وحدة (x221225،000)، مما يؤدي تحيز صفر (x221275،000 100،000 x2212 25،000 0). وبالمقارنة، فإن إنتاج ألفا آخر على التنبؤات من 2000 وحدة، 1000 وحدة، و 3،000 وحدة من شأنه أن يؤدي إلى التحيز من 5000 وحدة. إذا كان الطلب العادي 100،000 وحدة لكل فترة، فإن ألفا الأول سوف يسفر عن التوقعات التي تم إيقافها بنسبة تصل إلى 100 في المئة في حين أن ألفا الثاني سيكون خارج بنسبة أقصاها 3 في المئة فقط، على الرغم من أن التحيز في التوقعات الأولى كان صفر. وهناك مقياس أكثر أمنا لدقة التنبؤ هو متوسط ​​الانحراف المطلق. لحساب درهم، والمنبه المبالغ القيمة المطلقة للأخطاء التنبؤ ومن ثم يقسم حسب عدد من التنبؤات (x2211 في x00F7 N). ومن خلال أخذ القيمة المطلقة لأخطاء التنبؤ، يتم تجنب مقاصة القيم الإيجابية والسلبية. وهذا يعني أن كل من التوقعات 50 و 50 تحت التوقعات من 50. باستخدام البيانات من المثال التجانس الأسي، يمكن حساب درهم على النحو التالي: (60 x2212 41.5 72 x2212 54.45 58 x2212 66.74 40 x2212 60.62) x00F7 4 16.35 ولذلك، فإن المتنبأ هو في المتوسط ​​16.35 وحدة لكل توقعات. عند مقارنته بنتيجة ألفاس أخرى، فإن المتنبأ سوف يعرف أن ألفا مع أدنى درهم تسفر عن التنبؤ الأكثر دقة. ويمكن أيضا استخدام خطأ مربع متوسط ​​(مس) في نفس الطريقة. مس هو مجموع مربعات الأخطاء المتوقعة مقسوما على N-1 (x2211 (في)) x00F7 (N-1). إن تخطي أخطاء التنبؤ يلغي إمكانية تعويض الأرقام السلبية، حيث لا يمكن لأي من النتائج أن تكون سلبية. وباستخدام نفس البيانات الواردة أعلاه، تكون المشاريع متناهية الصغر والصغيرة هي: (18.5) (17.55) (x22128.74) (x221220.62) x00F7 3 383.94 كما هو الحال مع الدرهم، يمكن أن يقارن المتنبأ المسير المتناهي الصغر للتنبؤات المشتقة باستخدام قيم مختلفة من ألفا و تفترض أن ألفا مع أدنى مس هي التي تنتج التنبؤ الأكثر دقة. ومتوسط ​​الخطأ النسبي المطلق (ميب) هو متوسط ​​الخطأ المطلق في النسبة المئوية. للوصول إلى ميب يجب على المرء أن يأخذ مجموع النسب بين الخطأ المتوقع وأوقات الطلب الفعلية 100 (للحصول على النسبة المئوية) وتقسيم N (x2211 الطلب الفعلي x2212 توقعات x00F7 الطلب الفعلي) xD7 100 x00F7 N. باستخدام البيانات من يمكن حساب ماب على النحو التالي: (18.560 17.5572 8.7458 20.6248) xD7 100 x00F7 4 28.33 كما هو الحال مع الدرهم والمشاريع المتوسطة والصغيرة، كلما انخفض الخطأ النسبي كلما زادت دقة التنبؤ. وتجدر الإشارة إلى أنه في بعض الحالات تعتبر قدرة التنبؤ على التغيير بسرعة للاستجابة للتغيرات في أنماط البيانات أكثر أهمية من الدقة. ولذلك، فإن اختيار واحدx0027s من طريقة التنبؤ ينبغي أن تعكس التوازن النسبي للأهمية بين الدقة والاستجابة، على النحو الذي يحدده المتنبأ. وضع التنبؤ ويليام ج. ستيفنسون يسرد ما يلي كخطوات أساسية في عملية التنبؤ: تحديد الغرض Forecastx0027s. وستستخدم عوامل مثل كيفية ومتى سيتم استخدام التوقعات ودرجة الدقة المطلوبة ومستوى التفصيل المطلوب تحديد التكلفة (الوقت والمال والموظفين) التي يمكن تخصيصها للتنبؤ ونوع طريقة التنبؤ التي سيتم استخدامها . إنشاء أفق زمني. ويحدث ذلك بعد أن يحدد المرء الغرض من التنبؤ. وتتطلب التنبؤات الأطول أجلا آفاقا أطول، والعكس بالعكس. دقة هو مرة أخرى الاعتبار. حدد تقنية التنبؤ. تعتمد التقنية المختارة على الغرض من التوقعات، والأفق الزمني المطلوب، والتكلفة المسموح بها. جمع وتحليل البيانات. ويخضع مقدار ونوع البيانات المطلوبة للغرض الخاص بالتنبؤات 0027، وتقنية التنبؤ المختارة، وأي اعتبارات تتعلق بالتكاليف. جعل التوقعات. مراقبة التوقعات. تقييم أداء التوقعات وتعديلها، إذا لزم الأمر. مزيد من القراءة: فينش، بايرون J. العمليات الآن: الربحية، والعمليات، والأداء. 2 إد. بوسطن: مغراو هيل إيروين، 2006. غرين، ويليام H. إكونوميتريك أناليسيس. 5 إد. نهر السرج العلوي، نج: برنتيس هول، 2003. جوب، د. ماريون. x0022 المجموعة الاسمية Technique. x0022 عملية البحث. متوفر من x003C ryerson. ca ستيفنسون، ويليام J. إدارة العمليات. 8 إد. بوسطن: مغراو هيل إيروين، 2005. أيضا قراءة المقال عن التنبؤ من ويكيبيديا