OPERATIVNI MENADZMENT

5/24/2018 OPERATIVNI MENADZMENT

1/28

PREDVIANJE POTRANJE

Prof. dr. sc. eljko Turkalj

Dr. sc. Martina Bri Ali


2/28

toje predvianje?

Svakog dana menaderi donoseodluke bez obzira to ne znaju to e sedogoditi u budunosti:

naruuju zalihe bez znanja kakva e biti prodaja,

kupuju novu opremu uprkos neizvjesntosti potranje zaproizvodom,

investiraju sredstva u nove objekte bez znanja o buduoj dobitipoduzea

Izrada dobrih prognoza budunosti svrha je predvianja i glavniinput za planiranjeDobre prognoze su kljuni dio efikasnih proizvodnih i uslunihoperacija.Predvianje je umjetnost, ali i znanost o predvianju buduihdogaaja.


3/28

Predvianje moe biti:

primjena POVIJESNIH PODATAKA i njihovo projektiranje u

budunost koristei neki matematiki model,

SUBJEKTIVNA procjena ili INTUITIVNA pretpostavka,

KOMBINACIJA metoda.

Nema univerzalnog prognostikog modela koji bi vrijedio za sve.

ono to najbolje funkcionira u jednoj industriji, u jednimokolnostima, moe napraviti potpuni kaos u drugoj industriji

Postoje OGRANIENJA u vezi sa oekivanjima od prognoza:

one su rijetko, ili nikada perfektne;

one su skupe i vremenski zahtjevne.Niti jedno ozbiljno poduzee ne moe poslovati po principu to bude,a onda se izvlaiti iz situacije EFEKTIVNO PLANIRANJE (ikratkorono i dugorono) ovisi o predvianju potranje za proizvodimai/ili uslugama s kojima odreeno poduzee opskrbljuje trite.


4/28

KRATKORONEPROGNOZE

razdoblje od maksimalnogodinu dananajeesu krae od 3 mjeseca

planiranje nabavke materijala vremensko planiranje poslova planiranje zapoljavanja

pridruivanje poslova planiranje razine proizvodnje

SREDNJORONEPROGNOZE

razdoblje od 3 mjeseca do3 godine

plan prodaje i marketinkihaktivnosti

planiranje proizvodnje i

budeta financijski planovi analiza razliitih operativnih

planova

DUGORONEPROGNOZE

razdoblje od vie od 3godine unaprijed

razvoj novog proizvoda kapitalne investicije

otvaranje ili proirenjelokacije istraivanje i razvoj

Predvianja, a tako kasnije i planovi, KATEGORIZIRAJU se premaVREMENSKOM HORIZONTU za koji se vriprognoza. Openitopostoje3 kategorije:


5/28

Pretpostavljaju da eisti uzronisustav koji je postojao uprolostipostojati i ubudunosti. Zbog togapoduzeaestoradepogrekuda jednom kada implementirajuprognostikisustav vie

ne prate grekeprognozetoje krivobuduida se prognoze moraju stalno provjeravati.

Veina prognostikih metoda ukljuuje pretpostavku STABILNOSTISUSTAVA

Aktualni rezultati obinose razlikuju odpredvienihvrijednosti. Budui da nismo u mogunosti predvidjeti precizno koliko e esto jedan veliki broj srodnihimbenika ometati varijable o kojima se radi, kao i postojanje sluajnosti sprijeava savrenu

prognozu.

Uvijek treba ostaviti prostora za greke.

Prognoze su RIJETKO PERFEKTNE

Grekeprognoze izmeuproizvoda unutar grupe obinoimajuponitavajuiuinak. Prilike za grupiranje proizvoda mogu se pojaviti ako se dijelovi ili sirovine koriste za vie

proizvoda ili ako usluge traiveibroj nezavisnih izvora.

Prognoza za GRUPU PROIZVODA tonija je nego za POJEDINIPROIZVOD

Kratkoronaprognoza se suoavasa manje neizvjesnosti od dugoronepa se zbog toga smatra itonijom.

TONOSTprognoze se SMANJUJE kako se POVEAVAVREMENSKORAZDOBLJE na koje se prognoza odnosi

ZAJEDNIKE KARAKTERISTIKE METODA PROGNOZIRANJA:


6/28

Upuuje na razinu potrebnih pojedinosti u prognozi, koliini izvora (radna snaga,kompjutersko vrijeme, novac) koji se mogu pravdati te na razinu potrebne tonosti.

Odrediti SVRHU prognoze (je li to prodaja, proizvodnja ili sl.) te kadae biti potrebna

Potrebno je uzeti u obzir da tonost opada to se vremensko razdoblje produuje.

Ustanoviti VREMENSKO RAZDOBLJE koje prognoza mora pokriti

Izabrati METODU PROGNOZIRANJA

Identificirati svaku pretpostavku koja je vezana uz pripremu i koritenje prognoze.

PRIKUPITI i ANALIZIRATI prikladne podatke te PRIPREMITI

PROGNOZU

Ako ne, PREISPITATI metodu, pretpostavke, tonost podataka, itd.; MODIFICIRATI akoje potrebne te PRIPREMITI NOVU VERZIJU PROGNOZE.

PROMATRATI PROGNOZU kako bi se vidjelo da li se odvija nazadovoljavajui nain.

KORACI U PROCESU PROGNOZIRANJA POTRANJE:


7/28

KVALITATIVNI PRISTUP

Nedostatak podataka Oslanjanje na intuiciju,

emocije, iskustvoprognostiara

Koriste se obine zapredvianje novihproizvoda, tehnologija

KVANTITATIVNI PRISTUP

Postojanje povijesnihpodataka

Koriste matematikemodele

Koriste se kada jesituacija stabilna

U praksi, kombinacija oba pristupa obino je najefektivnija.

Pristupi predvianju

Postoje dva osnovna pristupa predvianju:

KVALITATIVNI

KVANTITATIVNI


8/28

Oslanja se na miljenje kupacaili potencijalnih novih kupaca onjihovoj buduoj kupovini

Koristi se za prognoziranjepotranje, pogotovo za novimproizvodima

Obino budu optimasinije nego

to kasnije potvrdi prodaja

Trgovaki putnici daju procjeneprodaja u sljedeegprognostikog perioda smatrada su oni najblie kupcu pa timeimaju i najtonije informacije

Zbog kompenzacijskog sustavakoji je uobiajen kod prodajnog

osoblja zna esto doi donamjernog iskrivljavanjapodataka kako bi se postiglekompenzacijske kvote

Ukljuuje grupu strunjaka kojine moraju biti iz jednog poduzea

Strunjaci ne komuniciraju

meusobno, ve jedna osobaskuplja njihova miljenja

Miljenja koja se znatno razlikujualju se u drugi krug te sepostupak nastavlja dok se nedobije relativno stabilna prognoza

Ukljuuje grupu starijihvrhovnih menadera

Kombiniraju menaderskoiskustvo i kvantitativneprognoze

Donose ZAJEDNIKOmiljenje, tj. mora se postiiKONSENZUS

MILJENJE

STRUNJAKA

DELPHI

METODA

ISTRAIVANJETRITA

PROGNOZAPRODAJE

PREGLED KVALITATIVNIH METODA


9/28

MODELIVREMENSKIHSERIJA

Baziraju se na pretpostavci da jebudunost funkcija prolosti

Gledaju to se dogaalo u jednomperiodu vremena te koriste serijupodataka iz prolosti da biprognozirali budunost

NAIVNA METODA POMINI PROSJECI EKSPONENCIJALNO

IZJEDNAAVANJE

Npr. ako se eli vidjeti kakva e bitipotranja za sladoledom u ljeti 2013.godine, potrebno je uzeti podatke odljeta 2012. i 2011. godine i predvidi tipotranju za sladoledom u 2013.godini

ASOCIJATIVNIMODELI

Modeli koji odreuju vezuizmeu dva parametra

REGRESIJA

Npr. na temelj u podataka oizdacima za marketing itemperaturi okoline mogue jeprognozirati kakva e bitipotranja za sladoledom

PREGLED KVANTITATIVNIH METODA


10/28

TREND

SEZONSKEOSCILACIJE

CIKLUSI

NASUMINIFAKTOR

KOMPONENTEVREMENSKIH

SERIJA

METODE VREMENSKIH SERIJA

Metode vremenskih serija zasnivaju

se na nizu podataka koji su podjednako

razmaknuti u vremenu dnevni, tjedni,mjesenii sl. podaci

Predvianje vremenske serijepodataka pretpostavlja da se buduevrijednosti prognoziraju

iskljuivona povijesnim podacimate da drugi promjenjivi, bez obzira

koliko potencijalno vanipodacimogu biti zanemareni

Rastavljanjem povijesnih

podataka mogue je uoitietiri glavne komponentevremenskih serija:


11/28

TRENDpostupnirast ili pad potranje

u vremenu

SEZONSKE

OSCILACIJEodreeni uzorci kojise ponavljaju nakon

nekog perioda

CIKLINOPONAANJE

obino se primjeujesvakih nekoliko

godina

NASUMINI FAKTORkako i samo ime kae je

nasumian i ne moe sepredvidjeti koliki e biti,

ali se ukljuuje uprognostiki model


12/28

Najjednostavnija metoda budui da pretpostavlja da e potranja u

narednom periodu biti jednaka potranji u upravo proteklom periodu

NAIVNI PRISTUP

PRIMJER: Ako je prodaja XY

proizvoda u prolom mjesecu iznosila

73 jedince za sljedei mjesec

prognozira se da e se prodati 73

jedinice proizvoda XY.

Ako se ostvarila prodaja od 97 jedinica

proizvoda XY umjesto 73, za naredni

mjesec predviamoprodaju u visini od

97 proizvoda XY.

tt DF 1

gdje je:

periodu tuprodajaostvarena

1tperiodzaprognoza1

t

t

D

F

Metoda ima smisla samo ako

nema dovoljno podataka i

predstavlja osnovu za prognozu

ako nema drugih naina


13/28

POMINI PROSJEKMetoda koja koristi srednju vrijednost podataka za nekoliko zadnjih

perioda kako bi prognozirala buduiperiod

Korisna je ako je moguepretpostaviti da epotranjana trituostatiprilino stabilna tijekom vremena koristi se kada je trend mali ili gauopenema.

PRIMJER: Tromjeseni pomini

prosjek raunase zbrajanjempotranjeza prethodna 3 mjeseca i dijeljenjem sa

brojem perioda koji se razmatra uovom sluaju3.Sa svakim novim mjesecem, najnoviji

mjeseni podaci se dodaju sumipodataka za prethodna 2 mjeseca, apodaci za najstariji mjesec otpadaju uvijek u obzir dolazi n najnovijih

podataka.

Navedenim nainom izglaujese NASUMINAKOMPONENTA predvianjaizravnavaju se kratkotrajne neregularnosti u seriji podataka.

prosjekupomiomiuperiodabroj

periodu tuprodajaostvarena

1tperiodzaprognoza1

n

D

F

t

t

gdje je:

n

D

n

nF tt

periodaproteklihpotranjisuma1


14/28

Mjesec Potranja Mjesec Potranja

1 46 13 54

2 56 14 42

3 54 15 64

4 43 16 60

5 57 17 70

6 56 18 66

7 67 19 57

8 62 20 55

9 50 21 52

10 56 22 62

11 47 23 70

12 56 24 72

PRIMJER:

Sljedeipodaci dajupotranjuza nekim dobrom (u koliinskimjedinicama)koje treba biti u skladituu razdoblju od 24 mjeseca:


15/28

Mjesec1

2

3

b Potranja

46

56

54

Prognozapominog prosjeka

4

5

6

7

89

10

11

12

43

57

56

67

6250

56

47

56

(46+56+54)/3=52

(56+54+43)/3=51

(54+43+57)/3=51,33

(43+57+56)/3=52

(57+56+67)/3=60(56+67+62)/3=61,67

(67+62+50)/3=59,67

(62+50+56)/3=56

(50+56+47)/3=51

Na temelju podataka iz primjera ilustiran je model pominogprosjeka TROMJESENIpominiprosjek :


16/28

Mjesec PotranjaPominiprosjek

Mjesec PotranjaPominiprosjek

1 46 - 13 54 53

2 56 - 14 42 52,33

3 54 - 15 64 50,67

4 43 52 16 60 53,33

5 57 51 17 70 55,33

6 56 51,33 18 66 64,67

7 67 52 19 57 65,33

8 62 60 20 55 64,33

9 50 61,17 21 52 59,3310 56 59,17 22 62 54,67

11 47 56 23 70 56,33

12 56 51 24 72 61,33

Prognoze potranje za sve promatrane mjesece mogue je vidjeti usljedeojtablici:

Na temelju gornjih podataka izraunajte prognozu potranje za 25.mjesec?


17/28

Pomou programa POM QM for Windows izraunata je prognozapotranjeza 25. mjesec:


18/28

Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodelapominogprosjeka za promatrani primjer:


19/28

EKSPONENCIJALNO IZJEDNAAVANJE

Jedostavna metoda koja zahtjeva vrlo malo podataka potreban je samopodatak iz prethodnog perioda, a budui da je osjetljiva na promjene upodacima ujedno je i tonijametoda.

Osnovna formula za eksponencijalno izjednaavanje jo uvijekje vrlojednostavna i glasi:

)( tttt FDFF 1

perioda)prologodPrognoza-periodaprologpotranja(OstvarenaprognozaStaraprognozaNova

ili matematiki:

ako se preuredi, dobiva se:

ttt FDF )( 11

gdje je:

)10(anjaizjednacavkonstanta

periodu tupotranjaostvarena

tperiodzaprognoza

1tperiodzaprognoza1

t

t

t

D

F

F

Odabir vrijednosti konstante izjednaavanja najvaniji je zadatak u traenju

realneprognoze. U praksi se izabire interval izmeu0,1 i 0,3u ekstremnomsluajukada se stavi da je = 1, dobiva se rjeenjeod naivne prognoze.


20/28

Na temelju podataka iz promatranog primjera, uz = 0,1 te uz prognoziranuvijednost za 24. mjesec u iznosu od 57,63 jedinica, potrebno je prognozirati

potranjuza 25. mjesecpomouEKSPONENCIJALNOG IZJEDNAAVANJA

ttt FDF )( 11

?

0,1

72

57,63

1

t

t

t

F

D

F

)10(anjaizjednacavkonstanta

periodu tupotranjaostvarena

tperiodzaprognoza

1tperiodzaprognoza1

t

t

t

D

F

F

jedinica0759635710172101 ,,),(, tF


21/28

Pomou programa POM QM for Windows izraunata je prognozapotranjeza 25. mjesecpomoueksponencijalnog izjednaavanja:


22/28

Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodela eksponencijalnog izjednaavanjaza promatrani primjer:


23/28

UZRONE (KAUZALNE) METODE PREDVIANJA

Razvijaju tzv. MODEL UZROKA I POSLJEDICA izmeupotranje iostalih varijabli.

Npr.potranjaza sladoledom moese povezati sa populacijom, srednjom

(prosjenom) temperaturom i vremenom. Podaci se mogu prikupiti po tim

varijablama, a analiza izvoditi tako da utvrdi valjanostpredloenogmodela.

Najpoznatija kauzalna metoda je REGRESIJA, a najjednostavniji model

regresije je LINEARNI TREND.

U svrhu prorauna TRENDA koristi se tzv. METODA NAJMANJIHKVADRATA, odnosno proraunavaju se parametri a i b takvi da sumaodstupanja od te crte bude najmanja.


24/28

Metoda najmanjih kvadrata daje pravu liniju koja minimizira sumu

kvadrata vertikalnih odstupanja od linije do svake stvarne tokepromatranja.

Linija najmanjih kvadrata opisuje se u obliku njenog y-odsjekaa =visina na kojoj linija presjeca y-os i njenog koeficijenta nagiba b.

bxay

nagib

yosinaodsjecak

y)nadjelujedacipretpostav(povarijablanezavisna

potranjanaprocijenje

b

a

x

y


25/28

Jednadbe za izraunavanje vrijednosti a i b za bilo koju liniju najmanjihkvadrata:

22

xnx

yxnxyb xbya

Linija najmanjih kvadrata izrazi se kao:

bxay

apromatranjtotobroj

nagib

yosinaodsjecak

tivrijednos-tvrijednossrednja

tivrijednos-tvrijednossrednjavarijablazavisna

y)nadjelujedacipretpostav(povarijablanezavisna

potranjanaprocijenje

n

b

a

yy

xxy

x

y

gdje je:


26/28

Pomou programa POM QM for Windows uneena je potranja zadobrom po mjesecima toje potrebno za izraunavanjejednadbeza prognozu

buduepotranjepomoumodela regresijelinearnog trenda:

24

1

17842i

iixy

24

1

300i

ix

24

1

24900

i

ix

24

1

1374i

iy

24

1

280254

i

iy

512,x 2557,y

580512244900

255751224178422

,),(

,,

b

505125802557 ,,,a

xy 58050 ,


27/28

Pomou programa POM QM for Windows izraunato je rjeenjeproblemapomoumodela regresijelinearnog trenda :


28/28

Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodela regresijelinearnog trenda za promatrani primjer:

Documents

OPERATIVNI MENADZMENT