Системный подход к прогнозированию в задачах управления

Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики.

 

     Факультет Компьютерных Технологий и Управления

Кафедра Безопасных Информационных Технологий

 

Дисциплина

«Теория систем и системный анализ»

 

РЕФЕРАТ

«Системный подход к прогнозированию в задачах управления»

 

 

 

 

 

 

Выполнил       :

Неручев Владимир

группа 1132

 

 

 

 

Санкт-Петербург

2014

 

      Содержание.

 

Введение…………………………………………………………………..2

 

Глава 1. Теоретические основы прогнозирования в принятии управленческих решений……………………………………………………….3

1.   Определение прогнозирования……………………………3
2.   Методы прогнозирования…………………………………5

А) Экстраполяционный метод……………………………...6

Б) Модельный подход к прогнозированию………………..8

3. Выбор метода прогнозирования………………………….11
4. Типы прогнозов и этапы прогнозирования………………12
5. Управление процессом прогнозирования………………..16

 

Глава 2. Анализ применения экстраполяционного метода прогнозирования в задачах управления запасами…………………………….18

1. Характеристика планирования и управления запасам. ….18
2. Математический аппарат прогнозирования управления запасами…………………………………………………………………...21

 

Заключение………………………………………………………………..25

Список используемой литературы………………………………………27

 

 

 

 

 

 

 

Введение

 

Формирование рыночных механизмов в России в последнее время связано с целым рядом трудностей. Меняются организационные формы функционирования предприятий различных отраслей, усложняются экономические и социальные связи и отношения. Поэтому в деятельности менеджеров упор приходится делать не на стандартные решения, а на способность достаточно оперативно и правильно изменять хозяйственную ситуацию и искать подход, являющийся оптимальным в конкретных условиях прогнозирование управленческий решение

Основой для такого подхода в принятии управленческих решений является экономическое прогнозирование, призванное выявить общие перспективы и эволюции, тенденции организационно-структурного развития, обеспечить сбалансированность краткосрочных и долгосрочных программ. При этом важно суметь обнаружить всю совокупность факторов и причин, определяющих функционирование и развитие исследуемой хозяйственной структуры.

К настоящему времени проведено достаточно много исследований и получены впечатляющие практические решения проблемы прогнозирования в науке, технике, экономике, демографии и других областях. Внимание к этой проблеме обусловлено в том числе масштабами современной экономики, потребностями производства, динамикой развития общества, необходимостью совершенствования планирования на всех уровнях управления, а также накопленным опытом.

Прогнозирование - один из решающих элементов эффективной организации управления отдельными хозяйствующими субъектами и экономическими сообществами вследствие того, что качество принимаемых решений в большой степени определяется качеством прогнозирования их последствий. Поэтому решения, принимаемые сегодня, должны опираться на достоверные оценки возможного развития изучаемых явлений и событий в будущем.

Таким образом, в настоящее время ни одна сфера жизни общества не может обойтись без прогнозов как средства познания будущего. Прогнозирование является одним из решающих научных факторов формирования стратегии и тактики развития производственного потенциала предприятия.

 

Глава 1. Теоретические основы прогнозирования в принятии управленческих решений

 

1. Определение прогнозирования

Слово «прогноз» происходит от греческого слова «prognosis»

(предвидение, предсказание  о развитии чего-либо, основанное  на 

определенных данных). Прогнозирование широко используется во

многих областях человеческой деятельности, особенно актуально

прогнозирование в задачах управления.

Процесс разработки прогнозов называется прогнозированием.

Под методами прогнозирования подразумевают совокупность

приемов мышления, способов, позволяющих на основе анализа

информации о прогнозном объекте вынести относительно

достоверное суждение о его будущем развитии. Тип применяемого

метода зависит от типа объекта. Существует большое количество

классификаций видов прогнозов по различным классификационным

признакам.

Прогнозирование означает предсказание состояния какого-либо

объекта, процесса или явления в будущем. Фактически любое

моделирование дает прогноз, т. е. отвечает на вопрос: «Что будет

если...?», но здесь мы ограничимся прогнозированием в более узком

смысле. Различают такие виды прогнозов, как прогноз погоды,

предсказание хода болезни, научно-технический прогноз, прогноз

экономический и т. д. В данной контексте мы будем в основном говорить

о прогнозе, который тесно связано с планированием

и управлением.

Задачу прогнозирования в самом общем виде можно поставить

следующим образом. Имеется некоторый прогнозируемый показатель

Р. Необходимо определить значение Ps этого показателя в некоторый

заданный момент времени в будущем s.

Анализируется временной ряд значений прогнозируемого показателя,

устанавливается закономерность изменения показателя во времени, а

затем эта закономерность экстраполируется на будущие моменты

времени. Однако такой подход не всегда дает удовлетворительный

прогноз, поскольку основан на учете только части причин, по

которым происходит изменение прогнозируемого показателя. Для

повышения точности прогноза необходимо провести системный

анализ: определить факторы, действующие в объекте исследования, и

оценить их влияние на прогнозируемый показатель. На основании

результатов анализа можно выбирать методы прогнозирования, в

наибольшей степени пригодные для решения конкретной задачи.

Основу прогнозирования составляют либо причинно-

следственные связи между прогнозируемым показателем и

факторами, на него влияющими, либо инерционные свойства объекта

(в этом случае «причиной»  является время).

Основой любого прогнозирования является гипотеза об

инерционности объекта. Причем инерционность можно рассматривать

не только временную (в последующие моменты времени прогнозируемый показатель будет изменяться в том же направлении,  что и сейчас), но и более широко — инерционность функциональную.

В этом случае функциональная зависимость прогнозируемого

показателя от факторов, на него влияющих (в частном случае это

может быть и время), известная на некотором интервале изменения

этих факторов, продолжается и за пределами интервала.

Примеры:

1. Последние несколько  дней температура воздуха падала 

ежедневно на 1 °С. Можно предположить, что эта тенденция

сохранится и ближайшие дни.

2. Цепа на сахар последние  месяцы росла в среднем на 3 %.

Можно прогнозировать сохранение этой тенденции и в последующие

месяцы.

3. Пусть зависимость спроса  на некоторый товар Сп от  его цены 

Ц при изменении цены от 10 до 14 р. описывается моделью вида:

    Сп=1,3+4,7/(Ц+8,2)

Можно предполагать, что при ценах, меньших 10 р. или

больших 14 р., эта зависимость сохранится.

На инерционности построен метод научного исследования -

экстраполяция (от лат. extra сверх и polio - приглаживаю, выправляю).

Экстраполяция - это распространение результатов, полученных

из наблюдений над одной частью явления, на другую его часть.

Экстраполяция закономерностей - это перенос закономерностей,

выявленных на одном материале и одном классе задач, на другой

материал и другой класс задач.

С математической точки зрения: Экстраполяция - это приближенное определение значений функции F(x) в точках х, лежащих вне отрезка [х0, хn], по ее значениями в точках х0 < х1 < ... <хn.

 

1.2 Методы прогнозирования

Теперь перечислим некоторые основные методы прогнозирования, а также приведем характеристику методов прогнозирования, использующих системный анализ:

1. Метод эвристического прогнозирования
2. Морфологический анализ
3. Прогнозирование по аналогии
4. Экстраполяционный метод (Системный анализ)
5. Модельный метод (Системный анализ)
6. Экспертный метод

Методы, применяющиеся при системном анализе, мною выбраны условно, как наиболее подходящие для удобства рассмотрения поставленной цели прогнозирования, как некоторой системы и описания математических моделей. Не исключено использование системного подхода и в других методах прогнозирования.

А) Экстраполяционный метод.

Этот подход заключается в установлении закономерности

изменения прогнозируемого показателя за предыдущие моменты

времени с последующей экстраполяцией этой закономерности на

последующие моменты времени. При экстраполяционном подходе

единственной причиной изменения прогнозируемого показателя

считается время. Для определения закономерности изменения

прогнозируемого показателя Р во времени (другими словами, модели

Р = F(t)) необходимо знать значения прогнозируемого показателя в

предыдущие моменты времени. Прогнозирование в этом случае

заключается в установлении закономерности изменения

прогнозируемого показателя за предыдущие моменты времени с

последующей экстраполяцией этой закономерности на следующие

моменты времени. Таким образом, этот подход пригоден только для

прогнозирования динамических процессов. Из-за простоты и

наглядности это самый распространенный подход при

количественном прогнозировании в экономике, которая по своей сути

представляет собой совокупность динамических процессов.

Тенденции развития экономических показателей.

Статистическое описание движения экономических явлений

осуществляется с помощью динамических (временных) рядов.

Поведение динамического ряда, характеризующего развитие

экономического явления, традиционно рассматривают как сумму

четырех компонент, которые непосредственно не могут быть

измерены (ненаблюдаемые компоненты): вековой уровень (или

тренд), циклическая составляющая, сезонная составляющая и

случайные колебания.

При анализе динамических рядов наибольший интерес вызывает

тенденция развития изучаемой системы. Понятие тенденции развития

не имеет достаточно четкого определения - под ней понимают

некоторое общее направление развития, долговременную эволюцию.

Обычно тенденцию развития стремятся представить в виде более или

менее гладкой траектории, которую можно формализовать в виде

некоторой функции от времени. Такую функцию называют трендом,

он описывает фактическую, усредненную для периода наблюдения

тенденцию изучаемого процесса во времени.

Наиболее распространенным и простым путем выявления

тренда является сглаживание, в частности, скользящим средним. К

недостатку скользящих средних можно отнести то, что зачастую они

сглаживают (читай, уничтожают) важные мелкие волны и изгибы в

тренде!

Изобразив в осях координат «прогнозируемый показатель -

время» временной ряд значений Р, после сглаживания можно

графически решить задачу прогнозирования путем продолжения

выявленной тенденции развития для последующих моментов времени.

Функции, описывающие закономерности развития явления во

времени, полученные путем аналитического выравнивания

динамических рядов, получили название кривые роста. Вопрос о

выборе типа кривой является основным; ошибка этого этапа более

значима по своим последствиям, чем ошибка в оценивании

параметров. Многолетние исследования временных рядов в

экономике, социологии, политике, демографии и других экономико-

общественных науках позволили выявить ряд наиболее

распространенных кривых роста, описывающих соответствующие

явления в этих науках.

Наиболее часто применяют такие простые функции, как:

1) многочлены (полиномы) вплоть до n-ой степени;

2) различного рода экспоненты;

3) логистические кривые.

Обоснованием применения полиномов при выборе структуры

модели может быть теорема Вейерштрасса, из которой следует, что

любую непрерывную функцию на заданном отрезке можно сколь

угодно точно описать многочленом.

Экспоненциальные кривые роста хорошо описывают процессы,

имеющие так называемый лавинообразный характер, а именно, когда

прирост зависит в основном от уже достигнутого уровня.

Если же на процесс все время воздействует ограничивающий

фактор, то хорошее описание этого процесса можно получить с

помощью модифицированной экспоненты. Если же ограничивающий

фактор начинает влиять только после некоторого момента времени

(точка перегиба), то наилучшее  приближение дают S-образные 

кривые, которые описывают два встречных лавинообразных

процессам один с ускорением развития, другой - с замедлением.

B) Модельный подход к прогнозированию

Рассматривая задачу прогнозирования, мы предполагали, что

прогнозируемая величина является функцией времени. Однако, часто

это слишком упрощенный подход. Конечно, например,

радиоактивный распад можно считать зависимым только от времени,

но большинство прогнозируемых показателей все же зависит от

других факторов. Например, прогнозирование числа больных в

данном населенном пункте зависит не от времени как такового, а от

числа жителей, экологической обстановки и т.п. И если в следующем

году число жителей резко сократится или возрастет, то во столько же

раз изменится потенциальное число больных.

При модельном подходе ищется функциональная зависимость

прогнозируемого показателя от факторов, на него влияющих.

Модельный подход потенциально дает самый точный прогноз, но

является наиболее сложным и наукоемким.

Вернемся к причинам изменения прогнозируемого показателя и

оценим пригодность тех или иных подходов к прогнозированию.

1. Если изменение прогнозируемого  показателя связано только с 

динамическими процессами (а точнее, процесс изменения Р(t)

является частью переходного процесса), то наиболее эффективным

будет применение экстраполяциопного подхода.

При этом причинами изменения Р могут быть:

• переходные процессы, происходящие в объекте;

динамические процессы в объекте, приводящие к изменению

его параметров A(t) (можно рассматривать и динамические

процессы в психике людей, входящих в качестве элементов

исследуемого объекта);

• динамические процессы, протекающие вне объекта,

следствием чего могут быть изменения возмущающих и

неконтролируемые переменных - Х(t) и ε(t).

В общем виде это можно описать такой моделью:

P(t) = F(X(t),A(t),ε(t),t)

При этом, если мы не можем построить модель типа P=F(x),

прогнозная модель будет строиться на основании временных рядов и

описывать зависимость прогнозируемого показателя только как

функцию времени.

2. Другим подходом к  прогнозированию динамических 

процессов можно назвать модельный авторегрессионный подход,

когда строится модель, связывающая значения прогнозируемого

показателя в некоторый момент времени s со значениями этого же

показателя в предыдущие моменты времени:

P(s) =F[P(s-l),P(s-2),...].

Авторегрессионная модель является попыткой описать

динамический процесс алгебраическим уравнением вместо

дифференциального.

3. Если изменение прогнозируемого  показателя нельзя 

объяснить только как функцию времени (т. е. объяснить только

динамическими процессами), то применяется модельный подход, при

котором в модели учитываются возмущающие и управляющие

переменные.

Такой подход предполагает, что прогнозируемая величина

является выходной переменной исследуемого объекта (процесса или

явления) Р = у и, в первую очередь, зависит от множества различных

повременных факторов Х = {х1,...,хn}.

Строятся как простейшие модели типа P=F(x) так и более сложные,

учитывающие запаздывающие переменные и время:

P(t) = F[X(t),X(t-l),X(t-2),..,t],

а также авторегрессионные составляющие:

P(t) = F[Р(t-1),P(t-2),...,X(t),X(t-1),X(t-2),...,t].

Построение таких моделей связано с серьезными трудностями.

Хотя следует сказать, что такая полная модель никогда и не

используется для прогнозирования, но всегда можно допускать

присутствие ее членов в прогностической модели. Здесь мы

сталкиваемся с серьезной задачей выбора структуры модели, а

именно, отбора значимых членов модели. Во-первых, довольно

сложно выбрать структуру модели; второй проблемой является

ограниченное количество экспериментальных данных, что не

позволяет получить статистически значимые оценки параметров

модели.

 

1.3 Выбор метода  прогнозирования.

Адекватно подобранные средства прогнозирования значительно улучшают качество прогноза, поскольку:

• обеспечивают функциональную полноту, достоверность и точность прогноза;

• уменьшают временные и материальные затраты на прогнозирование.

На выбор метода прогнозирования влияют:

• сущность практической проблемы, подлежащей решению;

• динамические характеристики объекта прогнозирования в рыночной среде;

• вид и характер имеющейся информации, типовое представление об объекте прогнозирования;

• комбинация фаз жизненного, рыночного цикла товара или услуги;

• период упреждения и его соотношение с предполагаемой продолжительностью рыночного, жизненного цикла, цикла разработки или модификации товара, услуги;

• требование к результатам прогнозирования и другие особенности конкретной проблемы.

Все перечисленные факторы должны рассматриваться в системном единстве, лишь несущественные могут исключаться из рассмотрения. На практике, выбирая метод прогнозирования, рекомендуется учитывать два наиболее важных фактора — затраты и точность. Следует выяснить, сколько средств выделено на подготовку прогноза, какова возможная цена спрогнозированных ошибок и выход. Лучший прогноз, как правило, представляет собой оптимальную комбинацию точности и стоимости.

При выборе метода прогнозирования нужно учитывать:

• наличие статистических данных за необходимый период;

• компетентность прогнозиста, наличие электронно-вычислительной техники (ЭВТ);

• время, необходимое для сбора и анализа информации.

В ряде случаев для получения независимых прогнозов используются одновременно несколько методов. Требования к прогнозам:

• своевременность, с определенной степенью точности и определенности других показателей;

• надежность, выраженная в знаковых единицах (долларах, единицах продукции, оборудовании, квалификации персонала и т. п.) и зафиксированная на бумаге;

• простота методики прогнозирования для использования.

Таким образом, методы прогнозирования подразделяются на качественные и количественные. Качественные методы основаны на суждении, опыте и экспертизе; количественные — на использовании статистических данных за определенный период времени или на связи между переменными. Ни один из методов не является универсальным. Методы могут быть простыми и сложными.

 

1.4 Типы прогнозов  и этапы прогнозирования

Практически каждое предприятие, большое или маленькое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает. К тому же необходимость в прогнозах пронизывает все функциональные линии так же, как и все типы организаций. Прогнозы необходимы в финансировании, маркетинге, подборе кадров и различных производственных областях, в правительственных и коммерческих организациях, в маленьких социальных клубах и национальных политических партиях. Вот несколько примеров вопросов, для получения ответов на которые необходимы те или иные процедуры прогнозирования.

• Как повлияет на объемы продаж увеличение финансирования рекламы на 10%?

• Какой годовой доход может ожидать государство по истечении следующего двухлетнего периода?

• Сколько единиц продукции необходимо продать, чтобы возвратить планируемые капиталовложения в производственное оборудование?

• Как определить факторы, которые помогут объяснить изменчивость в ежемесячных объемах продажи продукции?

• Каков ежегодный прогноз на последующие 10 лет в отношении сводного баланса займов нашего банка?

• Будет ли экономический спад? Если да, то когда он начнется, насколько сильным он будет и когда он окончится?

Какие существуют типы прогнозов для менеджера, столкнувшегося с необходимостью принятия решения в условиях неопределенности? Прогнозы могут классифицироваться как долгосрочные и краткосрочные. Долгосрочные прогнозы необходимы для того, чтобы наметить основной курс предприятия на длительный период, поэтому именно на них акцентируется основное внимание менеджеров высшего звена. Краткосрочные прогнозы используются для разработки безотлагательных стратегий. Они чаще всего применяются менеджерами среднего и низшего звена для удовлетворения потребностей ближайшего будущего.

Процедуры прогнозирования могут также классифицироваться как количественные и качественные. На одном полюсе здесь находится чисто качественный аппарат, не требующий явного математического оперирования данными. Используется только "оценка", предоставляемая составителем прогноза. Конечно, даже в этом случае "оценка" составителя прогноза в действительности является результатом мысленного анализа данных. На другом полюсе находится чисто количественный аппарат, не требующий никакой дополнительной оценки. Это чисто механические процедуры, которые на выходе дают количественные результаты.

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования.

1. Сбор данных

2. Редукция или уплотнение  данных

3. Построение модели и  ее оценка

4. Экстраполяция выбранной  модели (фактический прогноз)

5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

 

1.5 Управление процессом прогнозирования

В процесс прогнозирования непременно должны быть вовлечены способности и здравый смысл руководящего персонала. Специалист, занимающийся прогнозированием, должен рассматриваться как советник менеджера, а не как оператор некоего устройства, автоматически принимающего решения. К сожалению, именно эта ситуация чаще всего встречается на практике, особенно в связи с появлением компьютеров. Повторим, что количественный аппарат в процессе прогнозирования должен восприниматься как инструмент (чем он в действительности и является), используемый менеджером для принятия наилучшего решения.