Автор работы: Пользователь скрыл имя, 07 Декабря 2011 в 11:56, курсовая работа
Цель данной работы – раскрыть сущность методов прогнозирования, рассказать об их содержании, назначении, показать принципы, указать на достоинства и недостатки данных методов прогнозирования.
Введение……………………………………………………………………………...3
1. Задачи и принципы методов прогнозирования…………………………......4
2. Классификация методов прогнозирования………………………………….8
3. Практическое применение методов прогнозирования……………………11
3.1. Нормативный метод………………………………………………….11
3.2. Экспериментальный метод………………………………………….13
3.3. Статистический метод……………………………………………….14
3.4. Индексный метод……………………………………………………..22
3.5. Экспертный метод……………………………………………………22
3.6. Метод оценки технических стратегий………………………………35
3.7. Функциональный метод………………………………………………35
3.8. Комбинированный метод…………………………………………….35
Заключение………………………………………………………………………….37
Список литературы…………………………………………………………………38
Согласованные матрицы более низких иерархических уровней проблем объединяются в матрицы более высоких уровней вплоть до главных матриц для стратегических проблем организации.
В трехмерной горизонтальной матрице решений одно измерение, например, может соответствовать коммерческим миссиям (областям сбыта), второе - ресурсам, третье - времени. Ресурсы в свою очередь, могут подразделяться на финансовые, коммерческие, ресурсы сбыта, производства, оборудования и т.д.
Вертикальные
матрицы решений предназначены
для отслеживания вертикального
перемещения технологий. Вертикальная
матрица решений для
Стадия исследований и разработок:
В частности, трехмерная вертикальная матрица решений под названием «Общая схема разработки системы национальной космической программы» была разработана в компании «North American Aviation».
Для более рационального выбора проектов для реализации могут быть использованы методы исследования операций такие, как:
В инструментарий нормативного прогнозирования входят методы построения деревьев целей, методы типа Паттерн и др.
В
этом случае каждой из рассматриваемых
целей приписываются
3.2.Экспериментальный метод - применяется для прогнозирования эффективности и сроков замены проектируемого оборудования, сроков выпуска продукции, возможности и сроков насыщения проектируемой продукцией рынков сбыта, нетрадиционных объектов массового производства, не имеющих аналогов на стадии завершения рабочего проектирования. Срок упреждения до 10—15 лет.
Этот
метод прогнозирования
Экспериментальный
метод прогнозирования дорогой,
так как требует строительства
(реконструкции) опытно-экспериментальных
установок, полигонов и других объектов.
Поэтому для его применения необходимо
провести тщательное технико-экономическое
обоснование, обеспечить высокий уровень
организации работ.
3.3.Статистический (параметрический) метод - применяется для составления среднесрочных прогнозов полезного эффекта, возможного изменения рынков сбыта анализируемой продукции серийного производства. Срок прогнозирования до 10 лет.
На стадиях разработки технического задания и технического проекта по объекту массового производства отсутствуют сведения по каждой детали и сборочной единице. Объекты еще не прошли опытно-промышленных испытаний. Поэтому на этих стадиях нет возможности выполнить детальные расчеты затрат на освоение, изготовление, обращение, эксплуатацию и ремонт проектируемых объектов. А по продукции единичного и мелкосерийного производства нецелесообразно применять описанные выше точные методы прогнозирования. В этих случаях рекомендуется применять параметрические методы прогнозирования полезного эффекта и затрат, основанные на установлении зависимостей между параметрами объекта и организационно-технического уровня производства, с одной стороны, и полезным эффектом или элементом затрат — с другой.
Прежде чем приступить к анализу статистических методов прогнозирования, рассмотрим некоторые общие понятия и определения, относящиеся к корреляционным3 и регрессионным моделям. Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.
Применение
корреляционного анализа
а) Случайные величины могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения.
б) Ожидаемая величина погрешности равна нулю.
в) Отдельные наблюдения стохастически4 независимы, т. е. значение данного наблюдения не должно зависеть от значения предыдущего и последующего наблюдений.
г) Ковариация5 между ошибкой, связанной с одним значением зависимой переменной, и ошибкой, связанной с любым другим значением, равна нулю.
д) Дисперсия6 ошибки, связанная с одним значением, равна дисперсии ошибки, связанной с любым другим значением.
е) Ковариация между погрешностью и каждой из независимых переменных равна нулю.
ж) Непосредственная применимость этого метода ограничивается случаями, когда уравнение кривой является линейным относительно своих параметров. Это, однако, не означает, что само уравнение кривой относительно переменных должно быть линейным. Если эмпирические7 уравнения наблюдений не являются линейными, то во многих случаях оказывается возможным привести их к линейной форме и уже после этого применять метод наименьших квадратов.
з) Наблюдения независимых переменных производятся без погрешности.
Перед
началом корреляционного
Связь между случайной и неслучайной величинами называется регрессионной, а метод анализа таких связей — регрессионным анализом. Применение регрессионного анализа предполагает обязательное выполнение предпосылок (б-г) корреляционного анализа. Только при выполнении приведенных предпосылок оценки коэффициентов корреляции и регрессии, получаемые с помощью способа наименьших квадратов, будут несмещенными и иметь минимальную дисперсию.
Регрессионный
анализ тесно связан с корреляционным.
При выполнении предпосылок корреляционного
анализа выполняются
По
степени комплексности
Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза. Как правило, после их применения используется один из методов экстраполяции или интерполяции для получения непосредственно прогнозного результата.
Метод экстраполяции - применяется когда оцениваются отдельные виды ресурсов в целом по предприятию, объединению, а также полезный эффект продукции мелкосерийного производства. Срок прогнозирования до 5 лет.
На практике на ранних стадиях разработки объекта часто ограничено число известных параметров будущего объекта и показателей организационно-технического уровня производства у изготовителя и потребителя объекта. В этих условиях рекомендуется применять более простые, но и менее точные методы прогнозирования - методы экстраполяции, основанные на прогнозировании поведения или развития объектов в будущем по тенденциям его поведения в прошлом. Применение методов экстраполяции, как правило, не требует моделирования частных параметров объекта и показателей организационно-технического уровня производства.
Наиболее распространенными являются методы экстраполяции по математическим моделям и графический (от руки). Оба метода требуют наличия информации о прогнозируемом параметре объекта за период в два и более раза больше прогнозируемого периода. Для учета изменений качества объекта в прогнозируемом периоде и организационно-технического уровня производства у изготовителя и потребителя объекта применяются корректирующие коэффициенты.
Методы
экстраполяции тенденций
Считается, что регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев - времени), описываемую конечномерным вектором параметров a, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом8, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Интуитивное, потому что для большинства экономических, технических, природных процессов нельзя однозначно отделить тренд от случайной составляющей. Все зависит от того, какую цель преследует это разделение и с какой точностью его осуществлять.
Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым математическим ожиданием. Ее оценки необходимы для дальнейшего определения точностных характеристик прогноза.
Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как на выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.
Предварительная обработка исходного числового ряда направлена на решение следующих задач (всех или части из них): снизить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.
Информация о работе Методы прогнозирования управленческих решений