Взаимосвязь логистики и маркетинга

 

     Вывод: из таблицы видно, что наименьшее среднее отклонение минимально для  прогноза спроса по 6 прошлым месяцам (2,08).

     2.1.2 Определение потребности  на товар методом  взвешенной скользящей  средней

     При расчете простого скользящего среднего каждое значение имеет равный вес, а при расчете взвешенного скользящего среднего значениям может быть присвоен любой произвольный вес, при условии, что сумма весов будет равна единице. Формула для вычисления взвешенного скользящего среднего имеет следующий вид: 

     Че=ц1Че-1+ ц2Че-2+…+ цтЧе-тж

 

     где Xt – прогноз на будущий период;

     Xt-1 – фактическое значение в прошлом периоде;

     Xt-2, …, Xt-n - фактическое значение два  периода назад и т.д. до n периодов назад;

     w1 – весовой коэффициент, присвоенный  спросу прошлого периода (периода  (t-1));

     w2, …, wn – весовые коэффициенты, присвоенные  периодам (t-2) и т.д. до (t-n);

     n – количество периодов, учитываемых  в прогнозе.

     Для вычисления с помощью этого месяца возьмем 4 варианта весовых коэффициентов  и, используя значения спроса за прошлые  месяцы, сделаем расчет на следующие: 

 

     Рассчитаем  по формуле прогнозные значения потребности  в соке на декабрь 2010, январь, февраль, март 2011: 

 
 

     Вывод: наименьшее среднее отклонение характерно для прогноза спроса по 3 варианту набора весов (2,25). Это значение больше значения отклонения по прогнозу простой скользящей средней по 6 месяцам (2,08).

     2.1.3 Определение потребности  на товар методом  доверительного интервала

     Доверительный интервал – это интервал, в который  с заданной вероятностью попадет  следующее значение ряда. Этот метод применяется, когда спрос на товар стабилен, не имеет выраженных сезонных колебаний, и у нас есть данные о спросе за достаточно длительный период времени.

     Определяем  среднее квадратическое отклонение спроса (статистический показатель, показывающий насколько равномерен наш ряд значений. Если значения мало отличаются друг от друга, среднее квадратическое отклонение будет невелико; если наблюдается большой разброс значений, этот показатель будет большим) по формуле: 

       

     где s – среднее квадратическое отклонение спроса;

     X – среднее арифметическое значение спроса;

     Хi – значение спроса в каждом периоде;

     n – число рассматриваемых периодов.

     Рассчитываем  величину отклонения от центра интервала (центром

     доверительного  интервала является среднее арифметическое значение,

     рассчитанное  в шаге А) по формуле 

       

     где – величина отклонения от центра интервала;

     t – коэффициент доверия (некоторые значения приведены в таблице 1). 

       

     Спрос на сок «Тонус»:

 

     

     s²=

     s = =1,97 

     Рассчитываем  величину отклонения от центра интервала по формуле: 

     D=t*  

     где D - величина отклонения от центра интервала;

     t – коэффициент доверия.

     В данном случае при требуемой вероятности 95% и шести измерениях коэффициент  доверия равен 2,4477. 

     D=2,4477*1,97=4,82 

     Определяем прогнозное значение спроса седьмого месяца с вероятностью 95%: 

     X₇= ±4,82

     37,51 42,33 47,15 

     Потребность седьмого периода с вероятностью 0,95 попадет в интервал от 37,51 до 47,15 единиц. Соответственно, вероятность  того, что потребность окажется больше 47,15 или меньше 37,51 единиц, составит всего 0,05. Но перед нами стоит задача не просто рассчитать требуемый интервал, а определить, то количество товара, которое необходимо для обеспечения потребности седьмого месяца, т.е. нам необходимо определить значение, которое будет больше или равно ожидаемого фактического значения потребности минимум в 95 % случаев. Очевидно, что в данных условиях таким значением будет 47,15.

 

 

     Вывод: данный метод не подходит, так как среднее отклонение 4,99-слишком большое.

     2.1.4 Определение потребности  на товар методом  регрессионного анализа.

     Регрессию можно определить как функциональную зависимость между двумя или несколькими переменными. Эту зависимость используют для предсказания значения одной переменной на основе значения другой. Для целей прогнозирования потребностей обычно изучают зависимость объема продаж (объема потребления) от времени. График линейной регрессии имеет следующий вид:  

     Y = a + bX, 

     где Y - значение зависимой переменной (в  нашем случае это обычно объем  продаж или объем потребления);

     а - коэффициент, показывающий высоту подъема  прямой по оси ОY);

     b - коэффициент, показывающий угол  наклона прямой;

     X - значение независимой переменной (в нашем случае это номер соответствующего временного интервала).

     Мы  рассматриваем зависимость потребности  в сахаре от времени. Время – это  независимая переменная X, а объем  потребления Y – зависимая переменная.

     Для составления прямой Y = a + bX необходимо решить следующую систему уравнений (где n – количество периодов времени, данные которых используются при прогнозировании). 

       

     Если  рассмотреть последние 9 периодов, то можно составить следующую прямую: