Operasyon
Yönetimi
Talep Tahmini
Doç. Dr. Mustafa Yüzükırmızı
[email protected]
Üretim Kararları
Toptancii/Bayii
Hammadde
Montaj/Uretim
Depo
Satis
Noktasi
Hammadde
Montaj/Uretim
Hammadde
Satis
Noktasi
Depo
Satis
Noktasi
Satis
Noktasi
Hammadde
Satis
Noktasi
Tedarik Zinciri Entegrasyonu
Tedarik
unsurları
Dağınık
zinciri
bakış
Tedarik
Malzeme
kontrol
Üretim
Satış
Dağıtım
Fonksiyonel
bütünleşme
Firma
içi
bütünleşme
Tedarik
Tedarik
yönetimi
Üretim
Üretim
yönetimi
Dağıtım
Dağıtım
yönetimi
Topyekün
bütünleşme
Tedarikçiler
Dahili tedarik zinciri
Müşteriler
Kararlar


Tedarik Zincirinin dizaynında ve işletilmesinde
verilmesi gerekli kararlar mevcuttur.
Kararlar yönetim moda ve şirket/endüstri
karakteristikleri ölçüsünde verilir



Dengeli akışlar mi?
Kararları kim verecek? Etkiler nasıl ölçülecek?
Yönetim masrafları, sabit maliyetler, değişken
maliyetler rasyonelize edilmeli, Bütün karşılıklı
etkileşimler test edilmeli
Kararlar

Stratejik-uzun donem


Taktik- orta dönem


Her kaynağın hedefi farklıdır- Stok ‘buffer’lar nereye
yerleştirilmeli, mevsimsel arz nasıldır?
Operasyonel- kısa dönem


Zincirdeki bir sonraki işlemler nelerdir, tedarik/tedarikçiler
nelerdir?
Taşıma nasıl yapılacak?
Her bir basamaktaki planlama ve operasyonel
kararlar nedir?
En iyi (optimal) kararlar


Optimal kararları belirlemek için elimizde veri
olması gerekir; alternatiflerin oluşturulması ve
değerlendirilmesi gerekir
Bazı örnekler:




Üretim kapasitesi
Yönetim ve değişken maliyetler
Taşıma bağlantıları
Talepler
Talep-Temel belirleyici



Veri ve dışsal faktörlerin belirlenmesi ve ürün /servis için talebin
belirlenmesi
Talep yönetimi: Talep yönlendirilebilirler mi?
Zaman aralığı: Güncelleştirme, veri, doğruluk, çıkarım, yetenek
Gecmis
veriler
Niteliksel
Tahmin
Degerlendirme
GOZLEM
TAHMIN
Niceliksel
Tahmin
feedback
Yonetimin
Degerlendirmesi
ANALIZ
Talep Tahmin Sistemi
Tahmin:Ne olacağının
öngörülmesi

İstatistiksel



Tirendler, tekrarlar, mevsimsel faktörler, düzensizlikler
Yumuşatma
Yargı
TAHMIN
Istatistiksel
Trend
Cıkarımı
Trend ve
Yumusatma
mevsimsel
Yargısal
Uzman
Görüşü
Pazar
anketi
Delphi
Talep Tahmini

Problem: Lojistik belirli bir talebi karşılaması gerektiği için ,
 Üretimin, lojistiğin, ve satışların başarıyla gerçekleşmesi
 Ne? Nerede? Ne zaman?
 Stok (depolama) ünitesi seviyesinde, birim tarafından, zaman
dönemi için doğru tahminlerin yapılması –otomatik olmalı

Yoğunlaşılması gereken unsurlar:




Tahminlerde yardımcı olacak modellerin kullanılması
Yerleşmiş ürünler –yeni ürünler değilKısa zaman dilimi- hafta-ay-3 aylık-yıllık
Her bir ürünün talebinin bağımsız olduğu durumlar
Talep tahmini







Talep tahmini zordur-özellikle gelecek için
Tahminler her zaman yanlıştır
Ne kadar az çıkarım, o kadar az hata
Ne kadar uzun zaman dilimi, o kadar hata
Geçmiş genellikle başlamak için en iyi yerdir
İyi bir tahmin sadece bir şayia değildir; aralık, talep
dağılımının açıklaması vb bilgileri de içermelidir
Her hangi bir analitik metot dışsal verilerle teyit
edilmelidir.
Firmadaki bir fonksiyon için yapılan tahmin diğer bir
fonksiyonun tahmini için kullanışlı olmayabilir.
Tahminin maliyeti ve doğruluğu
Tahminlerin ölçülmesi


Doğruluk/Hata oranlarının ölçülmesi
Semboller:



Dt:t döneminde gerçeklesen talep
Ft:t donemi için (t-1) donemi sonunda yapılan
talep tahmini
n=donem sayısı
Doğruluk-Sapma ölçütleri

Tahmin hatası: et=Dt-Ft


Ortalama sapma:
Ortalama mutlak sapma:

Hatanın karesinin
ortalaması
Ölçütler

Hatanın karesinin
ortalamasının
karekökü

Ortalama Yüzde Hata

Ortalama Mutlak
Yüzde Hata
Ölçütler






OS -üstteki ve alttaki değerler birbirini götürür,
doğruluk için iyi bir yöntem değildir.
OMS- birbirini götürmeyi önler, lojistik ve stok
kontrolünde sıklıkla kullanılır ama istatistiksel
özellikleri olasılık kuramlarının kullanılması için uygun
değildir.
HKO- birbirini götürmeyi önler, tahmin hatalarının
varyansina eşdeğerdir.İstatistiksel olarak doğrudur,
genellikle bu kullanılır
HKOK-yorumlanması kolaydır, tahmin edilenle aynı
birimdendir
OYH –Göreceli sapmayı gösteriri
OMYH- Göreceli doğruluğu gösterir
Ölçütler

Pratikte, hangi oranda doğruluk?





Çok zor soru
%10-15 OMYH çok iyidir, %20-%30 OMYH
ortalamadır.
Yüksek hatalı tahminler güvenlik stoku ihtiyacını
artırır ve müşteri hizmeti seviyesini düşürür.
Yanlış tahminlerin maliyeti yüksek olabilir
Mümkün olduğunca doğru tahminler yapmak için
gerekli eforu ortaya koymak şarttır.
Örnek
Ocak
Subat
Mart
Nisan
Mayis
Haziran
Temmuz
Agustos
Eylul
Ekim
Kasim
Aralik
Tahmin
Gerceklesen
76
63
64
58
52
80
51
72
58
58
54
73
57
59
56
68
56
64
70
77
53
63
66
63


Bir ürünün talebi için
yapılan tahminler ve
gerçeklesen değerler
verilmiştir.
Hata ölçütlerini
bulunuz.
Zaman serileri




Doğrusal Regresyon
Hareketli ortalama
Üssel yumuşatma
Mevsimsel değişimler için Vinter yöntemi
Doğrusal Regresyon



Regresyon, hatanın karesini minimize etmek için
verilere bir doğru yerleştirilen istatistiksel bir
yöntemdir.
Doğrusal regresyonla, takribi modelin parametreleri
kullanılarak kar/maliyet bileşenleri tahmin edilebilir.
Doğrusal regresyonda bir tane bağımsız değişken, i,
ve bir tane bağımlı değişkene yi n tane veri noktası
kullanılarak bir doğru yerleştirilir:
y= a+bx
Regresyonda parametre tahmini
Örnek



Bir dayanıklı tüketim mamulleri üreten firma,
işçilik giderlerinin üretime çok bağımlı
olduğunu tespit etmiştir.
Bu verilere ait geçmiş bilgiler Excel
dosyasında verilmiştir.
Regresyon analizi yaparak 310 birim
üretilmesi durumunda isçilik giderleri ne
olacağını belirleyin?
Örnek-Veri tablosu
Veri
Uretim
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Iscilik Maliyeti(bin YTL)
121
118
271
190
75
263
334
368
305
210
387
270
218
342
173
370
170
205
339
283
360
260
440
400
360
500
580
560
505
480
602
540
415
590
492
660
360
410
680
594
Örnek
Veri
noktasi
Toplam
Uretim
xi
Maliyet
yi
xiyi
xi2
…..
…..
……
……
…
….
….
….
Bağımlılık Katsayısı


Bağımlılık katsayısı,r, her iki verinin birbirine
ne kadar doğrusal olarak bağımlı olduklarının
göstergesidir.
Eğer r sıfırsa birbirleriyle doğrusal ilişki
yoktur, negatif bir katsayı ise bir değişkenin
artırılması durumunda diğerinin azalacağını
ifade eder.
S xy
r
S xx .S yy
n
S xy 
n
x
yi 
i
i 1
S xx 
x
2
i
i 1
n
S yy 
y
i 1
x y
i
i 1
n
2
i



n
n




i 1
n

i 1
i
i 1

xi 

2

yi 

/n
2
/n
n
Hareketli Ortalama




Regresyon modelinde değişkenler arasında bir ilişki
olduğu varsayılır ve bu ilişkinin sabit olduğu kabul
edilir.
Bazen lojistik sisteminde bir ürünün talebi sabitken,
ani değişikliklere uğrar.
Bu hareketleri takip edecek tahmin modeline ihtiyaç
duyulur.
Hareketli ortalamada “bir kaç dönem’’ önceki
gerçeklesen değer kullanılarak bu tahmin yapılabilir.
Hareketli Ortalama
Ft 1 
1
N
D

N
t  j 1
j 1




Dj:j döneminde gerçeklesen talep
Fj:j donemi için yapılan tahmin
N: hareketli ortalamaya dahil edilecek önceki dönem
sayısı(parametre)
Basitçe, t+1 dönemi için tahmin N dönem öncesine
kadar gerçekleşen taleplerin ortalamasıdır.
Örnek:
Donem Talep
1
2
3
4
5
6
7
8
9
10
11
12
106
110
118
105
115
100
112
106
118
102
112
110

Yanda geçmiş 12 doneme ait
talepleri verilen bir urun için 3dönem ve 5-dönem hareketli
ortalama yöntemi kullanarak
13. ve 20. dönem tahmini
yapın.

4-dönem ve 7-dönem hareketli
ortalama kullanarak en iyi
yöntemin hangisi olduğunu
belirleyin. -Ölçütleri kullanarakGrafiklerini ve verileri Excel
çıktısı olarak verin.

Üssel Yumuşatma




Doğrusal regresyonla karşılaştırıldığında üssel yumuşatma
tekniğinin avantajı daha yeni verilere eşit ağırlık vermek yerine
daha fazla ağırlık verebilmesidir.
Tahmin denklemleri yeni veri girildikçe bir kaç küçük işlemle
revize edilebilir.
Ek olarak, üssel yumuşatma doğrusal ilişki kabulüne dayanmaz.
Bu tekniğin, temel dezavantajı geçmiş tirendlerin ve şablonların
gelecekte de devam edeceğinin ön kabulüdür. Ama, verilerdeki
değişikliklere doğrusal regresyondan daha hassasdir.
Üssel Yumuşatma
Ft 1  Dt  (1   ) Ft (0    1)
(t döneminde yapılan,t+1 için tahmin) = α*(Dönem t’deki
gerçek veri) + (1- α)*(t-1 döneminde yapılan t dönemine
ait tahmin)
α: Yumuşatma katsayısı, önceki tahminlere nazaran
yeni verilere verilecek ağırlık. Genellikle 0.01 ile 0.30
arasındadır.
Örnek
Dönem
0
1
2
3
4
5
6
7
8
Talep
50
52
47
51
49
48
51
40
Tahmin
50
50
50.6
49.52
49.96
49.67
49.17
49.72
46.80
Üssel Yumuşatma





S1=0.3(50)+0.7(50)=50
S2=0.3(52)+0.7(50)=50.6
S3=0.3(47)+0.7(50.6)=49.52
S4=0.3(51)+0.7(49.52)=49.96
ÖDEV: Bir önceki hareketli ortalama için
verilen tablodan üssel yumuşatma kullanarak
tahmin yapın.(α =0.2).Değerlendirin.
Download

Ders 3(MBA 507):Taleptahmini_I