Дедуктивные методы. Каждый составитель прогнозов должен не забывать о том, что всегда необходимо руководствоваться здравыми суждениями и уметь делать логические выводы из фактов и взаимосвязей. В общем случае дело сводится к тому, чтобы выяснить, какова сейчас ситуация, какое положение со сбытом и почему, а затем дедуктивно проанализировать, исходя как из объективных обстоятельств, так и из субъективных суждений, факторы, оказывающие решающее влияние на сбыт. Полученные подобным образом данные могут быть введены в математическую модель, но могут и остаться неиспользованными, если они представляют собой неточно скоррелированный конгломерат фактов и оценок. Тем не менее, они часто служат полезным средством проверки результатов, полученных с помощью точных методов. 15
Основные проблемы использования рассмотренных выше методов
Основные трудности, которые могут возникнуть в процессе прогнозирования можно условно разделить на четыре группы:
1. Исходная статистическая информация зачастую бывает недостоверной. Однако даже при наличии достоверных данных о прошлом, они не всегда могут служить надежной базой для принятия плановых решений, направленных в будущее;
2. Некоторая часть информации, необходимой для выбора наилучшего варианта планового решения, имеет качественный характер и не поддается количественным измерениям (например, невозможно разработать формулу для прогнозирования (оценки) поведения людей в той или иной ситуации, в производственном коллективе);
3. В момент принятия решения необходимая статистическая информация отсутствует, а ее получение требует времени или средств;
4. Существует большая группа факторов, которые будут влиять на реализацию планов, но при подготовке плановых решений их нельзя точно предсказать.
Для применения статистических методов прогнозирования необходимо проводить исследовательскую работу и пользоваться услугами квалифицированных статистиков - и то и другое может дорого стоить. Кроме того, в условиях динамичного развития общества, когда происходят какие-то кардинальные изменения - в экономике, в социальной сфере, в технике, в технологии и в других областях - эффективность применения статистических методов для прогнозирования и планирования, особенно на длительный период, снижается. Существует также опасность, что управляющие станут чрезмерно полагаться на статистические методы и на полученные на их основе результаты и поэтому могут не заметить существенных изменений, значение которых мог бы оценить другой специалист.
Указанные трудности хотя и являются весьма существенными, однако не исключают эффективного прогнозирования того или иного экономического показателя. Вопрос очевидно должен ставиться о выборе наиболее эффективного для конкретной задачи метода прогнозирования.
Использование методов нечёткой логики для прогнозирования продаж. Большинство из рассмотренных выше методов прогнозирования основано на наблюдении прогнозируемого показателя в предыдущие периоды времени. Иногда при этом рассматривается ещё один или два сопутствующих фактора, влияющих на поведение данного показателя. В то же время мы понимаем как много всевозможных внешних и внутренних для предприятия факторов могут повлиять на поведение рассматриваемого показателя. Таких факторов может быть несколько десятков. Причём в одних условиях существенными могут быть одни факторы, при изменении условий другие. Построение аналитической зависимости прогнозируемого показателя y от вектора факторов, характеризующих состояние объекта и внешней среды x чаще всего не представляется возможным.
Перспективным в этом плане является подход, использующий алгоритмы нечеткой логики. Данный метод позволяет создавать эффективные модели сложных объектов. К его достоинствам можно отнести универсальность (согласно теореме FAT (Fuzzy Approximation Theorem), доказанной Б. Коско в 1993 г., любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике), использование языка, близкого к естественному для описания условия и метода решении задачи, что позволяет применять метод для объектов, значения переменных которых представлены не в количественных шкалах, а также данный подход позволяет легко учесть имеющуюся априорную информацию. Еще лучшее качество решения отмеченной задачи идентификации удается получить при использовании адаптивных нечетких алгоритмов, использующих имеющиеся экспериментальные данные, позволяющие создавать модель, основанную на принципах нечеткого вывода, выявляя закономерности в данных и обобщая их.
Основой данного подхода составляет теория нечетких множеств, которая оперирует нечетким представлением нечетких понятий. Теоретико-множественный подход позволяет кроме чётких статистических данных и отчётов учитывать социально-психологические и экономические переменные рынка. Работа с такой прогнозирующей системой состоит из двух этапов: этапа обучения и этапа собственно прогнозирования. На этапе обучения на основе предыдущих наблюдений осуществляется настройка системы нечёткой логики. Система нечёткого логического вывода способна обучаться в процессе её эксплуатации. По сути, такая система является интеллектуальной информационной системой, обладающей элементами прогнозирования.
Задача. Предприятие выпускает два вида продукции А и Б. Производство периодическое. Режим работы предприятия: в 2 смены по 8 часов с двумя выходными днями: субботой и воскресеньем. Необходимо составить план производства продукции при заданном расходе сырья. Исходная информация представлена в таблицах.
Таблица 2.1
Показатели
А
Б
Количество ведущего оборудования, шт.
12
16
Производительность единицы оборудования, кг/ч
5
7
Коэффициент полезного времени
0,8
0,75
Норма обслуживания, ап./чел
3
4
Коэффициент использования мощности в базовом периоде
0,68
0,88
Расход сырья на 1 тонну продукции, т
Ограниченный расход сырья для составления плана производства, т
1578
Таблица 2.2.
1 . Сырье и основные материалы, тыс. руб
1000
1150
2. Вспомогательные материалы (в % от п.1)
6
3. Энергозатраты (в % от п.1)
4. Расходы на топливо(в % от п.1)
2,4
2,3
5. Расходы на оплату труда основных рабочих
5523,6
5753,75
5.1. Величина прожиточного минимума для трудоспособного населения по Ивановской области, руб.
4603,0
5.2. Надбавка на заработную плату, в %
20
25
6. Отчисления на социальные нужды (в% от п.(5.1+5.2))
26
7. Общепроизводственные расходы( в % от п.5)
180
178
в т.ч. постоянные расходы, %
60
8. Общехозяйственные расходы (в % от п.5)
200
201
в т.ч. условно-постоянные расходы, %
100
9. Производственная себестоимость (п.1+п.2+п.3+п.4+п.5+п.6+п.7+п.8)
10. Коммерческие расходы (в % от производственной себестоимости)
1
1,5
11 .Полная себестоимость (п.9+п.10)
2.1 Расчет производственной мощности
Производственная мощность (ПМ) - максимально возможный годовой выпуск продукции при полном использовании производственного оборудования. ПМ определяется с целью установления планового выпуска продукции по мощности ведущего оборудования.
При расчете ПМ принимается максимально возможный фонд времени работы оборудования, исходя из установленного режима работы. Различают календарный, номинальный, эффективный фонд времени. Номинальный фонд определяется режимом работы предприятия. В непрерывных производствах номинальный фонд времени равен календарному. В периодических производствах номинальный фонд времени устанавливается с учетом количества смен, выходных и праздничных дней.
Годовой эффективный фонд времени работы оборудования рассчитывается по формуле:
Тэф = Тном КПВ
Где Тном - номинальный фонд времени работы оборудования за год, ч;
КВП - коэффициент полезного времени работы оборудования.
Расчет производственной мощности производится по формуле:
ПМ = ПчасКустТэф
Страницы: 1, 2, 3, 4, 5, 6, 7
