บทท 2 การพยากรณ
Forecasting
การพยากรณ คอ อะไร
เปนกระบวนการคาดการณเหตการณในอนาคต
เกยวของกบการตดสนใจทางธรกจในเรอง
การผลต Production
สนคาคงคลง Inventory
ทรพยากรมนษย Personnel
??
การพยากรณระยะสน Short-Term Forecasting
โดยทวไปไมเกน 3 เดอน
เชน การวางแผนการจดซอ, การจดตารางการท างาน
การพยากรณระยะกลาง Medium-Term Forecasting
3 เดอน ถง 3 ป
เชน การวางแผนการขาย การผลต, การจดท างบประมาณ
การพยากรณระยะยาว Long-Term Forecasting
3 ปขนไป
เชน การออกผลตภณฑใหม การวจยพฒนา การขยายท าเลทตง
ระยะเวลาของการพยากรณ
ขนตอนการพยากรณ
การตดสนใจใชการพยากรณ
เลอกรายการการพยากรณ
ตดสนใจเวลาทใชในการพยากรณ
เลอกรปแบบการพยากรณ
รวบรวมขอมลทจ าเปนตอการท าการพยากรณ
ท าการพยากรณ
สรางความเทยงตรงและปฏบตการวเคราะหผลลพธ
ประเภทของการพยากรณ
1. การพยากรณเชงคณภาพ
• การพยากรณจากรายงานของพนกงานขาย
• การพยากรณจากความเหนของฝายบรหาร
• การส ารวจตลาด
• วธเดลฟาย
ประเภทของการพยากรณ
โมเดลอนกรมเวลา Time-series models
โมเดลเหตผล Associative models, Causal
models
2. การพยากรณเชงปรมาณ
รปแบบการพยากรณแบบอนกรมเวลา
รปแบบการพยากรณระดบ
รปแบบแนวโนม
รปแบบวฏจกร
รปแบบฤดกาล
© 2006 Prentice Hall, Inc. 4 – 8
เ ปนการน า ข อ มล ในอด ตมา ใ ช ในการพยากร ณ ล กษณะของ ขอ มลข นล ง ไ มสม าเสมอ ท าใหไมสามารถคาดการณได ขนอย กบปจจยในชวงเวลานนๆ
รปแบบการพยากรณระดบ
เปนอนกรมเวลาทพจารณาถงการเคลอนไหวคงทขนหรอลงในเหตการณทเกดขนในชวงเวลาทตองการขยายธรกจหรอขอบเขตผลตภณฑ
รปแบบแนวโนม (Trend)
2
3
4
5
0
1
2
3
4
5
6
2006 2007 2008 2009
แสดงถงการผกผนซงเกดขนในชวงเวลาทมากกวา 1 ปถาชวงเวลาหรอระบบของวฎจกรยาวขนอาจจะมผลกระทบกบองคการ เกดจากผลกระทบจากปจจยดานการเมอง เศรษฐกจ วงจรธรกจ
รปแบบวฎจกร (Cycles)
0 5 10 15 20
สะทอนความผนแปรของขอมล ซ งกลบมาเกดขนเปนชวงเวลาหรอฤดกาลในแตละป รปแบบนอาจเปนชวงฤดกาลท เปนเดอน ไตรมาสหรอป และอาจเปนฤดกาลท เปนสปดาหหรอรายวน หรอแมกระทวรายชวโมงกเปนได สาเหตการเปลยนแปลงเกดจากพฤตกรรมของลกคา หรออากาศ
รปแบบฤดกาล (Seasonal)
เกดในกรณท มความแปรปรวนของวกฤตการณการเมอง การนดหยดงาน การประทวงหรอเหตการณไมอาจคาดการณไดอน ๆ ซงไมอาจใชการพยากรณอนกรมเวลาแบบใดไดเหมาะสมเพยงพอผบรหารจะใชแบบสมตวอยาง โดยทวไปแลวใชกบเหตการณทไมไดกลบมาเกดขนใหมอกครงหรอเปนเหตการณเกดขนชวครงชวคราว
รปแบบสม (Random)
M T W T F
วธการพยากรณเชงปรมาณ โมเดลอนกรมเวลา
1.1 วธการหาคาแบบตรง Naive approach
1.2 วธการหาคาเฉลยเคลอนท Moving Averages
1.3 วธการหาคาเฉลยเคลอนทถวงน าหนก Weighted moving Averages
1.4 วธปรบเรยบเอกซโพเนลเชยล Exponential smoothing
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
1.1 วธการหาคาแบบตรง (Naive Approach)
ความตองการของผลตภณฑในอนาคตจะเทากบความตองการปจจบน
เชน ถาเดอน พ.ค.ขายได 48 เครอง ยอดขายเดอน ม.ย.กสามารถพยากรณไดวาจะเทากบ 48 เครอง
January 10
February 12
March 13
April 16
May 19
June 23
July 26
Actual 3-Month Month Shed Sales Moving Average
(12 + 13 + 16)/3 = 13 2/3
(13 + 16 + 19)/3 = 16
(16 + 19 + 23)/3 = 19 1/3
10
12
13
(10 + 12 + 13)/3 = 11 2/3
คาเฉลยเคลอนท = ∑ ความตองการในชวงเวลากอนหนาชวงเวลา n
n
1.2 วธการหาคาเฉลยเคลอนทอยางงาย Simple Moving Average Method
ตวอยาง
จากขอมลในตารางตอไปน จงพยากรณยอดขายในเดอนมกราคมปถดไป
วธท า คาเฉลยเคลอนท 3 เดอน
F13 = Y12 + Y11 + Y10
3
= 14 + 16 + 18
3
= 16
ใชขอมลปจจบนมาถวงน าหนก เพอใหการพยากรณมความถกตองมากขน
1.3 วธการหาคาเฉลยเคลอนทถวงน าหนก Weighted Moving Average
คาเฉลยเคลอนทถวงน าหนก
= ∑ [(คาถวงนน. ส าหรบชวงเวลา n) x (คาความตองการของชวงเวลา n)]
∑ คาถวงน าหนกทงหมด
January 10
February 12
March 13
April 16
May 19
June 23
July 26
Actual 3-Month Weighted Month Shed Sales Moving Average
(.5 x 16) + (.3 x 13) + (.2 x 12) = 14.30
(.5 x 19) + (.3 x 16) + (.2 x 13) = 16.90
(.5 x 23) + (.3 x 19) + (.2 x 16) = 20.40
Weighted Moving Average
10
12
13
(.5 x 13) + (.3 x 12) + (.2 x 10)= 12.10
Weights Applied Period
.50 1 เดอนกอนหนา .30 2 เดอนกอนหนา .20 3 เดอนกอนหนา
© 2006 Prentice Hall, Inc. 4 – 19
1.4 วธปรบเรยบเอกซโพเนลเชยล Exponential smoothing
การพยากรณโดยใชการเฉลยเคลอนทวธหนง ซงใหน าหนกขอมลทผานมาแลวนนตาง ๆ กน ขอมลทผานมาแลวนนจะใหน าหนกนอยแลวเพมขนเรอย ๆ จนกระทง ขอมลปจจบนจะใหน าหนกมากทสด วธนคาพยากรณจะถกก าหนดโดยคาพยากรณของงวดทแลว บวกกบสวนแตกตางระหวางขอมลจรงของงวดทแลวกบคาพยากรณของงวดทแลว
© 2006 Prentice Hall, Inc. 4 – 20
วธปรบเรยบเอกซโพเนลเชยล Exponential smoothing
สตรในการค านวณ
Ft = Ft-1 + (Xt-1 – Ft) เมอ Ft คาพยากรณความตองการใหม Ft-1 คาพยากรณ ชวงทผานมา คอน าหนกหรอคาคงทปรบเรยบ Xt-1 ความตองการทแทจรงทผานมา
© 2006 Prentice Hall, Inc. 4 – 21
วธปรบเรยบเอกซโพเนลเชยล Exponential smoothing
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
คาขอมลตาง ๆ บนเสนกราฟจะแสดงความสมพนธเปนเสนตรง โดยมคาเบยงเบนของขอมลทอยหางจากเสนกราฟไมมากโดยสามารถหาคาไดจาก
y = a + bx
y = คาพยากรณตวแปรตาม a = คาคงททตดแกน y b = คาความชนของเสนตรงแนวโนม x = คาตวแปรอสระ
b = nSxy - SxSy
nSx2 – (Sx)2
y = a + bx
a = y - bx
y = Sy
n x = Sx
n
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
สตรในการค านวณ
© 2006 Prentice Hall, Inc. 4 – 24
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
© 2006 Prentice Hall, Inc. 4 – 25
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
a = y – bx แทนคา a = 12.5 – 1.254 x 4.25
a = 12.5 – 5.33
a = 7.17
© 2006 Prentice Hall, Inc. 4 – 26
1.5 การวเคราะหถดถอยเชงเสนตรง Linear Regression Analysis
ถาในปถดไปจ านวนหนวยผลตเพมขนเปน 10 ลานชน บรษทแหงนจะมตนทนการผลตเปนกลานบาท y = a + bx
y = 7.17 + 1.254 x 10
y = 7.17 + 12.54
y = 19.71 ดงนน ถาในปถดไปจ านวนหนวยผลตเพมขนเปน 10 ลานชน บรษทแหงนจะมตนทนการผลตเปน 19.71ลานบาท
Top Related