تنبؤ الطلب الفصل الثالث

أهداف التعلم عند الانتهاء من هذا الفصل يتوقع من الطالب ان يكون قادراً على تشخيص العناصر الاساسية التي ينطوي عليها الطلب على السلع تحديد الأبعاد الزمنية للتنبؤ وأهمية ذلك لعملية التنبؤ تحديد انواع التنبؤ وخطوات إجراءه تحديد العوامل الأساسية التي تؤثر على عملية التنبؤ التمييز بين اساليب التنبؤ النوعية والكمية إعداد التنبؤ باستخدام اساليب السلاسل الزمنية والأساليب السببية تطبيق اساليب مختلفة لقياس خطأ التنبؤ وتفسير مضامينها التمييز بين التنبؤ المركز والتسوية التكيفية للتنبؤ

ما هو التنبؤ؟ عادة ما يتخذ المدراء قرارات بدون علم بالنتائج المستقبلية. يقومون بطلب مجموعة من المنتجات لتخزينها وكذلك المواد الخام بدون علم مسبق بكمية الطلب على السلع المنتجة. متخذي القرار يأملون دائماً بتقدير ما سيحصل في المستقبل وذلك لاتخاذ القرارات الصحيحة مع وجود درجة من عدم التأكد. لذلك فإن التنبؤ هو فن وعلم تقدير الأحداث في المستقبل

الأبعاد الزمنية للتنبؤ قصير المدى: هذا النوع من التنبؤ قد يمتد الى سنة واحدة لكنة عادة لا يزيد عن 3 أشهر. مثل التنبؤ لمشتريات الشركة و جدولة الأعمال و مستوى الحاجة لليد العاملة وغيرها متوسط المدى: ويمتد من 3 أشهر الى 3 سنوات وهو مفيد في تخطيط الإنتاج و المبيعات وكذلك تحليل مجموعة من بدائل خطط العمليات. طويل المدى: بشكل عام تكون لمدة 3 سنوات فأكثر وتستخدم عادة في التخطيط لطرح منتج جديد وكذلك في تحديد المواقع لوحدات المنشأة و تستخدم في البحث والتطوير.

الأبعاد الزمنية للتنبؤ يختلف التنبؤ متوسط المدى و التنبؤ طويل المدى عن التنبؤ قصير المدى في النقاط التالية: التنبؤ متوسط وطويل المدى يتعامل مع مواضيع اكثر شمولية مثل تحديد موقع المنشأة التنبؤ قصير المدى يستخدم اساليب كمية مختلفة بينما يستخدم في التنبؤ متوسط وطويل المدى اساليب كمية وغير كمية. التنبؤ قصير المدى غالباً يكون اكثر دقة واقرب الى الواقع.

أنواع التنبؤ التنبؤ الإقتصادي: مثل تنبؤ التضخم النقدي وغيرها من مؤشرات التخطيط الاقتصادية التنبؤ التكنولوجي: التنبؤ للتقدم التكنولوجي الذي قد ينتج عنه انتاج منتجات جديدة والتي تستدعي بناء مصانع وكذلك توفير المعدات اللازمة لصنع ذلك المنتج تنبؤ الطلب: وهو تقدير الطلب على منتج او خدمة توفرها المنظمة. ويعتبر هذا النوع من التنبؤ القوة المحركة للمنظمة وبالتالي فإن التنبؤ على الطلب هو ما سنهتم به في هذا المقرر.

الأهمية الإستراتيجية للتنبؤ التنبؤ هو الطريقة الوحيدة لمعرفة الطلب على المنتج حتى نصل الى مرحلة الطلب الحقيقي. لذلك فإن للتنبؤ اهمية كبير لجميع جوانب المنظمة ووحداتها. التنبؤ هو المحرك الحقيقي لجميع القرارات في المنظمة. لنأخذ على سبيل المثال الأنشطة التالية: الموارد البشرية: التوظيف و التدريب وكذلك تسريح بعض العاملين يعتمد على نتائج التنبؤ على الطلب. التوظيف المفاجئ قد يؤدي الى انخفاض مستوى التدريب وبالتالي قد تتأثر المنظمة سلباً. الطاقة الإنتاجية: عندما تكون الطاقة الإنتاجية غير متناسبة مع الطلب الكبير للمنتج فإن ذلك سيؤدي الى خسارة مجموعة من الزبائن وبالتالي خسارة حصة المنظمة في السوق. في الجهه المقابلة اذا كانت الطاقة الإنتاجية أكبر من الطلب على المنتج فإن ذلك سيزيد تكاليف الانتاج الغير مبررة مما قد يؤدي الى مشاكل حقيقية للمنظمة. إدارة سلاسل التوريد Supply Chain Management التقدير الجيد للموارد المطلوبة من الموردين تخلق جو من الثقة المتبادلة مع الموردين.

خطوات التنبؤ بالطلب تحديد استخدام التنبؤ: أي تحديد الغرض من التنبؤ وماهي القرارات التي تعتمد على نتائج ذلك التنبؤ. تحديد السلع او الخدمات الخاضعة للتنبؤ: تحديد الأبعاد الزمنية للتنبؤ (تحديد المرحلة التي وصل إليها المنتج): تحديد نموذج التنبؤ (تحديد اسلوب التنبؤ): جمع البيانات اللازمة لإجراء التنبؤ: إجراء التنبؤ: التأكد من ملائمة التنبؤ وتطبيق نتائجة:

أساليب التنبؤ يمكن تصنيف اساليب التنبؤ الى مجموعتين: 1- الأساليب النوعية Qualitative Methods وتشمل كل من - تقديرات رجال البيع - رأي لجنة الخبراء - بحوث السوق - أسلوب دلفي تستخدم هذه الاساليب عادة عندما لا تتوفر بيانات تاريخية وتعتمد على الخبرة في تقييم المستقبل

أساليب التنبؤ 2- الأساليب الكمية Quantitative Methods وتشمل كل من - طرق تحليل السلاسل الزمنية: عناصر السلاسل الزمنية - الإتجاه Trend (الزيادة المضطردة أو النقص المضطرد) - الموسمية Seasonality (التغير الموسمي للطلب سواء كان اسبوعي او شهري او فصل) - الأثر الدوري Cycles (تحدث مره خلال مجموعة من السنوات) - التغير العشوائي Random Variation (تغيرات صغيره تحدث بشكل عشوائي ويصعب تحديد اسبابها) - الأساليب السببية: تعتبر من اكثر طرق التنبؤ بالطلب فعالية

عناصر السلاسل الزمنية Trend component Seasonal peaks Demand for product or service | | | | 1 2 3 4 Time (years) Seasonal peaks Actual demand line Average demand over 4 years Random variation

طرق تحليل السلاسل الزمنية السلاسل الزمنية تمثل مجموعة من المشاهدات مرتبة زمنياً حسب تسلسل وقوعها. إستخدام السلاسل الزمنية في التنبؤ على الطلب يعني أن الطلب على السلعة يعتمد فقط على البيانات التاريخية للطلب مع اهمال بقية المتغيرات. أسلوب المتوسطات المتحركة: يستخدم هذا الأسلوب عدد من البيانات التاريخية الفعلية لحساب التنبؤ. وبموجب هذا الأسلوب فإن التنبؤ على الطلب لفترة مقبلة يساوي مجموع الطلب لعدد معين من الفترات الماضية مقسوماً على عدد تلك الفترات. هذا الأسلوب جيد لتجاهل وإبعاد أي تغيير مفاجئ على الطلب. لذلك فإن زيادة عدد الفترات N يقلل من أمكانية تأثر التنبؤ بالتغييرات المفاجئة لكنه في نفس الوقت يجعل هذا الأسلوب أقل حساسية وإستجابه للتغيرات الحقيقية.

طرق تحليل السلاسل الزمنية الشهر الطلب (1000 وحدة) متوسط متحرك طولة 4 فترات 1 25 2 30 3 32 4 40 5 48 /4(40+32+30+25) =32 6 58 38 7 65 45 8 75 53 9 70 62 10 67 11 64 12 35 مثال: البيانات التالية تبين الطلب الذي تحقق على أحدى السلع للاشهر الاربع الأولى من السنة والمطلوب إجراء التنبؤ للاشهر المتبقية من السنة باستخدام متوسط متحرك طولة 4 أشهر

طرق تحليل السلاسل الزمنية عند ملاحظة اتجاة Trend او موسمية Seasonality واضح في البيانات يمكن إستخدام أوزان لاعطاء أهمية اكبر للقيم الأقرب. يمكن كتابة المتوسط المتحرك الموزون كالتالي: مثال: استخدم بيانات المثال السابق لإجراء التنبؤ على الطلب باستخدام الأوزان التالية الأوزان تطبيق الأوزان 4 الشهر السابق 3 قبل شهرين 2 قبل 3 أشهر 1 قبل 4 أشهر 10 مجموع الأوزان

طرق تحليل السلاسل الزمنية الشهر الطلب (1000 وحدة) المتوسط المتحرك الموزون 1 25 2 30 3 32 4 40 5 48 34 6 58 41 7 65 49 8 75 57 9 70 66 10 45 69 11 61 12 35 51

طرق تحليل السلاسل الزمنية 2- أسلوب التسريح الأسي Exponential Smoothing Method هو عبارة عن متوسط متحرك موزون لا يعتمد على بيانات تاريخية قديمة جدا بل يعتمد على البيانات الخاصة بالفترة السابقة فقط. يمكن كتابة هذا الأسلوب رياضياً كالتالي: حيث A تعبر عن الطلب الحقيقي عباره عن وزن يتراوح بين 0 و 1 (وغالبا يكون بين 0.05 و 0.5 في التطبيقات الادارية والتجاريه) فكرة هذا الاسلوب بسيطة حيث ان التنبؤ للفترة القادمه يساوي التنبؤ للفترة الحالية مضافاً عليها نسبة معينة من الفرق بين تنبؤ الفترة الحالية والطلب الحقيقي للفترة الحالية.

طرق تحليل السلاسل الزمنية 3- أسلوب التسريح الأسي المعدل Trend Adjusted Exponential Smoothing Method ألإسلوب السابق كغيرة من اساليب المتوسطات المتحركة لا يتجاوب مع التغير الحاصل في الإتجاة Trend. المثال التالي يوضح عدم تجاوب أسلوب التسريح الأسي مع التغيير في الإتجاه. يتضح من هذا الجدول الفرق الكبير بين قيم التنبؤ والطلب الحقيقي وذلك بسبب عدم تفاعل هذا الاسلوب مع التغير في الاتجاه Trend بافتراض ان الشهر الطلب الحقيقي التنبؤ 1 100 نبدأ من الشهر 2 2 200 3 300 140 4 400 204 5 500 282

طرق تحليل السلاسل الزمنية ولمعالجه هذه المشكلة تم التوصل الى أسلوب التسريح الأسي المعدل. التنبؤ المعدل = التنبؤ بطريقة التسريح الاسي البسيط + الاتجاه حيث يتم حساب الإتجاة باستخدام المعادلة التالية: يستخدم المعامل ”بيتا“ في تقدير شدة الاختلاف بين التنبؤين وهي تتراوح بين 0 و 1 ويتم اختيار القيمة المناسبة لهذا المعامل بناءً على الخبرة. مثال: بافتراض ان الطلب على أحدى المنتجات خلال الشهر السادس من العام 2010 بلغ 1000 وحدة و أن التنبؤ لذلك الشهر بلغ 800 وحدة. فما هو تنبؤ الطلب المعدل باستخدام معامل تسريح أسي مقدارة 20% وثابت تسريح اتجاه مقدارة 30% مع العلم ان الأتجاة للشهر السادس كان 10

طرق تحليل السلاسل الزمنية الحل: 1- حساب التنبؤ بطريقة التسريح الأسي للشهر السابع 2- حساب الإتجاه للشهر السابع 3- حساب التنبؤ المعدل بالأتجاة للشهر السابع

طرق تحليل السلاسل الزمنية 4- أسلوب خط ألاتجاه Trend Line Method يعتبر هذا الأسلوب من الأساليب الشائعة الإستخدام في تنبؤ الطلب. وتفترض هذه الطريقة ان الطلب على المنتجات يتغير بمرور الزمن إما الى الزيادة أو الى النقصان. يستخدم هذا الاسلوب معادلة خط الإتجاه العام Y= a + bX حيث Y = تنبؤ الطلب X = الفترة الزمنية a = ثابت (التقاطع) b = درجة ميل المعادلة (الزيادة على الطلب بزيادة وحدة واحدة من X ) يتم حساب a و b باستخدام المعادلتين التاليتين:

طرق تحليل السلاسل الزمنية مثال: الجدول التالي يبين الطلب على احد السلع للاعوام 1999-2009 (الف وحدة) والمطلوب إعداد معادلة خط الإتجاه العام و التنبؤ على الطلب لعام 2010 السنة ترتيب السنه X الطلب Y XY 1999 20 2000 30 2001 60 2002 100 2003 80 2004 70 2005 120 2006 140 2007 2008 180 2009 190 المجموع 1130

طرق تحليل السلاسل الزمنية مثال: الجدول التالي يبين الطلب على احد السلع للاعوام 1999-2009 (الف وحدة) والمطلوب إعداد معادلة خط الإتجاه العام و التنبؤ على الطلب لعام 2010 السنة ترتيب السنه X الطلب Y XY 1999 1 -5 20 2000 2 -4 30 2001 3 -3 60 2002 4 -2 100 2003 5 -1 80 2004 Cx = 6 70 2005 7 120 2006 8 140 2007 9 2008 10 180 2009 11 190 المجموع 1130

طرق تحليل السلاسل الزمنية مثال: الجدول التالي يبين الطلب على احد السلع للاعوام 1999-2009 (الف وحدة) والمطلوب إعداد معادلة خط الإتجاه العام و التنبؤ على الطلب لعام 2010 السنة ترتيب السنه X الطلب Y XY 1999 1 -5 20 -100 25 2000 2 -4 30 -120 16 2001 3 -3 60 -180 9 2002 4 -2 100 -200 2003 5 -1 80 -80 2004 Cx = 6 70 2005 7 120 2006 8 140 280 2007 420 2008 10 180 720 2009 11 190 950 المجموع 1130 1810 110

طرق تحليل السلاسل الزمنية وبالتالي يمكن حساب كل من a و b كالتلي: وبالتالي فإن معادلة التنبؤ تكون كالتالي والتنبؤ للسنة 2010 هو وحيث ان الطلب بالآلاف فإن الطلب للعام 2010 هو 199000 وحدة

طرق تحليل السلاسل الزمنية 5- أسلوب خط الإتجاه المعدل بالعوامل الموسمية Seasonal Adjusted Trend Line Method يستخدم هذا الاسلوب للتنبؤ مع الأخذ في الاعتبار التغيرات الموسمية. ويعتمد هذا الأسلوب على حساب التنبؤ باستخدام اسلوب خط الاتجاه العام ثم تضرب بمعامل الموسمية كما في المعادلة التاليه خطوات الحل: 1- حساب التنبؤ باستخدام معادلة خط الاتجاه العام 2- حساب المعامل الموسمي: حساب الوسط الحسابي للطلب لكل سنه حساب المعامل الموسمي لكل فصل حساب متوسط المعامل الموسمي

طرق تحليل السلاسل الزمنية السنة الفصل الطلب مجموع الطلب السنوي 2008 1 90 2 670 3 1040 4 200 2000 2009 140 740 1180 340 2400 2010 1170 1660 570 3600 مثال: بافتراض ان الطلب على أحد السلع للسنوات 2008 و 2009و 2010 كان كالتالي

طرق تحليل السلاسل الزمنية السنة الفصل الطلب مجموع الطلب السنوي المتوسط السنوي المعامل الموسمي متوسط المعامل الموسمي 2008 1 90 2000 500 0,18 2 670 1,34 3 1040 2,08 4 200 0,4 2009 140 2400 600 0,23 740 1,23 1180 1,97 340 0,57 2010 3600 900 0,22 0,21 1170 1,30 1,29 1660 1,84 1,96 570 0,63 0,53

الأساليب السببية Causal Methods الانحدار الخطي Linear Regression تعد الأساليب السببية من أكثر الأساليب فاعلية وتستخدم عند توفر معلومات كافية عن تأثير متغير ما على الطلب يشابه هذا الأسلوب أسلوب خط الاتجاه العام لكنه لا يستخدم الزمن كمتغير مستقل. المعادلة التالية تستخدم لوصف العلاقة بين الطلب Y (كمتغير تابع) والمتغير المستقل X

الأساليب السببية Causal Methods مثال(7-3): من خلال مبيعات السنوات الماضيه لوحظ بان هناك علاقة بين مصاريف الاعلان والطلب على العوازل الحراريه لشركة الصناعات الكهربائية Y^2 X^2 XY الطلب (1000) Y مصاريف الاعلان (1000) X 17424 250000 66000 132 500 3364 67600 15080 58 260 6400 32400 14400 80 180 2500 40000 10000 50 200 12100 160000 44000 110 400 41788 550000 149480 430 1540 المجموع

الأساليب السببية Causal Methods باستخدام المعادلات السابقة فإن معادلة خط الانحدار تكون كالتالي: Y = 15.16 + 0.23 X بافتراض ان الشركة قد خصصت 310 الاف ريال كمصاريف اعلانية فان المبيعات المتوقعه تكون Y310 = 15.16 + (0.23)*(310) = 86.46 اي ان الطلب المتوقع هو 86460 وحدة

الأساليب السببية Causal Methods معامل الارتباط Correlation Coefficient معامل الارتباط هو مقياس لتوضيح قوة العلاقة بين متغيرين وتتراوح قيمة المعامل بين +1 و -1 يتم حساب معامل الارتباط r باستخدام المعادلة التالية:

قياس خطأ التنبؤ الدقة العامة لأي نموذج تنبؤ يمكن حسابه بمقارنة التنبؤ المحسوب مع الطلب الحقيقي على السلعة. هناك مجموعة من الأساليب لقياس دقة نموذج التنبؤ وبالتالي تقييم نموذج التنبؤ للحصول على تنبؤ أكثر دقة. قياس خطأ التنبؤ لأسلوب المتوسطات المتحركة: الانحراف المعياري Standard Deviation (SD) هناك من يستخدم مايسمى مربع انحرافات الخطأ في التنبؤ Mean Square Error (MSE) وهو عباره عن S السابقة بدون الجذر التربيعي

قياس خطأ التنبؤ قياس خطأ التنبؤ لأسلوب التسريح الاسي البسيط والمعدل (معدل الانحراف المطلق Mean Absolute Deviation (MAD) ) معدل او متوسط نسبة الخطأ المطلق Mean Absolute Percent Error (MAPE)

قياس خطأ التنبؤ قياس خطأ التنبؤ لأسلوب خط الاتجاة ويستخد لذلك الخطأ المعياري Sy,x y = الطلب الحقيقي yc = التنبؤ باستخدام معادلة خط الانحدار (قد نستخدم نفس المقياس في معادلة الاتجاه كذلك) المعادله السابقه يمكن حلها كذلك باستخدام الصيغه الاسهل وهي إشارة الدلالة Traking Signal (TS) وهي مقياس (قريب من مقاييس الرقابه على الجودة) يعبر عما إذا كان التنبؤ مواكبا للتغيرات الحقيقية على الطلب. فإذا كانت القيمة موجبة فذلك يعني ان التنبؤ أكبر من الطلب والعكس صحيح.