1. تنبؤ الطلب
الفصل الثالث

2. 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

3. 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

4. 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.

5. 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.

6. 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.

7. 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.

8. 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:

9. 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

10. 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

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

12. 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.

13. طرق تحليل السلاسل الزمنية
الشهر
الطلب (1000 وحدة)
متوسط متحرك طولة 4 فترات 1 25 2 30 3 32 4 40 5 48
/4( ) =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

14. 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

15. 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

16. 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.

17. 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

18. 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

19. 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

20. 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:

21. طرق تحليل السلاسل الزمنية
مثال:
الجدول التالي يبين الطلب على احد السلع للاعوام (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

22. طرق تحليل السلاسل الزمنية
مثال:
الجدول التالي يبين الطلب على احد السلع للاعوام (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

23. طرق تحليل السلاسل الزمنية
مثال:
الجدول التالي يبين الطلب على احد السلع للاعوام (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

24. 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 وحدة

25. 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

26. 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

27. 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

28. 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

29. 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

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

31. 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:

32. 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

33. 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)

34. 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.