Прогнозування попиту на хлібобулочну продукцію малого підприємства Стаття в журналі «Молодий
Бібліографічний опис:
У статті розглянуто методи прогнозування, наведено результати аналізу продажів за методами експонентного згладжування та тижневої кореляції.
Ключові слова : методи прогнозування, тижнева кореляція, експонентне згладжування.
ТОВ «Прима» – молоде підприємство м. Калінінграда, яке займається виробництвом та реалізацією оптовим покупцям хлібобулочної продукції. Через недовге існування на ринку продажів організація зіткнулася з низкою проблем, пов'язаних із недостатньо надійним прогнозуванням ринку попиту і, як наслідок, великими поверненнями продукції від контрагентів.
У світі жодне підприємство неспроможна уникнути аналізу прогнозування обсягу продажів. «Прогнозування – система наукових досліджень про якісного і кількісного характеру, вкладених у з'ясування тенденція розвитку народного господарства чи його частин (галузей, регіонів, підприємств тощо.) та пошук оптимальних шляхів досягнення цілей цього розвитку» [3].
Прогнозування попиту продукцію є джерелом інформації упорядкування виробничих графіків. Найчастіше складання подібних прогнозів - складне завдання, що вимагає врахування багатьох чинників. Через їх варіації в прогнози доводиться вносити зміни, обумовлені замовленнями, що вже надійшли. Крім того, у ряді випадків прогнози обсягів продажу виробів окремих типів, складені в грошах, не можуть безпосередньо використовуватися для формування виробничих графіків. Вони вимагають додаткового часу їхнього перетворення на прогнозовані обсяги випуску кількісному вираженні.
Мета проведеного дослідження –проаналізувати моделі прогнозування та встановити найбільш адекватні з них для підприємства ТОВ «Прима», щоб зблизити обсяг виробництва продукції з попитом на неї, тим самим мінімізуючи кількість повернень.
Процес прогнозування попиту продукцію може містити низку етапів:
Перший етап - логічний аналіз, що полягає у виявленні найбільш істотних факторів, що впливають на попит. Тут встановлюються загальні тенденції коливань попиту, а також наявність та напрямок зв'язку між результативними та факторними показниками.Другий етап - статистичний аналіз, що включає розрахунок середніх величин та показників варіації.Третій етап - побудова графічних залежностей, що дозволяють встановити вид регресійних зв'язків.Четвертий етап - розрахунок параметрів регресії, прогнозування попиту та порівняння з реальними результатами.
Такий аналіз дає можливість із сукупності факторних ознак відібрати найбільш суттєві і, спираючись на них, обґрунтовано будувати прогнозні моделі та здійснювати за ними необхідні розрахунки. Факторні ознаки, що зумовлюють реальний попит, може бути як якісними, і кількісними. Відомо досить багато методів прогнозування та моделей, з ними пов'язаних, об'єднаних у чотири групи [5]:
якісні методи: «коріння трави», дослідження ринку, групова згода, історична аналогія, метод Дельфі;
аналіз часових рядів: просте та зважене ковзне середнє, експоненційне згладжування, регресійний аналіз, метод Бокса Дженкіса, часові ряди Шискіна, трендове проектування;
причинні (казуальні) методи: регресійний аналіз, економетричні методи, моделі «вхід – вихід», що випереджають індикатори;
За допомогою наведеноїКласифікації можна вибрати методи прогнозування для будь-якого підприємства, діяльність якого прогнозується. Виходячи з цього, нижче проведено аналіз реалізації продукції і на пошук найбільш адекватних моделей прогнозування попиту з прикладу підприємства ТОВ «Прима».
Провівши аналіз продажів за місяць, можна побачити, що продаж не стабільний, і потрібне регулярне прогнозування попиту на продукцію, щоб мінімізувати її повернення (Рис. 1).
Одна з моделей, що найчастіше застосовуються - це прогноз за методом експоненційного згладжування [1, 2, 5]. Формула розрахунку прогнозного попиту (Рис.2):
де Ŷt+1 – прогноз наступного періоду t+1; Yt - дані для прогнозу за поточний період t (наприклад, продаж по місяцях); k - коефіцієнт згладжування ряду k визначається вручну і знаходиться в діапазоні від 0 до 1; Ŷt – значення прогнозу поточний період t.
Мал. 1.Реалізація продукції ТОВ «Прима»:
1 - реалізація, 2 - результат, 3 - повернення
Як приклад приймалися два значення коефіцієнта k – 0,8 та 0,2.
Мал. 2. Розрахунки прогнозу
З малюнка 3 випливає, що за k = 0,8 ("Експоненційна модель 1" прогноз Y1) прогноз на наступний період недостатньо близький до фактичних продажів, за розрахунками точність дорівнює 68%, і тільки періодично фактичні продажі відповідають прогнозним. При k =0,2 ("Експоненційна модель 2" прогноз Y2) точність прогнозування дорівнює 82%, це значно вище, ніж у попередній моделі, отже, для цього ряду з двох коефіцієнтів правильніше для прогнозу буде використовувати k=0,2.
Мал. 3. Метод експоненційного згладжування:
1 – продажі, 2 – прогноз Y1, 3 – прогноз Y2
У дослідженнях розглядалася також можливістьінтерпретації прогнозного попиту за допомогою тижневої кореляції
Для побудови кореляційних залежностей потрібно мати кількісну статистику, що характеризує динаміку двох показників, один із яких є базовим, а інший - залежним від першого. У нашому випадку такими показниками є порядковий день тижня та щоденний попит. На основі реалізації продукції за 1,5 місяці було розраховано середні реалізації по днях тижня (Рис.4).
На графіку видно, що продажі у різні дні тижня досить значно відрізняються один від одного. Застосувавши кореляційний аналіз, можна отримати інструмент для прогнозування попиту на днях тижня, що є ефективним для малих підприємств аналогічного профілю.
Обробка методом найменших квадратів [4] дозволила визначити рівняння регресії (залежність попиту від порядкового дня тижня):
З = 1940 + 7Д2 - 150Д,
де З - обсяг реалізації, шт.; Д – порядковий день тижня.
Мал. 4. Графік тижневої кореляції
Однак більш надійне прогнозування може здійснюватися за експоненційною залежністю:
З = exp (7,5 - 0,011Д2 - 0,014Д).
У подальших дослідженнях передбачається здійснити перевірку адекватності та інших моделей прогнозування, застосування яких підвищить ефективність роботи підприємства.