OPERATIVNI MENADZMENT
description
Transcript of OPERATIVNI MENADZMENT
-
5/24/2018 OPERATIVNI MENADZMENT
1/28
PREDVIANJE POTRANJE
Prof. dr. sc. eljko Turkalj
Dr. sc. Martina Bri Ali
-
5/24/2018 OPERATIVNI MENADZMENT
2/28
toje predvianje?
Svakog dana menaderi donoseodluke bez obzira to ne znaju to e sedogoditi u budunosti:
naruuju zalihe bez znanja kakva e biti prodaja,
kupuju novu opremu uprkos neizvjesntosti potranje zaproizvodom,
investiraju sredstva u nove objekte bez znanja o buduoj dobitipoduzea
Izrada dobrih prognoza budunosti svrha je predvianja i glavniinput za planiranjeDobre prognoze su kljuni dio efikasnih proizvodnih i uslunihoperacija.Predvianje je umjetnost, ali i znanost o predvianju buduihdogaaja.
-
5/24/2018 OPERATIVNI MENADZMENT
3/28
Predvianje moe biti:
primjena POVIJESNIH PODATAKA i njihovo projektiranje u
budunost koristei neki matematiki model,
SUBJEKTIVNA procjena ili INTUITIVNA pretpostavka,
KOMBINACIJA metoda.
Nema univerzalnog prognostikog modela koji bi vrijedio za sve.
ono to najbolje funkcionira u jednoj industriji, u jednimokolnostima, moe napraviti potpuni kaos u drugoj industriji
Postoje OGRANIENJA u vezi sa oekivanjima od prognoza:
one su rijetko, ili nikada perfektne;
one su skupe i vremenski zahtjevne.Niti jedno ozbiljno poduzee ne moe poslovati po principu to bude,a onda se izvlaiti iz situacije EFEKTIVNO PLANIRANJE (ikratkorono i dugorono) ovisi o predvianju potranje za proizvodimai/ili uslugama s kojima odreeno poduzee opskrbljuje trite.
-
5/24/2018 OPERATIVNI MENADZMENT
4/28
KRATKORONEPROGNOZE
razdoblje od maksimalnogodinu dananajeesu krae od 3 mjeseca
planiranje nabavke materijala vremensko planiranje poslova planiranje zapoljavanja
pridruivanje poslova planiranje razine proizvodnje
SREDNJORONEPROGNOZE
razdoblje od 3 mjeseca do3 godine
plan prodaje i marketinkihaktivnosti
planiranje proizvodnje i
budeta financijski planovi analiza razliitih operativnih
planova
DUGORONEPROGNOZE
razdoblje od vie od 3godine unaprijed
razvoj novog proizvoda kapitalne investicije
otvaranje ili proirenjelokacije istraivanje i razvoj
Predvianja, a tako kasnije i planovi, KATEGORIZIRAJU se premaVREMENSKOM HORIZONTU za koji se vriprognoza. Openitopostoje3 kategorije:
-
5/24/2018 OPERATIVNI MENADZMENT
5/28
Pretpostavljaju da eisti uzronisustav koji je postojao uprolostipostojati i ubudunosti. Zbog togapoduzeaestoradepogrekuda jednom kada implementirajuprognostikisustav vie
ne prate grekeprognozetoje krivobuduida se prognoze moraju stalno provjeravati.
Veina prognostikih metoda ukljuuje pretpostavku STABILNOSTISUSTAVA
Aktualni rezultati obinose razlikuju odpredvienihvrijednosti. Budui da nismo u mogunosti predvidjeti precizno koliko e esto jedan veliki broj srodnihimbenika ometati varijable o kojima se radi, kao i postojanje sluajnosti sprijeava savrenu
prognozu.
Uvijek treba ostaviti prostora za greke.
Prognoze su RIJETKO PERFEKTNE
Grekeprognoze izmeuproizvoda unutar grupe obinoimajuponitavajuiuinak. Prilike za grupiranje proizvoda mogu se pojaviti ako se dijelovi ili sirovine koriste za vie
proizvoda ili ako usluge traiveibroj nezavisnih izvora.
Prognoza za GRUPU PROIZVODA tonija je nego za POJEDINIPROIZVOD
Kratkoronaprognoza se suoavasa manje neizvjesnosti od dugoronepa se zbog toga smatra itonijom.
TONOSTprognoze se SMANJUJE kako se POVEAVAVREMENSKORAZDOBLJE na koje se prognoza odnosi
ZAJEDNIKE KARAKTERISTIKE METODA PROGNOZIRANJA:
-
5/24/2018 OPERATIVNI MENADZMENT
6/28
Upuuje na razinu potrebnih pojedinosti u prognozi, koliini izvora (radna snaga,kompjutersko vrijeme, novac) koji se mogu pravdati te na razinu potrebne tonosti.
Odrediti SVRHU prognoze (je li to prodaja, proizvodnja ili sl.) te kadae biti potrebna
Potrebno je uzeti u obzir da tonost opada to se vremensko razdoblje produuje.
Ustanoviti VREMENSKO RAZDOBLJE koje prognoza mora pokriti
Izabrati METODU PROGNOZIRANJA
Identificirati svaku pretpostavku koja je vezana uz pripremu i koritenje prognoze.
PRIKUPITI i ANALIZIRATI prikladne podatke te PRIPREMITI
PROGNOZU
Ako ne, PREISPITATI metodu, pretpostavke, tonost podataka, itd.; MODIFICIRATI akoje potrebne te PRIPREMITI NOVU VERZIJU PROGNOZE.
PROMATRATI PROGNOZU kako bi se vidjelo da li se odvija nazadovoljavajui nain.
KORACI U PROCESU PROGNOZIRANJA POTRANJE:
-
5/24/2018 OPERATIVNI MENADZMENT
7/28
KVALITATIVNI PRISTUP
Nedostatak podataka Oslanjanje na intuiciju,
emocije, iskustvoprognostiara
Koriste se obine zapredvianje novihproizvoda, tehnologija
KVANTITATIVNI PRISTUP
Postojanje povijesnihpodataka
Koriste matematikemodele
Koriste se kada jesituacija stabilna
U praksi, kombinacija oba pristupa obino je najefektivnija.
Pristupi predvianju
Postoje dva osnovna pristupa predvianju:
KVALITATIVNI
KVANTITATIVNI
-
5/24/2018 OPERATIVNI MENADZMENT
8/28
Oslanja se na miljenje kupacaili potencijalnih novih kupaca onjihovoj buduoj kupovini
Koristi se za prognoziranjepotranje, pogotovo za novimproizvodima
Obino budu optimasinije nego
to kasnije potvrdi prodaja
Trgovaki putnici daju procjeneprodaja u sljedeegprognostikog perioda smatrada su oni najblie kupcu pa timeimaju i najtonije informacije
Zbog kompenzacijskog sustavakoji je uobiajen kod prodajnog
osoblja zna esto doi donamjernog iskrivljavanjapodataka kako bi se postiglekompenzacijske kvote
Ukljuuje grupu strunjaka kojine moraju biti iz jednog poduzea
Strunjaci ne komuniciraju
meusobno, ve jedna osobaskuplja njihova miljenja
Miljenja koja se znatno razlikujualju se u drugi krug te sepostupak nastavlja dok se nedobije relativno stabilna prognoza
Ukljuuje grupu starijihvrhovnih menadera
Kombiniraju menaderskoiskustvo i kvantitativneprognoze
Donose ZAJEDNIKOmiljenje, tj. mora se postiiKONSENZUS
MILJENJE
STRUNJAKA
DELPHI
METODA
ISTRAIVANJETRITA
PROGNOZAPRODAJE
PREGLED KVALITATIVNIH METODA
-
5/24/2018 OPERATIVNI MENADZMENT
9/28
MODELIVREMENSKIHSERIJA
Baziraju se na pretpostavci da jebudunost funkcija prolosti
Gledaju to se dogaalo u jednomperiodu vremena te koriste serijupodataka iz prolosti da biprognozirali budunost
NAIVNA METODA POMINI PROSJECI EKSPONENCIJALNO
IZJEDNAAVANJE
Npr. ako se eli vidjeti kakva e bitipotranja za sladoledom u ljeti 2013.godine, potrebno je uzeti podatke odljeta 2012. i 2011. godine i predvidi tipotranju za sladoledom u 2013.godini
ASOCIJATIVNIMODELI
Modeli koji odreuju vezuizmeu dva parametra
REGRESIJA
Npr. na temelj u podataka oizdacima za marketing itemperaturi okoline mogue jeprognozirati kakva e bitipotranja za sladoledom
PREGLED KVANTITATIVNIH METODA
-
5/24/2018 OPERATIVNI MENADZMENT
10/28
TREND
SEZONSKEOSCILACIJE
CIKLUSI
NASUMINIFAKTOR
KOMPONENTEVREMENSKIH
SERIJA
METODE VREMENSKIH SERIJA
Metode vremenskih serija zasnivaju
se na nizu podataka koji su podjednako
razmaknuti u vremenu dnevni, tjedni,mjesenii sl. podaci
Predvianje vremenske serijepodataka pretpostavlja da se buduevrijednosti prognoziraju
iskljuivona povijesnim podacimate da drugi promjenjivi, bez obzira
koliko potencijalno vanipodacimogu biti zanemareni
Rastavljanjem povijesnih
podataka mogue je uoitietiri glavne komponentevremenskih serija:
-
5/24/2018 OPERATIVNI MENADZMENT
11/28
TRENDpostupnirast ili pad potranje
u vremenu
SEZONSKE
OSCILACIJEodreeni uzorci kojise ponavljaju nakon
nekog perioda
CIKLINOPONAANJE
obino se primjeujesvakih nekoliko
godina
NASUMINI FAKTORkako i samo ime kae je
nasumian i ne moe sepredvidjeti koliki e biti,
ali se ukljuuje uprognostiki model
-
5/24/2018 OPERATIVNI MENADZMENT
12/28
Najjednostavnija metoda budui da pretpostavlja da e potranja u
narednom periodu biti jednaka potranji u upravo proteklom periodu
NAIVNI PRISTUP
PRIMJER: Ako je prodaja XY
proizvoda u prolom mjesecu iznosila
73 jedince za sljedei mjesec
prognozira se da e se prodati 73
jedinice proizvoda XY.
Ako se ostvarila prodaja od 97 jedinica
proizvoda XY umjesto 73, za naredni
mjesec predviamoprodaju u visini od
97 proizvoda XY.
tt DF 1
gdje je:
periodu tuprodajaostvarena
1tperiodzaprognoza1
t
t
D
F
Metoda ima smisla samo ako
nema dovoljno podataka i
predstavlja osnovu za prognozu
ako nema drugih naina
-
5/24/2018 OPERATIVNI MENADZMENT
13/28
POMINI PROSJEKMetoda koja koristi srednju vrijednost podataka za nekoliko zadnjih
perioda kako bi prognozirala buduiperiod
Korisna je ako je moguepretpostaviti da epotranjana trituostatiprilino stabilna tijekom vremena koristi se kada je trend mali ili gauopenema.
PRIMJER: Tromjeseni pomini
prosjek raunase zbrajanjempotranjeza prethodna 3 mjeseca i dijeljenjem sa
brojem perioda koji se razmatra uovom sluaju3.Sa svakim novim mjesecem, najnoviji
mjeseni podaci se dodaju sumipodataka za prethodna 2 mjeseca, apodaci za najstariji mjesec otpadaju uvijek u obzir dolazi n najnovijih
podataka.
Navedenim nainom izglaujese NASUMINAKOMPONENTA predvianjaizravnavaju se kratkotrajne neregularnosti u seriji podataka.
prosjekupomiomiuperiodabroj
periodu tuprodajaostvarena
1tperiodzaprognoza1
n
D
F
t
t
gdje je:
n
D
n
nF tt
periodaproteklihpotranjisuma1
-
5/24/2018 OPERATIVNI MENADZMENT
14/28
Mjesec Potranja Mjesec Potranja
1 46 13 54
2 56 14 42
3 54 15 64
4 43 16 60
5 57 17 70
6 56 18 66
7 67 19 57
8 62 20 55
9 50 21 52
10 56 22 62
11 47 23 70
12 56 24 72
PRIMJER:
Sljedeipodaci dajupotranjuza nekim dobrom (u koliinskimjedinicama)koje treba biti u skladituu razdoblju od 24 mjeseca:
-
5/24/2018 OPERATIVNI MENADZMENT
15/28
Mjesec1
2
3
b Potranja
46
56
54
Prognozapominog prosjeka
4
5
6
7
89
10
11
12
43
57
56
67
6250
56
47
56
(46+56+54)/3=52
(56+54+43)/3=51
(54+43+57)/3=51,33
(43+57+56)/3=52
(57+56+67)/3=60(56+67+62)/3=61,67
(67+62+50)/3=59,67
(62+50+56)/3=56
(50+56+47)/3=51
Na temelju podataka iz primjera ilustiran je model pominogprosjeka TROMJESENIpominiprosjek :
-
5/24/2018 OPERATIVNI MENADZMENT
16/28
Mjesec PotranjaPominiprosjek
Mjesec PotranjaPominiprosjek
1 46 - 13 54 53
2 56 - 14 42 52,33
3 54 - 15 64 50,67
4 43 52 16 60 53,33
5 57 51 17 70 55,33
6 56 51,33 18 66 64,67
7 67 52 19 57 65,33
8 62 60 20 55 64,33
9 50 61,17 21 52 59,3310 56 59,17 22 62 54,67
11 47 56 23 70 56,33
12 56 51 24 72 61,33
Prognoze potranje za sve promatrane mjesece mogue je vidjeti usljedeojtablici:
Na temelju gornjih podataka izraunajte prognozu potranje za 25.mjesec?
-
5/24/2018 OPERATIVNI MENADZMENT
17/28
Pomou programa POM QM for Windows izraunata je prognozapotranjeza 25. mjesec:
-
5/24/2018 OPERATIVNI MENADZMENT
18/28
Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodelapominogprosjeka za promatrani primjer:
-
5/24/2018 OPERATIVNI MENADZMENT
19/28
EKSPONENCIJALNO IZJEDNAAVANJE
Jedostavna metoda koja zahtjeva vrlo malo podataka potreban je samopodatak iz prethodnog perioda, a budui da je osjetljiva na promjene upodacima ujedno je i tonijametoda.
Osnovna formula za eksponencijalno izjednaavanje jo uvijekje vrlojednostavna i glasi:
)( tttt FDFF 1
perioda)prologodPrognoza-periodaprologpotranja(OstvarenaprognozaStaraprognozaNova
ili matematiki:
ako se preuredi, dobiva se:
ttt FDF )( 11
gdje je:
)10(anjaizjednacavkonstanta
periodu tupotranjaostvarena
tperiodzaprognoza
1tperiodzaprognoza1
t
t
t
D
F
F
Odabir vrijednosti konstante izjednaavanja najvaniji je zadatak u traenju
realneprognoze. U praksi se izabire interval izmeu0,1 i 0,3u ekstremnomsluajukada se stavi da je = 1, dobiva se rjeenjeod naivne prognoze.
-
5/24/2018 OPERATIVNI MENADZMENT
20/28
Na temelju podataka iz promatranog primjera, uz = 0,1 te uz prognoziranuvijednost za 24. mjesec u iznosu od 57,63 jedinica, potrebno je prognozirati
potranjuza 25. mjesecpomouEKSPONENCIJALNOG IZJEDNAAVANJA
ttt FDF )( 11
?
0,1
72
57,63
1
t
t
t
F
D
F
)10(anjaizjednacavkonstanta
periodu tupotranjaostvarena
tperiodzaprognoza
1tperiodzaprognoza1
t
t
t
D
F
F
jedinica0759635710172101 ,,),(, tF
-
5/24/2018 OPERATIVNI MENADZMENT
21/28
Pomou programa POM QM for Windows izraunata je prognozapotranjeza 25. mjesecpomoueksponencijalnog izjednaavanja:
-
5/24/2018 OPERATIVNI MENADZMENT
22/28
Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodela eksponencijalnog izjednaavanjaza promatrani primjer:
-
5/24/2018 OPERATIVNI MENADZMENT
23/28
UZRONE (KAUZALNE) METODE PREDVIANJA
Razvijaju tzv. MODEL UZROKA I POSLJEDICA izmeupotranje iostalih varijabli.
Npr.potranjaza sladoledom moese povezati sa populacijom, srednjom
(prosjenom) temperaturom i vremenom. Podaci se mogu prikupiti po tim
varijablama, a analiza izvoditi tako da utvrdi valjanostpredloenogmodela.
Najpoznatija kauzalna metoda je REGRESIJA, a najjednostavniji model
regresije je LINEARNI TREND.
U svrhu prorauna TRENDA koristi se tzv. METODA NAJMANJIHKVADRATA, odnosno proraunavaju se parametri a i b takvi da sumaodstupanja od te crte bude najmanja.
-
5/24/2018 OPERATIVNI MENADZMENT
24/28
Metoda najmanjih kvadrata daje pravu liniju koja minimizira sumu
kvadrata vertikalnih odstupanja od linije do svake stvarne tokepromatranja.
Linija najmanjih kvadrata opisuje se u obliku njenog y-odsjekaa =visina na kojoj linija presjeca y-os i njenog koeficijenta nagiba b.
bxay
nagib
yosinaodsjecak
y)nadjelujedacipretpostav(povarijablanezavisna
potranjanaprocijenje
b
a
x
y
-
5/24/2018 OPERATIVNI MENADZMENT
25/28
Jednadbe za izraunavanje vrijednosti a i b za bilo koju liniju najmanjihkvadrata:
22
xnx
yxnxyb xbya
Linija najmanjih kvadrata izrazi se kao:
bxay
apromatranjtotobroj
nagib
yosinaodsjecak
tivrijednos-tvrijednossrednja
tivrijednos-tvrijednossrednjavarijablazavisna
y)nadjelujedacipretpostav(povarijablanezavisna
potranjanaprocijenje
n
b
a
yy
xxy
x
y
gdje je:
-
5/24/2018 OPERATIVNI MENADZMENT
26/28
Pomou programa POM QM for Windows uneena je potranja zadobrom po mjesecima toje potrebno za izraunavanjejednadbeza prognozu
buduepotranjepomoumodela regresijelinearnog trenda:
24
1
17842i
iixy
24
1
300i
ix
24
1
24900
i
ix
24
1
1374i
iy
24
1
280254
i
iy
512,x 2557,y
580512244900
255751224178422
,),(
,,
b
505125802557 ,,,a
xy 58050 ,
-
5/24/2018 OPERATIVNI MENADZMENT
27/28
Pomou programa POM QM for Windows izraunato je rjeenjeproblemapomoumodela regresijelinearnog trenda :
-
5/24/2018 OPERATIVNI MENADZMENT
28/28
Pomouprograma POMQM for Windows izraunatoje grafikorjeenjemodela regresijelinearnog trenda za promatrani primjer: