Оптимизация работы предприятия ООО "Техсервис" по критерию прибыли за счет инноваций технологии и экономии ресурсов (стр. 14 из 22)
· высокая вероятность событий, относящихся к набору предположений.
Пятый этап. Сопоставление намеченных показателей будущего состояния сфер влияния с предположениями об их развитии.
На этом этапе сопоставляются результаты третьего и четвертого этапов. Повышенные или заниженные показатели состояния среды корректируются при помощи данных, полученных на четвертом этапе.
Так, если фирма на третьем этапе прогнозировала увеличение рождаемости в регионе в 2003 г. на 5%, а анализ на четвертом этапе показал, что произойдет ухудшение экономической конъюнктуры, экологической обстановки, возможны политические и социальные коллизии, то на пятом этапе показатель 5% должен быть изменен в сторону его уменьшения, например до 3%.
Для более точного прогноза необходимо сокращать интервал между сегодняшним днем и конечным временем прогнозирования. Так, если прогноз составляется в 1997 г для 2003 г., то период прогнозирования нужно разделить на два этапа по три года: сначала разработать сценарий для 2000 года, а уже затем для 2003 года.
Шестой этап. Введение в анализ разрушительных событий.
Разрушительное событие– это внезапно случившийся инцидент, который не был ранее спрогнозирован и который может изменить направление тенденции.
Разрушительные события могут иметь как отрицательный характер (наводнения, землетрясения, аварии атомных реакторов и т.д.), так и положительный (технологические взрывы, политические примирения между бывшими противниками и т.д.).
Из возможных разрушительных событий нужно выделить те, которые способны оказать наиболее сильное воздействие, и учесть их при составлении сценариев (например, на состояние рождаемости в регионе могут повлиять: во-первых, авария на атомной станции; во-вторых, вероятность локального конфликта; в-третьих, открытие нового месторождения полезных ископаемых. Однако реальное воздействие возможно только первого из событий).
Седьмой этап. Установление последствий.
На этом этапе сопоставляются стратегические проблемы фирмы (например, возможность роста за счет более широкого освоения рынка) и выбранные варианты развития среды. Определяются характер и степень воздействия тех или иных вариантов развития на стратегические области действий фирмы.
Восьмой этап. Принятие мер.
В узком смысле этот этап уже не относится к анализу. Однако он естественно вытекает из предыдущих этапов.
2.2.6 Методы прогнозирования временных рядов
При прогнозировании изменения во времени какого-либо производственного показателя применяются методы анализа и прогнозирования временных рядов, основанные на исследовании случайных процессов.
Случайным процессом называется функция от времени, значения которой в любой момент времени являются случайными величинами.
Реализацией случайного процесса называется последовательность наблюдений i-гo показателя xi1, xi2, …, xin случайного процесса в моменты времени t1, t2, …, tn .
Временным рядом называется последовательность наблюдений случайного процесса, полученных в равноотстоящие моменты времени. Временной ряд называют также динамическим рядом или рядом динамики.
Наблюдение временною ряда xitв любой момент времени t называется уровнем временного ряда.
Любой уровень временного ряда хt можно условно представить в виде суммы систематической составляющей и случайной компоненты:
,где хt - уровень временною ряда в t-й момент времени;
f(t) — систематическая (детерминированная) составляющая временного ряда — функция от времени;
— случайная величина с параметрами 
,где
— математическое ожидание 
; 
— среднеквадратическое отклонение.Таблица 2.10
Временной ряд xit
| tk | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| xit | 2 | 1 | 4 | 4 | 6 | 1 | 7 | 9 | 12 | 11 |
Функция f(t) выражает влияние на хt различных постоянно, систематически действующих факторов, обусловленных внутренней структурой изучаемого процесса, хорошо изученными проявлениями внешней среды и т. п.
Функция f(t) называется трендом и показывает тенденцию изменения во времени изучаемого показателя.
Случайная компонента
обусловлена бессистемным, случайным влиянием на хt каких-либо случайных факторов.Временной ряд представляется в табличном или графическом виде. В табл. 2.10 представлен временной ряд изменения некоторого показателя xit в фиксированные равноотстоящие моменты времени tk,k =
.Табл. 2.10 читается так: "В первый момент времени t = 1 показатель хt, принял значение, равное 2; при t=2 хt=1; при t=3 хt=4 и т.д.
рис.2.8 – Графическое представление временного ряда
Этот же временной ряд представлен в виде графика изменения xi во времени (рис. 2.8).
Из рис. 2.8 видно, что с течением времени значение ряда xit увеличивается, хотя в отдельных случаях (t2, t7, t10) соответствующие уровни ряда xi2 xi7 xi10 меньше, чем в предшествующие моменты времени: xi2< xi1 , xi7 <xi6 и т. д. В этих случаях говорят, что наблюдается тенденция увеличения значений ряда со временем (пунктирная линия), а отдельные отклонения
от тенденции f(t) носят случайный характер.Выявление тенденции изменения показателя является основной операцией при расчете прогноза.
Однако недостаточно установить только факт увеличения (уменьшения) показателя во времени; необходимо вычислить, как он изменяется во времени, т. с. выявить вид функции f(t).
2.2.7 Определение вида прогнозной модели. Линеаризация тренда
Зависимость f(t) выявляется с помощью процедуры экстраполяции тенденций исследуемого процесса, заключающейся в подборе теоретической кривой, адекватно описывающей процесс изменения показателя.
Экстраполяция ряда выполняется с помощью математических функций, которые подбираются под эмпирическую совокупность статистических данных. Эта функция позволяет получить расчетные значения уровней ряда, т. е. значения, которые наблюдались бы при полном совпадении теоретической кривой с фактическими значениями ряда.
Экстраполяция тенденции временного ряда осуществляется в два этапа:
•выбор типа кривой, форма которой соответствует характеру тенденции временного ряда;
•определение численных значений параметров кривой.
Выбор типа кривой (основной этап при экстраполяции тенденций ряда. Это достаточно трудоемкий процесс, ибо перебор различных видов функциональных зависимостей осуществляется в обширном классе аналитических функций. В практике экстраполяции тенденции временных рядов наиболее часто встречаются следующие зависимости (рис.2.9):
1)линейная функция: х = a + bt;
2)парабола: х = а + bt + ct2;
3)полином третьей степени: х = а + bt + ct2 + dt3;
4)гипербола: х = а +
5)степенная функция: х = аtb
6) экспоненциальная функция: х = аеbt ;
7) модифицированная экспонента: x=k - аеbt ;
8)экспоненциально-степенная функция: х = eattb;
9)логистическая (S – образная ) функция: x = k (1+be-at) ;
10)функция Гомпертца: x = kabt;
11)квадратная логистическая функция:
;12)логарифмическая функция: x = b lgt.
При экстраполяции тенденций ряда задача состоит в том, чтобы определить параметры выбранной функции a0, a1, а2 и т. д. Для определения этих параметров применяют метод наименьших квадратов.
рис. 2.9. – Общий вид некоторых прогнозных кривых
2.2.8 Предварительная обработка прогнозной информации
При значительном разбросе значении исходного ряда для облегчения процедуры выбора типа кривой и уменьшения трудоемкости се математического описания осуществляют предварительную обработку исходного числового ряда путем его сглаживания и выравнивания.
Процедуру сглаживания применяют в целях уменьшения случайных отклонений единичных значений числового ряда, как правило, методом скользящей средней. Для этого определяют средние значения групп точек исходного ряда, при этом группы выбирают как бы скользящими от начала к концу ряда. Так, к примеру, при сглаживании группы по пяти значениям, имеем группы:
…Остающиеся крайние точки (х1, х2 и xn-1, xn) сглаживают по специальным формулам.
Для сглаживания по трем точкам применяют формулы:
; 
;