دانلود پایان نامه

1.1.1.1. روشهای پیش بینی تقاضا

پیش تر گفته شد که یک سازمان برای برنامه ریزی آینده نیاز به پیش بینی های مختلف دارد. روش پیش بینی مورد نیاز، بستگی به افق برنامه ریزی دارد. انتخاب روش مناسب تحت تأثیر محدودیت های موجود در موقع انجام پیش‌بینی است که از این محدودیت ها می توان به قابلیت دسترسی و کیفیت داده های مربوط، زمان، مهارت و امکانات محاسباتی اشاره کرد.

1.1.1.1.1. انواع روش های پیش بینی تقاضا

1- روش های نظری (براساس نظر افراد خبره)

2- روش های آماری (براساس روش های آماری)

1.1.1.1.1.1. روش های نظری و انواع آن

این روش ها زمانی به کار گرفته می شوند که اطلاعات مستندی از گذشته در دست نباشد. در این روش سعی می شود نظرات افراد خبره به فاکتورهای کمّی تبدیل شده و ملاک پیش بینی قرار گیرند. یکی دیگر از موارد کاربرد این نوع پیش بینی، پیش بینی های دراز مدت است. بدیهی است که مواردی همچون سیاست های داخلی وخارجی دولت، موقعیت جهانی، تحولات اجتماعی، تغییر الگوی مصرف در آینده و غیره در اطلاعات گذشته وجود نخواهند داشت . لذا در این گونه موارد نیز استفاده از روش های نظری مفید خواهد بود. در ادامه به انواع این روش ها اشاره می کنیم:

1- روش توافق جمعی حضوری ( نظر جمع تحت تاثیر نظر افراد بانفوذتر قرار می گیرد )

از این روش معمولاً برای برآورد پیش بینی کلّی حجم فروش سازمان استفاده می شود. مدیران شرکت طی جلسات مختلف نظرات خود را ارائه داده و از جمع بندی نظرات، پیشنهادات فروش کلّی شرکت برآورده می شود.

2- روش توافق جمعی غیرحضوری یا دلفی ( اطلاعات به صورت فرم جمع آوری می شوند )

در این روش سازندگان به مصرف کنندگان مراجعه کرده، نظرات آنها را نسبت به کیفیت و کمیت کالا، نوع و مدل آن، رنگ و اندازه و … و نیز مقدار موردنیاز مصرف کننده در سال جویا می شوند. سپس اطلاعات جمع آوری شده را در اختیار مدیران شرکت قرار می دهند. مدیران اطلاعات بدست آمده را با مشاوران اقتصادی، مدیران تولید و غیره در میان گذاشته و باتوجه به روند بازار، سطح درآمدها و رقبا و غیره میزان تولید را برای سالهای آتی پیش بینی. (معمولاً پیش بینی دراز مدت) می کنند.

3- روش کسب نظر از واحدهای فروش و بازاریابی

این روش بیشتر درمورد حجم فروش به کار می رود و به دلیل اینکه واحدهای فروش و بازاریابی اطلاعات جامع تر و درست تری در این ارتباط دارند. معمولاً دراین ارتباط نظرات آنها معیار اصلی می باشد.

4- روش استفاده از شاخص های مالی و اقتصادی

گاهی اوقات می توان با آنالیز همبستگی میان فروش یک محصول در بازار و شاخص های اقتصادی، مصرف آینده را پیش بینی کرد. برخی از این شاخص ها عبارتند از :

  1. سطح درآمد مردم
  2. تولید ناخالص ملی
  3. میزان و حجم تولید ماشین آلات صنعتی
  4. میزان وحجم تولید فلزات
  5. میزان انعقاد قراردادهای ساختمانی
  6. روند اقتصادی و …
1.1.1.1.1.2. روش های آماری پیش بینی
  • روش مقدار واقعی آخرین دوره
  • روش میانگین تقاضاهای گذشته (معدل ساده)
  • روش میانگین متحرک
  • روش هموارنمایی ساده

به طور کلی روش هاي متعددي براي مدل بندي و پيش بيني سريهاي زماني وجود دارند، روشهاي سنّتي، آماري مانند ميانگين متحرك، ميانگين موزون،ARIMA  ، نموّ هموار ساده و پيش بيني هاي خطير از مقادير آيندة متغيرها ارائه مي دهند. مدلهاي خطّي باوجود برخي برتری ها، با محدوديت هايي مانند عدم توانايي در بيان روابط غيرخطّي، روبرو هستند. براي جبران ضعف روشهاي خطّي، چندين روش غيرخطّي دراين رابطه پيشنهاد شده اند. همچنين درسالهاي اخير شبكه هاي عصبي مصنوعي براي پيش بيني سري هاي زماني به كار رفته اند. يكي از بزرگ ترين برتری شبكه هاي عصبي مصنوعی انعطاف پذيري آنها براي پيش بيني انواع مدل هاي غيرخطّي است ” زانگ، 2003″. از دیگر روش های قدرتمند نیز که می توان جهت پیش بینی از آن ها یاد کرد روش الگوریتم بهینه سازی توده ذرّات و الگوریتم بهینه سازی علف های هرز می باشد.

1.1.1.1.1.3. روندهای جدید در پیش بینی

با تغییر فضای کسب و کار و با در نظر گرفتن فضای متغیر و پر تلاطم کسب و کار کنونی، سازمان ها نیاز به سرعت در پاسخ گویی به تغییرات محیطی و دقت در شناسایی تغییرات آتی دارند. از این رو داشتن رویکرد صحیح استراتژیک و برنامه ریزی دقیق و در عین حال منطبق بر نیازهای مشتریان از نیازهای اجتناب ناپذیر است. نگرش درست سیستمی به پیش بینی، استفاده از روش های کارآمد و مناسب در پیش بینی و توان بهره مندی از مزایای روش های مختلف پیش بینی با استفاده از ترکیب این مدل ها، نکاتی است که می تواند مدیران را در جهت عملکرد موفقیت آمیز در محیط رقابتی امروزی یاری  دهد. از این رو در این بخش قصد داریم در سه قسمت مجزّا به سه موضوع فوق پرداخته و مطالب و تکنیک هایی ارائه دهیم. با نگاهی به موضوعات مقالات مختلف علمی در باب پیش بینی تقاضای محصول به این نتیجه می رسیم که تمرکز تحقیقات در سه حوزه بیشتر است:

نخست آنکه به کارگیری مباحث علمی موجود در باب پیش بینی، تا چه حد، با چه روابطی و بر کدام پارامتر های موجود در سازمان تاثیر می گذارد و آن که آثار یاد شده بر کدام قسمت ها و به چه شکل ظهور می کنند. دانستن پاسخ سؤالات فوق، باعث ایجاد توانایی  بیشتر در یافتن پاسخ برای سؤالات زیر خواهد شد:

  • چه نکاتی باید در پیش بینی تقاضای محصول مدّ نظر باشد؟
  • نوع تاثیرات پیش بینی بر سیستم ، نقاط تاثیر و جهت تاثیر چگونه است؟
  • چگونه می توان نتایج حاصل از پیش بینی را تعدیل کرد و آنها را با اطمینان خاطر بیشتری به کار برد؟

1.1.2. اندازه گیری و کنترل خطای پیش بینی

پیش بینی در جهت مقاصد زمانی می تواند کامل باشد که در آن تخمینی از خطاهای مورد انتظار نیز ارایه شود. ابتکار در پیش بینی های کوتاه مدت و بلند مدت و میان مدت با ارزش است. مورد استفاده ترین معیار ها، میانگین مجذور خطا (MSE)[1]، میانگین انحراف معیار و علامت نمایانگر هستند. میانگین مجذور خطا، با محاسبه مجموع مجذور خطاهای پیش بینی تقسیم بر تعداد دوره ها N بدست می آید.

(2-1)

روشهای پیش بینی تقاضا-پایان نامه تقاضا برای فرآورده های سوختی نفتی

با گرفتن مجذور انحرافات واقعی از تقاضای پیش بینی در محاسبۀ MSE ، وزن بیشتری به خطاهای بزرگتر داده می‌شود. این مورد موقعی مناسب است که هزینه های اشتباه، هزینۀ مازاد یا کمبود موجودی یا ظرفیت بسیار بالا باشد. معیار خطای ساده تر و مفیدتر، میانگین انحراف مطلق (MAD)[2] است، یعنی همان خطای پیش بینی که علامت آن ها حذف شده است.

(2-2)                                                                                                         روشهای پیش بینی تقاضا-پایان نامه تقاضا برای فرآورده های سوختی نفتی

مشاهده می شود که MAD به کلّ خطای پیش بینی بستگی دارد. این روش برای سیستم هایی مناسب است که هزینه های انحرافات پیش بینی به تأثیر تجمعی آنها بستگی دارد و ارتباطی به تخمین بیشتر یا کمتر تقاضا ندارد؛ یعنی اگر تقاضا بیش تر یا کم تر از مقدار واقعی برآورد شود در هر دو صورت هزینه یکسان است. انحراف معیار همان خطاها به شکل زیر باMAD  ارتباط دارد:

(2-3)                                                                                       S = 1.25 MAD

MAD: میانگین قدر مطلق انحرافات

هرگاه پیش بینی، تقاضای واقعی را به خوبی برآورد کند، اشتباهات مشاهده شده، تصادفی و دارای یک توزیع نرمال با میانگینی برابر صفر هستند. بنابراین برای یک مدل پیش بینی ایده آل جمع جبری خطاهای پیش بینی (RSFE) باید برابر صفر باشد. زیرا خطاهای مثبت، منفی ها را خنثی می کنند. وجود تمایل به یک طرف در پیش بینی، خطای اضافی ایجاد می کند.

توالی زیاد مقادیر مثبت در علامت نمایانگر، به معنی گرایش بدبینانه در پیش بینی است. در حالی که مقادیر منفی دلالت بر یک تمایل خوش بینانه دارد؛ یعنی به طور معمول مقدار تقاضای واقعی پایین تر از مقدار پیش بینی است. یک چنین تمایلی می تواند مربوط به ضعف در مدل پیش بینی و یا ناشی از حذف متغیر های کلیدی، یا تعیین روابط غلط برای متغیر ها و یا تغییرات مؤثر در محیط، مثل توزیع اقتصادی، کمبود انرژی و بحران های سیاسی باشد.

براساس گفتۀ وایت[3] علامت نمایانگر، برای روندهایی که از پیش بینی منحرف می شوند شاخص مفیدی است. بنابراین می تواند به راحتی با یک مدل پیش بینی نمایی ساده ترکیب شود تا پیش بینی مفید تری نسبت به مدل های هموار سازی نمایی پیچیده ارائه دهد.

یکی دیگر از روش هایی که می توان صحّت پیش بینی را مورد بررسی قرار داد، روش میانگین قدر مطلق درصد انحرافات ( MAPD )[4] است که از رابطۀ زیر بدست می آید:

(2-4)                                                 روشهای پیش بینی تقاضا-پایان نامه تقاضا برای فرآورده های سوختی نفتی

در این روش قدر مطلق درصد انحراف از میزان تقاضا نسبت به کل تقاضا تعیین می شود. هر چه میزانMAPD  کمتر باشد نشان می دهد که روش پیش بینی دقیق تر است. تفاوت اساسی بین MAD و MSE آن است که MSE برای خطاهای بزرگتر، نسبت به MAD، جریمۀ سنگین تری قائلند. زمانی که جریمۀ خطاهای پیش بینی بطور خطّی با اندازۀ خطا افزایش می یابد، شاخصMAD یک شاخص مناسب برای صحّت پیش بینی خواهد بود. از آنجاییکه شاخص MAPD یک شاخص درصدی و ( فاقد واحد اندازه گیری ) است برای عملکرد یک مدل در سری های زمانی مختلف مفید خواهد بود. معمولاً زمانی از این شاخص های پیش بینی برای ارزیابی استفاده می شود که ، داده های واقعی سری زمانی ، به دو بخش تقسیم می شوند. از اولین بخش مشاهدات برای برآورد مدل پیش بینی و از بخش دوم برای بررسی صحّت مدل برازش شده استفاده می شود.

[1]Mean Squared Errors

[2]Mean Absolute Deviation

[3]Whit

[4]

1.1. فرآورده های سوختی نفتی

وابستگى روزافزون زندگى بشر به انرژى موجب شده است تا اين عامل به طور بالقوه و بالفعل دركاركرد بخش هاى مختلف اقتصادى كشورها نيز نقش بسيار مهمّى ايفا كند. از اين رو ، مسئولان هركشور بايد تلاش كنند تا با پيش بيني هرچه دقيق تر مصرف انرژي و برنامه ريزي صحيح در هدايت مصرف، پارامترهاي عرضه و تقاضاي انرژي را به نحو مطلوب كنترل كنند.

از آنجایی که در کشور ما فرآورده های زیادی از نفت بدست می آید سعی شده است که در این تحقیق چهار محصول مهم فرآورده های سوختی مورد بررسی قرار گیرد.

1.2. اهمیت تکنیک های مورد استفاده

انرژي دركنار سايرعوامل توليد، عامل مؤثري در رشد و توسعه اقتصادي تلقي مي شود و در عملكرد بخش هاي مختلف اقتصادي نقش چشمگيري ايفا مي كند. هدف از اين تحقیق، بررسي كارايي الگوریتم بهینه سازی علف های هرز، شبكه عصبي مصنوعی و الگوریتم بهینه سازی توده ذرّات درپيش بيني مصرف فرآورده های سوختی نفتی كشور است. هر یک از تکنیک های ذکر شده از ابزار های قدرتمند در روش های فرا ابتکاری می باشد که با مقایسۀ خروجی هر یک می توان بهترین تکنیک را در زمینۀ پیش بینی معرفی کرد.

Mean Absolute Aercentage Division

دانلود پایان نامه