1

YILDIZ TEKNĠK ÜNĠVERSĠTESĠ

MAKĠNE FAKÜLTESĠ

ENDÜSTRĠ MÜHENDĠSLĠĞĠ BÖLÜMÜ

TALEP TAHMĠN YÖNTEMLERĠ

06062050 CENGĠZ ÇĠLOĞULLARI

ENDÜSTRĠ MÜHENDĠSLĠĞĠ TASARIM 1 DERSĠ PROJESĠ

DanıĢman: Yrd. Doç. Dr. Tufan DEMĠREL

ĠSTANBUL, 2010

2

GĠRĠġ

Bir Endüstri Mühendisi adayı olarak bulunduğum 3.sınıfa kadar öğrendiklerime dayanarak

iĢletmede en önemli unsurun “verim” olduğunu direk yanıtlayabilirim.Ve bu bağdamda kar

amacı gütmeyen endüstri iĢletmeleri tanımlamak olanaksızdır.

„Kar‟ a yönelik araĢtırmalara bakarsak baĢarının sırrının ileri öngörmeden geçtiğini

kolaylıkla görürüz ki buda projemin en önemli noktasıdır.ĠĢte planlamada tam bu açıda

karĢımıza çıkmaktadır.

Gelecek zamanlara iliĢkin alınacak olan kararlar, insanların daha iyi bir yaĢama kavuĢması,

isletme ve kurumların ise daha çok kar etmesi veya üretim ya da hizmet faaliyetleri açısından

hayatta kalabilmesi açısından oldukça büyük önem taĢımaktadırlar.

Montgomery ve arkadaĢları kitabında bunu Ģu Ģekilde belirtmiĢlerdir:

“Typically the decision problem requires a forecast over a numberof future periods.”Bu

nedenle geleceğe yönelik kararlarda, ileriye yönelik tahmin çalıĢmaları büyük önem

taĢımaktadırlar.(Montgomery,Lynwood,Gardiner;180,381;1990)

Planlama, üretim yönetiminin ayrılmaz bir parçasıdır. Ġleriye yönelik belirsizlikler,

planlama fonksiyonunun etkin bir Ģekilde yerine getirilmesini güçleĢtirmektedir. Dolayısıyla,

belirsizligi azaltmak için atılacak her adımın, sağlıklı kararlar alınması yönünde değerli bir

katkısı olacaktır. (1)

3

ġekil 1 : Tahmin Metodolojisi Ağacı

Bu ağaç tahmin metodlarını kategorilere ayırmıĢ ve birbirleriyle etkileĢimlerini çok güzel

bir Ģekilde açıklamıĢtır. (2)

ĠĢletmelerde, yatırım ve iĢletme kararlarının alınmasında en önemli rol oynayan faktör,

üretilecek mal veya hizmetin gelecekteki satıĢ miktarı yani talebidir. Ekonomik düzen

içerisinde bir üründen veya hizmetten talep edilecek miktarın belirlenmesi, iĢletme

yatırımlarının Ģekillendirilmesi bakımından çok büyük önem taĢımaktadır.

Büyük ve modern iĢletmelerin çoğaldığı ülkelerde geleceğe iliĢkin iĢ koĢullarının

kestirilmesinde, kısmi bilgilerin ve istatistik analizlerinin kullanılmasının artan bir önem

kazanmasıyla, talep tahmininde dayanılan tek temel, rakamla ifade edilebilen bilgilerin analizi

olmuĢtur. BaĢka bir deyiĢle, istatistik tekniğine dayanmayan ve istatistik analizlerine

baĢvurmadan satıĢ tahmini yapmak mümkün değildir.

Talep tahmini için tek bir yöntem yoktur. Tek bir yöntem olmaması da doğaldır. Bir

ekonomide üretilen mal ve hizmetlerin çok çeĢitli oluĢu; tüketim malları, ara mallar, sermaye

malları taleplerinin birbirinden farklı Ģekilde meydana geliĢi; elde edilebilen istatistiklerin

4

çoğu zaman sınırlı ve güvenilirlik derecelerinin çok değiĢik bulunuĢu, tek bir talep tahmin

yönteminin kullanılmasını imkansız kılmaktadır.

Karar sürecinde kullanılan tahminleme teknikleri kalitatif ve kantitatif olarak

sınıflandırılmaktadır. Karar vericiler öncelikle tahmin yapacakları sorunun yapısına en uygun

tahminleme tekniğini belirlemelidir. Tahminleme faaliyetleri; tahmin tipi, tahminin kapsadıgı

zaman, eriĢilebilir bilgi kaynakları ve kullanılan tahminleme tekniğinin fonksiyonu

niteliginde olmaktadır (3).

Tahminlemede kullanılan tekniklerden kalitatif tahminleme teknikleri, mevcut durumlara

ve gelecekle ilgili planlara iliĢkin bilgisi olması beklenen kiĢilerin fikir ve yargılarının

toplanmasını gerektirmektedir .

Kantitatif tahminleme teknikleri, zaman serileri ve nedensel teknikler (regresyon analizi)

olmak üzere iki gruba ayrılmaktadır.(Regresyonda Montgomery „den yararlanacağız.) Zaman

serileri analizinde, tahminlenecek değiĢkene iliskin geçmiĢ veriler belirli bir veri seyri elde

etmek üzere analiz edilmektedir. Bu nedenle tahminleme sadece geçmiĢ verilerin bu amaçla

analiz edilmesine ve yapılacak tahminlerde kullanılmasına dayanmaktadır. Bu özelliğinden

dolayı zaman serileri analizi, değiĢmeyen koĢullar altında daha etkin olmaktadır .

Nedensel tahminleme modellerinin, diger bir deyiĢle regresyon analizinin kullanılması ise,

degerleri tahmin edilecek değiĢkenle iliĢkili olan diğer değiĢkenlerin belirlenmesini

içermektedir (4) .

Regresyon analizi ve zaman serileri analizi dıĢında, değiĢkenler arasındaki iliĢkinin

derecesini tanımlamak için kullanılan teknik ise korelasyon analizidir. Korelasyon analizi

çoğunlukla, bağımlı değiĢkenin değiĢkenliğini regresyon doğrusunun ne kadar iyi açıkladığını

ölçmek için kullanılmaktadır. Bunun yanı sıra korelasyon analizi, iki degiĢken arasındaki

iliskinin derecesini ölçmek için de kullanılabilmektedir. Ġki degiĢken arasındaki iliĢki,

korelasyon katsayısı ve belirlilik katsayısı olarak adlandırılan iki parametre ile

belirlenmektedir.

Literatür AraĢtırması

Zaman serilerini kullanarak yapılan talep tahmin çalıĢmaların temeli, Holt,Brown ve

Winters‟in ortaya koyduğu Zaman Serileri Analiz Yöntemlerine dayanmaktadır.

Holt, Brown ve Winters zaman serileri analizlerinde Üssel Düzeltme Yöntemlerini kullanan

yöntemlerle ilgili çalıĢmalar yapmıĢlar ve bu yöntemlerin teorilerini ortaya koymuĢlardır.

Winters ; Holt‟un yöntemlerini biraz daha geliĢtirerek zaman serilerinde trend ile birlikte

mevsimsel etkileri de göz önüne alarak tahmin yapabilen bir yöntem geliĢtirmiĢtir.

5

Daha sonraları araĢtırmalar devam etmiĢ ve birçok yeni yöntem elde edilmiĢtir.Günümüze

daha yakın olanları ele alacak olursak 1985 yılından itibaren zaman serileri üzerine yapılan

çalıĢmalar daha çok yöntemlerin deneysel özellikleri ,tahminlerin değerlendirilmesi, istatistiki

yöntemlerin tahmin yöntemlerine uyarlanması ve tahmin hatalarının ölçülmesi ve bu ölçülerin

yorumlanması ile ilgili çalıĢmalar olmuĢtur. Örnek olarak Armstrong &Collopy

verilebilir.(5)(Armstrongg and Collopy 38,1394)

Talep ve Talep Tahmini

GiriĢte de belirttiğimiz üzere ; talep, belirli bir dönemde ve belirli bir pazarda tüketicilerin

degiĢik fiyat düzeylerinde satın almaya istekli oldukları ve satın alabilecekleri ürün miktarıdır.

Talep, ürünün fiyatı, tüketicilerin gelirleri ve gelir dağılımları, tamamlayıcı ürünlerin fiyatı,

tüketicilerin zevk ve tercihleri, fiyatlarla ve gelirlerle ilgili beklentilerden etkilenebilmektedir.

Talep tahmini, tüketicilerin gelecekte ne miktar mal ve hizmet talep edeceklerinin

kestirilmesi iĢlevidir. Bu tahmin isletmenin üretim seviyesinin saptanmasında temel oluĢturur.

Hangi ürünün üretileceği, tüketicilerin bu üründen ne miktar talep edecekleri ve bu talebin

çoğunlukla hangi tarihlerde gerçekleĢme olasılığının bulunduğu talep tahminleri ile

yorumlanır.

Tahminle ilgili yapılan çalıĢmaların genelinde talep tahminleri üzerinde durulmaktaysa da,

kârlar, gelirler, maliyet ve verimlilik gibi degiĢkenlerle ilgili tahminler ile gayrisafi milli

hasılat, enflasyon, devlet borçlanması gibi temel olan ekonomik göstergelere ait tahminlerin

de büyük önem taĢıdığının unutulmaması gerekir. Talep tahmininde uygulanan kavram ve

yöntemlerin diğer tahmin alanlarına da aynı Ģekilde uygulanması mümkündür.

Tahmin ÇeĢitleri

1.Yönetimsel Tahmin Çesitleri :Yönetimin çeĢitli kademeleri isletmenin gelecekteki faaliyet

seviyesi konusunda değiĢik tahminlere gereksinim gösterir. Örneğin, genel müdür bir kaç

yılın toplam parasal gelirlerinin tahmini ile ilgilenirken; üretim yönetimi belli bir dönemde

her bir üründen ne miktar talep edebileceği ile ilgilenir. Bunlar;pazar tahmini-finansal tahmin-

satıĢ tahmini ve üretim tahmini gibi departmanlarca farklılık göstermektedirler.

2. Zaman Aralıgına Göre Tahmin Çesitleri :Tahminler için yapılan bir diğer yaygın

sınıflandırma, tahminlerin kapsadığı zaman aralığına göre yapılanıdır. Buna göre talep tahmin

çeĢitleri asağıdaki gibi gruplandırılabilmektedir.

6

Kısa Vadeli Tahminler (günlük-haftalık);orta vadeli(haftalık-aylık);uzun vadeli(aylık-yıllık.)

olarak kapasiteye,kaynağa yada iĢgücüne bağlı olarak ayrılırlar.(6)

Talep Tahmin Ġlkeleri

Tahmin sonuçlarının etkili Ģekilde kullanılması amacıyla tahmin ilkelerinin bilinmesi

gerekmektedir. Bu ilke veya özellikler asağıdaki gösterilmiĢtir:

1. Tahmin çalıĢmalarında mükemmelliğe ulaĢmak genelde olanaksızdır. Gerçek sonuçlar çoğu

zaman tahminde bulunan değerlerden daha farklıdırlar. Bu farklılığın sebeplerinden ilki, tahmini

yapılacak değiĢkeni etkileyen bütün etkenlerin göz önünde bulundurulamaması gerçeği, ikincisi

ise tahmin edilemeyen rassal olayların olmasıdır.

2. Tahminlerin belirli bir ölçüde hata tasıyacağı unutulmamalıdır. Bu nedenle tahmin

çalıĢmalarında tek bir tahmin değerinin yanı sıra, bir aralığın,yani yapılan tahmin değeri için alt

ve üst sınırların belirlenmesini gerektirmektedir.

3. Miktar veya çeĢit bakımından büyük olan gruplar için yapılan tahminler daha duyarlı

olmaktadır.

4. Tahminlerin kapsadığı zaman aralıkları ne kadar kısa ise duyarlık o derecede artacaktır.

5. Tahmin yaparken geleceğe ait ve haberdar olunan bilgiler hesaba katılmalıdır.

Ġyi bir tahminden beklenen ise; olabildiğince isabetli olması,anlamlı birimler Ģeklinde ifade

edilebilir olması,yazılı olması,kolaylıkla anlaĢılabilir ve uygulanabilir olmasıdır

Tahmin Sürecinin AĢamaları

Talep tahminleri, daha önce anlatılan talep tahmin ilkelerinin göz önünde tutulması ile

birlikte dört aĢamada gerçekleĢtirilmektedir(7) .

1.Bilgi Toplanması

Talep tahmininde kullanılacak bilgiler, geniĢ kapsamlı bir pazarlama arastırmasıyla

toplanır. Bütünüyle yeni mal veya hizmet üretimi söz konusuysa, isletmenin tek basına ya da

bazı kuruluĢlarla isbirliği yaparak, birincil elden orijinal veri toplamaları gerekir.

Bunların en önemlileri su Ģekilde sıralanabilir:

• Üretilecek mal veya hizmetin pazarı,

• Üretilecek mal veya hizmetin kullanım yerleri ve özellikleri,

• KuruluĢ yerleri, pazar payları ve üretim düzeyleri,

• Resmi ve resmi olmayan istatistik serileri,

• Rakip mal veya hizmetlerin özellikleri,

7

• Dağıtım sisteminin özellikleri,

• Devletin izlediği ekonomi politikası,

2.Talep Tahmin Döneminin Tespiti

Talep araĢtırması sonuçlarının kullanılıĢ amacı ile periyodun uzunluğu arasında yakın bir iliĢki

vardır. Örneğin, günlük iĢ emirlerinin hazırlanmasında yararlanılacak tahminlerin aylık dönemler

için yapılması son derece yanıltıcı sonuçlar verebilir. Zira günlük değerlerdeki

oynamalar aylık dönemlerde tamamen kaybolur.

3.Tahmin Yönteminin Seçimi ve Hata Hesabının Yapılması

Toplanan bilgilerin belirsizlik, duyarlık, değiĢim biçimi gibi nitelikleri ile uygulama amaçları,

kullanılacak yöntemin seçiminde göz önüne alınması gereken faktörlerdir.

4. Tahmin Sonuçlarının Geçerliginin AraĢtırılması

Çesitli bilgilere dayanılarak yapılan tahminlerle gerçek değerler arasındaki farkların sistematik

biçimde tespiti ve nedenlerinin araĢtırılmasından ibarettir.

ÖRNEK

Tahmin sürecini daha iyi kavrayabilmek için bir buzdolabı üretimini ele alalım:

Buzdolabı parçaları tasarlanır.

Bu parçaların nerede, nasıl kullanılacağı ve miktarları belirlenir.

ĠĢletme kendi bünyesinde bulundurduğu parçaları kontrol eder,eksik varsa bu parçaları

üretir; üretemiyorsa dıĢarıdan temin eder.

Parçalar temin edildikten sonra ürünü ne kadar üretileceğini ve bu ürünün maliyetinin

ne kadarını karĢılayabileceğini belirler.

Önceki yıllarda üretilen miktarları bu yılla kıyaslar ve üretimden önce tahminlerde

bulunur.

Bu tahminleri de talep tahmini yöntemlerine dayanarak yapar.

Örneğin ürünün,tüketici tarafından ne kadar talep edildiğine, bu ürünün

mevsimselliğine (hangi mevsimde rağbet görmesi ) bakılır,üretim planlaması yapılır

ve üretime baĢlanır.

8

ġekil 2:Buzdolabı Üretim Süreci Örnek

Tahmin Yöntemleri

Tahmin yapmak amacıyla kullanılabilecek çok sayıda yöntem mevcuttur. Bunlar sayısal

olmayan, kiĢisel görüĢ ve yargıya dayalı (kalitatif) tahmin yöntemleri ve sayısal (kantitatif)

tahmin yöntemleri olarak iki ana grupta toplanabilmektedir. GeçmiĢe iliĢkin yeterli sayıda veri

bulunamadığı takdirde, kiĢisel görüĢ ve yargıya dayalı tahmin yöntemlerine

baĢvurulabilinmektedir. Diğer yandan, sayısal modellerin kullanılmasıyla, tahminlerin elde

edilmesinde geçmiĢ verilerden veya değiĢkenler arası iliĢkilerden yararlanılmaktadır.

1. Sayısal Olmayan Tahmin Yöntemleri

GeçmiĢe iliĢkin verilerin mevcut olduğu pek çok durumda, sadece bu verileri kullanarak

tahmin oluĢturmak doğru degildir. Ürün ve hizmetle için gerçeklesen talep, faiz oranları,

enflasyon ve diğer ekonomik koĢullar, rakiplerin davranıĢ biçimi ve devlet tarafından

konulmuĢ düzenlemelerin etkisi altındadır. Sayısal tahmin yöntemler ise bu etkenleri tahmin

hesabına katmaktan uzaktır .

1.a.SatıĢ Gücü Grupları Yöntemi :SatıĢ elemanlarının tüketiciler ile en yakın iliĢki

kuranlar olduğunun varsayılması nedeniyle, tüketicilerin gelecekteki davranıĢları hakkında

kendilerinden bilgi alınamaması durumunda en sağlıklı bilginin satıĢ elemanlarından

alınabileceği düĢüncesine dayanmaktadır.

1.b.Yönetici GörüĢleri Yöntemi :Ġsletmenin çeĢitli bölümlerinden (pazarlama,

finansman, üretim isleri vb.) yöneticilerin bir araya gelerek tahmin oluĢturmalarını sağlayan

yöntemdir.

9

1.c. SatıĢ Elemanları ve Ürün Hattı Yöneticileri: Bu yöntemin satıĢ gücü grupları

yöntemi ve yönetici görüĢleri yönteminin birleĢtirilmiĢ bir hali olduğu söylenebilir. SatıĢ

elemanları ya da satıĢ sorumlularının deneyimlerine dayalı yaptıkları talep tahminleri, daha

sonra isletme üst düzey yöneticileri tarafından gözden geçirilmektedir ve gerekli görüldüğü

takdirde düzeltmeler yapılmaktadır

1.d.Delphi Yöntemi : Mevcut verilerin bir istatistiksel analizi gerçekleĢtiremeyecek

kadar az olduğu ve geçmiĢteki talep verilerinin gelecekteki talebi yansıtmaktan uzak kaldığı

durumlarda, doğru bir talep tahmini için tüketicilerle bu ürüne iliĢkin beklentiler arasında çok

iyi bir iliĢki kurabilecek uzmanların düĢüncelerine baĢvurulması ve alternatif görüĢlerde fikir

birliğinin oluĢturulmasını sağlamaya çalıĢan bir yöntemdir.

Bunun için bir grup kurulur ve koordinatör grup baĢına geçilir.Gruptaki her bir uzmanın

tahmin hakkındaki görüĢleri alınır. Koordinatör bu dogrultuda yazılı bir öneri hazırlar ve

bunları tekrar uzmanların görüĢüne sunar.

1.e.Nominal Grup Yöntemi :Delphi yöntemindeki gibi sezgi ve deneyimlerine

güvenilen bir uzmanlar grubu oluĢturulmaktadır. Delphi yönteminden farklı olarak,

uzmanların birbirleri ile etkileĢimine ve tartıĢmasına izin verilmektedir.

1.f.Pazar AraĢtırması Yöntemi : Gelecekteki talep tahminleri hakkında bilgi almak

amacıyla tüketicilerden, mülakat, anket, telefonla konuĢma gibi yöntemler ile bilgi

toplanmasını amaçlayan bir tahmin yöntemidir.

1.g.Tarihi Analog Yöntemi : Daha önce piyasaya sunulan benzer bir ürün ya da

hizmetle karĢılastırma sonucu, bir ürün ya da hizmetin gelecekteki talep değeri hakkında bilgi

sahibi olunmasını amaçlayan bir yöntemdir.

2.Sayısal Tahmin Yöntemleri

Sayısal tahmin yöntemlerini iki ana grupta incelemek mümkündür. Bunlar;

2.a Nedensel Yöntemler ve

2.b. Zaman Serisi Analizi Yöntemi’dir.

Nedensel Yöntemlerde ürüne iliĢkin geçmiĢ talep verileri ile bu talebi etkiledigi düsünülen

diğer değiĢkenlere ait veriler kullanılmaktadır.

10

Zaman Serileri Analizi Yöntemi‟nde ise geçmiĢ dönemlerde gerçekleĢmiĢ talep

verilerinden yararlanılmaktadır. Talepte, dönemsel, mevsimsel ya da trend etkisi

olabilmektedir. Seride gözlenen bu durumların gelecekte de gerçekleĢeceği varsayımı ile talep

tahmini yapılması amaçlanmaktadır.

Zaman Serileri Analizi

Bir olayın tarih sırasına göre aldığı değerlerin alt alta sıralanmasıyla elde edilen diziye

zaman serisi denir. Zaman serilerine, bir olayın geçmiĢte nasıl bir eğilim gösterdiğini

belirlemek üzere yapılacak araĢtırma ve analizlerin temelidir denebilir. Yine seri, sonuçlarını

yıl, ay, gün vb. gibi bir zaman biriminin ifadesi itibariyle gösteriyorsa zaman serisi adını alır.

Bunlar sabit, artan, azalan ve dalgalı Ģekillerde ortaya çıkabilirler.

Zaman Serileri Analizi, zaman serisi gözlemlerine ait olan verilerin belirli bir zaman

dönemi içerisindeki değiĢmelerinin ölçülmesi ve değiĢmelerinin arındırılması ile ilgilidir.

Herhangi bir zaman serisi belli zamanlarda ve genelde eĢit aralıklarla alınan gözlemlerden

oluĢur. Söz konusu gözlemler rassal gözlemler değil belirli zamanlarda sistemli bir Ģekilde

elde edilen verilerdir. YapılmıĢ olan tüm Zaman Serileri Analizi tanımlarının hemen hepsinde

esas olarak meydana gelmiĢ olan olayların sayısal değerleri zamana göre düzenlenmektedir.

Yani zaman (t) bir parametre olarak analizde yer almaktadır.

Y = f(t) (2.1)

Bir zaman serisi t1, t2,……..,tn zamanlarındaki Y'nin degiĢken değerleri olan

Y1, Y2,… ,Yn ile belirtilir. Böylece zaman serisindeki Y‟ler EĢitlik 2.1 ile sembolize

edilen zamanın (t) bir fonksiyonudur. Zaman Serisi Analizi‟nde amaç geçmiĢteki verilerin

yorumlanması yardımıyla degiĢkenin gelecekteki davranıĢ biçiminin tahmin edilmesidir.

Serilerde görülebilen çeĢitli dalgalanmalar olması sebebiyle, zaman serisi verilerinin çeĢitli

elemanlara ayrılmasını gereklidir.

Zaman serileri bilimsel ve farklı amaçlar ile ekonomi, mühendislik, sağlık, egitim gibi birçok

farklı alanda toplanmakta ve kullanılmaktadır. Özellikle istatistik ve ekonometrik

çalıĢmalarda zaman serilerine yoğun bir ihtiyaç duyulmaktadır. Zaman serileri farklı alanlarda

toplandığı gibi farklı yapılarda da karsımıza çıkmaktadır.Ekonomik zaman serileri ; fiziksel

zaman serileri ;isletme zaman serileri;süreç kontrol serileri gibi birçok alana

uyarlanabilmektedirler.

11

Zaman Serilerinin Elemanları

Zaman Serileri Analizi, seriyi, seriyi oluĢturan bileĢenlerden ayrıĢımını gerektirmektedir. Bir

seriyi bileĢenlerine ayırmak için kapsadığı dört bilesen arasında belli bir iliĢki bulunduğu

varsayılmalıdır. Klasik modelde, zaman serisi dört elemana sahiptir(8):

1. Uzun – dönemli genel trend (T)

2. Konjonktürel dalgalanmalar (C)

3. Mevsimsel dalgalanmalar (S)

4. Varyasyon ve düzensiz rassal hareketler (I)

Bütün zaman serilerinde adı geçen dört unsur daima bulunmayacagı gibi, bulunan

etmenlerin tümünü yok etmek bazen kolay olmayabilir. Zaman serilerini meydana getiren

ifadenin formülasyonu iki Ģekilde gösterilebilir;

Y=T×C×S×I (2.2)

Y=T+C+S+I (2.3)

Çarpım seklindeki modelde ana değer trend olup, diğerleri ortalaması 100 olan birer

yüzdedir. Toplam seklindeki modelde ise her değer Y‟nin bir kısmını oluĢturur.

Toplam seklindeki modelde unsurların birbirini etkilemediği kabul edilir. Çarpım

modelinde bu varsayım söz konusu değildir. Yani devresel ve mevsimsel dalgalanmalar,

trendin birer fonksiyonudur.

Toplam modelde trend artınca, mevsim dalgalanmaları sabit kalır. Çarpım modelinde

trend artınca mevsim dalgalanmasının trende oranı sabit kalır, yani trend arttıkça mevsim

dalgalanmasının mutlak değeri yükselir .

Sayılan özellikler göz önüne tutulduğunda, toplam seklindeki modelin bazı durumlarda

kullanılabileceği ancak çarpım modelinin zaman serilerinin çoğunda daha doğru sonuçlar

vereceği anlaĢılır.

Ġstatistiksel yönden zaman serilerinin incelenmesinden amaç, sözü edilen dört unsurdan her

birinin olay üzerinde ne oranda etkin olduğunu araĢtırmak ve etkileri birbirine karıĢmıĢ olan

dört elemanın ayrı ayrı payını bulmaktır.

Zaman Serisi Kalıpları

Zaman serisine ait gözlemlerin içerdiği kalıpların (zaman içerisinde göstermiĢ olduğu biçim

veya yol) yapısı ve seride yer alan olağan dısı gözlemler grafikler sayesinde kolayca takip

edilebilirler. Zaman serilerinin grafikleri, kısmen zaman içerisinde degiskenin almıĢ olduğu

gözlem degerlerindeki degiĢmelere açıklık getirilebilir.

12

Bir zaman serisi genel olarak trend, mevsimsel, konjonktürel ve düzensiz hareketlerin

bileĢiminden olusan bir yapıya sahiptir. Zaman serisi degiĢkenleri artan, azalan veya

değismeyen yapıda bir trend özelliğine sahip olabilir. Bir zaman serisinde trend, zaman

serisinin uzun dönemli eğilimini gösterir. Bir seride trend değiĢmeleri adeta serinin ortalaması

gibidir. Mevsimsel bilesen ise belirli aralıklarla tekrarlı bir salınım gösterir. Bir zaman

serisinin gözlem değerleri trendin altında veya üstünde tekrarlı biçimde deger almasıyla

mevsimlik etkiler ortaya çıkar. Konjonktürel dalgalanmalar sektörlerin veya ekonominin refah

ve depresyon dönemlerini içeren degiĢmeleri kapsar. Düzensiz hareketler ise daha çok sosyal

ve ekonomik nedenlerle ortaya çıkan ve önceden tahmin edilmesi mümkün olmayan olayların

etkisini yansıtır. Bunları ayrı grafikler halinde göstermek mümkündür.Ancak Gültekin

ÇAĞIL‟ın yüksek lisans tezinde yer verdiği grafiği en uygun grafik olarak gördüm.

Bu grafikte ÇAĞIL(s.34,1988) bütün faktörleri bir grafik üzerinde özetlemiĢ ve bu sayede

karĢılaĢtırma yoluna gidebilmiĢtir.

ġekil 3:Bir zaman serisini etkileyen faktörler (9)

1. Rassal Zaman Serisi Kalıpları

Rassal kalıplar yatay veya çizgi kalıplar olarak da bilinir. Rassal kalıplar genelde verilerin

sabit bir ortalama civarında dalgalandığı kalıplardır.Bu tür seriler ortalamaya göre durağan bir

yapıya sahiptirler. Varyasyon ve düzensiz rasgele hareketler, doğal ve sosyo–ekonomik

nedenlerden dolayı ortaya çıkabilir. Ancak, sözü edilen hareketlerin ne zaman, nasıl bir dalga

Ģiddeti ile meydana geleceği belirsizlik tasıdığı için tahmini mümkün olmaz. Bu nedenle bu

tip hareketleri bir istatistiksel ölçüyle ifade edebilmek zordur .

13

2.Trend Yapan Zaman Serisi Kalıpları

Trend, bir zaman serisinde uzun dönemli hareketleri göstermektedir. Zaman serileri trend

içeren bir yapı içerdiğinde seride uzun süreli artıĢlar veya azalıĢların olduğu görülmektedir.

Trend değiĢmeleri serinin ortalamasına benzetilebilmektedir. Trendin ortaya çıkabilmesi için

yaklaĢık 15 ile 18 yıllık bir döneme ihtiyaç duyulmaktadır. Bir trend döneminin varlığından

söz edilebilmesi için 5 ile 8 yıllık konjonktür dalgalanmalarından en az 2 veya 3 dalgalanmayı

içermesi gerekir. Dolayısıyla bu sürelerden daha kısa bir süre ele alındığında trend yerine bir

konjonktür döneminin ele alınması ihtimali ortaya çıkabilmektedir. 15 ile 18 yıllık bir

dönemden daha uzun bir dönem dikkate alındığında ise iki trend döneminin incelenmesi söz

konusu olabilmektedir. Trend baĢlangıç noktası olarak genelde ekonomide durgunluk dönemi,

konjonktür döneminde bir refah ya da depresyon dönemi seçilmelidir.

Birçok firmanın satıĢlarına ait değerler, gayri safi milli hasıla rakamları, uzun dönemi

içeren nüfustaki değiĢiklikler, kurumlardaki üretim ve teknolojik açıdan zamanla görülen

degiĢmeler birer trend kalıbını tanımlamaktadır. Trend kalıpları artan, azalan veya degiĢmez

yapıda olabileceği gibi dogrusal ve dogrusal olmayan kalıplarda da görülebilmektedir.

Genelde bir seri trend içeriyorsa, tahmin yapmada baĢarılı sonuçlar elde edilebilmektedir,

3.Mevsimsel Zaman Serisi Kalıpları

Birçok zaman serisi belirli dönemlerde mevsimsel faktörlerin etkisi altında bulunabilir.

Ekonomiksel olayların zaman içinde izlendiği dogal ve sosyal nedenlerden dolayı, mevsime

göre oluĢan degiĢmeler mevsimsel dalgalanmalar olarak adlandırılır. Mevsimsel

dalgalanmaların dalga uzunluğu 12 ay olmaktadır.

Mevsimlere göre tüketimi etkilenen degiĢkenlerin tüketim miktarları yılın bazı

dönemlerinde diğer dönemlere oranla daha yüksek veya daha düĢük değerlere ulaĢmaktadır.

Örneğin, yılın bazı dönemlerinde soğuk içecek tüketiminin artması ya da azalması, bazı

dönemlerinde doğalgaz tüketiminin artması ya da azalması vs. gibi zaman serilerinde

dönemsel olma özelliğine sahip olanların bile ardıĢık dönemlerde tam olarak tekrarı söz

konusu olmayabilir.

14

Sekil 4: Bir Ürünün Üretimine iliĢkin seriye ait verilerde bir mevsimsel kalıbın varlığı

Ġklim koĢulları, tüketicilerin alıĢkanlıkları, milli veya dini anlamlı özel günler, ürünlerin

indirimde oldugu zamanlar gibi pek çok faktör mevsimselliğin ortaya çıkısında etkili

olmaktadır ve çok farklı Ģekillerde ortaya çıkmaktadırlar. Mevsimsellik altı ay, üç ay, bir ay,

bir hafta, bir gün ve hatta bir saat gibi dönemleri kapsayabilir. Daha uzun süreli

mevsimselliklere örnek olarak belirli yıllarda tekrarlanan olimpiyat oyunları ve diğer sportif

etkinlikler gibi durumlar örnek verilebilir.

Mevsimsel dalgalanmalar birbirlerine benzeyen periyodik dönemlerden meydana

geldiğinden, serideki dalgalanmalarda dalga Ģiddetleri ve dalga uzunlukları bulunmaktadır.

4. Konjonktürel Zaman Serisi Kalıpları

Konjonktürel hareketler daha çok ekonominin veya sektörlerin refah ya da durgunluk

(ekonomik kriz) dönemlerini içeren degiĢmelerdir. Refah dönemlerinde yatırımlar, üretimler,

gelirler ve satıĢlar gibi ekonomik göstergeler bir süre için artıĢ gösterir ve durgunluk

dönemlerinde ise düĢmeler baĢ gösterir ve durgunlaĢmanın ardından tekrar ekonomide bir

canlanma olur. Genelde konjonktürel hareketler periyodik olmayan fakat 5 ila 8 yıllık

dalgalanmalar ile tekrarlanır.

ÇAĞIL‟ a göre “mevsimsel ve konjonktürel kalıplar arasında benzerlik olmasına rağmen

iki kalıp arasında önemli farklılıklar” da bulunmaktadır. Mevsimsel hareketlerde dönemler,

konjonktür hareketlere oranla daha düzenli ve periyodik bir düzen gösterirken, konjonktürel

hareketlerde dönemler düzensiz ve periyodik olmayan bir yapıdadır.

Düzensiz salınıma sahip olan konjonktürel dalgalanmalara rağmen tahmin yapılması

amaçlanıyor ise serinin son

dönem ortalaması ile serideki artıĢ ya da azalıĢ göz önünde tutularak son birkaç dönem

üzerinden tahmin yapılması daha uygundur. Konjonktürel dalgalanmalardaki artıĢtan azalıĢa

ve azalıĢtan artıĢa geçiĢ noktaları bu nedenle dikkatli bir Ģekilde analiz edilmelidir.

15

5. Otokorelasyonlu Zaman Serisi Kalıpları

Ġki degiĢken arasında birlikte hareket etmenin ve nedensel olmayan iliĢkinin ölçüsü

korelasyondur. Zaman serilerinde otokorelasyon ise seride bulunan bir dönemin kendisinden

önce ya da sonra gelen dönemle birlikte hareket etme iliĢkisini tanımlamaktadır. Zaman

serilerinde çok sık karĢılaĢılan diger bir kalıp ise otokorelasyonlu yapılardır. Eğer bir zaman

serisinde otokorelasyonlu bir yapıdan söz ediliyor ise seri gözlemleri arasında bir korelasyon

(birlikte hareket etme iliĢkisi) varlığından da söz edilebilinir. Otokorelasyonlar genellikle

zaman serisinin hareketinden ortaya çıkmaktadırlar. Otokorelasyonlu kalıplar daha önce ele

alınan kalıpların birçoğunda ortaya çıkabilir. (9)(ÇAĞIL,34-48,1988)

Zaman Serisi Analizi AĢamaları

Zaman Serileri Analizleri, değiĢkenlere ait geçmiĢ verilerin zaman içerisindeki

oluĢturdukları düzeni esas almaktadırlar. Analizin amacı, verilerin geçmiĢteki hareketlerine

bakarak gelecekteki hareketlerinin tahmin edilmesidir. Analizi yapan kiĢiler, belirli

zamanlarda gözlemlenen talep verilerini yerlestirerek bir zaman ölçeği olustururlar. Verilerin

yerleĢtirdikleri bu noktalar incelenerek, bu noktaların zaman içerisinde kararlı bir seyir izleyip

izlemediklerini tespit etmeye çalıĢırlar. Analizi sonucunda ulaĢılmak istenen hedef ürüne ait

talebin sabit olduğu, bir egilime sahip oldugu veya mevsimsel ya da konjonktürel

dalgalanmalara sahip olduğu ya da talebin hepsinin birleĢimi seklinde olduğunu

görebilmektir. Zaman Serisi Analizleri Yöntemleri uygulanırken izlenmesi gereken adımlar

asağıdaki belirtilmiĢtir(10):

1. Tahmin yönteminin değerlendirilmesi, yürütülebilmesi için ilgili zaman serisi iki eĢit

parçaya bölünür.

2. Tahmin yöntemi mümkün olan metotlar içerisinden seçilir.

3. BaĢlangıç veri seti tahmin yöntemini baĢlatmak için kullanılır.

4. Modelin parçalarını hesaplamada kullanılmayan veriler de, tahminde etkisinin nasıl

olduğunu görmek için test setine uygulanır. Her bir tahminden sonra tahmin hataları

hesaplanır. Bu asama modeldeki parametre değerlerinin uygun hale getirilmesi için baĢlangıç

iĢlemlerinin düzenlenmesini gerektirir.

5. DeğiĢik veri örnekleri için tahmin yönteminin uygunluğu değerlendirilir.

16

Zaman Serileri Analizi YÖNTEMLERĠ

Zaman Serileri Analizlerinde birçok yöntem kullanılmaktadır.Bunlardan en genel olanlarını

ele alacak olursak;

1.Aritmetik Ortalama Yöntemi

Talep tahmini açısından geleceğe en basit bakıĢ geleceğin, geçmiĢte olanların ortalamasına

doğru eğilim göstereceğini varsaymaktadır. Bu varsayıma göre geleceğin en geçerli tahmini,

geçmiĢte olup bitenlerin tek tek toplanıp ortalamasını almaktır.

Bu talep tahmin yöntemi, oldukça basittir. Sıradan birisi bile, aritmetik ortalamayı, aĢağıdaki

formülle hesaplanır:

n

yAO

n

tt

1

Yukarıdaki formüle göre, geçmiĢ dönemlere iliĢkin veriler toplanarak, dönemlerin

sayısına bölünürse ortalama değer hesaplanmıĢ olur. Böylece gelecek dönemler için tahminin,

hep bu ortalama değer alacağı ortaya çıkmaktadır. Bununla birlikte, yeni dönemlere iliĢkin

veriler geldikçe bunların yeni hesaplamalara dahil edilerek son güne uygun bir tahminin

yapılması da aynı modelle mümkündür. Ancak, tarihi olarak olup bitenlerin istatistik

ortalamasına dayanan bu tahminin, zaman içinde tek tek gözlemlenen noktaların sırasını göz

önüne almadığı görülmektedir.

2.Hareketli Ortalama Yöntemi

Yaygın Ģekilde kullanılan bir tahmin tekniğidir. Hareketli ortalama yöntemi, uzak

geçmiĢten çok, yakın geçmiĢe ağırlık verir ve buna dayanarak, yalnızca bir dönem satıĢ

tahminini yapar. Örneğin geçmiĢ tarihi dönem verilerinin üçü, dördü veya beĢi alınarak, en

son gerçekleĢen dönem bunlara ilave edilir. Daha sonra, bu verilerin ortalaması, bir sonraki

dönem satıĢ miktarı olarak kabul edilir.

Bu yöntem ile yapılacak tahmin, talep yükselen bir trend gösteriyor ise çok küçük,

alçalan bir trend gösteriyor ise çok büyük olacaktır. Aynı Ģekilde Ģayet n çok az ise gerçek

talebin etkileri abartılmıĢ olacak, n çok büyük ise bu etkiler azaltılmıĢ olacaktır. Matematiksel

olarak aĢağıdaki formülle ifade edilebilir:

17

n

yyynHO nttt 11

...........)(

3. Ağırlıklı Hareketli Ortalama Yöntemi

Hareketli ortalama yönteminin sakıncalarından bir kısmı ağırlıklı hareketli ortalama

yöntemi kullanılarak giderilebilir. Bu yöntemde en yakın veriye en büyük ağırlık verilir.

Matematiksel olarak;

ywywywnAHOntntt 1121 ............)(

Ģeklinde ifade edilir.

Bazı talep yapılarında bu yöntem standart hareketli ortalamalarının zayıflıklarını

kısmen ortadan kaldırır. n için seçilecek değer ve ağırlık katsayıları (w) ihtiyari olarak seçilir

ve çeĢitli deneyimlerden geçirildikten sonra kabul edilir.

4.Üssel Düzeltme Yöntemi

Üssel düzeltme tahmin yöntemi, tüm tarihi verileri göz önünde bulundurur. Ancak,

geçmiĢe eskidikçe daha az ağırlık verir. Bir bakıma, tüm tarihi verilerin hareketli ortalaması

olmaktadır. Üssel düzeltme yönteminin kullanılmasındaki temel düĢünce talepte tesadüfi

dalgalanmaların etkilerini gidererek genel yönelime uygun bir tahminde bulunabilmektir.

Örneğin; beklenen 100 birim ile dönem sonu gerçekleĢen 95birim arasındaki farkın ne kadarı

talepte meydana gelen gerçek kaymalara, ne kadarı tesadüfi nedenlere atfedilebilir. ġayet

gelecek dönemin talebini 100 birim olarak tahmin edersek bir dönem önce gerçekleĢen talep

ile tahmin edilen talep arasındaki 5 birimlik farkın tamamen tesadüfi dalgalanmaların bir

sonucu olduğunu, talebin genel yöneliminde bir değiĢmenin bulunmadığını varsayarız. ġayet

gelecek dönemin talebini 95 birim olarak tahmin edersek, bu kez de meydana gelen farkın

talep kalıbındaki dalgalanmalardan kaynaklandığını, talepte tesadüfi dalgalanmaların

bulunmadığını kabul etmiĢ oluruz.

Üssel düzeltme yönteminde kullanılan formüller aĢağıdaki gibidir:

FyFF tttt

1 veya FyF Ttt

1

1

F t 1 : Yeni tahmin.

F t : Bir önceki tahmin.

: Düzeltme faktörü.

yt : GerçekleĢen talep.

18

Düzeltme faktörü olan (α) , geçmiĢ göz önünde bulundurularak, araĢtırmacının arzusuna göre

O ile 1 sınırları içinde keyfi olarak seçilir.

5. En Küçük Kareler (Regresyon) Yöntemi:

Bir Endüstri Mühendisliği Serisi kitabı olan Forecasting and Time Series

(MONTGOMERY,LYNWOOD,GARDĠNER,1990) kitabında Regresyon Analizi detaylı

olarak incelenmiĢtir.Bunu sonucunda Eğilim (trend) metotlarında en güvenilir olanı "En

küçük kareler metodu" olguğu görülmüĢtürç. Bu nedenle veriler elveriĢli olduğu takdirde

eğilimin hesaplanmasında en çok bu yol uygulanmaktadır.Bu yöntemi kısaca özetle ele alacak

olursak;

En küçük kareler yöntemine göre, bir zaman serisine en iyi uyan baĢka bir deyiĢle bir

değerler serisini en iyi ifade eden doğru veya eğri, geçmiĢ yıllara ait gerçek değerlerle

formülün uygulanması ile bulunacak teorik değerler arasındaki farkların karelerinin toplamını

(saptamaların kareleri toplamını) minimum yapan doğru veya eğridir.

Söz konusu metotta eğilim matematik bir fonksiyonla belirtilir. Zaman serisinin

göstermiĢ olduğu eğilim, doğrusal olabileceği gibi, bir eğri Ģeklinde de olabilir. Bu nedenle,

zaman serilerinde eğilimi ortaya koymak için en çok kullanılan denklemler,

Y = a0 + aıX (Doğru denklemi)

Y = a0 + aıX + a2X2 (Parabol Denklemi)

Y = a0 aı X (Yarı logaritmik eğri denklemidir)

Formüllerde Y çeĢitli yıllara ait değerleri, X yılların sıra sayılarını

göstermektedir.Zaman serisinin eğilimini ortaya koymak için üç denklemin de denenmesi

gerekir.

-Bir tüketim serisi analizinde geçmiĢ yıllar eğilimini en iyi Ģekilde ifade eden denklem

Y= a0 + aıX Ģeklindeki denklem ise, bu durum tüketim artıĢının yıldan yıla sabit kaldığını

gösterir.

-Y = a0 + aıX + a2X2

Ģeklinde parabol denklemi, tüketim serisi en iyi Ģekilde uyuyorsa,

tüketimdeki yıldan yıla artıĢın (veya azalıĢın) sabit olmadığını tüketim miktarındaki artıĢın

seri boyunca düzenli bir Ģeklide gittikçe artarak veya azalarak geliĢtiğini ifade eder. (a;

katsayısının iĢareti (+) ise tüketimdeki yıllık artıĢ gittikçe artarak (-) ise gittikçe azalarak

geliĢiyor demektir).

-Buna karĢılık Y = a0 aı X denklemi en uygun Ģekilde tüketimdeki yıllık artıĢ hızının sabit

kaldığı Ģeklinde yorumlanmalıdır. Özetlersek, zaman serileri analizinde doğru denklemi,

artıĢın yıldan yıla sabit kaldığını; yarı logaritmik eğri denklemi, yıllık artıĢ oranının sabit

19

olduğunu; parabol denklemi ise, artıĢın seri boyunca düzenli bir Ģekilde gittikçe artarak veya

gittikçe azalarak geliĢtiğini ifade eder.

Y=a+bX regresyon doğrusu denklemindeki a ve b katsayıları hesaplanırsa, herhangi

bir X değeri için Y‟nin alacağı değer hesaplanır ve böylece gelecek dönemlerin tahminleri

yapılır. “a” ve “b” katsayıları aĢağıdaki eĢitliklerle hesaplanır: Regrasyon eĢitliğindeki

bıktırıcı hesaplamalar, bilgisayar destekli yapıldığında gerekli tahminler, kısa zamanda ve

hatasız olarak yapılabilir.(4) (MONTGOMERY..,21-45/381,1980)

n

Xb

n

Ya

XXb

n

YXXYn22

Tahmin Yöntemlerinin Doğruluklarını Belirleme

Tahmin yöntemlerinin doğruluklarını belirlemek ve yöntemleri birbiriyle

karĢılaĢtırabilmek için 3 tane yöntem kullanılır. (11) Bunlar:

6.1Mean squared error (MSE)

6.2.Mean absolute deviation (MAD)

6.3.Mean absolute percent (MAPE)

K

FyMSE

K

iii

1

2

K

FyMAD

K

iii

1

K

yFy

MAPE

K

ii

ti

1

100

Her üç doğruluk ölçüsünde de çıkan sonuçlar ne kadar küçükse gerçek talebe o kadar

yaklaĢılmıĢ demektir.

20

UYGULAMALAR:

Moonlight Grocery Store Ģirketinin sahibi her hafta sonu talep tahminlerini istemektedir.

ARĠTMETĠKORTALAMAYÖNTEMĠ HAREKETLĠ ORTALAMA YÖNTEMĠ

33.1109

115106114105112121108102110110

n

y

F

n

tt

67.1113

115106114

3)3( 789

10

yyy

FHO

AĞIRLIKLIORTALAMAYÖNTEMĠ ÜSSELDÜZELTME YÖNTEMĠ

Dörderli agırlıklı ort:(n=4, w1=0,4 w2=0,3 w3=0,2w4=0,1) (α=0.2)

1.111)105(1.0)114(2.0)106(3.0)115(4.0

)4(6473829110

ywywywywFAHO

21

8.110)7.109115(2.07.10999910 FyFF

8.1107.109)2.01(1152.019910

FyF t

REGRESYON YÖNTEMĠ

Örnek: AĢağıda Moonligt Hospital‟ın ilk yardım odasına baĢvuran hasta sayılarının

aylara göre dağılımı görülmektedir. Regresyon tekniğini kullanarak talep tahminlerini

belirleyeceğiz.

7.10

1716

18354

78)650(12

)4625)(78()31592(12222

XXb

n

YXXYn

7.10

1716

18354

78)650(12

)4625)(78()31592(12222

XXb

n

YXXYn

9.31512

787.10

12

4625

n

Xb

n

Ya

Hesaplanan katsayılar doğru denkleminde

yerine (Y=a+bX) yerine konursa;

Ft= 315.9 + 10.7X biçimindeki sayısal tahmin

modeli kurulmuĢ olur.

Örnek olarak Haziran ayındaki hasta sayısını

tahmin için bu denklemi kullandığımızda;

Ft= 315.9 + 10.7 (6) = 380.1 değerini elde ederiz.

Aylar

(Xi)

Hasta

Sayısı

(yi)

Xi2 Xiyi

Ocak 1 328 1 328

ġubat 2 310 4 620

Mart 3 355 9 1065

Nisan 4 362 16 1448

Mayıs 5 375 25 1875

Haziran 6 380 36 2280

Temmuz 7 408 49 2856

Ağustos 8 415 64 3320

Eylül 9 417 81 3753

Ekim 10 412 100 4120

Kasım 11 429 121 4719

Aralık 12 434 144 5208

TOPLAM 78 4625 650 31592

22

Talep tahminlerini MSE, MAD ve MAPE‟ye göre karĢılaĢtırma:

Tam anlamıyla bir karĢılaĢtırma yapabilmek için denklemlerde, 6.hafta ile 9 hafta

arasındaki verileri kullanacağız. Yani K=4 olacak. Bu verileri denklemlerde yerlerine

koyduğumuzda aĢağıdaki sonuçları buluyoruz:

HO(3) AHO(4) ÜDY (α=0.2)

MSE 35.20 35.95 25.73

MAD 5.25 5.78 5.03

MAPE %4.83 %5.30 %4.59

Buna göre gerek MSE‟de gerek MAD‟da gerek de MAPE‟de en küçük değerleri veren

Üssel Düzeltme yöntemi gerçekleĢen satıĢa en yakın tahminleri belirlemiĢtir. Yani bu iĢletme,

talep tahmin yöntemi olarak üssel düzeltme yöntemini kullanarak satıĢ rakamlarına en yakın

tahmini yapabilir.(12)

Hafta SatıĢ

HO (3) AHO (4) ÜDY (α=0.2)

Tah

min

(Ft)

Hata Hata2

Tah

min

(Ft)

Hata Hata2

Tah

min

(Ft)

Hata Hata2

1 110 110.0

2 102 110.0 -8.0 64.0

3 108 108.4 -0.4 0.2

4 121 106.7 +14.3 204.5 108.3 +12.7 161.3

5 112 110.3 + 1.7 2.9 112.2 -0.2 0.0 110.8 +1.2 1.4

6 105 113.7 - 8.7 75.7 112.9 -7.9 62.4 111.0 -6.0 36.0

7 114 112.7 + 1.3 1.7 110.6 +3.4 11.6 109.8 +4.2 17.6

8 106 110.3 - 4.3 18.5 111.6 -5.6 31.4 110.6 -4.6 21.2

9 115 108.3 + 6.7 44.9 108.8 +6.2 38.4 109.7 +5.3 28.1

TOPLAM 21 140.8 23.1 143.8 20.1 102.8

23

8. SONUÇ

Günümüzde var olan rekabetle baĢa çıkabilmek ve sürekli geliĢmeyi sağlayabilmek

için iĢletmelerin yapması gereken, günlük satıĢlara,üretime,yatırıma yönelik ve

fonksiyonlarla yapılan tahminleri hammade, malzeme ,yedek parça ,insan gücü,programlama

ve diğer kararlara dönüĢtürmektir.

ÇalıĢmalarımda görüldüğü gibi talep tahmininde en uygun sonuca ulaĢmak için

baĢvurulan baĢlıca yöntem zaman serileri analizidir.Bu yöntemle iĢletmeye gelebilecek

mevcut talepleri,mevsimlere göre sıcaklık değerleri gibi olaylarla inceleyebilmekteyiz.Bizi

ilgilendiren en önemli yöntem olmasının sebebi ise;özellikle mühendislik ve diğer bilimsel

alanlarda uygulanabilir olmasında eski dönemlere yönelik gözlemlerin incelenmesi ve ileriye

dönük tahminlerin yapılabilmesinin mümkün olmasıdır.

ÇalıĢmamdan edindiğim bilgilerle; geçmiĢten günümüze uygulanan talep tahmin

yöntemleri ele alınmıĢ ve araĢtırmalar arası çok fazla farklılıklar görülmemiĢtir.Bu nedenle

belirli yöntemler üzerinde durulmuĢtur.En önemlisi de gerek mühendislik gerekse diğer

dallarda yapılan çalıĢmaların tümünde talep tahminin önemi görülmüĢtür.Çünkü ülke

ekonomisini etkileyen faktörler küçük ve büyük ölçekli iĢletmelerdir ve ülkenin kalkınması-

psikolojisi gibi birçok faktörün temelinde geçmiĢi algılama ve geleceği öngörme

yatmaktadır.Bir ekip çalıĢması gerektirmesi;kullanılan teknikler yönünden derslerimizde

gördüğümüz birçok kavramı araĢtırma sayesinde bir kez daha pekiĢtirmiĢ bulunmaktayım.

„Mühendislik‟ tanımlandığında verimli yöntemlerin uygulanması; „verimlilik‟

tanımlandığında bir çalıĢma için ileriyi öngörme;„kar‟ tanımlandığında taleplerden kazanım

sağlayabilme; „talep‟ tanımlandığında ise belirsizlik söz konusuysa „Talep Tahmin

Yöntemlerine‟ baĢvurmanın kaçınılmaz olduğunu hazırladığım bu proje sayesinde öğrenmiĢ

durumdayım.

24

KAYNAKLAR

(1) ÜRETEN, S. , Üretim/ĠĢlemler Yönetimi, Stratejik Kararlar ve Karar Modelleri, Gazi

Kitabevi, Ankara, 2002

(2) ARMSTRONG J.S. ; GREEN , Strateging Marketing Managament ; Australia Monash

University , 2,2005

(3) MONKS, J.G. ; Operations Management, McGraw-Hill International Editions; Third Ed.:

Singapore, 1987

(4)* MONTGOMERY C.D,LYNWOOD A.,GARDĠNER J.;Forecasting and Time Series

Analysis, McGraw-Hill International Editions,Endustrial Engineering Series;Second Ed.

New York ,21-45, 381, (1990)

(5) COLLOPY, F. ,AMSTRONG J.S. ; "Rule-Based Forecasting: Development and

Validation of An Expert Systems Approach To Combining Time Series

Extrapolations"; Management Science, 38, 1394(1992)

(6) NAHMIAS, S. , Production and Operations Analysis, Mc-Graw Hill, New York, 2001

(7) KOBU, B. ; Üretim Yönetimi, Avcıol Basım Yayım; Ġstanbul, 1994

(8) D_L, O Yönetimde Ġstatistik Teknikleri ve Örnek Olaylar; Ġ.Ü. Yayınları,

Ġstanbul, 1979

(9) ÇAĞIL.G.,Zaman Serileri Analizi ile Talep Tahmini;Yüksek Lisans Tezi YTÜ;

Ġstanbul,34-48,182,(1988)

(10) MAKR.DAK.S, S. S.S ,WHEELWRIGHT S.C. , HYNDMAN, R.J. ; Forecasting

Methods and Applications, John Wiley and Sons; New York, 1998

(11) MEYDAN Y.A.;Talep Tahmin Yöntemleri ve Uygulaması;Yüksek Lisans

Tezi;Ġstanbul,89,134,(2007)

(12) http://www.ekodialog.com/Konular/talep-tahmini-tahminleri.html

http://www.forecastingprinciples.com/

http://tr.wikipedia.org/wiki/Talep_tahmini