Ünite 3: talep tahminleri

Talep tahminleri; Ünite 3

YONT 405, Üretim Yönetimi, 2012/13 © 2012-13- Doç.Dr. Sami Fethi, DAÜ, Tüm hakları saklıdır, Ders Notları

Ünite 3: Talep Tahminleri

İşletme Bölümü

GÜZ 2012-2013Görüyorum ki bu ders’ den A alacaksın.

Taleb Tahminleri; Ünite 3


2

Outline: What You Will Learn . . .

Talep Tahmin tanımı ve önemi. Talep Tahmin prensipleri. Talep Tahminde yapılacak işlemler. Talep Tahmin Yöntemleri. Zaman Serileri Analizi. Hareketli Ortamalar. Duyarlılık Analizleri. Trend Analizi Regresyon Analizi ve uygunluk derecesi



3

Talep Tahmini nedirTalep Tahmini nedir?? Niye kullanılmaktadır? Niye kullanılmaktadır?

Talep tahmin, bir firmanın gelecekteki satış hacmini belirlemek için bir değişkeni hesaplama işlemidir.

Talep Tahmin, özel işletmelerde, devlet sektöründe ve hayır kurumlarında alınacak idari ve yönetsel kararlarda riski ve belirsizliği azaltan bir yöntemdir.

Talep tahminlerinin kullanılması sayesinde, firmalar kendi büyümesini gerçekleştirebilmesi için ne kadar mal üreteceğini, bu malı hangi oranda fiyatlayacağını ve ilgili malın pazarlanması için ne kadar para harcayacağını belirler



4

Taleb Tahminin AmacıTaleb Tahminin Amacı

Firmanın karşılaşacağı kısa dönem işletim kararları ve uzun dönem büyüme planları için riskin ve belirsizliğin azaltılmasıdır.

Taleb Tahminlerini kullanmak işletme hayatının vazgeçilmez unsurlarından biridir. Bunları kullanırken daha doğru tahminler yapıp, mümkün mertebe riski ve belirsizliği azaltmak bir işletmenin hayatta tutunabilmesinin en temel noktasıdır.



5

Talep Tahmin Yöntemi HaritasıTalep Tahmin Yöntemi Haritası

PazarlamaPazarlamasatışsatış FinansFinans Üst yönetimÜst yönetimStok yönetimiStok yönetimi

etkileyenetkileyen FaFaktörlerktörler

StatistiStatistikselksel ModelModel

StatistiStatistikselksel ModelModel

TalepTalep BilgiBilgi

Fikir birliğiFikir birliği

Talep TahminTalep Tahminkararıkararı



6

Nedensellik (sebeb sonuç ilişkisi)Geçmiş ==> Gelecek

Talep Tahmin tesadüfi etkilerden dolayı, sonuçları çok hassas olmaz.

Tahminler çok nadir olarak kusursuzdur

Talep Tahmin çalışmaları kişilere oranla gruplar üzerinde daha hassas sonuçlar verir.

Zaman horizonu artığı sürece, Talep Tahmin ölçümleri daha az hassas olur.

Talep Tahmin PrensibleriTalep Tahmin Prensibleri



7

İyi bir Talep Tahminin Elemanları

Zaman

HassasiyetGüvenilirlik

Anlam

lılık

Yazılım

Kolay

kulla

nılış



8

Talep Tahmin Araştırılmasında Yapılacak Adımlar

Adım 1 Talep tahmin amacının belirlenmesi

Adım 2 Zaman horizonunu belirlenmesi

Adım 3 Talep Tahmin tekniklerinin seçilmesi

Adım 4 Veri’yi analiz yapma

Adım 5 Talep Tahminin yapılması

Adım 6 Raporun yazılması

“Talep Tahmin”



9

Talep Tahminleri Yöntemleri

NNaïve aïve (düz) (düz) metmetod’danod’dan en Zor model ve tekniklere Zor model ve tekniklere kadar Talep Tahmin yöntemleri mevcutturkadar Talep Tahmin yöntemleri mevcuttur.

Üç ana başlıkta toplanır: Yargısal TahminlerYargısal TahminlerZaman SerileriZaman Serileri İlişkisel Modellerİlişkisel Modeller



10

Yargısal Tahminler- Kantatif modellerin kullanılmadığı zamanlar yönetici görüşlerini, müşteri anketlerini, uzman görüşleri gibi yargısal yöntemlerin kullanılmasıdır.

Zaman Serileri – Geçmişe ait bilgilerin geleceği tahmin için kullanılması prensibine dayanır.

İlişkisel Modeller – Bağımsız değişkenlerin kullanılarak geleceğin tahmin edilmesidir.

Talep Tahmin Araştırma YöntemleriTalep Tahmin Araştırma Yöntemleri



11

Kalitatif talep tahmini bir değişkenin gelecek değerini anket araştırma ve görüş toplama yöntemlerini kullanarak belirleme yöntemidir.

Anket teknikleri Toplanılan bilgi, tecrübe, kişisel yargı, ve sezgiye

dayanır. Görüş toplama Pazar’daki bir çok uzman kişilerin, yöneticilerin,

satış memurları gibi elemanların verdiği görüşlere dayanan bir bilgi toplama yöntemi.

Kalitatif (Yargısal) ModellerKalitatif (Yargısal) Modeller



12

Görüş toplama yöntemi basit oluşu ve düşük maliyetli olma avantajları vardır.

Bandwagon etkisi: (tercübe, sezgiye ve uzman görüşlere dayandığı için subjektif olabilir).

Delphi Methodu : Bu metod kullanılarak uzman görüşleri ayrıştırılıp subjektif görüşler engellenebilinir.

Kalitatif (Yargısal) ModellerKalitatif (Yargısal) Modeller



13

Temel varsayım: Geçmiç bilgi yoksa, gelecekteki bilgi tahmin edilemez.

İyi bir geçmiş örnek analizi, etkili bir gelecek örnek analizi teşkil eder.

Kantitatif yaklaşımların büyük çoğunluğu zaman serileri analizi olarak adlandırılır.

Kantitatif (Nicel) Tahmin Yaklaşımları



14

Zaman Serileri Analizi

Bir zaman serisi ardışık ve eşit aralıklı zamanlarda bir bağımsız değişkenin aldığı değerleri gösteren bir küme şeklinde tanımlanır.

Geçmişteki davranış biçiminin gelecekte de devam edeceği varsayılır.

İstikrarsız, ani ve beklenmedik değişikliklerin olduğu ortamlarda bu yöntemin kullanılması doğru olmaz.



15

Talep Tahmin süresi

Kısa vadeli tahminler 1 yıla kadar

Orta vadeli tahminler 1 ile 5 yıl arası

Uzun vadeli tahminler 5 yıldan fazla olan süreler için



16

Zaman Serilerinin değişimde görünen ana sebebler Trend : zaman serisinin uzun vadedeki pozitif yada negatif

değişimini gösterir (Nüfus, gelir ve kültürdeki değişimleri).

Uzun vadeli dalgalanmalar: ulusal ekonomideki hızlı gelişmeler, depresyon, durgunluk gibi faktörleri içeren dalgalanmalardır.

Mevsimlik değişmeler : Bayram öncesi satışlar, giyim, hediyeli eşyalar, turizme ait faaliyetler..

Düzensiz değişmeler ciddi hava muhalefeti, grevler mal ve hizmetlerdeki radikal değişmeler.

Tesadüfi değişmeler: sebebleri tam olarak belli olmayan ve sistematik bir değişim şekli göstermeyen etkenlerdir.



17

Talep Tahmin Değişimleri

Trend

Düzenli olmayan

Mevsimlik değişmeler

908988

Uzun vadeli



18

Zaman serisiF(t) = A(t-1)

Mevsimlik DeğişmelerF(t) = A(t-n)

Verilerin trend ile kullanılmasıF(t) = A(t-1) + (A(t-1) – A(t-2))

Talep Tahmin YapılarıTalep Tahmin Yapıları



19

Ortalama Teknikleri

Hareketli ortalama Ağırlıklı hareketli ortalama Üstel Düzeltmeler yöntemi



20

Ortalama Teknikleri

Hareketli ortalama – Gerçek değerlerin ortalamasını alırken yeni değerleri bünyesine alan bir tekniktir. Yeni değerler oluşurken eski değerler kayboluyor.

TTt = HOn= n

GTt-n + … GTt-2 + GTt-1

TTt = AHOn=

AnGTt-n + … An-1GTt-2 + A1GTt-1

Ağırlıklı Hareketli ortalama – Son dönem verilerini belirli bir ağırlıkla işleme koyan bir tahmin tekniğidir.

n



21

Basit Hareketli Ortalama

35

37

39

41

43

45

47

1 2 3 4 5 6 7 8 9 10 11 12

Gerçek Değer

HO3

HO5

TTt = HOn= n

GTt-n + … GTt-2 + GTt-1



22

Basit Hareketli OrtalamaTT yada OT döneme ait talep tahminiGT döneme ait gerçekleşen talepn dönem sayısı ve A ise ağırlık değeriBasit denmesinin sebebi eşit ağırlıkta kolay bir

şekilde ortalanmasının hesaplanmasıdır.Hareketli denmesinin sebebi yeni veri hesaplandığı

zaman eski verilerin kullanılmamasıdır.Dönem sayısı artığı zaman, tahmin dalgalanmalara

daha az karşılık verecektir.Dönem sayısı azaldığı zaman, tahmin dalgalanmalara

daha fazla karşılık verecektir.



23

Üstel(Eksponensiyal) Düzeltmeler YöntemiÜstel(Eksponensiyal) Düzeltmeler Yöntemi

düzgünleştirme sabiti olup 0 ile 1 değerleri arası değişmektedir.

GT-TT farkı hata terimini belirler

TTt = TTt-1 + (GTt-1 - TTt-1)TTt = döneme ait talep tahminiTTt-1 = Bir önceki döneme ait talep tahmindüzeltme sabiti GTt-1 = Bir önceki döneme ait gerçekleşme değeri



24

Üstel(Eksponensiyal) Düzeltmeler YöntemiÜstel(Eksponensiyal) Düzeltmeler Yöntemi

Ağırlıklar kullanılarak hesaplanır ve üstel bir yayılım grafiği özelliği gösterir.

(GT t-1 - TTt-1) farkı hata tahmin ölçümünü gösterir.

Düzgünleştirme katsayısı 0.0 ile 1.0 arasında değişir.

değeri artıkça, tahminde yüksek dalgalanmalar yaratır.

değeri azaldıkça, tahminde düşük dalgalanmalar yaratır.



25

Örnek 1Örnek 1

Bir çağrı merkezinin 12 günde elde ettiği verileri gösteriyor.

Bu veriler kullanılarak gelecek dönemki veriler tahmin edilmek istenmektedir.

Hareketli ortalama, Ağırlıklı hareketli ortalama ve üstel düzeltmeler yöntemini kullanarak gelecek dönemi tahmin ediniz.

Gün Çağrı Hacmi1 1592 2173 1864 1615 1736 1577 2038 1959 18810 16811 19812 159



26

Hareketli ortalama yöntemini kullanarak diğer dönemi (13. gün) tahmin ediniz. Bu dönemi tahmin ederken en yakın üç veriyi kullanınız.

TT13 = (168 + 198 + 159)/3 = 175.0 çağrı

Örnek 1-Hareketli ortalamaÖrnek 1-Hareketli ortalama



27

Örnek1- Ağırlıklı hareketli ortalamaÖrnek1- Ağırlıklı hareketli ortalama

Ağırlıklı hareketli ortalama yöntemi ile gelecek dönemi tahmin ediniz. En yakın üç dönemi kullanırken en eski veriyi sırası ile 0.1, 0.3 ve 0.6 ağırlık değerinde alınız.

TT13 = .1(168) + .3(198) + .6(159) = 171.6 çağrı

Not: Bu tekniği kullandığınız zaman, diğer tekniğe göre tahmin değeri daha az bulunmuştur. Modeller daha kapsamlı olduklarında, çıkan sonuçlar daha hassas olabilir.

1



28

Örnek1-Üstel düzeltmeÖrnek1-Üstel düzeltme

Düzeltme sabitinin 0Düzeltme sabitinin 0 .25 .25 verildiği bu çağrı merkezinde verildiği bu çağrı merkezinde 11. gün 11. gün 180.76 180.76 olarak tahmin ediliyor.olarak tahmin ediliyor.

13. gün değerini üstel düzeltme yöntemi ile tahmin 13. gün değerini üstel düzeltme yöntemi ile tahmin edinizediniz??

TTTT1212 = 180.76 + .25(198 – 180.76) = 185.07 = 180.76 + .25(198 – 180.76) = 185.07 çağrı çağrı

TTTT1313 = 185.07 + .25(159 – 185.07) = 178.55 = 185.07 + .25(159 – 185.07) = 178.55 çağrı çağrı



29

Trend AnaliziZaman serilerini analizinde kullanılan regresyon

modelinin en basit şeklidir.Regresyon analizi bağımlı değişkenle bağımsız

değişken arasındaki ilişkiyi belirler.En basit bağlamdaki regresyonda bir bağımsiz

değişken mevcuttur.Veriler zaman serilerinden oluşursa, bağımsız

değişken zaman değişkeni olur.Bağımlı değişken tahmin edilen herhangi bir değer

olabilir.



30

Trend denklemi

TTt = Talep Tahmini t = dönem a = sabit değeri alır t = 0 olduğu zamanlarb = Denklemin eğimi

TTt = a + bt

0 1 2 3 4 5 t

TTt



31

Regresyon Doğrusu

Regresyon denklemi model:

Y = a + bX

Y = Bağımlı değişken X = Bağımsız değişken a = dikey eksenin eğimi b = regresyon doğrusunun eğimi



32

Trend analizi- a ve b sabitlerinin hesaplanması

Sabit sayılar a a ve bb Sabit sayılar aa and bb yandaki

formuller kullanılarak hesaplanır

Sabit değerler a a ve b b tahmin edildikten sonra, X bağımsız değişkenine değer verilerek Y bağımlı değişkenin değerleri tahmin edilir.

2

2 2

x y- x xya =

n x -( x)

2 2

xy- x yb =

n x -( x)

n



33

Örnek2-Trend Analizi- Elektrik enerjisi satışları Elimizdeki veriler bir şehrin 1997.1 ve 2000.4

yılları arasındaki elektrik enerjisi tüketimini (milyon kilowatt) göstermektedir. Veriler aşağıdaki tabloda verildiği gibidir. Trend analizini kullanarak diğer 4 çeyrek dönemi tahmin ediniz.

Yıl1997Q1

1997Q2

1997Q3

1997Q4

1998Q1

1998Q2

1998Q3

1998Q4

1999Q1

1999Q2

1999Q3

1999Q4

2000Q1

2000Q2

2000Q3

2000Q4

ELEKTÜK (Y) 11 15 12 14 12 17 13 16 14 18 15 17 15 20 16 19



34

Örnek 2-Trend Analizi

2 2

xy- x yb =

n x -( x)

n

2

2 2

x y- x xya =

n x -( x)

Yıl Trent (t) ELEKTÜK (Y) (t )kare Y*t (y) kare (Σt) karesi (ΣY) karesi

1997Q1 1 11 1 11 121

1997Q2 2 15 4 30 225

1997Q3 3 12 9 36 144

1997Q4 4 14 16 56 196

1998Q1 5 12 25 60 144

1998Q2 6 17 36 102 289

1998Q3 7 13 49 91 169

1998Q4 8 16 64 128 256

1999Q1 9 14 81 126 196

1999Q2 10 18 100 180 324

1999Q3 11 15 121 165 225

1999Q4 12 17 144 204 289

2000Q1 13 15 169 195 225

2000Q2 14 20 196 280 400

2000Q3 15 16 225 240 256

2000Q4 16 19 256 304 361

(Toplam) Σ 136 244 1496 2208 3820 18496 59536

a 11.9

b 0.394



35

Y = 11.90 + 0.394XY = 11.90 + 0.394X

Y17 = 11.90 + 0.394(17) = 18.60 Y17 = 11.90 + 0.394(17) = 18.60 ilk çeyrek-ilk çeyrek-20012001Y18 = 11.90 + 0.394(18) = 18.99 Y18 = 11.90 + 0.394(18) = 18.99 ikinci çeyrek-ikinci çeyrek-20012001Y19 = 11.90 + 0.394(19) = 19.39 Y19 = 11.90 + 0.394(19) = 19.39 üçünçü çeyrek-üçünçü çeyrek- 2001 2001Y20 = 11.90 + 0.394(20) = 19.78 Y20 = 11.90 + 0.394(20) = 19.78 dörtünçü çeyrek-dörtünçü çeyrek-20012001

Not:Not: Elektrik enerji tüketimi Elektrik enerji tüketimi 0.3940.394 katsayısı bağlamında katsayısı bağlamında her çeyrekte her çeyrekte milyonmilyon kilowatt- kilowatt-saat birimi şeklinde artış saat birimi şeklinde artış gösterecektir. gösterecektir.




36


Örnek’deki bilgileri kullanarak,

(a)Standart sapmayı bulunuz (Sxy)

(b)Korelasyon katsayısını yani güçlülük katsayısını bulunuz (r).

(c)Değişim katsayısını (tayin katsayısı) bulunuz (R2).



37

Örnek 2-Trend Analizi Örnek’deki bilgileri kullanarak,

(a)Standart sapmayı bulunuz (Sxy).

Sxy = kare kök( [3820-(11.9) (244)- (0.394) (2208)]/(16-2))=1.82

Sxy trend etrafındaki verinin nasıl dağıldığını gösterir. Averaja göre büyük bir standard hata varsa, veri noktaları geniş bölgeye yayılır. Eğer küçükse, daha sıkı bir şekilde trend etrafında kümelenirler. Sonuçu yanıltıcı olabilir.



38

Örnek 2-Trend Analizi Örnek’deki bilgileri kullanarak,

(b)Korelasyon katsayısını yani güçlülük katsayısını bulunuz (r).

r= ((16) (2208)- (136) (244))/kare kök( [(16) (1496)-(18496)*((16)(3820-59536)]=0.73

r -1 ile 1 arası değişen bir sayı olup, -1 ise güçlü negatif, 1 ise güçlü positifdir. 0 ise değişkenler arası herhangi bir ilişki yok demektir. Burada güçlü bir ilişki vardır bağımsız değişken artarsa, bağımlı değişkende artmaktadır. 𝑟= 𝑛σ𝑥𝑦− σ𝑥σ𝑦

ඥ[𝑛σ𝑥2 − (σ𝑥)2][𝑛σ𝑦2 − (σ 𝑦)2]



39

Örnek 2-Trend Analizi Örnek 1 deki bilgileri kullanarak,

(c) Değişim katsayısını (tayin katsayısı) bulunuz (R2).

R2=r2

R2=0.533. 0 ile 1 arası değişen değer, 0 olduğu zaman iki değişken arası ilişkinin olmadığını 1 olduğu zamanda mükemmel bir ilişki olduğunu gösterir. Bu değer aslında iki değişken arasındaki değişim katsayısını gösterir. %53 oranında meydana gelen bağımlı değişkendeki farklılıkları bağımsız değişkendeki farklılıklar açıklar. Yani bağımlı değişkendeki artışlar, bağımsız değişkendeki artışlardan kaynaklanmaktadır.



40

Talep Tahminlerindeki Duyarlılık Duyarlılık modelleri

Talep tahmin yöntemlerinin performansını ölçen modellerdir.Gerçek değerlerin tahmin değerleri üzerine ne kadar iyi bir

şekilde yaklaştığını gösterir. En az hata payı gösteren tahmin modelleri, en iyi duyarlılığı

En çok Kullanılan hata tahmin ölçüm modelleri Ortalama Mutlak sapma (OMS) Mean absolute deviation (MAD)Hata karelerinin ortalaması (HKO) Mean squared error (MSE) Kare kökü hata karelerinin ortalaması (KKHKO) Root mean squared error (RMSE)



41

OMS, HKO, and KKHKO

OMS = Gerçek Tahmin

n

HKO = Gerçek Tahmin)

-1

2

n

(



42

Örnek- Hata tahmin modelleri

Zaman Gerçek Tahmin

1 217 215

2 213 216

3 216 215

4 210 214

5 213 211

6 219 214

7 216 217

8 212 216

Aşağıdaki gerçek ve tahmini değerleri kullanarak, ortalama mutlak sapma (OMS), Hata karelerinin ortalaması (HKO) ve Kare kökü hata karelerinin ortalaması (KKHKO) hesaplayınız.



43

Gerçek Tahmin G-T (G-T) mutlak (G-T) karesi Karekök217 215 2 2 4 213 216 -3 3 9 216 215 1 1 1 210 214 -4 4 16 213 211 2 2 4 219 214 5 5 25 216 217 -1 1 1 212 216 -4 4 16

Toplam Σ -2 22 76 3.082207

OMS 2.75 22/8HKO 10.85714 76/7

KKHKO 3.08 karekök(76/8)

Örnek- Hata tahmin modelleri

G-T= HATA



44

Teşekkürler

Ünite 3: talep tahminleri

Documents