3 التـنــبــــــؤ CHAPTER Operations Management, Eighth Edition, by William J. Stevenson Copyright © 2005 by The McGraw-Hill Companies, Inc. All rights reserved. McGraw-Hill/Irwin

Forecasting Predict the next number in the pattern:

Forecasting 3.7 12.5 9.0 Predict the next number in the pattern:

اهداف التعلم قائمة عناصر التوقعات الجيدة. الخطوط العريضة لخطوات عملية التنبؤ. وصف لا يقل عن ثلاثة أساليب التنبؤ النوعي ومزايا وعيوب كل منها. مقارنه المنهج النوعي والكمي للتنبؤ.

اهداف التعلم وصف موجز تقنيات المتوسط​​ وصف اثنين من مقاييس دقة التنبؤ. وصف طريقتين لتقييم ومراقبة التنبؤ تحديد العوامل الرئيسية التي يجب مراعاتها عند اختيار أسلوب التنبؤ.

التـنبـؤ: هو بيان بالقيمة المستقبلية لمتغير يشكل أهمية كالطلب مثلا. التنبؤات تؤثر على القرارات والأنشطة المتعلقة بالمنظمة: المحاسبة , المالية الموارد البشريه التسويق ادارة نظم المعلومات MIS العمليات تصميم المنتج / الخدمة

استخدمات التنــبـؤ المحـــاسبة توقع التكلفة /الربح المـــالية تدفق النقد والموارد المالية الموارد البشرية توظيف /تشغيل /تدريب التسويق التسعير /العروض /الاستراتيجية ادارة نظم المعلومات MIS نظم المعلومات / الخدمات العمليات الجداول / مقدار العمل /MRP تصميم المنتج / الخدمة منتجات وخدمات جديدة

ملامح التنبؤ: افتراض نظام عشوائي الماضي الحاضر التنبؤات نادرا ماتكون صحيحة بسبب الافتراضات. التنبؤات تكون أكثر دقة للمجموعات في مقابل الأفراد. دقة التنبؤات تقل كلما زاد المدى الزمني.

عناصر التنبؤ الجيد له معنى محدد الوقت يعتمد عليه دقيق سهل الاستخدام مكتوب سهل الاستخدام

Steps in the Forecasting Process الخطوة الأولى: تحديد هدف التنبـؤ الخطوة الثانية: تحديد المدى الزمني الخطوة الثالثة: تحديد تقنية للتنبـؤ الخطوة الرابعة:جمع وتحليل البيانات الخطوة الخامسة:تحضير التنبـؤ الخطوة السادسة: مراقبة التنبـؤ “ التــــنـــبـــؤ ”

أنــــواع التنبـــؤ طرق تعتمد على المدخلات التي تعتمد على الآراء الشخصيةو لاتحتاج الى بيانات. طرق تعتمد على الوقت (أزمنة مختلفة). تستخدم بيانات ماضية على اعتبار أن الحاضر سيكون كالماضي. طرق تعتمد على نمادج مترابطة.تستخدم متغيرات ايضاحية للتنبؤ بالمستقبل.

طرق التنبؤ التي تعتمد على الرأي آراء الادارة آراء مسؤلو المبيعات استطلاع آراء المستهلكين آراء خارجية (خبرة) اعتماد طريقة Delphi

1- تقديرات الإدارة العليا تشكيل فريق من المديرين بمستوى الإدارة العليا للشركة ( التسويق, الإنتاج و العمليات, الهندسة الصناعية و الإدارة المالية) ينأى بعملية التنبؤ عن التطرف فى التفاؤل أو فى التشاؤم من عيوبه أن قد تسود و جهة نظر أحد أعضاء الفريق و عدم و جود مسؤلية محدد ما يؤثر على الدقة

2- تقديرات رجال البيع اتصال مباشر بالعملاء معايشين للسوق من عيوبه يفشلون فى التميز بين آراء العملاء وما يقدمون عليه

3- بحوث السوق

4- طريقة دلفى تتمثل خطوات هذه الطريقة فيما يلى: 1- تصميم قائمة إستقصاء تتضمن أسئلة خاصة بتقدير الموقف ترسل الى الخبراء المختارين 2- يحدد كل عضو, تقديراته أو تنبؤاته المستقلة فى عبارات مختصرة 3- يلتقى منسق العملية و يتم إستخلاص مدلولاتها و تلخيصها 4- يعاد إرسال سلسلة أخرى مع ملخص لآراء الخبراء الآخرين و يطلب تقيمها 5- تتكرر الخضوات السابقة على عدة جولات

5- الإسترشادات بمبيعات منتج مشابه مثال مايوهات السباحة ----- نظارات السباحة

Forecasting During the Life Cycle Introduction Growth Maturity Decline Qualitative models Quantitative models - Executive judgment - Market research Survey of sales force Delphi method - Time series analysis - Regression analysis Sales Time

أنماط الطلب الاتجاه: وهي الحالة التي يتزايد فيها الطلب /المبيعات مع الوقت باستمرار. الدورة: وهي حالة تأخد فيها المبيعات شكل دورة وغالبا ماتتوقف المبيعات على الحالة الاقتصادية للأفراد. تغيرات غير منتظمة: وهي تحدث نتيجة أشياء غير متوقعة, مثل الحاجة الى الكهرباء للتدفئة في يوم شديد البرودة. تغيرات عشوائية:وهي تحدث عرضيا.

Forecast Variations Figure 3.1 Irregular variation Trend Cycles 90 89 88 Seasonal variations

التنبــؤ البسيط التنبؤ لأي فترة يساوي القيمة الحقيقية للفترة الماضية سهل الإستخدام غير مكلف سهل وسريع التحضير لايوجد تحليل للبيانات سهل الإستيعاب لايوفر الدقة الفائقة ممكن أن يكون قاعدة للدقة

Uses for Naïve Forecasts التنبؤ البسيط Stable time series data بيانات السلاسل الزمنيه المستقره F(t) = A(t-1) Seasonal variationsالتغيرات الموسميه F(t) = A(t-n) Data with trends البيانات الموضحه للاتجاه F(t) = A(t-1) + (A(t-1) – A(t-2))

تقنيات المتوسط المتوسط ​​المتحرك المتوسط ​​المتحرك الموزون التنعيم الأسي

Moving Averages المتوسط المتحرك Moving average – A technique that averages a number of recent actual values, updated as new values become available. المتوسط ​​المتحرك - هو أسلوب لمتوسط عدد من القيم الفعلية الأخيرة، يتم تحديثه كلما اتيحت قيم جديدة تصبح متاحة. Ft = MAn= n At-n + … At-2 + At-1

المتوسط المتحرك مثال: احسب ثلاث فترات من المتوسط المتحرك للتنبؤ مع الاعتبار الطلب على عربات التسوق للفترات الخمس الماضية. الحل: التنبؤ (6)=41+40+43 = 41.33 لو تغير الطلب الفعلى للفترة (6) إلى = 38 إّذا 3 المتوسط المتحرك للفترة(7): 39.67 40+41+38= 3 الفترة الطلب 1 42 2 40 3 43 4 5 41

المتوسط المتحرك Actual MA5 MA3 Ft = MAn= n At-n + … At-2 + At-1

المتوسط المتحرك الموزون Weighted moving average – More recent values in a series are given more weight in computing the forecast. لحساب التنبؤ يتم اعطاء اوزان اكبر للقيم الاكثر حداثه Ft = WMAn= wnAt-n + … wn-1At-2 + w1At-1

المتوسط المتحرك الموزون مثال : بالنظر إلى بيانات الطلب التالية: 1. احسب المتوسط الموزون للتنبؤ باستخدام وزن= 0.4 للفترة الأخيرة , 0.3 للفترة قبل الأخيرة , 0.2 للفترة التالية و 0.1 للفترة التالية. 2. بافتراض أن الطلب الفعلى للفترة (6) = 39, احسب الطلب المتنبأ للفترة (7) باستخدام نفس الآوزان في (1). الحل: 1. التنبؤ للفترة (6) = 0.1(40)+0.2(43)+0.3(40)+0.4(41)= 41 2. التنبؤ للفترة(7)= 0.1(43)+0.2(40)+0.3(41)+0.4(39)= 40.2 الفترة الطلب 1 42 2 40 3 43 4 5 41

Exponential Smoothing التنعيم الاسى Ft = Ft-1 + (At-1 - Ft-1) الملاحظات الأخيرة تعطى أعلى قيمة تنبؤية. لذلك، يجب أن نعطي وزنا أكبر للفترات الزمنية ألاكثر حداثة .

Exponential Smoothing Ft = Ft-1 + (At-1 - Ft-1) Weighted averaging method based on previous forecast plus a percentage of the forecast error A-F is the error term,  is the % feedback طريقة المتوسط ​​المرجح تبنى على أساس التوقعات السابقة بالإضافة إلى نسبة مئوية من خطأ التتنبؤ

Example 3 - Exponential Smoothing

Picking a Smoothing Constant  .1 .4 Actual

مثال التنبؤ على أساس المتوسط, مع البيانات التالية: أوجد التنبؤ باستخدام الآساليب التالية: 1. التنبؤ البسيط 2. الثلاث الفترات من المتوسط المتحرك 3. المتوسط الموزون باستخدام الآوزان التالية : 0.5 للفترة الأخيرة , 0.3 و 0.2 4. التنعيم الاسى مع المعامل الثابت للتنعيم 0.4 الفترة عدد الشكاوى 1 60 2 65 3 55 4 58 5 64

الحل 1. القيم مستقرة (لا يوجد اتجاه أو دورات) وبالتالي فإن القيم الأحدث من سلسلة يصبح التنبؤ القادم = 64 2. المتوسط المتحرك للفترة (6)= 55+58+64 = 59 3 60.4 (64) = 0.5 3. المتوسط الموزون للفترة (6) = 0.2(55)+ 0.3(58)+ 4.التنعيم الاسى الفترة عدد الشكاوى التنبؤ الحسابات 1 60 يتم استخدام القيم السابقة من سلسلة مثل التنبؤ فى الفترة (1) 2 65 كبدايه للتنبؤ 3 55 62 60+0.4(65-60)= 62 4 58 59.2 62+0.4(55-62)= 59.2 5 64 58.72 59.2+0.4(58-59.2)= 58.72 6 60.83 58.72+0.4(64-58.72)= 60.83

مصادر أخطاء التنبؤ العينة يمكن أن تكون غير ملائمة. اختلافات غير منتظمة. عدم القدرة على استخدام تقنيات التنبؤ بشكل صحيح.

Measures of Forecast Errorقياس خطأ التنبؤ et MAD = Mean Absolute Deviation MSE = Mean Squared Error This slide illustrates the equations for two measures of forecast error. Students might be asked if there is an occasion when one method might be preferred over the other. RMSE = Root Mean Squared Error Ideal values =0 (i.e., no forecasting error)

MAD Example = 40 4 =10 What is the MAD value given the forecast values in the table below? At Ft |At – Ft| Month Sales Forecast 1 220 n/a 2 250 255 5 5 3 210 205 4 300 320 20 5 325 315 10 = 40 31

MSE/RMSE Example What is the MSE value? √137.5 =11.73 Month Sales = 550 4 =137.5 What is the MSE value? RMSE = √137.5 =11.73 At Ft |At – Ft| (At – Ft)2 Month Sales Forecast 1 220 n/a 2 250 255 5 25 5 25 3 210 205 4 300 320 20 400 5 325 315 10 100 = 550 31

Measures of Error t At Ft et |et| et2 84 = 14 6 1,446 = 241 6 -10 84 1. Mean Absolute Deviation (MAD) t At Ft et |et| et2 Jan 120 100 20 400 Feb 90 106 256 Mar 101 102 April 91 May 115 98 June 83 103 84 = 14 6 -16 16 2a. Mean Squared Error (MSE) 1 -1 1 -10 10 100 1,446 = 241 17 17 289 6 -20 20 400 2b. Root Mean Squared Error (RMSE) -10 84 1,446 An accurate forecasting system will have small MAD, MSE and RMSE; ideally equal to zero. A large error may indicate that either the forecasting method used or the parameters such as α used in the method are wrong. Note: In the above, n is the number of periods, which is 6 in our example = SQRT(241) =15.52

اختيار تقنية مناسبة للتنبؤ لايوجد تقنية واحدة تصلح لكل المواقف. أهم العوامل التي تحكم اختيار تقنية التنبؤ: التكلفة الدقة عوامل أخرى تضمن وجود: البيانات القديمة الكمبيوتر الوقت اللازم لجمع وتحليل البيانات مدى التنبؤ