11. Poglavlje
OKVIR ZA PREDVIĐANJE
Razlika između planiranja i predviđanja jeste štose predviđanje bavi onim što mislimo da ce
se desiti u buducnosti, a planiranje onim što mislimo da bi se trebalo desiti. Dobro planiranje
koristi prognozu kao input. Predviđanje je input, jedinstven za sve vrste poslovnog planiranja
i kontrole, unutar i izvan proizvodne funkcije. Postoje 4 različite vrste odluka u proizvodnji i s
tim povezano različite potrebe za predviđanjima.
Kvalitativne metode predviđanja
Kvalitativne metode previđanja se oslanjaju na menadžersku sposobnost prosuđivanja; one ne
koriste neke specifične modele. Korisne su kada postoji nedostatak informacija ili kada
sekundarni podaci nisu pouzdani.
Kvalitativne metode predviđanja mogu se koristiti i za uvođenje novih proizvoda, kad podaci
iz prošlosti nisu dostupni. Kvalitativne metode se tipično koriste za srednjoročno i dugoročno
predviđanje koje uključuje oblikovanje procesa i kapaciteta proizvodnih sredstava. Za takve
odluke, podaci iz prošlosti obično nisu na raspolaganju, ili, ako jesu, mogu predstavljati
nesiguran uzorak.
DELPHI METODA
Koristi se , da se dobije prognoza na osnovi panela stručnjaka i menadžera. Značajka je te
metode u tome, da se sve procjene panela tretiraju anonimno. Delfi metoda, nazvana po
poznatom grčkom proročištu Delfi, provodi se kroz niz „rundi“. Kod prve runde svaka osoba
s panela pismeno odgovara na pitanja koja su joj postavljena. Nakon toga se odgovori
prikazuju tablično i vraćaju članovima panela zajednosa statističkim pokazateljima rezultata i
to s aritmetičkom sredinom, medijanom, raspon interkvartila i standardnom devijacijom.
Svaki član tada je zamoljen da ponovo razmotri svoje prethodne odgovore i jos jednom
odgovori na pitanje. Odgovori druge runde pono se rezimiraju i vraćaju kao povratna
informacija panelu u trećoj rundi. I tako dalje. Taj se postpupak ponavlja kroz četiri do šest
rundi.
Predviđanje na temelju vremenskih nizova (serija)
Postoje dvije vrste kvantitativnih metoda predviđanja i to: metode vremenskih nizova i
uzročne metode. Zasnovane su na proslim podacima i podacima iz uzorak uz pretpostavku da
su pouzdani. Prošli se podaci zatim procesuiraju putem modela vremenskih nizova ili modela
kauzaliteta da bi se doslo do prognoze.
Metoda vremenskih nizova (pomični prosjeci, eksponencijalno izglađivanje, matematički
modeli, Box-Jenkins metode) koriste se za izradu detaljnih analiza uzoraka prošlih potražnji
kako bi ih preslikali naprijed, u budućnost. Jedna od osnovnih pretpostavki svih metoda
vremenskih nizova je , da potražnju možemo rastaviti na komponente, kao što su prosječna
razina, trend,sezonski uticaj, ciklusi i pogreške. Osnovna strategija korištena kod predviđanja
vremenskim nizovima je ta da identificiramo, na temelju raspoloživih prijašnjih podataka,
veličinu i oblik komponente. Jedan od primjera dekompozicije vremenskog niza je sljedeći:
y(t)=(a+bt) [f(t)]+e
gdje su: y(t)=potražnja tijekom razdoblja t
a=razina
b= trend
f(t)= sezonski čimbenik (multiplikativni)
e= slučajna pogreška
Pomični prosijek
Najjednostavnija metoda predviđanja vremenskim nizovima je metoda pomičnog prosjeka.
Kod ove se metode polazi od pretpostavke da vremenski niz ima samo komponentu razine i
komponentu slučaja. Pretpostavlja se , da u podacima potražnje nema komponenata
sezonskog uticaja, trenda ili ciklusa. Kada se koristi metoda pomičnog prosjeka, za
izračunavanje se odabire dati broj razdoblja N. Tada se prosječna potražnja A za proslih N
razdoblja u vremenu t izračunava kao
Ponderirani pomični prosjek
Jedan od načina da pomični prosjek puno brže reagira na promjene u potražnji je taj da
stavimo relativno veći ponder na nedavne, negoli ranije potražnje. To se zove ponderirani
pomični prosijek. Kod ponderiranog pomičnog prosjeka, može se odrediti bilo koje pondere,
ali njihov zbir mora iznositi 1. Obični pomični prosjek je zapravo specijalni slučaj
ponderiranog pomičnog prosjeka, kada su svi ponderi jednaki. Jedna od prednosti je ta da se
sveukupne dotadašnje potražnje za N razdoblja moraju uzeti u obzir tjekom računanja.
promjene potražnje. Metoda regresije koristi manje kvadrate da bi se postigla najbolja
prilagodba između varijabli. Koristi se za kratkoročno do srednjoročno planiranje za
agregatnu proizvodnju ili zalihe, uključujući nekoliko proizvoda, korisna je također tamo gdje
postoje jake kauzalne veze.
Slika 11.3.
Ekonometrijski modeli
Sustav međuzavisnih jednadžbi regresije, koje opisuju neki ekonomski sektor prodaje
profitne aktivnosti. Koristi se kod prognoze prodaje po vrtama proizvoda za kratkoročno do
srednjoročno planiranje. Podrazumjeva input-output modele i simulacijske model. Ti su
modeli mnogo složeniji i skuplji da bi se razvili od regresijskih modela. Ipak u situacijama
gdje je neophodno detaljno modelirati neki segment ekonomije primjereniji je ekonometrijski
ili inpu-output model.
Input-output model
Metoda prognoziranja, koja opisuje tokove od jednog ekonomskog sektora prema drugom.
Predviđa tražene inpute za proizvodnju outputa potrebnih u drugom sektoru. Koristi se kod
prognoze prodaja po tvrtkama ili u okviru zemlje po industrijskim sektorima.
Simulacijski model
Simulacija sustava distribucije, kojom se opisuje promjena u prodaji i toku proizvoda tokom
vremena. Iskazuje efekte kanala distribucije. Koristi se kod prognoze prodaje glavnih grupa
proizvoda na razini kompanije.
KOMPJUTERIZIRANI SISTEMI PREDVIĐANJA
Program nazvan CENSUS X-11 raspoloživ je po US Census Bureau. On koristi metodu
pomičnih presjeka, s trendovima i sezonskim faktorima za dekompoziciju i predviđanje
vremenskih nizova. Pokazao se sasvim korisnim pod uslovom da mu je na raspolaganju
dovoljan broj podataka iz proslosti.
Interaktivni računarski programi za predviđanja nazvani SIBYL/RUNNER,; oni sadrže više
od 20 najčešće korištenih tehnika predviđanja. Ti su programi podijeljeni na one, koji pomažu
kod identificiranja osnovnih zakonitosti u vremenskim nizovima i one koji predviđaju
koristeći se datim zakonitostima. IBM-ov MAPICS sistem upravljanja proizvodnjom i
zalihama uključuje modul za predviđanje. Taj modul koristi jednu adaptivnu tehniku
predviđanja, koja se prilagođava sezonama i trendovima. Kauzalne metode predvianja sasvim
su dobro pokrivene standardnim statističkim paketima kao što su SPSS, SAS i BMDP, kao i s
mnogo različitig paketa za mikroračunala.
IZBOR METODE ZA PREDVIĐANJE
1. Sofisticiranost sistema i korisnika – izabrana metoda ne smije biti suviše napredna, ili
suviše sofisticirana za svoje korisnike, ili previše napredna u odnosu na postojeći
sustav za predviđanje. Nadalje, jednostavniji modeli mogu kadkada ispunjavati svoje
zadatke bolje, tako da sofistikacija nije krajnji cilj.
2. Raspoloživost vremena i resursa-izbor metode ovisit će i o vremenu koje stoji na
rasšpolaganju i u kojem treba prikupiti podatke i pripremiti postupak predviđanja.
Vrijeme korisnika, prognozera i sl.
3. Karakteristike korištenja i odluka- korištenje je usko povezano sa karakteristikama,
kao što su potreba tačnosti, vremenski horizont prognoze, te brojne predmete koje
treba predviđati
4. Raspoloživost podataka-izbor metoda za predviđanje je često ograničen podacima koji
stoje na raspolaganju. Međutim treba uzet u obzir i kvalitet podataka. Loši podaci
imaju za poslijedicu loše predviđanje.
5. Zakonitost podataka-zakonitost podataka će uticati na vrstu metoda za predviđanje
koja ce biti izabrana. Ako je vremenski niz ravnomjeran tada se može koristiti metoda
prvog stepena. Zbog toga je zakonitost kretanja podataka jedan od najvaznijih faktora
i treba ga obaviti kao prvi korak u predviđanju.
KORIŠTENJE PROGNOZA U ORGANIZACIJI
Svaka metoda mora biti uklopljena u organizacijski okvir i ambijent. Prije svega, prognoze
često polaze od jednog menadžera ili skupine menadžera do drugog, kroz uzastopne razine
organizacije. Te se prognoze u tom procesu ponekad modificiraju te može doci do nedostatka
jasnih razlika između ciljeva, mjerila performansi i prognoza. Kad marketinški odjel izradi
prognozu prodaje to su ponekad prije ciljevi nego prognoza, s druge strane mjerila
performansi su ponead u konfuziji sa prognozama. Jedan od načina da se izbjegne ovaj
problme je taj, da zatražimo da se prognoze temelje na vjerovatnosti. Drugi pristup je da
predviđamo pesimističke, najvjerovatnije i optimističke vrijednosti potražnje, što može biti
definirano u obliku postotka. Rijetko koja organizacija radi rutinski prognoze potražnje na
temelju vjerovatnosti. To je zbog toga sto se propušta priznati neizvjesnost i ne želi uhvatiti u
koštac sa problemima. Idealno bi bilo da se prognoza izrađuje uključivanjem najboljih modela
i valjanih presudbi iz svih raspoloživih izvora.
12. POGLAVLJE
Strategija sredstava za rad
Startegija sredstava za rad jedan je od glavnih dijelova proizvodne strategije. Budući da
većina odluka o sredstvima za rad djeluje na uspjeh pred konkurencijom, takve odluke trebaju
biti smatrane dijelom ukupne proizvodne strategije, a ne jednostavno serijom odluka kroz
koje budžetiranje dovode do porasta kapitala. Kao što je gore indicirano, strategija sredstava
za rad obično uzima u obzir veličinu kapaciteta, izbor trenutka nabave kapaciteta i lokaciju
kapaciteta, potrebnih za dugi rok. Ovi elementi strategije sredstava za rad trebaju biti
razmatrani integralno i na njih utiču sljedeći čimbenici:
1. Predviđena potražnja
. Formuliranje strategije sredstava za rad zahtijeva prognozi
potražnje, čak i kada je odstupanje prilično veliko.
Izbor trenutka nabave (dodatnih) sredstava za rad
Drugi je element strategije sredstava za rad izbor trenutka nabave sredstava za rad, odnosno
njihovih kapaciteta. Ovdje postoje dvije osnovne strategije.
1. Preduhitri konkurenciju
. U ovom slucaju ce tvrtka biti vodeca na trzistu, izgrađujuci
kapacitete prije nego sto su potrebni. Ova ce strategija teziti da osigura pozitivnu rezervu
kapaciteta, mozda i stimulirati trziste, a moze i sprijeciti konkurenciju da neko vrijeme ne
udje na trziste.
2. Cekaj i vidi
. U ovom slucaju tvrtka ce cekati sa povecanjem kapaciteta, sve dok se ne
razvije potraznja i potrebe ne postanu ocite. Kao rezultat toga, kompanija ce slijediti vodeceg
na trzistu prihvativsi strategiju manjeg rizika. Tu moze doci i do razvoja male pozitivne ili
negativne rezerve kapaciteta, sto moze rezultirati gubitkom potencijalnog trzisnog udjela.
Medjutim ova strategija moze biti i vrlo efikasna, jer bolji, superiorni kanali prodaje
marketinga, ili tehnologija, mogu omoguciti pristasi ove strategije da zauzme dio trzista.
Vrste jedinica sredstava za rad
Konacni element strategije sredstava za rad razmatra pitanje njihove visestrukosti. Postoje
cetiri razlicite vrste izbora postrojenja za neki industrijski pogon. Ovaj izbor ovisi da li su
postrojenja:
1. Usmjerena na proizvod (57 posto)
2. Usmjerena na trziste (31 posto)
3. Usmjerena na proces (9 posto)
4. Opce namjene (3 posto)
-
Postrojenja usmjerena na proizvod izradjuju proizvode iz podrucja jedne obitelji, ili
vrste najcesce za neko veliko trziste. Postrojenja usmjerena na proizvod cesto se
koriste kad su troskovi transporta mali, ili kada je ekonomija obima znacajna
-
Postrojenja usmjerena na trziste smjestena su na trzistima koja usluzuju. U ovu
kategoriju spadaju mnoge usluzne proizvodnje, buduci da usluge ne mogu biti
transportirane . Pogoni od kojih se zahtijevaju brzi odgovori kupcima, koji izradjuju
proizvode po zahtjevima kupaca ili oni koji imaju visoke troskove transporta teze
svojoj usmjerenosti na trziste.
-
Postrojenja usmjerena na proces imaju jednu, ili najvise dvije tehnologije. Ta
postrojenja odnosno pogoni ucestalo proizvode kompnonente ili dijelove koji se zbog
daljeg procesiranja ili montaze, otpremaju drugim pogonima.
-
Postrojenja opce namjene mogu proizvoditi nekoliko vrsta proizvoda, te koristiti
nekoliko razlicitih procesa. Ona pokazuju tendenciju da se koriste u tisucama malih
kompanija, koje nemaju dovoljnu velicinu, bez obzira na usmjerenost. Vece
kompacije obicno specijaliziraju svoja postrojenja prema proizvodu, trzistu ili
procesu.
ANALIZA ZA STRATEGIJU SREDSTAVA ZA RAD
Mjerenje kapaciteta sredstava za rad
Prvi korak u analizi sredstava za rad je prilicno izazovan sam po sebi zahtijeva jasnu
definiciju kapaciteta. Kapacitet je maksimalna velicina outputa neke proizvodnje. Kao
velicina outputa, kapacitet bi uvijek trebao biti mjeren u jedinicama outputa za neko
vremensko razdoblje. Neki primjeri mjerila kapaciteta su: barela piva dnevno, tona celika
godisnje, pacijenata izlijecenih mjesecno itd. Nakon sto je kapacitet korektno definiran jos
