‫التنبؤ بالطلب‬

‫تعريف التنبؤ‪:‬‬

‫هو محاولة لتقدير حالة السوق من سلعة او مزيج من‬

‫السلع خلل فترة زمنية مستقبلية كما انه فن توقع الحداث وهو عملية‬
‫تسبق التخطيط للنتاج وتأثر نتائجه في الكثير من القرارات ‪ ،‬كقرارات‬
‫تحديد مستويات التخزين وتحديد القوى العاملة‪.‬‬

‫اعتبارات عامة عن عملية التنبؤ بالطلب‬

‫تعد عملية التنبؤ خطوة ضرورية سابقة لعملية التخطيط فالتنبؤ يشمل‬
‫اشياء مختلفة كتنبؤ الموارد الطبيعية‪ ،‬السعار التكاليف‪ ،‬ويمكن للشركة‬
‫ان تتنبأ للطلب على المنتجات غير النمطية التي ل تنتج بقصد التخزين‬
‫انما لتلبية طلب معين – كل على انفراد لكونها محدودة الكمية‪ .‬اما‬
‫المنتجات النمطية فان التنبؤ لكل منتج على انفراد يتطلب نفقات مالية‬
‫كبيرة وهذه المنتجات تنتج بكميات كبيرة بقصد التخزين وليس الستهلك‬
‫المباشر كأدوات السيارات‪.‬‬
 ‫‪:‬البعاد الزمنية للتنبؤ‬
‫يمكن تصنيف التنبؤ من حيث الفترة الزمنية الي ثلث‬
‫‪:‬مجموعات‬
‫‪ 1.‬التنبؤ قصير المد‪ :‬ويغطي هذا مدة زمنية ل تزيد عن‬
‫السنة‪ ،‬ويستخدم هذا النوع من التنبؤ للتنبؤ بالمشتريات‬
‫وجدولة العمال والقوة العاملة‪.‬‬
‫‪ 2.‬التنبؤ متوسط المد‪ :‬وتمتد المدة الزمنية لمدة تمتد الى ثلث‬
‫سنوات ويستخدم هذا النوع من التنبؤ للتنبؤ في تخطيط‬
‫المبيعات‪ ،‬تخطيط النتاج والميزانية‪ ،‬تخطيط اليرادات‪.‬‬
‫‪ 3.‬التنبؤ طويل المد‪ :‬وتمتد لمدة تغطي ثلث سنوات وأكثر‬
‫ويستخدم هذا النوع من التنبؤ في التخطيط لسلع او خدمات‬
‫جديدة‪.‬‬
 ‫‪:‬انواع التنبؤ‬
‫هناك ثلثة انواع من التنبؤ لتخطيط العمليات في‬
‫‪:‬المستقبل‬
‫‪ 1.‬التنبؤ القتصادي‪ :‬ويهتم هذا النوع من التنبؤ‬
‫بالمسائل المتعلقة بالقتصاد على صعيد المجتمع‬
‫كتنبؤ دورات العمل ‪ ،‬التضخم النقدي‪ ،‬حركة السكان‪.‬‬
‫‪ 2.‬التنبؤ التكنولوجي‪ :‬ويختص بالتنبؤ للتقدم‬
‫التكنولوجي في العالم والذي من شانه ان يساعد في‬
‫التخطيط لسلع او خدمات جديدة‪.‬‬
‫تنبؤ الطلب‪ :‬ويختص هذا النوع بتقدير المبيعات التي‬ ‫‪3.‬‬
‫سوف تحققها الشركة في المستقبل‪.‬‬
 ‫خطوات التنبؤ بالطلب‬

‫تحديد استخدامات التنبؤ‪ :‬أي تحديد القرارات التي تعتمد على نتائج التنبؤ‪،‬‬ ‫‪1.‬‬
‫كقرارات الطاقة او احتياجات القوى العاملة‪.‬‬
‫تحديد الهدف من التنبؤ‪ :‬أي اذا كان التنبؤ سيجري لسلعة واحدة او مجموعة من‬ ‫‪2.‬‬
‫السلع‪ ،‬بثمن مرتفع او منخفض‪.‬‬
‫تحديد فترة التنبؤ‪ :‬وذلك لمعرفة الفترة التي سيغطيها التنبؤ اذا كانت قصيرة او‬ ‫‪3.‬‬
‫طويلة المد‪.‬‬
‫تحديد اسلوب التنبؤ‪ :‬كمي او نوعي او الثنين معا‪.‬‬ ‫‪4.‬‬
‫جمع البيانات اللزمة‪ :‬كسجلت المبيعات‪ ،‬الوسطاء‪ ،‬رجال البيع‪ ،‬والمديرون‪.‬‬ ‫‪5.‬‬
‫اجراء التنبؤ‪.‬‬ ‫‪6.‬‬
‫مراجعة نتائج التنبؤ‪ :‬وذلك بحساب الخطأ الناتج بين الطلب الحقيقي والتنبؤ والعمل‬ ‫‪7.‬‬
‫على تصحيحه لجعله اقرب الى الحقيقة‪ ،‬كتحديث البيانات‪.‬‬
 ‫‪:‬عناصر الطلب‬
‫‪ :‬تنطوي السلسلة الزمنية على خمسة عناصر ‪ ،‬نوضحها في التي‬
‫المتوسط‪ :‬وهو مجموع الطلب لعدد الفترات مقسوما على تلك الفترات ‪.‬‬ ‫‪1.‬‬
‫التجاه‪ :‬ويشير الى الزيادة او التناقص المضطرد في الحركة العامة للسلسلة‪،‬‬ ‫‪2.‬‬
‫كالتغير في الدخل‪ ،‬السكان‪ ،‬استهلك الكهرباء‪.‬‬
‫الثر الموسمي‪ :‬وهو نمط الطلب الذي يعيد نفسه او يتكرر بعد فتر معينة‬ ‫‪3.‬‬
‫مثل اسبوع‪ ،‬شهر او فصل‪.‬‬
‫الثر الدوري‪ :‬ويشير الى النمط الذي يظهر بشكل دوري في السلسة بين مدة‬ ‫‪4.‬‬
‫طويلة وأخرى‪.‬‬
‫الخطأ العشوائي‪ :‬وتشير هذه الخطاء الى التغيرات التي تحصل للطلب‬ ‫‪5.‬‬
‫لسباب غير معروفة لذلك ل يمكن التنبؤ به لنة ل ينطوي على نمط معين‪.‬‬
 ‫‪:‬العوامل المؤثرة في الطلب‬
‫‪:‬يمكن تقسيم العوامل المؤثرة على السلع والخدمات الى مجموعتين‬
‫العوامل الخارجية‪ :‬ويقصد بها القوى الخارجية التي يمكن ان تلعب‬ ‫‪1.‬‬
‫دورا في تغيير مقدار الطلب بمرور الوقت‪ ،‬مثل خالة القتصاد‪،‬‬
‫المنافسين‪ ،‬وكلفة السلع المكملة والبديلة ومدى توافرها‪.‬‬
‫العوامل الداخلية‪ :‬ويقصد بها مجموعة القرارات التي تتخذ من داخل‬ ‫‪2.‬‬
‫الشركة والتى من شانها التأثير على الطلب‪ ،‬ومثل ذلك تصميم السلع‬
‫والخدمات‪ ،‬السعار والحملت العلنية‪ ،‬النتشار الجغرافي لشبكة‬
‫التوزيع‪.‬‬
 ‫ل‪ :‬اساليب التنبؤ النوعية‬
‫او ً‬

‫تقديرات رجال البيع‪ :‬وتتم هذه الطريقة بطلب من رجال البيع بتقدير حجم الطلب ‪1-‬‬
‫‪.‬على المنتوج في المنطقة التي يمارس فيها نشاطه‬
‫‪:‬مميزات هذه الطريقة‬
‫دقة التنبؤات بسبب اتصال رجال البيع الدائم مع الزبائن‪.‬‬ ‫‪1.‬‬
‫تقسيم الطلب حسب يساعد في اتخاذ قرارات التخزين والتوزيع وحجم القوة‬ ‫‪2.‬‬
‫اللزمة لرجال البيع‪.‬‬
‫امكانية تجميع الطلب على المستوى الذي ترغب فيه الشركة)قرى‪ ،‬مدن‪،‬‬ ‫‪3.‬‬
‫محافظة(‪.‬‬
‫‪:‬عيوب هذه الطريقة‬
‫قد يتأثر التنبؤ بالتحيز الشخصي لرجال البيع‪.‬‬ ‫‪1.‬‬
‫عدم القدرة احيانا على التميز بين رغبات وحاجات الزبون يودي الى عدم دقة‬ ‫‪2.‬‬
‫التنبؤ‪.‬‬
‫قد يقدم رجال البيع تقديرات منخفضة عن حجم الطلب في المستقبل من اجل‬ ‫‪3.‬‬
‫الظهور بمظهر جيد عن تجاوز مبيعاته الفعليه للتقديرات المنخفضة لذلك ينبغي‬
‫التحقق من مدى مصداقية تقديراتهم‪.‬‬
‫‪ -2‬اسلوب لجنة الخبراء‪ :‬وتتم عن طريق تلخيص‬
‫اراء مجموعة من الخبراء ممن هم على درجة‬
‫عاليلة ملن المعرفلة بهدف الوصلول اللى التنبؤ‬
‫وذللللك علللن طريلللق السلللاليب الكمية‬
‫والحصلائية‪.‬ويعيب هذه الطريقلة ارتفاع الكلفة‬
‫المقترنلة بالتنبلؤ واحتمال المبالغلة او الستهانة‬
‫بتقدير الطلب‪.‬‬
‫‪ -3‬اسلوب بحوث السوق ‪ :‬هي احدى الوسائل التي تساعد ادارة العمليات‬
‫في اسلتقصاء معلومات علن خطلط الشراء المسلتقبلية للمستهلكين‪.‬‬
‫ويسلتفاد ملن هذا السللوب توفيلر معلومات مهملة فلي التخطيط‬
‫والتصميم لمنتجات جديدة‪.‬‬
‫خطوات اجراء بحث السوق‪:‬‬
‫تصميم استبانه لجمع البيانات اللزمة عن المستهلكين‪.‬‬ ‫‪1.‬‬
‫تقرير الكيفية التي ستدار بموجبها الستبانة‪.‬‬ ‫‪2.‬‬
‫اختيار عينة ممثلة لمجتمع الستبانة‪.‬‬ ‫‪3.‬‬
‫تحليل نتائج الستبانة‪.‬‬ ‫‪4.‬‬
‫وهذا السلوب مفيد للحصول على التنبؤات القصيرة والمتوسطة والطويلة‬
‫المدى ولكلن دقتهلا فلي القصليرة اكثلر‪ ،‬ويعيلب هذا السلوب ارتفاع‬
‫التكلفلة‪ ،‬طول وقلت بيلن ادارة السلتبانة والحصلول على الجابات‬
‫وتحليلها‪.‬‬
 ‫اسلوب طريقة دلفي‪ :‬وهي عملية الحصول على اتفاق بين اراء مجموعة من ‪4-‬‬
‫الخبراء حول تنبؤ احدى الحوادث في المستقبل مع المحافظة علي سرية هوية‬
‫‪.‬كل عضو من اعضاء المجموعة‬
‫‪:‬انواع المشاركين بهذه الطريقة‬
‫متخذو القرار‬ ‫‪1.‬‬
‫افراد تساعد في اعدد الستبانات وتوزيعها على اعضاء اللجنة السرية وجمع‬ ‫‪2.‬‬
‫النتائج وتلخيصها‪.‬‬
‫الخبراء وهم الشخاص الذين يجيبون على الستبانة‪.‬‬ ‫‪3.‬‬
‫‪:‬من مزايا هذه الطريقة‬
‫انها مفيدة جدا في تنبؤات التكنولوجيا‪.‬‬ ‫•‬
‫‪:‬عيوبها‬
‫مكلفة جدا‪.‬‬ ‫•‬
‫تستغرق وقتا طويل يمتد الى خمس سنوات‪.‬‬ ‫•‬
 ‫ثانيا‪ :‬اساليب تنبؤ الطلب الكمية‪:‬‬

‫أ‪ .‬تحليل السلسل الزمنية‪ :‬وهي تمثل مجموعة المشاهدات مرتبة زمنيا‬
‫حسلب تسللسل وقوعهلا‪ ،‬وتهدف اللى تحديلد وعزل كلل واحلد من‬
‫عناصر السلسلة الزمنية‪ ،‬ويمكن ان نعبر عنها بدالة التالية‪:‬‬
‫‪Y=T*C*S*R‬‬
‫حيث ان‪:‬‬
‫التنبؤ لفترة مقبلة = ‪ ، Y‬التجاه =‪ ، T‬الثر الدوري =‪C‬‬
‫الثر الموسمي = ‪ ، S‬المتغيرات العشوائية = ‪R‬‬
 ‫مكونات السلسلة الزمنية‬

‫التجاه العام‬
‫الدورية‬

‫الموسمية‬ ‫غير المتوقعة‬

 ‫مكونات الطلب‬
‫ةةةةةةة‬
‫ةةةةة‬
‫ةةةةة ةةةةةةةة‬
‫ةةةةة ةةة ةةةةةة ةة ةةةةةة‬

‫ةةةةة‬
‫ةةةةةة‬
‫ة‬

‫ةةةةة‬
‫ةةةةة‬
‫ةةةةةة‬ ‫ةةةةةةة‬
‫ةةة‬ ‫ةةةة‬
‫|‬ ‫|‬ ‫|‬ ‫| ةةةةةة‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫ةةةةة‬
 ‫اسلوب المتوسطات المتحركة البسيطة‬

‫وفقا لهذا السلوب فان التنبؤ يساوي مجموع الطلب لعدد معين من الفترات‬
‫الماضية مقسوما على الفترات‪،‬‬
‫‪MA5=D1+D2+D3+D4/ 4‬‬
‫‪MA5=40+32+36+25/4=127/4=32‬‬
‫مزايا هذا السلوب‪:‬‬
‫سهلة الفهم والتطبيق‬ ‫•‬
‫ل تتطلب بيانات كثيرة عن الماضي‪.‬‬ ‫•‬
‫عيوب هذا السلوب‪:‬‬
‫ارتفاع تكاليف الحفظ والسترجاع بسبب الحتفاظ بجميع البيانات عن‬ ‫•‬
‫الماضي‪.‬‬
‫يعطي نفس الوزن للبيانات التي تدخل في حساب التنبؤ‪ ،‬ويمكن التغلب على‬ ‫•‬
‫ذلك بتغيير الوزان النسبية حسب ماتمليه الخيرة الشخصية ‪ ،‬بشرط ان‬
‫تكون مجموع الوزان مساوية للواحد ‪.‬‬
 ‫المتوسطات المتحركة الموزونة‬
‫تطبيق الوزن‬ ‫الوزان‬
‫الشهر السابق‬ ‫‪4‬‬

‫قبل شهرين‬ ‫‪3‬‬

‫قبل ثلثة اشهر‬ ‫‪2‬‬

‫قبل اربعة اشهر‬ ‫‪1‬‬

‫مجموع الوزان‬ ‫‪10‬‬

‫وبموجب هذه الطريقة يحسب التنبؤ للشهر الخامس كالتي ‪:‬‬

‫‪MA5=(4X40)+(3X32)+(2X30)+(1X25)/10=34‬‬
 ‫المتوسط المتحرك البسيط‬

‫ةةةةةةةة ةةةةةةة‬
‫ةةةةة‬ ‫ةةةةةةة ةةةةةةة ةةةةةة ةةةة‬
‫‪January‬‬ ‫‪10‬‬
‫‪February‬‬ ‫‪12‬‬
‫‪March‬‬ ‫‪13‬‬
‫‪April‬‬ ‫‪16‬‬ ‫‪(10 + 12 + 13)/3 = 11 2/3‬‬
‫‪May‬‬ ‫‪19‬‬ ‫‪(12 + 13 + 16)/3 = 13 2/3‬‬
‫‪June‬‬ ‫‪23‬‬ ‫‪(13 + 16 + 19)/3 = 16‬‬
‫‪July‬‬ ‫‪26‬‬ ‫‪(16 + 19 + 23)/3 = 19 1/3‬‬
 ‫ةةةةة ةةةةةة ةةة ةةة‬ ‫ةةةةةة‬
‫الموزون‬
‫‪3‬‬ ‫ةةةةةةالمتحرك‬
‫المتوسط‬
‫ةةةةة‬
‫‪2‬‬ ‫ةةةةة ةةة ةةةةةة‬
‫‪1‬‬ ‫ةةة ةةةة ةةةة‬
‫‪6‬‬ ‫ةةةةة ةةةةة‬

‫ةةةةة ةةةةة ةةةةة ‪ 3‬ةةةةةةةةةةةة ةةةةةةةةةة‬

‫‪January‬‬ ‫‪10‬‬
‫‪February‬‬ ‫‪12‬‬
‫‪March‬‬ ‫‪13‬‬
‫‪April‬‬ ‫‪16‬‬ ‫‪[(3 x 13) + (2 x 12) + (10)]/6 = 121/6‬‬
‫‪May‬‬ ‫‪19‬‬ ‫‪[(3 x 16) + (2 x 13) + (12)]/6 = 141/3‬‬
‫‪June‬‬ ‫‪23‬‬ ‫‪[(3 x 19) + (2 x 16) + (13)]/6 = 17‬‬
‫‪July‬‬ ‫‪26‬‬ ‫‪[(3 x 23) + (2 x 19) + (16)]/6 = 201/2‬‬
 ‫اسلوب التسريح السي ‪2-‬‬
‫البسيط‬
‫‪ :‬وهو نوع من المتوسطات المتحركة ويستخدم بكثرة في تنبؤ الطلب‬
‫على المنتجات والتخزين ويطبق باستخدام الحاسوب وذلك لقلة‬
‫البيانات الماضية التي يتطلبها‪.‬‬
‫مميزات هذا السلوب‪:‬‬
‫• بسيط وقليل العمليات الحسابية ‪.‬‬
‫• ل يتطلب بيانات كثيرة للتنبؤ ‪.‬‬
‫عيوبه ‪:‬‬
‫• ليواكب الثار الموسمية التي تطرأ على الطلب ‪.‬‬
‫• يعتمد بالدرجة الولى على قدرة الشخص في اختيار القيمة المناسبة‬
‫لثابت التسري السي ‪.‬‬
 ‫ويعتمد اسلوب التسريح السي البسيط على قاعدتين هما ‪:‬‬
‫‪At-1 – Ft-1)) ά‬‬
‫=‪N+1 ά/2‬‬

‫ولتطبيق هذا السلوب نفترض ان تنبؤ احد الطلبات لي منتج في الشهر ‪8‬‬
‫بلغ ‪ 150‬وحده وان الطلب الحقيقي بلغ ‪ 170‬وحده ‪ ،‬فان تنبؤ الطلب‬
‫للشهر التاسع باستخدام ثابت اسي يمكن احتسابه باستخدام القاعدة‬
‫الولى ‪ ،‬رقم )‪ (1‬كالتالي ‪:‬‬
‫‪)F9= F8+ ά(A8-F8‬‬
‫=‪150+2 = (170-150)150+0.10‬‬
‫‪=152‬‬
 ‫الرقام القياسية‬
‫ةةةةة‬ ‫ةةةةة‬ ‫ةةةةة ةةةةةةةةةةةة‬
‫‪ 2003 2004 2005‬ةةةةة‬ ‫‪2005-2003‬‬ ‫ةةةة‬
‫‪Jan‬‬ ‫‪80‬‬ ‫‪85‬‬ ‫‪105‬‬ ‫‪90‬‬ ‫‪94‬‬
‫‪Feb‬‬ ‫‪70‬‬ ‫‪85‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Mar‬‬ ‫‪80‬‬ ‫‪93‬‬ ‫‪82‬‬ ‫‪85‬‬ ‫‪94‬‬
‫‪Apr‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪115‬‬ ‫‪100‬‬ ‫‪94‬‬
‫‪May‬‬ ‫‪113‬‬ ‫‪125‬‬ ‫‪131‬‬ ‫‪123‬‬ ‫‪94‬‬
‫‪Jun‬‬ ‫‪110‬‬ ‫‪115‬‬ ‫‪120‬‬ ‫‪115‬‬ ‫‪94‬‬
‫‪Jul‬‬ ‫‪100‬‬ ‫‪102‬‬ ‫‪113‬‬ ‫‪105‬‬ ‫‪94‬‬
‫‪Aug‬‬ ‫‪88‬‬ ‫‪102‬‬ ‫‪110‬‬ ‫‪100‬‬ ‫‪94‬‬
‫‪Sept‬‬ ‫‪85‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪90‬‬ ‫‪94‬‬
‫‪Oct‬‬ ‫‪77‬‬ ‫‪78‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Nov‬‬ ‫‪75‬‬ ‫‪72‬‬ ‫‪83‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Dec‬‬ ‫‪82‬‬ ‫‪78‬‬ ‫‪80‬‬ ‫‪80‬‬ ‫‪94‬‬
 ‫‪Seasonal Index‬‬
‫ةةةةة‬
‫‪Example‬‬
‫ةةةةة‬ ‫ةةةة‬ ‫ةةةةة‬
‫‪20032004 2005‬ةةةةة‬ ‫‪2005-2003‬‬ ‫ةةةة‬ ‫ةةةةةةة‬
‫‪Jan‬‬ ‫‪80‬‬ ‫‪85 105‬‬ ‫‪90‬‬ ‫‪94‬‬ ‫‪0.957‬‬
‫‪Feb‬‬ ‫‪70‬‬ ‫‪85‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Mar‬‬ ‫‪80 2005‬‬
‫‪85‬ةةةةةةة‪93-200382‬‬ ‫‪94‬‬
‫ةةةةة ةةةةةة‬ ‫ةةةةة‬
‫ةةةةةةة‬
‫‪Apr‬‬ ‫ةةةةة‬
‫‪90‬‬ ‫=‬
‫‪95‬‬ ‫‪100‬ةةةةةة‪115‬‬ ‫‪94‬‬
‫ةةةةة ةةةةة‬
‫‪May‬‬ ‫‪113 125 131‬‬ ‫‪123‬‬ ‫‪94‬‬
‫‪= 90/94 = .957‬‬
‫‪Jun‬‬ ‫‪110 115 120‬‬ ‫‪115‬‬ ‫‪94‬‬
‫‪Jul‬‬ ‫‪100 102 113‬‬ ‫‪105‬‬ ‫‪94‬‬
‫‪Aug‬‬ ‫‪88 102 110‬‬ ‫‪100‬‬ ‫‪94‬‬
‫‪Sept‬‬ ‫‪85‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪90‬‬ ‫‪94‬‬
‫‪Oct‬‬ ‫‪77‬‬ ‫‪78‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Nov‬‬ ‫‪75‬‬ ‫‪72‬‬ ‫‪83‬‬ ‫‪80‬‬ ‫‪94‬‬
‫‪Dec‬‬ ‫‪82‬‬ ‫‪78‬‬ ‫‪80‬‬ ‫‪80‬‬ ‫‪94‬‬
 ‫مثال على الرقام القياسية‬
‫ةةةةة‬ ‫ةةةةة‬ ‫ةةة ةةةةة ةةةةة‬
‫‪ 2003 2004 2005‬ةةةةة‬ ‫‪2005-2003‬‬ ‫ةةةة‬ ‫ةةةةة‬
‫‪Jan‬‬ ‫‪80‬‬ ‫‪85‬‬ ‫‪105‬‬ ‫‪90‬‬ ‫‪94‬‬ ‫‪0.957‬‬
‫‪Feb‬‬ ‫‪70‬‬ ‫‪85‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Mar‬‬ ‫‪80‬‬ ‫‪93‬‬ ‫‪82‬‬ ‫‪85‬‬ ‫‪94‬‬ ‫‪0.904‬‬
‫‪Apr‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪115‬‬ ‫‪100‬‬ ‫‪94‬‬ ‫‪1.064‬‬
‫‪May‬‬ ‫‪113‬‬ ‫‪125‬‬ ‫‪131‬‬ ‫‪123‬‬ ‫‪94‬‬ ‫‪1.309‬‬
‫‪Jun‬‬ ‫‪110‬‬ ‫‪115‬‬ ‫‪120‬‬ ‫‪115‬‬ ‫‪94‬‬ ‫‪1.223‬‬
‫‪Jul‬‬ ‫‪100‬‬ ‫‪102‬‬ ‫‪113‬‬ ‫‪105‬‬ ‫‪94‬‬ ‫‪1.117‬‬
‫‪Aug‬‬ ‫‪88‬‬ ‫‪102‬‬ ‫‪110‬‬ ‫‪100‬‬ ‫‪94‬‬ ‫‪1.064‬‬
‫‪Sept‬‬ ‫‪85‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪90‬‬ ‫‪94‬‬ ‫‪0.957‬‬
‫‪Oct‬‬ ‫‪77‬‬ ‫‪78‬‬ ‫‪85‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Nov‬‬ ‫‪75‬‬ ‫‪72‬‬ ‫‪83‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Dec‬‬ ‫‪82‬‬ ‫‪78‬‬ ‫‪80‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
 ‫مثال على الرقام القياسية الموسمية‬
‫‪Demand‬‬ ‫ةةةةة‬ ‫ةةةةة ةةةةةةةةةةةة‬
‫‪200320042005‬ةةةةة‬ ‫‪2005-2003‬‬ ‫ةةةة‬
‫‪Jan‬‬ ‫‪80‬‬ ‫‪85 105‬‬ ‫‪90‬‬ ‫‪94‬‬ ‫‪0.957‬‬
‫‪Feb‬‬ ‫‪70 2006‬‬
‫ةةةة ‪85‬‬
‫‪85‬‬ ‫ةةةةةةة‬
‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Mar‬‬ ‫‪80‬‬ ‫‪93‬‬ ‫‪82‬‬ ‫‪85‬‬ ‫‪94‬‬ ‫‪0.904‬‬
‫‪Apr1,200 90‬‬
‫ةةةةةةة =‬
‫ةةةةةة ‪95 115‬‬‫‪94‬ةةةةة ‪100‬‬ ‫‪1.064‬‬
‫‪May‬‬ ‫‪113 125 131‬‬ ‫‪123‬‬ ‫‪94‬‬ ‫‪1.309‬‬
‫‪Jun‬‬ ‫‪110 115 120 1,200 115‬‬ ‫‪94‬‬ ‫‪1.223‬‬
‫‪Jul‬‬
‫‪Jan‬‬
‫‪100 102 113 12‬‬
‫‪x‬‬ ‫‪.957 = 96 94‬‬
‫‪105‬‬ ‫‪1.117‬‬
‫‪Aug‬‬ ‫‪88 102 110‬‬ ‫‪100‬‬ ‫‪94‬‬ ‫‪1.064‬‬
‫‪1,200‬‬
‫‪Sept‬‬ ‫‪85‬‬ ‫‪Feb‬‬
‫‪90‬‬ ‫‪95‬‬ ‫‪x90‬‬
‫‪.851 = 85 94‬‬ ‫‪0.957‬‬
‫‪Oct‬‬ ‫‪77‬‬ ‫‪78‬‬ ‫‪85 12‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Nov‬‬ ‫‪75‬‬ ‫‪72‬‬ ‫‪83‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
‫‪Dec‬‬ ‫‪82‬‬ ‫‪78‬‬ ‫‪80‬‬ ‫‪80‬‬ ‫‪94‬‬ ‫‪0.851‬‬
 ‫طريقة المربعات الصغرى‬
‫• تعد الساليب السببية من اكثر طرق التنبؤ‬
‫بالطلب فعالية‪ .‬وتستخدم هذه الطريقة عندما‬
‫تتوفر معلومات عن الطلب لسلسلة زمنية‬
‫معينة‪ .‬وتفترض هذه الطريقة ان الطلب يحدث‬
‫بسبب واحد او اكثر من المتغيرات‪.‬ويطلق على‬
‫الطلب تسمية ” المتغير التابع ‪“Y‬اما العامل‬
‫المستقل والمعبر عنه بالزمن ‪“t‬‬
 ‫طريقة المربعات الصغرى‬
‫ةةةةة ةةةةةةةةة ةةةةةةة ةةةةةةة ةةةةة‬

‫‪y^ = a + bx‬‬

‫‪Σ xy - nxy‬‬
‫=‪b‬‬
‫‪Σ x2 - nx2‬‬

‫‪a = y - bx‬‬
 ‫مثال بطريقة المربعات الصغرى‬
‫ةةةةة‬
‫‪Year‬‬ ‫)‪ (x‬ةةةةة‬ ‫‪y‬‬ ‫‪x2‬‬ ‫‪xy‬‬
‫‪1999‬‬ ‫‪1‬‬ ‫‪74‬‬ ‫‪1‬‬ ‫‪74‬‬
‫‪2000‬‬ ‫‪2‬‬ ‫‪79‬‬ ‫‪4‬‬ ‫‪158‬‬
‫‪2001‬‬ ‫‪3‬‬ ‫‪80‬‬ ‫‪9‬‬ ‫‪240‬‬
‫‪2002‬‬ ‫‪4‬‬ ‫‪90‬‬ ‫‪16‬‬ ‫‪360‬‬
‫‪2003‬‬ ‫‪5‬‬ ‫‪105‬‬ ‫‪25‬‬ ‫‪525‬‬
‫‪2004‬‬ ‫‪6‬‬ ‫‪142‬‬ ‫‪36‬‬ ‫‪852‬‬
‫‪2005‬‬ ‫‪7‬‬ ‫‪122‬‬ ‫‪49‬‬ ‫‪854‬‬
‫‪∑x = 28‬‬ ‫‪∑y = 692‬‬ ‫‪∑x2 = 140‬‬ ‫‪∑xy = 3,063‬‬
‫‪x=4‬‬ ‫‪y = 98.86‬‬

‫‪∑xy - nxy‬‬ ‫)‪3,063 - (7)(4)(98.86‬‬

‫=‪b‬‬ ‫=‬ ‫‪= 10.54‬‬
‫‪∑x - nx‬‬
‫‪2‬‬ ‫‪2‬‬ ‫) ‪140 - (7)(4‬‬
‫‪2‬‬

‫‪a = y - bx = 98.86 - 10.54(4) = 56.70‬‬

 ‫قياس خطا التنبؤ‬
‫• ان معرفة خطا التنبؤ يساعد على تقييم اسلوب التنبؤ‬
‫المستخدم بغية اتخاذ اجراءات تصحيحية ‪ ،‬ان وجود‬
‫اختلفات بين التنبؤ الذي يجري و الطلب المحقق‬
‫امرطبيعي‪.‬‬
‫• تعتمد جميع اساليب قياس التنبؤ على حساب الفرق‬
‫بين التنبؤ و الطلب الحقيقي‪ ،‬وتبدو المسالة بسيطة‬
‫اذا كانت الشركة تنتج منتجا واحدا‪ ،‬لكن المسالة تغدو‬
‫معقدة جدا اذا كنا نتعامل مع مئات النواع من‬
‫المنتجات‪ ،‬فان قياس الخطأ بطريقة يدوية غير‬
‫اقتصادي ‪ ،‬لذلك يستخدم برامج متخصصة في المجال‬
 ‫قياس الخطأ لسلوب المتوسطات المتحركة‬

‫• هناك اكثر من طريقة لقياس خط التنبؤ‬

‫الذي يولده اسلوب المتوسطات المتحركة ‪،‬‬
‫وهذه الطرق تتراوح بين حساب المدى‬
‫للمفروقات وبين التنبؤ و الطلب الى حساب‬
‫النحراف المعياري‪ ،‬ويستخدم النحراف‬
‫المعياري بشكل واسع للوقوف على‬
‫النحرافات التى يولدها هذا لسلوب‪.‬‬
‫قياس خطا التنبؤ لسلوبي التسريح السي البسيط و‬
‫‪:‬المعدل‬
‫لقياس الخطأ المتولد عن هذين السلوبين فان‬ ‫•‬
‫معدل النحراف المطلق يعد افضل الساليب‪.‬‬
‫ويشير معدل النحراف المطلق وكما تدل التسمية‬
‫الى متوسط الفروقات المطلقة بين التنبؤ و‬
‫الطلب‬
 ‫تقدير الخطأ المعياري‬

∑(y - yc)2
Sy,x =
n-2

where y = y-value of each data

point
yc = computed value of
the dependent variable, from the
regression equation
n = number of data
points
 ‫تقدير الخطأ المعياري‬
‫ةةةةةةةة‬
‫ةةةةةة‬
‫ةةةةةةةة‬
‫‪∑y2 - a∑y - b∑xy‬‬
‫= ‪Sy,x‬‬
‫‪n-2‬‬

‫ةة ةةةةةةةة ةةةةةة ةةةةةةةة ةةةة ةة ةةة‬

 ‫تقدير الخطأ المعياري‬
∑y2 - a∑y - b∑xy = 39.5 - 1.75(15) - .25(51.5)
Sy,x =
n-2 6-2

Sy,x = .306 4.0 –

3.25
3.0 –
Sales
The standard error 2.0 –
of the estimate is 1.0 –
$30,600 in sales

| | | | | | |
0 1 2 3 4 5 6 7
Area payroll