Industrijska logistika

-Predviđanje
sa projekcijom trenda
-Predviđanje
sa projekcijom trenda i sezonskom
komponentom

Doc. dr. Hadis Bajrić

 Projekcija trenada
•Pogodna za vremenske seriji u kojima dominira komponenta trenda.
•Ova metoda aproksimira historijske podatke nekom funkcijom, te
ekstrapolacijom u budućnost generira predviđanja.
•Ova metoda se može posmatrati i kao regresijska metoda.
•Izbor funkcije kojom će se projekcija vršiti će zavisiti od oblika trenda
vremenske serije (linearni, eksponencijalni, i dr)

•Mi ćemo se ograničiti na razmatranje linearnih trendova:

y = a + bx

•Metoda se koristi za prognoze dugoročno praćenih pojava.

•Prognoze zasnovane na projekciji trenda dobivenog na osnovu malog broja
podataka su nepouzdane.

2
 Projekcija trenada

Odstupanje
Vrijednosti zavisne varijable

Odstupanje Odstupanje

Odstupanje
Odstuapnje

Odstuapanje
Stvarna potražnja
Tačka na
y = a + bx aproksimacionoj funkciji

Vrijeme

3
 Projekcija trenada

•Ova metoda se može posmatrati i kao

regresijska metoda.
•Zavisne varijable y, i nezavisna varijabla
(vrijeme x).
y = a + bx

•Koristi metodu najmanjih kvadrata kako bi se

odredili parametri aproksimacione funkcije.
 Minimizira sumu kvadrata odstupanja

4
 Projekcija trenada

•Izračunavanje parametra linearnog trenda

metodom najmanjih kvadrata.
•Jednačina pravca: y = a + bx
n n n
n∑ xi yi − ∑ xi ∑ yi
•Koeficijent (nagib) pravca: b ==i 1 =i 1 =i 1
2
n
 n
n∑ xi2 −  ∑ xi 
=i 1 = i1 

n n

∑ y − b∑ x
•Odsječak na y osi:
i i
a=
=i 1 =i 1
n

• n broj tačaka u vremenskoj seriji.

5
 Projekcija trenada
•Izračunavanje parametra linearnog trenda metodom najmanjih kvadrata
u MS Excelu:
•Jednačina pravca: y = a + bx
•Koeficijent (nagib) pravca: =SLOPE(known_y's,known_x's)

•Odsječak na y osi: =INTERCEPT(known_y's,known_x's)

6
 Projekcija trenada
•Izračunavanje parametra linearnog trenda metodom najmanjih kvadrata
u MS Excelu:
•Jednačina pravca: y = a + bx

•Drugi način: Nacrtati grafik pa Add Trendline

7
 Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potrošnju (potražnju)
električne energije za 2004 i 2005. godinu ako je potražnja u prethodnom
periodu bila kao što je dato u tabeli.

•Potražnja za električnom energijom u N.Y. Edison

Godina Potražnja
1997 74
1998 79
1999 80
2000 90
2001 105
2002 142
2003 122

8
 Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potrošnju (potražnju)
električne energije za 2004 i 2005. godinu ako je potražnja u prethodnom
periodu bila kao što je dato u tabeli.

•Potražnja za električnom energijom u N.Y. Edison

Godina Potražnja Predviđanje 160

1997 74 67,39
140
1998 79 77,93
120
1999 80 88,46
2000 90 99,00 100

2001 105 109,54 80

2002 142 120,07 60 Potražnja

2003 122 130,61 40

Potražnja u '04 i '05

2004 141 141,14 Predviđanje

20
2005 152 151,68
0
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

9
 Projekcija trenada
Zadatak
Projekcijom linearnog trenda npraviti prognoze za potrošnju (potražnju)
električne energije za 2004 i 2005. godinu ako je potražnja u prethodnom
periodu bila kao što je dato u tabeli.

•Potražnja za električnom energijom u N.Y. Edison

160
Godina Potražnja Predviđanje Greška Greška^2
1997 74 67,39 6,61 43,67 140
1998 79 77,93 1,07 1,15 120
1999 80 88,46 -8,46 71,64
100
2000 90 99,00 -9,00 81,00
2001 105 109,54 -4,54 20,58 80

2002 142 120,07 21,93 480,84 60 Potražnja

2003 122 130,61 -8,61 74,10 Potražnja u '04 i '05

40
2004 141 141,14 Predviđanje
20
2005 152 151,68
0
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006
MSE 110,42

10
 Jednačine za mjerenje greške
prognoze
 Srednja apsolutna procentualna greška (engl. Mean Absolute
Percent Error, MAPE):
n
A i − Fi
∑i =1 Ai
MAPE = 100
n

 Koristi se za uspoređivanje kvaliteta prognoza različitih

vremenskih serija.

11
Prodaje po satima u restoranu
brze hrane
20

15

10

0
+11-12 +1-2 +3-4 +5-6 +7-8 +9-10
11-12 12-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11

12
Predviđanje sa projekcijom trenda i
sezonskom komponentom
Koraci generisanja prognoza metodom vremenskih serija sa projekcijom
trenda i sezonskom komponentom:
1. Izračunati centralne pomične prosjeke perioda tj sezonskih ciklusa
(CPPp).
2. Centrirati centralne pomične prosjeke (CPP2). Ovaj korak se odnosi
samo na vremenske serije sa parnim brojem sezona (p paran broj).
3. Odrediti sezonske i iregularne faktore (StIt ).
4. Odrediti prosječne sezonske faktore.
5. Izračunati skalirane sezonske faktore (St ).
6. Izvršiti desezoniranje podataka.
7. Odrediti liniju trenda za desezonirane podatke.
8. Napraviti desezonirane prognoze (projekcija trenda).
9. Izvršiti korekciju projekcije trenda sa sezonskom komponentom.
 Primjer: Prodavnica automobilskih guma X5
Poslovne aktivnsoti u prodavnici automobilskih guma se mogu podijeliti
u tri dinstiktivne sezone:
(1) Period u proljeće (April – Maj),
(2) Period jesen (Septembar - Novembar),
(3) Ostalo vrijeme.

Prosječna sedmična prodaja (u 00 KM) tokom ove tri sezone u

posljednjih četiri godine je bila:
Godna
Sezona 1 2 3 4
1 1856 1995 2241 2280
2 2012 2168 2306 2408
3 985 1072 1105 1120

Predvidjeti prosječnu sedmičnu prodaju (u 00 KM) u prodavnici X5 za

sve tri sezone u narednih dvije godini.
 Primjer: Prodavnica automobilskih guma X5

Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni faktor sezonski i
00 KM (Yt) St prodaja
StIt ireg faktor
1 1 1856 1,180 1,178 1576
2 2012 1617,67 1,244 1,238 1,236 1628
3 985 1664,00 0,592 0,587 0,586 1681
2 1 1995 1716,00 1,163 1,178 1694
2 2168 1745,00 1,242 1,236 1754
3 1072 1827,00 0,587 0,586 1829
3 1 2241 1873,00 1,196 1,178 1903
2 2306 1884,00 1,224 1,236 1865
3 1105 1897,00 0,582 0,586 1886
4 1 2280 1931,00 1,181 1,178 1936
2 2408 1936,00 1,244 1,236 1948
3 1120 0,586 1911
 Primjer: Prodavnica automobilskih guma X5
1. Izračunati centralne pomične prosjeke perioda tj sezonskih
ciklusa (CPPp).
◦ Broj sezona je 3, tj. p=3.
◦ Ovaj korak se poduzima kako bi se eliminisao utjecaj sezonskh i
iregularnih (slučajnih varijacija) faktora.
◦ Npr. prvi centralni prosjek je:
◦ CPP3=(1856 + 2012 + 985)/3 =1617,67
 Primjer: Prodavnica automobilskih guma X5
1. Izračunati centralne pomične prosjeke perioda tj sezonskih
ciklusa (CPPp).

Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni faktor sezonski i
00 KM (Yt) St prodaja
StIt ireg faktor
1 1 1856
2 2012 1617,67
3 985 1664,00 CPP3
2 1 1995 1716,00 o(1856 + 2012 + 985)/3 =1617,67
2 2168 1745,00
3 1072 1827,00
o(2012+ 985 + 1995)/3 =1664,00
3 1 2241 1873,00
2 2306 1884,00
3 1105 1897,00
4 1 2280 1931,00
2 2408 1936,00
3 1120
 Primjer: Prodavnica automobilskih guma X5
2. Centrirati centralne pomične prosjeke (CPP2).
Ovaj korak se odnosi samo na vremenske serije sa parnim brojem
sezona (p paran broj).
U ovom zadataku p je neparan broje pa su centralni pomični prosjeci
već centrirani te se ovaj korak preskače.
Npr. prvi CPP3=(1856 + 2012 + 985)/3 =1617,67 je već centriran u
odnosu na drugu sezonu prve godine.
 Primjer: Prodavnica automobilskih guma X5
3. Odrediti sezonske i iregularne faktore (StIt ).
Yt /(CPP3 za period t )

Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni faktor sezonski i
00 KM (Yt) St prodaja
StIt ireg faktor
1 1 1856
2 2012 1617,67 1,244
3 985 1664,00 0,592 StIt
2 1 1995 1716,00 1,163
2 2168 1745,00 1,242 o2012 / 1617,67 = 1,244
3 1072 1827,00 0,587
3 1 2241 1873,00 1,196 o985 / 1664,00 = 0,592
2 2306 1884,00 1,224
3 1105 1897,00 0,582
4 1 2280 1931,00 1,181
2 2408 1936,00 1,244
3 1120
 Primjer: Prodavnica automobilskih guma X5
4. Odrediti prosječne sezonske faktore.

Prosječni sezonski faktori se dobiju kada se nađe prosjek St It za

svaku sezonu posebno i to na osnovu svih raspoloživih
podataka:
Sezona 1: (1,163 + 1,196 + 1,181) /3 = 1,180
Sezona 2: (1,244 + 1,242 + 1,224 + 1,244) /4 = 1,238
Sezona 3: (0,592 + 0,587 + 0,582) /3 = 0,587
 Primjer: Prodavnica automobilskih guma X5
4. Odrediti prosječne sezonske faktore.
Prosječni sezonski faktori se dobiju kada se nađe prosjek St It za svaku
sezonu posebno i to na osnovu svih raspoloživih podataka:
Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni sezonski i
00 KM (Yt) St prodaja
faktor StIt ireg faktor
1 1 1856 1,180
2 2012 1617,67 1,244 1,238
3 985 1664,00 0,592 0,587
2 1 1995 1716,00 1,163
2 2168 1745,00 1,242
3 1072 1827,00 0,587 Sezona 1:
3 1 2241 1873,00 1,196 (1,163 + 1,196 + 1,181)/3=1,180
2 2306 1884,00 1,224
3 1105 1897,00 0,582 Sezona 2:
4 1 2280 1931,00 1,181 (1,244 + 1,242 + 1,224 + 1,244)/4= 1,238
2 2408 1936,00 1,244
3 1120
Sezona 3:
(0,592 + 0,587 + 0,582)/3 = 0,587
 Primjer: Prodavnica automobilskih guma X5
5. Izračunati skalirane sezonske faktore (St ).
Prosječni sezonski faktori se dobiju kada se nađe prosjek St It za svaku
sezonu posebno i to na osnovu svih raspoloživih podataka:
Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni sezonski i
00 KM (Yt) St prodaja
faktor StIt ireg faktor
1 1 1856 1,180 1,178
2 2012 1617,67 1,244 1,238 1,236
3 985 1664,00 0,592 0,587 0,586
2 1 1995 1716,00 1,163 1,178
2 2168 1745,00 1,242 1,236
oIzračuna se prosjek svih težinskih
3 1072 1827,00 0,587 0,586
3
faktora:
1
(1,180
2241
+ 1,238
1873,00
+ 0,587)/3=1,002
1,196 1,178
2 2306 1884,00 1,224 1,236
oIzvrši
3 se
1105skaliranje svakog
1897,00 od
0,582faktora: 0,586
4 1 1,180/1,002=1,178
2280 1931,00 1,181 1,178
2 1,238/1,002=1,236
2408 1936,00 1,244 1,236
3 0,587/1,002=0,586
 1120 0,586
 Primjer: Prodavnica automobilskih guma X5
6. Izvršiti desezoniranje podataka.
Podjeli se svaki podatak Yt sa odgovarajućim St.

Sezonski i Prosječni
Prodaja u Skalirani Desezonirana
Godina Sezona CPP3 iregularni sezonski i
00 KM (Yt) St prodaja
faktor StIt ireg faktor
1 1 1856 1,180 1,178 =1856/1,178=1576
2 2012 1617,67 1,244 1,238 1,236 1628
3 985 1664,00 0,592 0,587 0,586 1681
2 1 1995 1716,00 1,163 1,178 1694
2 2168 1745,00 1,242 1,236 1754
3 1072 1827,00 0,587 0,586 1829
3 1 2241 1873,00 1,196 1,178 1903
2 2306 1884,00 1,224 1,236 1865
3 1105 1897,00 0,582 0,586 1886
4 1 2280 1931,00 1,181 1,178 1936
2 2408 1936,00 1,244 1,236 1948
3 1120 0,586 1911
 Primjer: Prodavnica automobilskih guma X5

7. Odrediti liniju trenda za desezonirane podatke.

Prodaja u
Period Desezonirana
God. Sezona 00 KM
(t) prodaja
(Yt)

1 1 1 1856 1576
2 2 2012 1628 3000
3 3 985 1681
2 1 4 1995 1694 2500
2 5 2168 1754
3 6 1072 1829 Prodaja u 00
2000
3 1 7 2241 1903 KM (Yt)
2 8 2306 1865
3 9 1105 1886 1500
Desezonirana
4 1 10 2280 1936 prodaja
2 11 2408 1948 1000
3 12 1120 1911 Linear
5 1 13 y = 34,002x + 1579,8 (Desezonirana
500 Jednačina trenda desezonirane prodaje
2 14 prodaja)
3 15
6 1 16 0
2 17 0 3 6 9 12 15 18
3 18
 Primjer: Prodavnica automobilskih guma X5

8. Napraviti desezonirane prognoze (projekcija trenda).

Prodaja u Projekcija
Period Desezonirana
God. Sezona 00 KM trenda y = 34,002x + 1579,8
(t) prodaja
(Yt) (T)
Jednačina trenda desezonirane prodaje
1 1 1 1856 1576
2 2 2012 1628
3 3 985 1681
2 1 4 1995 1694 T13 = (34,002)(13) + 1579,8 = 2022
2 5 2168 1754
3 6 1072 1829
T14 = (34,002)(14) + 1579,8 = 2056
3 1 7 2241 1903 T15 = (34,002)(15) + 1579,8 = 2090
2 8 2306 1865
3 9 1105 1886
4 1 10 2280 1936
2 11 2408 1948
3 12 1120 1911
5 1 13 2022
2 14 2056
3 15 2090
6 1 16 2124
2 17 2158
3 18 2192
 Primjer: Prodavnica automobilskih guma X5

8. Napraviti desezonirane prognoze (projekcija trenda).

3000

2500 Prodaja u 00 KM
(Yt)
2000
Desezonirana
prodaja
1500
Projekcija trenda
(T)
1000
Linear
y = 34,002x + 1579,8
500 (Desezonirana
Jednačina trenda desezonirane prodaje
prodaja)
0
0 3 6 9 12 15 18
 Primjer: Prodavnica automobilskih guma X5
9. Napraviti konačne prognoze (Izvršiti korekciju projekcije
trenda sa sezonskom komponentom).
Prodaja Projekcija
Period Desezoniran Predviđanje
God. Sezona u 00 KM trenda
(t) a prodaja (FTS)
(Yt) (T)
Skalirani
1 1 1 1856 1576
2 2 2012 1628
St
3 3 985 1681
2 1 4 1995 1694
2 5 2168 1754 Sezona 1: (1,178)*(2022) = 2381
3 6 1072 1829
3 1 7 2241 1903 Sezona 2: (1,236)*(2056) = 2541
2 8 2306 1865 Sezona 3: (0,586)*(2090) = 1225
3 9 1105 1886
4 1 10 2280 1936
2 11 2408 1948
3 12 1120 1911
5 1 13 2022 2381
2 14 2056 2541
3 15 2090 1225
6 1 16 2124 2501
2 17 2158 2668
3 18 2192 1284
 Primjer: Prodavnica automobilskih guma X5
9. Napraviti konačne prognoze (Izvršiti korekciju projekcije
trenda sa sezonskom komponentom).

3000

2500
Prodaja u 00 KM (Yt)

2000
Desezonirana prodaja

1500
Projekcija trenda (T)

1000 Predviđanje (FTS)

y = 34,002x + 1579,8
500 Linear (Desezonirana
Jednačina trenda desezonirane prodaje
prodaja)

0
0 3 6 9 12 15 18
Neki od softverskih paketa za
predviđanje

Forecast Pro
SAP
tsMetrix
AFS
Sas
SPSS
Excel

29
 Primjer: Broj stranih turista u FBiH
Broj stranih turista u FBiH u periodu 2002 –
2004 je: Broj stranih
Godina Kvartal turista u FBiH u
000 (Yt)
2002 1 17,122
2 28,678
3 34,868
4 23,417
2003 1 18,018
2 30,821
3 38,766
4 28,874
2004 1 22,556
2 36,619
3 46,948
4 30,646

Napraviti prognozu po kvartalima za 2005 i 2006 koristeći

predviđanje sa projekcijom trenda i sezonskom komponentom.
 Primjer: Broj stranih turista u FBiH

Sezonski i
Broj stranih Prosječni Desezonirana
iregularni Skalirani
Godina Sezona turista u FBiH CPP4 CPP2 sezonski i ireg vremenska
faktor St
u 000 (Yt) faktor serija
StIt

2002 1 17,122 0,675 0,678 25,26

2 28,678 26,02 1,081 1,085 26,42
3 34,868 26,25 26,13 1,334 1,320 1,325 26,31
4 23,417 26,78 26,51 0,883 0,908 0,911 25,69
2003 1 18,018 27,76 27,27 0,661 0,678 26,58
2 30,821 29,12 28,44 1,084 1,085 28,40
3 38,766 30,25 29,69 1,306 1,325 29,25
4 28,874 31,70 30,98 0,932 0,911 31,68
2004 1 22,556 33,75 32,73 0,689 0,678 33,28
2 36,619 34,19 33,97 1,078 1,085 33,74
3 46,948 1,325 35,42
4 30,646 0,911 33,63

(26,02 + 26,25 )/2=26,13

- Kod vremenske serije koja ima paran broj sezona potrebno je centrirati
centralne pomične prosjeke (CPP2).
 Primjer: Broj stranih turista u FBiH
Broj stranih
Desezonirana
Period turista u Projekcija Predviđanje
Godina Sezona vremenska
t FBiH u 000 trenda (T) (FTS)
serija
(Yt)
2002 1 1 17,122 25,26
2 2 28,678 26,42
3 3 34,868 26,31
4 4 23,417 25,69
2003 1 5 18,018 26,58
2 6 30,821 28,40
3 7 38,766 29,25
4 8 28,874 31,68
2004 1 9 22,556 33,28
2 10 36,619 33,74
3 11 46,948 35,42
4 12 30,646 33,63
2005 1 13 35,98 24,39
2 14 36,96 40,11
3 15 37,93 50,28
4 16 38,91 35,46
2006 1 17 39,88 27,03
2 18 40,86 44,35
3 19 41,84 55,45
4 20 42,81 39,02
 Primjer: Broj stranih turista u FBiH

60

50
Broj stranih turista u
FBiH u 000 (Yt)
40
Desezonirana
vremenska serija
30
Projekcija trenda (T)

20 Predviđanje (FTS)

10 y = 0,9758x + 23,295 Linear (Desezonirana

Jednačina trenda desezonirane vremenske serije vremenska serija)

0
0 4 8 12 16 20