Порівняння методів короткострокового прогнозування для спадного виробничого процесу

Abstract

Роботу присвячено дослідженню та порівнянню методів короткострокового планування та прогнозування. За основу розрахунків прийнято дані підприємства, яке характеризується спадним процесом виробництва, тобто функція доходу підприємства має спадний характер у часовому вимірі. Функція витрат, яка є базовою для проведеного дослідження, також спадає, але меншими темпами порівняно з функцією доходу. Оптимізація управління підприємствами у цілому та планування окремих операційних періодів, як правило, спираються на використання економіко-математичного моделювання та прогнозування змін показників виробничих процесів. Прогноз завжди є багатоваріантним і пропонує кілька альтернативних рішень, тому на основі наведених даних побудовано мультиплікативну економетричну модель динаміки часового ряду та пропорційну прогнозну модель на один період уперед. Обчислено та порівняно похибки прогнозів моделей. Вагомою умовою цього дослідження стала наявність невеликої кількості даних спостережень часового ряду (менше 12), що у кожному разі відображається на точності розрахунків.

The present work is dedicated to the investigation into the issue of short-term forecasting and prognostication methods, along with their juxtaposition. The methods applied include: dialectical method, observation method, critical and contrastive analysis and synthesis method. The research also has two more methods examined, first implying creation of econometric models of time series dynamics and second being proportional predictive method. The calculations are based on figures of a firm distinguished by its decreasing production process. This means that the firm’s income function has decreasing character in time measurement. The expenditure function that is basic for the research conducted appears decreasing as well, but at a slower tempo than the income function. As a rule, optimization of firms’ management at large and individual operational periods planning both rest on appliance of econometric modeling and prognostication of changes in industrial processes’ figures. Forecast always turns multichoice and thus suggesting several alternative solutions. This is why the multiplicative econometric model of the time series dynamics as well as proportional predictive model for a single period in advance is being formed on the basis of the aforementioned figures. Hereupon, the errors of models’ calculation are being computed and compared. The essential condition for conduct of this research proves to be the availability of a low number of time series observations data (up to 12), which obstructs the precision of calculations in each case under consideration. The research held has demonstrated that the error rate for a model formed via proportional method of prognostication recedes the one of regression autocorrelation model, with the mean relative error’s value significantly shifting downwards as well. In the meanwhile, it is the regression autocorrelation model that better reflects the cumulative variation of expenditure function’s time series levels for preceding periods. In this case a model’s quality rating also turns of rather high predictive value. Both models imply calculations of expenditures predictive values that logically fit with the existing time series, whereas the proportional model lends higher tempo of the rate’s increase. Furthermore, the research has proved that the proportional method holds a certain advantage, since here prognostication requires only two discrete quantities being expenditure values of two preceding periods. At the same time, the multiplicative model requires a sequential series of points marking the expenditure values for periods at an advisable number of over 12.