На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Методы прогнозирования управленческих решений

Информация:

Тип работы: курсовая работа. Добавлен: 20.05.2012. Сдан: 2011. Страниц: 10. Уникальность по antiplagiat.ru: < 30%

Описание (план):


                                 Введение

 
    Разработка  управленческого решения – один из наиболее важных управленческих процессов. От его эффективности в значительной степени зависит успех всей организации. Профессиональный менеджер должен владеть  технологиями выработки, принятия, реализации управленческих решений, без которых  эффективное управление организацией в сложной экономической обстановке практически невозможно. Одной из важнейших частей разработки управленческого решения является прогнозирование.
    Процесс прогнозирования достаточно актуален в настоящее время. Широка сфера  его применения. Прогнозирование  широко используется в экономике, а  именно в управлении. В промышленности методы прогнозирования также играют первостепенную роль. Используя экстраполяцию и тенденцию, можно делать предварительные выводы относительно разных процессов, явлений, реакций, операций. Определённую нишу прогнозирование занимает и в военных дисциплинах.

    Целью прогнозирования управленческих решений  является получение научно обоснованных вариантов тенденций развития показателей  качества, элементов затрат и других показателей, используемых при разработке перспективных планов и проведении научно-исследовательских (НИР) и опытно-конструкторских работ (ОКР), а также развитии всей системы менеджмента.

    Существует  много методов прогнозирования. Продифференцировав их общее число, необходимо выбрать самый оптимальный из них для использования в каждой конкретной ситуации.
    Цель  данной работы – раскрыть сущность методов прогнозирования, рассказать об их содержании, назначении, показать принципы, указать на достоинства  и недостатки данных методов прогнозирования.
          1. Задачи и принципы  методов прогнозирования 

    Прогнозированием называется процесс разработки прогнозов. Под прогнозом понимается научно обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях и сроках его существования.
    «В  классическом менеджменте считается, что прогнозирование — это  метод, в котором используются как  опыт, накопленный в прошлом, так  и текущие допущения в отношении  будущего в целях его определения. В результате этого получают картину  будущего, которую можно использовать как основу при планировании. Прогноз  в управлении представляет собой  технологию разработки моделей развития управляемого объекта. Показатели прогноза (числовые характеристики объекта, объемы и сроки работ и тому подобное) имеют вероятностную природу. На основе прогнозов осуществляется предвидение  и принимаются управленческие решения. Цель прогнозирования — получить научно обоснованные варианты тенденций развития (изменения) управляемого объекта (показателей его состояния) во времени и пространстве».1
    Прогнозирование управленческих решений наиболее тесно  связано с планированием. План и прогноз представляют собой взаимодополняющие друг друга стадии планирования при определяющей роли плана как ведущего звена управления. В отличие от прогноза план содержит однозначно срок существования события и характеристики планируемого объекта. Для плановых разработок используется наиболее рациональный прогнозный вариант. Прогноз в системе управления является предплановой разработкой многовариантных моделей развития объекта управления.
    Прогнозирование носит итеративный характер, что  означает одновременное исследование и прогнозирование объекта на любой стадии подготовки управленческого решения.
    К основным задачам прогнозирования  относятся:
    разработка прогноза рыночной потребности в каждом конкретном виде потребительной стоимости в соответствии с результатами маркетинговых исследований;
    выявление основных экономических, социальных и научно-технических тенденций, оказывающих влияние на потребность в тех или иных видах полезного эффекта;
    выбор показателей, оказывающих существенное влияние на величину полезного эффекта прогнозируемой продукции в условиях рынка;
    выбор метода прогнозирования и периода упреждения прогноза;
    прогнозирование показателей качества новой продукции во времени с учетом влияющих на них факторов;
    прогноз организационно-технического уровня производства по стадиям жизненного цикла продукции;
    оптимизация прогнозных показателей качества по критерию максимального полезного эффекта при минимальных совокупных затратах за жизненный цикл продукции;
    обоснование экономической целесообразности разработки новой или повышения качества и эффективности выпускаемой продукции исходя из наличных ресурсов и приоритетов.
    Основными принципами организации работ по прогнозированию являются:
    адресность (состоит в выполнении прогнозов для строго определенной научно-исследовательской или проектно-конструкторской организации, а также предприятия-изготовителя объекта);
    сбалансированность;
    параллельность (используется для сокращения времени сбора и обработки исходной информации и выполнения самого прогноза);
    непрерывность (состоит в систематическом сборе и обработке поступающей дополнительной информации об объекте прогнозирования или о прогнозном фоне после выполнения прогноза и внесения необходимых коррективов в прогноз по мере необходимости);
    прямоточность (предусматривает строго целесообразную передачу информации от одного исполнителя к другому по кратчайшему пути);
    адекватность (характеризует не только процесс выявления, но и оценку устойчивых тенденций и взаимосвязей в развитии производства и создании теоретического аналога реальных экономических процессов с их полной и точной имитацией);
    управляемость (необходимо применять количественные оценки показателей качества и затрат, экономико-математические методы и модели управления);
    альтернативность (связана с возможностью развития объекта, отдельных его компонентов и технологии изготовления изделия по разным траекториям, с различными затратами в зависимости от использования тех или иных принципов, закладываемых в конструкцию или технологию);
    адаптивность (заключается в изучении и максимальном использовании факторов внешней и внутренней среды объекта как системы, в приспособлении методов и параметров прогнозирования к этим факторам, к конкретной ситуации);
    системность (требует взаимоувязанности и соподчиненности прогнозов развития объектов прогнозирования и прогностического фона);
    комплексность;
    вариантность;
    автоматичность (является одним из основных для сокращения времени и затрат труда на сбор и обработку исходных данных и выполнение прогнозирования);
    оптимальность.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
           2. Классификация методов прогнозирования 

    В связи с огромным разнообразием  прогнозируемых ситуаций имеется и  большое разнообразие методов прогнозирования (свыше 150). «Практическое применение того или иного метода прогнозирования определяется такими факторами, как объект прогноза, его точность, наличие исходной информации, квалификация прогнозиста и др.»2
    В настоящее время наряду со значительным числом опубликованных методов прогнозирования известны многочисленные способы их классификации. На рис. 1 представлен один из вариантов классификации методов прогнозирования, основанной на индуктивном и дедуктивном подходах.
    Из  рис.1 видно, что вся совокупность методов прогнозирования может  быть представлена двумя группами –  в зависимости от степени их однородности:
    простые методы;
    комплексные методы.
    Группа  простых методов объединяет однородные по содержанию и используемому инструментарию методы прогнозирования (например, экстраполяция тенденций, морфологический анализ и др.).
    Комплексные методы отражают совокупности, комбинации методов, чаще всего реализуемые специальными прогностическими системами (например, методы прогнозного графа, система “Паттерн” и др.).
      Кроме того все методы прогнозирования поделены еще на три класса:
    фактографические методы;
    экспертные методы;
    комбинированные методы.
    В основу их выделения положен характер информации, на базе которой составляется прогноз.
    Фактографические методы базируются на фактическом информационном материале о прошлом и настоящем развитии объекта прогнозирования. Чаще всего применяются при поисковом прогнозировании для эволюционных процессов;
    Экспертные (интуитивные) методы основаны на использовании знаний специалистов-экспертов об объекте прогнозирования и обобщении их мнений о развитии (поведении) объекта в будущем. Экспертные методы в большей мере соответствуют нормативному прогнозированию скачкообразных процессов;
    Комбинированные методы включают методы со смешанной информационной основой, в которых в качестве первичной информации наряду с экспертной используется и фактографическая.  


    В свою очередь, каждый из перечисленных  классов также подразделяется на группы и подгруппы. Так, среди фактографических методов выделяются группы:
    статистических (параметрических) методов;
    опережающих методов.
    Группа  статистических методов включает методы, основанные на построении и анализе динамических рядов характеристик (параметров) объекта прогнозирования. Среди них наибольшее распространение получили экстраполяция, интерполяция, метод аналогий (модель подобия), параметрический метод и др.
    Группа  опережающих методов состоит из методов, основанных на использовании свойства научно-технической информации опережать реализацию научно-технических достижений. Среди методов этой группы выделяется публикационный, основанный на анализе и оценке динамики публикаций.
    Среди экспертных методов выделяют группы по следующим признакам:
    по количеству привлеченных экспертов;
    по наличию аналитической обработки данных экспертизы (таблица «Классификация экспертных методов прогнозирования»).
 
Классификация экспертных методов  прогнозирования 
Вид экспертизы Вид обработки  мнений
без аналитической обработки с аналитической  обработкой
Индивидуальная Интервью Экспертные Генерация идей Построение  сценария Метод “дерева  целей” Матричный метод Морфоло-гический анализ
Коллективная Метод “мозгового штурма” Метод коллективных экспертных оценок Метод “Дельфи”
     3. Практическое применение методов прогнозирования 

    Исходя  из разнообразия методов прогнозирования  довольно сложно выбрать действительно подходящий для какой-то конкретной ситуации. Для этого стоит рассмотреть подробнее некоторые из наиболее распространенных методов, их особенности и область применения. 

    3.1.Нормативный метод - применяется для прогнозирования эффективности, сроков замены оборудования, возможностей насыщения рынков сбыта для объектов массового производства. Срок упреждения до 10 - 15 лет.
    Одной из функций стратегического менеджмента  является разработка нормативов конкурентоспособности  перспективных моделей товаров, которые будут выпускаться в  будущем. Для разработки этих нормативов проводятся глубокие маркетинговые исследования рынков, на которых могут быть представлены товары фирмы, строится дерево показателей конкурентоспособности товаров фирм-конкурентов, прогнозируются показатели качества и ресурсоемкости товаров, условий их применения. Для прогнозирования перечисленных показателей может применяться любой из методов.
    Вместе  с тем фирмы, ориентирующие свою деятельность на воспроизводство конкурентоспособных  на внешнем рынке товаров, не всегда имеют аналог-ориентир. Эти фирмы чаще всего являются пионерами в данной области. Поэтому для прогнозирования нормативов конкурентоспособности будущих товаров фирмы-эксплеренты применяют экспертные (при наличии экспертной группы) и нормативные методы прогнозирования (при отсутствии экспертной группы, но наличии профессионала в данной области и необходимой информации). Остальные методы являются вспомогательными.
    Основным  методом, использующимся в нормативном  прогнозировании, является метод горизонтальных матриц решений, когда производится определение первоочередности выполнения предлагаемых для достижения поставленных целей проектов.
    Обычно  используются двумерные и трехмерные матрицы. Наиболее часто горизонтальные матрицы решений используются для  определения оптимального распределения  ресурсов при заданных ограничениях. При этом в качестве ресурсов могут  выступать денежные средства, рабочая  сила, её качество и квалификация, оборудование, энергетические ресурсы и т.д.
    В частности, одно измерение горизонтальной матрицы решений может соответствовать  основным проблемам, возникающим при  достижении цели, второе измерение - ресурсам, которые могут потребоваться  для решения этих проблем.
    Согласованные матрицы более низких иерархических  уровней проблем объединяются в  матрицы более высоких уровней  вплоть до главных матриц для стратегических проблем организации.
    В трехмерной горизонтальной матрице  решений одно измерение, например, может  соответствовать коммерческим миссиям (областям сбыта), второе - ресурсам, третье - времени. Ресурсы в свою очередь, могут подразделяться на финансовые, коммерческие, ресурсы сбыта, производства, оборудования и т.д.
    Вертикальные  матрицы решений предназначены  для отслеживания вертикального  перемещения технологий. Вертикальная матрица решений для внутрифирменного планирования по рекомендациям Стэнфордского института может выглядеть примерно так.
    Стадия  исследований и разработок:
    Продукт
    Заказчик
    Ресурсы
    Открытие
    Создать
    Воплотить
    Разработать
    В частности, трехмерная вертикальная матрица  решений под названием «Общая схема разработки системы национальной космической программы» была разработана  в компании «North American Aviation».
    Для более рационального выбора проектов для реализации могут быть использованы методы исследования операций такие, как:
    линейное программирование, позволяющее сформулировать оптимизационную задачу в виде линейных ограничений (неравенств или равенств) и линейной целевой функции;
    динамическое программирование, рассчитанное на решение многоступенчатых оптимизационных задач;
    целочисленное программирование, позволяющее решать оптимизационные задачи, в том числе задачи оптимального распределения ресурсов, при дискретных (целочисленных) значениях переменных и др.
    В инструментарий нормативного прогнозирования  входят методы построения деревьев целей, методы типа Паттерн и др.
    В этом случае каждой из рассматриваемых  целей приписываются количественные весовые коэффициенты, а для каждого  проекта оценивается вклад в  достижение каждой из целей, если он ненулевой. Степень вклада впоследствии умножается на весовой коэффициент цели. 

    3.2.Экспериментальный метод - применяется для прогнозирования эффективности и сроков замены проектируемого оборудования, сроков выпуска продукции, возможности и сроков насыщения проектируемой продукцией рынков сбыта, нетрадиционных объектов массового производства, не имеющих аналогов на стадии завершения рабочего проектирования. Срок упреждения до 10—15 лет.
    Этот  метод прогнозирования применяется  для решения частных задач  в массовом производстве на стадиях  НИОКР и организационно-технологической  подготовки производства. Для экспериментальных  установок, испытательных полигонов, опытно-промышленных партий товаров, которые  потом будут выпускаться в  больших количествах, устанавливаются  различные нормативы качества и  элементов затрат. Например, нормативы  полезного расхода конкретных материалов и других ресурсов на освоение, производство, техническое обслуживание или ремонт товара, нормативы потерь, нормативы  показателей качества, организации  процессов и т. д. К примеру, устанавливается  расход конкретной марки бензина  на 100 км пробега конкретной марки автомобиля в типовых условиях, норматив расхода электроэнергии на час работы конкретного электродвигателя, нормативы снижения производительности конкретного вида оборудования по мере его старения
    Экспериментальный метод прогнозирования дорогой, так как требует строительства (реконструкции) опытно-экспериментальных  установок, полигонов и других объектов. Поэтому для его применения необходимо провести тщательное технико-экономическое  обоснование, обеспечить высокий уровень  организации работ. 

    3.3.Статистический (параметрический) метод - применяется для составления среднесрочных прогнозов полезного эффекта, возможного изменения рынков сбыта анализируемой продукции серийного производства. Срок прогнозирования до 10 лет.
    На  стадиях разработки технического задания  и технического проекта по объекту  массового производства отсутствуют  сведения по каждой детали и сборочной  единице. Объекты еще не прошли опытно-промышленных испытаний. Поэтому на этих стадиях нет возможности выполнить детальные расчеты затрат на освоение, изготовление, обращение, эксплуатацию и ремонт проектируемых объектов. А по продукции единичного и мелкосерийного производства нецелесообразно применять описанные выше точные методы прогнозирования. В этих случаях рекомендуется применять параметрические методы прогнозирования полезного эффекта и затрат, основанные на установлении зависимостей между параметрами объекта и организационно-технического уровня производства, с одной стороны, и полезным эффектом или элементом затрат — с другой.
    Прежде  чем приступить к анализу статистических методов прогнозирования, рассмотрим некоторые общие понятия и  определения, относящиеся к корреляционным3 и регрессионным моделям. Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.
    Применение  корреляционного анализа предполагает выполнение следующих предпосылок:
    а) Случайные величины могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения.
    б) Ожидаемая величина погрешности равна нулю.
    в) Отдельные наблюдения стохастически4 независимы, т. е. значение данного наблюдения не должно зависеть от значения предыдущего и последующего наблюдений.
    г) Ковариация5 между ошибкой, связанной с одним значением зависимой переменной, и ошибкой, связанной с любым другим значением, равна нулю.
    д) Дисперсия6 ошибки, связанная с одним значением, равна дисперсии ошибки, связанной с любым другим значением.
    е) Ковариация между погрешностью и  каждой из независимых переменных равна  нулю.
    ж) Непосредственная применимость этого  метода ограничивается случаями, когда  уравнение кривой является линейным относительно своих параметров. Это, однако, не означает, что само уравнение кривой относительно переменных должно быть линейным. Если эмпирические7 уравнения наблюдений не являются линейными, то во многих случаях оказывается возможным привести их к линейной форме и уже после этого применять метод наименьших квадратов.
    з) Наблюдения независимых переменных производятся без погрешности.
    Перед началом корреляционного анализа  необходимо проверить выполнение этих предпосылок.
    Связь между случайной и неслучайной  величинами называется регрессионной, а метод анализа таких связей — регрессионным анализом. Применение регрессионного анализа предполагает обязательное выполнение предпосылок (б-г) корреляционного анализа. Только при выполнении приведенных предпосылок оценки коэффициентов корреляции и регрессии, получаемые с помощью способа наименьших квадратов, будут несмещенными и иметь минимальную дисперсию.
    Регрессионный анализ тесно связан с корреляционным. При выполнении предпосылок корреляционного  анализа выполняются предпосылки  регрессионного анализа. В то же время регрессионный анализ предъявляет менее жесткие требования к исходной информации. Так, например, проведение регрессионного анализа возможно даже в случае отличия распределения случайной величины от нормального, как это часто бывает для технико-экономических величин. В качестве зависимой переменной в регрессионном анализе используется случайная переменная, а в качестве независимой — неслучайная переменная.
    По  степени комплексности статистические исследования можно разделить на двумерные и многомерные. Первые касаются рассмотрения парных взаимосвязей между переменными (парные корреляции и регрессии) и направлены в прогнозных исследованиях на решение таких задач, как установление количественной меры тесноты связи между двумя случайными величинами, установление близости этой связи к линейной, оценки достоверности и точности прогнозов, полученных экстраполяцией регрессионной зависимости. Многомерные методы статистического анализа направлены в основном на решение задачи системного анализа многомерных стохастических объектов прогнозирования. Целью такого анализа является, как правило, выяснение внутренних взаимосвязей между переменными комплекса, построение многомерных функций связи переменных, выделение минимального числа характеристик, описывающих объект с достаточной степенью точности. Одной из основных задач здесь является сокращение размерности описания объекта прогнозирования.
    Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза. Как правило, после их применения используется один из методов экстраполяции или интерполяции для получения непосредственно прогнозного результата.
    Метод экстраполяции  - применяется когда оцениваются отдельные виды ресурсов в целом по предприятию, объединению, а также полезный эффект продукции мелкосерийного производства. Срок прогнозирования до 5 лет.
    На  практике на ранних стадиях разработки объекта часто ограничено число  известных параметров будущего объекта  и показателей организационно-технического уровня производства у изготовителя и потребителя объекта. В этих условиях рекомендуется применять более простые, но и менее точные методы прогнозирования - методы экстраполяции, основанные на прогнозировании поведения или развития объектов в будущем по тенденциям его поведения в прошлом. Применение методов экстраполяции, как правило, не требует моделирования частных параметров объекта и показателей организационно-технического уровня производства.
    Наиболее  распространенными являются методы экстраполяции по математическим моделям и графический (от руки). Оба метода требуют наличия информации о прогнозируемом параметре объекта за период в два и более раза больше прогнозируемого периода. Для учета изменений качества объекта в прогнозируемом периоде и организационно-технического уровня производства у изготовителя и потребителя объекта применяются корректирующие коэффициенты.
    Методы  экстраполяции тенденций являются, пожалуй, самыми распространенными  и наиболее разработанными среди  всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих - регулярной и случайной:
                              y(x) = f(a, x) + n(x)
                                                   (1)
    Считается, что регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев - времени), описываемую конечномерным вектором параметров a, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом8, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Интуитивное, потому что для большинства экономических, технических, природных процессов нельзя однозначно отделить тренд от случайной составляющей. Все зависит от того, какую цель преследует это разделение и с какой точностью его осуществлять.
    Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым математическим ожиданием. Ее оценки необходимы для дальнейшего определения точностных характеристик прогноза.
    Специфическими  чертами прогнозной экстраполяции  можно назвать методы предварительной  обработки числового ряда с целью  преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как на выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.
    Предварительная обработка исходного числового  ряда направлена на решение следующих задач (всех или части из них): снизить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.
    Процедура сглаживания направлена на минимизацию  случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно называется скользящая средняя. В самом простом варианте сглаживающая функция линейна и сглаживающая группа состоит из предыдущей и последующей точек, в более сложных — функция нелинейна и использует группу произвольного числа точек.
    Сглаживание производится с помощью многочленов, приближающих по методу наименьших квадратов группы опытных точек. Наилучшее сглаживание получается для средних точек группы, поэтому желательно выбирать нечетное количество точек в сглаживаемой группе.
    Сглаживание даже в простом линейном варианте является во многих случаях весьма эффективным средством выявления  тренда при наложении на эмпирический числовой ряд случайных помех  и ошибок измерения. Для рядов  со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Число последовательных циклов сглаживания должно выбираться в зависимости от вида исходного ряда, от степени предполагаемой его зашумленности помехой, от цели, которую преследует сглаживание. Надо иметь при этом в виду, что эффективность этой процедуры быстро уменьшается (в большинстве случаев), так что целесообразно повторять ее от одного до трех раз.
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.