دانلود پاورپوینت تحلیل و بررسی مدلهای سری زمانی برای تقاضای قند به صورت سالانه

\n

بکارگیری و مقایسه مدلهای سری زمانی در افزایش دقت پیش بینی تقاضا برای محصولات شرکت قند شیروان 

\n

\n

عنوان های پاورپوینت  : 

\n

\n

تحلیل و بررسی مدلهای سری زمانی برای تقاضای قند به صورت سالانه 

\n

مقدمه:

\n

بیان موضوع: 

\n

اهداف تحقیق:

\n

اهداف اصلی تحقیق:

\n

ضرورت تحقیق:

\n

سئوال اصلی تحقیق:

\n

فرضیههای تحقیق:

\n

اجزای تشکیل دهنده سری های زمانی

\n

انواع پیش بینی:

\n

روش های کنترل پیش بینی کمی: 

\n

نوع تحقیق: 

\n

جامعه آماری:

\n

:روش جمع‌آوری دادهها 

\n

روائی تحقیق و اعتبار:

\n

روش تجزیه تحلیل داده ها:

\n

شروط لازم جهت به کار گیری سریهای زمانی

\n

بررسی مدلهای سری زمانی برای تقاضای قند به صورت سالانه 

\n

 مدل نایو یا آخرین دوره جهت تقاضای سالانه قند:

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای سالیانه قند 

\n

سالیانه قند (RMSE)ها مجذور خطا جذر میانگین

\n

بررسی مدلهای سری زمانی برای تقاضای شکر به صورت سالانه 

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای سالیانه شکر 

\n

سالیانه شکر (RMSE) خطاها جذر میانگین مجذور

\n

بررسی مدلهای سری زمانی برای تقاضای قند به صورت فصلی 

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای فصلی قند 

\n

فصلی قند (RMSE)ها خطا جذر میانگین مجذور

\n

بررسی مدلهای سری زمانی برای تقاضای شکر به صورت فصلی 

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای فصلی شکر 

\n

فصلی شکر (RMSE)ها خطا جذر میانگین مجذور

\n

بررسی مدلهای سری زمانی برای تقاضای قند به صورت ماهیانه 

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای ماهیانه قند 

\n

ماهیانه قند (RMSE)ها خطا جذر میانگین مجذور

\n

بررسی مدلهای سری زمانی برای تقاضای شکر به صورت ماهیانه 

\n

به کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای ماهیانه شکر 

\n

ماهیانه شکر (RMSE)ها خطا جذر میانگین مجذور

\n

نتیجه گیری:

\n

پیشنهادات بر اساس یافته های تحقیق:

\n

پیشنهادات به محققین:

\n \n\n \n\n

---

\n\nقسمت ها و تکه های اتفاقی از فایل\n\n \n\nبررسی مدلهای سری زمانی برای تقاضای قند به صورت فصلی\n\nآزمون نرمال بودن تقاضای فصلی قند به کمک نمودار p-p-plot :\n\nبه کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای فصلی قند\n\nفصلی قند (RMSE)ها خطا جذر میانگین مجذور\n\nبررسی مدلهای سری زمانی برای تقاضای شکر به صورت فصلی\n\nآزمون نرمال بودن تقاضای فصلی شکر به کمک نمودار p-p-plot :\n\nبه کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای فصلی شکر\n\nفصلی شکر (RMSE)ها خطا جذر میانگین مجذور\n\nبررسی مدلهای سری زمانی برای تقاضای قند به صورت ماهیانه\n\nآزمون نرمال بودن تقاضای ماهیانه قند به کمک نمودار p-p-plot :\n\nبه کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای ماهیانه قند\n\nماهیانه قند (RMSE)ها خطا جذر میانگین مجذور\n\nبررسی مدلهای سری زمانی برای تقاضای شکر به صورت ماهیانه\n\nآزمون نرمال بودن تقاضای ماهیانه شکر به کمک نمودار p-p-plot :\n\nبه کمک آزمون کولموگروف اسمیرنوف محاسبات خطای پیش بینی تقاضای ماهیانه شکر\n\nماهیانه شکر (RMSE)ها خطا جذر میانگین مجذور\n\nنتیجه گیری:\n\nتقاضای محصولات قند و شکر شرکت قند شیروان، از قریب به اتفاق مدلهای سریهای زمانی پیروی می نماید. پیش بینی تقاضای قند و شکر در آینده با توجه به نوسان الگوی کلی افزایش و کاهش در طول زمان (سالیانه،فصلی،ماهیانه) امکان پذیر است.\n\nشرط بکارگیری داده ها در سریهای زمانی ایستا بودن داده ها می باشد و از آنجائیکه شرط نرمال بودن ایستایی را ایجاب می کند با بررسی نرمال بودن داده ها و نتیجه حاصله، ایستا بودن داد ها اثبات گردیده و به ما اجازه استفاده از مدلهای سریهای زمانی برای پیش بینی میزان تقاضا قند و شکر را ارائه داد. برای صحت انتخاب مدلها نیز از باقی مانده داده ها (خطای پیش بینی) نیز استفاده نموده و آنها را آزمون نمودیم و با آزمون های یاد شده، پی به نرمال بودن باقیمانده ها هم بردیم-شرط صحت به کارگیری مدلهای سری زمانی- و در نتیجه تقاضای محصولات را با عنایت به بهترین مدل سریهای زمانی-نمو هموار ساده- جهت داده های سال 88 پیش بینی نمودیم.\n\nهمچنین با توجه به شاخص RMSE تقریبا در همه روشها، روش نایو بدترین روش پیش بینی بوده است و از آن می توان نتیجه گرفت که شاخص فوق که بیشتر پیش بینی های فعلی کارخانه بر اساس آن صورت  می گیرد با نتایج واقعی انحراف داشته و ضرر و زیان بالایی را همچون اتلاف منابع به شرکت وارد می کند، که در بلند مدت بر" برند" شرکت تاثیر گذار می باشد.\n\nپیش بینی قند در سال 88 بر اساس مدل نمو هموار ساده به تفکیک، سال، فصل و ماه:\n\nپیش بینی سال: 6736724 کیلوگرم\n\nپیش بینی فصلی 88: 7835936 کیلوگرم\n\nپیش بینی ماهیانه88: 7779426 کیلوگرم\n\nپیش بینی شکر در سال 88 بر اساس مدل نمو هموار ساده به تفکیک، سال، فصل و ماه:\n\nپیش بینی سال: 6716414 کیلو گرم\n\nپیش بینی فصلی 88: 7809451 کیلوگرم\n\nپیش بینی ماهیانه88: 7335934 کیلو گرم\n\nبا عنایت به مدل پذیرفته شده نمو هموار ساده، پیش بینی سال 88 با داده های واقعی ماهانه این سال تا زمان تدوین رساله بیشتر مطابقت داشته، که این خود دلیلی بر صحت بکارگیری مدل نمو هموار ساده بوده و در بین داده های پیش بینی سال، فصل و ماه داده های ماه قابلیت اعتماد بیشتری خواهد داشت.\n\nپیشنهادات بر اساس یافته های تحقیق:\n\nبه مدیران شرکت قند شیروان پیشنهاد می گردد از مباحث ریاضی و آماری برای پیش بینی مقدار تقاضا، خرید، نیروی انسانی، کنترل موجودی، مالی و ... بهره گیرند تا بدین طریق با توجه به بحران های مالی پیش آمده جهانی، توانایی آینده نگری بیشتری داشته و با دید استراتژیک به برنامه ریزی فروش و تامین مواد اولیه در آینده بپردازند.\n\nهر چند این رساله، صرف به پیش بینی محصولات اصلی پرداخته شده ولی از جداول کاربردی و طراحی شده در Excel این رساله نیز می توان برای پیش بینی محصولات فرعی – تفاله خشک ، تر – با عنایت به پیش بینی تقاضا در ماههای مختلف و سود بیشتر استفاده نمود.\n\nپیش بینی تقاضا محصولات اصلی وابسته به موجودی مواد اولیه کارخانه ،نیروی انسانی، تأمین مالی، برنامه ریزی تولید، تعمیرات و نگهداری و ... بوده و این امر نیز ضرورت بهره گیری از مدلها و جداول ارائه شده را دو چندان نموده و پیشنهاد می شود در سایر زمینه ها نیز از مدلهای سری زمانی بهره جست.\n\nبهره گیری دایره طرح و توسعه شرکت از کارشناسان آمار،  مدیریت صنعتی، مهندسی صنایع توانمند جهت تجزیه و تحلیل داده ها و ایجاد اتاق فکر در کارخانه جهت پیاده سازی  مدیریت استراتژیک نیز از جمله پیشنهادات ارائه شده به شرکت می باشد.\n\nهمچنین پیشنهاد می شود تا با توجه همزمان به عوامل محیطی، چون پیش بینی تقاضا و عوامل درونی همچون نیروی انسانی و سهیم نمودن کارگران، سرپرستان و مدیران در سود، باعث افزایش اثربخشی شرکت در محیط بیرون و رضایت شغلی پرسنل در داخل گردید\n\nپیشنهادات به محققین:\n\n1-محققان می توانند برای پیش بینی و تخمین تقاضا از مدل های شبکه عصبی، الگوریتم ژنتیک و فازی نیز برای تخمین دقت تقاضا استفاده نمایند.\n\n2- استفاده از نرم افزار شبیه سازی می تواند نتایج بهتری را ارائه نموده و بهره گیری از آنها در پیش بینی می تواند با توجه به وارد نمودن بسیاری از متغییرها و محدودیت ها، نتایج قابل قبول، ملموس، همراه با هزینه های پائین تری ارائه نماید.\n\n3- در این رساله صرفاً از پیش بینی یک متغیر – تقاضا محصولات – استفاده گردید لذا بهره گیری از پیش بینی چند متغیره همچون میزان تقاضا و نیروی انسانی یا میزان تقاضا و تأمین مالی، می تواند عنوان تحقیقی برای سایر محققین باشد.\n\n4- دانش پژوهان همچنین می توانند از ادقام روشهای تصمیم گیری چند معیاره و سریهای زمانی، مدلی با توجه به محیط درونی و بیرونی ارائه  نمایند که توانایی پیش بینی تقاضای آینده را لحاظ نموده و توانایی رقابتی شرکت را بالا برده و بهینه ترین باشد.\n\n5-پژوهش گران همچنین می توانند از مدلهای  سریهای زمانی یاد شده در پیش بینی سایرصنایع از قبیل صنایع تبدیلی، کشاورزی، غذایی، نساجی، مواد شیمیایی، دارویی، ماشین سازی ، لوازم برقی و الکترونیکی نیز استفاده نمایند.\n\n \n\n \n\n30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و  توجیهی |  پایان-نامه |  پی دی اف  مقاله ( کتاب ) | نقشه | پلان طراحی |  های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )