TALEP YÖNETİMİ

Dosyayı isterseniz görüntüleyebilir isterseniz indirebilirsiniz.


GoogleDocs üzerinden indirmek için : İndir–Açılan sayfadan indirebilirsiniz–

Önizleme ;

Talep Yönetimi
İşletmelerin iki temel sorunu
Arz ve talep arasındaki dengenin nasıl sağlanacağı.
Talebe en iyi şekilde karşılık verebilmek için kaynakların dağılımının nasıl yapılacağı.

Bu iki soruya cevap verebilmek ve kapasitemizi etkin bir şekilde planlayabilmek için talep tahmini yapmak gereklidir
Talep Tahmini
Gelecekte bir değişkenin hangi değeri alacağının sorgulanması.
Tahmin yapabilmek için iki tür veriye ihtiyaç vardır:
Mevcut koşullar
Geçmişe dönük veriler
Talep Tahmini niye yapılır?
Planlama sürecinde önemli rol oynar.
Hem sistemin planlanmasında (hangi ürün ve hizmetlerin sunulacağı, tesis sayıları ve yerleri vb. uzun dönemli kararlar)
hem de sistemin kullanımının planlanmasında (stokların planlanması, nakliye, satınalma vb. kısa ve orta vadeli kararlar) yararlanılır.
Talep tahminleri; bütçeleme, kapasite planlaması, satışlar, lojistik ve satınalma için temeldir.

Talep tahmininin kullanımı
Talep tahminleri, tüm organizasyonda alınacak kararları etkiler:
Muhasebe-finans
İnsan kaynakları
Pazarlama
Yönetim bilgi sistemleri
Operasyonlar
Ürün ve hizmet tasarımı

Tahminlerin ortak özellikleri
Gelecek, geçmişi yansıtacaktır
Nadiren mükemmeldirler
Grup ürünler için yapılan tahminler bireysel ürünlere nazaran daha doğrudur.
Zaman uzadıkça tahminin doğruluğu azalır.
İyi tahminin özellikleri
Tahmin sürecinde safhalar
Tahmin türleri
Sezgisel- Sayısal Olmayan Tahmin Yöntemleri: görüşlere dayalı
Sayısal Tahmin Yöntemleri
Zaman serileri- geleceğin geçmiş tarafından yansıtılacağı varsayımına dayalı olarak sayısal veriler kullanılır.
İlişkisel modeller – Açıklayıcı değişkenler kullanılarak gelecek tahmin edilir.
Sezgisel tahminler
Üst düzey yöneticilerin görüşleri
Satış temsilcilerinin görüşleri
Tüketici anketleri
Delphi yöntemi
Yönetici ve çalışanların görüşleri
Görüş birliğine dayalı tahminler.

Zaman serisine dayalı tahminler
Bir süre boyunca belli zaman aralıklarında toplanan veri grupları
Gelecek veriler, geçmiş veriler kullanılarak hesaplanır.
Zaman serisi verilerinin analizi bu serilerin temel karakterinin belirlenmesini gerektirir. Genellikle bu, grafikler vasıtası ile yapılır.

Zaman serisine dayalı tahminler
Trend – veride uzun dönemli hareket (nüfus değişiklikleri)
Mevsimsellik – veride kısa dönemli düzenli değişiklikler.
Dalgalanma – Veride bir yıldan uzun süreli oluşan dalgalanma (iktisadi krizler)
Düzensiz değişmeler- alışılmadık koşullar nedeniyle oluşurlar (hava koşulları, grevler vb.). Tipik veri davranışını sergilemezler. Teşhis edilmeli ve veri bu değişimden arındırılmalıdır.
Tesadüfi değişmeler- nedeni belli olmayan küçük değişiklikler.
Veri Davranışı
Sayısal Tahmin Yöntemleri : Zaman Serisi Verilerine Dayalı
Basit tahminler
Zaman serilerinin geçmiş verisini tahmin olarak alır.
Maliyeti yok
Veri analizi yok
Kolayca anlaşılabilir
Yüksek doğruluk sunmayabilir
Basit talep tahmini
İstikrarlı veri
Ft+1 = At
Mevsimsel değişiklikler
Ft = At-n
Trend içeren veriler
Ft+1 = At + (At – At-1)
Basit talep tahmini
Doğruluk seviyesi kabul edilebilir mi?
Ne derece bir doğruluk seviyesine ihtiyaç duyuyoruz.

Hareketli ortalama
Tarihsel veriler tesadüfi değişiklikler içerir.
Tesadüfi değişiklikler, göreceli olarak önemsiz olaylardan oluşur.
Hareketli ortalamalar bu tarz değişiklikleri ortadan kaldırarak tahmin yapar.
Amaç, tesadüfi değişkenlikleri elimine edip gerçek değişikliklere cevap vermektir.
Küçük değişiklikler tesadüfi, büyük değişiklikler gerçek olabilir.
Değişkenliğe cevap vermek, üretim oranında, işçi sayısında, stok büyüklüklerinde değişiklik yapmayı gerektirecektir.
Hareketli ortalama
Ortalama teknikleri, bir zaman serisindeki dalgalanmaları düzgünleştirir. Çünkü bireysel yüksek ve düşük değerler ortalamaları alınarak birbirini götürür.
Ortalamaya dayalı bir tahmin, orijinal veriden daha az değişkenlik gösterme eğilimindedir
Hareketli ortalama
Basit talep tahmini, sadece bir dönemi esas alır.
Değişkenliği ortadan kaldırmaz (veride düzgünleştirme yapmaz).
HO birkaç geçmiş döneme ait gerçek veriyi kullanır.
Hareketli ortalama

3 dönemli HO
Ay Talep
1 42 F6 = (43 + 40 + 41) / 3
2 40 = 41.33
3 43 Eğer A6 = 39 ise,
40 F7 = (40 + 41 + 39)/ 3
41 = 40.00
Gerçek veri hazır oldukça hesaplamada dikkate alınır.
Hesaplamaya dahil edilen dönem sayısı arttıkça değişkenlik azalır.

Hareketli ortalama
Avantaj ve dezavantajlar
Hesaplaması ve anlaşılması kolay
Verilerin ağırlığı aynıdır. (dezavantaj)
Problem
Ağırlıklı ortalama
Yeni dönem verilerine daha büyük ağırlıklar atanır
Örnek
Ağırlıklı ortalama
En son üç veriye, 0,40, 0,30 ve 0,20 ağırlıklarını atayarak 6. dönemi hesaplayınız.
F6 = .40(41)+.30(40)+.20(43)+.10(40)=41.0
Eğer 6. dönemin gerçekleşen verisi 39 ise, F7:
F7 = .40(39)+.30(41)+.20(40)+.10(43)=40.2
Ağırlıklı ortalama daha yeni olan dönem verisini daha büyük oranda dikkate alıyor.
Üssel düzgünleştirme
Yeni dönem tahmini, önceki dönemin tahmini ile bir önceki dönemin hata değerinin belli bir yüzdesinin toplamına eşittir.
Gerçek – Önceki tahmin= Tahmin hatası
Alpha = düzgünleştirme sabiti= tahmin hatasının yüzdesi
Alpha değerinin seçimi
Firma, eğer meydana gelen bütün değişkenliklere cevap vermek istiyorsa büyük alpha değerleri kullanır.
Alpha değeri 1.00’e yaklaştıkça, firmanın değişkenliklere cevap verme kabiliyeti artar.

Düzgünleştirme sabitinin seçimi

Üssel Düzeltme
Üssel Düzgünleştirme
Geçmiş 3 aylık dönemlerde, bir ürüne olan talep aşağıdaki gibi gerçekleşmiştir ( = .10). İlk 3 aylık dönemin tahmin değeri 175’tir.. Çeyrek Gerçekleşen değer
1 180 2 168 3 159 4 175 5 190
6 205
7 180
8 182
9 ?
Üssel Düzgünleştirme
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Exponential Smoothing Solution
Trend teknikleri
Trendi yansıtan bir denklem geliştirmeyi içerir.
Trend doğrusal olabilir ya da olmayabilir.
Verilerin grafiklerle sergilenmesi trendin varlığını ortaya koyacaktır.

Doğrusal trend denklemi
Ft = Yt= t döneminin tahmini
t = dönemler
a = Ft nin değeri t = 0 iken
b = doğrunun eğimi
a ve b’nin hesaplanması
Doğrusal trend denklemi örnek
Hesaplama
Hesaplama
y = 143.5 + 6.3t
t = 0 ise y0 = 143.5 . Doğrunun eğimi = 6.3. yt’nin değeri her dönemde 6.3 birim artar. Eğer t = 10,
y10 = 143.5 + 6.3(10) = 206.5
Problem
Problem
Problem
Örnek
Mevsimsellik
Seri değerlerinde düzenli artış ve azalışlardır.
Bir zaman serisinde mevsimsellik gerçek değerlerin serinin ortalama değerlerinden sapma derecesi ile gösterilir.
Mevsimsellik modeli
Çarpıma dayalı model: Mevsimsellik ortalama miktarının bir yüzdesi olarak belirlenir.
Mevsimsellik endeksleri
Örneğin bir mağazada mayıs ayında satılan oyuncakların mevsimsellik indeksinin 1.20 olması, bu ayın satışlarının aylık ortalamanın %20 üzerinde olması demektir.
Mevsimsellik
Soru
Bir postanede, her hafta günlük posta sayısının mevsimsel bir yapı gösterdiği belirlenmiştir. İki haftanın posta sayıları aşağıda verilmiştir (1000 adet olarak:
Soru

Ortalama günlük posta sayısı 230,000/7 = 32,857 adettir. Ortalama mevsimsellik faktörleri kullanılarak günlük tahminler elde edilir.
İlişkisel tahmin
İki değişken arasındaki ilişkinin varlığına dayalı olarak tahmin yapmak üzere gerçekleştirilir.
Bir bölgedeki dağ bisikleti satışları o bölgede yaşayan genç nüfusun oranı ile ilişkili olabilir.
Piyasada geçerli faiz oranı ile üretken yatırımlar arasındaki ilişki.
Enerji maliyetleri ile ürün fiyatları arasındaki ilişki
İlişkisel tahmin
Bağımsız değişkenler- Bir değişkene ilişkin tahminde bulunmak için yararlanılan değişkenler
Bağımlı değişken: Bağımsız değişkene bağlı olarak değişen ve tahmin edilmesi gereken değişken.
Doğrusal regresyon
Regresyonun en yaygın kullanılan türüdür.
Doğrusal model uygun görünüyor
Doğrusal regresyon
Yc = a + bx

Yc = tahmin değeri (bağımlı)
x = tahmin eden (bağımsız)
b = doğrunun eğimi
a x = 0 olduğunda yc’nin değeri
a ve b’nin hesaplanması
Doğrusal regresyon
Korelasyon (r): İki değişken arasındaki ilişkinin gücü ve yönü. -1.00 ile +1.00 arasında değişmektedir.
+1.00, bir değişkende oluşan değişikliğin diğerinde de aynı şekilde ortaya çıkacağı anlamına gelir.
-1.00, bir değişkende oluşan artış veya azalışın ters yönde meydana gelmesidir.
Korelasyon katsayısının karesi, y’nin değerinde oluşan değişikliğin yüzde kaçının bağımsız değişken kaynaklı olduğunu gösterir.(%80 ve daha fazlası: bağımsız değişken, bağımlı değişkende meydana gelen değişikliği %80 oranında açıklar)
Korelasyon formülü
 
 
n* (Σ x*y) – ( Σ x )*( Σ y )
r =
√ n*( Σ x2 )- (Σ x )2 * √ n*( Σ y2 )- (Σ y )2

Problem
Problem
Doğrusal regresyon
Korelasyon (r): İki değişken arasındaki ilişkinin gücü ve yönü. -1.00 ile +1.00 arasında değişmektedir.
+1.00, bir değişkende oluşan değişikliğin diğerinde de aynı şekilde ortaya çıkacağı anlamına gelir.
-1.00, bir değişkende oluşan artış veya azalışın ters yönde meydana gelmesidir.
Korelasyon katsayısının karesi, y’nin değerinden oluşan değişikliğin yüzde kaçının bağımsız değişken kaynaklı olduğunu gösterir.(80% ve daha fazlası: bağımsız değişken, bağımlı değişkende meydana gelen değişikliği %80 oranında açıklar)

Tahminin doğruluğu
Gelecek değerleri hatasız tahmin etmek mümkün değildir.
Tahmin değerlerinin gerçek değerlerden ne oranda sapma gösterdiğini hesaplamak önemlidir.
Tahminin doğruluğu
Hata – Gerçekle tahmin edilen değer arasındaki fark. Tahmin doğruluğunu ölçmek için iki değer hesap edilmeli ve karşılaştırılmalıdır:
Ortalama mutlak sapma
Ortalama hata karesi
OMS ve OHK
OMS ve OHK
Alternatif tahmin yöntemlerinin doğruluğunu ölçmek
Farklı alpha değerleri, farklı dönemlerdeki hareketli ortalama değerleri ya da farklı tahmin yöntemlerinin doğruluk dereceleri
Örnek
Örnek
Uygun tahmin yönteminin seçimi
Her durumda işe yarayan bir teknik yoktur.
İki önemli faktör
Maliyet
Doğruluk
Diğer faktörler:
Veri
Verinin toplanma ve analizi süresi
Tahminin hangi dönemler için yapılacağı
Uygun tahmin yönteminin seçimi
Hareketli ortalama ve Üssel düzgünleştirme kısa dönemli yöntemlerdir.
Trend denklemleri uzun dönemli kullanımlar içindir.
Birden fazla tahmin yöntemi kullanılarak güven arttırılabilir.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Berk firması, el arabası, harç teknesi, yük taşıma arabası, kürek, tırmık ve malaya kadar uzanan geniş bir yelpazede üretim yapan bir firmadır. Basit biri ürün tasarımının söz konusu olduğu bu sektörde rekabet oldukça yoğundur. Buna ek olarak, tüketicilerin elektrikli/akülü vb. araç ve gereçlere olan ilgisinin artış göstermesi manuel ürünlere talebi azaltmaktadır. Bu faktörler firmayı yüksek kalite ve güvenilir teslimat ilkelerini sağlamaya, diğer yandan düşük fiyatları korumaya zorlamaktadır. Bahçe araç ve gereçleri olgunluk döneminde olan bir endüstridir. Elle kullanılan yeni ürünler geliştirilmedikçe ya da ev bahçeciliğinde yeniden bir canlanma olmadıkça satışlarda büyük oranda artış olma olasılığı pek mümkün gözükmemektedir. Rekabetin önünde yer almak sürekli bir mücadele ve bunu firmanın sahibi Hasan Berk’ten daha iyi kimse bilmemektedir.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Yeni satışlar yaratmak ve eski müşterileri korumanın tek yolu, iyi bir müşteri hizmeti sunmak ve yüksek müşteri değerine sahip ürünler üretmektir. Bu yaklaşım, son zamanlarda zorluk yaşayan üretim sistemi üzerinde baskı yaratmaktadır. Son zamanlarda, Berk’in ürün sattığı hırdavat mağazalarının müşterileri zamanında teslimat konusunda ciddi sorunlar yaşadıklarını belirtmektedir. Bu durum Hasan Berk’e bildirilmiş ve Berk bu mağazaların müşterilerini kaybetmelerinin kendi işine de son vereceğini iyi bilmektedir. Hasan Berk, bunun üzerine danışmanı Ayşe’den sorunu yakından incelemesini ve haftada bir rapor vermesini ister. Berk, Ayşe’den özellikle yüksek miktarlarda üretilen bahçe tırmıklarına odaklanmasını ister.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Tırmık, birbirinden yaklaşık 2.5 cm uzaklıkta 12 dişli bir baştan, sert tahtadan yapılmış bir saptan, başlığı sapa bağlayan bir düğümden ve sapın düğümle birleştiği yeri güçlendiren demir bir halkadan oluşmaktadır. Tırmık 150 cm uzunluğundadır.
Ayşe, Berk Firması’nda üretimin nasıl planlandığını anlayabilmek için üretim planlamadan Salih’e gider. Salih’in açıklamaları şu şekildedir: “Pazarlama bölümü gelecek yılın aylık tırmık satış tahminlerini belirler. Sonra bu tahmin değerlerini bana iletir. Açıkçası, tahmin değerleri genellikle şişirilmektedir. Bunun sebebi belki de pazarlamanın yüksek egosu olmalı. Bense dikkatli olmak zorundayım; çünkü çelik için uzun
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
vadeli satın alma anlaşmaları yapıyoruz ve pahalıya alıyoruz. Bu nedenle, genellikle tahmin değerlerini % 10 oranında azaltıyorum. Dövme metale ve ahşaba olan ihtiyacımı belirleyen aylık son montaj programını hazırlamak için düzeltilmiş tahmin değerlerini kullanıyorum. Tahmin değerleri isabetli ise sistem de iyi çalışıyor. Fakat, genellikle her yılın sonunda yaptıkları gibi pazarlama bölümü bana gelip de müşteri siparişlerinin gerisinde kaldıklarını söylediğinde bütün programlar altüst olmaktadır. Bu durumdan en çok metal dövme etkilenmektedir. Örneğin, çelik tabakalardan tırmığın başlığını baskılayan press makineleri günde 7000 başlık yapabilmekte iken, büken hadde makinesi ise günde 5000 adet yapmaktadır. Her iki üretim istasyonuna diğer ürünler de ihtiyaç duymaktadır”. İşte üretim planlama sorumlusu Salih böyle konuşmaktadır.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Pazarlama bölümünün üretim planlamaya çok önemli veriler sunması nedeniyle Ayşe, pazarlama bölümü sorumlusu Ali ile de görüşmek istiyor. Ali, tırmık tahmin değerlerini nasıl elde ettiğini şu şekilde açıklamaktadır: “İşler yıldan yıla pek bir değişiklik göstermemektedir. Elbette, zaman zaman satış promosyonları yapıyoruz. Fakat, talep kendini göstermeden üretim planlamadan Salih’e gerekli uyarıyı yapmaya çalışıyoruz. Ben, bir önceki yılın sevkiyat verilerinin üzerinden gitmek, beklenen promosyonları, ekonomideki değişiklikleri ve geçen yıl yaşanan stok açıklarını tartışmak üzere farklı satış bölgesi yöneticileri ile görüşürüm. Bu görüşmelere dayanarak, gelecek yılın aylık tahminlerini yapmaktayım. Tahmin değerlerini elde etmek çok zamanımızı alsa da müşteri sorunlarını önlemeye yardımcı olacaktır.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Berk Firması sahibi Hasan Berk’in danışmanı Ayşe, üretim planlamadan Salih ve pazarlamadan Ali’nin yorumlarını derinlemesine düşünür. Salih’in maliyetleri ve stok seviyesini düşük tutma endişelerinin yanı sıra Ali’nin zamanında teslimat gerçekleştirebilmek için yeterli miktarda tırmık bulundurma arzusunu anlamaktadır. Her ikisi de bir şekilde kapasite ile ilgilidir. Yine de, Hasan Berk’e raporunu teslim etmeden önce, son dört yılın gerçekleşen tırmık satışlarını kontrol etmeye karar verir.
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Berk Bahçe Araç ve Gereçleri: Talep Tahmini
Berk Firması tarafından kullanılmakta olan tahmin sistemin yorumlayınız. Gerekli olduğunu düşündüğünüz değişiklikleri ve iyileştirmeleri ifade ediniz.
Gelecek yılın her ayı için tırmık satışlarının tahminini yapınız. Tahmininizi ve kullandığınız modeli doğrulayınız.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir