02.05.2013 Views

Prognosemetoder – en oversikt - Telenor

Prognosemetoder – en oversikt - Telenor

Prognosemetoder – en oversikt - Telenor

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

angi prognoser for akkumulert produksjonsvolum<br />

ved tidspunkt T. Dette<br />

uttrykket kan så settes inn i Wrights<br />

utvidet lærekurvemodell, og vi får:<br />

(5.3)<br />

Dette uttrykket angir da prisprognose for<br />

nettkompon<strong>en</strong>ter gitt at n er akkumulert<br />

produksjonsvolum.<br />

Hvis vi isted<strong>en</strong> b<strong>en</strong>ytter Crawfords utvidede<br />

lærekurvemodell der er<br />

definert som antall <strong>en</strong>heter produsert i <strong>en</strong><br />

serie ved tidspunkt t, vil vi få andre<br />

formler for prisprognos<strong>en</strong>.<br />

La igj<strong>en</strong><br />

n(1), n(2), ..., n(s)<br />

være det akkumulerte produksjonsvolum.<br />

Da vil:<br />

n*(t) = n(t) - n(t-1) (5.4)<br />

Med andre ord, differans<strong>en</strong> mellom<br />

akkumulert produksjonsvolum ved tidspunkt<br />

t og t-1, angir hvor stort produksjonsvolumet<br />

er ved tidspunkt t. Av<br />

likning (5.4) og likning (5.2) får vi følg<strong>en</strong>de:<br />

ˆn(T )* =<br />

ˆM 1 + e â+ ˆ − ˆg<br />

⎛ bT ⎞<br />

⎜ ⎟ −<br />

⎝ ⎠<br />

ˆ M 1 + e â+ ˆ − ˆg<br />

⎛ b(T −1) ⎞<br />

⎜<br />

⎟<br />

⎝<br />

⎠<br />

ˆn<br />

ˆP n(T ) = ˆα<br />

t *<br />

ˆ M 1 + e â+ ˆ − ˆg<br />

β<br />

ˆ<br />

⎡<br />

⎤<br />

⎢ ⎛ bT ⎞<br />

⎜ ⎟ ⎥<br />

⎢ ⎝ ⎠ ⎥<br />

⎣<br />

⎦<br />

(5.5)<br />

Dette uttrykket settes så inn i Crawfords<br />

utvidede lærekurvemodell og vi får:<br />

ˆP n(T ) =<br />

ˆα<br />

(5.6)<br />

Dette uttrykket angir da prisprognose for<br />

nettkompon<strong>en</strong>ter gitt at n*(t) er produksjonsvolum<br />

pr tidsintervall.<br />

ˆ M 1 + e â+ ˆ − ˆg<br />

⎛ bT ⎞<br />

⎜ ⎟ −<br />

⎝ ⎠<br />

ˆ M 1 + e â+ ˆ ⎡<br />

− ˆg ⎤<br />

⎢<br />

⎛ b(T −1) ⎞<br />

⎜<br />

⎟ ⎥<br />

⎢<br />

⎝<br />

⎠ ⎥<br />

⎣<br />

⎦<br />

6 Praktisk fortolkning av<br />

prognosemodell<strong>en</strong><br />

β<br />

ˆ<br />

Vi skal nå vise hvorledes prognosemodell<strong>en</strong><br />

kan b<strong>en</strong>yttes for å beskrive pris på<br />

kompon<strong>en</strong>ter som funksjon av tid<strong>en</strong> og<br />

se på betydning<strong>en</strong> av de parametr<strong>en</strong>e<br />

som inngår.<br />

Spesielt når det dreier seg om nye kompon<strong>en</strong>ter<br />

som bare foreligger i form av<br />

prototyper eller hvor produksjon<strong>en</strong> er<br />

helt i startfas<strong>en</strong> er det viktig å ha <strong>en</strong> modell<br />

som <strong>en</strong> kan analysere og b<strong>en</strong>ytte for<br />

å gjøre gode antakelser om prisutvik-<br />

Relativt akkumulert volum<br />

1,00<br />

0,80<br />

0,60<br />

0,40<br />

0,20<br />

ling<strong>en</strong>. Det er derfor viktig å forstå hva<br />

parametr<strong>en</strong>e betyr i modell<strong>en</strong>.<br />

En viktig konsekv<strong>en</strong>s som vi kan trekke<br />

av å kombinere <strong>en</strong> logistisk modell som i<br />

likning (5.1), (hvor vi for <strong>en</strong>kelhets skyld<br />

setter g = 1 som konstant), med <strong>en</strong> lærekurve<br />

som i likning (3.1)<br />

Pn(t) = αn(t) β (6.1)<br />

er at det ikke vil være nødv<strong>en</strong>dig å<br />

beskrive n(t) som et globalt akkumulert<br />

volum, m<strong>en</strong> vi kan nøye oss med d<strong>en</strong><br />

relative prognos<strong>en</strong><br />

(6.2)<br />

hvor nr (t) går fra 0 til 1.<br />

Dette betyr at vi f eks kan b<strong>en</strong>ytte volumprognoser<br />

i et <strong>en</strong>kelt land eller i no<strong>en</strong><br />

storbyer hvor anv<strong>en</strong>dels<strong>en</strong> av kompon<strong>en</strong>t<strong>en</strong><br />

kan antas å være repres<strong>en</strong>tativ for<br />

d<strong>en</strong> globale utvikling<strong>en</strong>. Det betyr at <strong>en</strong><br />

ikke tr<strong>en</strong>ger informasjon<strong>en</strong> om det totale<br />

globale produksjonsvolum (eller akkumulert<br />

globalt volum) som det kan være<br />

vanskelig å få data på.<br />

D<strong>en</strong> relative volumfunksjon<strong>en</strong> nr (t) kan<br />

skrives (se app<strong>en</strong>diks):<br />

nr (t )= ( 1 + ea+bt ) −1<br />

n r (0)<br />

0,05<br />

0,10<br />

0,20<br />

0,50<br />

0,90<br />

1,00<br />

0<br />

0 1 2 3 4 5 6 7 8 9 10 år<br />

Figur 6.1 Relativt akkumulert volum som funksjon av tid<strong>en</strong> for <strong>en</strong> konstant ∆T<br />

= 10 år og med nr (0) varier<strong>en</strong>de fra 0,05 til 1<br />

Relativt akkumulert volum<br />

1,00<br />

0,80<br />

0,60<br />

0,40<br />

0,20<br />

0<br />

0 1 2 3 4 5 6 7 8 9 10 år<br />

Figur 6.2 Økning av relativt akkumulert volum som funksjon av tid<strong>en</strong> når<br />

nr (0) = 0,01 holdes konstant og ∆T varierer fra 2 til 20 år<br />

∆T<br />

2<br />

4<br />

8<br />

12<br />

16<br />

20<br />

ln(nr(0)<br />

nr (t )= 1 + e<br />

(6.3)<br />

−1−1)− 2ln9<br />

∆T t<br />

−1<br />

⎡ ⎧<br />

⎫ ⎤<br />

⎢ ⎨<br />

⎬<br />

⎩<br />

⎭ ⎥<br />

⎢<br />

⎥<br />

⎢<br />

⎥<br />

⎣<br />

⎦<br />

hvor nr (0) er funksjonsverdi<strong>en</strong> når t =0<br />

og ∆T er d<strong>en</strong> tid<strong>en</strong> det tar fra funksjonsverdi<strong>en</strong><br />

nr (t1 ) er 10 % til nr (t2 ) = 90 %,<br />

dvs ∆T = t2 - t1 .<br />

Figur 6.1 viser nå d<strong>en</strong>ne relasjon<strong>en</strong> for<br />

det tilfellet at ∆T = 10 år holdes konstant<br />

og nr (0) varierer fra 5 % til 100 %.<br />

Figur 6.2 viser hvorledes nr (t) utvikler<br />

seg med nr (0) = 0,01 og med ∆T varier<strong>en</strong>de<br />

fra 2 til 20 år.<br />

Parametr<strong>en</strong>e a og b er nå uttrykt ved<br />

nr (0) og ∆T der<br />

a = ln(nr (0) -1 - 1) (6.4)<br />

og<br />

2ln9 b = −<br />

∆T (6.5)<br />

Vi ser at nr (0) (i likhet med a) bestemmer<br />

hvor på tidsaks<strong>en</strong> kurv<strong>en</strong> skal ligge,<br />

m<strong>en</strong>s ∆T (eller b) forteller om kurv<strong>en</strong><br />

dekker et langt eller et kort tidsforløp<br />

(dvs fra funksjonsverdi<strong>en</strong> er 10 % til d<strong>en</strong><br />

≈−4,4<br />

∆T<br />

169

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!