Prognosemetoder – en oversikt - Telenor

More documents

Recommendations

Info

n r (t) 90 % 10 170 1,00 0,80 0,60 0,40 t 1 ∆T Figur 6.3 Illustrasjon av de størrelsene som inngår i likning (6.3) 1,00 0,80 0,60 0,40 0,20 0 0 t 2 Normalisert pris tid 0,20 0 0 2 4 6 8 10 2 20 år 8 14 ∆T Figur 6.4 Utvikling av normalisert komponentpris i tid for nr (0) = 0,001 og K = 0,95 Normalisert pris 2 0.01000 4 6 n år 8 0.00001 r (0) 10 Figur 6.5 Normalisert pris som funksjon der tiden for forskjellige verdier av nr (0) og med ∆T = 10 år, K = 0,95 som konstanter er 90 % av maksimalverdien). Figur 6.3 demonstrerer denne relasjonen. Vi vil nå vise at vi bare trenger den relative prognosefunksjonen i prisfunksjonen. La oss starte med den absolutte verdien gitt i likning (5.1) for akkumulert volum n(t). Prisen pr enhet kan da skrives: P(t) = α n(t) β (6.6) hvor P(t) betyr Pn(t) . La oss nå sette inn t = 0 og vi får prisen pr enhet i referanseåret: P(0) = αn(0) β (6.7) Ved å dele uttrykket (6.6) på (6.7) får vi β P(t ) ⎡ n(t ) ⎤ = ⎢ ⎥ P(0) ⎣n(0) ⎦ (6.8) eller P(t )= P(0) (6.9) der de absolutte funksjonsverdiene n(t) erstattes av de relative verdiene nr (t) siden n β ⎡ r (t ) ⎤ ⎢ ⎥ ⎣n r (0) ⎦ n(t ) n(0) (6.10) Ved å sette inn likning (6.3) i (6.9) blir det fullstendige uttrykket for pris pr enhet som funksjon av tid. = nr (t ) nr (0) P(t )= P(0) nr (0) −1 ln nr(0) 1 + e −1 ⎛ ⎞ ⎜ −1⎟ − ⎝ ⎠ 2ln9 ∆T t log2K ⎛ −1⎞ ⎡ ⎧ ⎫ ⎤ ⎜ ⎢ ⎨ ⎬ ⎩ ⎭ ⎥ ⎟ ⎜ ⎢ ⎥ ⎟ ⎜ ⎢ ⎥ ⎟ ⎝ ⎣ ⎦ ⎟ ⎠ (6.11) som inneholder de fire størrelsene P(0), nr (0), ∆T og K. Det er egentlig bare nr (0) og ∆T som må prognostiseres. Prisen i referanseåret P(0) og lærekurvekoeffisientene K er mer eller mindre kjent. For å illustrere denne prisfunksjonen setter vi P(0) = 1 (normalisert pris) og K = 0,95 konstant. Figur 6.4 viser hvorledes normalisert pris varierer ved å holde nr (t) = 0,001 og la ∆T variere fra 2 til 20 år. Figur 6.5 viser likeledes hvorledes normalisert pris utvikler seg for forskjellige nr (0) ved å holde ∆T og K = 0,95 konstant. 7 Anvendelse av den utvidede prognosemodellen i teknisk økonomisk analyse Det europeiske RACE-prosjektet TITAN, som står for “Tool for Introduction scenario & Techno-economic evaluation of Access Network”, har valgt å benytte den utvidede prognosemodellen som grunnlag for sine beregninger [7], [8], [9]. Dette prosjektet har som målsetting å evaluere forskjellige introduksjonsscenarier for fiber i aksessnettet. Prosjektet har utviklet et PC-basert pro- gram for beregning av lønnsomheten av de forskjellige scenarier som man ønsker å studere. Fokus er på en studieperiode av 10 år (f eks 1995–2005) og tar for seg privatmarkedet og de små bedriftskunder. Det fokuseres på aksessnettet som er den mest følsomme delen av hele nettet med hensyn til kostnadene, og som dessuten er den delen av nettet som er mest avhengig av hvorledes behovet/ etterspørselen etter tjenester blir i fremtiden. Forskjellige systemalternativer studeres og beregningen som gjøres legges til grunn for planleggingen av fremtidig utbygging, med utgangspunkt i den teknologien som finnes i dag. Prosjektet kan deles i tre deler: 1 Utviklingen av et fleksibelt regneprogram med en (eller flere) geometriske modeller som gir et mål på materiell, installerings- og gravekostnader, kostnader for utstyr og vedlikehold. Det tas hensyn til avskrivninger og andre økonomiske faktorer. Alle beregninger relateres til nåverdier. Det legges inn prognoser for tjenesteutvikling og inntjeningsmuligheter og det gjøres følsomhetsanalyser der effekten av mer eller mindre ekstreme avvik fra prognosene studeres. 2 Prosjektet studerer prognoser for de tjenestene som man tror vil være de viktigste drivkreftene i privatmarkedet. Man deler tjenestene inn i båndbreddekategorier og søker å prognostisere potensielt behov avhengig av hva tjenestene vil koste. Videre transformeres disse prognosene til behov som funksjon av tid ved hjelp av de pris-/kostnadsmodellene som er utviklet. Som en del av dataunderlaget for tjenestebehovsprognoser blir det gjennomført en “Delphi-studie” med ca 100 eksperter involvert. Resultatene korreleres med andre metoder for prognoser. 3 Den siste delen av TITAN består i å beskrive de aktuelle arkitekturer som skal studeres. Det er for eksempel FTTH (fiber til hjemmene), FTTC (fiber til grøftekanten) med kopper eller radio drop. Disse løsningene sammenliknes med tradisjonelle kopperløsninger. Det er også av interesse å studere forskjellige oppgraderinger av bestående arkitekturer, både koaksialkabelnett og parkabelløsninger. TITAN-prosjektet tar utgangspunkt i at alle kunder vil ha vanlig telefoni (POTS).
1 Arkitektur og variable data 2 Geometrisk modell 3 Kabellengde 4 Komponentkostnader (database) 4.1 Fase I : Distribusjon 4.2 Fase II : Generell forgrening 4.3 Fase III : Spesiell forgrening 5 Diskonterte systemkostnader 6 Drifts- og vedlikeholdskostnader 7 Livssyklus-kostnader 8 Systembudsjett 8.1 Tjenestenes forutsatte gjennomslagskraft 8.2 Takst-struktur 8.3 Inntekter 8.4 Diskonterte inntekter 8.5 Budsjettert resultat Kassabeholdning Kumulerte inntekter Kumulerte livssyklus-kostnader Introduksjonsscenarier Figur 7.1 Flytdiagram av de elementer som inngår i TITAN-prosjektet Deretter antar vi forskjellige vekstrater for N-ISDN (f eks en eksponentiell vekst fra 1 % i dag til 20 % om 10 år). Aksessnettet må i tillegg kunne tilby variable bredbåndstjenester fra 2 Mbit/s til ATM som er 155 Mbit/s etter behov. For moderate bitrater mindre enn 5 Mbit/s antar vi at ny modulasjons- og kodeteknologi gjør det mulig å benytte kopperpar for dette behov i store deler av nettet. Denne båndbredden vil gi en videokvalitet som tilsvarer det dagens videospillere yter. 8 Implementering av den utvidede prognosemodellen i TITAN For å kunne utnytte den utviklede prognosemodellen i regneprogrammet har man delt programmet i tre deler. En del av programmet, kalt “TITAN”, inneholder alle beregningsfunksjoner slik som prisutviklingsfunksjonen i likning (6.11). En annen del av programmet, kalt “Main”, inneholder en geometrisk modell, en liste over alle elementer som inngår, alle penetreringskurver både for tjenestetilknytninger og komponentmaterialbehov, og dessuten hele det økonomiske regnskap. Det spesifikke ved området: Type land Demografi Antall abonnenter ved tidspunkt t Den siste delen er en database som inneholder alle nettverkskomponenter. I tillegg inneholder databasen flere grupperinger, kalt klasser. Hver klasse inneholder en liste av elementer. For eksempel finnes det en lærekurveklasse (se tabell 8.1) hvor elementene er karakterisert ved sine K verdier (se likning 2.2). Videre er det definert en volumklasse hvor elementene er tilordnet et par av parametrene (Nr (0), ∆T) (se tabell 8.2). Dessuten har databasen en drift- og vedlikeholdsklasse og en avskrivningsklasse. Hver nettverkskomponent er tilordnet et element fra hver av klassene. For eksempel består elementene i lærekurveklassen i forskjellige K verdier slik at gammel og kjent teknologi har K verdier fra 0,9 til 1,0, mens nyere teknologi får lavere K verdier. Volumklassene er karakterisert ved parameteren nr (0) og ∆T. Her vil for eksempel komponenter som er nye, men som en tror vil bli introdusert raskt i nettet, ha lave verdier både på nr (0) og ∆T, mens nye komponenter der utviklingen tar lengre tid får lav nr (0) verdi og stor ∆T. For eksempel vil linjekortet for ISDN ha nr (0) verdi på ca 0,01 og ∆T på mer enn 10 år. Forutsett marked (gjennomslagskraft) Database Lærekurver Produsert volum i verden Antall komponenter for Fase I, II, III Mill. ECU 50 40 kumulerte inntekter 30 break-even punkt 20 10 0 årlig kontantflyt 10 5 10 20 30 kumulert kontantflyt Tilbakebetalingsperiode Denne måten å beregne kostnader på utnytter de kunnskaper en til enhver tid har om nettkomponentene enten de er gamle og velkjente som kopperpar eller nye på prototypnivået. Det vil si at beregningsmetoden blir mest mulig stabil. Dersom en ønsker å gjøre beregninger av kostnadene og andre økonomiske faktorer ved langsiktige prosjekter (f eks nettutbygging), er det viktig å ha en best mulig beskrivelse av hvorledes priser/kostnader vil utvikle seg i tid. Vi har beskrevet hvorledes prognostisering ved hjelp av regresjonsanalyse anvendes hvis det er et stort nok dataunderlag for de komponentene som inngår. Dersom datagrunnlaget er lite (f eks ved nye komponenter) har vi vist hvorledes kostnadsfunksjonen kan estimeres ved å bryte den ned til de enkelte elementene som virker inn på kostnadsfunksjonen. Ved så å klassifisere de komponentene som inngår i beregningene ut fra sine egenskaper, kan en håpe å beskrive kostnadsutviklingen for prosjektet relativt bra. Som et eksempel er det vist hvorledes disse metodene blir benyttet i det strategiske planleggingsverktøyet som er utviklet i RACE-prosjektet TITAN. Flere andre RACE-prosjekter og prosjekter innen EURESCOM 171
Page 2 and 3:
Innhold TEMA: Introduksjon, Kjell S
Page 5 and 6:
1 Utvikling av prognosearbeidet i T
Page 7 and 8:
- Prognoser for vanlig telefonabonn
Page 9 and 10:
De økonomiske beregninger som ligg
Page 11 and 12:
ment fra bedrifter. I tillegg er de
Page 13 and 14:
Tele-hjemmearbeid Kommunikasjon mel
Page 15 and 16:
observasjoner, fordi det er en ny t
Page 17 and 18:
1.nyttårsdag (x 10 000) 400 350 30
Page 19 and 20:
20 dere med antall abonnenter. niv
Page 21 and 22:
Indeks 220 200 180 160 140 120 100
Page 23 and 24:
menes at det statistisk ikke er tro
Page 25 and 26:
klassiske prognosemetoden i den fø
Page 27 and 28:
Tabell 6.3 Tidsrekker med forskjell
Page 29 and 30:
38 7.3 Enkel modellbygging Utgangsp
Page 31 and 32:
Når vi bruker minste kvadraters me
Page 33 and 34:
e t 0 99.9 Figur 7.13 Plott av resi
Page 35 and 36:
58 53 48 43 38 33 28 1 0.5 0 -0.5 -
Page 37 and 38:
sjonene eller utviklingen til y. Va
Page 39 and 40:
det kommunisere med. Dermed blir tj
Page 41 and 42:
1 og ved t med (1 - b) og summerer
Page 43 and 44:
i etterspørselen i påfølgende m
Page 45 and 46:
aggregerte prognosen er riktig. Ned
Page 47 and 48:
prognosene vil med sikkerhet ikke v
Page 49 and 50:
skyld, er lite, vil det også være
Page 51:
Ed: O D Anderson. Amsterdam, North
Page 54 and 55:
54 Diverse enkeltpersoner 16 Televe
Page 56 and 57:
Figur 3.3 Innhenting av informasjon
Page 58 and 59:
58 Selvbetjening over telenettet Tj
Page 60 and 61:
60 Det kan være vanskelig med noen
Page 62 and 63:
62 I TITAN-prosjektet ble det foret
Page 64 and 65:
64 Prosentandel av husstander 25 20
Page 66 and 67:
66 I N E T T E T Annullerte bestill
Page 68 and 69:
(x 100) 22 17 12 68 7 2 -3 01/87 +
Page 70 and 71:
periodene, skyldes at dette skjules
Page 72 and 73:
72 “givende” sentralen til den
Page 74 and 75:
74 spesielt er opptatt av forklarin
Page 76 and 77:
001.18:621.39 76 Glattingsmodeller
Page 78 and 79:
78 Tabell 2 De opprinnelige sesongo
Page 80 and 81:
80 0.025 0.02 0.015 0.01 0.005 y' t
Page 82 and 83:
Tabell 3 Holts metode 82 År t Anta
Page 84 and 85:
Tabell 5 Hvordan Holt-Winters addit
Page 86 and 87:
(x 100) 20 15 10 86 5 0 antall abon
Page 88 and 89:
Abonnement 540 520 500 480 460 88 n
Page 90 and 91:
90 ingsprosedyre som skal iterere s
Page 92 and 93:
92 forbedringer av modellen. Plott
Page 94 and 95:
94 Vi ser av (5.12) at variansen ti
Page 96 and 97:
96 Figur 7.2 Residualer fra lineær
Page 98 and 99:
98 Tabellen viser at alle parameter
Page 100 and 101:
disse til å lage prognoser med. So
Page 102 and 103:
102 16 Bøe, J, Stordahl, K. Teller
Page 104 and 105:
200 180 160 140 120 100 80 60 40 Fi
Page 106 and 107:
106 1 0.8 0.6 0.4 0.2 0 1 0.8 0.6 0
Page 108 and 109:
108 Tabell 2 viser de historiske da
Page 110 and 111:
001.18:621.39 110 Box-Jenkins metod
Page 112 and 113:
Standardavvik 600 550 500 450 400 S
Page 114 and 115:
114 AR-parametre og q MA-parametre
Page 116 and 117:
116 Figur 13 Autokorrelasjonsfunksj
Page 118 and 119:
118 Korrelasjonsverdi Vi ser av fig
Page 120 and 121: 120 Aksepter hypotesen om at parame
Page 122 and 123: Residualer 0.4 0.3 0.2 0.1 122 0 -0
Page 124 and 125: 124 Referanser 1 Stordahl, K, Hjelk
Page 126 and 127: Tabell 1 Volum tellerskritt, abonne
Page 128 and 129: 128 Tabell 3a Prognose fra modell b
Page 134 and 135: 001.18:621.39 134 Prognoser for abo
Page 136 and 137: 136 Tabell 3 Analyse av støyledden
Page 138 and 139: 138 Tabell 5 Utskrift av prognosepr
Page 140 and 141: vi ikke diskutere her. Poenget er
Page 142 and 143: 142 prognosen. Da “beskjæres”
Page 144 and 145: 144 7 Stordahl, K. Prognosemetoder:
Page 146 and 147: Tabell 1 Oversikt over takstklassen
Page 148 and 149: 148 Tabell 5 Antall samtalesekunder
Page 150 and 151: 150 a) (x1000) 45 35 25 15 5 (x1000
Page 152 and 153: 152 Tabell 8 viser de avleste telle
Page 154 and 155: 154 Tabell 11 Komplett datasett med
Page 156 and 157: 001.18:621.39 156 Prognoser for nye
Page 158 and 159: 158 3.1 Vurderinger av foreliggende
Page 160 and 161: 160 passer utmerket, med relativt l
Page 162 and 163: 2B+D aksesser (x1000) 7 6 5 4 3 2 1
Page 164 and 165: 164 (x1000) 10 8 6 4 2 0 Tabell 6 I
Page 166 and 167: 001.18:621.39 166 Prognoser for pri
Page 168 and 169: 168 der ˆσ β* = ˆσ = ˆy t =
Page 172 and 173: ønsker å benytte disse metodene f
Page 174 and 175: 174 Remote router/ Bridge hand, the
Page 176 and 177: 176 Figure 5 ATM cell Bridge 48 byt
Page 178 and 179: 178 DTE less than 2 Mbit/s, Frame R
Page 180 and 181: 180 References 1 Mannsåker, B et a
Page 182 and 183: 182 Table of contents page Introduc
Page 184 and 185: 006 621.391 184 Signal processing B
Page 186 and 187: 006:681.324 006:681.327.8 186 Data
Page 188 and 189: 006 621.39 188 Teletraffic and dime
Page 190 and 191: 190 contractor. The project had a b
Page 192 and 193: Table 2 ITU Recommendations for con
Page 194 and 195: 006 654.01:65 194 Telecommunication
Page 196 and 197: 006 196 Introduction EURESCOM is an
Page 198: 198 Intelligent networks 26 % Infra
show all

Prognosemetoder – en oversikt - Telenor

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?