Download PDF file - Telektronikk
Download PDF file - Telektronikk
Download PDF file - Telektronikk
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
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 />
nettkomponenter gitt at n er akkumulert<br />
produksjonsvolum.<br />
Hvis vi isteden benytter Crawfords utvidede<br />
lærekurvemodell der er<br />
definert som antall enheter produsert i en<br />
serie ved tidspunkt t, vil vi få andre<br />
formler for prisprognosen.<br />
La igjen<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, differansen 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 følgende:<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 />
nettkomponenter 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 />
prognosemodellen<br />
β<br />
ˆ<br />
Vi skal nå vise hvorledes prognosemodellen<br />
kan benyttes for å beskrive pris på<br />
komponenter som funksjon av tiden og<br />
se på betydningen av de parametrene<br />
som inngår.<br />
Spesielt når det dreier seg om nye komponenter<br />
som bare foreligger i form av<br />
prototyper eller hvor produksjonen er<br />
helt i startfasen er det viktig å ha en modell<br />
som en kan analysere og benytte 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 />
lingen. Det er derfor viktig å forstå hva<br />
parametrene betyr i modellen.<br />
En viktig konsekvens som vi kan trekke<br />
av å kombinere en logistisk modell som i<br />
likning (5.1), (hvor vi for enkelhets skyld<br />
setter g = 1 som konstant), med en lærekurve<br />
som i likning (3.1)<br />
Pn(t) = αn(t) β (6.1)<br />
er at det ikke vil være nødvendig å<br />
beskrive n(t) som et globalt akkumulert<br />
volum, men vi kan nøye oss med den<br />
relative prognosen<br />
(6.2)<br />
hvor nr (t) går fra 0 til 1.<br />
Dette betyr at vi f eks kan benytte volumprognoser<br />
i et enkelt land eller i noen<br />
storbyer hvor anvendelsen av komponenten<br />
kan antas å være representativ for<br />
den globale utviklingen. Det betyr at en<br />
ikke trenger informasjonen om det totale<br />
globale produksjonsvolum (eller akkumulert<br />
globalt volum) som det kan være<br />
vanskelig å få data på.<br />
Den relative volumfunksjonen nr (t) kan<br />
skrives (se appendiks):<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 tiden for en konstant ∆T<br />
= 10 år og med nr (0) varierende 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 tiden 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 funksjonsverdien når t =0<br />
og ∆T er den tiden det tar fra funksjonsverdien<br />
nr (t1 ) er 10 % til nr (t2 ) = 90 %,<br />
dvs ∆T = t2 - t1 .<br />
Figur 6.1 viser nå denne relasjonen 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 varierende<br />
fra 2 til 20 år.<br />
Parametrene 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 tidsaksen kurven skal ligge,<br />
mens ∆T (eller b) forteller om kurven<br />
dekker et langt eller et kort tidsforløp<br />
(dvs fra funksjonsverdien er 10 % til den<br />
≈−4,4<br />
∆T<br />
169