talep tahmininde monte carlo simulasyonunun uygulanması
talep tahmininde monte carlo simulasyonunun uygulanması
talep tahmininde monte carlo simulasyonunun uygulanması
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
TALEP TAHM‹N‹NDE MONTE CARLO<br />
S‹MULASYONUNUN UYGULANMASI<br />
329<br />
sistemlerine bir girdi verildiğinde bir çõktõ verirler. Bu anlamda simülasyon modelleri,<br />
arzulanan bilgiyi ve sonuçlarõ elde etmek için “çözmek” den çok “koşulurlar”. Analitik<br />
modellerde gördüğümüz türden, çözümleri üretmek de yetersiz kalõrlar, yalnõzca, deneyci<br />
tarafõndan belirlenen koşullar altõndaki sistemin davranõşõnõ incelemek için bir araçtõrlar.<br />
Bu durumda, simülasyon bir teori değildir, problem analizi için bir yöntemdir 6 .<br />
Monte-Carlo simülasyonu, ilk kez John Von Neumann ve Arkadaşlarõ tarafõndan II.<br />
Dünya savaşõ sõrasõnda orduyu ve savaşõ yönetmek maksadõyla kullanõlmõş, daha sonra<br />
bu çalõşmalar modern simülasyonun temelini oluşturmuştur. Simülasyon 1940’dan günümüze;<br />
probabilistik finansal planlama, sigorta değerlendirmesi, yatõrõm modelleri ve<br />
<strong>talep</strong> tahminleri gibi birçok alana başarõyla uygulanmõştõr. Monte-Carlo yöntemi, olasõlõk<br />
dağõlõmõndan örnek değerlerinin tesadüfen seçilerek kullanõldõğõ yöntemdir. Bu örnek<br />
değerleri, daha sonra bir simülasyon modeli için girdileri veya faaliyet değerlerini temsil<br />
eder. Bundan dolayõ Monte Carlo simülasyonu, olasõlõklõ simülasyon modelleriyle<br />
birlikte kullanõlan bir yöntem veya bir metottur 7 .<br />
Monte Carlo Simülasyonu (MCS), gerçek dünya problemlerinin modellerinde, herhangi<br />
bir denemesinin çok karõşõk, cebirsel çözümlerinin çok zor ve uygulamasõnõn ekonomik<br />
olmayan, gerçeğin tatmin olacak şekilde yansõtõlamadõğõ, problemlerin analizinde<br />
kullanõlan matematiksel olmayan bir modeldir. Bununla birlikte gerçek olaylarõn ne<br />
kadar sõklõkla meydana geldiğinin ve ne kadar sürdüğünün bilinmesi de gerekir. MCS tesadüfi<br />
bir metot olduğundan dolayõ, bir problemi tanõmlayan olaylar bir plan takip etmezler.<br />
Lamba koluna çarpma, piyango kazanma ve yanlõş numara çevirme gibi tesadüfi<br />
olaylardan meydana gelirler 8 .<br />
Simülasyon bilgi düzeyi ve olaylarõn meydana gelme şekli açõsõndan iki gruba ayrõlõr.<br />
-Deterministik modeller; bu modellerde modele konu olan olay ve olayõ etkileyen<br />
koşullar açõk ve net olarak bilinmektedir. Modelin girdi verilerinde herhangi bir belirsizlik<br />
ve risk söz konusu değildir.<br />
-Rassal modeller; modelin girdileri ve süreci çoğu zaman tam olarak bilinememekte;<br />
bu nedenle, çõktõlar çoğu zaman bir olasõlõk dağõlõmõyla ifade edilmektedir. Bu modellerde<br />
çoğu zaman MCS teknikleri kullanõlmaktadõr.<br />
Simülasyon ile model kurmakta üç fayda beklenir;<br />
1. Sistemin davranõşõnõ tanõmlama,<br />
2. Teori ve hipotez kurma,<br />
3. Kurulan teoriyle sistemin gelecekteki davranõşlarõnõ tahmin etmek 9 .<br />
6) Haluk Erkut; Yönetimde Simülasyon Yaklaşõmõ, İrfan Yayõncõlõk, İkinci Baskõ, İstanbul 1992, s. 3.<br />
7) Davis Roscoe .K., Patrick G.Mckeown, Terry R.Rakes; Management Science An Introduction Kent<br />
Publishing Company, A Division of Wordsworth, İnc.Boston1986-Massachusetts, s. 650.<br />
8) Joelee, Oberstone; Management science, Concept, Insight And Application, West Publishhing Company,<br />
St.Paul 1990, s.529<br />
9) Osman Halaç; İşletmelerde Simülasyon Teknikleri, İstanbul 1982, s.1