talep tahmininde monte carlo simulasyonunun uygulanması

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