Финансовый контроль і планування з допомогою Excel

Запровадження. У кожному підручнику з планування ви знайдете перелік елементів, необхідні успішного господарського планування, включаючи твердження основної мети, розробку стратегії, цілей і тактики. Необхідною умовою визначення перелічених вище формальних елементів є точне розуміння напрями розвитку компанії, мета господарської роботи і спосіб її досягнення. Невід'ємною частиною отого умови є розуміння методів досягнення поставленої мети і, отже, побудови ясною картини отримання прибутку компанії. У результаті господарського планування практично неможливо не брати до уваги чинник прибутку. Лише лише одиниці компанії може дозволити собі вкладати капітал без сподівання фінансове винагороду. Починаючи нову справа, слід визначити свою основну мета, наприклад, в такий спосіб: «Забезпечувати клієнтів мотоциклами і й відповідного устаткування високої якості на конкурентоспроможному рівні, і отримувати у своїй максимальну прибуток ». Переважна більшість компаній намагається визначити найвигідніше співвідношення між задоволенням потреб клієнтів — і яку за остаточному підсумку прибутком. У прикладі запланована мета є необхідною підставою у розвиток даного бізнесу: забезпечення клієнтів високоякісними мотоциклами. Причому компанія має наміру виготовляти чи давати мотоцикли напрокат, саме продавати. З іншого боку, отримувати прибуток планується, продаючи мотоцикли по конкурентноспособным цінами, а чи не продаючи спеціалізоване устаткування у невеликому спеціалізованому ринку. Безсумнівно, процес планування включає у собі набагато більше компонентів, ніж передбачається кількома переліченими вище поняттями і вони найяскравіше демонструють, що у основі успішного фінансового планування лежить бізнес-планування. Не визначити точно, чого хочете досягти внаслідок свою господарську роботи і саме чином мають намір це, ви зможете скласти конкретних фінансових планів. У цьому курсової роботі розглядаються принципи фінансового планування і впорядкування бюджетів компанії, і навіть описується, як прогноз і перспективні оцінки створюють єдину основу для такого планування. У підготовці теоретичної частини даної роботи неоціненну допомогу такі довідкові видання з Excel, як роботи Нільсена Д. «Microsoft Excel 97 », Колесникова А. «Excel 97 », Рогова І. «Excel 97 для користувача », Скобара В. В. і Скобара А. В. «Можливості Excel 7.0 для аудитора і бухгалтера ». У цих роботах я почерпнула загальні інформацію про фінансовому плануванні про встановленні фінансового контролю для підприємства. Найцікавішими підготовкою практичної частини роботи мені видалися такі книжки: Картыгин С., Тихонов А., Долголаптев У., Ільїна М., Тихонов І. «Електронний офіс », Карлберг До. «Бизнес-анализ з допомогою Excel », Карминский А. М. і Нестеров П. В. «Інформатизація бізнесу » .

Составление бюджету компанії та цикли планування Розробка планів фінансової складової діяльності предприятия.

Основною метою фінансового планування є розуміння й прогнозування фінансового майбутнього вашого підприємства. Фінансове прогнозування застосовується для перспективної оцінки бізнес-планів, визначення потреб майбутнього фінансування й розробки внутрішнього поточного бюджету компанії. Прогнозування фінансового майбутнього компанії зазвичай складає основі планів фінансової складової діяльності. (План фінансової складової діяльності, власне, є просто перспективної оцінкою. Наприклад, попередній баланс відображає очікуване стан активів і пасивів підприємства наприкінці певного періоду.) Плани фінансової складової діяльності створюються з урахуванням аналізу фінансової діяльності компанії попередній період, і навіть під час використання звітів про доходи та витратах компанії у цей час, балансів та інших. Існує безліч підходів до розробки таких планів, починаючи з простих розрахунків на серветці і до дорогими комп’ютеризованими комплексами, використовуваними для передбачення фінансового майбутнього підприємства. Проте, незалежно від застосовуваного підходу, головна мета стає дедалі тієї ж: розробити реальним і корисний фінансовий прогноз фінансової складової діяльності компанії. Під час створення плану фінансової складової діяльності необхідно ухвалити у увагу три найважливіших аспекти, що впливають з цього діяльність. Традиційно (історично) що склалася середовище й тенденції зміни на ринку. Інформації про можливі зміни (наприклад, ваш конкурент має наміру розміститися за два квартали від вас). Основні мети бізнесу (ви плануєте вивести ринку новий продукт або ж зменшити витрати на5%). Як вказувалося, є безліч підходів до розробки планів фінансової складової діяльності компанії. Перераховані вище аспекти розуміють горизонтальні підходи: вони сфокусовані на змінах, які з часом. Існує й ряд вертикальних підходів, у яких увагу зосереджується на окремих промислових групах. Наприклад, ви мені хочете визначити, наскільки виручка за проданий товар в в процентному відношенні до нетто-продажам вашій компанії відповідає цьому показника інших, працюючих водної галузі промисловості. Процвітаючі компанії одному й тому ж промислової групи часто характеризуються тим, основні показники, подібні цій, вони приблизно однакові. Отже, порівняння таких даних, розрахованих конкретно до вашої підприємства, із середнім показником галузі промисловості може дуже корисним. Якщо ви хоч знайдете, що коефіцієнт співвідношення вартості до обсягів продажу порівняно з середнім показником за галуззю ви завищений, це, безсумнівно, повинно викликати тривогу і, мабуть, призвести до з того що ви розпочнете зниження собівартості товару. Інформацію про основних середніх відносних показниках з різних галузям промисловості може кожен бажаючий. Може статися отже порівняння показників вашій компанії цих даних може запровадити Вас у оману й направити по хибним шляхом. Припустимо, ви працюєте в місцевого телефонного компанії. Вирішивши порівняти результати діяльності вашої компанії зі середніми показниками інших фірм, що працюють у області телекомунікацій, ви порівнювати є дані з цими компаній, що надають послуги стільникового зв’язку й кабельного телебачення; провайдерами міжміського; фірм, пропонують споживачеві послуги високошвидкісних ліній, тощо. Майте на увазі, що, швидше за все, фінансова структура перелічених вище фірм значно відрізнятиметься від вашої, тому будь-яке порівняння може дати невірні результати. Тут може допомогти вертикальний аналіз, але його необхідно провести з величезної обережністю. На відміну від вертикального аналізу, при горизонтальному порівнюються лише дані діяльності вашій компанії з урахуванням їхньої зміни у часу. Фактично, ваша компанія можна розглядати як своєї ж контрольної групи. Хоча це вид аналізу та такої ж уваги, як і вертикальний, тим щонайменше вона відносно простий і може дуже ефективно використовуватися у разі планування фінансових результатів. У наступному розділі докладніше описується горизонтальний аналіз, який базується на прогнозі, складеному ні основі ступеня обсягу продаж.

Прогнозирование з урахуванням даних про рівень обсягу продаж.

Підхід до прогнозування із застосуванням даних про обсяг продажів грунтується, що господарську діяльність компанії часто пов’язана з обсягом доларових продажів. Збільшення обсягу продажу повинно призвести до появі додаткових коштів на банківському рахунку, зростанню суми змінних витрат, адміністративних витрат та інших. Обсяг внутрішнього продажу є підвалинами більшості інших показателей.

Метод прогнозування з урахуванням показника ступеня обсягу продажу включає кілька этапов.

1. Аналіз традиційно сформованих тенденцій зміни на ринку і взаємозв'язок фінансові показники. (Наприклад, протягом кілька років змінювані витрати становили середньому 7% від загального обсягу продаж.).

2. Упорядкування прогнозу щодо вихідного показника, тобто. обсягу продажу, наступного року плановий період, скажімо, на год.

3. Підрахунок майбутніх витрат і доходів виходячи з їх співвідношення з обсягом продажів протягом років. Якщо наступного року ви плануєте збільшити обсяг продажу на 3%, то розумно запланувати таку ж підвищення комісійної збору продажу.

4. Планування фінансової складової діяльності компанії з урахуванням даних запланований обсязі продажу та расходов.

Приклад. «Світлана «-це невеличка компанія, що спеціалізується на тиражуванні офісних канцтоварів і каталогів. Їй на протязі максимально восьми років, відтоді, якою була зареєстровано Суховим Олександром Миколайовичем, який активи з допомогою банківського позики і власних капіталовкладень. Припустимо, що «Світлана «розробляє план фінансової складової діяльності на 1998 рік. Це з метою попередньої оцінки річних витрат та фінансових результатів майбутнього року, і навіть визначення напрями оперативних рішень, які доведеться приймати компанію на початку наступного. Передусім слід переглянути вже існуючі фінансові звіти компанії лінії тренду, структурах і взаємозв'язках показників. Основу для планового огляду становлять методи проведення зведеного аналізу дохідності і аналіз коефіцієнтів. Наприклад, на мал.1 і 2 зображені відповідно звіт про доходи та витратах компанії та балансовий звіт компанії «Світлана «за 1995 — 1997 роки. З цих робочих аркушів фахівцям «Світлани «слід визначити фінансові тенденції (тренд), структуру і співвідношення показників. Хоча у їхньому розпорядженні і є велика кількість різних аналітичних методів і показників, однак за плануванні бюджету дуже важливо зосередити увагу до вихідних аспектах господарську діяльність, прикладами яких можуть бути показники зростання прибутків і збільшення обігового капіталу. Отже, фахівець «Світлани «вибирає як вихідного показника прибуток і застосовує відсоток продажу ролі основного показника. На рис. 3 зображені ті ж фінансові звіти, що й мал.1, але з розбивкою компонентів за обсягом продажу. У цьому кожен компонент звіту зазначений у грошах, а й у вигляді відсотків від обсягу продаж.

Маючи наявності небагато даних (наприклад, інформацію про продаж протягом трьох років існування компанії), було дуже нерозумно планувати зростання обсягу продажу лише з підставі. У разі можна скористатися методом Ехсеl, основу якої лежать тимчасові вибіркові «знімки », наприклад методом ковзаючого середнього або методом, побудованим на регресії, скажімо, з допомогою функції ТЕНДЕНЦІЯ чи графічної лінії тренду. В усіх цих випадках ви отримаєте певний відповідь, але дуже покладатися нею годі було. Але чого ж вірити? Відповіддю може бути можливість узагальнення. При проведенні аналізу, у результаті якого зібрані дані застосують для невідомої ситуації (наприклад, для планування доходів від продажу в наступного року), ви робите логічне припущення, майбутнє стане, переважно, повторювати минуле. Якщо за аналізі ви грунтувалися з великої кількості вихідних даних, це припущення буде набагато більше справедливим, ніж якби їх було кілька. Якщо досліджувати базову лінію даних, ви, мабуть, помітите, що доход від від продажу минулих років служив хорошим основою прогнозу доходів на наступні роки. Проте, Якщо ця базова лінія надто коротке (наприклад, у разі вона відбиває показники всіх трьох років), внаслідок ви можете отримати даних про тенденціях, які, незважаючи на зовнішню правдоподібність, заберуть Вас у цілком неправильному напрямку. У ситуації, відображеній на рис.1−3, слід постаратися отримати додаткові дані, наприклад такі.. Чи підтверджується припущення, ваш підприємство даватиме результати, отслеживаемые вами досі?. Як у ваших конкурентів: вони збільшують чи скорочують обсяги? Робляться ними кроки щодо перетягування ваших клієнтів?. Не сталося якихось технічних змін, прискорювальних або гальмують розвиток вашого бізнесу?. Яке поточний стан ваших нинішніх клієнтів: чи передбачає воно, що клієнти купуватимуть вашу продукцію? І чи купувати саме в вас?. Не плануєте ви розпочати випуск нових видів продукції або припинити випуск старої?. Які тенденції розвитку ринку збуту вашої продукції? Падає чи підвищується спрос?

Відповіді та такі питання у поєднанні з фактичними результатами минулих років дадуть компанії «Світлана «розумні підстави вважати, зростання доходу продажу 1998 року трохи вища, ніж у 1997 року. Фахівці «Світлани «вважають, що задля цього існують такі причини: збільшилася клієнтура, склалися більш «м'які економічні умови і було успішно проведено новий рекламна кампанія. На наступний етап треба скласти прогноз витрат, базуючись у своїй на традиційному відсотковому показнику обсягу продажу і застосувавши його до планованої сумі доходу на 1998 року. Такий прогноз показаний на рис. 4. Компоненти, підлягають змін за зміни обсягів нетто-продаж, мають відсоткові показники у стовпці У. Інші складові, наприклад, вихідні товарно-матеріальні запаси, орендної плати і амортизація, входять у показники найкращою оцінки на кінці попереднього часу. До цього часу прогнозування відбувалося цілком задовільно, проте, вивчивши звіти про доходи та витратах компанії за 1995 — 1997 роки, бачимо тривожну тенденцію. Основну частина прибутку «Світлана «одержує вигоду від тиражування, але це найчастіше вимагає фахової запасу папери. За 3 роки «Світлана «закупила паперу на обсягах, набагато переважаючих потреби конкретного замовлення. Це було зроблено із метою зниження змінних витрат, бо понад великі закупівлі означають менші видатки одиницю продукції. З іншого боку, компанія розраховувала, що клієнт зробить замовлення, виконання якого і буде використано залишок даного товарного запасу. На жаль, цього було. Товарно-матеріальні запаси паперової продукції «Світлани «протягом усіх трьох років неухильно зростали і вже перевищили зростання обсягу продажу. На рис. 3 показано, що товарноматеріальні запаси під кінець року зросли з 92 903 тыс. руб. до 129 190 тыс. руб. (інакше кажучи, на 40%), тоді як обсяг нетго-продаж зросла з 349 595 тыс. руб. до 389 864 тыс. руб.(т.е. всього на 11%). На рис. 4 показано, що, якщо не вжиті заходи, товарно-матеріальні запаси наприкінці 1998 року сягнуть 136 425 тыс. руб. І який впливом геть попередній баланс на 1998 рік і планування прибутків і витрат «Світлани «матиме зміна процедури закупівель? Фахівці знають, значна частина обсягу їх продажів пов’язана з здатністю компанії надавати клієнтам послуги з виконання окремих замовлень. Сорок відсотків замовлень, отриманих компанією, дісталися їй вона був готовий набувати необхідних виконання спеціальних замовлень запаси матеріалів, закуповувати матеріали великими партіями змінювати ціну, стягнуту з клієнта. Компанія неспроможна точно знати, коли її клієнти хочемо зробити такі замовлення (дозволяють «Світлані «використовувати вже придбано товарно-матеріальні запаси), але передбачає, що якийсь момент це станеться. Тим часом на залишається лише вихід: скоротити обсяги нових закупівель товарно-матеріальних запасів до того часу, поки замовлення постійних клієнтів не використовувати вже наявні запаси матеріалів. Такий крок можуть призвести до заміщенню підвищення рівня товарноматеріальних запасів. Компанії «Світлана «слід вжити заходів для розширенню клієнтури. Проте, якщо скоротяться товарно-матеріальних запаси, це обмежить здатність компанії працювати спеціальними замовлень нових клієнтів. Таким чином, процес скорочення наявних запасів компанії до керованого рівня неодмінно призведе до зниження рівня обсягу продажу. Чи розумно відразу таке рішення? Провівши дослідження, компанія «Світлана «дізнається, до жодних результатів призведе скорочення 1998 року закупівель запасів на 50%, за попередніми даним — з 97 951 тыс. руб. до 98 976 тыс. руб. Фахівці прогнозують, що обсяг нетго-продаж знизиться з 411 696 тыс. руб. до 247 018 тыс. руб. Більшість витрат, крім витрат на орендної плати приміщення і амортизацію устаткування (звичайно не змінюються залежно від показника нетто-продаж), скоротяться пропорційно цього показника. Планований результат показаний на рис. 5 (попередній звіт про доходи та витратах) і див. мал.6 (попередній баланс компанії). При скороченні закупівель запасів вдвічі обсяг нетто-продаж знизиться на 40%, а чистий прибуток зменшиться на 92%, тобто. на 69 658 тыс. руб. Це дуже значних змін фінансового становища підприємства. Щоб знизити Витрати зарплатню відповідно до скороченням неттопродажів, доведеться звільнити одного службовця — дуже серйозна крок у області кадрової політики на таку вузькому колі, як «Світлана » .

Загалом і в цілому витрати перевищуватимуть доходи, отримані від виправлення стану справ у товарно-матеріальних запасах компанії. Саме такого підсумку очікується, якщо поточне рішення впливає так сильне впливом геть методи, застосовувані компанією регулярно працюють з клієнтами. Робити аналіз з допомогою Ехсеl не так важко, набагато простіше, ніж приймати окреме бизнес-решение. Тут завдання полягає у створенні робочого аркуша, що містить традиційні дані для звіту про доходи та витратах компанії та балансу. Після цього отримати відсоткові показники не становитиме великих складнощів. Наприклад, щоб отримати значення — 100%, вказаний у осередку G4 (див. рис. 3), треба запровадити таку формулу: = D4/$D$ 4.

Потім скопіювати цієї формули і вставити їх у осередки G6: G11 і G13: G23. Абсолютна посилання ($D$ 4) вказує, що знаменником даної формули завжди буде значення осередки В4, а чисельник змінюватиметься залежно від цього, у яку осередок вставляється ця формула. Приміром, вставивши їх у осередок G6, ви отримаєте таку формулу: = D4/$D$ 4.

Щоб самому отримати значення, вказаний у стовпці F (см. рис. 3), введіть в осередок F4 таку формулу:

=(В4+С4+D4)/($В$ 4+$С$ 4+$D$ 4).

" Після цього скопіюйте і вставте цієї формули в осередки F13: F23. Є ще один версія даної формулы:

= СРЗНАЧ (В6/$В$ 4;С6/$С$ 4;D6/$D$ 4) Якщо скопіювати другу версію формули і вставити їх у інші рядки аркуша, вона призначить значення, однакову кожному із трьох які розглядають у даному разі років. Перша версія формули привласнює великої ваги року, в якому, наприклад, Витрати рекламу порівняно з нетто-продажами були більше. Після введення цієї формули для перевірки впливу змін обсягів неттопродажів на витрати, чистий прибуток компанії та суму капіталу, знадобиться лише змінити значення обсягу нетто-продаж. Оскільки всі інші категорії звіту про доходи та витратах компанії та її балансу безпосередньо залежить від цей показник, Ехсеl буде змінювати їх соответственно.

Проведение аналізу чувствительности.

Після створення Ехсеl попереднього звіту про доходи та витратах компанії наступного року, ви можете скористатися ним щодо аналізу різних фінансових сценаріїв. Оцінка можливих змін — у попередніх фінансових звітах може допомогти визначити можливість і ступінь майбутнього ризику. Аналізований нами приклад із компанією «Світлана «продемонстрував, що може статися, якщо обсяг продажу знизиться на 40%. Висновки у разі будуються з урахуванням припущення, що більшість сум витрат неодмінно зміняться внаслідок змін — у обсягах нетто-продаж. Проте за доцільне уважно розглянути ще й саме ця припущення. Можливо, ви захочете спокійнішої спрогнозувати, який вплив може надати зниження наступного року суми виручки на 10% на чистий прибуток компанії. Чи, наприклад, захочете дізнатися, зможете чи втриматися у своєї ринкової ніші, якщо з ваших постачальників підвищить ціни на всі 20%.

Якщо до вас треба внести якесь одиничне зміна до плану фінансової діяльності, це зручніше зробити, сплативши її у змінювану осередок, а чи не витрачати час виконання операцій із засобом Диспетчер сценаріїв. Наприклад, можна змінити значення осередки С6 (див. рис.4):

= ОКРУГЛ (В6*$В$ 1;0) яке дорівнює 197 951 тыс. руб., на: = ОКРУГЛ (В6*$В*1,2;0) яке вказує, що за підвищення постачальником ціни на всі 20% запланована витрат на закупівлю товарно-матеріальних запасів становитиме 237 541 тыс. руб. Результатом цього зниження обсягу чистого доходу з 75 861 тыс. руб до 36 271. тыс. руб Це може дати вам набагато більше інформації, ніж дані про те, що ваша чистий прибуток може скоротитися на 40 000 тыс. руб. Існує і той спосіб прогнозування змін — у сумі чистого доходу: прийняти до уваги, що коли підвищення витрат за закупівлі товарно-матеріальних запасів призведе до цього показника на 52% (1×36 271 тыс. руб /75 861 тыс. руб). Усе це свідчить, що — чиста прибуток компанії дуже залежить від ціни поставок, — ваш дохід практично цілком при владі цін ваших поставщиков.

Переходим від планів амбіційних фінансової складової діяльності до написання бюджету компании.

Попередній звіт про доходи та витратах компанії можна перетворити на бюджет компанії наступного року. Такий звіт є прогноз, а бюджет застосовується для планування, координації й управління операціями компанії. Періоди часу, куди складається бюджет, можуть варіюватися. Залежно від такого типу чинників, як в інформації, структура збуту (наприклад, сезонні піки спади тоді як тенденціями стабільного збуту), операційні методи лікування й фінансова структура, компанія може розробити річний, поквартальний чи помесячный бюджеты.

Припустимо, що ця компанія «Світлана «хоче скласти поквартальний поточний бюджет на 1998 рік, заснований попередньому звіті про доходи та витратах нинішнього року. Такий поквартальний бюджет показаний на рис. 7.

Квартальний бюджет, подібно плану фінансової складової діяльності, полягає в припущенні у тому, основним чинником, впливає на витрати підприємства, є обсяг продажу. Сталося так, що реальні доходи обговорюваної нами фірми мають кілька сезонний характер: традиційно 20% продажу перший квартал, 40% - другого, 25% - втретє і 15% - на четвертий. Щоб відповідним чином розподілити обсяг планових річних продажам за чотирьом кварталами, необхідно провести такі дані: в осередок С3: = 0,2*В3 в осередок D3:

= 0,4*В3 в осередок Е3:

= 0,25*В3 в осередок F3:

= 0,15*В3 Ці формули розподіляють суму запланованого доходу по кварталами з урахуванням відсоткових показників в кожному кварталу за попередні роки. Рівень товарно-матеріальних запасів початку кожного наступного кварталу повторює рівень цих запасів наприкінці попереднього кварталу. Закупівлі матеріалів протягом кожного кварталу є функцію загального обсягу планових закупівель рік і обсягу нетто-продаж по кварталами. Формула в осередку С6 (закупівлі матеріалів першому кварталі) така: = $В6*С$ 3/$В$ 3 Ця формула представляє обсяг прогнозованих закупівель матеріалів на рік (осередок В6), розподілений пропорційно щоквартальному процентному показнику нетто-продаж (осередок С3) обсягом річних нетто-продаж (осередок В3). Використовуючи у формулі змішані посилання, копіювання і вставку з осередки С6 в осередки D6: F6, можна перетворити відповідним чином посилання квартальні нетто-продажу осередки С3 до осередків D3: F3. Товари, готові на продаж, — це товарно-матеріальні запаси початку кварталу плюс закупівлі, здійснені протягом даного кварталу. Прогнозовані товарно-матеріальні запаси наприкінці кварталу грунтуються на сумі матеріалів, готові до продажу, з відрахуванням суми виручки. Виручка є також функцією нетто-продаж. Наприклад, формула визначення кількості товарів, готові до продажу, подана у осередку С9, має вид: = $В9+С$ 3/$В$ 3 Наступним планується обсяг товарно-матеріальних запасів наприкінці кварталу, який обчислюється за такою формулою: = С7-С9 Сума валовий прибутку розраховується шляхом вирахування суми виручки з суми нетто-продаж. Наприклад, заплановану валову прибуток у першому кварталі отримуємо з допомогою наступній формули: = СЗ-С9 Щоквартальні витрати попередньо оцінюються шляхом розподілу річних витрат пропорційно відсотковим показниками поквартальных неттопродажів від суми нетто-продаж. Приміром, Витрати рекламу в першому кварталі можна попередньо розрахувати допомогою наступній формули: = $В12*С$ 3/$В$ 3 І знову, під час використання змішаних посилань ця формула то, можливо скопійована і вставлена в залишок діапазону С15: С19, після чого значення, які у осередках, будуть відкоректовані. Передбачається, що рядки 13 і 14, містять показники витрат на оренду приміщення і знос устаткування, за зміни обсягу нетто-продаж залишаються незмінними; вони попередньо розраховуються з урахуванням найостанніших даних (доступних наприкінці попереднього часу). Загальні витрати виходять шляхом підсумовування всіх видаткових статей кожного кварталу, а сума податків попередньо оцінюється як 25% від поточного доходу (валова прибуток мінус витрати). Чистий прибуток розраховується шляхом вирахування від суми валовий прибутку суми загальних витрат та незначною сумою податків. Тепер припустимо, що ця компанія «Світлана «хоче рівномірніше розподіляти свої операції з кварталами. Хоча показники щоквартальних неттопродаж продовжуватимуть носити сезонний характер, існує нагоду отримати від клієнтів у першому кварталі попередні кошторису про планованих замовленнях другого, третій і четвертий квартали. І тут можна рівніше збалансувати робочу завантаження підприємства, що дозволить уникнути додаткових витрат на оплату понаднормової досягнення в час самого напруженого другого кварталу. За попередньою оцінці фахівців «Світлани », ці додаткові видатки протягом року сягнуть близько 20 000 тыс. руб. На див. мал.8 представлені результати, які можна досягти більш рівномірному розподілі робочої завантаження по кварталами. По-перше, закупівлі товарно-матеріальних запасів, зазначені на рис. 3, рівномірно розподілені між всіма чотирма кварталами. Це на основі припущення, що завантаження підприємства, буде постійної, унаслідок чого заповнення товарно-матеріальних запасів також має носити постійний характер.

По-друге, заплановано зниження витрат за заробітної плати з 99 630 тыс. руб до 90 000 тыс. руб. Це означає, що наші фахівці компанії хочуть знизити витрати на виплату у виконанні понаднормових робіт. З іншого боку, виплати за заробітної плати (див. див. мал.8) — також стала величина всім чотирьох кварталів. Це досягається з допомогою зміни формули в осередку С17:

= $G17/4.

Ця формула копіюється і вставляється в осередки D17: F17.

Дотримання цих коригувань призводить до нижченаведеним результатам.. Через війну економії виплат у виконанні понаднормової роботи чистий річний дохід зростає на майже 7 223 тыс. руб.. Суми чистого доходу по кварталами стають менш рівномірними. Це тому, що валовий дохід у кожному кварталі залишається незмінною, а поквартальні витрати знижуються, причому у другому кварталі - дуже важливо — на 25%.

Більшість обчислень змінених підсумків 1998 року, вказаних у стовпці G, є нічим іншим, як сукупність поквартальных показників. До обчисленням товарно-матеріальних запасів це, проте, не належить: за початкову суму товарно-матеріальних запасів береться сума початкових товарних запасів першого кварталу, а ролі показника рівня запасів наприкінці звітний період — цей показник наприкінці четвертого кварталу. Ціною реалізації є сума рівня запасів початку звітний період і закупівель. А виручка є відмінність між ціною та вартістю товарно-матеріальних запасів наприкінці звітного периода.

Наведений вище приклад ілюструє, як можна застосувати поточний бюджет для планування і складання графіка витрат, що у остаточному підсумку призведе до підвищення дохідності вашій компанії. Ка ми переконалися, просте скорочення витрат на покриття витрат за оплаті понаднормової роботи службовців можуть призвести до дуже відчутному підвищенню чистого доходу підприємства. Проте може бути зручним розподіляти чистий прибуток як на підставі частки нетто-продаж, що у відсотках. Припустимо, що компанія «Світлана «отримала великий позику, який має погасити наприкінці другого кварталу. За більш рівномірної збалансованості робочої завантаження чистий прибуток наприкінці другого кварталу підвищиться з 62% від суми річного чистого доходу до 67% від рівня цього ж показника. Проте компанії «Світлана «необхідно мати цей додатковий суму раніше, щоб скористатися нею на погашення позики. Це, звісно, єдиний приклад отримання прибутку як результату перетворення плану фінансової складової діяльності підприємства у поточний бюджет. Наприклад, якщо фахівці планують, що доход від компанії, у протягом наступного підвищиться на 10%, то було б визначити конкретні мети кожної номенклатури своєї продукції щокварталу, або навіть за кожен місяць. Остаточне підвищення може тільки у грудні, що, найімовірніше, надасть значний вплив економічний стан компанії, що у результаті підвищення можуть відбутися зміни стану таких найважливіших економічних показників, як баланс грошових надходжень за грудень, рівень товарно-матеріальних запасів, штат працівників підприємства та інших. Можна сміливо сказати, коли на складання бюджету — це процес перетворення планів фінансової складової діяльності до планів, здатні допомогти управляти компанії й максимально збільшувати її доходи. Порівняння фактичних результатів з перспективними оцінками допоможе визначити, чи справді компанія рухається в правильному напрямку по шляхів досягнення основні цілі господарської діяльності й виконання завдань, намічених цими фінансовими прогнозами. Зіставлення бюджетів допоможе зосередити увагу до основних можливості та перешкоди, можна зустріти цьому шляху. Наприклад, якщо постачальник значно підвищує ціни на всі свої товари, ви, швидше за все, захочете підшукати іншого. Збільшення попиту продукцію підприємства призведе до того що, що потрібно буде підвищити продажну ціну, чи внести в графік руху запасів. Отже, бюджет може бути сигнальним засобом прийняття поточних фінансових решений.

Приведення бюджету відповідність до бизнес-планом.

Цикли планування великих компаній зазвичай дуже великі. Спочатку вище керівництво розробляє багаторічні бізнес-плани, потім менеджери становлять поточні плани досягнення стратегічних цілей підприємства, після чого визначення кількості і забезпечення якості цих планів створюються попередні звіти фінансового діяльності. І, нарешті, з урахуванням попередніх звітів фінансового діяльності розробляються бюджеты.

Зазвичай використовується три виду бюджетов.

. Оперативні бюджети служать для планування прибутків і витрат з метою забезпечення досягнення запланованого рівня чистого доходу.. Касові бюджети прогнозують грошові надходження, і виплати за певний період. Касові бюджети допомагають визначити, чи варто заходитися шукати інвестицій ззовні або якихось інших джерел зовнішнього фінансування.. Бюджети капіталовкладень представляють заплановані програми капіталовкладень (або приріст фіксованих активів) протягом визначеного периода.

У процесі складання бюджетів приховується безліч пасток. Одне з прикладів — трата надто великої кількості часу в руки можливих результатів безлічі сценаріїв, різницю між якими зовсім незначні. Такі дії обтяжливі не надто підвищують якість аналізу. Інша пастка у тому, що ви можете дозволити проблемам бюджету відвернути вашу увагу від основних цілей господарської діяльності. Слід пам’ятати, коли на складання бюджету не метою, а засобом. Потрібна також постійно ознайомитися з виконанням бюджету. При правильному використанні бюджетів, можуть забезпечити компанії шляху планування, координування та управління її діяльністю, тоді як неправильне застосування можуть призвести до марнотратності часу й відволіканню уваги від основних напрямів розвитку вашого підприємства. У разі, якщо виникає потреба у планах на період, перевищує рік, дуже зручні багаторічні бізнес-плани і попередні звіти про фінансової складової діяльності. Наприклад, бізнес-плани корисні, коли стоїть питання у тому, слід чи ні продовжувати інвестувати кошти на конкретне підприємство; чи треба дізнатися прогноз доходів, які передбачають отримати від певного виду продукції протягом наступних п’яти. Довгострокові прогнози часто надають великий вплив на поточні і фінансові плани. Фінансові плани — мусять сягати межі найбільш значимого періоду планування вашого бизнеса.

Прогнозування і перспективы Для оцінки майбутніх доходів з урахуванням показників минулих періодів використовують метод прогнозування. У цьому виникає у оцінці деяких кількісних характеристик, наприклад, як-от розподіл витрат і кількість службовців. На жаль, багато компаній занадто імпровізують під час упорядкування прогнозів доходів населення і не використовують нових ефективних способів прогнозування у разі планування свою господарську діяльності. З допомогою Ехсеl можна прогнозувати зміни багатьох змінних величин, якщо, звісно, ви маєте прийнятна базова лінія упорядкування прогноза.

. Якщо ваша бізнес пов’язані з телекомунікаціями, ви, мабуть, станете прогнозувати ширину смуги частот, необхідну забезпечення ваших користувачів з віддаленими комп’ютерними системами.

. Якщо ви хоч управляєте певної виробничої лінією, то напевно будете прогнозувати кількість одиниць продукції, яке припускаєте продати. Такий вид прогнозу здатний допомогти визначити ресурси, необхідних підтримки діяльності, наприклад, такі як встановлення обладнання, складські приміщення й забезпечення технічного обслуживания.

. Якщо ви хоч є менеджером відділу з обслуговування клієнтів, то тут для дуже важливо матимуть можливість прогнозувати збільшення кількості клієнтів. З такого прогнозу ви можете, наприклад, ухвалити рішення про тому, що необхідно змінити штат співробітників, щоб забезпечити нові потреби фірми. Спочатку необхідно переконатися, що базова лінія справді хороша.

Базова лінія є числове вираз результатів спостережень, проведених протягом тривалого часу. З точки зору прогнозування, існує чотири найважливіших характеристики базових линий.

. Базова лінія включає у собі результати спостережень — починаючи найбільш ранніми і до последними.

. Усі тимчасові періоди базової лінії мають однакову тривалість. Не варто плутати дані, наприклад, за день зі середніми трехдневными показниками. Насправді незначні відхилення можна ігнорувати. Наприклад, у лютому і березні різну кількість днів, однак це незначна різниця у два — дні звичайно враховується в базових лініях, побудованих з урахуванням щомісячних результатів наблюдений.

. Спостереження фіксуються до одного і хоча б момент кожного тимчасового періоду. Наприклад, під час складання базової лінії з урахуванням щотижневих результатів, слід фіксувати дані лише у і той ж дня недели.

. Пропуск даних заборонена. Пропуск жодного результату спостережень небажаний при прогнозуванні, тому, тоді як ваших спостереженнях відсутні результати за незначний час, постарайтеся заповнити їх хоча б приблизними данными.

Якщо ваше базова лінія відповідає всім чотирьом вищезгаданим вимогам, те в вас значно більше скласти точний прогноз.

Прогнозы із застосуванням методу ковзаючого среднего.

Метод ковзаючого середнього застосовувати досить нескладно, але він занадто простий до створення точного прогнозу. З використанням цього прогноз будь-якого періоду є нічим іншим, як отримання середнього показника кількох результатів спостережень тимчасового низки. Наприклад, коли ви вибрали ковзне середнє три місяці, прогнозом на травень буде середнє показників за лютий, березень і квітень. Вибравши в ролі методу прогнозування ковзне середнє за чотири місяці, ви зможете оцінити травневий показник як середнє показників за січень, лютий, березень і апрель.

Обчислення з допомогою цього досить прості та досить точно відбивають зміни основних показників попереднього періоду. Іноді під час упорядкування прогнозу вони ефективніше, ніж методи, засновані на довгострокових спостереженнях. Наприклад, ви складаєте прогноз обсягу продажу що й добре освоєної вашим підприємством продукції, причому середній показник обсягу за останніх кілька років становить 1000 одиниць. Якщо ваше компанія планує значне скорочення штату торгових агентів, логічно припустити, що середньомісячний реалізацію скорочуватиметься, по крайнього заходу протягом кількох месяцев.

Якщо прогнозування обсягу продажу у майбутньому місяці ви скористаєтеся середнім значенням цього показника протягом останніх 24 місяці, то, мабуть, отримаєте результат, кілька завищений проти фактичним. Але якщо прогноз буде складено підставі даних лише упродовж трьох останні місяці, він набагато точніше відіб'є наслідки скорочення штату торгових агентів. У разі прогноз відставатиме за часом від фактичних результатів всього на один-два місяці, як і показано на рис. 9.

Зрозуміло, це тому, що з застосуванні ковзаючого середнього упродовж трьох останні місяці кожен із трьох показників (цей тимчасової період) відпо-відає третину значення прогнозу. При 24- місячному змінний середньому показники тих самих останніх місяців відповідають лише 1/24 частина значення прогноза.

Отже, що менше число результатів спостережень, виходячи з яких обчислено ковзне середнє, тим точніше воно відбиває зміни у рівні базової линии.

Приклад. Припустимо, ви — менеджер відділу обслуговування клієнтів фірми, що спеціалізується розробка програмного забезпечення. Днями ви отримали від позаштатній співробітниці сполучення електронної пошти, в якому вона сповістила вас, що у останнім часом їй постійно телефонують клієнти зі скаргами нові програми вашої фірми. Ви просите її зареєструвати все скарги, які у протягом всього два тижні й повідомити вам результати. Отриманий після закінчення цього часу звіт включає щоденне кількість дзвінків зі скаргами конкретний програмний продукт. Ці дані ви вводите у лист Ехсеl, розмістивши їх у осередках А1: А10, як показано на рис. 10. Щоб осягнути, може бути якась певна тенденція надходження скарг, ви створюєте з урахуванням середніх даних про отриманих дзвінках ковзне середнє (див. рис.10).

Ви вирішуєте скористатися триденним ковзним середнім. Чому триденний період? Відповідь це питання такий: ковзне середнє за менший період може відбити тенденцію, а й за триваліший період занадто згладить її. Однією з способів створення ковзаючого середнього в Ехсеl є пряме запровадження формули. Отже, щоб отримати триденну ковзне середнє кількості телефонних дзвінків, ви вводите:

= СРЗНАЧ (А1:А3).

в осередок В4, та був з допомогою кошти Автозаполнение копіюєте і вставляєте цієї формули в осередки В5: В10 (див. рис.10). У разі (і бачимо з малюнка) показник ковзаючого середнього справді має тенденцію до підвищення, тому поставте про тривожною ситуації керівництво відділу тестування продукції вашої компании.

Составление прогнозів з допомогою надбудов ковзаючого среднего.

Іншим способом застосування ковзаючого середнього є використання надбудови Пакет аналізу. Встановити цю надбудову можна наступним чином. 1. Виберіть команду Сервис-Надстройки. 2 З’явиться діалогове вікно Надбудови. Встановіть прапорець опції Пакет аналізу та клацніть на кнопці ОК. 3. За необхідності активізуйте робочий лист, у якому даних про вашої базової лінії. 4. У меню Сервіс ви знайдете нову команду Аналіз даних. Виберіть команду Сервис-Анализ даних. 5. З’явиться діалогове вікно Аналіз даних, у якому містяться все доступні функції аналізу даних. Із списку виберіть інструмент аналізу Ковзне середнє і клацніть на кнопці ОК. 6. З’явиться діалогове вікно Ковзне середнє. 7. У центрі Вхідний інтервал наберіть даних про вашої базової лінії або зазначте діапазон у робочому аркуші, посилання нього з’явиться у тому полі. 8. У центрі Інтервал введіть кількість місяців, які хочете включити в підрахунок ковзаючого середнього. 9. У центрі введення Вихідний інтервал введіть адресу осередки, з якою хочете розпочати вихід (або клацніть в цій осередку у робочому аркуші). 10. Клацніть на кнопці ОК.

Ехсеl виконує замість вас роботу з внесення значень в формулу для обчислення ковзаючого середнього. Значення ковзаючого середнього починаються зі значень #Н/Д, які дорівнюють значенням зазначеного вами інтервалу мінус один. Це потрібно через брак даних для обчислення середнього значення кількох перших результатів спостережень. На рис. 11 показаний результат обчислення ковзаючого середнього для даних, наведених на див. мал.9, з інтервалом в 3 периода.

Как виконати обчислення з допомогою ковзаючого середнього Ехсеl.

Зазвичай, прогноз із застосуванням ковзаючого середнього розглядається як прогноз на період, безпосередньо наступний за періодом спостереження. Наприклад, ви вычисляете ковзне середнє доходів від продажу за результатами трьох місяців і, і останні дані спостережень у базовій лінії включають результати на січень, лютий і березень. Середнє значення цих даних зазвичай вважаються ковзним середнім для квітня, тобто. першого місяця, безпосередньо наступного за результатами спостереження. Проте надбудова для обчислення ковзаючого середнього (лінія тренду) пов’язує прогноз з кінцевими результатами спостережень у конкретній середньому значенні. Порівняйте, наприклад, див. мал.9, у якому ковзне середнє отримано шляхом введення формул у робочий аркуш із рис. 11, складеним з допомогою надбудови для обчислення ковзаючого середнього. Зауважте, кожен показник ковзаючого середнього на рис. 11 зрушать на позицію проти див. мал.9. Це означає, що в прикладі прогнозом для третього періоду є значення 550, тобто. перше розрахований ковзне середнє. Нелогічно розглядати якесь число як прогнозу на період, на основі якої складався цей прогноз. У стандартної інтерпретації значення 550 є прогнозом не так на третій, але в четвертий місяць. Зручніше всього вводити формули вручну. Проте й інше рішення: якщо буде обчислено ковзне середнє, виділіть всі ці значення й сместите їх у один рядок аркуша вниз. Це приєднає прогнози саме до тих періодів, із якими пов’язані. Упорядкування прогнозів ковзаючого середнього з допомогою диаграмм Вы можете змінити форму подання, створивши графік, у якому дані базової лінії йдуть на здобуття права продемонструвати лінію тренду ковзаючого середнього. Однак цьому може виникнути проблема: на графіці не показані фактичні числові значення ковзаючого середнього. З іншого боку, він має іще одна недолік, про яке вже згадувалося раніше: прогноз створюється однією тимчасової період раніше. Причому цьому разі ви зможете виправити ситуацію, бо існує можливості змінити розташування лінії тренду графіка. Якщо такі недоліки вам дуже заважають, то можете обчислити ковзне середнє, виконавши такі кроки. 1. Виділіть дані своєї базової лінії. 2. Клацніть на кнопці Майстер діаграм, розташованої на стандартної панелі інструментів, або виберіть команду Вставка-Диаграмма-На новому аркуші. Якщо до вас більше подобається перший шлях, натисніть і відпускаючи правої кнопки миші, виділіть область, на робочому аркуші, у якій вам б хотілося б побачити графік. 3. У першому кроці роботи кошти Майстер діаграм перевірте правильність посилань на осередки базової лінії клацніть на кнопці Далі. 4. З другого краю кроці виберіть тип діаграми Графік і клацніть на кнопці Далі. 5. На третьому кроці виберіть вид графіка, до складу якого як лінії, і маркери, наприклад, вид 1, 4 чи 5. Клацніть на кнопці Далі. 6. На четвертому кроці встановіть перемикач У шпальтах опції Лави даних перебувають. Встановіть параметри опцій Вважати стлб. знаками осі x чи Вважати стор. знаками легенди. Клацніть на кнопці Далі. 7. На останньому кроці роботи майстра визначте назви діаграми і осей, і навіть необхідність відображення легенди у полях діалогового вікна. Клацніть на кнопці Готове. 8. Якщо вже ви вирішили вставити діаграму у робочий лист, клацніть з діаграми двічі, щоб відчинити їх для редагування. 9. Виділіть ряд даних діаграми, та був виберіть команду Вставка-Линия тренду. 10. У який з’явився діалоговому вікні Лінія тренду клацніть на корінці вкладки Тип. Виберіть лінію тренду Ковзне середнє, та був — необхідні періоди з допомогою лічильника Крапки. Період — на цю кількість спостережень, яке входить у будь-яке обчислення ковзаючого середнього. 11. Клацніть на кнопці ОК. Закінчивши виконання перелічених вище дій, ви не побачите на графіці лінію тренду ковзаючого середнього (разом із фактичними даними спостережень), як і показано на рис. 12. Перших кілька показників ковзаючого середнього відсутні за тією ж причини, через яку засіб Ковзне середнє повертає замість цих показників #Н/Д. Річ у тім, що ковзне середнє, у тому числі дані трьох попередніх спостережень, неспроможна бути обчислено до того часу, поки що не закінчено стеження третім періодом. Прогнозування про допомогою функцій регресії Ехсеl.

Просте ковзне середнє є швидким, але досить неточним способом виявлення спільних тенденцій тимчасового низки. Пересунути кордон оцінки на майбутнє по тимчасової осі можна з допомогою функції регресії Ехсеl. Кожен із методів регресії оцінює взаємозв'язок між фактичними даними спостережень та інші параметрами, що найчастіше є показниками того, коли було зроблено ці спостереження. Це може бути як числові значення кожного результату спостереження в часі ряду, і дата спостереження. Упорядкування лінійних прогнозів: функція ТЕНДЕНЦИЯ.

Використання функції робочого аркуша ТЕНДЕНЦІЯ — це найбільш найпростіший спосіб обчислення регресійного аналізу. Припустимо, результати спостережень внесені до осередки А1: А10, а дні місяця перебувають у осередках В1: В10, як у рис. 13. Виділіть осередки С1: С10 і введіть таку формулу, використовуючи формулу масиву: = ТЕНДЕНЦИЯ (А1:А10;В1:В10) й одержимо результат, показаний на рис. 13. Розглядаючи даний метод прогнозування, слід звернути особливу увагу до такі моменты.

. Кожен результат в осередках С1: С10 вийде з урахуванням одному й тому ж формули масиву, усередині якої «ховаються «складніше вираз. У разі формула має наступний вид:

Осередок С1: = 9,13 + 0,61*1.

Осередок С2: = 9,13 + 0,61*2.

Осередок С3: = 9,13 + 0,61*3.

. Значення 9,13 є довжину відрізка, отсекаемого на осі ординат лінією прогнозу, тобто. значення прогнозу в початковий момент.

Значення 0,61 одно кутовому коефіцієнта лінії прогнозу, інакше кажучи, значення прогнозу змінюються внаслідок змін дат проведення наблюдений.

. Оскільки всі значення прогнозу складаються з урахуванням одним і тієї ж показників відрізка, отсекаемого на осі ординат, і кутового коефіцієнта, прогноз не відбиває що відбуваються змін в часі ряду. Наприклад, дані низки різко змінюються між восьмим (10) і дев’ятим результатами спостережень (16). Це зміна впливає все значення прогнозу, навіть значення прогнозу тимчасового відрізка (2), хоч і розташований шість результатів спостережень раніше, чому це зміна фактично произошло.

. У цьому прикладі функція ТЕНДЕНЦІЯ обчислює прогноз, заснований на зв’язок між фактичними результатами спостережень і числами 1 — 10, що потенційно можуть відбивати або перших десять днів місяці, або перших 10 місяців року. Ехсеl висловлює перший аргумент як аргумент відомі значения-у функції ТЕНДЕНЦІЯ, а другий — як аргумент функції известные-значения-х.

Вже згадувалося, що регресивний аналіз дає можливості виробляти перспективну оцінку більш віддаленого майбутнього. Проте регресивний прогноз, приклад якого наведено на рис. 13, поширюється межі даних останнього фактичного спостереження. Але практично бажано скласти прогноз хоча на перший, наступний для цього, період тимчасового низки (тобто. мали на той, котрій ще немає результатів спостереження). Далі описується, як це можна зробити з допомогою функції ТЕНДЕНЦИЯ.

Застосовуючи дані робочого аркуша, надані рис. 13, введемо в осередок В11 число 11, а осередок С11 — следующее:

= ТЕНДЕНЦИЯ (А1:А10;В1:В10;В11).

На рис. 14 продемонстровані згадані вище дії. Перший аргумент — А1: А10 — визначає дані спостережень базової лінії (известные-значения-у); другий аргумент — В1: В10 — визначає тимчасові моменти, у яких ці дані отримано (известные-значения-х). Значення 11 в осередку В11 є новым-значением-х яких і визначає час, яке пов’язують із перспективної оценкой.

Формула фактично говорить про наступному: «Якщо відомо, як узначення діапазоні А1: А10 співвідносні з х-значениями буде в діапазоні В1: В10, то який результат у-значения ми матимемо, знаючи нове х-значение тимчасового моменту, однакову 11? ». Отримане значення 15,87 є прогнозом з урахуванням фактичних даних на поки що не нинішній одинадцятий тимчасової відлік. З іншого боку, є можливість одночасного прогнозування даних для кількох нових тимчасових моментів. Наприклад, введіть числа 11 — 24 в осередки В11: В24, та був виділіть осередки С11: С24 і введіть з допомогою формули масиву следующее:

= ТЕНДЕНЦИЯ (А1:А10;В1:В10;В11:В24).

Ехсеl поверне в осередки С11: С24 прогноз на тимчасові моменти з 11 по 24. Цей прогноз базуватиметься на зв’язок між даними спостережень базової лінії діапазону А1: А10 і тимчасовими моментами базової лінії із першого по 10, зазначеними в осередках В1: В10.

Составление нелінійного прогнозу: функція РОСТ.

Функція ТЕНДЕНЦІЯ обчислює прогнози, засновані на лінійної зв’язок між результатом спостереження та часом, у якому це спостереження було зафіксовано. Припустимо, що ви складаєте лінійний графік даних, на вертикальної осі якого відзначаєте результати спостережень, але в горизонтальній фіксуєте тимчасові моменти їх отримання. Якщо це взаємозв'язок носить лінійний характер, то лінія на графіці або прямий, або злегка нахиленій до однієї чи інший бік, або горизонтальній. Це і буде кращою підказкою у тому, що взаємозв'язок є лінійної, і у тому випадку функція ТЕНДЕНЦІЯ — найзручніший спосіб регресивного аналізу. Проте, якщо лінія різко вигинається у одному з напрямів, це означає, що взаємозв'язок показників носить нелінійний характер. Існує велика кількість типів даних, які змінюються у часі нелінійним способом. Деякими прикладами таких даних є обсяг продажів нову продукцію, приріст населення, платежі з основного кредиту і коефіцієнт удільної прибутку. Що стосується нелінійної взаємозв'язку функція Ехсеl ЗРОСТАННЯ допоможе вам отримати точну картину напрями розвитку вашого бізнесу, аніж за використанні функції ТЕНДЕНЦИЯ.

Приклад. Уявімо, що менеджер з закупок відділу «Книгою-поштою «недавно розіслав клієнтам новий каталог, рекламирующий роман, який одержав дуже гарну оцінку критиків. Менеджер вважає, що можна заздалегідь замовити додаткову кількість примірників, ніж приєднатися до ситуації, коли книга закінчиться раніше, ніж перестануть приходити заявки її у, менеджер почав відстежувати щоденні замовлення роман, і реєструвати обсяги продажів, як і показано на рис. 15. На рис. 15 демонструється, як фактичні і прогнозовані дані фіксуються в стандартному лінійному графіці. Оскільки лінія наявних товарів різко вигинається вгору, менеджер приймає рішення скласти прогноз з допомогою функції ЗРОСТАННЯ. І за використанні функції ТЕНДЕНЦІЯ, користувач у разі може генерувати прогнози, просто підставляючи новые-значения-х. Щоб спрогнозувати результати 11 — 13 тижнів, слід також запровадити ці вересня осередки В12: В14, та був з допомогою формули масиву в діапазон осередків С2: С14 запровадити таке: = РОСТ (А2:А11;В2:В11;В2:В14) У осередках С12: С14 наведено значення попередньої оцінки кількості замовлень, що може очікувати менеджер у наступні через три тижні при умови, що поточна тенденція до зростання залишиться незмінною. Проте слід враховувати, що така оптимістичний прогноз практично, мабуть, зазнає певні зміни щодо. Якщо за обчисленні прогнозу кількість планованих замовлень перевищить кількість клієнтів, від цього, швидше за все, слід просто відмовитися. Хіба було б, щоб у вищенаведеному прикладі замість функції ЗРОСТАННЯ використовувалася функція ТЕНДЕНЦІЯ? І тут, оскільки аргумент известные-значения-х носить лінійний характер, функція ТЕНДЕНЦІЯ видасть лінійні значення. З рис. 16 видно, що кілька ТЕНДЕНЦІЯ в стовпці З описує пряму графіка; крива ЗРОСТАННЯ набагато точніше відбиває тенденцію перших десяти результатів спостережень, ніж лінія ТЕНДЕНЦІЯ. І все-таки у функції ЗРОСТАННЯ немає абсолютно нічого магічного — просто вона є дуже зручним способом отримання специфічних логарифмічних результатів. Натуральний логарифм не описує всіх нелінійних рядів — він може спрогнозувати квадратичний тренд і навіть кубічний. У цих випадках варто частіше вдаватися по допомогу функції ТЕНДЕНЦІЯ, оскільки за цьому забезпечується найкращий контроль над вашими прогнозами. Регресивний аналіз з допомогою диаграмм.

Іноді з’являється необхідність провести регресивний аналіз безпосередньо на графіці, без запровадження робочий лист значень для прогнозу. Це можна зробити з допомогою графічної лінії тренду методом, у що свідчить подібним з методом отримання прогнозу із застосуванням ковзаючого середнього з урахуванням графіка. Побудуйте діаграму з урахуванням даних, які у осередках А2: А25 (рис.17). Двічі клацнувши мишею з діаграми, одержимо можливість редагувати. Щелкнем ряд потрібних даних щодо його вибору. Після цього виконаємо такі шаги.

1. Виберемо команду Вставка-Линия тренда.

2. Виберемо тип лінії тренду Линейная.

3. Щелкнем на корінці вкладки Параметри. 4. У центрі Уперед на введемо кількість бажаних періодів, протягом яких лінія тренду буде прокладено вперед. 5. За бажання, можемо встановити прапорець опції Показувати рівняння з діаграми. Через війну рівняння для прогнозу розміститься на графіці як тексту. Ехсеl може розмістити рівняння в такий спосіб, що його перекриє деякі дані графіка чи лінії тренду (або, частково, саме рівняння). І тут виділіть рівняння, клацнувши у ньому мишею, та був перетягнете їх у інше, зручніше місце. б. Щелкнем на кнопці ОК. На відміну від лінії тренду Ковзне середнє, з допомогою лінії тренду Лінійна можна повернути значення прогнозу і, якщо спеціально зазначено, показати їх у диаграмме.

Прогнозирование з допомогою функції експоненційного сглаживания.

Згладжування — це спосіб, який би швидко реагувати прогнозу на усі події, які у протягом періоду протяжності базової лінії. Методи, засновані на регресії, такі як функції ТЕНДЕНЦІЯ і ЗРОСТАННЯ, застосовують всім точкам прогнозу одну таку ж формулу. Через це досягнення швидкої реакцію зрушення в рівні базової лінії значно не може. Згладжування є найпростіший спосіб обійти цю проблему.

Разработка перспективних оцінок із застосуванням методу сглаживания.

Основна ідея застосування методу згладжування у тому, кожен новий прогноз виходить у вигляді переміщення попереднього прогнозу в напрямі, яка дала кращі результати порівняно з старим прогнозом. Базове рівняння має такий вигляд: F[t+1] = F[t] + а x е[t],. t- тимчасової період (наприклад, 1-ї місяць, 2-ї місяць і т.д.);

. F[t] - це прогноз, зроблений час t; F[t+1] відбиває прогноз в тимчасовій період, наступний безпосередньо за моментом часу t;

. + а — константа сглаживания;

. + е[t] - похибка, тобто. різницю між прогнозом, зробленою в останній момент часу t, і фактичними результатами спостережень в останній момент часу t. Отже, константа згладжування є самокорректирующейся величиною. Інакше кажучи, кожен новий прогноз є сумою попереднього прогнозу і поправкового коефіцієнта, що й пересуває новий прогноз у бік, робить попередній результат більш точным.

Использование кошти Експоненціальне сглаживание.

Методи прогнозування під назвою «згладжування «враховують ефекти викиду функції набагато краще, ніж способи, використовують регресивний аналіз. Ехсеl безпосередньо підтримує одне із таких методів з допомогою кошти Експоненціальне згладжування в надбудові Пакет анализа.

З допомогою кошти Експоненціальне згладжування можна створити прогнози, аналогічні наведених малюнку 18. Для обчислення кожного прогнозу Ехсеl використовує окрему, але алгебраїчно еквівалентну формулу. Обидва компонента — дані попереднього спостереження та попередній прогноз — кожного прогнозу множаться на коефіцієнт, відображає внесок даного компонента в поточний прогноз. Активізувати засіб Експоненціальне згладжування можна, обравши команду Сервис-Анализ даних після завантаження надбудови Пакет аналізу. Приклад. Уявімо, що ви керуєте агентством по прокату автомобілів, розміщеним у районі Скалистых гір. Із наближенням зими ви починаєте відстежувати надходження заявок клієнтів на транспорт, обладнаний багажниками для перевезення лиж. За кілька днів після проведення досліджень, у вашої місцевості випадає дуже багато снігу як і і чи слід очікувати, кількість вищезгаданих заявок різко зросла. Отже, на десятий день спостереження ви повинні дізнатися, скільки автомобілів, обладнаних багажником для лиж, необхідно приготувати, щоб надалі повністю задовольнити попит у одинадцятий день. Відповідно до цього сглаженному прогнозу, задоволення потреб клієнтів на одинадцятий день необхідно мати 16 чи 17 автомобілів з багажниками для лиж. Оцінка відбиває як загальний рівень даних базової лінії, і збільшення кількості заявок, те що восьмій день спостережень. Фактичне число до одинадцятий день може впасти на кілька одиниць на результаті величезної кількості причин, починаючи з зміни погодних умов і до підвищенням ціни на всі авіаквитки. Прогноз з допомогою згладжування дозволяє найвигідніше збалансувати «наплив «заявок із середнім показником кількості до протягом всього десятиденного періоду. Слід звернути увагу, що, відбиваючи підвищення на базової лінії, те що восьмій день, значення прогнозу на дев’ятий день також (див. рис.19). Чим менший чинник загасання, тим точніше відбиває прогноз останні дані спостережень, чим більше, — то відставання прогнозу від цих коштів даних. Хороші результати виходять тоді, коли останні результати спостережень відбивають довільні (випадкові) явища, що довго не змінюють рівня тимчасового ряда.

Выбор константи сглаживания.

Слід уникати використання параметра Чинник загасання, який менше значення 0,7. Якщо складається враження, що з більшому значенні константи згладжування засіб Експоненціальне згладжування діє набагато краще, то, найімовірніше, це завдяки високому рівню автокорреляции в часі ряду. Автокорреляция є дуже важливим параметром процесу прогнозування. Він зокрема у тому випадку, коли є залежність між даними спостережень, одержаними у певний час, та даними спостережень, отриманими сталася на кілька тимчасових періодів раніше. Наприклад, коли ви об'єднаєте кожен результат спостереження результат, безпосередньо попереднім йому, то зможете обчислити кореляцію між двома наборами даних. Значення кореляції, яке, скажімо, незгірш від 0,5, означає високий рівень автокорреляции в часі ряду. Визначення рівня качества.

Як відомо, одне із шляхів збільшення доходу полягає у підвищенні якості продукції. Якщо товари мають однакові споживчі характеристики, але них зроблено відомої фірмою, покупаемость таких товарів перевищить, ніж товарів, виготовлених менш відомими компаніями. Звісно ж, що у продукцію високої якості надходить менше скарг споживачів, менше заявок про безкоштовному сервісному обслуговуванні і гарантійному ремонті. При низьку якість продукції знижується рівень дохідності, і цього — зменшується прибуток. Неможливо заперечити і те що, що справжній рівень обслуговування покупців також надає значний вплив на коефіцієнт прибутку. Якщо співробітники відділу обслуговування клієнтів занадто чимало часу приділяють одному покупцю, це, що інші клієнти тимчасово обійдені увагою й, можливо, вже планують купівлю в іншого продавця. Якщо рахунок-фактура складено недбало чи неправильно, це звичайно призводить до затримки грошових надходжень; якщо відділ сервісного обслуговування замовляє непотрібні запчастини, це незмінно призведе до збільшення поточних витрат. З іншого боку, якщо якість закуповуваного сировини занадто високо, те й собівартість продукції, швидше за все, буде також надто висока. Цими процесами можна управляти з допомогою Ехсеl. Єдине, що з цього ще знадобиться, — база данных.

Применение статистичного методу управления.

У основі БМУ (статистичного методу управління — statistical process control) покладено ідея, зміст якої полягає у цьому, що протягом певного періоду часу можна виконувати спостереження, знімати свідчення і з урахуванням даних визначати, не вийшов цей процес з-під контролю. До таких спостереженням ставляться такі показники.. Кількість бракованих одиниць продукції, виявлених протягом всього виробничого циклу. Середнє кількість шлюбу партії готової продукції.. Середнє кількість запасними частинами виробленого вироби, які мають відповідати специфіці та санітарним вимогам стандартів. Середнє кількість помилок в счете-фактуре.. Середнє час, протягом якого клієнти очікують обслуговування. Середня пропускну здатність комп’ютерну мережу вашого предприятия.

Ключові фрази: протягом визначеного періоду часу, середній, вихід з-під контролю. Фраза протягом визначеного періоду часу означає, що БМУ грунтується на повторюваному процесі, під час якого показники фіксуються регулярно — щотижня, щодня, погодинно тощо. Вибір частоти процесу спостереження залежить від цього, наскільки точно ви бажаєте їм управляти. Якщо цей процес є статичною і дуже важливий на шляху успішної діяльності вашого підприємства, ви, швидше за все, зупиніть свій вибір на почасовом фіксування даних. Наприклад, якщо компанія виробляє керамічну плитку, то колір глазурі коли продукції з печі для випалу є дуже важливим параметром клієнтам. Термін середній означає, що БМУ найчастіше залежить від вибіркового контролю кількох одиниць продукції будь-який час. Припустимо, вам закортіло перевірити рахунків-фактури, які підготовляє відділ рахунків дебіторів, на наявність помилок. Перевірка кожного документа було б тривалим і дорогим заходом; але водночас, перевіряючи, скажімо, за одним счетуфактуре щодня, ви, швидше за все, не отримаєте більш-менш точного результату. У разі БМУ передбачає довільну контрольну перевірку, а оцінки процесу за певний період використовується середній показник цієї перевірки. Можна, наприклад, виробляти контрольну перевірку п’яти рахунків-фактур сонячного дня і використовуватиме розрахунків середня кількість помилок, виявлені у ході цієї перевірки. Можна ще виконувати 100-відсоткову контрольну перевірку. І тут вам доведеться перевіряти кожен елемент процесу, наприклад, здійснити тестування виробничий цикл кожної одиниці виробленої продукції після закінчення складання виробу. Вихід з-під контролю означає, що БМУ оперує інформацією як про середній рівень процесу, в тому числі про її здібності змінюватися. Припустимо, ви — начальник відділу обслуговування клієнтів компанії, що надає фінансові послуги, і 20 співробітників вашого відділу займаються прийомом замовлень клієнтів телефоном. Ви організовуєте перевірку тривалості шістнадцяти телефонних розмов щодня, в результаті якої дізнаєтеся, що сьогодні середня тривалість розмови становить дві хв 20 з. Час (140 з), затрачуване на середній телефонна розмова, представляється вам цілком прийнятним показником до того часу, поки ви помітите, що 12 розмов тривають менше 20 хвилин, а решта чотири їх — більше 6 хв кожен. Мабуть, ви захочете спокійнішої з’ясувати причину такого розбіжності тривалості розмов. (Не особисті це дзвінки? Чи, можливо службовець змушує чекати клієнта, поки сам розшукує дані, що має мати б під руками?) Зауважте, що закон про вищезгаданому розбіжності в тривалості розмов ви змогли б упізнати, якби отримали лише середній показник цього значения.

Использование xі s-диаграмм.

Щоб уявити дані в наочної формі, в статистичному методі управління звично використовуються діаграми (рис. 20,21). Діаграми статичного процесу бувають два види: одні відбивають середні показники процесу (х-диаграммы), інші - стандартне відхилення (s-диаграммы). Стандартне відхилення (standart deviation) — це міра варіації окремих показників щодо середнього показника. Стандартне відхилення аналогічно поняттю діапазону між максимальним і мінімальним значеннями, однак має гнучкіші характеристики: діапазон вказує лише відмінність між максимальним і мінімальним результатами спостережень, а стандартне відхилення враховує геть усе результати спостережень щодо мінливості групи показателей.

На горизонтальній осі обох діаграм відкладається період (годину, день, тиждень), протягом якого було проведено конкретний завмер результатів. На вертикальної осі хдиаграммы фіксуються середні значення вибіркових вимірів в конкретний час, але в вертикальної осі p. sдіаграм — показники стандартного відхилення контрольного виміру, зроблений у нагальні моменти часу. Ці діаграми називаються xі з-диаграммами оскільки у статистиці x символізує середнього значення, а p. s — символом стандартного відхилення. На рис. 22,23 до показників, наведених на рис. 20,21, додано три додаткові характеристики. На діаграми, зображені на рис. 22,23, завдані три лінії, дозволяють зрозуміти що відбувається процес. Ці горизонтальні лінії називаються верхнім контрольним межею (ВКП), центральної лінією (ЦЛ) і нижнім контрольним межею (НКП). З допомогою даних ліній можна простежити такі зависимости.

Якщо дуже велике кількість експериментальних точок перебувають вище ВКП (або нижчий НКП), це, що з процесом відбувається что—то недобре. Якщо ряд експериментальних точок перебуває між ЦЛ і ВКП (або ЦЛ і. НКП), це теж означає, що вимагає втручання. Якщо ряд експериментальних точок має тенденцію підвищення до ВКП, слід дійти невтішного висновку, що перебіг процесу утруднено. Ви, звісно, розумієте, наскільки корисною може бути ця інформація. Вона вказує як на ймовірність виходу процесу з-під контролю, а й у то що саме момент це почалося. З допомогою діаграм можна визначити причину проблеми: можливо, зміна параметрів процесу відбувається щоразу за зміни штату (наприклад, при перезміні). Причиною він може служити перехід на зимовий період (чи назад), у якому службовці протягом днів звикають до нового режиму роботи. Поява певних проблем пов’язана з зниженням температури довкілля, у результаті опалювальна система вашого підприємства починає працювати інтенсивніше, що зумовлює потрапляння великої кількості пилу на чутлива виробниче устаткування. Але якщо ви відомо про існування певної проблеми, і навіть час виникнення, це може допомогти виявити причину її. Параметр ЦЛ є подвійним середнім значенням. У х-диаграммах кожна точка представляє конкретний день, а середнє цієї точки визначається з урахуванням всіх даних спостережень, що у цей день. Середні значення всі дні потім застосовуються для обчислення загального середнього — і є ЦЛ х-диаграммы. ЦЛ для з-диаграмм будується настільки ж чином, крім те, що обчислення починаються зі стандартного відхилення на день, та був визначається середнє всіх таких показників. Зафіксувати негативні значення розглянутих вище параметрів при реальних спостереженнях неможливо, але у процесі обчислень з допомогою БМУ можуть з’явитися негативні значення НКП. У деяких довідниках пропонується негативні НКП заміняти нульовими значеннями. Щоб було зрозуміло, що ВКП і НКП рівновіддаленими від ЦЛ, на діаграмах, які у даної главі, допускається негативного значення НКП. Через війну використання методу стандартного відхилення виявили, що за відсутності будь-яких нетипових ситуацій в крупносерийном виробництві менше трьох десятих один відсоток середніх денних значень вимірюваних показників (0,003) вище ВКП і від НКП. Тому, якщо виробничий процес відбувається у звичайному режимі, ви припускаєте, лише одна результат спостережень з 300 виходитиме за контрольні межі. Якщо кількість цих результатів більше, то є всі підстави припустити, що нормальний перебіг процесу порушений. Зазвичай роблять висновок, що ці спостережень, котрі виступають поза контрольні межі, є незадовільними, т.к. сталість — найбільш прийнятна характеристика процесу. Проте, ширшому плані такі результати свідчить про порушенні ходу процесу. Наприклад, ви виявили з діаграми, що перший результат спостережень нижче нижнього контрольного краю. Це означає, що ступінь мінливості окремих даних спостережень, вирощених народних обранців, дуже низька. Чи погано це? Саме це питання важко відповісти, оскільки залежить від характеру процесу. Его може, наприклад, означати, які відбулися якісь зміни у методиці фіксування даних спостережень. Це може також означати, що дані спостережень було зафіксовано однією устаткуванні (або одним фахівцем), тоді як інші вибірки були взяті з результатів спостережень, вироблених з допомогою інших компонентів процесу. З іншого боку, це може бути одна з 300 випадків, який випадково вийшов за контрольні межі. Який була причина, таких результати спостережень слід особливо звернути увагу. Приклад. Припустимо, ваша компанія виробляє гнучкі диски, а ви займаєтеся контролем ємності запоминающего устрою — дискет. Щодня виробляється дуже багато одиниць продукції, і перевірка всіх дискет практично неможлива. Тому ви вирішуєте тестувати довільну вибірку (наприклад, вісім дискет) з щоденної партії виробів. Ви вимірюєте ємність дискет в байтах і цього десятиденних спостережень отримуєте результати, наведені на рис. 24,25. На рис. 24,25 усе виглядає чудово: всі крапки над обох діаграмах розташовані між ВКП і НКП, немає серйозних відхилень від центральної лінії, і по ймовірності, у даних що немає ніякої небезпечну тенденцію. Тепер припустимо, що діаграми БМУ такі, як показано на рис. 26,27. Середній показник ємності дискет, вироблених 26/10/94, перебуває нижчий за рівень НКП х-диаграммы (рис. 26,27), а стандартне відхилення для показателя. емкости дискет цей самий момент на s-диаграмме — набагато вища ВКП. Ці дві точки називаються різко отклоняющимися значеннями, оскільки лежать поза контрольних значень діаграм. Що таке означає вам? Бо у точці 26/10/94 середнє ємності дискет понизилося, логічно буде припустити, що одне (чи кілька дискет) на той час має відносно невелику ємність. Показник стандартного відхилення той самий час щодо високий, оскільки ємність по меншою мірою однієї дискети значно розминається з отриманим показником середньої щоденної ємності. Причини таких значень можуть полягати у следующем.

. Звичайний хід виробничого процесу у точці 26/10/94 було порушено.. Середній результат спостережень у точці 26/10/94 включав той самий одне із 300 показників, який випадково міг не надто відрізнятиметься від загальної середньої показника процесса.

Такі висновки, зроблені з урахуванням отриманих результатів, призводять до такого рішення — слід уважно перевірити виробничі умови 26/10/94. Дані спостережень, що були до створення діаграми на рис. 26,27 наведені у табл. 1. Слід зазначити, що четвертий результат в рядку 26/10/94 (виділений напівжирним шрифтом) значно менше інших даних спостережень, що призвело до зменшення середнього значення й до збільшення стандартного відхилення цього дня. Щоб краще дати раду ході виробничого процесу, необхідно розглядати і xі s-диаграммы (рис. 28,29). У разі на х-диаграмме немає нічого незвичного, проте стандартне відхилення у точці 26/10/94 набагато вища ВКП. Дані для рис. 28,29 наведені у табл. 2. Слід звернути увагу, що і шостий результати вимірів в рядку 26/10/94 (виділено напівжирним шрифтом) відповідно набагато нижчі й набагато вища середнього значення. У середньому показнику цього моменту два результату вимірів взаимоисключают одне одного, та заодно збільшують змінюваність. Змінюваність стає вищий за середній значення, збільшуючи заодно й показник стандартного відхилення цього дня. Саме ця є доказом те, що хід виробничого процесу був порушений, у результаті призвело до зниження показників ємності запоминающего устрою дискет. Отже, необхідно уважно досліджувати виробничий процес у вона. Навіть якщо його ні x-, ні s-диаграммы не містять різко отклоняющихся значень, ви все-таки виявите тенденцію, який вказує, що можна провести дослідження процесу (рис. 30,31). У разі зверніть увагу, що денний середнє ємності дискет поступово знижується. Цілком можливо, що це відбувається внаслідок погіршення операційних параметрів будь-якого приладу чи якості однієї з сировинних продуктів, задіяних у виробництві. Бажано використовувати однакову кількість спостережень при вибіркових перевірках, оскільки контрольні межі діаграм БМУ дуже чутливі і змінюються за зміни розмірів вибірки. У цьому визначити, перебуває чи процес під медичним наглядом, досить трудно.

Упорядкування р-диаграмм для дихотомий Иногда необхідно зробити загальніші виміру одиниці виробленої продукції, ніж вимір ємності запоминающего устрою гнучких дисків. Є багато характеристик, за наявності яких продукція вважатиметься неякісної. Наприклад, у разі гнучких дисків до них належить: виникнення дефектних кластерів при форматуванні дискет, «заедание «захисної засувки дискети та інших. Займаючись контролем якості рахунківфактур, який складають відділом рахунків дебіторів, вас це не цікавить, якою причини документ може бути акцептовано, вам лише треба зазначити, що не акцептовано. У разі виміру мають грунтуватися на принципі дихотомії, тобто. розподілі ознак на два класу, наприклад припустимий тоді як неприпустимим. (Є й інші терміни, застосовувані контролю якості: відповідний вимогам порівняно з невідповідним вимогам, і бракований тоді як небракованным.) Діаграма БМУ для подібного типу аналізу виходить з частці вибірки, яка невідповідає вимогам. Наприклад, коли ви виявили, що з 50-ти рахунківфактур вибірки 5 документів відповідають вимогам, частка невідповідності становитиме 0,1. Саме ця значення відзначається з діаграми. Такі діаграми аналогічні х-диаграммам і називаються р-диаграммами (від слова proportion- пропорція). Коли виміру засновані на дихотомії, аналога s-диаграмм немає, оскільки стандартне відхилення для дихотомії повною мірою представлено самої часткою вибірки й так: p. s = КОРЕНЬ (р*(1-р)), де р висловлює частку, а корінь — квадратний корінь. Наприклад, при частці, рівної 0,2, стандартне відхилення дорівнюватиме: КОРЕНЬ (0,2*(1−0,2)) = КОРЕНЬ (0,2*0,8) = КОРЕНЬ (0,16) = 0,4 Знаючи частку, можна автоматично обчислити стандартне відхилення. У цьому разі складаються лише р-диаграммы. У діаграмах подібного типу також є параметри ВКП, НКП і ЦЛ. У цьому разі ЦЛ — загальна середнє частки продукції, не відповідної вимогам процесу, аналогічно, як ЦЛ на х-диаграммах представляє собою загальну середню освіту процесу. Параметри ВКП і НКП грунтуються на загальної частці, не відповідної вимогам до процесу: вони представляють три показника стандартних відхилень над ЦЛ й під нею. Ці стандартні відхилення обчислюються з урахуванням частки, не відповідної вимогам, що ставляться до процесу, причому до уваги беруться й розміри вибірки. Наприклад, якщо загальна частка невідповідності становить 0,2, а розмір кожної вибірки — 50 одиниць, то ВКП матиме таке значення: О, 2 + 3* КОРЕНЬ ((0,2*(1−0,2)/50)) = 0,37 а НКП становитиме: 0,2 — 3* КОРЕНЬ ((0,2*(1−0,2/50)) = 0,03 Як для x-, так s-диаграмм необхідно наскільки можна зберігати розміри кожної вибірки постійними у тому, щоб НКП і ВКП мали постійні значення всім вибірок. Якщо ж це домогтися неможливо, це вони мають спеціальні формули, з допомогою яких можна перетворити параметри ВКП і НКП в константи. Більше докладну інформацію про такі перетвореннях можна знайти у книжках з статистичним методам управления.

Визначення розміру выборки.

Розмір контрольної вибірки для x-, p. sі р-диаграмм відіграє як точності середнього значення (чи частки), так віддаленості контрольних меж від центральної лінії. З даної погляду, ніж більше розмір вибірки, тим точніше результати. Проте, справедливо і те, чим більше узята контролю вибірка, тим більша вартість проведеного контролю за якістю. Це має велику значення під час проведення руйнівного тестування, внаслідок якого перевірені одиниці виробленої продукції стають непридатними для використання. Наприклад, ваша фірма виробляє автомобілі, й з перевірок якості є тестування протиударних характеристик передніх бамперів. Зрозуміло, що після такої перевірки продати машину буде дуже складно. Зупиніться такому розмірі вибірки, який принесе великого матеріальних збитків, і навіть буде досить великий щоб одержати найбільш точних результатів. Точної оцінки ви досягнете у разі, тоді як результаті отримаєте 50-відсоткову ймовірність виходу процесу зпід контролю. 50-відсоткова ймовірність може бути вам недостатньою, проте забувайте, що у вашому арсеналі існують різні змогу виявлення проблем. Наприклад, ви контролюєте процес погодинно. Якщо процес виходить з-під контролю, наприклад, в 10.15, ви виявите це у 11.00, 12.00, 13.00 тощо. У цьому можливість, що проблему залишиться непоміченою, наприклад, о 14-й, становитиме: 0,5×0,5×0,5×0,5 = 0,0625. Отже, у разі існує практично 94-процентная можливість, вихід процесу з-під контролю буде виявлено. У наведених вище прикладах розглядалися вибірки, які включають 8 контрольних вимірів для p. sі х-диаграмм і 50 — для р-диаграмм. У поєднанні зі стандартним відхиленням процесу ці розміри вибірок визначали значення параметрів ВКП і НКП. Цей процес відбувається так можна трактувати у порядку, тобто. розпочинати з визначення ВКП і НКП, з урахуванням чого і реально отримувати значення необхідного вам розміру вибірки. Інакше кажучи, ви можете одержати відповідь наступного року питання: «Яка вибірка необхідна, щоб параметр ВКП відповідав визначеними критеріями? «Припустимо, що це загальна частка невідповідності для цього процесу становить 0,1, а частка невідповідності, рівна 0,25, у разі є неприйнятною. Припустимо, ви мені хочете дізнатися збільшення частки невідповідності з 0,1 до 0,25 з 50процентной ймовірністю. Якщо середній показник невідповідності із процесу збільшується до 0,25, це може означати, що одне половина вибірки більше 0,25, а друга — менше. (Передбачається, що, шлюб розподіляється симетрично щодо середнього показника. Це є звичайною припущенням в статистичному методі управління.) І тут ви зможете знайти відхилення загалом значенні частки невідповідності процесу з 50-відсотковою ймовірністю, тобто. 50% результатів спостережень перевищуватимуть значення 0,25. Щоб зрівняти частку невідповідності, яку ви мені хочете знайти, слід встановити значення параметра ВКП лише на рівні трьох стандартних відхилень над ЦЛ. Діапазон змін частки невідповідності щоб виявити із заданої ймовірністю буде 0,25 — 0,1 = 0,15, з урахуванням чого можна скласти таке рівняння визначення розміру вибірки: 0,25 — 0,1 = 0,15 = 3* КОРЕНЬ ((0,1*(1−0,1)/N)) де N — розмір вибірки. Перетворивши це рівняння, отримуємо. N = (3/0,15)2*0,1*(1−0,1) N = 36 Загалом виде:

N=(s/d)2*р*(1-р) где d — розмір відхилення, що ви хотів би знайти, р — частка невідповідності, а p. s- кількість стандартних відхилень над й під ЦЛ для параметрів НКП і ВКП. У прикладі значення НКП і ВКП обчислюються на основі трьох стандартних відхилень над й під ЦЛ, середнє частки невідповідності процесу одно 0,1, а можливість виявлення зміни відхилення з 0,1 до 0,25 — 50%. За цих умов розмір кожної контрольної вибірки має складатися з 36 результатів спостережень, а формула у робочому аркуші Ехсеl прийме вид:

= (3/0,15)^2*0,1*0,9 Беручи значення показника ймовірності виявлення частки невідповідності 50%, в значною мірою спрощуєте рівняння, з урахуванням якого обчислюється необхідний розмір контрольної вибірки. Якщо ж ви захочете змінити відсоток ймовірності (наприклад, прийняти 80%), то, вам необхідно визначити (або припустити) модель розподілу шлюбу, зробити посилання теоретичне розподіл й доповнити рівняння умовою, які забезпечують збільшення можливості виявлення частки невідповідності на 30% (тобто. 80%-50%). За додаткової інформацією з цього питання звертайтеся до спеціальної літератури з статистичним методам анализа.

Проведение приймального статистичного контроля.

Приймальний статистичний контроль (acceptance sampling) забезпечує зниження вартості закуповуваних матеріалів. Він дає підстави знижувати витрати, що ви несете при повернення покупцем набутого товару внаслідок шлюбу. Звісно, вам нема охоти купувати матеріали або устаткування поганого якості і пропонувати клієнтам браковані товари. Проте, як покупці, так продавці великих партій продукції зазвичай вважають прийнятним припущення певну частку шлюбу партії товару. Виробництво будь-якого досить великого кількості товару (наприклад, партії телевізорів) не враховуючи певний відсоток шлюбу надзвичайно дорого. Щоб випускати продукцію без шлюбу, виробнику довелося б забезпечити 100-відсоткове тестування вироблену продукцію, оскільки незалежно від інший підхід існує ризик виявлення у Комуністичній партії хоча б однієї бракованою одиниці. По-перше, таке тестування в крупносерийном виробництві неможливо. По-друге, навіть нульової результат тестування неспроможна гарантувати повної відсутності шлюбу, і, в такий спосіб, виробник завжди нестиме безповоротні витрати за з шлюбом. Відомо, що основна мета виробництва залежить від отриманні доходу. Для покриття витрат, понесених задля досягнення повної відсутності шлюбу в вироблену продукцію, безсумнівно доведеться підвищити відпускну ціну. При цьому ви, як покупець, можете вирішити закуповувати товари десь у іншому місці. Проте, коли ви зажадаєте від нового продавця 100-відсоткової гарантії якості товару, йому задоволення ваших вимог зновудоведеться-таки підвищити ціни. Якщо ж ви, виступаючи у ролі покупця продукції, погоджуєтеся на наявність невеликого відсотка шлюбу що закуповується вами партії, то цілком зможете домовитися з постачальником про зниження ціни. Правило, сформульоване Адамом Смітом, таки у тому, що компромісне рішення досягається тоді, коли учасники виробничої діяльності діють у свої власні інтереси. Тепер на цю ситуацію з погляду виробника. Припустимо, що до контракту, укладеним вами (виробником) з клієнтом, вам дозволяється виробляти товари із певним відсотком шлюбу. У цьому випадку ви можете не тестувати партію повністю, а проводити лише вибіркове тестування. У цьому ви вправі розраховувати, що витрати, витрачені вами на тестування, значно скоротяться. З іншого боку, якщо ви випускати з відсотком шлюбу, відповідно до вимог клієнта, то знизяться витрати, пов’язані з поверненням бракованого товару. Це дозволить вам поступово знизити відпускну ціну продукції, що, в своє чергу, збереже ваших клієнтів — і призведе до зростання вашого доходу. Проте, при застосуванні методів статистичного контролю, пам’ятаймо, що мені присутній елемент ймовірності. Припустимо, що у укладеному з клієнтом контракті обмовляється щодо постачання вами партії товарів, що містить трохи більше 1% шлюбу. При тестуванні двадцяти одиниць продукції ви виявляєте лише бракований примірник. Наскільки точно отриманого результату може гарантувати, що «загальний відсоток шлюбу всієї партії товару становитиме трохи більше 1%? Якими повинні бути розміри контрольної вибірки? Коли слід зупинити тестування елементів вибірки, якщо бракованное виріб вже виявлено у цій выборке?

Упорядкування графіка кривою якості продукции.

Хід кривою якості продукції демонструє, як у практиці діє договір, укладений між покупцем і продавцем. Як приклад може бути крива, зображена на рис. 33. З допомогою цієї кривою можна визначити можливість, яка партія товару можна прийняти покупцем (вертикальна вісь) що за різних відсотках шлюбу (горизонтальна вісь). Зверніть увагу, що замість менше показник фактичного шлюбу, то більша можливість те, що партія вжито покупцем. Вигляд кривою якості продукції такими параметрами.

. Допустимий рівень якості (ДУК) (AQL-acceptable quality level) товарів постачальника. ДУК є максимальний відсоток шлюбу, який покупець готовий узяти як середнього показника процесса.

. Допустимий відсоток шлюбу партії товару (ДПБВПТ) (LTPD-lot tolerance perctnt defective) відбиває мінімальний рівень якості, який покупець готовий узяти у цій партії продукции.

. Ступінь ризику постачальника у тому, що покупець може відмовитися прийняти небракованную партію товару внаслідок помилки, допущених ході вибіркового контролю. Ступінь ризику постачальника (рис.

33) представлена відстанню між верхньої горизонтальній лінією и.

100процентной отметкой.

. Ступінь ризику покупця у тому, у результаті помилки, допущених ході вибіркового контролю, ним буде прийнята неякісна партія товару. Ця рівень ризику представлена на рис. 10.9 як нижньої горизонтальній линии.

Як покупець, і продавець можуть одержати різну інформацію про товарі з допомогою следующего.

. Крива якості продукции.

. Розмір вибірки, необхідний стримування ризику продавця та покупця на прийнятно низькому уровне.

. Максимальне кількість шлюбу вибірці, у якому партія не может.

. не пройти (цей показник зазвичай відзначається буквою С).

. Фактичний ризик постачальника і фактичний ризик покупця при конкретному розмірі вибірки і конкретному показнику С.

На рис. 34 зображено крива при показнику ДУК, рівному 1%, ДПБВПТ — 3%, ризик постачальника — 5% і ризик покупця — 10%. Верхня горизонтальна лінія відображає ризик продавця: відстань між цієї лінією і верхньої точкою вертикальної осі показує ступінь ймовірності відмови покупця від якісної партії товарів. Нижня горизонтальна лінія відображає ризик покупця: відстань між цієї горизонтальній лінією та нижньої точкою вертикальної осі показує ступінь ймовірності те, що покупцем можна прийняти неякісна партія товарів. У верхню частину рис. 34 наведено дані про необхідних розмірах контрольної вибірки (N), і максимальну кількість шлюбу вибірці, при якому може бути відкинута вся партія (З). Ця крива якості продукції зазначає, що необхідно зробити контрольну перевірку 390 одиниць продукції. Якщо під час тестування даного кількості примірників ви знайдете, наприклад, вісім бракованих одиниць товару, то тестування можна припинити і дійти невтішного висновку, що все партія товару містить занадто багато шлюбу. Ступінь кривизни кривою, зображеною на рис. 34, трохи більше ступеня кривизни кривою, показаної на рис. 33. Зазвичай, що більше розмір контрольної вибірки, то з більшою точністю можна визначити, чи є прийнятною яка цікавить вас партія товару. Порівняйте рис. 34 з рис. 35, в якому розмір вибірки трохи більше і, більше ступінь кривизни. Збільшення коефіцієнта фактичного шлюбу партії продукції з 2% до 3% (рис.34) супроводжується зниженням ймовірності приймання цієї партії з 48% до 10%. Збільшення коефіцієнта фактичного шлюбу з 2% до 3% (рис. 35) супроводжується зниженням ймовірності приймання партії з 95% до 10%. Тому, коли ви змінили значення ДУК (наприклад, з 0,01 на 0,02), це означає, що розмір контрольної вибірки також потрібен збільшити. Такі дії можуть призвести до значних змін інших, параметрів. Наприклад, на рис. 34 і 35 розмір вибірки у своїй збільшується з 390 до 2079. Значення ДПБВПТ також впливає на розмір необхідної контрольної вибірки. На рис. 36 зображено крива якості продукції, побудована на основі ж вихідних даних, як і крива на рис. 10.10, з винятком — замість значення ДПБВПТ, рівного 3%, використано значення ДПБВПТ, однакову 4%. Зміни ступеня ризику продавця та покупця надають незначне впливом геть розмір статистичної виборки. Результат, отриманий при зниженні ризику продавця з десятьма% до 5% наведено на рис. 37, а результат аналогічного зниження ризику покупця — на рис. 38. Зверніть увагу, що у всіх розглянутих раніше ситуаціях, щоб понизити рівень ризику, вам слід поліпшити результатів тестування. Якість результатів тестування можна підвищити з допомогою збільшення розміру вибірки. Це спричинить різке до того що, що крива стане більш крутий, а кривизна є наочним показником того, наскільки добре тестування визначить різницю між партіями, відповідними всім необхідним критеріям, і партіями, не відповідають їм. Що більший цей розмежування, то вище ступінь захищеності як покупця, і продавця. Цими кривими і підсумковими даними зручно користуватися під час переговорів між продавцем і покупцем. У ролі покупця ви, можливо, захочете кілька збільшити показник ДПБВПТ, щоб скоротити необхідний розмір контрольної вибірки. Це своє чергу, знизить витрати продавця на проведення тестування, що врешті-решт призведе до їх зниження вартості товару. Виступаючи у ролі продавця, ви можете прийняти не більше високий рівень ризику, та заодно якісна партія товару може не пройти внаслідок припущення помилки під час проведення вибіркового контролю. Прийнявши цей додатковий ризик, ви можете скоротити витрати на тестування і проведення вибіркового контроля.

Использование функцій робочого аркуша контролю качества.

Програма Ехсеl допоможе отримати відповіді багато запитань, які під час проведення контролю за якістю продукції. Аби вирішити цих питань дуже важливо не помилитися під час виборів статистичного інструментарію. З допомогою статистичного методу управління ви зможете вибрати необхідний інструментарій кожному за конкретного случая.

Вибірковий контроль елементів продукції кінцевої генеральної совокупности.

Раніше ми розглядали статистичний Метод управління і приймальний статистичний контроль в аспекті теоретично нескінченних генеральних сукупностей. Інакше кажучи, розмір генеральної сукупності товарів, вибраних упорядкування x-, p. sі р-диаграмм чи кривих якості продукції, ні обмежений. Коли ж ви робите вибірку з кінцевої генеральної сукупності, ситуація кілька змінюється. З генеральної сукупністю ви зазвичай маєте річ у тому разі, коли тестуванню підлягає лише конкретна група (наприклад, вироби певної партії продукції, торговий штат вашої компанії реакція клієнтів на останнє зниження ціни на всі вироблений товар). Якщо вибірка робиться з кінцевої генеральної сукупності, вона зазвичай виробляється без заміщення. Інакше кажучи, якщо хочете вибрати дві одиниці виробленої продукції, то виберіть спочатку одну, в потім — другу, не повертаючи у своїй першу до загального фонду. Припустимо, генеральна сукупність складається з десяти одиниць продукції. Можливість вибору ході контрольної перевірки будь-який одиниці становить 1/10, чи 10%. Якщо після перевірки примірник повертається у до загального фонду, ймовірність його повторного вибору також становитиме 10%. Якщо перевірену одиницю до загального фонду не повертають, то ймовірність довільного вибору другого примірника становитиме вже 1/9или 11%. Приклад. Припустимо, покупець замовив 200 кавових чашок з розписом, істотно відрізнялася від тієї, яку ви зазвичай застосовували. Ця партія товару надто відрізнятиметься від інших, тому дані 200 чашок становлять кінцеву генеральну сукупність. Відповідно до контракту допускається 5- відсотковий коефіцієнт шлюбу партії. Ви зробити вибірку розміром 20 чашок і забракувати всю партію, якщо більш ніж 5% вибірки знайдете неприпустимі вади в розписи. Інакше кажучи, ви забракуєте партію, якщо вибірка містить дві (чи більше) браковані одиниці. Яка ж можливість, і що якість всієї партії відповідатиме потрібним критеріям й утримувати свій не більше 5% шлюбу? Щоб це питання, скористайтеся функцією Ехсеl ГИПЕРГЕОМЕТ, використовуючи такі аргументы.

Кількість б у вибірці. У означеному нами разі, це аргумент дорівнюватиме 0 або 1, тобто. тій кількості чашок з вадами, за наявності що його вашої вибірці партія приймуть. Розмір вибірки. У нашому випадку цей аргумент дорівнює 20, тобто. кількості склянок на вибірці. Кількість б у генеральної сукупності. У разі цей аргумент дорівнюватиме 10. Коли ви перевіряли все 200 чашок, відповідно до прийнятому показнику прийнятного шлюбу (5%) кількість бракованих примірників на повинен перевищувати 5 одиниць. Розмір генеральної сукупності. У разі цей аргумент дорівнює 200, тобто. числу «особливих «чашок, що ви виготовили відповідно до контракту.

Функция ГИПЕРГЕОМЕТ повертає значення ймовірності, за умови існування певного розміру вибірки і генеральної сукупності, а також конкретного на успіх генеральної сукупності, ви дістанете точної кількості успіху. Отже, коли ви введете.

= ГИПРГЕОМЕТ (О;20;10;200) то Ехсеl поверне значення 0,34. Це означає, що за наявності 10 бракованих склянок на генеральної сукупності (200 одиниць) існує 34-процентная можливість виявлення чашок з дефектами в вибірці, що з 20 одиниць продукції. Щоб співаку визначити ступінь ймовірності виявлення однієї бракованою чашки у вашому вибірці, введіть = ГИПЕРГЕОМЕТ (1;20;10;200) і Ехсеl поверне значення 0,40. Це означає, що є 40-відсоткова можливість виявлення в вибірці лише однієї бракованою чашки. Разом ці дві ймовірності дадуть 74%. Отже, можливість, що в усій партії ви знайдете 10 бракованих чашок набагато вища (74%) ймовірності те, що цього станеться (100% - 74% = 26%).

Вибірковий контроль елементів продукції безкінечною генеральної совокупности.

Якщо вже ви справляєте контроль безкінечною генеральної сукупності, то вас цікавить значно більша група, ніж під час перевірки кінцевої генеральної сукупності, тобто. замість перевірки кінцевої партії продукції, вам необхідно провести тестування всього виробничого лінії. Перевіряючи, наприклад, новий формат рахунків-фактур, ви можете відчувати його використовують протягом тижня, перш ніж ухвалити остаточно. У разі під час здійснення вибіркового контролю точності заповнення рахівниць-фактур ви матимете працювати з кінцевої генеральної сукупністю. Якщо контроль точності заповнення цих документів виробляється у в робочому порядку, ви, швидше за все, будете розглядати цю вибірку, як зроблену з безкінечною генеральної совокупности.

Для складання звітів ймовірності про вибірках подібного типу скористайтеся функцією Ехсеl НОРМСТОБР. Приклад. Припустимо, ви займаєтеся прокатом відеокасет. Принаймні касети подивиться певною кількістю клієнтів, підвищення якості погіршується до рівня, що ви визнаєте її непридатною подальшого прокату. З іншого боку, деякі ваші клієнти мають погану апаратуру, що також значно скорочує термін експлуатації відеокасети. Припустимо, вам закортіло, що ні менш 85% відеозаписів, складових ваші товарно-матеріальні запаси, мали бути зацікавленими прийнятного якості. Кожна робочого дня ви маєте певне (кінцеве) кількість касет, але ваші товарно-матеріальні запаси можуть змінюватися внаслідок здобути нові і вилучення непридатних касет. Тож у цьому разі генеральна сукупність записів сприймається як бесконечная.

Тестування відеозаписів — процес дуже тривалий, і вам хотілося б, щоб розмір вибірки був менше. Грубий метод підрахунку, відмінно що спрацьовує при контроль знань, залежить від перевірці здобуття права обидва наведених нижче рівняння внаслідок дають більше 5: n*p і n*(р-1) де n — розмір вибірки, а р — ймовірність прийнятного елемента у генеральної сукупності. Якщо ваші записи відповідають певному вами критерію (тобто. 85% касет припустимого якості), ті значення р дорівнюватиме 0,85. Аби, як і n*р, і n*(р-1) більше 5, показник n (тобто. розмір контрольної вибірки) може бути незгірш від 43. Щоб полегшити обробку даних, зупиніться на 50.

Описаний вище грубий емпіричний метод обумовлений наявністю зв’язок між биномиальным і нормальним розподілом. Вибіркове розподіл двоичной перемінної (наприклад, бракованный/приемлемый) аналогічно нормальному розподілу, у якому значення й n*р, і n*(1-р) більше 5.

Під час перевірки довільно вибраних 50 примірників ви виявляєте, що троє фахівців з них — браковані, а 47 — прийнятні (тобто. 94% контрольної вибірки). Яка ж можливість, що, по крайнього заходу, 85% генеральної сукупності ваших відеозаписів виявляться прийнятними? Ви цього хочете прийняти правильне вирішення питань щодо бракованих примірників у генеральній сукупності відеозаписів з імовірністю 95% з урахуванням часу, протягом якого виробляється тестування вибірок. Наведена нижче формула Ехсеl повертає значення критерію, що ви хочете отримати із заданою ймовірністю (цей показник називається критичним значенням); = НОРМСТОБР (0,95) У разі Ехсеl повертає число 1,64. Це критичне значення має не менше перевірочною статистичної величини за умови, що ви прийняли правильне рішення. Щоб самому отримати перевірочну статистичну величину, підставте відповідні значення формулу Ехсеl: = (0,9−0,85)/КОРЕНЬ (0,15*0,85/50) й у відповіді отримаєте 1,78. Загалом вигляді ця формула виглядає наступним образом:

(х-р)/КОРЕНЬ (р*(р-1)/n) де x є відсоток, прийнятний в вибірці, р — гіпотетичний відсоток, прийнятний у генеральній сукупності, n — розмір вибірки, а знаменником служить стандартне відхилення від того показника р. Бо у тому випадку проверяемая статистична величина (1,78) перевершує критичне значення (1,64), то ваші товарно-матеріальні запаси відеозаписів прийнятні, по меншою мірою, на 85%.

Вибірковий контроль шлюбу елементах продукции.

Аби зробити висновок про кількість дефектів і розмежувати це поняття з кількістю бракованих одиниць, у часто зручно використовувати функцію Ехсеl ПУАССОН. Приклад. Припустимо, ви — менеджер відділу поставок великої фірми — виявили, що з останнім часом набагато збільшилася кількість скарг на невчасну доставку товарів — від постачальників. Перевіривши що з них, ви доходите висновку, що постачання затримувалися внаслідок наявності помилок у замовленнях про поставки (наприклад, через неправильне вказівки ціни за одиницю продукції, бажаної дати поставки, номерів моделей, і навіть неточних посилань на контракт тощо.). Ви вирішуєте досліджувати деяку вибірку замовлень про поставки, щоб визначити, чи справді загальний відсоток шлюбу кожному бланку настільки високий, щоб стати достатньої причиною для затримок у постачаннях. Далі ви вирішуєте, що замовлення поставку можна вважати прийнятним при загальному відсоток шлюбу, рівному 0,5. Інакше кажучи, якщо замовлення поставку товару типу, А бездоганний, а замовлення поставку товару типу У містить тільки один помилку, то у другому замовленні має міститися досить інформації у тому, щоб постачальник все-таки міг виконати замовлення, або виправити неправильне інформацію. Ви також обмежуєте ймовірність те, що середній відсоток дефекту замовлення становитиме другу дефекту кожного окремого замовлення до 5%. Потім ви досліджуєте все неточності в вибірці, що складається з десяти довільно вибраних замовлень про поставки, які у них, і виявляєте 12 випадків неправильної інформацією вибірці. Базуючись усім цих даних, чи варто вам продовжувати на те, що середня кількість помилок переважають у всіх ваших замовленнях про поставки становить 0,5? Відповісти це питання вам допоможе функція ПУАССОН. І тому введіть в осередок робочого аркуша следующее:

1-ПУАССОН (11;5;ИСТИНА) й третя функція поверне вам значення 0,005. Перший аргумент (11=12 — 1) є число виявлених вами неточностей мінус один. Другий аргумент (5) — на цю кількість помилок, яку ви розраховуєте знайти за десять замовленнях про поставки за умови, що середня кількість неточностей було 0,5. Третій аргумент, ІСТИНА, визначає форму возвращаемого розподілу Пуассона, тобто. суму ймовірності для нульового кількості неточностей в документах плюс ймовірність однієї неточності тощо. Раніше було вирішено, що можливість прийняття неправильного рішення становить 5%, чи 0,05. Оскільки число 0,005 значно менше ніж 0,05, ви відкидаєте припущення, що це постачання містять трохи більше 0,5 помилок у кожному. Вочевидь, що за даної ситуації слід зробити перевірку якості підготовки вашого персоналу роботи з нової системою, і навіть переконатися, що ця система працює правильно.

Укладання. Довгострокові тенденції світового господарського розвитку, відбивають конкретну середу функціонування сучасного социально-ориентированного ринку, дають уявлення про основні параметри, формах, закономірності розвитку цивілізованої ринкової економіки та про її механізмах. Ядром довгострокових тенденцій є розвиток НТР і їх у нове качество-информационную революцию (ИР) з середини 70-х гг. ХХ-го століття. До головним індикаторами інформаційної економіки ставляться:. стала вельми поширеною інформаційних технологій у матеріальному і нематеріальний виробництві, зокрема, освіти, охороні здоров’я, науці і т.ін.;. наявність розгалужених комунікаційних информсетей в національних героїв і міжнародних масштабах, включаючи системи супутниковому зв’язку, та відповідній мережі банків даних;. щодо вільна циркуляція інформації та її перетворення на головний чинник економічного развития.

Розвиток інформаційної компоненти економічного зростання, двигуном якої є виробництво і споживання різноманітної інформації, означає, що сукупне громадське час, затрачуване виробництво та споживання інформації, помітно довше, расходуемое на виробництво та обмін матеріальної продукцією. У умовах закономірно зростає третинний сектор, не бажаючи послуги дедалі більше набувають інформаційного характеру. Нова техніка з урахуванням мікропроцесорної революції ознаменувала наступ вищого етапу автоматизації виробництва. Якщо колись машина заміняла виробничі функції людини, нині настала чергу, його інтелекту. Це й дозволило вивести потенціал нових типів машин свої жорсткі межі, що створювали для та управління лімітовані можливості людини зі сприйняття і переробки інформації, виробленні і здійсненню необхідних рішень. У цьому курсової роботі розглянуті методи використання наявних даних упорядкування прогнозів майбутніх прибутків і витрат з урахуванням показника ступеня обсягу продажу. Це в нагоді з розробки планів фінансової складової діяльності і балансів компанії. Плани фінансової складової діяльності дозволяють досліджувати, який вплив можуть зробити зміни умов (або деяких аспектів прибутків і витрат) для операцій і прибуток підприємства. Поточний бюджет, допомагає планувати й управляти ними методами ведення бізнесу, полягає в планах фінансової складової діяльності. Бюджетом можна скористатися для розбивки операцій та фінансових коштів за значимим тимчасовим відрізкам, наприклад, місяців і кварталами. Це дає додаткову можливість передбачити, як изменения-запланированные або нав’язані обстоятельствами-могут зашкодити фінансову ситуацію підприємства. Основним аспектом від цього процесу є якість прогнозів. Процес прогнозування небезпечний і сповнений пасток. Аби зробити є або менш точного прогнозу, необхідна правильно складена і точна базова лінія даних. Необхідно вибрати найбільше підходить подход (с застосуванням ковзаючого середнього, регресії чи згладжування). Навіть якщо взяти здається, що це зроблено правильно, пам’ятаймо, що умови часто мають здатність несподівано змінюватися, перетворюючи так старанно складений прогноз наосліп здогад. Будь-який прогноз слід розглядати з часткою скептицизму. Чим ви з велику кількість змінних ви працюєте під час створення прогнозу, тим більше в вас шансів побачити майбутнє своєї фірми. Зміни у одному прогнозі можуть бути підказкою те, що інший прогноз він може змінитися. Крім того роботі описані різні способи побудови xі s-диаграмм для статистичного контролю та p-диаграмм контролю функціонування системою з допомогою Excel. Приклад ємності гнучких дисків, тривалості телефонних розмов, і навіть маржі прибутку продажів за день засвідчили, що xі s-диаграммы зручно використовуватиме змінних значень, а p-диаграммы застосовуються для таких параметрів, як відсоток бракованих одиниць продукції партії вироблених товарів або у формах який складають вами документів, які класифікуються за принципом бракованный/приемлемый. Описані діаграми контролю дозволяють оцінювати характеристики системи у часі. Також розглянуті криві якості продукції, вивчення яких дозволяє продавцю знизити ризик те, що вся партія поставлених товарів буде відкинута покупцем через невідповідність кількості бракованих виробів у статистичній контрольної вибірці висунутій якості партії, т.к. результат перевірки буде завищений. Будучи покупцем, можна використовувати криві якості продукції зниження ступеня ризику, що полягає у тому, що прийнята неякісна партія товару, оскільки кількість бракованих примірників у вибірці буде заниженим проти фактичними характеристиками всієї партії. Оцінки загального якості процесу з урахуванням статистичного вибіркового контролю можна проводити з допомогою наступних показників. Загальний відсоток бракованих одиниць на кінцевої генеральної сукупності. Це можна розцінювати з допомогою функції ГИПЕРГЕОМЕТ. Загальний відсоток бракованих одиниць на безкінечною генеральної сукупності. Для проведення такої аналізу потрібно скористатися функцією НОРМСТОБР. Загальний відсоток шлюбу, що міститься у одиниці продукції. Для визначення точності оцінки цей показник необхідно скористатися функцією ПУАССОН.