Řízení zásob ZÁSOBY JSOU IDENTIFIKÁTOREM NESCHOPNOSTI MANAGEMENTU FIRMU ŘÍDIT ZÁSOBY JSOU ZDROJEM VÍCENÁKLADŮ, ZTRÁT, NÍZKÉ EFEKTIVNOSTI KAPITÁLU

Rozměr: px
Začít zobrazení ze stránky:

Download "Řízení zásob ZÁSOBY JSOU IDENTIFIKÁTOREM NESCHOPNOSTI MANAGEMENTU FIRMU ŘÍDIT ZÁSOBY JSOU ZDROJEM VÍCENÁKLADŮ, ZTRÁT, NÍZKÉ EFEKTIVNOSTI KAPITÁLU"

Transkript

1 Řízení zásob ZÁSOBY JSOU IDENIFIKÁOREM NESCHOPNOSI MANAGEMENU FIRMU ŘÍDI ZÁSOBY JSOU ZDROJEM VÍCENÁKLADŮ, ZRÁ, NÍZKÉ EFEKIVNOSI KAPIÁLU GEOGRAFICKÁ FUNKCE ZÁSOB VYROVNÁVACÍ FUNKCE ZÁSOB ECHNOLOGICKÁ FUNKCE ZÁSOB SPEKULAIVNÍ FUNKCE ZÁSOB SÁNÍ HMONÉ REZERVY ÚZEMNÍ SPECIALIZACE, PŘIBLÍŽENÍ RHU, OPIMÁLNÍ LOKALIZACE KAPACI, VYROVNÁVÁNÍ KAPACINÍHO, ČASOVÉHO, NESOULADU MEZI VÝROBOU A SPOŘEBOU SKLADOVÁNÍ ZÁSOB SURVIN, POLOOVARŮ, VÝROBKŮ JAKO SOUČÁS ECHNOLOGIE VÝROBKU SPEKULAIVNÍ UDRŽOVÁNÍ ZÁSOB SURVIN, POLOOVARŮ, VÝROBKŮ SRAEGICKÉ ZÁSOBY PRO PŘÍPAD MIMOŘÁDNÝCH UDÁLOSÍ

2 Řízení zásob Funkce zásob POJISNÁ ZÁSOBA x p ECHNOLOGICKÁ ZÁSOBA x t BĚŽNÁ ZÁSOBA x b KONSANNÍ V ČASE, REZERVA PŘED NÁHODNÝMI VÝKYVY POPÁVKY, PORUCHAMI KONSANNÍ V ČASE, SKLADOVÁNÍ ZÁSOB SUROVIN, POLOOVARŮ, VÝROBKŮ PROMĚNNÁ V ČASE, ZÁVISLÁ NA ZPOŮSOBU POŘIZOVÁNÍ A ČERPÁNÍ ZÁSOB x t

3 Řízení zásob Klasifikace zásob v dodavatelském řetězci Zásoby SUROVIN, PALIV POLOOVARŮ, DÍLŮ, KOMPONEN HOOVÝCH VÝROBKŮ Interpretace Paretova pravidla na analýzu zásob Podle něho by mělo platit, že při analýze zásob zjistíme,že 80% zásob v peněžním vyjádření tvoří cca 0% skladovaných položek, 80% skladovaných položek dodává zhruba 0% dodavatelů 80% rychloobrátkových zásob tvoří zhruba 0% sladovaných položek atd.

4 Řízení zásob Členění zásob na bázi analýzy ABC Interpretace Paretova pravidla na analýzu zásob c.p. q c c.p. q c c.p. q c c.p. q c č.p. číslo položky q skladované množství jedn. c cena Kč/jedn.

5 Řízení zásob Členění zásob na bázi analýzy ABC (5) (4) (3) () (1) (5) (4) (3) () (1)

6 Řízení zásob Členění zásob na bázi analýzy ABC Podíl na stavu zásob % podíl počtu položek % Skladované položky je možno v naší ilustraci rozdělit na 3 skupiny: A, které představují 81% stavu zásob a kterých je pouze 13% z celkového počtu 38, konkrétně 5 položek 31, 3, 11, 8, a 5. B, tvořenou dalšími 3-13 = 19% položkami, jejichž stav zásob činí = 6%, konkrétně 6 položek 1,18,3,17,9,7, a, a konečně C, kde zůstalo zbývajících = 68% položek, které se podílejí na stavu zásob = 5%

7 Řízení zásob Členění zásob na bázi analýzy XYZ Členění zásob podle průběhu jejich spotřeby v čase PRŮBĚH SPOŘEBY V ČASE Pravidelná bez větších výkyvů PŘEDVÍDAELNOS SPOŘEBY Velmi dobrá předvídatelnost SKUPINA X Spotřeba s většími výkyvy Omezená předvídatelnost SKUPINA Y SKUPINA Z Velmi nepravidelná, sporadická.. Velmi obtížná předpověď???

8 Základní pojmy Lokalizace zásob v dodavatelském řetězci Zpětné toky Recyklační organizace Z Výrobce surovin Výrobce dílů Výrobce dílů Výrobce polotovarů, mont. skupin Výrobce polotovarů, mont. skupin Výrobce finálního výrobku Výrobce finálního výrobku Distribuční organizace Á K A Z N Í C Vertikální rozšíření I Výrobce dílů Výrobce finálního výrobku Horizontální rozšíření

9 Řízení zásob Náklady spojené s pořizováním a udržováním zásob NÁKLADY NA POŘÍZENÍ ZÁSOB NÁKLADY SPOJENÉ S UDRŽOVÁNÍM ZÁSOB ZRÁY Z NEDOSAKU ZÁSOB nákupem Zásoba je pořizována: Objednací, pořizovací náklady na: nákupní proces administrativu (objednávky ) náklady na dopravu kvalitativní a kvantitativní přejímku vlastní nákup zboží (při množstevních rabatech) vlastní výrobou Jednorázové náklady na: seřízení strojů, linek čistění aparátů administrativu (výrobní příkazy, operační listy ) ztráta zbytkového množství ned. výroby kontrolu kvality pojistné skladovaných položek ztráty vázáním kapitálu v zásobách skladovací náklady na vlastní sklad nájemné externích skladů ztráty z neprodejnosti výrobků skladovací ztráty (prošlé záruční lhůty) (rozprachem, vytěkáním..) Vícenáklady na dodatečnou objednávku, ztráta tržeb, zisku Prostoje, mimořádné směny náklady na změnu programu porušení plynulosti výroby

10 Řízení zásob Faktory působící na náklady spojené s existencí zásob Průměrná zásoba x za sledované období On line výpočet průměrné zásoby x x Výpočet průměrné zásoby z dílčích stavů zásob (inventury) x x = x + x + x x 1 x x 4 + x 3 + x 3 x x

11 Řízení zásob Faktory působící na náklady spojené s existencí zásob Průměrná zásoba x i působí na náklady N si spojené s udržováním zásoby i-té položky za sledované období N si = nsici xi = n si c i x i n si c si x i náklady spojené s udržováním zásob v % průměrné zásoby v Kč cena i-té položky v Kč/jedn. délka sledovaného období v časových jednotkách stav zásob v jedn./jedn.času Nákladová položka Skladovací náklady Úroková míra, výnosnost kapitálu Pojistné zásob Ztráty zpusobené znehodnocením zásob, zcizením Celkem Procent z prumerné zásoby Pramen materiály EU

12 Řízení zásob Faktory působící na náklady spojené s existencí zásob Počet dodávek (objednávek) o i působí na celkové pořizovací náklady N oi spojené s realizací dodávek i-té položky za sledované období N = n si oi o i n oi náklady spojené s realizací jedné dodávky v Kč/1 dodávku Pruzkum v Holandsku ukázal, že náklady na jednu objednávku se v EU pohybují mezi EUR, Dignum F.:E-commerce in production, Integrated Manufacturing Systems 13/5 (00 )page V ČR cca Kč na jednu objednávku Průměrné množství x zi i - té položky, které se nedostává za sledované období působí na celkové ztráty z nedostatku zásob N zi N = n si zi x zi n zi ztráty spojené s nedostatkem položky v Kč/jedn.,období

13 Řízení zásob vstup Zdroj: externí dodavatel vlastní výroba Způsob dodávek: po dávkách kontinuální Dodací lhůta: zanedbatelná konstantní náhodná Objednané množství: spojité nespojité Sklad výstup Poptávka: konstantní v čase proměnná v čase náhodná spojitá nespojitá

14 Řízení zásob Optimální velikost objednávky Na období potřebujeme S i = konst. jednotek i-té suroviny o ceně c i = konst. Q i spojitá proměnná Stanovit velikost objednávek Q i <= S i a dodací cykly tak, aby suma nákladů na udržování zásob N 1 a pořizovacích nákladů N byla minimální xi = Qi / Q i N t ci ( Qi + x N1 = nsiciqi / i = ciqi / i = Si Q N = nsisi / Qi i o / ) = N1 + N = noisi / Qi nsiciqi / i si Q i opt = Sin c n oi i opt N( Q ) = S n i si n oi c i t ci = ( S i / Q opt i ) = n Sn si ji c i

15 Řízení zásob Optimální velikost objednávky Na období potřebujeme S i = konst. jednotek i-té suroviny o ceně c i = konst. Q i nespojitá proměnná Q i = q, q, 3q Stanovit velikost objednávek Q i <= S i a dodací cykly tak, aby suma nákladů na udržování zásob N 1 a pořizovacích nákladů N byla minimální opt N( Q ) = Sn s n o c N( Q q) = n S /( Q q) + n c( Q q) / N( Q + q) = n S /( Q + q) + n c( Q q) / o s opt N( Q q) N( Q ) N( Q + q)) Sn j Q( Q q) Q( Q + q) cn s o s + q q 3q 4q 5q

16 Řízení zásob Optimální velikost objednávky Je-li termín vyřízení objednávky t vo >0, je nutné určit dolní objednací mez (signální stav zásob) x s. Jakmile dosáhne zásoba tuto hranici,, je třeba vystavit objednávku na dodávku stanovené velikosti Q. pro t vo < t c x s = st vo kde s = S/ pro t vo = t c V okamžiku příchodu objednávky objednat další pro t vo > t c x s je neceločíselný zbytek podílu s.t vo / Q Celá část podílu vyjadřuje kolik celých dodávek během t vo přijde a bude krýt poptávku Analýza citlivosti nákladů na změnu Q opt i Q i N( Q ) / N( 1 ) 1 opt Q i / Q i

17 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Stav zásob Problém kdy objednat a kolik? Počáteční stav zásob Jaké pravidlo zvolit, jakou řídící veličinu použít? Dvě možnosti: Dosažený stav zásob Dosažený časový okamžik Čas

18 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Základní požadavky na vstupní informace Charakteristiky poptávky po skladované položce: p náhodná poptávka za časový interval dt p odhad průměrné poptávky za časový interval dt s p odhad rozptylu poptávky f(p) odhad tvaru funkce hustoty pravděpodobnosti poptávky t p termín vyřízení objednávky dodavatelem Nákladové údaje: n j jednorázové náklady v Kč/1 objednávku n s náklady na udržování zásob v % průměrné zásoby v Kč n z ztráty z předčasného vyčerpání zásoby v Kč/jednotku nedodaného zboží x on line stav zásoby položky na skladě

19 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém Systémy s pevnou velikostí doplňovací objednávky a proměnným objednacím termínem Signální stav zásob - Dolní objednací mez x s Jakmile stav zásob x klesne pod x s, je třeba objednat Signální stav zásob musí pokrýt náhodné výkyvy v poptávce a spotřebu po dobu průměrného termínu pořízení objednávky

20 x Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém t c Dodací cyklus Q x d 1.objednávka t p.objednávka t p.dodávka 1.dodávka Čas

21 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém Metody stanovení základních řídících veličin: A. Jednoduchý odhad: 1. Určíme velikost objednávky podle vztahu nebo jinou metodou. Určíme velikost pojistné zásoby podle vztahu 3. Určíme dolní objednací mez podle vztahu Q = S. n. n x p = σ p x s = x p + s. t p s c j

22 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém B. Přesná metoda, kriterium minimalizace nákladů a ztrát z předčasného vyčerpání zásoby: 1. Náklady na vystavování a příjem objednávek. Náklady na udržování běžné zásoby N N = 1 = x t c n j p. n s. c. 3. Náklady na udržování pojistné zásoby N 0,5. Q.. c. = Q = S. t c n s 4. Ztráty z předčasného vyčerpání zásoby N = 0,5. S. c. t c. n s N 3 = nz. f ( p) tc x = x + t. s s p p dp

23 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém B. Přesná metoda, kriterium minimalizace nákladů a ztrát z předčasného vyčerpání zásoby: N( t c, x p ) = t c n j + x p.. c. n s + 0,5. S. t c. c. n s + t c n z. x s f ( p) dp Řešení: ( t, x ) = c p argmin N( t ( t, c x p ) c, x p )

24 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém B. Přesná metoda, kriterium minimalizace nákladů a ztrát z předčasného vyčerpání zásoby: ( ).[ ] 0.., ) ( = + = p f s x z c s p p c n t n c x x t N ( ) ) ( 1... s p p z c n c t p x f n t + =

25 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém B. Přesná metoda, kriterium minimalizace nákladů a ztrát z předčasného vyčerpání zásoby: N( t c t, x c p ) = n ( ) = j S nsc n z f p dp t t c c x s 0 t [ 1 F ( x )] [ n + n ] j z c = S. c. n s s ()

26 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Q systém Do () dosadíme za t c výraz (1), dostaneme výraz a iteračním postupem určíme velikost pojistné zásoby x p f ( x + p. t ) p p =. c. n s [ n + n [ 1 F ( x + p. t ) ] j z S. n z p p a z něho iteračním postupem určíme velikost pojistné zásoby x p dále t c dosazením za x p do vztahu (1) a poté Q = S.t c /

27 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech P systém Systémy s proměnnou velikostí doplňovací objednávky a pevným objednacím termínem Signální stav zásob - Horní objednací mez x h Objednává se v pevných termínech proměnlivé množství Q = x h - x Horní mez stavu zásob musí pokrýt náhodné výkyvy v poptávce a spotřebu po dobu průměrného termínu pořízení objednávky a průměrného dodacího cyklu x h = x p + p( t p + t c )

28 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech P systém x Q 1 Q Q 3 t p1 tc1 t p1 Interval nejistoty Čas

29 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech PQ systém Systémy s proměnnou velikostí doplňovací objednávky a proměnným objednacím termínem Dolní objednací mez x s - Horní objednací mez x h Objednává se v proměnných termínech proměnlivé množství Q = x h - x x h = x + p( t + t ) x = x + st. p p c s p p

30 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech PQ systém x x h Q 1 Q x d 1.objednávka.objednávka Čas

31 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech QP systém Systémy s pevnou velikostí doplňovací objednávky a pevným objednacím termínem Objednává se v pevných termínech konstantní množství Q

32 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech P systém x Q Q t p1 tc1 t p1 Čas

33 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Ps systém Systémy s proměnnou velikostí doplňovací objednávky a pevným objednacím termínem Objednává se v pevných termínech množství rovné spotřebě od poslední objednávky

34 Řízení zásob ve skladech Metody doplňování stavu zásob ve skladech Ps systém x Q 1 Q Q 3 Čas

35 Distribuce Řízení zásob v distribučním řetězci Řízení zásob poptávkou Na každém stupni distribučního řetězce jsou vystavovány objednávky v okamžiku, kdy zásoba klesne pod objednací mez Velikost objednávky je většinou konstantní, někdy proměnná a optimální ve vazbě na distribuční náklady Předpoklady funkce: Všechny segmenty trhu jsou pro podnikatele rovnocenné Kapacity výrobní, přepravní skladovací jsou teoreticky neomezené Možnost pružných změn dodacích cyklů, velikosti dodávek

36 Distribuce Řízení zásob v distribučním řetězci Řízení zásob plánem DRP Na základě předpovědi poptávky je sestaven podrobný plán dodávek v celém distribučním řetězci Předpoklady funkce: Možnost detailní předpovědi poptávky na nejnižším distribučním stupni Možnost detailního sledování pohybu zboží na všech stupních distribučního řetězce

37 Distribuce Řízení zásob v distribučním řetězci Kombinované metody Změny vnějších podmínek vyžadují adekvátní reakci v řízení zásob Změna strategie v čase: Výroba a distribuce potravin Období sklizně Řízení plánem Mimosezonní období Řízení poptávkou Změna strategie v prostoru: Nákup: Řízení plánem Dodávky výrobků: Řízení poptávkou

38 Distribuce Řízení zásob v distribučním řetězci Kombinované metody Změny vnějších podmínek vyžadují adekvátní reakci v řízení zásob Změny podle segmentu trhu: A B C Řízení plánem Kombinované řízení Řízení poptávkou

39 Předpovědi poptávky Předpověď je jako sex ve společnosti: potřebujeme to, nemůžeme se bez toho obejít, každý to tím, nebo jiným způsobem dělá, ale nikdo si není jist, že správným způsobem Plossel Předpověď poptávky je systematický postup vedoucí k odhadu velikosti poptávky na zvolené období opírající se o intuitivní, metodické, matematické a statistické metody. Budoucnost nelze předpovědět, budoucnost je třeba vytvořit! Nejlepším zdrojem budoucnosti je minulost! (Byron)

40 Předpovědi poptávky Vše, co podnikatel uskutečňuje je založeno na jeho odhadu - předpovědi - budoucího vývoje! Dobrá předpověď= kombinace intuice zkušenosti analýzy minulosti

41 Předpovědi poptávky Poptávka s trendem trend Dos avadní vývoj prodeje P alkydu Základní typy časových řad Basic groups of the time series Stagnující poptávka Stagnation Vývoj prodeje Melformu XL Sezónní poptávka Seasonality Spotřeba zemního plynu tun tun m il. m m ě síc mě síc mě síc tis.tu n Cyklická poptávka Periodicity Prodej stavebních hmot ro k ks Sporadická poptávka Intermittend demand Spotřeba náhadního dílu měsíc Ústav ekonomiky a řízení chemického a potravinářského průmyslu VŠCH Praha

42 Předpovědi poptávky 1. Grafické metody Graphical methods Ηodnoty jsou zobrazeny v přehledné, srozumitelné formě Data representation in the transparent and comprehensible form Na malém prostoru lze znázornit velké množství údajů On the small space is possible to draw lagre amount of date Do sava dní vývoj prodej Recent consumption development yp grafu graph type Bodové nebo spojnicové grafy! Point or line graphs Do sava dní vývoj pro de je Re ce nt consumption developme nt Přímo z grafu lze odhadnout trend vývoje Directly from the graph is possible to estimate a development trend Z grafu jsou zřejmé anomálie ve vývoji Directly from the graph is possible to see trend anomalies V grafu je možno srovnávat vývoj více veličin vedle sebe On the graphs is possible directly compare the development of more time series Jednotek Units Mě s íc Monthh Me lform P alkyd Plyn Jednotek Units NE! No! Mě s íc Month Melform P alkyd Plyn Ústav ekonomiky a řízení chemického a potravinářského průmyslu VŠCH Praha

43 Předpovědi poptávky 1. Metoda klouzavých průměrů S i Τ Východiskem je časová řada dosavadního vývoje poptávky... S +1 P+,+1 P +1, Často je nahrazována řadou prodejů! Předpověď uskutečněná v tém období na , Nechť je skutečnost v +1. období S +1. Předpověď na další +. období bude rovna P P Τ Τ+1 Τ+ + 1, +, S S + S i= 0 i = = P 1 S S i= i + 1 = = S 1 + S S 1, + 1 P + 1, = ( S + 1 S 1 ) t Ústav ekonomiky a řízení chemického a potravinářského průmyslu VŠCH Praha

44 Předpovědi poptávky 1. Metoda klouzavých průměrů exponenciální vyrovnání Μetodika: Vyrovnáme nejdříve řadu známých hodnot S 1 S S : Odhad na.období P,1 = ( 1 α) S1 + αs1 = S1 P 3, = ( 1 α ) P,1 + αs = (1 α) S1 + αs P ( 1 ) 4,3 = α P 3, + αs3 = αs3 + (1 α )((1 α ) S1 + αs Odhad na 3.období Odhad na 4.období = αs První předpověď na +1.období bude rovna P P + 1, = (1 ) P, 1 α + αs 3 + α 1 α ) S + (1 α ) ( S 1 + 1, = αs + α( 1 α) S 1 + α(1 α) S...(1 α) S1 1 )

45 Předpovědi poptávky 1. Metoda klouzavých průměrů exponenciální vyrovnání Vzhledem k tomu, že se α pohybuje v intervalu (0, 1) je zřejmé, že při tomto postupu dáváme při odhadu největší váhu historicky nejmladším hodnotám a nejmenší váhu hodnotám nejstarším. Koeficienty při hodnotách S i splňují požadavek na váhy- jejich suma je rovna jedné, jak se můžeme přesvědčit např. na našem příkladě řady 3 historických hodnot: α + α(1 α) + (1 α) = α + α α + 1 α + α U řad vykazující trend klasické metody klouzavých úhrnů zaostávají předpovědi za trendem = 1. Metoda klouzavých průměrů exponenciální vyrovnání úprava pro řady s trendem Jako další kriterium je používána diference mezi po sobě jdoucími obdobími d = S S 1 a časovou řadu vyrovnáváme včetně diferencí podle vztahů kde β je opet koeficient volený v intervalu (0, 1) první diference bude S -S 1 a první předpověď na +1. období bude rovna P d + 1, = ( 1 α )( P, 1 + d 1) + αs = 1 ( 1 β ) d + β ( P + 1, P, 1) P + 1, = P, 1 + d 1

46 Předpovědi poptávky. Metoda klouzavých průměrů exponenciální vyrovnání úprava pro řady s trendem Μetodika: Vyrovnáme nejdříve řadu známých hodnot S 1 S S od 3. období Odhad pro.období P,1 = S První diference bude d1 = S - S 1 Odhad pro 3. období P d 3, = ( 1 α )( P,1 + d 1) + αs 3 = ( 1 β ) d + β ( P 3, P, 1) 1 atd.

47 Předpovědi poptávky 3. Regresní analýza Vyrovnání časové řady vhodně volenou křivkou metodou nejmenších čtverců ( a, b ) i = arg min a, b t = i 1 ( S t P t ) Používané křivky: P = a + b t + b t nejčastěji 1 P = 1 a + b t P = a + b1t + t P = a. b b t bt P = a. e b t k k Polynom t-tého stupně přímka kvadratická funkce exponenciální funkce Pro výpočty lze využít nástrojů Excelu: LINREND,LINREGRESE, LOGLINREGRESE

48 Předpovědi poptávky 3. Regresní analýza Vhodnost použitých křivek je třeba otestovat, kriteria výběru: Korelační index: Protože testujeme stejnou řadu hodnot stačí jako kriterium jen čitatel zlomku: s I i= 1 = 1 1 i= 1 ( S i ( S i P ) i S) S, t = ( Si Pi ) i= 1 P vyrovnané hodnoty S skutečné hodnoty délka časové řady Vzhledem k tomu, že s rostoucím počtem stupňů volnosti automaticky roste i hodnota těchto ukazatelů bez ohledu na to, zda jde opravdu o vhodnější křivku, doporučují se jiné míry. Schwarzovo kriterium SIC = k 1 i= 1 ( S i P ) i Akaikovo kriterium AIC = k exp 1 i= 1 ( S i P ) i

49 Předpovědi poptávky Ιlustrace Dosavadní vývoj prodeje Vyrovnání řady prodeje P alkydu 35 35, ,00 5 5,00 tun I II III IV V VI VII VIII IX X XI XII měsíc tun 0,00 15,00 10,00 5,00 0,00 II III IV V VI VII VIII IX X XI XII měsíc P alkyd PE R45 P skut. P a = 0, P a = 0,5 P Holt přímka

50 Předpovědi poptávky Ιlustrace 6,81 0,95 7,0 1,19,75 1,3 1, XII 5,48-0,4 4,9 1,38 5,50 1,9 1, XI 4,16 1,47 7,10 10,75 4,00 11,86 0, X,83 1,51 5,68 11,51,01 1,3 19, IX 1,50 1,39 3,98 13,0,0 1,90 18,4 10 VIII 0,17,18 3,78 13,03 1,03 1,88 17, VII 18,84,49,07 14,06 17,06 13,10 15, VI 17,51 1,31 17,8 13,13 16,13 1,6 14, V 16,18 1,4 16,40 1,5 1,5 1,8 13, IV 14,85-0,0 13,00 13,50 14,50 1,60 14, III 13,53 1, , , II 1 14 I d P PE R45 P alkyd PE R45 P alkyd PE R45 P alkyd P alkyd 0,5 0, Skutecná poptávka Mesíc prímkou 0,4 0,5 Exponenciální vyrovnání Vyrovnání Holtova metoda 1,5 = (1-0,5)* *11 3,78 = (1-0,5)* *( )+0.5*3 1,47 = (1-0,4)* *( ) Výpočet pomocí funkce LINREND (Excel)

51 Předpovědi poptávky Ιlustrace PE R45 Vyrovnání PE tun 16,00 14,00 1,00 10,00 8,00 6,00 4,00,00 0,00 II III IV V VI VII VIII IX X XI XII měsíc PE skut PE a=0, PE a=0,5 PE primka

52 Předpovědi poptávky Ιlustrace Mesíc Skutecná poptávka PE skut Exponenciální vyrovnání PE α=0, PE α=0,5 Vyrovnání prímkou PE primka Výpočet pomocí funkce LINREND (Excel) II III 15,00 11,00 1,00 1,60 1,00 13,50 13,73 13,47 13,13 = (1-0,5)* *14 IV 14,00 1,8 1,5 13, V 15,00 1,6 13,13 1,96 VI 1,00 13,10 14,06 1,71 VII 13,00 1,88 13,03 1,45 VIII 10,00 1,90 13,0 1,0 IX 10,00 1,3 11,51 11,95 X 14,00 11,86 10,75 11,69 XI 1,00 1,9 1,38 11,44 XII 11,00 1,3 1,19 11,18

53 Předpovědi poptávky Metody. Metoda klouzavých průměrů exponenciální vyrovnání úprava pro řady se sezónními výkyvy Problém volby délky s časové řady historických hodnot:! řada hodnot musí být alespoň tak dlouhá, aby zachytila sezónnost! Řad může být více Příklady: Spotřeba zemního plynu kolísá během roku délka časové řady alespoň s =1 měsíců Spotřeba pohonných hmot v krátkodobém časovém horizontu kolísá během týdne délka časové řady alespoň s = 7 dnů Spotřeba elektřiny výrazně kolísá během dne délka časové řady alespoň s = 4 hodin

54 Předpovědi poptávky Metody. Μetody klouzavých průměrů úprava pro řady se sezónními výkyvy Navíc jsou používány ještě sezónní indexy I = S s S i = 1 i kde s je délka sezónní řady s a časovou řadu vyrovnáváme včetně diferencí a indexů podle vztahů P d S ( P d α I + 1, = 1 α)(, 1 + 1) + I = s ( 1 β ) d + β ( P + 1, P, 1) S + 1 = γ + ( 1 γ ) I + 1 s P + 1, (1) () (3) kde γ je opet koeficient volený v intervalu (0, 1)

55 Předpovědi poptávky Metody. Μetody klouzavých průměrů úprava pro řady se sezónními výkyvy Předpověď na dalších např. k-té období dostaneme podle vztahu P + i ( P 1, + = id ) I 1 + i s pro i= k (4) Metodika: Vypočteme sezónní indexy v každé sezónní řadě a pro každé období vypočteme jejich průměr Odhadneme první diferenci jako rozdíl průměrných spotřeb posledních dvou sezón dělený délkou sezóny Odhadneme vyrovnaný centrovaný klouzavý průměr pro poslední období poslední sezóny jako průměr poslední sezóny plus násobek odhadnuté průměrné diference Vypočteme vyrovnané klouzavé průměry podle vztahů (1) () a (3) Podle vztahu (4) vypočteme předpověď pro další sezónu

56 Předpovědi poptávky Ilustrace Prodej Melformu X tun I II III IV V VI VII VIII IX X XI XII měsíc

57 Předpovědi poptávky.33 = 0,78*(9,09-0,46) 0, 41 = (8,9-4) / 1-0,71=0,3*(5,36-7,78)+(1-0,3)*(-0,46) Mesíc I II III IV V VI VII VIII IX X XI XII suma prum. Skutecná poptávka Melform X0 rok ,9 Výpocet sezónních indexu 7,78 = 0,5*(1 / 0,78) + 0,5*(9,09-0,46) 001 1,50 1,17 0,83 0,75 0,75 0,9 1,5 1,33 1,08 1,13 0,83 0,46 1, ,80 0,97 0,73 0,5 0,69 0,90 1,45 1,07 0,76 1,56 0,97 0,59 1, ,17 = 8,9 + 5,5*0.41 Vyrovnání Holt-Winters prumerný v mesíci 1,65 1,07 0,78 0,63 0,7 0,91 1,35 1,0 0,9 1,34 0,90 0,5 I 1,00 1 centrovaný klouzavý prumer pro 1/00 31,17 31,56 9,09 7,78 5,36 5,94 6,95 8,93 7,59 5,69 9,3 30,53 31,9 340,64 8,39 vyrovnání 00 α β 0,5 0,3 P d 0,41 5,08 0,40 34,11-0,46,33-0,71 17,17-1,3 17,39-0,68,93-0,18 36,17 0,47 35,35-0,07 5,37-0,6 33,60 0,65 7,00 0,8 16,40 0,99 339,91-0,61 8,33 γ 0, I 1,65 1,05 0,77 0,63 0,73 0,9 1,37 1,19 0,91 1,38 0,90 0,5 1,0 predpoved spotreby Melform X0 1,8 = (5,36-1,3*4)*0,63 5,70 9,49 19,88 1,80 16,46 3,80 44,18 3,05 18,7 49,47 35,77 3,0 357, ,00 9,8 0,5 = 0,*(17 / 31.9) + (1-0,)*0,5 k

58 Předpovědi poptávky Metody Vyrovnání a předpověď na tun I II III IV V VI VII VIII IX X XI XII měsíc Mel skut. Mel vyr. předp.03

59 Předpovědi poptávky Metody Regresní analýza, vyrovnání přímkou P = ( 0,159. t + 4,46). I t 4,6 = ,159*1 (první měsíc) 1,13 = 8 / 4.6 1,71 = ( )/ 48,68 = ( ,159*5)*1.71 Indexy Indexy Por.císlo Indexy Predpoved Mesíc Spotreba Vyrovnání 001 Spotreba Vyrovnání 00 mesíce prumerné prodeje 001 prímkou v mesíci 00 prímkou v mesíci rok 003 v mesíci 003 I 36 4,6 1,46 5 6,54 1,96 5 1,71 48,68 II 8 4,78 1,13 8 6,70 1,05 6 1,09 31,17 III 0 4,94 0,80 1 6,86 0,78 7 0,79,78 IV 18 5,10 0,7 15 7,0 0,56 8 0,64 18,40 V 18 5,6 0,71 0 7,18 0,74 9 0,7 1,07 VI 5,4 0,87 6 7,34 0, ,91 6,57 VII 30 5,58 1,17 4 7,50 1, ,35 39,71 VIII 3 5,74 1,4 31 7,66 1,1 3 1,18 34,95 IX 6 5,90 1,00 7,81 0, ,90 6,68 X 7 6,06 1, ,97 1, ,3 39,5 XI 0 6, 0,76 8 8,13 1, ,88 6,41 XII 11 6,38 0,4 17 8,9 0, ,51 15,37

60 Předpovědi poptávky Metody Srovnání předpovědních metod 80,00 60,00 tun 40,00 0,00 0,00 I II III IV V VI VII VIII IX X XI XII měsíc Regrese Holt Regrese 1

Teorie zásob. Kvantifikace zásob. V zásobách je vázáno v průměru 20 % kapitálu (u výrobních podniků) až 50 % kapitálu (u obchodních podniků).

Teorie zásob. Kvantifikace zásob. V zásobách je vázáno v průměru 20 % kapitálu (u výrobních podniků) až 50 % kapitálu (u obchodních podniků). Teorie zásob Souhrn matematických metod používaných k modelování a optimalizaci procesů hromadění různých položek k zabezpečení plynulého chodu zásobovaných složek. Kvantifikace zásob V zásobách je vázáno

Více

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných

Více

EKONOMIKA PODNIKU PŘEDNÁŠKA č.2

EKONOMIKA PODNIKU PŘEDNÁŠKA č.2 MATERIÁL 5.1. CHARAKTERISTIKA EKONOMIKA PODNIKU PŘEDNÁŠKA č.2 Ing. Jan TICHÝ, Ph.D. jan.tich@seznam.cz Materiál: a) základní materiál b) pomocný materiál c) provozní hmoty d) obaly ad a) zpracovává se

Více

Forecasting, demand planning a řízení zásob: Skrytý potenciál. Tomáš Hladík Logio

Forecasting, demand planning a řízení zásob: Skrytý potenciál. Tomáš Hladík Logio Forecasting, demand planning a řízení zásob: Skrytý potenciál Tomáš Hladík Logio 14.3.2012 Obsah Cíl správného řízení zásob Proč segmentovat portfolio? Dobrý forecasting je základ Jak na pomaluobrátkové

Více

Úvod Modely zásob Shrnutí. Teorie zásob. Kristýna Slabá. 9. ledna 2009

Úvod Modely zásob Shrnutí. Teorie zásob. Kristýna Slabá. 9. ledna 2009 Teorie zásob Kristýna Slabá 9. ledna 2009 Obsah 1 Úvod Teorie Klasifikace zásob 2 Modely zásob Teorie Klasifikace modelů zásob Model zásob s okamžitou dodávkou Příklad Model zásob s postupnou dodávkou

Více

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice OPERAČNÍ VÝZKUM 11. TEORIE ZÁSOB Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice Tento učební materiál vznikl v rámci projektu "Integrace

Více

Teorie zásob Logistika a mezinárodní obchod

Teorie zásob Logistika a mezinárodní obchod Teorie zásob Logistika a mezinárodní obchod 1 ZÁSOBY JSOU IDENTIFIKÁTOREM NESCHOPNOSTI MANAGEMENTU FIRMU ŘÍDIT 2 Řízení zásob. www2.humusoft.cz/www/akce/witkonf07/.../gros_rizeni_zasob.pdf Teorie zásob

Více

VI. přednáška Řízení zásob II.

VI. přednáška Řízení zásob II. VI. přednáška Řízení zásob II. 1. Řízení zásob 2.1. Podstata, úkoly a nástroje řízení zásob Úkolem řízení zásob je jejich udržování na úrovni, která umožňuje kvalitní splnění jejich funkce: vyrovnávat

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chb v této presentaci mě prosím upozorněte. Děkuji. Tto slid berte pouze jako doplňkový materiál není v nich

Více

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS

Více

Statické modely zásob Nazývají se také modely s jedním cyklem. Pořízení potřebných zásob se realizuje jedinou dodávkou.

Statické modely zásob Nazývají se také modely s jedním cyklem. Pořízení potřebných zásob se realizuje jedinou dodávkou. Statiké modely zásob Nazývají se také modely s jedním yklem. Pořízení potřebnýh zásob se realizuje jedinou dodávkou. Náklady na pořízení zásob jsou finí a nemohou ovlivňovat rozhodovaí strategii. Statiký

Více

Oběžný majetek. Peníze Materiál Nedokončená výroba Hotové výrobky Pohledávky Peníze. Plánování a normování materiálových zásob.

Oběžný majetek. Peníze Materiál Nedokončená výroba Hotové výrobky Pohledávky Peníze. Plánování a normování materiálových zásob. Součástí oběžného majetku jsou: zásoby oběžný finanční majetek pohledávky Oběžný majetek Charakteristickým rysem oběžného majetku je jednorázová spotřeba, v procesu výroby mění svoji formu. Tato změna

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

Přednáška č.7 Ing. Sylvie Riederová

Přednáška č.7 Ing. Sylvie Riederová Přednáška č.7 Ing. Sylvie Riederová 1. Aplikace klasifikace nákladů na změnu objemu výroby 2. Modelování nákladů Podstata modelování nákladů Nákladové funkce Stanovení parametrů nákladových funkcí Klasifikační

Více

Zásobovací činnost podniku

Zásobovací činnost podniku Zásobovací činnost podniku Didaktické zpracování učiva pro střední školy Činnost obchodního úseku Obchodní úsek Logistika (zásobování) Marketing (odbyt) plánování nákup skladování Osnova učiva 1. Zařazení

Více

Metodický list č. 1 FUNKCE, ZISK A VZTAHY MEZI ZÁKLADNÍMI EKONOMICKÝMI VELIČINAMI PODNIKU

Metodický list č. 1 FUNKCE, ZISK A VZTAHY MEZI ZÁKLADNÍMI EKONOMICKÝMI VELIČINAMI PODNIKU Metodické listy pro kombinované studium předmětu MANAŽERSKÁ EKONOMIKA Přednášející: Ing. Jana Kotěšovcová Metodický list č. 1 Název tematického celku: ZALOŽENÍ PODNIKU, VÝNOSY, NÁKLADY, NÁKLADOVÉ FUNKCE,

Více

Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB

Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB Manažerská ekonomika přednáška OPTIMALIZACE ZÁSOB, MODERNÍ PŘÍSTUPY K ŘÍZENÍ ZÁSOB, STRATEGIE NÁKUPU 1. OPTIMALIZACE ZÁSOB Jaký je základní přístup k řízení zásob? Je to tzv. optimalizační přístup, který

Více

Systémy plánování a řízení výroby AROP III

Systémy plánování a řízení výroby AROP III Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Systémy plánování a řízení výroby AROP III Technická univerzita v Liberci Výrobní

Více

Pareto analýza. Průmyslové inženýrství. EduCom. Jan Vavruška Technická univerzita v Liberci

Pareto analýza. Průmyslové inženýrství. EduCom. Jan Vavruška Technická univerzita v Liberci Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Pareto analýza Technická univerzita v Liberci Průmyslové inženýrství Technická univerzita

Více

Obsah. Nákup jako základní podniková funkce 3. Řízení podnikové funkce nákupu 13. Zákon krajností v souvislosti s časem 11

Obsah. Nákup jako základní podniková funkce 3. Řízení podnikové funkce nákupu 13. Zákon krajností v souvislosti s časem 11 Obsah Kapitola 1 Nákup jako základní podniková funkce 3 1.1 Základní podnikové funkce a jejich vazby 4 1.2 Charakteristika podnikové funkce nákupu 6 1.3 Objekty a formy nákupu 8 Shrnutí 10 Otázky a náměty

Více

Cíl: seznámení s pojetím peněz v ekonomické teorii a s fungováním trhu peněz. Peníze jako prostředek směny, zúčtovací jednotka a uchovatel hodnoty.

Cíl: seznámení s pojetím peněz v ekonomické teorii a s fungováním trhu peněz. Peníze jako prostředek směny, zúčtovací jednotka a uchovatel hodnoty. Vysoká škola finanční a správní, o. p. s. Akademický rok 2006/07, letní semestr Kombinované studium Předmět: Makroekonomie (Bc.) Metodický list č. 3 7) Peníze a trh peněz. 8) Otevřená ekonomika 7) Peníze

Více

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1

Více

4.1 Metoda horizontální a vertikální finanční analýzy

4.1 Metoda horizontální a vertikální finanční analýzy 4. Extenzívní ukazatelé finanční analýzy 4.1 Metoda horizontální a vertikální finanční analýzy 4.1.1 Horizontální analýza (analýza vývojových trendů -AVT) AVT = časové změny ukazatelů (nejen absolutních)

Více

Rychlost a doba obratu zásob, optimální výše dodávky, celkové náklady na skladování

Rychlost a doba obratu zásob, optimální výše dodávky, celkové náklady na skladování Rychlost a doba obratu zásob, optimální výše dodávky, celkové náklady na skladování Příklad 1: Celková zásoba, rychlost a doba obratu zásob Firma ročně spotřebuje 25 tis. ks polotovarů. Velikost jedné

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

ŘÍZENÍ MATERIÁLOVÝCH TOKŮ V LOGISTICKÉM ŘETĚZCI

ŘÍZENÍ MATERIÁLOVÝCH TOKŮ V LOGISTICKÉM ŘETĚZCI ŘÍZENÍ MATERIÁLOVÝCH TOKŮ V LOGISTICKÉM ŘETĚZCI - maximalizace zisku zvýšení tržeb, snížení nákladů - logistický řetězec - veškeré subjekty, které se podílejí na vytváření hodnoty (výroby, dodavatelé,

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Výnosy & Náklady Hospodářský výsledek. cv. 6

Výnosy & Náklady Hospodářský výsledek. cv. 6 Výnosy & Náklady Hospodářský výsledek cv. 6 Základní pojmy Náklad peněžní částka, kterou podnik účelně vynaložil na získání výnosů, tj. použil je k provedení určitého výkonu.(spotřeba výrobních faktorů

Více

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí Příklady užití časových řad k predikci rizikových jevů 1 Očekávaná doba dožití v ČR Máme k dispozici časovou řadu udávající očekávanou dobu dožití v České republice od roku 1960 do roku 2011 (datový soubor

Více

Pojem investování a druhy investic

Pojem investování a druhy investic Investiční činnost Pojem investování a druhy investic Rozhodování o investicích Zdroje financování investic Hodnocení efektivnosti investic Metody hodnocení investic Ukazatele hodnocení efektivnosti investic

Více

TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD

TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD Umělé (dummy) proměnné se používají, pokud chceme do modelu zahrnout proměnné, které mají kvalitativní či diskrétní charakter,

Více

Efektivnost podniku a její základní kategorie

Efektivnost podniku a její základní kategorie Efektivnost podniku a její základní kategorie Výrobní faktory a jejich klasifikace Výroba = každá činnost, která tvoří hodnotu Výroba = zpracování surovin a materiálů do finálních výrobků Aby se mohla

Více

Analýza návratnosti investic/akvizic

Analýza návratnosti investic/akvizic Analýza návratnosti investic/akvizic Klady a zápory Hana Rýcová Charakteristika investice: Investice jsou ekonomickou činností, kterou se subjekt (stát, podnik, jednotlivec) vzdává své současné spotřeby

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV AUTOMATIZACE A INFORMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF AUTOMATION AND COMPUTER SCIENCE

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR 1 aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

4ST201 STATISTIKA CVIČENÍ Č. 10

4ST201 STATISTIKA CVIČENÍ Č. 10 4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte

Více

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Lesnická ekonomika Připravil: Ing. Tomáš Badal Lesnická ekonomika Financování podniku Finanční

Více

Manažerská ekonomika KM IT

Manažerská ekonomika KM IT KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout

Více

FINANČNÍ A SPRÁVNÍ. Metodický list č. 1. Název tématického celku: Vymezení problematiky oceňování podniku. Analýza makroprostředí a odvětví

FINANČNÍ A SPRÁVNÍ. Metodický list č. 1. Název tématického celku: Vymezení problematiky oceňování podniku. Analýza makroprostředí a odvětví Metodický list č. 1 Vymezení problematiky oceňování podniku. Analýza makroprostředí a odvětví Studenti by měli pochopit pojem oceňování podniku, jeho účel, kdo oceňování provádí, rozlišit pojmy cena a

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

TOKOZ PRODUCTION SYSTEM (TPS) procesní systém pro plánování a řízení výroby

TOKOZ PRODUCTION SYSTEM (TPS) procesní systém pro plánování a řízení výroby TOKOZ PRODUCTION SYSTEM (TPS) procesní systém pro plánování a řízení výroby Jak v TOKOZu řídíme a plánujeme výrobu. Klíčová omezení: široký sortiment, malé dávky, sdílené technologie. Zadání pro TOKOZ

Více

Nauka o podniku. Přednáška 2 Nákup, skladování, zásoby, doprava atd.

Nauka o podniku. Přednáška 2 Nákup, skladování, zásoby, doprava atd. Nauka o podniku Přednáška 2 Nákup, skladování, zásoby, doprava atd. Cíl zásobování a obsah přednášky Udržet při životě výrobu při současné minimalizaci nákladů Zásobování a jeho pozice v podniku Plánování

Více

Úvod do účetních souvztažností

Úvod do účetních souvztažností Obsah ČÁST I Úvod do účetních souvztažností KAPITOLA 1 Předmět a význam účetnictví...................... 1000 KAPITOLA 2 Regulace účetnictví v České republice.............. 1050 KAPITOLA 3 Harmonizace

Více

Zásoby část oběžného majetku podniku. (do oběžného majetku podniku ještě dále patří peníze a pohledávky)

Zásoby část oběžného majetku podniku. (do oběžného majetku podniku ještě dále patří peníze a pohledávky) ZÁSOBOVACÍ ČINNOST Zásoby část oběžného majetku podniku. (do oběžného majetku podniku ještě dále patří peníze a pohledávky) Dělení zásob 1) účetní dělení a) materiál (určený k dalšímu zpracování) b) zboží

Více

Regresní a korelační analýza

Regresní a korelační analýza Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Regresní analýza Cíl regresní analýzy: stanovení formy (trendu, tvaru, průběhu)

Více

Řízení oběžného majetku a řízení zásob

Řízení oběžného majetku a řízení zásob Řízení oběžného majetku a řízení zásob 1) Technické dokonalosti 2) Vyspělosti a vzdělanosti 3) Obchodní zdatnosti: a) cenovou politiku b) průzkum trhu c) ochranu proti rizikům podnikání d) majetkově finanční

Více

Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních

Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních Manažerská ekonomika přednáška Výroba Co rozumíme výrobou? V nejširším pojetí se výrobou rozumí každé spojení výrobních faktorů (práce, kapitálu, půdy) za účelem získání určitých výrobků (výrobků a služeb

Více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více 9 Vícerozměrná data a jejich zpracování 9.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat, hledáme souvislosti mezi dvěmi, případně více náhodnými veličinami. V praxi pracujeme

Více

obchodních společností

obchodních společností Finanční výkazy obchodních společností Ladislav Šiška Obchodní společnosti založení vznik zápisem do obchodního rejstříku veřejný seznam podnikatelů + sbírka listin ochrana třetích osob členění českých:

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

EKONOMIKA BEZPEČNOSTNÍ FIRMY

EKONOMIKA BEZPEČNOSTNÍ FIRMY EKONOMIKA BEZPEČNOSTNÍ FIRMY EKONOMICKÁ DATA ING. JANA VODÁKOVÁ, PH.D. Operační program Vzdělávání pro konkurenceschopnost Projekt: Vzdělávání pro bezpečnostní systém státu (reg. č.: CZ.1.01/2.2.00/15.0070)

Více

Obsah podle jednotlivých kapitol

Obsah podle jednotlivých kapitol podle jednotlivých kapitol Předmluva 1 Cíl publikace 1 Práce s publikací 2 1 Mezinárodní harmonizace účetnictví a účetního výkaznictví 3 1.1 Mezinárodní harmonizace účetnictví 3 1.2 Mezinárodní standardy

Více

MO-ME-N-T MOderní MEtody s Novými Technologiemi

MO-ME-N-T MOderní MEtody s Novými Technologiemi Projekt: Reg.č.: Operační program: Škola: Tematický okruh: Jméno autora: MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/34.0903 Vzdělávání pro konkurenceschopnost Hotelová škola, Vyšší

Více

Ing. Radovan Nečas Mgr. Miroslav Hroza

Ing. Radovan Nečas Mgr. Miroslav Hroza Výzkumný ústav stavebních hmot, a.s. Hněvkovského, č.p. 30, or. 65, 617 00 BRNO zapsaná v OR u krajského soudu v Brně, oddíl B, vložka 3470 Aktivační energie rozkladu vápenců a její souvislost s ostatními

Více

3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT

3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT PROKAZOVÁNÍ SHODY VÝROBKŮ část 3, díl 8, kapitola 4, str. 1 3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT Vyjadřování standardní kombinované nejistoty výsledku zkoušky Výsledek zkoušky se vyjadřuje v

Více

KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)

KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3) KALIBRACE Chemometrie I, David MILDE Definice kalibrace: mezinárodní metrologický slovník (VIM 3) Činnost, která za specifikovaných podmínek v prvním kroku stanoví vztah mezi hodnotami veličiny s nejistotami

Více

Obor účetnictví a finanční řízení podniku

Obor účetnictví a finanční řízení podniku Obor účetnictví a finanční řízení podniku TEST Z FINANČNÍHO ÚČETNICTVÍ celkem 40 bodů Zvolte nejvhodnější odpověď na následující otázky (otázky se nevztahují k žádnému z početních příkladů a nijak na sebe

Více

Bodové a intervalové odhady parametrů v regresním modelu

Bodové a intervalové odhady parametrů v regresním modelu Bodové a intervalové odhady parametrů v regresním modelu 1 Odhady parametrů 11 Bodové odhady Mějme lineární regresní model (LRM) kde Y = y 1 y 2 y n, e = e 1 e 2 e n Y = Xβ + e, x 11 x 1k, X =, β = x n1

Více

HODNOCENÍ INVESTIC. Postup hodnocení investic (investičních projektů) obvykle zahrnuje následující etapy:

HODNOCENÍ INVESTIC. Postup hodnocení investic (investičních projektů) obvykle zahrnuje následující etapy: HODNOCENÍ INVESTIC Podstatou hodnocení investic je porovnání vynaloženého kapitálu (nákladů na investici) s výnosy, které investice přinese. Jde o rozpočtování jednorázových (investičních) nákladů a ročních

Více

Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií. Petr Rálek, Josef Novák, Josef Chudoba

Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií. Petr Rálek, Josef Novák, Josef Chudoba Technická univerzita v Liberci Fakulta mechatroniky, informatiky a mezioborových studií Metody užívané v logistice Petr Rálek, Josef Novák, Josef Chudoba Materiál byl vytvořený s podporou ESF v rámci projektu:

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita

Kartogramy. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Kartogramy Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita Datum vytvoření dokumentu: 20. 9. 2004 Datum poslední aktualizace: 17. 10. 2011 Definice Kartogram je

Více

Řízení zásob v automotive. Ing. Miroslav Kaňok m.kanok@seznam.cz Mobil: 725 524 164

Řízení zásob v automotive. Ing. Miroslav Kaňok m.kanok@seznam.cz Mobil: 725 524 164 Řízení zásob v automotive Ing. Miroslav Kaňok m.kanok@seznam.cz Mobil: 725 524 164 1. Co jsou zásoby? zásobou se rozumí množství materiálu/komponent, které jsou v daném okamžiku disponibilní k mat. zabezpečení

Více

MATERIÁLOVÉ ZÁSOBY Charakteristika a členění materiálových zásob Oceňování materiálových zásob Způsoby účtování zásob Analytická evidence k zásobám materiálu Inventarizace materiálových zásob CHARAKTERISTIKA

Více

Časové řady - Cvičení

Časové řady - Cvičení Časové řady - Cvičení Příklad 2: Zobrazte měsíční časovou řadu míry nezaměstnanosti v obci Rybitví za roky 2005-2010. Příslušná data naleznete v souboru cas_rada.xlsx. Řešení: 1. Pro transformaci dat do

Více

DISTRIBUCE V MEZINÁRODNÍM MARKETINGU

DISTRIBUCE V MEZINÁRODNÍM MARKETINGU DISTRIBUCE V MEZINÁRODNÍM MARKETINGU L 7 Ing. Jiří Šnajdar 2015 Distribuce a distribuční politika Distribuce = soubor postupů a činností, pomocí kterých je zboží dáno k dispozici spotřebiteli nebo uživateli

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

Základy účetnictví 8. přednáška. Zásoby - mají za úkol zajistit plynulost výroby, - snaha o snižování (optimalizaci) zásob (JIT)

Základy účetnictví 8. přednáška. Zásoby - mají za úkol zajistit plynulost výroby, - snaha o snižování (optimalizaci) zásob (JIT) 1 Základy účetnictví 8. přednáška Zásoby - mají za úkol zajistit plynulost výroby, - snaha o snižování (optimalizaci) zásob (JIT) Člení se a/ nakupované materiálové zásoby a zboží, b/ vytvořené vlastní

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

Dynamické metody pro predikci rizika

Dynamické metody pro predikci rizika Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např

Více

SEVEROMORAVSKÉ VODOVODY A KANALIZACE OSTRAVA A.S. se sídlem v Ostravě, ul. 28.října 169, PSČ

SEVEROMORAVSKÉ VODOVODY A KANALIZACE OSTRAVA A.S. se sídlem v Ostravě, ul. 28.října 169, PSČ Výkaz zisku a ztráty -IFRS - druhové členění k 31.12.2010 v Kč IFRS sledované období k 31.12.2010 I. Tržby za prodej zboží 01 0 A Náklady vynaložené na prodané zboží 02 0 + Obchodní marže 03 0 II. Výkony

Více

Podniková logistika 2

Podniková logistika 2 Podniková logistika 2 Podniková strategie a logistika DNES -Kupující jsou ochotni platit stále více za individuální výrobky a služby, za vysokou kvalitu a pohotovost nabídky Nízké ceny mohou být pro někoho

Více

Téma: Investice do akcií společnosti ČEZ

Téma: Investice do akcií společnosti ČEZ Matematika a byznys Téma: Investice do akcií společnosti ČEZ Alena Švédová A07146 Investice do akcií společnosti ČEZ ÚVOD Tímto tématem, které jsem si pro tuto práci zvolila, bych chtěla poukázat na to,

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

PILOTNÍ ZKOUŠKOVÉ ZADÁNÍ

PILOTNÍ ZKOUŠKOVÉ ZADÁNÍ INSTITUT SVAZU ÚČETNÍCH KOMORA CERTIFIKOVANÝCH ÚČETNÍCH CERTIFIKACE A VZDĚLÁVÁNÍ ÚČETNÍCH V ČR ZKOUŠKA ČÍSLO 3 KM - IT PILOTNÍ ZKOUŠKOVÉ ZADÁNÍ ÚVODNÍ INFORMACE Struktura zkouškového zadání: testové otázky,

Více

Semestrální práce z předmětu MAB

Semestrální práce z předmětu MAB Západočeská univerzita v Plzni Fakulta aplikovaných věd Semestrální práce z předmětu MAB Modely investičního rozhodování Helena Wohlmuthová A07148 16. 1. 2009 Obsah 1 Úvod... 3 2 Parametry investičních

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Tab. č. 1 Druhy investic

Tab. č. 1 Druhy investic Investiční činnost Investice představuje vydání peněz dnes s představou, že v budoucnosti získáme z uvedených prostředků vyšší hodnotu. Vzdáváme se jisté spotřeby dnes, ve prospěch nejistých zisků v budoucnosti.

Více

3/10 Plánování zásob ve v robním procesu

3/10 Plánování zásob ve v robním procesu EFEKTIVNÍ V ROBA část 3, díl 10, str. 1 3/10 Plánování zásob ve v robním procesu V dnešní době nelze hovořit o úspěšném zvládnutí výrobních a provozních činností a přitom nevěnovat bedlivou pozornost problematice

Více

Téma 5: Řízení oběžného majetku

Téma 5: Řízení oběžného majetku Téma 5: Řízení oběžného majetku 1. Charakteristika oběžného majetku a jeho struktury 2. Celková potřeba oběžného majetku 3. Řízení oběžného majetku - řízení zásob - řízení pohledávek - řízení peněžních

Více

ROZVAHA. ve zjednodušeném rozsahu ke dni ( v celých tisících Kč ) označ PASIVA řád Běžné účetní Minulé účetní. řád

ROZVAHA. ve zjednodušeném rozsahu ke dni ( v celých tisících Kč ) označ PASIVA řád Běžné účetní Minulé účetní. řád Zpracováno v souladu s vyhláškou č. 500/2002 Sb. ve znění pozdějších předpisů ROZVAHA ve zjednodušeném rozsahu ke dni 31.12.2014 ( v celých tisících Kč ) IČ 25 00 37 80 Obchodní firma nebo jiný název účetní

Více

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, úvod do časových řad LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Multikolinearita

Více

Střední odborná škola Luhačovice

Střední odborná škola Luhačovice Střední odborná škola Luhačovice Obor: 63-41-M/01 Ekonomika a podnikání, ŠVP Management umění a reklamy Školní rok: 2014/2015 Témata pro ústní maturitní zkoušku z odborných předmětů 1. Základní funkce

Více

AKTIVA A JEJICH STRUKTURA, OCEŇOVÁNÍ

AKTIVA A JEJICH STRUKTURA, OCEŇOVÁNÍ AKTIVA A JEJICH STRUKTURA, OCEŇOVÁNÍ 5.4 ZÁSOBY - podstata, charakteristika, oceňování, postupy účtování, vykazování v rozvaze, odlišnosti vůči mezinárodní regulaci dle IAS/IFRS. Podstata a charakteristika

Více

LINEÁRNÍ REGRESE. Lineární regresní model

LINEÁRNÍ REGRESE. Lineární regresní model LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

PŘÍLOHA (základní) sestavená k (v Kč, s přesností na dvě desetinná místa); okamžik sestavení:

PŘÍLOHA (základní) sestavená k (v Kč, s přesností na dvě desetinná místa); okamžik sestavení: Název účetní jednotky: IČ: Sídlo: Právní forma: Předmět činnosti: PŘÍLOHA (základní) sestavená k (v Kč, s přesností na dvě desetinná místa); okamžik sestavení: A.1. Informace podle 7 odst. 3 zákona (text)

Více

ŘÍZENÍ ZÁSOB. Ing. Gabriela Dlasková

ŘÍZENÍ ZÁSOB. Ing. Gabriela Dlasková ŘÍZENÍ ZÁSOB Ing. Gabriela Dlasková Povinná literatura: Kislingerová, E. a kol.: Manažerské finance, C.H.BECK, Praha 2010 ŘÍZENÍ ZÁSOB Management zásob: součást řízení pracovního kapitálu Důvod vzniku

Více

Hydrologické sucho v podzemních a povrchových vodách

Hydrologické sucho v podzemních a povrchových vodách Hydrologické sucho v podzemních a povrchových vodách Setkání vodoprávních úřadů s odborem ochrany vod MŽP Ing. Eva Soukalová, CSc. Nové Město na Moravě 2. 3. dubna 25 Obsah přednášky Pozorovací síť podzemních

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Řízení zásob pomocí předpovídání prodejů

Řízení zásob pomocí předpovídání prodejů Řízení zásob pomocí předpovídání prodejů 18.09.2012 Radek Hartman, Daniel Mašek I 18.9.2012 U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I u-sluno@u-sluno.cz I www.u-sluno.cz OBSAH A CÍLE PREZENTACE Proč

Více

Automatická segmentace slov s pomocí nástroje Affisix. Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz

Automatická segmentace slov s pomocí nástroje Affisix. Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz Automatická segmentace slov s pomocí nástroje Affisix Michal Hrušecký, Jaroslava Hlaváčová Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz Motivace Při zpracování přirozeného jazyka nikdy nemůžeme mít

Více