Содержание к диссертации
Введение
Глава 1. Анализ использования различных методовпрогнозирования потребности влекарственных средствах 11
1.1. Методы прогнозирования потребности в ЛС, использовавшиеся в 70-90х гг. XX века 11
1.2. Научные исследования в области прогнозирования спросаи потребности в ЛС в начале XXI века 21
1.3. Краткий обзор применения фактографических методовпрогнозирования ЛС 26
Глава 2. Анализ ассортимента реализуемойпродукции пермского нпо «биомед» за 2004-2008 гг 38
2.1. Характеристика объектов и методов исследования 38
2.2. Результаты ABC-анализа ассортимента ЛП, реализуемыхПермским НПО «Биомед» в течение 2004-2008гг 40
2.3. Результаты XYZ - анализа ассортимента ЛП, реализуемыхПермским НПО «Биомед» в течение 2004-2008гг 54
2.4. Обоснование выбора ЛП для изучения возможности прогнозирования их реализации 67
Глава 3. Разработка методик прогнозированияреализации лп на основе фактографическихметодов прогнозирования 71
3.1. Общие положения по формированию методик 71
3.2. Разработка методик прогнозирования на базе метода экстраполяции по скользящей средней 73
3.3. Разработка методик прогнозирования на базе метода экстраполяции по взвешенной средней 77
3.4. Разработка методик прогнозирования на базе метода экстраполяции по экспоненциальной средней 83
3.5. Разработка методик прогнозирования на основе методаэкстраполяции по линейной функции 87
3.6. Разработка методик прогнозирования на основе методагармонических весов 93
3.7. Разработка методики прогнозирования на базе метода сезонных колебаний 105
3.8. Критерий оценки точности вариантов методик прогнозирования и оценка результатов прогнозирования за 2006-2009 гг 107
3.9. Разработка программы-утилиты по выбору оптимальногометода прогнозирования реализации ЛС в операционнойсистеме Windows ХР с использованием табличного процессора Microsoft Excel 109
3.10. Результаты исследования по выбору оптимального варианта методики прогнозирования и оценка их применения поисследуемым ЛП 113
Выводы 123
Список литературы 126
- Научные исследования в области прогнозирования спросаи потребности в ЛС в начале XXI века
- Результаты XYZ - анализа ассортимента ЛП, реализуемыхПермским НПО «Биомед» в течение 2004-2008гг
- Разработка методик прогнозирования на базе метода экстраполяции по скользящей средней
- Критерий оценки точности вариантов методик прогнозирования и оценка результатов прогнозирования за 2006-2009 гг
Введение к работе
Актуальность темы. В условиях усиливающейся конкуренции на фармацевтическом рынке производителям лекарственных средств (ЛС) важно правильно оценить создавшуюся рыночную конъюнктуру и своевременно реагировать на происходящие изменения. Вопросам „развития и совершенствования отечественной фармацевтической промышленности уделяется большое внимание, о чем свидетельствует широта спектра проблем, освещаемых в научной литературе.
Проблемам формирования номенклатуры производства ЛС, стратегий продвижения их российскими производителями, эффективности организации товародвижения на основе логистики посвящены работы Терещенко А.Г., Гетьмана М.А., Курашова ММ. и др.
Рассмотрены вопросы организации производства ЛС на основе конверсионного реформирования предприятий оборонной промышленности, формализации схем разработки опытно-промышленных технологий и соответствующих моделей производства ЛС, создания маркетинговой службы на предприятии-производителе ЛС (Кумышева Л.А., Петров А.Ю., Страшный В.В., Орлова Е.В.). Предложены механизмы стратегического управления фармацевтическим предприятием в условиях неопределенности внешней среды (Фотеев В.Г.), система регулярного менеджмента для галеново-фармацевтических фабрик (Буйлин А.В.). Экономическому обоснованию моделей инвестиционных процессов посвящены работы Саповского М.М., Выровщиковой А.В.
Вопросы планирования потребности в различных ЛС широко были рассмотрены и изучены ещё в советское время в работах Кобзаря Л.В., Дрёмовой Н.Б., Тольцман Т.И., Сбоевой С.Г. и др. В современных экономических условиях изучение возможности прогнозирования объёмов производства и реализации лекарственных препаратов (ЛП) на уровне производителя ЛС пока не проводилось. Отсутствие адекватного прогноза реализации ЛП является одной из причин слабой адаптации к требованиям рынка и, как следствие, финансовым затруднениям отечественных производителей ЛС. Для совершенствования деятельности производителя ЛС требуется создание современных методических подходов к анализу и прогнозированию реализации выпускаемых им ЛП. Это обусловило актуальность исследования, определило его цель и задачи.
Цели и задачи исследовании. Целью исследования являлась разработка методических подходов к выбору оптимального метода краткосрочного прогнозирования реализации ЛП на уровне производителя ЛС.
Для достижения поставленной цели необходимо было решить следующие задачи:
обобщить данные литературы о применении методов прогнозирования в фармацевтической отрасли;
изучить динамику ассортимента продукции исследуемого производителя ЛС за анализируемый период;
выявить номенклатурные позиции ЛП для изучения возможности прогнозирования их реализации;
разработать методики краткосрочного прогнозирования реализации ЛП, оценить возможности и результаты их применения;
разработать методические рекомендации по выбору оптимального метода прогнозирования реализации ЛП.
Методологическая основа, объекты и методы исследования. Методологическую основу исследований составили современная теория маркетинга, методология системного анализа и научного прогнозирования, основополагающие научные труды отечественных и зарубежных специалистов в области организации здравоохранения и фармации, статистики, нормативные акты и ведомственные материалы по проблемам лекарственного обеспечения населения, а также материалы собственных исследований.
Объектом исследования явилась деятельность по реализации лекарственных и иммунобиологических препаратов на примере филиала Федерального государственного унитарного предприятия «Научно-производственное объединение «Микроген» в Перми - Пермское НПО «Биомед». В качестве источников информации использовали месячные отчеты о движении готовой продукции за период с 01.01.2004 по 31.12.2009, прайс-листы, а также другие отчетные и информационные материалы Пермского НПО «Биомед».
В процессе исследования использовались методы: исторический, контент-анализ, статистические и экономико-математические, сравнения, группировки, графический и логический. Математическая обработка данных производилась на
персональном компьютере в среде Windows ХР с использованием программного обеспечения Microsoft Rxccl.
Научная новизна исследований. Разработаны методические подходы к выбору оптимального метода краткосрочного прогнозирования реализации ЛГ1 на уровне производителя ЛС.
На основе анализа использования фактографических методов прогнозирования разработан альтернативный подход к выбору исходных данных для получения прогнозных значений реализации ЛП (для методов экстраполяции по скользящей средней, по взвешенной средней, по экспоненциальной средней, по линейной функции, гармонических весов). С использованием традиционного и альтернативного подходов разработаны варианты методик краткосрочного прогнозирования реализации ЛП по каждому методу (всего 170 вариантов).
На основе оценки разработанных вариантов методик по критерию точности прогнозирования обоснован выбор конкретного варианта методики для краткосрочного прогнозирования реализации по каждому ЛП. По результатам исследования разработана программа - утилита для осуществления выбора оптимального метода краткосрочного прогнозирования реализации ЛС.
Практическая значимость и внедрение результатов исследования в практику. По результатам исследования разработаны, утверждены Ученым Советом ГБОУ ВПО «Пермская государственная фармацевтическая академия» Минздравсоцразвития России (30.06.2011 протокол №10) и внедрены в практику и учебный процесс:
Методические рекомендации по выбору оптимального метода краткосрочного прогнозирования реализации ЛС (акты внедрения ЗАО «Обнинская химико-фармацевтическая компания» от 31.05.2011; ФГУП «НПО «Микрогсн» Минздравсоцразвития России Филиал в г. Н.Новгороде «Нижегородское предприятие по производству бактерийных препаратов «Имбио» от 15.09.2011).
Программа-утилита по выбору оптимального метода прогнозирования реализации ЛС (в операционной системе Windows ХР с использованием табличного процессора Microsoft Excel) (акты внедрения ЗАО «Обнинская химико-фармацевтическая компания» от 31.05.2011; Интелфарм, АО Группа компаний от 05.09.2011).
Учебное пособие «Методы краткосрочного прогнозирования производств; и реализации Л С» (акти внедрения ГКОУ ВПО «Нижегородская государственна; медицинская академия» Мииздравсоцразвития России от 15.09.2011; ГВОУ ВИС «Пермская государственная фармацевтическая академия» Минздравсоцразвитш России от 30.08.2011; ГО У ВПО «Саратовский государственный медицински? университет им. В.И. Разумовского» Мииздравсоцразвития России от 16.05.2011).
Отдельные фрагменты и результаты исследования используются в учебнод процессе НГОУ ВПО «Пермская государственная фармацевтическая академия) Мииздравсоцразвития России, на кафедре управления и экономики фармации фа культста очного отделения.
Апробация работы. Основные результаты диссертационной работы доло жены и обсуждены на Международной научно-практической конференции «Фармация и здоровье» (Пермь, 2005); Всероссийской научно-практической конференции «Современные проблемы фармакологии и фармации», посвященной 70-летик НГМА (Новосибирск, 2005); IX Всероссийской научно-практической конференции «Формирование гуманитарной среды и впеучебная работа в вузе, техникуме, школе» (Пермь, 2007); на XIV Российском национальном конгрессе «Человек и лекарство» (Москва, 2007); Всероссийской научно-практической конференции, посвященной 110-летию филиала ФГУП НПО «Микроген» МЗ РФ «Пермское НПО «Биомед» «Создание и перспективы применения медицинских иммунобиологических препаратов» (Пермь, 2008); на XVI Российском национальном конгрессе «Человек и лекарство» (Москва, 2009).
Положения, выдвигаемые на защиту: в результаты анализа ассортимента ЛП с помощью методов ABC- и XYZ-анализадля изучения возможности прогнозирования их реализации;
альтернативный подход к выбору исходных данных для получения прогнозных значений реализации ЛП;
методические подходы к разработке вариантов методик прогнозирования реализации ЛП на основе фактографических методов;
результаты оценки прогнозных значений реализации ЛП, полученных с помощью разработанных вариантов методик прогнозирования;
о методические подходы по выбору оптимального метода прогнозирования реализации ЛП на уровне производителя ЛС.
Объем и структура диссертации. Диссертационная работа состоит из введения, трех взаимосвязанных глав, изложенных на 125 страницах машинописного текста и 20 приложений на 83 страницах, содержит 24 таблицы и 31 рисунок. Библиографический указатель включает 184 литературных источника, из которых 44 - на иностранных языках.
Конкретное участие автора в получении научных результатов. Автором определены цель и задачи исследования, проведено изучение и обобщение данных литературы по теме исследования, сделан выбор фактографических методов прогнозирования для дальнейшего исследования, проведены ABC- и XYZ-анализы ассортимента ЛП исследуемого производителя ЛС, дана интерпретация их результатов, разработаны 170 вариантов методик прогнозирования и проведена их оценка, разработана программа-утилита, сделаны выводы.
Публикации. По теме исследования опубликовано 11 научных работ, в том числе 2 статьи в перечне изданий, рекомендованных ВАК.
Связь задач с проблемным планом фармацевтических наук. Диссертационная работа соответствует основным направлениям научных исследований ГБОУ ВПО «Пермская государственная фармацевтическая академия» Минздрав-соцразвития России (номер государственной регистрации 01.9.50.007424).
Научные исследования в области прогнозирования спросаи потребности в ЛС в начале XXI века
В исследованиях, посвященных вопросам прогнозирования потребления ЛС, проводившихся в начале XXI века, использовались многие методы, применяемые ранее. Нормативный метод нашел свое применение и на современном этапе развития фармацевтической отрасли [74, 118].
Сотрудниками Военно-медицинской академии под руководством профессора Умарова С.З. был проведен анализ отечественного опыта нормирования потребления ЛС [118]. По мнению авторов, отечественной фармацевтической наукой был накоплен богатый опыт в области создания норм расхода (потребления) ЛС, которые явились предшественниками федеральных и территориальных стандартов в рамках государственных гарантий бесплатной медицинской помощи. В рамках статьи освещены основные показатели для расчета нормативов и источники информации, необходимые для них. Кроме того, в статье отмечены многие методические подходы для разработки нормативов для различных фармакотерапевтиче-ских групп ЛС и изделий медицинского назначения (ИМН), разработанные российскими учеными. По мнению различных авторов, методы экстраполяции также подтвердили свою актуальность. Лозовой Г.Ф. и другими авторами [64] проводилось исследование по прогнозированию количества больных с заболеваниями органов пищеварения на основе тренда и колеблемости динамического ряда. Суть этого метода заключается в экстраполяции, т.е. на предположении, что параметры тренда и колебаний сохраняются до прогнозируемого периода. По итогам расчетов авторами были получены два линейных уравнения тренда потребления ЛС отдельно для амбулаторных и для стационарных больных.
В диссертации Страшного В.В. [111] упоминается методика кратковременного прогнозирования сбытовых показателей фармацевтического предприятия и оптово-розничной фирмы, которая базируется на математическом методе скользящих сумм. Реализация такого прогнозирования происходит с помощью контрольных карт, разработанных автором. Влияние различных непредвиденных факторов на объемы продаж ЛС предлагается учитывать с использованием индексов сбыта. В работе приведен алгоритм расчетов и проверка методики по данным реализации препаратов компании «Pfizer». Автором предложена корректировка прогнозных значений с учетом эффективности планируемых маркетинговых мероприятий.
Для установления сезонных закономерностей реализации ЛС на примере оптовой фармацевтической компании Степановым А.С., Щеки-ным М.В и Сапожниковым А.А. было проведено исследование, состоявшее из нескольких этапов [107, 108, 109]. На начальном этапе был проведен ABC - анализ по общепринятым методикам, по результатам которого из классов А и В случайным образом было выбрано некоторое количество товарных позиций ЛС, реализация которых предположительно носит сезонный характер. Далее для сравнительной оценки были выбраны четыре распространенных метода прогнозирования: экспоненциальное сглаживание, экспоненциальное сглаживание с трекинг-сигналом, простая экстраполяция с линейным трендом и экстраполяция с учетом сезонности. Оценка результатов расчетов проводилась с помощью средней ошибки прогнозирования. Для прогнозирования сезонных препаратов наиболее оптимальным представляется использование метода экстраполяции с учетом сезонных колебаний, а для прогнозирования несезонных препаратов более приемлем метод простой экстраполяции. На заключительном этапе исследования была поставлена цель выбора подхода к наиболее объективному делению ЛП в ассортименте исследуемого предприятия на сезонные и несезонные. Авторами было предложено использование коэффициента корреляции между годовыми циклами, как показателя, отражающего степень сезонности каждой товарной позиции. Таким образом, авторами была разработана методика определения коэффициента сезонности продаж препаратов, а также определен критерий сезонности для всей номенклатуры исследуемого предприятия.
Методы математического моделирования также используются для решения различных задач прогнозирования [14, 79, 80, 81, 102, 125]. В исследовании Смирнова А.В. были построены динамические модели детской гастроэнтерологической заболеваемости для ряда распространенных заболеваний данной нозологии. Эти модели позволяют прогнозировать число детских гастроэнтерологических заболеваний на краткосрочный и среднесрочный временные периоды. Для построения моделей потребления ЛС использовался метод корреляционно-регрессионного анализа. В качестве факторов, влияющих на потребление ЛС исследуемой фармакотерапевти-ческой группы, использовалось число заболеваний различных нозологических форм. В результате исследования автором были рассчитаны многофакторные регрессионные модели потребления ЛС, применяющихся для терапии ряда детских гастроэнтерологических заболеваний в стационарных условиях. Предложенные модели обладают достаточной статистической значимостью, что позволяет использовать их для прогнозирования потребности в ЛС исследуемой фармакотерапевтической группы [102]. В исследовании Цургана Д.А. [125] методом аналитического выравнивания были построены математические модели динамики численности аптечных объектов областного центра и районов Воронежской области для оценки текущего состояния и перспектив развития аптечной сети. Автором были получены полиномиальные уравнения третьей степени, описывающие рост количества объектов аптечной сети в виде юридических лиц и индивидуальных предпринимателей, как в областном центре, так и в сельской местности. На основании моделей автором рассчитан прогноз количества объектов аптечной сети на будущий период. Кроме того, автором было изучено количественное выражение влияния демографических и экономических факторов на динамику численности аптечных объектов с использованием корреляционного и регрессионного анализа и построены уравнения регрессии, характеризующую данную зависимость.
В работе Орлова А.С. [84] для создания эффективной методики прогнозирования цен предлагается подход, включающий предварительное сглаживание исходного ценового ряда с помощью скользящих средних, последующую количественную оценку и элиминирование влияния сезонных и случайных эффектов и окончательное описание основной тенденции путем аналитического выравнивания десезонализированного ряда цен. Основные этапы методики прогнозирования сезонных колебаний представлены в статье на примере ЛП - пиносол в каплях. Автором также рассмотрены вопросы выбора оптимальной формы кривой для выравнивания, оценки точности и адекватности построенной модели, а также возможности использования метода экспоненциального сглаживания для построения окончательных прогнозов.
Результаты XYZ - анализа ассортимента ЛП, реализуемыхПермским НПО «Биомед» в течение 2004-2008гг
Следующим этапом исследования стало проведение XYZ-анализа с целью разделения ассортимента продукции на три группы в зависимости от стабильности их продаж и возможности точного прогнозирования реализации.
Методика XYZ - анализа заключается в расчете для каждого ЛП исследуемого предприятия коэффициента вариации, который показывает отклонение анализируемого показателя реализации от среднеарифметического значения и выражается в процентах [10, 71, 134]. Коэффициент вариации рассчитывают по формуле (9):
Хер. - среднее значение объема продаж каждого препарата по числу упаковок за период (месяц, квартал, год).
Учитывая значение коэффициента вариации объемов продаж товарных позиций, ассортимент распределяется на три группы следующим образом:
Категория X (Квариации от 0% до 10%) характеризуются стабильной величиной потребления, незначительными колебаниями в продажах и, соответственно, высокой точностью прогнозирования объемов и сроков продаж.
Категория Y (Квариации от 10% до 25% ) относятся товары, реализация которых носит нестабильный или сезонный характер, соответственно, возможности прогнозирования их потребления являются средними.
Категория Z (Квариации более 25%) - это группа товаров, продажи которых носят нестабильный характер, в связи с чем определенную сложность представляет и сама возможность прогнозирования объемов их продаж.
Графически разделение ассортимент товаров на эти группы выглядит следующим образом (рис. 8.) [47, 75, 138].
Первоначально нами был проведен XYZ - анализ реализации ЛП за каждый исследуемый год на основании фактических данных о реализации за месяц, для чего по формуле (8) были рассчитаны коэффициенты вариации для каждого препарата. В результате проведенного анализа с использованием данных о реализации за месяц, коэффициенты вариации у всех препаратов оказались более 25% за исследуемый период (за разное количество лет), что говорит о том, что прогнозирование реализации ЛП на основе данных за месяц является затруднительным.
Поэтому в дальнейших расчетах коэффициентов вариации нами были использованы исходные данные о реализации за квартал, на основе ко-торых также были рассчитаны квартальные коэффициенты вариации для всех ЛП за каждый исследуемый год по формуле (9).
Распределение ассортимента продукции, реализованной за 2004-2008 гг., по группам XYZ приведено в Приложениях 11-15.
В графическом виде результаты XYZ - анализа представлены на рисунках 9- 13.
В таблице 6 представлены результаты анализа количества ЛП, входивших в группы X, Y и Z в течение всего исследуемого периода. Группа X является в течение всего периода исследования самой малочисленной. Количество ЛП, формирующих группу X, уменьшается от семи в 2004 г. до трех ЛП в 2005-06 гг., а затем увеличивается до шести ЛП в 2007-08 гг. Количество ЛП в группе Y постепенно снижается с восемнадцати в 2004 г. до десяти в 2008 г. Группа Z, самая многочисленная, сокращается за исследуемые пять лет с сорока одной до двадцати двух ЛП.
Удельный вес препаратов, формирующих группу X, сначала уменьшается в общей структуре ассортимента Пермского НПО «Биомед», но в последние два исследуемых года удельный вес этой группы стабилизируется на уровне 15,39%-15,79%. Удельный вес ЛП, составляющих группу Y, остается достаточно постоянным в пределах от 22,22%) до 27,45%. Удельный вес количества препаратов в группе Z в течение исследуемого периода постепенно уменьшается и достигает в 2008 г. 57,89%).
Это свидетельствует о том, что за исследуемый период доля препаратов с достаточно стабильной реализацией постепенно увеличивается, что позволяет предположить возможность прогнозирования реализации у существенного количества ЛП из ассортимента продукции Пермского НПО «Биомед».
Разработка методик прогнозирования на базе метода экстраполяции по скользящей средней
При разработке методики прогнозирования с использованием традиционного подхода и данных о реализации ЛП по кварталам, предшествующим моменту прогнозирования, было разработано 4 варианта. Число вариантов методики было обусловлено количеством кварталов, входящих в арифметическую среднюю (Ск.ср.-Т-1кв; Ск.ср.-Т-2кв; Ск.ср.-Т-Зкв; Ск.ср.-Т-4кв).
Для получения прогноза в расчеты средней арифметической включаются данные о реализации ЛП за один, два, три или четыре квартала непосредственно предшествующего года. Далее прогнозные расчеты по данной методике производятся для каждого последующего квартала по мере поступления информации, постепенно сдвигаясь на один квартал по динамическому ряду в течение целого календарного года.
Например, прогнозное значение реализации бифидумбактерина сухого, фл. 5 доз №10 на 1 квартал 2008 г. рассчитывается по данной методике (с использованием варианта Ск.ср.-Т-Зкв) на основании данных о реализации препарата за 2 квартал (305605 уп.), 3 квартал (270050 уп.) и 4 квартал (363502 уп.) 2007 г. следующим образом: (305605 + 270050 + 363502)/3-313052 уп.
Разработка методики прогнозирования с использованием альтернативного подхода с исходными данными за месяц (Ск.ср.-А-м)
При разработке методики прогнозирования с использованием альтернативного подхода и исходных данных о реализации ЛП, календарно соответствующих месяцу, для которого выполняется прогноз, было разработано 3 варианта. Число вариантов методики было обусловлено количеством месяцев предшествующих анализируемых лет, входящих в анализ (Ск.ср.-А-1м, Ск.ср.-А-2м, Ск.ср.-А-Зм). Для выполнения «наивного» прогноза берутся показатели реализации ЛП за один соответствующий месяц. В двух других вариантах методики прогнозное значение формируется как средняя арифметическая данных по реализации ЛП за два (три) одноименных месяца прошлых лет.
Например, прогнозное значение реализации бифидумбактерина сухого, фл. 5 доз №10 на январь 2008 г. рассчитывается по данной методике (с использованием варианта Ск.ср.-А-Зм) на основании данных о реализации препарата за январь 2005 г. (86327 уп.), январь 2006 г. (116383 уп.) и январь 2007 г. (89022 уп.) следующим образом: (86327 + 116383 + 89022) / 3 = 97244 уп.
Разработка методики прогнозирования с использованием альтернативного подхода с исходными данными за квартал (Ск.ср.-А-кв)
При разработке методики прогнозирования с использованием альтернативного подхода и исходных данных о реализации ЛП, календарно соответствующих кварталу, для которого выполняется прогноз, было разработано 4 варианта. Число вариантов методики обусловлено количеством кварталов предшествующих анализируемых лет, входящих в анализ (Ск.ср.-А-1кв; Ск.ср.-А-2кв; Ск.ср.-А-4кв; Ск.ср.-А-4кв).
Прогноз выполняется как средняя арифметическая по данным реализации ЛП за один, два, три или четыре квартала, календарно соответствующих кварталу, для которого выполняется прогноз (например, для первого квартала - на основании данных о реализации за один, два, три или четыре первых квартала предшествующих лет).
Например, прогнозное значение реализации бифидумбактерина сухого, фл. 5 доз №10 на 1 квартал 2008 г. рассчитывается по данной методике (с использованием варианта Ск.ср.-А-Зкв) на основании данных о реализации препарата за 1 квартал 2005 г. (280112 уп.), 1 квартал 2006 г. (306346 уп.) и 1 квартал 2007 г. (270111 уп.) следующим образом: (280112 + 306346 + 270111) / 3 = 285523 уп.
Критерий оценки точности вариантов методик прогнозирования и оценка результатов прогнозирования за 2006-2009 гг
Для оценки точности разработанных методик прогнозирования в качестве критерия мы использовали величину средней относительной ошибки (или средняя ошибка аппроксимации) [34, 50, 106, 109]. В иностранной и переводной литературе её также называют МАРЕ (mean percentage absolute error) [22, 29, 84, 133, 167].
Средняя относительная ошибка рассчитывается по формуле:
Данный показатель используется в случае сравнения точности прогнозов по нескольким методикам. При этом считают, что точность методики является:
высокой, если МАРЕ 10%,
хорошей - при МАРЕ = 10-20 %,
удовлетворительной - при МАРЕ = 21-50 %.
Расчет средней относительной ошибки был заложен в каждом из разработанных вариантов методик как отклонение прогнозных значений от фактических за каждый исследуемый год. Средняя относительная ошибка рассчитывается для двенадцати полученных прогнозных значений в случае выполнения прогнозов на месяц (п=12), либо для четырех значений в случае выполнения прогнозов на квартал (п=4).
Для обеспечения сопоставимости прогнозных значений, получаемых различными вариантами методик, нами была сделана группировка средних относительных ошибок отдельно по вариантам методик, выполняющих прогноз на месяц, и по вариантам методик, выполняющих прогноз на квартал.
Пример расчета МАРЕ на базе данных о реализации бифидумбакте-рина сухого, фл. 5 доз №10 за 2008 г., когда для получения прогнозных данных использовался вариант методики Ск.ср.-Т-Зм, представлен в таблице 17.
Разработка программы-утилиты по выбору оптимального метода прогнозирования реализации ЛС в операционной системе Windows ХР с использованием табличного процессора Microsoft Excel
Для практического применения разработанных вариантов методик, расчета средних относительных ошибок и выбора оптимального варианта нами была разработана программа-утилита по выбору оптимального метода прогнозирования реализации ЛС в операционной системе Windows ХР с использованием табличного процессора Microsoft Excel, позволяющая оперативно проводить расчеты по всем вариантам методик прогнозирования.
Программа-утилита представляет собой набор взаимосвязанных между собой документов Excel (рис.27). утилита для предприятия
В структуру программы входят:
документ Excel «База», предназначенный для ввода исходных данных по реализации ЛП (рис.28),
17 документов Excel - для осуществления расчетов по всем разработанным вариантам методик прогнозирования и расчета по каждому из них МАРЕ,
документ Excel «Представление результатов», предназначенный для выведения результатов МАРЕ по всем вариантам методик, оценки точности расчетов и выбора оптимального варианта методики прогнозирования.
В документ Excel «База» вносятся фактические исходные данные по реализации ЛП (помесячно) за предшествующие периоды. Здесь же осуществляется расчет коэффициента вариации по данным реализации ЛП за месяц и по просуммированным данным за квартал для определения возможности прогнозирования реализации ЛП за исследуемый период.
Документ «База» взаимосвязан с каждым из семнадцати документов Excel, где на основании фактических исходных данных по реализации ЛП выполняются расчеты по всем разработанным вариантам методик прогнозирования. В названии документов заложено обозначение используемого в нем варианта методики и метода прогнозирования. В каждом документе рядом с расчетом прогнозных значений по каждому варианту методик произодятся расчеты МАРЕ, которые позволяют оценить, насколько отли чаются полученные прогнозы от фактических данных (рис.29).
Все эти семнадцать документов связаны с документом «Представление результатов», состоящим из двух листов. В один из них выводятся результаты МАРЕ от вариантов методик, выполняющих прогноз на основании исходных данных за месяц, в другой - за квартал. В каждом из листов осуществляется поиск минимального значения МАРЕ среди всех значений, после чего можно будет определить оптимальный вариант методики прогнозирования на будущий год и подходящий период исходных данных по реализации ЛП (месяц или квартал) (рис. 30,31).
