Analysis of Time Series  Using Dickey – Fuller to Improve production prediction

abdalgwi ali sakit, Saba

DSpace Home
→
Thesis
→
MASTER
→
Faculty of Education
→
Mathematics Department
→
View Item

Analysis of Time Series Using Dickey – Fuller to Improve production prediction

abdalgwi ali sakit, Saba

URI: http://localhost:8080/xmlui/handle/123456789/1298

Date: 2025

Abstract:

طريقة السلاسل الزمنية من الطرق التي لها أهمية كبيرة في البحث العلمي لأنها تتيح فهماً أفضل للتغيرات الزمنية في الظواهر سواء (طبيعية - اقتصادية) وبما أنها تتيح لنا النظر في البيانات على مر الزمن فإنها تساعد على تحليل الاتجاهات والتغيرات والأسباب والعلاقات بين الظواهر المختلفة . حيث تعمل على تحليل تأثير تلك الأحداث والظروف على البيانات طول فترة الزمن المحددة . تساعد طريقة الديكي فولر السلاسل الزمنية في عملية التنبؤ بالقيم المستقبلية وتقدير المسارات المستقبلية للبيانات وذلك بناءً على تحليل الاتجاهات والانحرافات التي مرت على مدى الزمن . وتساعد الباحث في تحديد البيانات المفيدة وتقدير موثوقية النتائج الإحصائية وتجنب الانحرافات العشوائية غير المبررة بالإضافة إلى مراقبة المشاريع والخطط والتنبؤ بالإنتاجية للتوصل إلى نتائج دقيقة وصحيحة. وما يميز بيانات السلسلة الزمنية عن غيرها من البيانات هو أن التحليل يمكن أن يوضح كيف تتغير المتغيرات بمرور الوقت بعبارة أخرى يعد الزمن متغيراً بالغ الأهمية لأنه يوضح كيف تتكيف البيانات ومصدراً إضافياً للمعلومات يتطلب تحليل السلاسل الزمنية عادةً عدداً كبيراً من نقاط البيانات لضمان الاتساق والموثوقية وأن التحليل يمكنه إختراق البيانات المشوشة كما يتضمن أن أي اتجاهات أو أنماط تم إكتشافها ليست قيماً شاذة ويمكن تفسير تباينها . لذا هدف هذا البحث إلى تحليل إنتاج السكر باستخدام السلاسل الزمنية (دراسة حالة إنتاج مصنع سكر كنانة) ومعرفة النمط والسلوك الذي تسلكه السلسلة الزمنية لتحديد النموذج الأمثل للتنبؤ بكمية الإنتاج السنوي لما تمتاز به هذه الطريقة من وصف ودقة ومرونة عالية في تحليل السلاسل ومن أجل عملية التنبؤ لابد من وجود منهجية مناسبة وواحدة من هذه المنهجيات هي منهجية بوكس – جنكنز الحديثة التي تعتبر بداية حقيقية للتطور الهائل في تحليل البيانات لأنها لا تشترط الإستغلال بين القيم بل على العكس فهي تستغل نمط الإرتباط بين المشاهدات في عملية النمذجة . أما بالنسبة للبيانات تمت عملية التوزيع الطبيعي ووجد أن البيانات جميعها تتوزع توزيعاً طبيعياً وتم إجراء عدد من الإختبارات من بينها إختبارات ديكي – فلر ورسم دالتي الإرتباط الذاتي والارتباط الذاتي الجزئي وتم تقييم أداء النموذج بإستخدام معايير أكايك وبيز وتم التأكد من النموذج المختار عن طريق رسم دالة الــــ collegram ووجد أن جميع القيم داخل حدود الثقة ومن ثم مقارنة السلسلة الأصلية والمتوقعة حيث أظهرت القيم توافقاً مع مثيلاتها . وفقاً لتقدير هذا النموذج تم التنبؤ بكمية الإنتاج السنوي لثلاثة سنوات من 2025م إلى 2027م ومن أهم النتائج التي توصلت إليها الدراسة أن النموذج أريما (1 ، 0 ، 1) هو النموذج الأمثل للتنبؤ بالإنتاج . وأخيراً أوصى بــ تحديث النموذج دورياً لضمان دقته وأوصى الجهات ذات الصلة بتحسين تخطيط الإنتاج.

Description:

The time series method is one of the methods that of great importance in scientific research because it allows a better understanding of temporal changes in phenomena whether (natural or economic) since it allows us to look at data over time it helps to analyze trends , changes causes , and relationships between different phenomena as it works on analyze the impact of these events and conditions on the data over a specified period of time. The time series method helps in the process of predicting future values and estimating future paths of data based on analysis of trends and deviations that have occurred over time. It helps the researcher identify useful data estimate the reliability of statistical results and avoid unjustified random deviations in addition to monitoring projects and plans and projects productivity to reach accurate and correct results. What distinguishes time series data from other data is that the analysis can show how variables change over time in other words it is time is a very important variable because it shows how data adapts and is an additional source of information time series analysis usually requires a large number of data points to ensure consistency and reliability and that analysis can cut through noisy data and ensure that any trends or patterns detected are not outliers and can be explained. Therefore the aim of this research is to analyze sugar production using time series to study the case of (kenana Sugar Factory Production) and to know the pattern and behavior of the time series to determine the optimal model for predicting the amount of annual production as this method has high description accuracy and flexibility in analyzing the series for the forecasting process it is necessary to the existence of an appropriate methodologies is the modern Box and Jenkins methodologies which is considered the true beginning of the tremendous development in data analysis because it does not require independence between values on the contrary it relies on the pattern of correlation between observations in the process. As for the data the natural distribution process was carried out and it was found that all the data were distributed naturally a number of tests were conducted including Dickey – Fuller tests and the ACF and PACF function were plotted and the performance of the was evaluated Using AIC and BIC standards the chosen model was confirmed by comparing the original and expected series where the value showed agreement with their counterparts and then plotting the collegram function where it was found that all values are within confidence limits According is the estimation of this model the amount of annual production was predicted for three years from 2025 to 2027. Among the most important results reached the study indicated that ARIMA(1,0,1) model is the optimal model for forecasting production. Finally I recommend updating the model periodically to ensure its accuracy and I recommend the relevant authorities to improve production planning.

Show full item record