第5章 物流系统需求预测.doc

105第五章 物流系统需求预测第五章 物流系统需求预测在物流系统的规划和控制过程中，需要准确估计供应链上的产品和服务的需求量多少。这些估计主要是采用某种预测方法实现。通过预测，可以获得物流需求方面的必要信息，为科学的推断和决策提供可靠的依据。因此，物流系统需求预测是物流系统工程中必不可少的一项工作。本章主要学习目的是：掌握系统需求预测的一般知识方法；理解物流系统需求特征及物流需求预测的特殊性；掌握物流系统需求预测的定性预测方法；掌握物流系统需求预测常用的定量预测方法。第一节 系统预测概述一、系统预测的概念及其实质所谓预测，就是对尚未发生或目前还不确切的事物进行预先的估计和推断，是现时对事物将要发生的结果进行探讨和研究。“凡事预则立，不预则废”，“人无远虑，必有近忧”。自有历史记载以来，人们就试图预测未来。但是，未来并不是靠想入非非或求神问卦就能预测到的，科学的预测是建立在客观事物发展变化规律基础之上的科学推断。在设计一个新系统或改造一个旧系统时，人们都需要对系统的未来进行分析估计，以便做出相应的决策，即使是对正在正常运转的系统，也要经常分析系统的发展变化趋势。根据系统发展变化的实际数据和历史资料，运用现代科学理论和方法，以及各种经验和知识，对系统在未来一段时期内的可能变化情况进行推测、估计和分析，这样一系列的过程就是系统预测。由此可以看出，系统的预测是以系统的变化为前提的。没有系统的变化，就不需要预测。因此，系统预测的实质就是充分分析使系统发生变化的原因，探究系统发展变化的规律，根据系统的过去和现在估计未来，根据已知预测未知，从而减少对未来事物认识的不确定性，减少决策的盲目性。对一个系统来说，各种因素交错复杂，一旦预测错误，往往会使系统遭到毁灭性的打击。因此，预测技术在近几十年日益受到重视，并逐渐发展成为一门独立的、成熟的且应用性很强的科学。它对于长远规划的制定、重大战略问题的决策以及提高系统的可靠性等，都具有极其重要的意义。二、预测方法的分类由于预测的对象、时间、范围、性质等的不同，预测技术可以有不同的分类法。例如，按预测的范围或层次的不同进行分类，可划分为宏观预测与微观预测，宏观预测是指针对国家或部门、地区的活动进行的各种预测；微观预测是针对基层单位的各项活动进行的各种预测。如果按预测时间的长短进行分类，又可分为长期预测、中期预测、短期预测。如果按照预测方法的性质来分类，一般可分为定性预测和定量预测，它们分别都包含很多种预测方法，这些方法可归纳为三类：定性预测法、时间序列分析预测法和因果关系分析预测法。下面详细介绍这三类预测方法。（一）定性（Qualitative）预测法所谓定性，就是确定预测目标未来发展的性质。定性分析大多根据专业知识和实际经验进行，对把握事物的本质特征和大体程度有重要作用。这种预测主要利用判断、直觉、调查或比较分析，对未来做出定性的估计。当历史数据缺乏或历史数据与当前的预测相关度很低时，采用定性预测方法更合适。又如，党和国家方针政策的变化、消费者心理的变化对市场供需变化的影响，均无法量化，只能通过判断分析，进行定性预测。总的讲，这类方法的准确性不高。当我们试图预测新产品是否成功、政府政策是否变动，或预测某项新技术的影响时，由于没有直接的历史数据，定性法可能是唯一的选择。定性预测方法较多，主要有专家调查预测法、市场调查预测法、主观概率法、领先指标法、预兆预测法、类推法等。（二）时间序列分析（Time Series Analysis）预测法主要是根据系统对象随时间变化的历史资料（如统计数据、实验数据和变化趋势等），只考虑系统变量随时间的发展变化规律，对其未来作出预测。如果拥有相当数量的历史数据，时间序列的趋势和季节性变化稳定、明确，那么将这些数据映射到未来将是有效的预测方法。该方法的基本前提就是假设未来的时间模式将会重复过去的模式。时间序列定量的特点使得数学和统计模型成为主要的预测工具。常用的确定性时间序列预测方法主要包括：移动平均法、指数平滑法、差分指数平滑法、趋势外推以及博克斯一詹金斯(Box-Jenkins)方法等。（三）因果关系（Causal）预测方法系统变量之间存在着某种前因后果关系，找出影响某种结果的一个或几个因素，建立起它们之间的数学模型，然后可以根据自变量的变化预测结果变量的变化。因果预测模型的基本前提就是预测变量的水平值取决于其他相关变量的水平值。例如，如果已知客户服务对销售有积极影响，那么根据已知的客户服务水平就可以推算出销售水平。我们可以说服务水平和销售量之间是“因果”关系。只要能够准确地描述因果关系，因果模型在预测时间序列主要变化、进行中长期预测时就会非常准确。因果关系预测模型有很多不同形式：统计形式，如回归和计量经济模型；描述形式，如投入-产出模型、生命周期模型和计算机模拟模型。每种模型都是从历史数据中建立预测变量和被预测变量的关系，从而有效地进行预测。这类预测模型的主要问题在于真正有因果关系的变量常常很难找到。即使找到，他们与被预测变量的关系也常常很弱，因而，实际应用时，预测误差可能较大。上述第（二）（三）类方法属于定量预测法。预测方法所包含的一些主要的预测技术可归纳如图5-1所示。图5-1 预测方法分类除上述预测技术外，近几年在信息领域和人工智能领域广受关注的人工神经网络方法也越来越多地被应用到预测过程中。神经网络法是受生物神经功能的启发而形成的数学预测模型，其特点是模型可以对新的数据进行学习；对不连续的时间序列数据，该方法的预测精度较其他时间序列预测模型更准确；另外，神经网络法特别适合于非线性预测。三、预测的一般程序系统预测是对系统对象的发展、演变的客观规律的认识和分析过程。系统预测技术应当包括它所遵循的理论、预测对象的历史和现状资料与数据、所能采用的计算方法或分析判断方法、预测方法、以及预测结果的评价与检验等要素。不同应用领域的预测问题可能会采用完全不同的预测模型，因此，预测技术既要遵循系统对象本身所属学科的理论，又要遵循预测方法本身的理论，例如，基于数理统计的预测与神经网络等智能技术的预测，理论基础不相同，模型的应用条件也不同。虽然预测的过程是随着预测目的、预测对象及使用方法的不同而不同的，但总体上可将预测程序大致分为以下几个步骤（尤其是对定量预测法）： （一）确定预测目的系统预测不是系统工程的最终目的，它是为系统决策服务的。因此，必须首先根据决策任务要求确定预测目的，包括预测指标、预测对象和预测期限。只有目的明确，才能根据预测目的去搜集数据、选择预测方法和预测精度。这是系统预测一项极为重要的准备工作，它将使得我们的预测工作有的放矢，避免盲目。总之,确定好预测目标是预测成功的开始。（二）资料收集和数据分析根据选用的预测方法和预测指标，通过直接的或间接的方法，尽可能多地收集有关影响预测对象的各种资料和统计数据，并对数据进行分析、整理，去伪存真，填平补齐，形成合格的数据样本；另外，进行调查、访问，取得第一手数据资料，这一点对定性预测非常重要。（三）建立预测模型根据选定的预测方法，用有关变量来真实表达预测对象的特征，建立起能反映研究对象变化规律的模型。如果采用数学模型法，就需确定模型的形式，并运用收集到的资料进行必要的参数估计，求出模型的有关参数。预测模型是预测对象发展规律的近似模拟。（四）模型检验与修正实际的系统受多种确定因素和随机因素的影响，而预测模型不可能考虑所有因素，故预测结果与实际值有一定差距，即会产生预测误差。如果误差太大，就失去了预测的意义。因此，必须对建立的预测模型的有效性和合理性进行检验。一方面要对有关假设进行检验，如对线性关系的假设、变量结构以及独立性等假设进行显著性检验；另一方面要对模型精度即预测误差进行检验，如果预测结果与实际值之间有显著的误差，则说明预测模型不合理。这时就必须对原有的预测模型进行修正或重新设计。若实际情况发生较大变化，则原有的预测方法也必须重新选择。（五）预测实施与结果分析运用通过检验的预测模型，使用有关数据，预测结果；并运用有关理论和经验对结果进行分析；必要时还可运用不同的模型同时预测结果并加以分析对比，以便作出更加可靠的判断，为系统决策提供科学依据。上面列举的预测程序只是一般的步骤，实际工作时，应根据具体情况灵活运用。实际上，要完全达到目的，往往需要若干次的迭代和多次修正，因此，预测是对客观事物不断认识和深化的动态过程，这一动态过程可用图5-2示意说明。图5-2 动态的预测过程第二节 物流系统需求预测特征规划、控制物流活动需要准确估计供应链将要处理的产品和服务的数量。这些估计主要是靠各种预测方法实现的。在物流系统规划及物流管理与决策过程中，都离不开对物流需求的估计。例如，进行物流网络规划时，需要确定网络中的物流量；库存管理、采购管理、车辆调度等问题的决策时，都需要获得销售量或需求量的变化规律。需要预测是获得这些数据信息的必要手段。本节将分析物流需求自身的特征及物流需求预测的特殊性，为选择合适的预测方法提供依据。一、物流需求特征预测的需求是所有部门（包括物流、营销、生产和财务部门）进行规划和控制的基础，因此，物流需求预测水平对企业整体至关重要。需求的水平和需求的时间将极大地影响生产能力、资金需求和经营的总体框架。要进行物流需求预测，先必须了解物流需求的特征。物流需求的特征表现在如下三个方面：（一）需求的时间特性和空间特性物流需求具有时间上的特殊性，表现在物流需求是随时间而变化的。物流需求随时间的变化归因于市场销售量的增长或下降、需求模式的季节性变化以及多种因素导致的一般性波动。这种预测一般属于短期预测，常用时间序列预测法。除时间特征外，物流需求还具有空间维度，物流管理者必须知道物流需求量在何处发生。规划仓库位置、平衡物流网络中的库存水平、按地理位置分配运输资源等，都需要知道需求发生的空间位置。因此，所采用的预测技术必须能反映影响这种需求模式的地理性差异。对需求的地理性特征的处理有两种方式，其一是先进行总需求预测，然后再按地理位置分解预测的需求，这是一种自上而下的预测方法；其二是先对每个地点的需求量单独进行预测，再根据需要进行需求量汇总，这是一种自下而上的预测方法。两种方法所需的预测技术是不同的。（二）需求的不规则性与规则性不同的产品种类，可能需要不同的服务水平，因而需要分别管理。不同产品的物流需求随时间而变化的模式是不同的。需求的变动可能是“规则性的(Regular)”，也可能是不规则的(Irregular)。其中“规则性的”需求变动又可分成如图5-3所示的三种情况。导致需求模式规则性变动的因素有长期趋势（Trend）、季节性（Seasonal）因素和随机性（Random）因素。如果随机波动占时间序列中变化部分的比例很小，利用常规预测方法就可以得到较好的预测结果。(a) 随机性或水平性发展的需求，无趋势或季节性因素(b) 随机性需求，呈上升趋势，无季节性因素(c) 随机性需求，有趋势和季节性因素 图5-3 三种典型的规则性需求变化模式如果某种产品的需求由于总体需求量偏低，需求时间和需求水平非常不确定，那么需求就是间歇式的，这样的时间序列就是“不规则的”(Irregular)”，如图5-4所示。刚刚进入生产线或即将退出生产线的产品常常出现这种模式的需求，因为只有少数客户有需求，而且分散在不同的地区，所以每个存储点面对的需求都很低。对这样一类需求进行预测，通常的预测方法效果不佳。这是物流需求预测的特殊难题。图5-4 不规则的需求模式（三）需求的派生性与独立性物流需求的独立性是指物流需求来自一个一个独立的客户，这些客户多数是独立采购，其采购量只占企业分拨总量的很少一部分。此时的需求就被称作是独立的需求。在另一种情况下，物流需求是由某一特定的生产计划要求派生出来的，这是一种从属性的需求，这就是需求的派生性。例如，从某供应商处购买新轮胎的数量就是汽车厂要生产的新汽车量的一定倍数。这种根本差异也会导致需求预测方法的不同。对于独立的需求预测，很适合利用统计预测方法。多数短期预测模型的基本条件都是需求独立且随机。对于派生的需求，因这种需求模式有很强的倾向性，且不是随机的，通过判断系统随时间发展而呈现出的趋势和规律，就能较好地改进预测结果。例5-1某大型制造企业的电力设备部门为工业用户生产一系列小功率电动机。每台电动机包含50100个零部件。企业根据所收到的订单制定生产计划，产品在未来某时间交付，生产计划的制定要基于需求预测，预测的产品是那些标准化然程度高的等待出售的电动机。根据以上要求，就需要制定未来三个月的生产计划，表明什么时间生产某特定型号的电动机，生产多少。然后，物料管理经理据此备齐生产所需的所有配件和原材料。物料需求计划通常用两种方法确定。对那些在多数电动机的生产中都需使用的配件或原材料（铜线、铁板和油漆），管理人员先预测一般的消耗速度，随后决定采购量以支持库存。对那些价值高、需特殊设计的部件则要根据生产计划的需求进行采购。本例中，这类部件有转子轴和轴承。这些产品的采购需求来自生产计划，通过“浏览”物料清单获得。例如，假设某月需要生产三种型号的电动机，每种型号分别生产200个，300个和400个。各种型号的电动机都需要同样的转子轴，但是型号1和型号2各需要两个球形轴承，型号3只需要1个球形轴承。因此，从每种型号电动机的物料清单就可以得出该型号做需配件，再按配件类型分别求和就能得到每种配件的总需求，即需要转子轴900个，轴承1400个。从例题可看出，只要最终产品的需求确定、已知，利用派生需求的方法得出的需求预测是非常准确的。二、物流系统预测的特殊问题在进行物流需求预测时，常常会遇到一些特殊的问题，如新需求预测问题、不规律需求问题、地区性预测问题和预测误差问题。虽然这些问题并不仅仅在物流管理中存在，但对物流管理者而言，这些问题是他们准确预测物流需求时必须考虑的问题。（一）新需求预测问题物流系统决策常常要以对产品和服务的需求水平预测为基础，但经常出现缺乏足够的历史数据的情况。例如，在推出新产品或新的服务时需要为之提供物流支持，就需要对物流需求进行预测，这时就会出现历史数据缺乏或不够多的问题。对这种初期的需求进行预测，物流管理人员可采用以下几种方法。第一种，将最初的预测任务交给营销人员来做，直到积累一定的销售历史数据。营销部门对促销活动的力度、早期用户的反应、所期待的用户接受程度理解得最透彻。一旦积累了一定的需求历史数据（如6个月），就可以有信心地使用现有预测方法了。第二种，可以利用生产线中类似产品的需求模式估计新产品的销售情况。在多数情况下，企业更新生产线，一般只有少数产品是全新的，多数产品只是改变规格、外形或在现有产品基础上加以改进。所以，旧的需求模式可以对新产品最初的需求预测提供一些启迪和借鉴。第三种，可以使用指数平滑法进行预测，但在最初预测阶段要将指数平滑系数定得很高（0.5）。一旦得到了足够的需求历史数据，就可以将平滑系数降低到一般水平。（二）不规则需求的预测物流需求的不规则问题已在前面讨论过。在需求不规则的情况下，需求模式中的随机波动非常大，使得趋势和季节性特征非常模糊。实际上，不规则的物流需求的发生频率是很高的。例如，以不定期的大额订单为主的需求模式，由对其他产品或服务的需求决定的派生需求，季节性需求高峰导致的不规则需求，由自然灾害、战争、大规模流行疾病等异常情况引起的应急物流需求等等。由于这类需求的时间序列波动幅度较大，所以很难用数学方法对不规则需求进行准确预测。这里提出几点参考建议。第一，寻找导致需求不规则的明显原因，再利用这些因素进行预测；将不规则的需求预测与其他规则性的需求预测分开进行，分别使用不同的方法。第二，如果没有找到促使需求发生偏移的原因，就不对这类产品或服务的需求变化作出迅速反应；相反，要利用一些简单的、平稳的预测方法，例如：取较小平滑系数的指数平滑法、时间间隔较长的回归法（时间间隔不少于一年）。第三，因为不规则需求多数发生在低需求产品上，对预测精度的要求可能并不很高，可以根据具体情况要求适当调整预测值，保证需求的可靠性。例如，通过需求预测来决定库存水平，就可以适当提高库存水平，以抵消需求预测的不精确性。这样处理既简单，对实际问题也很奏效。（三）地区性需求预测物流需求具有地域特点，这就要求进行需求预测时，首先要明确是先进行地区总需求量的预测后，再按地区（如工厂或配送中心的供货范围）分配需求？还是直接对每一地区单独进行需求预测。怎样处理预测更准确？系统需求预测的一般规律是，汇总预测比单项需求预测更准确。所以，对所有地区的物流需求进行总量预测要比先单独预测各地区需求然后再汇总更精确一些。因此，一般先进行物流总需求量的预测，然后将总量分配到各地区，这比单独进行预测的精度要高，效果更好。例如，进行某中心城市的物流中心规划的时候，一般是先对以该城市为中心的区域的物流量进行总的分析和预测，然后再按一定百分比分配确定所建物流中心的需求量。但是，究竟哪种方式更好，还不能从理论上进行证明，因此，物流决策者必须对两种方式都了解，并进行比较。（四）预测的误差问题没有一种预测模型能保证在所有的情况下、在所有的时间段都适用，预测误差是不可避免的。但是，如何使预测误差尽可能小，一般需要将几种预测模型的结果进行综合，才会使预测值更稳定、更可靠。第三节 物流需求预测的定性方法定性预测是预测者根据自己掌握的实际情况、实践经验、专业水平，对经济发展前景的性质、方向和程度做出的判断。在掌握的数据不多、不够准确或主要影响因素难以用数字描述，无法进行定量分析时，定性预测就是一种行之有效的预测方法。如新建企业生产经营的发展前景、新产品销售的市场前景，由于缺少历史资料，采用定性预测方法为宜。另外，政策的变化、消费者心理的变化等因素对市场商品供需变化的影响很难定量化，只能通过判断进行定性分析。因此，定性预测是一种不可缺少的灵活的需求预测方法。下面介绍几种常用的定性预测方法。一、市场调查预测法市场调查预测，是指预测者在深入实际进行市场调查研究、并取得必要的经济信息的基础上，根据自己的经验和专业水平，对市场发展变化前景作出的分析判断。例如，对市场商品供应和需求发展前景的分析判断；产业结构调整对原材料及产品的销售动向、物流需求前景影响的分析判断等。对市场发展变化前景的预测，如果缺少必要的调查统计资料和经济信息，就要深入进行市场调查研究，搜集和整理第一手资料，进行市场调查预测，分析判断市场发展前景。这种预测虽可提供简单的数据，但是，主要是预测市场发展前景的性质和方向，属于定性预测的范畴。常用的市场调查预测法有以下几种。（一）经营管理人员意见调查预测法这种方法的基本过程是：首先，由企业经理根据政策和经营管理的需要，向各业务主管部门（如计划统计、市场情报、财务会计部门）提出预测项目和预测期限的要求；其次，各业务主管部门分头准备，根据掌握的情况，提出各自的预测意见；最后，由经理召开座谈会，对各种预测意见进行讨论分析，综合判断，得出反映客观实际的预测结果。这种预测方法的优点是：上下结合进行预测，有利于发挥集体智慧，充分调动经理和业务管理人员的积极性；由于各业务管理人员熟悉市场商情动向，预测结果比较准确可靠；另外，预测不需要经过复杂计算，快捷、经济，且能随着市场变化进行及时调整。其缺点是：对市场商情的变化了解得不够深入具体，主要依靠经验判断，受主观因素影响大，只能做出粗略的数量估计。（二）销售人员意见调查法这种方法是对销售人员进行调查，征询他们对产销情况、市场动态及自己负责的销售区、商店未来销售量的估计，汇总整理后，形成对市场销售前景的预测和判断。其过程如下：第一，由公司、企业向本单位所属的各销售区、商店提供本公司、企业的经销策略、措施和有关产供销的统计资料及市场信息，作为销售人员预测的参考。第二，各地区、商店的销售人员根据本身所经营的商品种类、顾客类别和经营情况，估计下季、下年的销售量和销售额。第三，各地区、商店经销负责人，对所属销售人员的估计结果进行审核、修正、整理汇总，按规定日期上报公司、企业。最后，公司、企业的各业务主管部门对报上来的估计数作进一步的审核、修正、汇总和综合平衡得到总预测数，并参照编制经销计划草案。经经理、厂长批准后下达到各销售区、商店。根据经销计划进行商品调拨，编制日常销售计划。这种预测方法的优点是：销售人员处在市场第一线，最接近顾客，熟悉市场情况，预测经过多次审核、修正，比较接近实际；根据预测确定的销售任务由销售人员自己负责完成，易于发挥积极性和主观能动性。其缺点是：销售人员为了超额完成销售计划，获得奖金，估计易偏于保守；由于工作岗位所限，对经济发展和市场变化全局了解不够，所判断预测的结果有一定局限性。一般适用于短期预测。（三）消费者购买意向调查预测法这种方法采用随机抽样或典型调查方式，从调查对象中抽选一定数目的消费者，通过问卷调查、访问等调查方式，将消费者的购买意向进行汇总分析，以此推断商品未来市场需求量。主要步骤包括两个阶段：第一阶段，消费者购买意向的调查。首先要制定调查方案、设计调查表格。调查方案要反应出所关心商品的种类、型号、式样、需求数量、价格范围、未来需求时间等内容。其次，选择被调查的消费者对象和调查手段，消费者对象可按消费地区、性别、年龄等特征选择典型对象或随机进行调查；调查手段可以借助电话、Internet网、发问卷表等形式。最后，对调查收集的数据进行分类整理，计算出相关的描述统计指标。第二阶段，需求结构分析预测。按照第一阶段确定的调查对象、产品类型等分类特征，划定需求结构，分别进行预测和分析。例如对于同一种家电产品，可以划分成城市和农村的需求，高、中、低档次的需求等。这种调查预测方法的优点是：由于商品的购买者就是商品的使用者、消费者，他们知道自己将来要购买什么，购买多少，他们的意见是最直接、最有用的信息。因此，只要购买者愿意合作，能如实回答调查表中的问题，可以获得比较准确的预测结果。这些方法通常适用于生产资料的需求预测和耐用消费品的需求预测。市场调查预测的关键是要设计一个合理的调查方案，包括简洁、明确的调查内容和合适的调查者；另外，还要参考统计资料和市场信息，对调查预测结果进行修正，以提高调查预测的科学性和准确性。二、德尔菲法德尔菲（Delphi）法属于专家预测法，由美国兰德公司20世纪40年代首先用于技术预测。它是以匿名方式通过几轮函询，征求专家们的意见；预测领导小组对每一轮意见都进行汇总整理，作为参考资料再发给每个专家，供他们分析判断，提出新的论证。如此多次反复，专家的意见渐趋一致，结论的可靠性越来越大。德尔菲法是系统分析方法在价值判断领域的一种有益的延伸。它突破了传统的数量分析限制，根据对未来发展中各种可能出现和期待出现的前景的概率进行估计，为决策提供可供选择的多种方案。德尔菲法的应用领域很广，例如军事领域的预测、科技发展前景预测、市场需求预测、人口预测、医疗和卫生保健预测、教育预测等等。（一）专家的选择进行德尔菲法预测需要成立预测领导小组。领导小组不仅负责拟订预测主题，编制预测事件一览表，对结果进行分析和处理，更重要的是负责专家的选择。德尔菲法是一种对意见和价值进行判断的过程，因此，应邀专家必须对预测主题有较深的造诣，才能提出正确的意见和有价值的判断。物色专家是德尔菲法成败的关键。怎样选择专家要由预测任务决定。如果要求比较深入地了解本部门历史情况和技术政策，或牵涉到本部门的机密问题，最好从本部门中选择专家。从本部门选取专家比较简单。如果预测任务仅仅关系到具体技术发展，最好同时从部门内外挑选。大体遵循如下顺序：（1）编制征求专家应答问题一览表；（2）根据预测问题，编制所需专家类型一览表；（3）将问题一览表发给每个专家，询问他们能否坚持参加规定问题的预测；（4）确定每个专家从事预测所消耗的时间和经费。从外部选择专家比较困难，一般要经过几轮。值得注意的是，选择专家不仅要注意选择精通技术、领域知名的专家，同时还要选择边缘学科、社会学和经济学等学科领域的专家。另外，预测小组人数视预测问题规模而定，一般以1050人为宜，人数太少，限制学科代表性，缺乏权威，也影响预测精度；人数太多，难以组织，对结果处理比较复杂。对于一些重大问题，专家人数也可扩大到100人以上。还可根据具体预测问题，将选定的专家划分成从事基础研究预测和应用研究预测的小组，或按其他形式分组。例如，美国和加拿大锻造协会对粉末冶金和冷锻技术的发展及其对锻造行业的影响进行了预测。专家组由原材料供应商、设备制造商、锻件制造厂、锻件用户和科研机构等五个方面的90名专家组成，分三个小组，分别对黑色金属粉末锻件、有色金属及耐高温金属粉末锻件、以及冷锻件的潜在增长趋势进行了预测。（二）预测过程预测开始之前先要编制调查表。调查表一般根据实际预测问题的要求编制，通常分为目标-手段调查表、事件完成时间调查表、肯定式回答调查表、推断式回答调查表等类型。调查表制订后就可以开始预测，预测过程中要保证专家能独立地进行判断。经典德尔菲法一般分四轮进行。第一轮：发给专家的第一轮调查表只提出预测主题。预测领导小组对专家填写后寄回的调查表进行汇总整理，归并同类事件，排除次要事件，用准确术语提出一个事件一览表，并作为第二轮调查表发给每个专家。例如，美国和加拿大锻造协会就粉末锻件和冷锻件潜在增长趋势的预测，第一轮时专家们共提出150多个应预测事件，领导小组归纳整理为121个。第二轮：专家对第二轮调查表所列的每个事件做出评价，并阐明理由。领导小组对专家意见进行统计处理。第三轮：根据第二轮统计材料，专家再一次进行判断和预测，并充分陈述理由。有些预测在第三轮时仅要求持异端意见的专家充分陈述理由，因为他们的依据经常是其他专家忽略的一些外部因素或未曾研究过的问题。这些依据往往对其他成员重新做出判断产生影响。第四轮：在第三轮统计结果基础上，专家再次进行预测。根据领导小组要求，有的成员要重新做出论证。通过四轮，专家的意见一般可以相当协调。例如，美国制造工程师学会和密执安大学协作分别组织125名和150名专家对生产管理技术和生产装配技术进行了预测，四轮后的预测结果相当接近，持不同意见的仅占20。德尔菲法的主要特点是：（1）由于采用匿名方式，参加预测的专家互不了解，完全消除了心理因素的影响；（2）德尔菲法一般要经过四轮，为了使参加预测的专家掌握每一轮预测的汇总结果和其他专家提出意见的论证，预测领导小组对每一轮的预测结果做出统计，并反馈给每个专家，供下一轮预测时参考；（3）德尔菲法采用统计方法对各轮反馈意见进行定量处理，使预测结果具有统计特性。 （三）组织预测的原则采用德尔菲预测时，一般要遵守以下原则。1对德尔菲法做出充分说明为了使专家全面了解情况，调查表应有前言，说明预测的目的和任务，以及专家的回答在预测中的作用。同时还要对德尔菲法的实质、特点、轮间反馈对评价的作用等做出充分说明，使专家都能了解德尔菲法。2合理设计和编排问题一是要保证调查中的问题集中并有针对性，避免分散，保证各个事件构成一个有机整体；二是问题的数量及回答的复杂性程度要适中；三是问题的排列要按一定顺序，先综合、后局部，同类问题的排列先简单、后复杂，由浅入深，逐渐引起专家回答问题的兴趣。3避免组合事件即要避免一个事件包含两个问题的情况，例如，对于“以海水中提炼的氘(重氢)为原料的核电站到哪一年可以建成”的预测事件，表面上是对核电站建成日期做出预测，但其前提是专家必须同意采用氘作原料。这就是一个组合事件。如果某位专家不同意采用氘作原料，该问题就难以回答。因而应避免提出“一种技术的实现是建立在某种方法基础上”这类组合事件。4尽量采用明确的、成熟的技术术语在问题设计时，避免采用一些含糊不清的、主观性强的用语，例如，“普遍”、“广泛”、“正常”等缺乏定量概念的用语应避免使用。5领导小组意见不强加于调查表中当意见对立的双方对对方的意见都没有给予足够考虑，或者领导小组认为已经存在明显的判断和事实，而双方都没有注意时，领导小组就试图把自己的观点加在调查表中，作为反馈材料供下一轮预测时参考。这样处理势必出现诱导现象，使专家的评价向领导小组意图靠扰，由此得到的预测结果的可靠性是值得怀疑的。6调查表要简洁调查表是帮助专家做出评价，应使专家把主要精力用于思考问题，而不是理解复杂的调查表。调查表的应答要求，最好是选择或填空，方便专家；表中还应留有足够的地方，供专家阐明意见。三、主观概率法（一）主观概率法的意义主观概率是指在一定条件下，个人对某一事件在未来发生或不发生可能性的估计，反映个人对未来事件的主观判断和信任程度。客观概率是指对某一随机事件发生的可能性大小的客观估量。如掷一枚硬币，出现国徽面和出现数字面的客观概率各为1/2。主观概率同样必须符合概率论的基本公理，即每一事件发生的概率大于等于零，小于等于1；必然发生的事件概率等于1，必然不发生的事件概率等于零；两个互斥事件之和的概率等于它们的概率之和。客观概率与主观概率的根本区别在于，客观概率具有可检验性，主观概率则不具有这种可检验性。经济预测的主观概率法，是指利用主观概率对各种预测意见进行集中整理，得出综合性预测结果的方法。当无法通过试验确定某事件的客观概率，或由于资料不完备无法计算客观概率时，常常采用主观概率法进行经济预测。常用的主观概率法有主观概率加权平均法和累计概率中位数法。本文对主观概率加权平均法进行详细介绍。（二）主观概率加权平均法这种方法以主观概率为权数，对各种预测意见进行加权平均，从而求得综合性预测结果。1确定主观概率根据过去预测的准确程度确定各种可能情况的主观概率。例如，某公司甲统计员预测公司明年第一季度的销售额。根据个人经验，他预测最高销售额为1000万元，主观概率是0.3；最可能销售额800万元，主观概率是0.5；最低销售额600万元，主观概率是0.2。另两名统计员乙和丙也根据自己的经验对最高销售额、最可能销售额和最低销售额作出了主观预测，见表5-1。表5-1 统计人员预测情况及期望值计算表统计员估计销售额(万元)主观概率销售概率甲最高销售最可能销售最低销售10008006000.30.50.2 300400120期望值820乙最高销售最可能销售最低销售120010008000.20.60.2240600160期望值1000丙最高销售最可能销售最低销售9007005000.20.50.3180350150期望值6802计算综合预测值分两步进行。第一步，以主观概率为权数，计算个人预测的期望值；第二步，根据每人判断预测的准确程度确定每人的主观概率，以此为权数，计算各期望值的平均数。3计算平均偏差程度，校正预测结果。先将过去若干季度的实际数和预测数据对比，计算比率、平均比率和平均偏差程度；然后校正预测结果。例5-2某公司邀请三名统计员和两名计划员对公司明年第一季度的销售额进行预测。三名统计员的预测情况如表5-1所示；两名计划员预测的期望值分别为950万元、750万元。根据过去经验，三名统计员之间的判断能力不相上下，两名计划员之间的判断准确度也基本相当；但是总体上讲，统计部门比计划部门的判断准确性要更高一些。该公司明年第一季度的销售额预计是多少？解：（1）以主观概率为权重，计算三名统计员的预测期望值，见表5-1。统计员甲的期望值为：10000.3+8000.5+6000.2=820（万元）；统计员乙的期望值为：12000.2+10000.6+8000.2=1000（万元）；统计员丙的期望值为：9000.2+7000.5+5000.3=680（万元）（2）计算三名统计员预测的平均销售额。由于三位统计员的判断能力较接近，其主观概率各为1/3，则三人预测的平均销售额为：（820+1000+680）3=833.33（万元）（3）计算两名计划员预测的平均销售额。由于两名计划员的判断准确度基本相当，两人的主观概率各为50%，则计划员预测的平均销售额为：9500.5+7500.5=850（万元）（4）计算统计员和计划员预测的平均销售额。根据过去经验，统计部门比计划部门的判断更准确些，假设统计部门与计划部门的主观概率分别0.6和0.4，则该公司明年第一季度的预测销售额为：833.330.6+8500.4=840（万元）（5）校正预测结果。假设根据统计数据，得到了该公司过去8个季度的实际销售额与预测销售额的比值（见表5-2）。表5-2 公司实际销售额与预测销售额的比值季度数12345678实际数/预测数0.981.031.020.860.971.010.931.04实际销售额与预测销售额的平均比率等于各季比率的简单算术平均数，即为0.98。平均偏差程度为98-1=-2，即实际数比预测数平均低2。校正方法是将预测销售额降低2。这样，经校正后的公司明年第一季预测销售额为：84098=823.2（万元）。第四节 物流需求预测的定量方法物流管理者要进行的预测一般是与库存控制、运输调度、仓库装卸计划等决策活动有关的需求预测。实践证明，时间序列分析模型虽然简单，但预测效果较好。下面就介绍常用的时间序列预测及因果关系预测方法。一、移动平均法移动平均法是一种简单的预测方法。其基本思想是：根据时间序列信息，逐项推移，依次计算包含一定项数的序时平均值，以消除周期波动或随机波动的影响，揭示出数据序列的长期趋势。因此，当时间序列值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。设有一时间序列y1、y2、.、yt.，则按数据点的顺序逐项推移求出N个数的平均数，即可得到一次移动平均数： （5-1）式中，为第t周期的一次移动平均数；为第t周期的观测值；N为移动平均的项数。（5-1）式表明，当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新的平均数，逐期向前移动，所以称为移动平均法。由于移动平均可以平滑数据，消除周期变动和不规则变动的影响，使长期趋势显示出来，因而可以用于预测。其预测公式为： （5-2）即以第t周期的一次移动平均数作为第t+1周期的预测值。例5-3某汽车配件中心某年1月至12月的化油器销售量如表5-3所示。试用简单移动平均法预测下一年一月的销售量。表5-3 化油器销售量及移动平均预测值月份1 2 3 4 5 6 7 8 9 10 11 12 实际销量423 358 434 445 527 429 426 502 480 384 427 4463个月移动平均预测值405 412 469 467 461 452 469 455 430 419解：取N=3，计算3个月移动平均预测值，按下式进行预测：计算结果列入表5-3最后一行。实际数据及预测数据的折线如图5-5所示。可见，实际销量的随机波动较大，经过移动平均后，随机波动明显减少，消除了随机波动的干扰。图5-5 实际销量与预测销量的折线图当时间序列没有明显的趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差。因此，需要进行修正，修正的方法是在一次移动平均的基础上再做二次移动平均，利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势，然后才建立直线趋势的预测模型。这种方法又称为趋势移动平均法。设一次移动平均数为，二次移动平均数，其计算公式为： （5-3）再设时间序列从某时期开始具有直线趋势，且认为未来时期亦按此直线趋势变化，则可设此直线趋势预测模型为： （5-4）式中，t为当前时期数；T为由当前时期数t到预测期的时期数，即t以后模型外推的时间；为第t+T期的预测值；为截距；为斜率。，又称为平滑系数。根据移动平均值可得截距和斜率的计算公式为： （5-5） （5-6）在实际应用移动平均法时，移动平均项数N的选择十分关键，它取决于预测目标和实际数据的变化规律。二、指数平滑法指数平滑法是一种非常有效的短期预测法。该方法简单、易用，只要得到很少的数据量就可以连续使用。指数平滑法在同类预测法中被认为是最精确的，当预测数据发生根本性变化时还可以进行自我调整。指数平滑预测法是在移动平均法的基础上发展起来的一种预测方法，包括一次指数平滑预测法、二次指数平滑预测法和高次指数平滑法。（一）基本的指数平滑模型也称一次指数平滑预测，是利用时间序列中本期的实际值与本期的预测值加权平均作为下一期的预测值。其基本公式为： （5-7）式中： t 本期的时间；Ft对t时刻的预测值；Ft+1在t+1时刻的一次指数平滑值（即在t时刻对下一期的预测值）；a指数平滑系数，规定0a1；xt在t时刻的实际值。由上述公式可看出，所有历史因素的影响都包含在前期的预测值内，这样，在任何时刻，只需保有一个数字就代表了需求的所有历史情况。例如：假设本月预测的需求水平是1000个单位。本月的实际需求是950单位。取平滑系数a=0.3。根据式(5-7)，下个月的需求预计为新预测值=0.3950+0.71000=985个单位当下个月重复这一过程时，该预测值就变为“前期预测值”。依次类推。初始值F1一般要通过一定的方法选取。如果时间序列数据较多且比较可靠，可以将已有数据中的某一部分的算术平均值或加权平均值作为初始值F1；若历史数据较少或数据的可靠性较差，则可采用定性预测法选取F1，如采用专家评估法确定。指数平滑系数a的选择需要一定的主观判断。a的值越大，对近期需求情况给的权数越大，模型对时间序列的变化越敏感，但a过大可能使得预测过于“敏感”，结果只会跟踪时间序列的随机波动，而不是根本性变化。a值越小，则对近期数据影响越小，历史数据的权数越大，消除了随机波动性，只反映长期的大致发展趋势。因此，在反应需求水平根本性变化时需要的时滞就越长。如果a的值太低，预测结果会非常“平稳”。如何选择a值，是用好指数平滑模型的一个技巧。在物流需求预测方面，a的范围一般在0.010.3之间。若预计变化（如经济萧条、临时性促销活动、某些产品将退出产品线等）即将发生，或在很少的历史数据或根本没有数据的情况下启动预测程序，这时可选择较高的a值进行短期预测。例5-4下列季度的数据代表某产品需求的时间序列。试对今年第三季度需求进行预测。 季度1234去年12007009001100今年14001000F3解：先根据经验选定a=0.2；将去年四个季度的需求平均值作为以前的预测值，即：F0=（1200+700+900+1100）/4=975。从今年第一季度的需求开始预测，直到预测出今年第三季度的需求。预测过程： 今年第一季度的预测需求为： F1=0.2x0+（1-0.2） F0 =0.21100+(1-0.2) 975=1000 今年第二季度的预测需求为： F2=0.2x1+（1-0.2） F1 =0.21400+(1-0.2) 1000=1080 今年第三季度的预测需求为： F3=0.2x2+（1-0.2） F2 =0.21000+(1-0.2) 1080 = 1064历史数据与预测结果归纳如下： 季度1234去年12007009001100今年14001000预测值100010801064（二）趋势校正上述基本模型适用于图5-3（a）所示的趋势和季节性变化不很明显的时间序列。如果数据表现出明显的长期趋势和季节性特征，基本模型内在的滞后性就会造成很大的预测误差，因此必须对模型加以分析修正。当时间序列中只存在如图5-3（b）所示的长期趋势时，对预测模型（5-7）的校正按如下