生产管理知识_生产需求预测与管理课件

Nr 1 3 1需求预测的重要性3 2定性预测3 3定量预测3 4预测误差与监控 第三章需求预测 Forcasting 与管理 Nr 2 第一节需求预测的重要性 预测是对未来可能发生的事件的预计与推断 预测不仅是长期的战略性决策的重要输入 也是短期的日常运作的重要基础 预测为企业编制计划 协调内部各项活动提供了坚实基础 需求预测直接影响着企业生产与运作中的计划和决策 Nr 3 影响需求的因素及相互关系 Nr 4 影响需求预测的因素 商业周期 中国的商业周期同时具有市场机制和计划模式 也同时形成了独特的运行方式 也就是 中国国情 美国 在200多年的时间里 大体经历了近50次商业周期 由此产生了许多关于商业周期的理论和一系列观察周期的指标 中国 较远的时代多以政权的更替 自然灾害和外敌入侵等外生变量来表述 近年来 我们的政府和经济学家们不断地用权威的商业周期指标如就业 收入 产出 消费等来推导中国经济的运行模式并据此制定宏观政策或解读变化 Nr 5 影响需求预测的因素 产品生命周期 Nr 6 预测分类 预测按时间跨度来分 通常可分为短期预测 中期预测和长期预测 预测结果的准确性或可信度会随着期限的延长而降低 也就是说短期预测往往要比中长期预测要精确些 Nr 7 预测分类 在规划未来业务方面企业使用三种类型的预测 经济预测 通过预测通货膨胀率 货币供给 经济增长率及其他有关指标来预测经济周期 技术预测 通过预测与新产品开发有关的新技术 新材料 新工艺的发展趋势及其他重要技术指标来推断技术进步可能给企业带来的发展机遇 需求预测 即企业产品与服务的需求预测 如产品销售量 市场占有率及对产品品种 花色 规格 价格的需求变化趋势等 这些预测决定企业的生产 生产能力及计划体系 并使企业的财务 营销 人事做相应变动 Nr 8 预测分类 按主客观因素所起的作用定性预测 德尔菲法 部门主管讨论法 用户调查法 销售人员意见汇集法 定量预测 因果模型 时间序列模型 Nr 9 第二节需求预测的过程与方法 1需求预测的方法分类 Nr 10 2需求预测的一般步骤 决定预测目的和用途 决定影响产品需求的因素及其重要性 预测对象 预测期间 根据产品及其性质分类 收集资料加以分析 选择预测方法或模型 计算并核实初步预测结果 设定无法预测的内外因素 综合判断需求预测 预测监控 需求预测的过程 PDCA Nr 11 判断在预测中的作用选择预测方法中的作用辨别信息中的作用取舍预测结果时的作用预测精度与成本预测的时间范围和更新频率稳定性与相应性 注意的几个问题 Nr 12 3定性预测方法 Delphi法 选择对象专家团 提问 答案整理 反馈 3 4回 最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备 新产品 市场战略的长期预测或技术预测市场调查法 对调查内容的假设 消费者调查 调查表 面谈 电话 验证假设 定性技术中时间和费用是最大的缺点 预测比较正确的优点Panel同意法 经销商 销售员 消费者组成panel 专门小组 自由交换意见 预测值历史类推法 追踪类似产品在过去市场中需求的成长过程 类推 属于新产品 以前没有资料的情况 Nr 13 德尔菲 Delphi 法 德尔菲法是美国兰德公司 RANDCorporation 奥拉夫 赫尔默博士于上世纪40年代末首创的 它是定性预测方法中最重要 最有效的一种方法 应用十分广泛 可用于预测市场需求 商品供求变化 产品成本与价格 市场占有率 产品寿命周期等方面 对于那些缺少历史和现实资料的预测尤为实用 特点 1 匿名性 采用匿名函询方式 参加预测的专家互不了解 因而发表观点 修正自己的意见均较自由 2 反馈性 发函征询意见至少要经过两轮 预测当事人应将上一轮专家的意见汇总统计 将其作为反馈信息在下一轮征询时告知各位专家参考 3 收敛性 专家意见经过多轮征询反馈后 意见趋向一致 用统计方法加以整理 即可得预测结果 Nr 14 德尔菲法的基本程序 首先成立预测小组 任务是 1确定预测主题 2选择专家 选择时要注意三个问题 首先是广泛性 其次是自愿性 最后是人数要适度 参加预测的专家愈多 预测精度将愈高 一般以20 50人为宜 3编制预测事件一览表 有 预测某事件实现的时间 预测事件的相对结构比重 选择性预测 排序性预测 简明询问 其次进行轮番征询工作 一般采用三轮制 按以下步骤进行 第一轮 发给专家预测主题及相应的预测事件表 请其在一定期限内将应答寄回 预测小组在对应答结果整理 统计和分析的基础上 制定第二轮函询表 它所列预测事件的预测目标更加集中和明确 表述也更准确 第二轮 将第一轮表的统计结果和第二轮函询表发给专家 请专家提出或修改自己的预测 并说明理由 也可以对第一轮统计结果提出质疑 收到专家回复后进行统计分析 将分析整理结果再反馈给专家 第三轮 将第二轮初步所得预测结果制定成第三轮函询表发给专家 请其提出评价意见和理由 寄回 最后是应答结果的最终处理 Nr 15 4定量预测方法 分析计算法时间序列模型简单平均法移动平均法加权平均法指数平滑因果模型回归分析法 Nr 16 例3 1时间序列法 某企业销售额预测 Nr 17 简单移动 没有季节性变化或急剧的增加 减少趋势 偶然变化起重要作用时平均法 通过移动平均消除偶然变化 待预测期间前一定期间的需求做为简单的平均值 公式 Ft 1 t 期间 Ft 1 t 1的预测值 At t的实际需求 N 移动平均期间移动平均期间为4个月 实际需求为如下时月 t 12345实际需求 At 4345 5月的需求预测值F5为 考虑预测的稳定性和需求变化的反映度选择移动平均期间F5 4 移动平均期间越长 偶然因素损失越多 但对实际需求变化反映慢如果 5月的实际需求为5时 6月的需求预测值是F6 4 25 简单移动平均法 Nr 18 加权移动 在用于预测之前N期间资料值乘上合为1的加权值 求出移动平均平均法 简单移动平均的情况 在N期间的各资料值乘上同一的1 N的加权值 公式 Ft 1 WtAt Wt 1At 1 Wt 1 NAt 1 NFt 1 t 1的预测值 At t的实际需求 Wt 赋予t的加权值 实际需求如下月 t 12345实际需求 At 1009010595 加权值为4月0 4 3月份0 3 2月份0 2 1月份0 1时 在最近的资料中赋予大5月的需求预测值F5是的加权值 使能够赶上F5 0 4 95 0 3 105 0 2 100 97 5实际需求变化如果 5月的实际需求为110时 6月的需求预测值是F6 0 4 110 0 3 95 0 2 105 0 1 90 102 5 加权移动平均法 Nr 19 利用指数减少的加权值 给最近的资料赋予大比重 过去的资料赋予小比重后预测未来需求 即需求预测值是最近期间的实际需求乘上a的加权值 对最近的需求预测值乘上 1 a 的加权值后加权平均的数据 与移动平均法一样 在季节性变化 趋势 循环要素不起作用是有效 省略用趋势 季节性变化等修正的高次指数平滑法 公式 Ft 1 aDt 1 a Ft为求预测值Ft 1需要3种资料 最近预测值 Ft 最近实际需求 Dt 平滑常数a 0 a 1 公式变化后Ft 1 aDt 1 a Ft aDt Ft aFt Ft a Dt Ft 即 新预测值是对旧预测值修正 a 预测误差 后算出上个月需求预测值是100 实际需求是110 平滑常数a 0 3时这个月的预测值是Ft Ft 1 a Dt 1 Ft 1 100 0 3 110 100 103但 没有过去资料时根据定性技术 预测值做为最初的预测值 一次指数平滑法 指数平滑法 Nr 20 时间序列平滑模型 一次指数平滑法的连续展开期间1 D1 F1 F1已知 期间1末期值可以知道D1 期间2 F2 aD1 1 a F1期间3 F3 aD2 1 a F2 aD2 a 1 a D1 1 a 2F1 F2代入式子整理 期间4 F4 aD3 1 a F3 aD3 1 a D2 a 1 a 2D1 1 a 3F1 F3代入式子整理 因此一般Ft 1用如下公式表示 公式 Ft 1 aDt a 1 a Dt 1 a 1 a 2Dt 2 a 1 a t 1D1 1 a tF1 平滑常数 a 的值越大预测值对需求变化反应越大 越小平滑的稳定性越好 实际需求稳定时 例 食品 为减小短期 偶然性变化的效果减小a的值 为维持预测值的稳定性一般从0 1 0 3中设定 Nr 21 例2 1 某公司的月销售额记录如表3 3所示 试取a 0 4 F1 11 00 计算一次指数平滑预测值 Nr 22 Nr 23 二次指数平滑 公式 SFt 1 SAt Tt式中 SFt 1 第t 1期二次指数平滑值 Tt为t期平滑趋势值 T0事先给定 SAt为t期平滑平均值 又称之为 基数 SA0事先给定 斜率偏差的平滑系数 例2 2 对例2 1提供的数据 设 0 4 0 5 SA0 11 00 T0 0 80 求二次指数平滑预测值 指数平滑法 Nr 24 Nr 25 Nr 26 二次指数平滑法什么是二次指数平滑法二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法 它不能单独地进行预测 必须与一次指数平滑法配合 建立预测的数学模型 然后运用数学模型确定预测值 一次移动平均法的两个限制因素在线性二次移动平均法中也才存在 线性二次指数 平滑法只利用三个数据和一个 值就可进行计算 在大多数情况下 一般更喜欢用线性二次指数平滑法作为预测方法 二次指数平滑法的计算线性二次指数平滑法的公式为 式中 分别为t期和t 1期的二次指数平滑值 a为平滑系数 在和已知的条件下 二次指数平滑法的预测模型为 T为预测超前期数 Nr 27 Nr 28 Nr 29 因果预测 市场预测中有许多因果关系因素 如 购买力随工资增加 雨具销售随雨天延长 因果关系的第一步是找出真正呈因果关系的那些事件 一般地 主要变量间无因果关系 但在某些间接情况下 一些主要变量可能暗含了另一些可能事件 其他的非因果关系可视为偶然联系 以下为一个用因果关系进行预测的例子例 因果关系预测位于卡彭塔里亚市的地毯商城保存了历年的地毯销售记录 以平方码为单位 和该地区历年来批准的新建房屋数 数据如下 Nr 30 年份新房屋 x平方码 地毯销量 y平方码 198918130001990151200019911211000199210100001993201400019942816000199535190001996301700019972013000 因果分析 Nr 31 因果分析 方程 y 7000 350 x设1998年新建房为25 则y 7000 350 25 15750码 Nr 32 线性回归预测法是运用一个自变量x 它不再是时间 进行预测的方法 设预测的因变量为 则有 a 截距b 斜率上式中的回归系数a b可通过以往的实际数据用最小二乘法确定 从而求出线性回归方程式 线性回归预测法 式中 Nr 33 例2 3回归分析法 销量预测 Nr 34 例对下例 应用一元线形回归法进行预测 Nr 35 解 衡量一元线形回归方法偏差的两个指标 线形相关系数r和标准差Syx Nr 36 例2 3回归分析法 销量预测 Nr 37 因果模型 最小二乘法 归纳 回归分析 需求作为函数 影响需求的因素作为变量来预测 单一变量 单一线形回归分析 2个以上变量 多重线形回归分析单一线形回归分析 公式 Y 函数Y的推定值 即 回归线上值 X 独立变量 对需求影响最大的因素 a Y轴的截距 b 回归线 直线 的斜率用最小自乘法求a b 多重线形回归分析 现实中影响需求的有多种因素 公式 Y a b1X1 b2X2 bkXk 但是不用手算 用计算机计算 Nr 38 例2 4对例2 2应用一元线形回归法进行预测 Nr 39 解 衡量一元线形回归方法偏差的两个指标 线形相关系数r和标准差Syx Nr 40 时间序列分解模型 因此需求Y可用下列函数表示Y f T S C R 并且根据构成要素的结合形态乘法模型Y T S C R加法模型Y T S C R 01234 需求 时间系列和它的构成要素 时间 年 时间系列趋势季节性变化周期因素不规则变化 Nr 41 图3 7几种可能的时间序列类型 Nr 42 例下表是某旅游服务点过去3年各季度快餐的销售记录 试预测该公司未来一年各季度的销售量 Nr 43 解 分三步进行 1 求趋势直线方程 采用最小二乘法或目测法 先求得a 10000 份 再求b的值 b 12000 10000 12 167 Tt 10000 167t Nr 44 2 估算季节系数 Seasonalindex SI SI 夏 A1 T1 A5 T5 A9 T9 3 1 16 1 13 1 16 3 1 15 同样可得 SI 秋 1 00 SI 冬 0 85 SI 春 1 00 3 预测 夏季 10000 167 13 1 15 13997 份 秋季 10000 167 14 1 00 12338 份 冬季 10000 167 15 0 85 10629 份 春季 10000 167 16 1 00 12672 份 Nr 45 其它模型 计量经济 用一系列相互关联的回归方程式预测各种经济活动模型投入 产出 分析各产业部门间的产品及服务的流程预测需求模型先导指标法 根据预测对象的先导指标预测需求石油价格是大型车需求的先导指标Simulation 假设各种内生变量和外生变量后 利用电脑进行模拟实验 预测需求的动模型模型价格上涨价10 时需求的变化 国内经济萧条时需求的变化 Nr 46 2 4预测监控 预测精度测量预测监控 Nr 47 预测精度 Forecastaccuracy 测量 平均绝对偏差 Meanabsolutedeviation MAD 平均平方误差 Meansquareerror MSE 平均预测误差 Meanforecasterror MFE 平均绝对百分误差 Meanabsolutepercentageerror MAPE Nr 48 预测监控 Monitoringandcontrollingforecasts 将最近的实际值与预测值比较 看偏差是否在可接受的范围内应用跟踪信号 Trackingsignal TS Nr 49 Nr 50 Nr 51 本章小结 需求是经济运行的基点 如果需求预测错误 就有投资的风险 市场需求每天都在变化 即便日常生产活动中也要切实地把握最终需求的变动 多阶段生产系统中最终需求预测信息的共享尤其重要 生产厂家只根据上游厂商的订货信息来决定自己的生产计划时 就会产生牛鞭效应 bullwhipeffect 此时 不同企业之间合作进行需求预测与制定生产计划的CPFR collaborativeplanningforecastingandreplenishment 战略十分重要 牛鞭效应是供应链上的一种需求变异放大 方差放大 现象 是信息流从最终客户端向