生产管理知识_生产专家课程之需求预测

2 需求预测 1 概要2 影响需求的因素3 需求预测方法4 定性方法5 时间系列分析方法6 因果模型7 需求预测方法的选择 1 概要 预测的类型 各种生产决策时的基础 适用于库存生产 计划生产 订单生产 确保生产能力和原材料及制定有关经营战略的必要因素 预测需求 过去依赖于预测者的经验 主观判断现在依据统计技术 对象 技术预测 技术进步率 开发新产品 新制造技术 由技术专家执行经济预测 经济状况 制定中长期经营计划 由经济专家执行需求预测 产品及服务的需求 满足顾客 为生产做决策 期间 短期预测 6个月以内 月 周 日别中期预测 6个月 2年长期预测 2年以上 需求预测 短期 生产能力计划 设备 人员 资材长期 工程设计 生产方式 库存决策 2 影响需求的因素 经济变化 复苏 繁荣 衰退 萧条 4种状态 产品周期 投入期 成长期 成熟期 衰退期 产品lifecycle 耐用材料与消耗材料 服务之间的差异 其它因素 广告促销活动 质量 信誉 顾客的信赖 竞争对手 销售量 时间 投入期成长期成熟期衰退期 3 需求预测方法 定性方法 由个人的主观判断或综合多数人的意见后预测需求 过去的资料不充分或不可信赖 代表方法 delphi方法 市场调查法 panel同意法 历史类推法 中长期预测 定量方法 假设过去的需求模式一直持续不变 通过分析过去的资料预测未来发展方向 代表方法 移动平均法 指数平滑法 趋势分析法 时系列分解法 短期 中期预测 时系列分析法 从过去的资料中找出与需求有密切联系的变量 分析变量与需求的因果关系 代表方法 移动平均法 指数平滑法 趋势分析法 时系列分解法 短期 中期预测 因果模型 时系列 对于随时间变化的某现象 以一定的时间间隔观察读取的一系列观测值 如 日 周别销售额 月别销售量 来判断某种趋势 季节因素 循环的方法 3 需求预测方法 长期性 定性方法 因果模型 工程设计决策 设备计划 长期性 定性方法 因果模型总计划 雇佣 加班 设备计划 中期性 因果模型 时系列分析技术日程计划 短期性 时系列分析技术 生产能力决策 短期性 时系列分析技术 库存决策 预测用途与预测技术 预测用途预测期间要求正确度产品数正确的预测技术 工程计划生产能力计划 设备计划 总体计划 日程计划库存管理 长期长期中期短期短期 中等中等高很高很高 单一 少数单一 少数少数多数多数 定性技术和因果模型定性技术和因果模型因果模型和时系列分析技术时系列分析技术时系列分析技术 4 定性方法 选定对象专家团提问 答案整理 反馈 3 4次 最终结果不确定性大或没有过去资料的情报具有所需时间长和费用高的缺点为制定设备 新产品 市场战略 进行长期预测或技术预测时使用 Delphi法 希腊科学家 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 市场调查法 经销商 销售员 消费者组成panel自由交换意见预测值 Panel同意法 追踪类似产品在过去市场中需求的成长过程类推就象新产品一样 没有以前的资料 历史类推法 其它定性技术 scenario分析法 trend外插法 5 时系列分析技术 趋势 T 时系列构成要素 时系列的4个构成要素 需求以一定的比率增加或减少的倾向 季节性变化 S 在趋势线上下变化以一年为单位反复出现 循环因素 C 经过一年以上的长时间变化 需求在循环性的上下浮动 不规则变化 偶然变化 R 说不出原因的变化 不能预测和控制 例如 战争 地震 预测用途与预测技术 1 因此需求Y可用下列函数表示 Y f T S C R 2 并且根据构成要素的结合形态分 乘法模型Y T S C R 加法模型Y T S C R 需求 时系列 趋势 时间 季节性变化 循环因素 不规则变化 5 时系列分析技术 移动平均法 公式 Ft t 期间 Ft t的预测值 At t的实际需求 N 移动平均期间 没有季节变化或急剧的增加 减少趋势 偶然变化起主要作用通过平均移动消除偶然变化待预测期间前一定期间的需求做为简单平均值 简单移动平均法 N At 1 At 2 At n 移动平均期间为方4个月 实际需求如下时 月 t 实际需求 At 12345 4345 5月的需求预测值F5为 F5 4 5 4 3 4 4 如果5月的实际需求值为5 6月的需求预测值是 F6 4 5 5 4 3 4 25 考虑预测的稳定性和需求变化的反映度之后选择移动平均期间移动平均期间越长 偶然因素所起的作用越小 但对实际需求变化慢 5 时系列分析技术 移动平均法 公式 Ft Ft t的预测值 At t的实际需求 Wt t的加权值 和为1 在用于预测的前一段N期间资料值乘上和为1的加权值 求出移动平均简单平均值的权值是1 N 加权移动平均法 Wt 1At 1 Wt 2At 2 Wt nAt n 实际需求如下时 月 t 实际需求 At 12345 1009010595 加权值 4月0 4 3月0 3 2月0 2 1月0 1 5月的需求预测值F5为 F5 0 4 95 0 3 105 0 2 90 0 1 100 97 5 如果5月的实际需求值为110 6月的需求预测值是 最新的资料显示赋予大的权重更接近实际变化 F5 0 4 110 0 3 95 0 2 105 0 1 90 102 5 5 时系列分析技术 移动平均法 1 根据前3月用简单移动平均法 求出4 10月的预测值 某一产品过去的实际需求如下 月 t 实际需求 At 12345 问题1 98125110115130 月 t 实际需求 At 12345 98125110115130 2 从最近期间倒着赋予0 5 0 3 0 2的加权值 用加权移动平均发求出4 10月的预测值 5 时系列分析技术 指数平滑法 公式 Ft 为求预测值Ft需要3种资料 1 最近的预测值Ft 1 2 最近的实际需求At 1 3 平滑常数 0 1 设定以一定的函数形式减少的加权权数 给最近的资料赋予大的权数过去的资料赋予小的权数从而预测未来的需求需求的预测值是最近期间的实际需求乘 的加权值 对最近的需求预测值乘 1 的加权值后 加权平均的数据与移动平均法一样 不考虑季节变化 趋势 循环等要素省略用趋势 季节变化等修正的高次指数平滑法 简单指数平滑法 At 1 1 Ft 1 既新预测值是对旧预测值修正 预测误差 后算出 但没有过去的资料根据定性技术预测 其值最初的预测值 Ft 公式 变化后 Ft At 1 Ft 1 Ft 1 At 1 Ft 1 Ft 1 上个月需求预测值是100 实际是110 常数 0 3预测值是 At 1 Ft 1 Ft 1 100 0 3 110 100 103 5 时系列分析技术 指数平滑法 F2 指数平滑法的连续展开 A1 1 F1 F2代入公子整理 平滑常数 的值越大 预测值对需求变化反映越大反之平滑越平滑 实际需求稳定时 如食品 为减小周期 偶燃变化的影响 减小 的值 流行的产品则增加 的值 为维持预测值的稳定性一般设定在0 1 0 3之间 因此一般满Ft用如下公式表示 Ft At 1 期间1 A1 F1 F1已知 期间1的末期可知道A1 期间2 F3 A2 1 F2 期间3 A2 1 A1 1 2F1 公式 1 At 2 1 2At 3 1 t 2A1 1 t 1F1 指数加权值的和为1 5 时系列分析技术 指数平滑法 西镇百货商场预测上周销售额为1 1百万元 但实际销售额为1 25百万元 假设 0 1 利用指数平滑法计算时 本周的销售额为多少 本周的实际销售额为1 2百万元 请预测下周的销售额是多少 问题2 SY公司使用 0 5简单指数平滑法 已知1 3月的实际需求和1月的预测值为如下时 预测4月的需求 问题3 月 t 实际需求 At 123 1009490 实际需求 At 80 JiangS冰淇淋简单指数平滑法预测需求 上周的预测为100 000升但实际销售80 000升 0 2 0 4时下一周指数平滑法预测值各为多少 下周的实际销售量为95 000升时 哪个值 预测的更准 问题4 5 时系列分析技术 趋势分析法 将以前的资料标在坐标上 求出最能反映时系列的曲线 判断趋势线是直线还是曲线 在趋势线上预测未来的需要在这里省略复杂的指数涵数曲线 只对线性变化说明 趋势分析法 公式 t 期间 t 1 2 n Yt f t 是实际需求 Yt f t 是预测值直线趋势线 回归线 可用下式表示 Yt a bt a Yt轴的截距 b 曲线的斜率用最小二乘法求出a b b n tYt Yt t n t2 t 2 a Yt b t n 过去的资料与趋势线 Yt a bt a Yt t 01234 Y1 Y2 Y3 Y4 5 时系列分析技术 趋势分析法 代入 公式 Y6 19 11 6 85 b n tYt Yt t n t2 t 2 a Yt b t n 某一产品在过去5年中的需求如下 年度 实际需求 9091929394 3040605080 年度 实际需求 Yt 9091929394 3040605080 为求出a b值 先做如下表 为计算方便把90年作为期间1 期间 t 12345 t2 tYt 1491625 3080180200400 合计1526055890 19 11 Yt a bt 19 11t 因此所求曲线是 1995年为t 6 预测值Y6 5 时系列分析技术 趋势分析法 年度 实际需求 899091929394 62798694107120 JiangSPizza店在过去6年中销售额如下表显出增长趋势 利用最小二乘法求出曲线 并画出趋势图利用曲线推算95年的销售额 问题5 5 时系列分析技术 时系列分解法 通过分解时系列构成要素 趋势 季节 循环 偶然 来预测需求 实际上要掌握不规则的循环变化和偶然性因素是很困难的因此一般更多的利用分解趋势和季节因素的预测值FITS forecastincludingtrendandseasonal 趋势和季节因素的结合形态有加法和乘法季节变化 趋势分析法 加法季节变化 FITS 趋势 季节变化 乘法季节变化 FITS 趋势 季节变化 a Yt t 01234 a Yt t 01234 5 时系列分析技术 时系列分解法 某一产品1994年实际需求为400个 从季节看春天90 夏天150 秋天110 冬天50假设此产品的年平均需求量以10 增长时 利用加法和乘法季节变化 求出1995年各季节需求预测值 实际需求 Yt 春夏秋冬 9015011050 季节变化幅度 90 100 10150 100 50110 100 1050 100 50 合计400440440 季节指数 90 100 0 9150 100 1 5110 100 1 150 100 0 5 加法变化幅度 110 10 100110 50 160110 10 120110 50 60 乘法变化幅度 110 0 9 99110 1 5 165110 1 1 121110 0 5 55 1994 1995 平均季节需求值 1994年 400 4 100平均季节需求预测值 1995年 440 4 110 5 时系列分析技术 时系列分解法 某一公司分析去年1年的需求 发现春天100个 夏天200个 秋天150个 冬天120个 因此今年需求制定为春天150个 夏天250个 秋天200个 冬天170个 问 此公司对需求的季节性变化看成加法 还是乘法 说明 需求 千瓶 春夏秋冬1 求出平均季节需求和季节指数 2 1999年预计比1998年增长10 的需求 1999年各季节的需求预测值为多少 分别用加法和乘法计算 问题6 问题7 季节 98 A化妆品公司生产suntanoil对去年1年的各季节需求整理如下 6 因果模型 回归分析 需求作为变量 影响需求的因素作为自变量来预测 单一变量 单一线性回归分析 两个以上变量 多重线性回归 实际影响需求的因素很多 因此如下公式 回归分析 单一线性回归分析 多重线性回归分析 公式 Yt a bX b n XtYt Yt Xt n Xt2 Xt 2 a Yt b Xt n 公式 Yt a b1X1 b2X2 bkXk 用计算机计算 6 因果模型 回归分析 下表是某工厂过去7年中工伤次数和员工数的统计 公式 Yt 2 2 0 80X 问题8 问题9 员工数 千 1992199319941995199619971998 15122026353037 工伤 次 5201518173035 合计140 年 1 员工数为变量 工伤次数为自变量用单一回归分析求出回归方程式 2 预计1999年的员工数为33 000人时请预测事故次数 LL电子为了预测TV的销售额 随机选定10个地区 分析结果如下 人口数 单位 万名 和年销售额 单位 百万 之间成立如下线性回归方程 1 变量和自变量是什么 2 请预测人口为6万的城市年销售额是多少 用一系列相互关联的回归方程式预测各种经济活动 6 因果模型 其它模型 计量经济模型法 分析各产业部门间的产品及服务的流程预测需求 投入 产出模型法 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 先导指标法 仿真模型 Sim