《供应链需求预测》PPT课件

1、供应链需求预测,Supply Chain Management,7-1,Outline,预测在供应链中的作用 预测的特征 预测的组成部分及预测方法 预测的基本方法 预测的时间序列法 预测误差的测定方法 天然气在线公司的预测需求,预测在供应链中的作用,需求预测构成了供应链中所有战略性和规划性决策的基础 预测广泛应用于推/拉式供应链 Examples: 生产：日程安排，库存管理、总体计划 营销：销售资源配置、促销、新产品开发 财务：生产线的投资和预算规划 人事：雇员计划、雇用、解雇 所有上述决策的结合都需要预测的支持,预测的特征,预测经常会出错 长期预测通常没有短期预测精确 综合预测通常要比独立预

2、测准确的多,预测构成的要素,过去的需求 产品的提前期 规划进行的广告与促销 经济的状态 价格与促销方案 竞争者行为,预测的组成部分及预测方法,定性法：依赖于人们的判断和意见做出预测 时间预测法：利用历史数据来预测未来需求 静态法 适应性法 随机法：假定需求和外界因素高度相关 模仿法 通过模仿消费者选择进行需求预测 可以联合使用随机法和时间预测法,被考察需求 (O) = 系统需求 (S) + 随机需求 (R,Level (需求水平,Trend (需求趋势,Seasonality (季节性需求,系统部分: 需求的预期价值 随机部分: 需求中偏离系统需求的部分 预测错误: 衡量预测和实际需求的差异,

3、预测的时间序列法,预测接下来的四个时期,预测的时间序列法,预测的基本方法,静态法 适应法 移动平均法 单一指数平滑法 Holts model (需求趋势) Winters model (需求趋势和季节性需求,需求预测的基本方法,理解预测的目的 将需求规划和预测结合起来 识别影响需求预测的主要因素 理解和识别顾客群 决定采用适当的预测方法 确定预测效果的评估方法和误差的测度方法,预测的时间序列法,预测的目的是预测系统需求部分和估计随机部分 复合型: (level)(trend)(seasonal factor) 附加型: level + trend + seasonal factor 混合型:

4、(level + trend)(seasonal factor) 静态方法 适应性方法,静态方法,假设面临一个混合型预测: 系统需求 = (level + trend)(seasonal factor) Ft+l = L + (t + l)TSt+l = 以 t时刻为基点预测 t + l时刻的需求 L = 基期的预测需求水平 T = 预计需求趋势 St = 预计t期的季节性需求 Dt =实际观测到t期需求 Ft = 预测的t期需求,静态方法,预测需求水平和需求趋势 预测季节性需求,预测需求水平和需求趋势,在预测之前需要剔除季节性需求的影响 剔除季节性影响的需求= 在没有季节性影响的情况下将要观

5、测到的需求 时期数 (p) 在周期内包括的所有时期之后，季节性周期将重复进行 天然气公司(Table 4.1, Figure 4.1) p = 4,时间序列预测 (Table 4.1,预测接下来的四个时期的 需求量,时间序列预测(Figure 4.1,剔除季节性影响的需求,Dt-(p/2) + Dt+(p/2) + S 2Di / 2p P是偶数 Dt = (sum is from i = t+1-(p/2) to t+1+(p/2) S Di / p P是奇数 (sum is from i = t-(p/2) to t+(p/2), p/2 向下取整,剔除季节性影响的需求,For the e

6、xample, p = 4 是偶数 For t = 3: D3 = D1 + D5 + Sum(i=2 to 4) 2Di/8 = 8000+10000+(2)(13000)+(2)(23000)+(2)(34000)/8 = 19750 D4 = D2 + D6 + Sum(i=3 to 5) 2Di/8 = 13000+18000+(2)(23000)+(2)(34000)+(2)(10000)/8 = 20625,剔除季节性影响的需求,包括需求预测 Dt = L + tT 其中，Dt = t时期剔除季节性影响的需求 L = level (基期剔除季节性影响的需求) T = trend (

7、剔除季节性影响的需求后预计需求趋势) In the example, L = 18,439 and T = 524,需求的时间序列,预测季节性需求,季节性需求是实际需求与剔除季节性影响后的需求之间的比率 St = Dt / Dt = t时期的季节性因素 In the example, D2 = 18439 + (524)(2) = 19487 D2 = 13000 S2 = 13000/19487 = 0.67 其他时期的计算方法依此类推,预测季节性需求(Fig. 4.4,预测季节性需求,给定一个时期，可以通过将相似时期的季节性需求加以平均得到某一时期的季节性需求 假定一个r循环，对于所有以

8、pt+i, 1ip,形式的时期，得到以下季节性需求 Si = Sum(j=0 to r-1) Sjp+i/r In the example, S1 = (0.42+0.47+0.52)/3 = 0.47 S2 = (0.67+0.83+0.55)/3 = 0.68 S3 = (1.15+1.04+1.32)/3 = 1.17 S4 = (1.66+1.68+1.66)/3 = 1.67,预测需求,使用预测结果，可以使用静态法预测得到4个时期的预测如下: F13 = (L+13T)S1 = 18439+(13)(524)(0.47) = 11868 F14 = (L+14T)S2 = 18439

9、+(14)(524)(0.68) = 17527 F15 = (L+15T)S3 = 18439+(15)(524)(1.17) = 30770 F16 = (L+16T)S4 = 18439+(16)(524)(1.67) = 44794,适应性预测法,对需求水平、需求趋势的预测在每次观察后做出调整 适应性预测的常见方法 移动平均法 单一指数平滑法 Holts model (需求趋势) Winters model (需求趋势和季节性需求,适应性预测法的基本概念,数据解释：P83,适应性预测法一般步骤,自动创建 预测 预测误差 修正误差 重复以上步骤，直到完成预测,移动平均法,适用于不存在预测

10、趋势和季节性变动 系统需求=需求水平 最近N期的需求平均值作为t期的需求水平 Lt = (Dt + Dt-1 + + Dt-N+1) / N Ft+1 = Lt and Ft+n = Lt 当观测到t+1期的需求后，做出修正 Lt+1 = (Dt+1 + Dt + + Dt-N+2) / N Ft+2 = Lt+1,移动平均法-Example,对于前述例题 (Table 4.1)我们用4期移动平均来预测第5期的需求 L4 = (D4+D3+D2+D1)/4 = (34000+23000+13000+8000)/4 = 19500 F5 = 19500 = F6 = F7 = F8 观测到第五期

11、需求 D5 = 10000 第五期需求误差, E5 = F5 - D5 = 19500 - 10000 = 9500 修正第五期预测: L5 = (D5+D4+D3+D2)/4 = (10000+34000+23000+13000)/4 = 20000 F6 = L5 = 20000,单一指数平滑法,适用于不存在预测趋势和季节性变动 系统需求=需求水平 需求初始预测 L0, 是所有历史数据的平均值 L0 = Sum(i=1 to n)Di/n 未来各期需求的预测等于对当期需求水平的预测: Ft+1 = Lt and Ft+n = Lt 当观察到 Dt+1时, 对需求水平预测值做出修正: Lt+

12、1 = aDt+1 + (1-a)Lt Lt+1 = Sum(n=0 to t+1)a(1-a)nDt+1-n,单一指数平滑法-Example,在前述例题中，用指数平滑法预测第1期需求 L0 = Sum(i=1 to 12)Di/12 = 22083 F1 = L0 = 22083 观察到第1期需求 D1 = 8000 第1期需求误差 E1 E1 = F1 - D1 = 22083 - 8000 = 14083 假设 a = 0.1, 第1期预测需求修正为: L1 = aD1 + (1-a)L0 = (0.1)(8000) + (0.9)(22083) = 20675 F2 = L1 = 20675 注意：第1期需求预测水平低于初始期,预测误差的测定意义,管理者可以利用预测误差分析，判断预测是否准确的预测了系统需求 由于误差要用来解释意外事件，管理者应该估计误差,预测误差的测定方法,预测误差 = Et = Ft - Dt 平均方差 公式4.20 绝对离差 = At