运营管理-第六章-需求预测课件

1、本章主要内容本章主要内容6.1 6.1 预测预测6.2 6.2 定性预测方法定性预测方法6.3 6.3 定量预测方法定量预测方法6.4 6.4 预测误差及监控预测误差及监控6.1.1 6.1.1 预测及其作用预测及其作用6.1.2 6.1.2 预测分类预测分类6.1.3 6.1.3 预测的步骤预测的步骤6.1.4 6.1.4 预测中应注意的几个问题预测中应注意的几个问题6.1 预测I see that you willget an A this semester.6.1.1 预测及其作用 预测预测是对未来可能发生的情况的预计与推测。是对未来可能发生的情况的预计与推测。 预测时考虑的因素预测时考

2、虑的因素： 当前的因素或条件、在过去情况下过去的经历当前的因素或条件、在过去情况下过去的经历 但预测但预测不是一门精确的科学不是一门精确的科学，它是科学与艺术的结合。，它是科学与艺术的结合。 预测预测离不开科学测定的数据离不开科学测定的数据，也，也离不开人们的经验和离不开人们的经验和判断判断。 不能因为预测的失误而否定预测。不能因为预测的失误而否定预测。 “凡事预则立，不预则废凡事预则立，不预则废”。预测为人们提供了即将。预测为人们提供了即将发生的情况的信息，增加了成功的机会。发生的情况的信息，增加了成功的机会。 预测的作用预测的作用帮助管理者设计生产运作系统帮助管理者设计生产运作系统 生产什

3、么产品，提供何种服务生产什么产品，提供何种服务 在何处建立生产在何处建立生产/ /服务设施服务设施 采用什么样的流程采用什么样的流程 供应链如何组织供应链如何组织帮助管理者对系统的使用进行计划帮助管理者对系统的使用进行计划 今年生产什么，生产多少今年生产什么，生产多少 如何利用现有设施提供满意服务如何利用现有设施提供满意服务 各个部门能以一致步调开展工作各个部门能以一致步调开展工作 预测的基本假设预测的基本假设：过去的发展状态要持续到：过去的发展状态要持续到将来将来 对总量的预测要比对个体的预测精确对总量的预测要比对个体的预测精确如每天从武汉到北京旅客数量的预测，比预计某个人将如每天从武汉到北

4、京旅客数量的预测，比预计某个人将到何处出差要准确到何处出差要准确 预测精度随预测的时间范围增加而降低预测精度随预测的时间范围增加而降低6.1.2 6.1.2 预测分类预测分类 按性质分按性质分科学预测科学预测 科学预测是对科学发展情况的预计科学预测是对科学发展情况的预计与推测。与推测。如门捷列夫预计有如门捷列夫预计有3 3个当时未发现的元素：个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。技术预测技术预测 技术预测是对技术进步情况的预计技术预测是对技术进步情况的预计与推测。与推测。经济预测经济预测 政府部门以及其它一些社会组织经政

5、府部门以及其它一些社会组织经常就未来的经济状况发表经济预测报告常就未来的经济状况发表经济预测报告6.1.2 6.1.2 预测分类（续）预测分类（续）社会预测社会预测 社会预测是对社会未来的发展状况社会预测是对社会未来的发展状况的预计和推测。比如人口预测、人们生活方式的预计和推测。比如人口预测、人们生活方式变化预测、环境状况预测等。变化预测、环境状况预测等。需求预测需求预测 需求预测为企业给出了产品在未来需求预测为企业给出了产品在未来的一段时间里的需求期望水平的一段时间里的需求期望水平, ,为企业的计划为企业的计划和控制决策提供了依据。和控制决策提供了依据。 需求预测与企业生产经营活动关系最密切

6、。需求预测与企业生产经营活动关系最密切。需求预测的影响因素有哪些？需求预测的影响因素有哪些？ 产品生命周期产品生命周期 顾客偏好顾客偏好 竞争者的行为竞争者的行为 广告广告 设计设计 质量质量 商业周期商业周期 6.1.2 6.1.2 预测分类（续）预测分类（续） 按时间分按时间分长期预测长期预测(Long-range Forecast) 对对的需求前景的预测。它是企业长期的需求前景的预测。它是企业长期发展规划的依据。发展规划的依据。中期预测中期预测(Intermediate-range Forecast) 中期预测是指对中期预测是指对一个季度以上两年以下一个季度以上两年以下的需求前景的需求前

7、景的预测。它是制订年度生产计划、季度生产计划的的预测。它是制订年度生产计划、季度生产计划的依据。依据。短期预测短期预测(Short-range Forecast) 短期预测是对短期预测是对一个季度以下一个季度以下的需求前景的预测。它的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。生产经营活动的依据。6.1.2 6.1.2 预测分类（续）预测分类（续） 按主客观因素所起的作用分按主客观因素所起的作用分 定性预测方法定性预测方法 主观判断、不需要数学公式主观判断、不需要数学公式 预测依据：各种主观意见预测依据：各种主观

8、意见定量预测方法定量预测方法 利用统计资料和数学模型进行预测利用统计资料和数学模型进行预测 主观判断仍然重要主观判断仍然重要预测方法预测方法定性预测方法定性预测方法定量预测方法定量预测方法Delphi法法用户期望调查法用户期望调查法部门主管讨论法部门主管讨论法销售人员意见汇集法销售人员意见汇集法因果模型因果模型时间序时间序列模型列模型移动平均法移动平均法加权移动平均法加权移动平均法 指数平滑法指数平滑法乘法模型乘法模型加法模型加法模型时间序列时间序列平滑模型平滑模型时间序列时间序列分解模型分解模型6.1.3 预测的步骤 1 1 确定预测的目的确定预测的目的 2 2 确定预测的时间范围确定预测的

9、时间范围 3 3 选择预测的方法选择预测的方法 4 4 收集和分析数据收集和分析数据 5 5 准备预测准备预测 6 6 对预测进行监控对预测进行监控 “预测预测”6.2 定性预测方法 Delphi 法（专家调查法）法（专家调查法） 用户期望调查法用户期望调查法 部门主管意见部门主管意见 销售人员意见汇集法销售人员意见汇集法6.3 定量预测方法 时间序列模型：时间序列模型：把预测指标，如销售量等指标的实际历史数据把预测指标，如销售量等指标的实际历史数据按时间顺序排列，应用数学方法进行分析，找按时间顺序排列，应用数学方法进行分析，找出其中的变化趋势和规律性的一种定量预测方出其中的变化趋势和规律性的

10、一种定量预测方法。法。 时间序列平滑模型时间序列平滑模型 时间序列分解模型时间序列分解模型 因果关系模型因果关系模型 利用变量之间的相关关系，通过一种变量的变利用变量之间的相关关系，通过一种变量的变化来预测另一种变量的未来变化。化来预测另一种变量的未来变化。 时间序列预测时间序列预测（Time Series Forecasts） 时间序列时间序列是按一定的时间间隔和时间先后顺是按一定的时间间隔和时间先后顺序排列起来的数据构成的序列。序排列起来的数据构成的序列。趋势成分趋势成分 - 数据长期变化趋势数据长期变化趋势季节成分季节成分 - 在一年内按通常的频率围绕趋势在一年内按通常的频率围绕趋势作上

11、下有规则的波动作上下有规则的波动周期成分周期成分 在较长时间里围绕趋势作有规在较长时间里围绕趋势作有规则波动（经济周期）则波动（经济周期）随机波动随机波动（Random variations）- 随机因素随机因素引起无规则的波动引起无规则的波动如图如图 趋势成分趋势成分 季节成分季节成分 周期成分周期成分 随机波动成分随机波动成分 时间序列的平滑模型时间序列的平滑模型简单移动平均（Simple moving average，SMA）加权移动平均（Weighted moving average，WMA）指数平滑法（Exponential smoothing）一、简单移动平均SMAt+1 = nA

12、t+i-ni = 1nT T周期末简单移动平均值周期末简单移动平均值T T1 1周期的预测值周期的预测值i i周期实际值周期实际值周期数周期数nA+.+A +A +A =F n - t3 - t2 - t1 - tt或例：某电子音响器材公司例：某电子音响器材公司SONY牌单放机的逐月牌单放机的逐月销售记录如下表所示。销售记录如下表所示。表表6 6- -1 1 简单移动平均法预测简单移动平均法预测 月份月份 实际销量实际销量 ( (百台百台 ) ) n=3n=3n=4n=41 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 1010 1111 1212 20.0020.00

13、21.0021.00 23.0023.00 24.0024.00 25.0025.00 27.0027.00 26.0026.00 25.0025.00 26.0026.00 28.0028.00 27.0027.00 29.0029.00 21.3321.33 22.6722.67 24.0024.00 25.3325.33 26.0026.00 26.0026.00 25.6725.67 26.3326.33 27.0027.00 21.7521.7523.3323.33 24.7524.75 25.5025.50 25.7525.75 26.0026.00 26.2526.25 26.5

14、026.50 计算移动平均预测值计算移动平均预测值:F4=(720+678+650)/3 =682.67F7=(920+859+785 +720+678+650)/6 =768.67 描点绘图，可以比较当描点绘图，可以比较当n=3,n=6n=3,n=6时对预测结时对预测结果的影响果的影响? ? 对于简单滑动平均预测方法，关键是选择移动时间对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即区间的大小，即n n的大小。的大小。 n n的大小的选择与预测者要求的适应性有关。如果的大小的选择与预测者要求的适应性有关。如果管理者追求管理者追求稳定性稳定性, ,n n的值应该选择大一些，如果管的值

15、应该选择大一些，如果管理着的目标是体现理着的目标是体现响应性响应性，则应选择小一点的，则应选择小一点的n n。二、加权移动平均WMAt+1 = niAt+i-ni = 1nn- tn3 - t32- t21 - t1tAw+.+A w+A w+A w=F例如：当例如：当n=3时，若取时，若取1=0.5, 2=1.0, 3=1.5,则则预测结果见下表。预测结果见下表。表表6 6- -2 2 加权移动平均预测加权移动平均预测 t(t(月月) ) 实际销量实际销量( (百台百台) ) 三个月的加权移动平均预测值三个月的加权移动平均预测值( (百台百台) ) 1 1 2 2 3 3 4 4 5 5 6

16、 6 7 7 8 8 9 9 1010 1111 1212 20.0020.00 21.0021.00 23.0023.00 24.0024.00 25.0025.00 27.0027.00 26.0026.00 25.0025.00 26.0026.00 28.0028.00 27.0027.00 29.0029.00 23.1723.17 24.3324.33 25.8325.83 26.1726.17 25.6725.67 25.6725.67 26.8326.83 27.1727.17 (0.5(0.520+120+121+1.521+1.523=21.8323=21.831=0.5,

17、 2=1.0, 3=1.5 近期数据的权重越大，则预测的稳定性近期数据的权重越大，则预测的稳定性就越差，响应性就越好；近期数据数据就越差，响应性就越好；近期数据数据的权重越小，则预测的稳定性就越好，的权重越小，则预测的稳定性就越好，响应性就越差；响应性就越差； 权重和权重和n的选择具有经验性。的选择具有经验性。三、一次指数平滑法三、一次指数平滑法(Single exponential smoothing)Ft = Ft-1 + (At-1 - Ft-1) = At-1 +（1- ）Ft-1 Ft 新的预测值，新的预测值， Ft-1前期预测值前期预测值，At-1前期的实际需求，前期的实际需求，

18、平滑系数平滑系数例如：某公司的销售记录如下表所示，试分别取，例如：某公司的销售记录如下表所示，试分别取，a=0.4，a=0.7,SF1=11.00,计算一次平滑指数的预测计算一次平滑指数的预测值。值。 月销售额一次指数平滑预测表月销售额一次指数平滑预测表 单位：千元单位：千元SF1=11.00月销售额一次指数平滑预测表月销售额一次指数平滑预测表 单位：千元单位：千元F2 A1 （1） F10.410.00（10.4）11.0010.6019.7416.81SF1=11.00与上面的问题的类似，预测的关键是选择与上面的问题的类似，预测的关键是选择 的大小。的大小。如管理者追求稳定性，如管理者追求

19、稳定性， 的值应该选择小一些的值应该选择小一些; ;如果管理者的目标是体现响应性，则应选择大一如果管理者的目标是体现响应性，则应选择大一点的点的 四、四、时间分解预测模型时间分解预测模型-解决季节性预测问解决季节性预测问题题(Seasonal variations)(Seasonal variations) 常用季节性预测模型常用季节性预测模型 加法模型加法模型(Additive Model) TF=T+S+C+I 乘法模型乘法模型(Multiplicative model) TF=T.S.C.I 用得最多的是用得最多的是基于乘法模型的预测方法基于乘法模型的预测方法时间序列分解模型计算步骤时间

20、序列分解模型计算步骤 Step 1: 求出趋势值的直线方程。求出趋势值的直线方程。 Step 2: 计算季节因子计算季节因子 Step 3: 计算预测值计算预测值时间序列分解模型计算示例：时间序列分解模型计算示例： 有一个公司记录了有一个公司记录了1997和和1998两年的销售数据，见两年的销售数据，见下表。请根据这些数据预测下表。请根据这些数据预测1999年的销售情况。年的销售情况。 时间时间 销售额销售额(万元万元) 时间时间 销售额销售额(万元万元)1997年年1季度季度 300 2季度季度 200 3季度季度 220 4季度季度 5301998年年1季度季度 520 2季度季度 420

21、 3季度季度 400 4季度季度 700Step 1: 求出趋势值的直线方程。求出趋势值的直线方程。 趋势值用最小二乘法，求出： Tt=170+55*tStep 2: 计算季节系数计算季节系数 时间时间实际值实际值趋势值趋势值实际值实际值/趋势值趋势值季节因子季节因子97年年1季度季度 2季度季度 3季度季度 4季度季度300200220530225280335390(300/225)=1.33 0.71 0.66 1.36 (1.33+1.17)/2 =1.25 (0.71+0.84)/2=0.7898年年1季度季度 2季度季度 3季度季度 4季度季度52042040070044550055

22、5610 1.17 0.84 0.72 1.15 (0.66+0.72)/2= 0.69 (1.36+1.15)/2 =1.25Step 3: 计算计算1999年的预测值年的预测值 1999年年1季度季度: (170+559)1.25=831 2季度季度: (170+5510)0.78=562 3季度季度: (170+5511)0.69=535 4季度季度: (170+5512)1.25=10386.3.4 预测中应注意的几个问题 判断在预测中的作用：选择预测方法、辨别判断在预测中的作用：选择预测方法、辨别信息、取舍预测结果信息、取舍预测结果 预测精度与成本预测精度与成本 预测的时间范围和更新

23、频率预测的时间范围和更新频率 稳定性与响应性稳定性与响应性预测方法的两个基本要求预测方法的两个基本要求稳定性：稳定性：抗拒随机干扰、反映稳定需求的能力。抗拒随机干扰、反映稳定需求的能力。适用适用于受随机因素影响大的预测问题于受随机因素影响大的预测问题响应性：响应性：迅速反映需求变化的能力，迅速反映需求变化的能力，适用于受随机因适用于受随机因素影响小的预测问题素影响小的预测问题五、一元线性回归模型 Yt 一元线性回归预测值；一元线性回归预测值； a 截距截距 b 斜率斜率. .Yt = a + bx0 1 2 3 4 5 tYb = n (xy) - xynx2 - (x)2a = y - bx

24、n n为变量数；为变量数； x为自变量的取值；为自变量的取值； y为因变量的取值；为因变量的取值；y = 143.5 + 6.3t a = 812 - 6.3(15)5 =b = 5 (2499) - 15(812)5(55) - 225 = 12495-12180275-225 = 6.3143.5 6.4 预测精度与监控 6.4.1 预测误差 6.4.2 预测监控 预测精度（误差的大小）与控制是预测中的重要环节。如果不注意预测环境的变化，原来使用的预测模型可能会由于种种原因产生较大的偏差，从而影响预测结果的精度，使管理人员产生错觉，导致某些决策错误。 3.4.1 3.4.1 预测误差预测误

25、差 误差 实际值与预计值的差别 平均绝对偏差（Mean absolute deviation ，MAD） 平均平方误差（Mean squared error，MSE)预测误差的度量(Measurement of forecast error)预测误差是指预测值与实际值之间的偏差。其计算方法是：MADAFntt|MSEAFntt()2平均预测误差nFAMFEtt)(平均绝对偏差平均平方误差预测误差滚动和预测误差滚动和Running sum of forecast errors，RSFE反映预测精度反映预测精度衡量无偏性衡量无偏性MAD和MSE用于度量预测误差的大小MFE用于度量预测的无偏性预测值

26、实际值实际值中线 检验预测模型是否有效：检验预测模型是否有效：将最近的实际值与偏差进行比较，看偏差是将最近的实际值与偏差进行比较，看偏差是否在可以接受的范围之内；否在可以接受的范围之内；采用跟踪信号法采用跟踪信号法(Tracking signal)(Tracking signal)MADForecast)-(ActualMADRSFE=TS3.4.2 3.4.2 预测监控预测监控跟踪信号（跟踪信号（Tracking signalTracking signal）是累积误差与）是累积误差与 MADMAD的比的比可接受误差范围上限下限 控制界限MAD数 标准偏差相关数 落在控制界内点数的百分比1 0

27、.798 57.0482 1.596 88.9463 2.394 98.334例：例：月份 需求预测 实际值偏差(A-F)|A-F|A-F|MADTS11000950-50-50505050-1.00210001070702070120600.3331000110010012010022073.31.6441000960-408040260651.205100010909017090350702.40610001050502205040066.73.30 3MAD 2MAD 1MADTS 0 -1MAD -2MAD -3MAD 案例案例 M&L公司的预测决策公司的预测决策 ML公司制造

28、各种各样打印机和复印机零部件。除了把这些零公司制造各种各样打印机和复印机零部件。除了把这些零部件销售到一家大型打印机和复印机制造商外，部件销售到一家大型打印机和复印机制造商外，ML公司还把公司还把这些零部件及相关产品分销到办公器具商店和计算机商店作为打这些零部件及相关产品分销到办公器具商店和计算机商店作为打印机和台式复印机耗品。都算起来，这家公司生产大约印机和台式复印机耗品。都算起来，这家公司生产大约20种不同种不同的产品。两个市场（大型制造商和耗品商店）所要求的装运方式的产品。两个市场（大型制造商和耗品商店）所要求的装运方式不同。例如，超员必须每件产品单独包装，而运到制造商的产品，不同。例如，超员必须每件产品单独包装，而运到制造商的产品，要以散装形式大量成批装运。要以散装形式大量成批装运。 这家公司并不是根据预测做出生产计划，而是由运作部经理根这家公司并不是根据预测做出生产计划，而是由运作部经理根据订单和库存量的大小决定生产产品的种类和批量。库存量最少据订单和库存量的大小决定生产产品的种类和批