生产运作管理

生产运作管理预测Chapter

4第一页，共三十八页。1学习目标掌握预测的一些基本方法、模型和步骤。对于给定的企业环境，能够选用一种合适的预测模型进行预测。掌握时间序列预测方法中趋势和季节调整方法。第二页，共三十八页。2沃尔玛以最低廉的价格从正确的货架上取出正确的货物数据库：销售情况、库存状况、在途货物、市场统计数据、顾客统计数据、财务业绩、退货商品以及供应商绩效等数据库与供应商共享趋势分析、库存管理、增进对顾客的了解需求预测第三页，共三十八页。3预测的意义财务职能：为制定财务预算计划和成本控制提供依据营销职能：依靠销售预测来进行销售网点的布设、销售人员的补充等决策生产运营：利用预测制定周期性决策，例如工艺选择、生产能力计划等；同

时也用于生产计划、调度和库存等决

策活动Sales

willbe

$200Million!第四页，共三十八页。4按时间跨度短期预测中期预测

长期预测按基本方法定性预测：基层预测、市场调研、小组共识、历史类比、德尔菲法时间序列分析：简单移动平均、加权移动平均、指数平滑、回归分析、

鲍克斯·詹金斯（Box

Jenkins）法、希斯金（Shiskin）时间序列、趋势外推因果联系：回归分析、计量经济模型、投入/产出模型、先行指标模拟模型：以计算机为基础的动态模拟模型预测的分类第五页，共三十八页。5预测步骤明确预测目的确定时间跨度选择预测方法收集并分析相关数据进行预测对预测过程进行监控将预测结果付诸实际应用第六页，共三十八页。6预测方法的选择影响预测方法选择的因素成本精度历史数据的可获得性计算机的可获得性必要的准备时间有无使用经验预测目的……选择预测方法的原则审慎地对成本－精度做出权衡，从管理角度选择最合适的预测方法如果可能，使用多种预测方法来得到相互独立的预测结果，以增加预测结果的可信度权衡第七页，共三十八页。7预测方法的选择—continued预测方法需要的历史数据（观察值）数据分布预测周期准备时间预测人员个人背景简单移动平均5~10个数据稳定短期短不要求精通加权移动平均10～15个呈长期趋势变动短期到中期短掌握方法指数平滑10～20个；有季节变动，每季至少5个呈长期趋势变动短期到中期短掌握方法综合方法两对谷峰足够处理循环和季节变动分布短期到中期短到中等不要求精通回归分析每个自变量10个能够处理复杂分布短期、中期或长期建模时间长实施时间短非常精通选择合适预测方法的指南第八页，共三十八页。8时间序列预测方法时间序列为按时间顺序排列的数列，它包含一个或多个需求的影响因素：趋势、季节性、周期性、自相关性和随机性相加式季节变动假设：无论趋势效应或平均值如何变化，季节变动量恒为常数包括趋势性和季节性的预测=趋势

季节变动量第九页，共三十八页。9时间序列法—continued相乘式季节变动包括趋势性和季节性的预测=趋势×季节因子季节因子时间序列中随各季节变化所作的调整系数算例1某企业平均每年售出1000件产品春季售出200件，夏季350件，秋季300件，冬季150件预计明年的总需求为1100件，季节因子等于各季度销售量除以季度平均销售量所得的比值分析明年各季的需求第十页，共三十八页。10时间序列法—continued解答季节因子的计算过去的销量（件）每季平均销量（件）（1000/4）季节因子春季200250200/250=0.8夏季350250350/250=1.4秋季300250300/250=1.2冬季150250150/250=0.6总计100011第十一页，共三十八页。时间序列法—continued明年各季需求预测值的计算明年需求期望值（件）每季平均销量（件）（1100/4）（1）季节因子（2）明年各季需求预测值（件）（1）*（2）春季2750.8220夏季2751.4385秋季2751.2330冬季2750.6165总计11001第十二页，共三十八页。2时间序列法—continued算例2某产品销量的历史数据如表所示某产品销量历史数据单位：件根据手绘直线计算趋势和季节因子季度销量季度销量Ⅰ—1998300Ⅰ—1999520Ⅱ—1998200Ⅱ—1999420Ⅲ—1998220Ⅲ—1999400Ⅳ—1998530Ⅳ—1999700第十三页，共三十八页。13时间序列法—continued解答做散点图直线方程：Tt=170+55t式中：Tt

——趋势值斜率

=（610－170）÷8Ⅲ

ⅣⅠ

Ⅱ

Ⅲ

Ⅳ

Ⅰ

Ⅱ1998年1999年8007006005004003002001000第十四页，共三十八页。14时间序列法—continued2000年趋势性预测和季节因子的预测（FITSt）FITSt趋势

×季节因子Ⅰ—2000FITS9[17055（9）]1.25831Ⅱ—2000FITS10[17055（10）]0.78562Ⅲ—2000FITS11[17055（11）]0.69535Ⅳ—2000FITS12[17055（12）]1.251

038第十五页，共三十八页。15时间序列法—continued根据实际数据和趋势曲线计算的季节因子单位：件季度实际销量由趋势方程推出Tt=170+55t实际值/趋势值的比值季节因子（2年中同一季节的平均值）1998Ⅰ3002251.33Ⅱ2002800.71Ⅲ2203350.66Ⅰ—1.25Ⅳ5303901.36Ⅱ—0.781999Ⅲ—0.69Ⅰ5204451.17Ⅳ—1.25Ⅱ4205000.84Ⅲ4005550.72Ⅳ7006101.15第十六页，共三十八页。16时间序列法—continued最小二乘回归分解找出时间序列的基本分量如趋势、季节性和周期性，并分别计算各季度及各周期的指数步骤分解时间序列为各组成分量找出季节分量消除需求的季节性找出趋势分量。预测各分量的未来值将趋势分量外推至未来用季节分量乘以趋势分量第十七页，共三十八页。17时间序列法—continued算例3应用最小二乘回归求算例2中的时间序列分解结果每一个数据点相应于3年（12季度）中的某个季度预测第4年4个季度的需求第十八页，共三十八页。18时间序列法—continued解答步骤确定季节因子（或季节指数）消除原始数据中的季节性根据消除需求季节性影响后的数据建立最小二乘回归直线将回归直线外推至所要预测的区间用季节因子修正回归直线，建立最终预测方程第十九页，共三十八页。19时间序列法—continued消除季节性影响后的需求单位：件（1）时期（x）（2）季度（3）实际需求（y）（4）每年同一季度的平均值（5）季节因子（6）

消除季节性影响后的需求（yd）列（3）÷列（5）（7）x2列（1）平方（8）x

yd

列（1）列（6）1Ⅰ600(600 2

4003

800)/3 2

266.70.82735.71735.72Ⅱ1

550(1

550 3

1004

500)/3 3

0501.101

412.442

824.73Ⅲ1

500(1

500 2

6004

000)/3 2

7000.971

544.094

631.94Ⅳ1

500(1

500 2

9004

900)/3 3

1001.121

344.8165

379.05Ⅰ2

4000.822

942.62514

713.26Ⅱ3

1001.102

824.73616

948.47Ⅲ2

6000.972

676.24918

733.68Ⅳ2

9001.122

599.96420

798.99Ⅰ3

8000.824

659.28141

932.710Ⅱ4

5001.104

100.410041

004.111Ⅲ4

0000.974

117.312145

290.112Ⅳ4

9001.124

392.914452

714.52078注：第3

列和第6

列的累计总3和3

都35应0

为3

33

5

0

件，表中出现的差异是12由.0于3

小数取整的3结3

3果50。.1第①5列精确到小数点65后0

两位265

706.9第二十页，共三十八页。时间序列法—continued修正后的预测值时期季度回归直线给出的Y值季节因子预测值（Y×季节因子）1315

003.50.824

102.871425

345.71.105

880.271535

687.90.975

517.261646

030.11.126

753.71第二十一页，共三十八页。21时间序列法—continued误差范围常见误差错误第二十二页，共三十八页。22线性回归分析线性回归方程Y

a

bx作用有助于主要事件和综合计划的长期预测例如，预测产品簇的需求情况局限它假设历史数据和未来预测值都落在一条直线之上

，限制了该方法的应用第二十三页，共三十八页。23线性回归分析—continued算例某企业的某种产品在过去3年共12个季度内的销售情况如表：第4年的各个季度的销售情况季度销售量季度销售量160072

60021

55082

90031

50093

80041

500104

50052

400114

000用

6

图和简散点单目

3

100

视觉启视法或发式近

12

徒手绘似法制回

4

900

，预测归直线第二十四页，共三十八页。24线性回归分析—continued解答手绘回归方程手绘回归直线1234567891011126000500040003000200010000从直线上的点读出第1季度和第12季度的Y值，分别为750和4

950第二十五页，共三十八页。25线性回归分析—continuedb=(4950-750)/(12-1)=382手绘回归方程为Y=400+382x第13季度到第16季度的预测值季度预测值13400＋382（13）=5

36614400＋382（14）=5

74815400＋382（15）=6

13016400＋382（16）=6

512第二十六页，共三十八页。26线性回归分析—continued解答最小二乘法原则使得(y1-Y1)2+(y2-Y2)2+…+(y12-Y12)2最小式中

a——Y轴截距；b——直线斜率；——

所有y值的平均值；

——

所有x值的平均值；x——各点的x值；y——各点的y值；n——数据点个数；Y——回归方程求出的因变量值第二十七页，共三十八页。27线性回归分析—continued计算结果xyxyx2y2Y16006001360

000801.321550310042

402

5001

160.931500450092

250

0001

520.5415006000162

250

0001

880.152

40012

000255

760

0002

239.763

10018

600369

610

0002

599.472

60018

200496

760

0002

959.082

90023

200648

410

0003

318.693

80034

2008114

440

0003

678.2104

50045

00010020

250

0004

037.8114

00044

00012116

000

0004

397.4124

90058

80014424

010

0004

757.17833

350268

200650112

502

500第二十八页，共三十八页。28线性回归分析—continued计算结果b=359.6153a=441.6666因此第二十九页，共三十八页。29线性回归分析—continued计算结果13季度到16季度的预测值如下：第三十页，共三十八页。30线性回归分析—continued计算结果直线对数据的拟合程度即估测标准差为

：估测标准差

：=363.9第三十一页，共三十八页。31因果关系预测因果关系一事件的发生导致了另一事件的发生如果动因事件事先就可以确定地预见，则可用它作为预测的依据找出那些真正可以成为原因的事件第三十二页，共三十八页。32因果关系预测算例地毯销售记录年份批准新建房屋（所）销量（码2）*19891813

00019901512

00019911211

00019921010

00019932014

00019942816

00019953519

00019963017

00019972013

000*

1码20.836米2第三十三页，共三十八页。33因果关系预测解答做散点图1520025