第三章需求预测

第三章需求预测

Forecasting生产运作管理的计划与控制系统构成InventorystatusdataBillofMaterial能力需求计划资源计划ResourcePlanning生产计划ProductionPlanning需求管理DemandManagement主生产计划MasterProductionScheduling详细物料需求计划DetailedMaterialsRequirementplanning时间分段的物料需求计划Time-phasedrequirementPlanning物料与能力计划MaterialandCapacityPlanning供应商系统VenderSystems车间生产系统Shop-floorsystems需求市场采购市场3.1.1预测及其作用3.1.2预测分类3.1.3预测的步骤3.1.4预测中应注意的几个问题3.1预测Iseethatyouwill

getanAthissemester.3.1.1预测及其作用预测是对未来可能发生的情况的预计与推测。作用“凡事预则立，不预则废”。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。但预测不是一门精确的科学，它是科学与艺术的结合。预测离不开科学测定的数据，也离不开人们的经验和判断。不能因为预测的失误而否定预测。预测的基本假设：过去的发展状态要持续到将来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

3.1.1预测及其作用(续）预测的作用帮助管理者设计生产运作系统生产什么产品，提供何种服务在何处建立生产/服务设施采用什么样的流程供应链如何组织帮助管理者对系统的使用进行计划今年生产什么，生产多少如何利用现有设施提供满意服务3.1.2预测分类按性质分科学预测科学预测是对科学发展情况的预计与推测。如门捷列夫预计有3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。技术预测技术预测是对技术进步情况的预计与推测。经济预测政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3.1.2预测分类（续）需求预测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,为企业的计划和控制决策提供了依据。社会预测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、人们生活方式变化预测、环境状况预测等。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？产品生命周期？顾客偏好竞争者的行为广告设计质量商业周期

……3.1.2预测分类（续）按时间分长期预测(Long-rangeForecast)

对5年或5年以上的需求前景的预测。它是企业长期发展规划的依据。中期预测(Intermediate-rangeForecast)

中期预测是指对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划的依据。短期预测(Short-rangeForecast)

短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。3.1.2预测分类（续）按主客观因素所起的作用分

定性预测方法主观判断、不需要数学公式预测依据：各种主观意见定量预测方法利用统计资料和数学模型进行预测主观判断仍然重要预测方法定性预测方法定量预测方法德尔菲(Delphi)法用户期望调查法部门主管讨论法销售人员意见汇集法因果模型时间序列模型移动平均法加权移动平均法指数平滑法乘法模型加法模型时间序列平滑模型时间序列分解模型3.1.3预测的步骤

1确定预测的目的

2确定预测的时间范围

3选择预测的方法

4收集和分析数据

5准备预测

6对预测进行监控

“预测”3.1.4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、辨别信息、取舍预测结果预测精度与成本预测的时间范围和更新频率稳定性与响应性－预测方法的两个基本要求稳定性：抗拒随机干扰、反映稳定需求的能力。适用于受随机因素影响大的预测问题响应性：迅速反映需求变化的能力，适用于受随机因素影响小的预测问题3.2定性预测方法德尔菲(Delphi)法（专家调查法）用户期望调查法部门主管意见法销售人员意见汇集法

含义：由美国著名的兰德公司首创并用于投资预测和投资决策的方法，该法以匿名的方式，通过几轮函询征求专家意见，组织预测小组对每一轮的意见进行汇总整理后作为参考再发给各专家，供他们分析判断，以提出新的论证。几轮反复后，专家意见渐趋一致，最后供决策者进行决策。德尔菲法（1）确定决策题目德尔菲法的步骤：（5）作出结论

多次反馈后，一般是意见渐趋一致，或对立的意见已十分明显，此时可作为预测和决策结论（4）预测决策过程（3）制订调查表（2）选择专家德尔菲法的特征（1）吸收专家参与预测，充分利用专家的经验和学识；（2）采用匿名或背靠背的方式，能使每一位专家独立自由地作出自己的判断；（3）预测过程几轮反馈，使专家的意见逐渐趋同。

德尔菲法的这些特点使它成为一种最为有效的判断预测法。

3.3定量预测方法时间序列模型：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法。

时间序列平滑模型时间序列分解模型因果关系模型利用变量之间的相关关系，通过一种变量的变化来预测另一种变量的未来变化。3.3定量预测方法（续）时间序列预测（TimeSeriesForecasts）趋势成分-数据长期变化趋势季节成分-在一年内按通常的频率围绕趋势作上下有规则的波动周期成分–在较长时间里围绕趋势作有规则波动（经济周期）随机波动（Randomvariations）-随机因素引起无规则的波动

趋势成分

季节成分

周期成分

随机波动成分

3.3定量预测方法（续）移动平均法简单移动平均（Simplemovingaverage，SMA）加权移动平均（Weightedmovingaverage，WMA）指数平滑法（Exponentialsmoothing）一、简单移动平均SMAt+1

=

nAt+i-ni=1

nT周期末简单移动平均值T＋1周期的预测值i周期实际值周期数表6-1简单移动平均法预测

月份

实际销量(百台)

n=3n=41

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

21.33

22.67

24.00

25.33

26.00

26.00

25.67

26.33

27.00

21.75

23.33

24.75

25.50

25.75

26.00

26.25

26.50

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n=3,n=6时对预测结果的影响?对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即n的大小。n的大小与预测者的要求？n的大小的选择与预测者要求的适应性有关。如果管理者追求稳定性,n的值应该选择大一些，如果管理着的目标是体现响应性，则应选择小一点的n。二、加权移动平均WMAt+1

=

n

iAt+i-ni=1

n表6-2加权移动平均预测

t(月)

实际销量(百台)

三个月的加权移动平均预测值(百台)

1

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

(0.5×20+1×21+1.5×23)/3=21.83

23.17

24.33

25.83

26.17

25.67

25.67

26.83

27.17

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；近期数据数据的权重越小，则预测的稳定性就越好，响应性就越差；权重和n的选择具有经验性。三、一次指数平滑法

(Singleexponentialsmoothing)Ft=Ft-1+

(At-1-Ft-1)=

At-1+（1-

）Ft-1

Ft新的预测值，

Ft-1前期预测值，At-1前期的实际需求，

平滑系数月销售额一次指数平滑预测表单位：千元F2

＝αA1

＋（1－α）

F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.81与上面的问题的类似，预测的关键是选择

的大小。如管理者追求稳定性，

的值应该选择小一些;如果管理者的目标是体现响应性，则应选择大一点的

四、时间分解预测模型--解决季节性预测问题(Seasonalvariations)

常用季节性预测模型加法模型(AdditiveModel)TF=T+S+C+I乘法模型(Multiplicativemodel)

TF=T.S.C.I

用得最多的是基于乘法模型的预测方法时间序列分解模型计算示例：

有一个公司记录了1997和1998两年的销售数据，见下表。请根据这些数据预测1999年的销售情况。时间销售额(万元)时间销售额(万元)1997年1季度3002季度2003季度2204季度5301998年1季度5202季度4203季度4004季度700Step1:求出趋势值的直线方程。趋势值用最小二乘法，求出：Tt=170+55*tStep2:计算季节因子时间实际值趋势值实际值/趋势值季节因子97年1季度

2季度

3季度

4季度300200220530225280335390(300/225)=1.330.710.661.36

(1.33+1.17)/2=1.25

(0.71+0.84)/2=0.7898年1季度

2季度

3季度

4季度5204204007004455005556101.170.840.721.15

(0.66+0.72)/2=0.69

(1.36+1.15)/2=1.25Step3:计算1999年的预测值

1999年1季度:(170+55×9)×1.25=8312季度:(170+55×10)×0.78=5623季度:(170+55×11)×0.69=5354季度:(170+55×12)×1.25=1038五、一元线性回归模型Yt

一元线性回归预测值；a

截距b斜率.Yt=a+bx012345tYb=

n(xy)-

xynx2

-

(x)2a=

y-bxn

n为变量数；

x为自变量的取值；

y为因变量的取值；y=143.5+6.3ta

=

812-

6.3(15)5

=b

=

5(2499)-

15(812)5(55)

-

225

=

12495-12180275-225

=

6.3143.5

3.4预测精度与监控3.4.1预测误差3.4.2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