生产物流需求预测计划与控制课件(PPT 103页).ppt

1、CH4 生产物流：需求预测、计划与控制,要求： 了解生产物流涵盖的范围； 了解生产物流管理的目标；,生产物流概述,生产管理学中生产的定义是： 生产是一切社会组织将它的输入转化为输出的过程。,经济学中生产被定义为： 将投入转化为产出的活动，或是将生产要素进行组合以制造产品的活动。,生产物流范围,生产物流,供应链循环,供应链上的任何企业，根据其所处的位置来区分其供应物流和销售物流，任何来自于上游的产品不论是何种形态，我们都称之为是原材料的供应物流；同理，不论其销售的产品是何种形态，我么都称之为是产成品的销售物流；在企业内部的就称之为是生产物流。,供应物流一般是对所采购的原材料和零部件，从供应商处到

2、企业仓库的物流管理，也可以叫做原材料物流； 销售物流是对产成品，从企业到客户手中的管理，也可以叫做产成品物流（或分销物流、销售物流等）； 生产物流所指的是，在企业内部为保障生产而进行的物流管理，也可以称为在制品物流。,物流阶段分类,将正确的产品 在正确的时间 以正确的方式 按照正确的数量 以正确的成本 送到正确的地方 交给正确的人,生产物流管理的目标与其它物流管理的目标基本是相同的，物流管理的基本目标仍然是：,生 产 物 流 目 标,确定物料需求的时间和数量 确定所需物料的来源 物料的运输管理 物料的接收以及仓储管理 物料的库存计划和控制 生产线的物料配送的时间、数量和地点,生 产 物 流 范

3、 围,什么是物流需求预测 物流需求预测是根据物流市场过去和现在的需求状况以及影响物流市场需求变化的因素之间的关系，利用一定的经验判断、技术方法和预测模型，应用合适的科学方法对有关反映市场需求指标的变化以及发展的趋势进行预测。,带来的好处,精确的需求预测可以促进物流信息系统和生产设施能力的计划和协调。并且通过物流需求预测可以确定产品是如何向配送中心和仓库或者零售商进行分配的。,要求,为明确责任，衡量需求预测的效果，开展物流需求预测需要建立一套包括组织、程序、动机以及人事等方面的完善的预测的行政管理体制，以支持预测活动的顺利开展，在此基础上选择预测技术，实施预测过程并对其过程实行有效监控。,物流需

4、求预测的内容,1、对市场总潜力进行预测。 2、对企业经营地区市场潜力进行预测。 3、企业经营地区范围内社会购买力的发展趋势预测。 4、企业所生产和经营产品的需求趋势预测。 5、产品生命周期及新产品投入市场的成功率预测。 6、产品市场占有情况预测。,物流需求预测的一般步骤,1、确定需求性质 经预测的需求可以分为从属需求和独立需求。从属需求具有垂直顺序特征，如采购和制造情况，零部件的采购为了装配成制成品，此时零部件的需求取决于制成品的装配计划。水平从属需求是一种特别情况，需求的项目并非完成制造过程所需要，而有可能是完成营销过程所需要，如在每个装运项目中包括了附属物、促销项目或经营者手册等，那么对附

5、属物的需求预测就取决于装运项目的计划。因此，对如零部件等的从属需求的预测可直接通过基本项目的需求估计来确定而无需分别进行预测。,独立需求预测则是两个项目的需求毫无关系，如对洗衣机的需求有可能对洗衣粉的需求无关，洗衣粉的预测对改善洗衣机预测将不起任何作用。这类项目主要包括大多数最终消费品和工业物资，必须单独预测。,2、确定预测目标,明确预测的目标是进行有效预测的前提。有了明确具体的预测目标，才能有的放矢的收集资料，否则就无法确定调查什么，向谁调查，更谈不上怎样进行预测。并且预测目标的确定应尽量明细化、数量化，以利于预测工作的顺利开展。,3、确定预测内容，收集资料进行初步分析,预测内容即影响物流需

6、求的因素，一般包括：某时期的基本需求水平、季节因素、趋势值、周期因素、促销因素以及不规则因素六个方面。 预测者必须认识到不同因素对物流需求所具有的潜在影响，并能适当的予以处理，对于特定项目具有重大意义的成分必须予以识别、分析并与适当的预测技术相结合。,1) 基本需求,某时期的基本需求水平是以整个展延时间内的平均值表示的，是对没有季节因素、周期因素和促销因素等成分的项目的适当预测,2）季节因素,季节因素通常建立在年度基础上，对消费零售层而言，在某几个季度，某物品的需求量较大，而在另几个季度，需求量较小的规律运动。而对批发层次而言，这种季节因素先于消费需求大约一个季度。,3） 趋势值,是指在一个展

7、延的时期内，定期销售的长期一般运动。它可以为正、为负或不确定方向，人口或消费类型的变化决定趋势值的增减，销售量随时间而增加是正的趋势值，反之，则为负的趋势值。而通常情况下，由于人们消费习惯的变化，趋势方向会改变许多次。,4） 周期因素,周期因素如商业周期，一般来说，每隔35年就有一次经济从衰退到扩张的波动，许多大宗商品需求就与商业周期联系紧密。,5）促销因素,促销因素，在某些行业，厂商的市场营销活动会引发需求波动，对销售量具有很大影响。促销期间销售量增加，此后随着利用促销逐渐售出库存后销售量下降。从预测的角度，有规则的促销因素类似季节因素，而不规则的促销因素则必须对它进行跟踪并结合时期进行分析

8、。,6）不规则因素,不规则因素，是随机的或无法预测的因素。在展开一项预测的过程中，其目标是要通过跟踪和预计其他因素，使随机因素降低到最小程度。 在了解预测内容的基础上，根据预测目标收集资料进行初步分析，观察资料结构及其性质，并以此作为选择适当预测方法的依据。,4、选择预测方法,在需求预测中有两种方法，即经验判断和数学模型法。经验判断法由预测者根据所掌握的资料进行数据分析，凭借其专业知识和经验进行预测，这种方法多在掌握资料不够全面，预测准确度要求不搞时使用，在更多情况下，使用的是建立数学模型的方法，一般包括时间序列建模和相关性建模两种方法。这种预测相对经验判断法更准确一些。对于这些方法将在下一节

9、中进行具体介绍。,5、计算并做出预测,以预测目标为导向，根据选定的预测方法，利用掌握的资料，就可以具体研究，进行定性或定量分析，预测物流的需求状况。,6、分析预测误差,根据现实的资料对未来进行预测，其中产生误差是难免的。误差的大小反映预测的准确程度，如果预测误差过大，其预测结果就会偏离实际太远，从而失去参考价值。因此对预测可能出现的误差进行分析是十分必要的，一方面要分析误差产生的原因，另一方面要检查预测方法的合理性。总之要使预测误差降到最小。,需求预测方法,定性预测方法： 头脑风暴法 Delphi法 定量预测方法： 回归分析 时间序列 灰色预测 ,头脑风暴法,头脑风暴法出自“头脑风暴”一词。所

10、谓头脑风暴(Brain-storming) 最早是精神病理学上的用语，指精神病患者的精神错乱状态而言的，如今转而为无限制的自由联想和讨论，其目的在于产生新观念或激发创新设想。,在群体决策中，由于群体成员心理相互作用影响，易屈于权威或大多数人意见，形成所谓的“群体思维”。群体思维削弱了群体的批判精神和创造力，损害了决策的质量。为了保证群体决策的创造性，提高决策质量，管理上发展了一系列改善群体决策的方法，头脑风暴法是较为典型的一个。,头脑风暴法又可分为直接头脑风暴法（通常简称为头脑风暴法）和质疑头脑风暴法（也称反头脑风暴法）。前者是在专家群体决策尽可能激发创造性，产生尽可能多的设想的方法，后者则是

11、对前者提出的设想、方案逐一质疑，分析其现实可行性的方法。,德尔菲法,德尔菲法也称专家调查法，是一种采用通讯方式分别将所需解决的问题单独发送到各个专家手中，征询意见，然后回收汇总全部专家的意见，并整理出综合意见。随后将该综合意见和预测问题再分别反馈给专家，再次征询意见，各专家依据综合意见修改自己原有的意见，然后再汇总。这样多次反复，逐步取得比较一致的预测结果的决策方法。,德尔菲法依据系统的程序，采用匿名发表意见的方式，即专家之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，通过多轮次调查专家对问卷所提问题的看法，经过反复征询、归纳、修改，最后汇总成专家基本一致的看法，作为预测的结果。这种

12、方法具有广泛的代表性，较为可靠。,1.回归分析,回归分析（Regression Analysis）：统计分析的方法，主要探讨数据之间的相关关系。 主要过程： 根据预测目标，确定自变量和因变量； 建立回归预测模型； 进行相关分析（获得相关系数等）； 检验回归预测模型，计算预测误差； 计算并确定预测值。,线性回归预测,线性回归预测法是指一个或多个自变量和因变量之间具有线性关系，配合线性回归模型，根据自变量的变动来预测应变量平均发展趋势的方法。,式中：y预测值（因变量） a、b回归模型系数 R 相关系数,R=0时，不相关； R=1时，完全相关； 0R1时，部分相关，R越大相关性越高。,非线性回归预测

13、,非线性回归预测是指自变量与因变量之间的关系某种非线性关系时的回归预测法 常用模型：多项式模型、对数模型、指数模型、幂函数模型等,多项式：,对数：,幂函数：,指数：,Excel在回归分析中的应用,利用图表进行回归分析 选择变量 生成散点图 添加趋势线 选择类型，设置选项 利用数据分析工具进行回归分析（将函数转换为线性回归形式） 数据分析回归 选项设置 输出结果 回归统计表 ：相关系数、标准误差等 方差分析表：通过F检验来判断回归模型的回归效果(与置信度相关) 回归参数：通过t检验的p值判断能否解释因变量变化(p值为可信程度的递减指标),一些常见曲线：转化为标准线性回归曲线,Compertz曲线

14、：描述一种新产品从试制期到饱和期产量的增长趋势,Pearl曲线：描述技术和经济的发生、发展、成熟三个阶段（缓慢、快速、缓慢）,L,2.时间序列,时间序列：指在一个给定的时期内按照固定时间间隔把某种变量的数值依时间先后顺序排列而成的序列。 时间序列法是一种定量预测方法，亦称简单外延方法。在统计学中作为一种常用的预测手段被广泛应用。 时间序列分析在第二次世界大战前应用于经济预测。二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。时间序列分析(Time series analysis)是一种动态数据处理的统计方法。 该方法基于随机过程理论和数理统计学方法，研究随机数据

15、序列所遵从的统计规律，以用于解决实际问题。,一、时间序列分析的基本原理,什么是时间序列 按时间顺序记录并排列的数据序列称时间序列,时间序列的分析目的,分析目的,分析过去 描述动态变化,认识规律 揭示变化规律,预测未来 未来的数量趋势,时间序列的四个主要因素： 长期趋势（ T ）现象在较长时期内受某种根本性因素作用而形成的总的变动趋势 季节变动（ S ）现象在一年内随着季节的变化而发生的有规律的周期性变动 循环变动（ C ）现象以若干年为周期所呈现出的波浪起伏形态的有规律的变动 不规则变动（I ）是一种无规律可循的变动，包括严格的随机变动和不规则的突发性影响很大的变动两种类型 时间序列预测可用于

16、短期预测、中期预测和长期预测,长期趋势T (A) 季节变动S (B) 循环变动C (C) 不规则变动I,C,B,A,采用时间序列分析进行预测时需要用到一系列的模型，这种模型统称为时间序列模型。在使用这种时间序列模型时，总是假定某一种数据变化模式或某一种组合模式总是会重复发生的。因此可以首先识别出这种模式，然后采用外推的方式就可以进行预测了。,采用时间序列模型时，显然其关键在于假定数据的变化模式（样式）是可以根据历史数据识别出来；同时，决策者所采取的行动对这个时间序列的影响是很小的，因此这种方法主要用来对一些环境因素，或不受决策者控制的因素进行预测，如宏观经济情况，就业水平，某些产品的需求量；而

17、对于受人的行为影响较大的事物进行预测则是不合适的，如股票价格，改变产品价格后的产品的需求量等。,这种方法的主要优点是数据很容易得到。相对说来成本较低。而且容易被决策者所理解。计算相对简单。（当然对于高级时间序列分析法，其计算也是非常复杂的。）此外，时间序列分析法常常用于中短期预测，因为在相对短的时间内，数据变化的模式不会特别显著。,1关于在预测中误差的一些常用表示方法,其中xi表示i时刻的真实值或观察值；Fi表示i时刻的预测值；ei表示i时刻的误差。 平均误差(Mean error),平均绝对误差(Mean absolute deviation) 均方差(Mean squared error)

18、,标准差（Standard deviation of errors）,时间序列预测方法,通过对历史数据作平均运算，序列中偏高或偏低的数据可相互抵消，以此平滑时间数据序列中的波动。 按照数据处理方法不同，可以分为： 简单算术平均 加权算术平均 移动平均 平滑法 季节指数 趋势预测（回归分析）,时间序列的预测步骤,第一步，确定时间序列的类型 即分析时间序列的组成成分。 第二步，选择合适的方法建立预测模型 如果时间序列没有趋势和季节成分，可选择移动平均或指数平滑法 如果时间序列含有趋势成分，可选择趋势预测法 如果时间序列含有季节成分可选择季节指数法 第三步，评价模型准确性，确定最优模型参数 第四步，

19、按要求进行预测,（1）简单算术平均,某销售公司2010年下半年各月的销售额分别为18、17、19、20、17、19万元，试预测2011年1月份该公司销售额。 预测值,（2）加权算术平均,赋予时间序列中距离预测期较近数据以较大的权重。 例：某商场家电产品在前四周的需求量依次为12、17、15、13，给最近一期数据赋予权重0.4，上一期数据赋予权重0.3，上上一期数据分配权重0.2，距离预测期最远一期数据分配权重0.1。则加权平均值为： MAn0.4130.3150.2170.11215 优点：对最近一期的实际情况反应灵敏。 难点：一个是移动间隔期的确定，企业没有办法知道多久以前的需求对预测期的需

20、求没有影响；另一个是赋予每一期的权重没有科学的确定方法，只能依靠主观的经验进行判断。,移动平均：利用过去一系列的实际数值进行预测，将距离预测期最近几期的实际数值的平均值作为预测值。计算公式为： 上式也可以写成：,（3）移动平均,其中xt表示t时刻的真实值或观察值；Ft+1表示t+1时刻的预测值； 对于上式当n=1时，,也就是说，t+1时刻的预测值就是t时刻的观察值，或者说是用当前的观察值来预测下一期的数值。这种方法称为naive（天真）预测法。这种方法虽然过于简单，可以说是没有进行预测，但是它可以作为评价其他时间序列法预测结果好坏的一个标准。如果你使用了一个非常复杂的时间序列分析模型来对某一个

21、问题进行预测，其误差比这种简单的天真预测法还糟糕，则这个模型显然不是一个好的预测模型。,根据历史数据，通过移动平均预测未来值,简单滑动平均法显然只适合于水平样式的数据，如果历史数据中存在明显的上升或下降趋势，或者有季节性波动则这种方法是不适用的。因此它只能用来对一些变化平衡或缓慢量进行预测，如对需求量稳定的商品的销量进行预测。,由于数据是呈水平趋势变化，因此在 式中用Ft来代替xt-n不会引起太大误差，因此有下式， 或者说,令 则有，,上一期预测值加上该期实际与预测值差额的一定百分数即得新的预测值,式中：Ft第t期的预测值； Ft-1第t-1期的预测值； a平滑系数； At-1第t-1期的实际

22、值。,（4）指数平滑,上式可变形为：,平滑常数决定了预测对时间序列偏差调整的快慢，一般取0.010.3 适用：数据量少，短期预测,预测值实际上就是在上一次预测值的基础上加上乘以上次预测的误差。显然，如果 ，则在预测值中包含很大的调整，相反如果 ，调整量变小，预测值或预测曲线趋于平缓。因此，单指数平滑法适用的范围与简单平滑法相同，只适用于水平样式的数据。,Ft-2,At-1,At-2,At,某公司生产的取钉器的需求量预测。观察值及预测值如下表所示。,计算了两组指数平滑平均值，它们分别采用不同的值。当0.4时，第11和12两个月的平均值计算如： S110.4(156)+0.6(143.84)=14

23、8.70(第12月的预测值) S120.4(152)+0.6(148.70)=150.02(第13月的预测值) 注意在第12月未，新得到的数据152与以前计算出的平均值148.70来共同计算下一个平均值。指数平滑法的突出优点是只需要一个实际数据来计算新的平均值。,从上表中可以看到，在所有的时间里0.4时的指数平滑平均值与四个月的移动平均值非常相似。然而0.1时其结果是大不相同的。下述公式说明了在指数平滑法中如何选择使之具有与移动平均法中取时间周期数为N值时相似的结果：,假设0.4则N1.6/0.44，若0.1则N1.9/0.119。因此0.4时的指数平滑值类似于四周期的移动平均值，而0.1时的

24、结果则会类似于19周期的移动平均值。 在指数平滑法中以前的数据作用是逐步衰减人，或者说老的数据被逐渐地遗忘。值越大数据衰减地越快，就象在移动平均法中使用的数据越少。这是因为在方程1中老的平均值被乘以（1），因此老的数据的权值随着的增大而迅速衰减。也就是说，越是大的，在预测中老数据（St1）的影响越小。,对于既含有线性趋势成分又含有季节成分的时间序列，须对其成分进行分解，这种分解建立在以下乘法模型的基础上： 其中，Tt表示长期趋势成分，St表示季节成分， Ct表示周期性成分，It表示不规则成分。由于不规则成分的不可预测，因此预测值就可表示为趋势成分和季节成分的乘积。,（5）季节指数,季节性指标的

25、理解,季节性指标反映了该季度与总平均值之间的一种比较稳定的关系 如果这个比值大于1，就说明该季度的值常常会高于总平均值 如果这个比值小于1，就说明该季度的值常常低于总平均值 如果序列的季节指数都近似等于1，那就说明该序列没有明显的季节效应,建立季节指数模型,建立季节指数模型的一般步骤如下： 第一步，计算每一季（每季度，每月等等）的季节指数St 。 第二步，用时间序列的每一个观测值除以适当的季节指数，消除季节影响。 第三步，为消除了季节影响的时间序列建立适当的趋势模型，并用这个模型进行预测。 第四步，用预测值乘以季节指数，计算出最终的带季节影响的预测值。,根据时间序列预测第五年各季度销售量,季均

26、销售,季节指数,预测值,（1）计算各年同季季平均销售额资料于表第6栏。,如第一季为：,（2）计算所有年所有季的季平均销售额,（3）计算各季节比率于表第7栏。,如第二季为：,（4）预测年的季趋势值,（5）第五年各季预测值,于表第8栏。,如第三季为：,需求预测方法选择,预测方法选择时应考虑的因素 （1）不同预测方法的适用范围 （2）数据资料的数量和质量 （3）预测精度要求（MSE） （4）预测期限、时间和费用,生产物流计划和控制,生产物流：工厂中的原材料、燃料、外购件等，经过下料、发运送到各个加工点和存储点，以在制品的形态，从一个生产过程流入到另一个生产过程，按规定的生产工艺过程进行加工、储存的全

27、部生产过程。 由于生产物流的多样性和复杂性，以及生产工艺和设备的不断更新，如何更好地组织生产物流，是物流研究者和管理者始终追求的目标。 合理组织生产物流过程，才能使生产过程始终处于最佳状态。,生产物流结构及内容,76,2020/8/28,影响生产物流的因素： 生产工艺对生产物流有不同要求和限制 生产类型影响生产物流的构成和比例 生产规模影响物流量大小 专业化和协作化水平影响生产物流的构成与管理,管理生产物流应注意的问题,物流过程的连续性物料顺畅、最快、最省地走完各个工序，直到成为产品。 物流过程的平行性各个支流平行流动 物流过程的节奏性生产过程中各阶段都能有节奏、均衡地进行 物流过程的比例性考

28、虑各工序内的质量合格率，以及装卸搬运过程中的可能损失，零部件数量在各工序间有一定的比例，形成了物流过程的比例性。（考虑回收物流） 物流过程的适应性企业生产组织向多品种、少批量发展，要求生产过程具有较强的应变能力，物流过程同时具备相应的应变能力。,生产方式,单件小批量生产 成批生产 大量生产,计划的目的在于你如何根据运输节奏，在正确的时间，将恰当的物料送达恰当的工位。或者找出不能按时完成物流计划的原因，采取相应的措施。,单件小批量生产的物流计划,计划难度最大，把握生产周期安排物流计划，是可行的选择。 例：成套设备的生产周期,Tc成套设备的生产周期； Ti零件在某车间的生产周期； Tbi某车间的保

29、险期。,生产提前期：组成产品的各零件在各车间投入或产出的日期距产品装配产出日期或交付期应提前的时间。,投入提前期：,产出提前期：,大量流水线生产方式的生产物流计划,大量流水线生产方式的期量标准节拍、流水作业图表、在制品占用定额。 节拍：流水线作业速度 r流水线节拍（min/件） te 计划期的有效工作时间（min）；N计划期制品量（件） t0 计划期的日历工作时间（min）； 时间有效利用系数，一般取0.90.96,如果计算出的节拍数很小，同时制品的体积、重量也很小，不宜按件传送时，则按批传送；此时产出两批同样制品之间的时间间隔称为节奏： r g = rn r r g节奏（min/批） n运输

30、批量 当流水线采用批传送在制品时，科学确定批运输量n，对合理使运输工具，减少运输时间，充分利用生产面积，减少在制品数量，都有重要意义。,生产物流的计划过程,生产物流的控制,实际的生产物流系统中，由于系统内外各种因素的影响，物流计划和实际之间发生偏差，为保证物流计划的完成，必须对物流活动进行有效控制。 控制的核心：进度控制，即物流在生产过程中的流入、流出，以及物流量的控制。 两种控制原理 推 拉,物流推进型控制：根据最终产品的物流需求结构，计算出各生产工序的物流需求量，在考虑各生产工序的生产提前期之后，向各工序发出物流指令。（MRP）,物流拉动型控制：根据最终产品的物流需求结构，计算出最后工序的

31、物流需求量，根据最后工序的物流需求量，向前一工序提出物流供应要求，以此类推，各生产工序都要接受它的后工序的物流需求。（“Kanban” ）,简化的某企业六阶段拉动型控制原理,实际中，往往两种方法结合使用，即用MRP系统，求得各生产工序的物流需求量，物流供应者按其需求量准备物流能力；具体的运作中，不可控因素随时可见，电子看板则即时将包括不可控因素在内的具体物流需求量传递给上一工序，物流供应者则实施JIT 配送。 好物流计划是物流有效控制的基础，而要控制好生产过程的物流，不仅与生产线上作业流程安排的科学性有关，更要了解企业生产过程中的材料需求计划，要掌握JIT配送的实质。,生产物流的控制方式,控制

32、主体,控制目标,控制对象,信息 收集,指令,随机干扰,输出,反馈控制：稳定性好，但调整实施有一定的时间时滞，可能影响目标的实现,控制主体 （预测）,控制目标,控制对象,指令,随机干扰,输出,前馈控制： 根据对系统未来的预测，事先采取措施，应对即将发生的情况，发送指令，按指令控制生产过程的物流。,实际中，通常是两者结合的复合控制系统。,反馈控制与前馈控制,n=1, . m,(1)生产物流量模型 设有m份订货合同，每份的产品总量为 ，则有,式中： 第 i 生产阶段第 n 份合同的生产物流量； 第 i 生产阶段的投入产出系数； 第 n 份合同的订货总量。,则第 i 生产阶段的物流生产总量为：,=,式中 第 生产阶段的物流生产总量,生产物流平衡,(2)生产物流时间模型,设第 n 份合同的最晚交货期为 , 最早交货期为 。若要保证按时交货，则必须满足：,式中： 第 i 生产阶段的生产周期； m 生产阶段的总数。,影响生产物流平衡的因素很多，因此，生产物流平衡模型是一个多目标规划问题，多目标规划的数学模型：,式中， 为第 i 优先级中第 j 个目标的权数。,(3)生产物流平衡模型,在正常生产