汽车生产运作管理04.ppt

生产运作管理生产运作管理预测预测Chapter 41学习目标学习目标学习本章以后，你将：学习本章以后，你将：掌握或学会掌握或学会：预测的基本方法、模型和步骤预测的基本方法、模型和步骤选择适合的模型选择适合的模型时间序列预测方法中的趋势和季节调整方法时间序列预测方法中的趋势和季节调整方法 2决策者面对问题决策者面对问题为哪些用户提供产品或服务；为哪些用户提供产品或服务；所提供的产品或服务应具备哪些特色所提供的产品或服务应具备哪些特色什么时候提供这些产品或服务；什么时候提供这些产品或服务；在什么地方提供这些产品或服务；在什么地方提供这些产品或服务；提供多少产品或服务；提供多少产品或服务；3沃尔玛沃尔玛以最低廉的价格从正确的货架上取出正确的货以最低廉的价格从正确的货架上取出正确的货物物数据库：销售情况、库存状况、在途货物、市数据库：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商品以及供应商绩效等 数据库与供应商共享数据库与供应商共享趋势分析、库存管理、增进对顾客的了解趋势分析、库存管理、增进对顾客的了解 需求预测需求预测 4预测的意义预测的意义财务职能：为制定财务预财务职能：为制定财务预算计划和成本控制提供依算计划和成本控制提供依据据营销职能：依靠销售预测营销职能：依靠销售预测来进行销售网点的布设、来进行销售网点的布设、销售人员的补充等决策销售人员的补充等决策 生产运营：利用预测制定生产运营：利用预测制定周期性决策，例如工艺选周期性决策，例如工艺选择、生产能力计划等；同择、生产能力计划等；同时也用于生产计划、调度时也用于生产计划、调度和库存等决策活动和库存等决策活动 Sales will be$200 Million!5按时间跨度按时间跨度短期预测短期预测中期预测中期预测长期预测长期预测按基本方法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、德尔定性预测：基层预测、市场调研、小组共识、历史类比、德尔菲法菲法时间序列分析：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、鲍克斯归分析、鲍克斯詹金斯（詹金斯（Box Jenkins）法）法、希斯金、希斯金（Shiskin）时间序列）时间序列、趋势外推、趋势外推 因果联系：回归分析、计量经济模型、投入因果联系：回归分析、计量经济模型、投入/产出模型、先行指产出模型、先行指标标模拟模型模拟模型预测的分类预测的分类6预测步骤预测步骤明确预测目的明确预测目的确定时间跨度确定时间跨度选择预测方法选择预测方法收集并分析相关数据收集并分析相关数据预测预测对预测过程进行监控对预测过程进行监控将预测结果付诸实际应用将预测结果付诸实际应用7预测方法的选择预测方法的选择影响预测方法选择的因素影响预测方法选择的因素 成本成本精度精度历史数据的可获得性历史数据的可获得性计算机的可获得性计算机的可获得性必要的准备时间必要的准备时间有无使用经验有无使用经验预测目的预测目的选择预测方法的原则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果，以增加预测结果的可信度 权衡权衡8预测方法的选择预测方法的选择continued预测方法预测方法需要的历史数据需要的历史数据（观察值）（观察值）数据分布数据分布预测周期预测周期准备时间准备时间预测人员预测人员个人背景个人背景简单移动平均简单移动平均510个个数据稳定数据稳定短期短期短短不要求精通不要求精通加权移动平均加权移动平均1015个个呈长期趋势变动呈长期趋势变动短期到中期短期到中期短短掌握方法掌握方法指数平滑指数平滑1020个；个；有季节变动，有季节变动，每季至少每季至少5个个呈长期趋势变动呈长期趋势变动短期到中期短期到中期短短掌握方法掌握方法综合方法综合方法两对谷峰足够两对谷峰足够处理循环和处理循环和季节变动分布季节变动分布短期到中期短期到中期短到中等短到中等不要求精通不要求精通回归分析回归分析每个自变量每个自变量10个个能够处理复杂分布能够处理复杂分布短期、中期或长期短期、中期或长期建模时间长建模时间长实施时间短实施时间短非常精通非常精通选择合适预测方法的指南选择合适预测方法的指南 9时间序列法时间序列法时间序列时间序列为按时间顺序排列的数列，它包含一个或多个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、自需求的影响因素：趋势、季节性、周期性、自相关性和随机性相关性和随机性 相加式季节变动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变动量恒为常数包括趋势性和季节性的预测包括趋势性和季节性的预测=趋势趋势 季节变动量季节变动量 10时间序列法时间序列法continued相乘式季节变动相乘式季节变动包括趋势性和季节性的预测包括趋势性和季节性的预测=趋势趋势季节因子季节因子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时间序列中随各季节变化所作的调整系数 算例算例1某企业平均每年售出某企业平均每年售出1000件产品件产品春季售出春季售出200件，夏季件，夏季350件，秋季件，秋季300件，冬季件，冬季150件件预计明年的总需求为预计明年的总需求为1100件，季节因子等于各件，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分析明年各季的需求 11时间序列法时间序列法continued解答解答季节因子的计算季节因子的计算过去的销量过去的销量（件）（件）每季平均销量（件）每季平均销量（件）（1000/4）季节因子季节因子春季春季200250200/250=0.8夏季夏季350250350/250=1.4秋季秋季300250300/250=1.2冬季冬季150250150/250=0.6总计总计100012时间序列法时间序列法continued明年各季需求预测值的计算明年各季需求预测值的计算 明年需求期望值明年需求期望值（件）（件）每季平均销量（件）每季平均销量（件）（1100/4）（）（1）季节因子季节因子（2）明年各季需求明年各季需求预测值（件）预测值（件）（1）*（2）春季春季2002750.8220夏季夏季3502751.4385秋季秋季3002751.2330冬季冬季1502750.6165总计总计100013时间序列法时间序列法continued算例算例2某产品销量的历史数据如表所示某产品销量的历史数据如表所示 某产品销量历史数据某产品销量历史数据 单位：件单位：件根据手绘直线计算趋势和季节因子根据手绘直线计算趋势和季节因子 季度季度销量销量季度季度销量销量1998 30019995201998 20019994201998 2201999 4001998 530199970014时间序列法时间序列法continued解答解答做散点图做散点图 直线方程：直线方程：Tt=170+55t 式中：式中：Tt 趋势值趋势值 斜率斜率=（610170）8 1998年年 1999年年800700600500400300200100015时间序列法时间序列法continued2000年趋势性预测和季节因子的预测年趋势性预测和季节因子的预测（FITSt）FITSt 趋势趋势 季节因子季节因子 2000 FITS9 170 55（9）1.25 831 2000 FITS10 170 55（10）0.78 562 2000 FITS11 170 55（11）0.69 535 2000 FITS12 170 55（12）1.25 1 038 16时间序列法时间序列法continued根据实际数据和趋势曲线计算的季节因子根据实际数据和趋势曲线计算的季节因子 单位：件单位：件 季度季度实际销量实际销量由趋势方程推出由趋势方程推出Tt=170+55t 实际值实际值/趋势值趋势值的比值的比值季节因子（季节因子（2 2年中同一季年中同一季节的平均值）节的平均值）199819983003002252251.331.332002002802800.710.712202203353350.660.661.251.255305303903901.361.360.780.78199919990.690.695205204454451.171.171.251.254204205005000.840.844004005555550.720.727007006106101.151.1517时间序列法时间序列法continued最小二乘回归分解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期性，并分别计算各季度及各周期的指数 步骤步骤分解时间序列为各组成分量分解时间序列为各组成分量 找出季节分量找出季节分量消除需求的季节性消除需求的季节性找出趋势分量。找出趋势分量。预测各分量的未来值预测各分量的未来值 将趋势分量外推至未来将趋势分量外推至未来用季节分量乘以趋势分量用季节分量乘以趋势分量 18时间序列法时间序列法continued算例算例3应用最小二乘回归求算例应用最小二乘回归求算例2中的时间序中的时间序列分解结果列分解结果每一个数据点相应于每一个数据点相应于3年（年（12季度）中季度）中的某个季度的某个季度预测第预测第4年年4个季度的需求个季度的需求19时间序列法时间序列法continued解答解答步骤步骤 确定季节因子（或季节指数）确定季节因子（或季节指数）消除原始数据中的季节性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小二乘回归直线 将回归直线外推至所要预测的区间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，建立最终预测用季节因子修正回归直线，建立最终预测方程方程 20时间序列法时间序列法continued消除季节性影响后的需求消除季节性影响后的需求 单位：件单位：件（1）时期（时期（x）（2）季度季度（3）实际需求实际需求（y）（4）每年同一季度每年同一季度的平均值的平均值（5）季节季节因子因子（6）消除季节性消除季节性影响后的需求（影响后的需求（yd）列（列（3）列（列（5）（7）x2列（列（1）平方）平方（8）x yd列（列（1）列（列（6）1600(600 2 400 3 800)/3 2 266.70.82735.71735.721 550(1 550 3 100 4 500)/3 3 0501.101 412.442 824.731 500(1 500 2 600 4 000)/3 2 7000.971 544.094 631.941 500(1 500 2 900 4 900)/3 3 1001.121 344.8165 379.052 4000.822 942.62514 713.263 1001.102 824.73616 948.472 6000.972 676.24918 733.682 9001.122 599.96420 798.993 8000.824 659.28141 932.7104 5001.104 100.410041 004.1114 0000.974 117.312145 290.1124 9001.124 392.914452 714.57833 35012.0333 350.1650265 706.9注：第注：第3列和第列和第6列的累计总和都应为列的累计总和都应为33 350件，表中出现的差异是由于小数取整的结果。第件，表中出现的差异是由于小数取整的结果。第5列精确到小数点后两位列精确到小数点后两位 21时间序列法时间序列法continued修正后的预测值修正后的预测值时期时期季度季度回归直线给出的回归直线给出的Y值值季节因子季节因子预测值（预测值（Y季节因子）季节因子）1315 003.50.824 102.871425 345.71.105 880.271535 687.90.975 517.261646 030.11.126 753.7122时间序列法时间序列法continued误差范围误差范围常见误差常见误差错误错误23线性回归分析线性回归分析线性回归方程线性回归方程Y a bx作用作用有助于主要事件和综合计划的长期预测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例如，预测产品簇的需求情况 局限局限它假设历史数据和未来预测值都落在一条直线它假设历史数据和未来预测值都落在一条直线之上之上，限制了该方法的应用限制了该方法的应用 24线性回归分析线性回归分析continued算例算例某企业的某种产品在过去某企业的某种产品在过去3年共年共12个季度内的销售情况如表：个季度内的销售情况如表：用散点图和简单目视法或视觉启发式近似法徒手绘制回归直线，用散点图和简单目视法或视觉启发式近似法徒手绘制回归直线，预测第预测第4年的各个季度的销售情况年的各个季度的销售情况 季度季度销售量销售量季度季度销售量销售量160072 60021 55082 90031 50093 80041 500104 50052 400114 00063 100124 90025线性回归分析线性回归分析continued解答解答手绘回归方程手绘回归方程手绘回归直线手绘回归直线1 2 3 4 5 6 7 8 9 10 11 12 6000 5000 4000 3000 2000 1000 0从直线上的点读出第从直线上的点读出第1季度和第季度和第12季度的季度的Y值，分别为值，分别为750和和4 950 26线性回归分析线性回归分析continuedb=(4950-750)/(12-1)=382 手绘回归方程为手绘回归方程为Y=400+382x 第第13季度到第季度到第16季度的预测值季度的预测值季度季度预测值预测值13400382（13）=5 366 14400382（14）=5 748 15400382（15）=6 130 16400382（16）=6 512 27线性回归分析线性回归分析continued解答解答最小二乘法最小二乘法原则原则使得使得(y1-Y1)2+(y2-Y2)2+(y12-Y12)2最小最小 式中式中 aY轴截距；轴截距；b直线斜率；直线斜率；所有所有y值的平均值；值的平均值；所有所有x值的平均值；值的平均值；x各点的各点的x值；值；y各点的各点的y值；值；n数据点个数；数据点个数；Y回归方程求出的因变量值回归方程求出的因变量值 28线性回归分析线性回归分析continued计算结果计算结果 xyxyx2y2Y16006001360 000 801.3 21550310042 402 500 1 160.9 31500450092 250 000 1 520.5 415006000162 250 000 1 880.1 52 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 50029线性回归分析线性回归分析continued计算结果计算结果 b=359.6153a=441.6666因此因此30线性回归分析线性回归分析continued计算结果计算结果 13季度到16季度的预测值如下：31线性回归分析线性回归分析continued计算结果计算结果直线对数据的拟合程度即估测标准差为直线对数据的拟合程度即估测标准差为：估测标准差估测标准差：=363.932因果关系预测因果关系预测因果关系因果关系一事件的发生导致了另一事件的发生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它作为预测的依据找出那些真正可以成为原因的事件找出那些真正可以成为原因的事件 33因果关系预测因果关系预测算例算例地毯销售记录地毯销售记录 年份年份批准新建房屋（所）批准新建房屋（所）销量（码销量（码2）*19891813 00019901512 00019911211 00019921010 00019932014 00019942816 00019953519 00019963017 00019972013 000*1码码2 0.836米米234因果关系预测因果关系预测解答解答做散点图做散点图0 5 10 15 20 25 30 35 20000180001600014000120001000080006000新建房屋（所）新建房屋（所）地地毯毯销销量量（码（码2）35因果关系预测因果关系预测解答解答斜率斜率样本点样本点年份年份新建房屋新建房屋x（所）（所）地毯销量地毯销量y（码（码2）19921010 00019963017 00036因果关系预测因果关系预测解答解答预测方程预测方程假设假设2000年将新建年将新建25所房屋，则该公司所房屋，则该公司2000年年地毯的预测销量地毯的预测销量：7 000 350 （25）15 750（码（码2）37小结小结本章学习了：本章学习了：预测及其分类预测及其分类预测步骤预测步骤预测方法的选择预测方法的选择时间序列预测方法时间序列预测方法线性回归分析线性回归分析因果关系预测因果关系预测38