物流运作管理--需求预测ebkw.ppt

《物流运作管理--需求预测ebkw.ppt》由会员分享，可在线阅读，更多相关《物流运作管理--需求预测ebkw.ppt（36页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第5讲讲需求预测需求预测o5.1预测及其作用预测及其作用o预测是对未来可能发生的情况的预计与推测。o作用n“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。n但预测不是一门精确的科学，它是科学与艺术的结合。n预测离不开科学测定的数据，也离不开人们的经验和判断。n不能因为预测的失误而否定预测。2023/3/251o预测的特性预测的特性n1、预测的基本假设：过去的发展状态要持续到将来n2、预测精度随预测的时间范围增加而降低n3、对总量的预测要比对个体的预测精确o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2023/3/252o预测的作用预测的作

2、用n帮助管理者设计生产运作系统o生产什么产品，提供何种服务o在何处建立生产/服务设施o采用什么样的流程o供应链如何组织n帮助管理者对系统的使用进行计划o今年生产什么，生产多少o如何利用现有设施提供满意服务2023/3/253o预测种类预测种类n按性质分按性质分n科科学学预预测测：科学预测是对科学发展情况的预计与推测。o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。n技技术术预预测测：技术预测是对技术进步情况的预计与推测。2023/3/254n需需求求预预测测：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。n社社

3、会会预预测测：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。n经经济济预预测测：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2023/3/255n按时间分按时间分n长长期期预预测测(Long-rangeForecast)：对5 5年年或或5 5年年以以上上的需求前景的预测。它是企业长期发展规划的依据。n中中 期期 预预 测测(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。n短期预测短期预测(Short-rangeForec

4、ast)：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。2023/3/256n按主客观因素所起的作用分按主客观因素所起的作用分n定性预测方法定性预测方法o主观判断、不需要数学公式o预测依据：各种主观意见n定量预测方法定量预测方法o利用统计资料和数学模型进行预测o主观判断仍然重要2023/3/257预预测测方方法法定定性性预预测测方方法法定定量量预预测测方方法法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

5、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2023/3/258预测的一般步骤预测的一般步骤 1 1 确定预测的目的和用途确定预测的目的和用途 2 2 根据企业不同的产品及其性质分类根据企业不同的产品及其性质分类 3 3 决定影响各类产品需求的因素及其重要性决定影响各类产品需求的因素及其重要性 4 4 收集所有可以利用的过去和现在的资料加以分析收集所有可以利用的过去和现在的资料加以分析 5 5 选择适当的预测方法选择适当的预测方法 6 6 计算并核实初步预测结果计算并核实初步预测结果 “预测预测”7 7

6、 考虑和设定无法预测的内外因素考虑和设定无法预测的内外因素 8 8 求出各类产品需求预测求出各类产品需求预测 9 9 将预测结果应用将预测结果应用 10 10 预测监控预测监控2023/3/259o5.2定性预测方法定性预测方法nDelphi 法（专家调查法）n用户期望调查法n部门主管意见n销售人员意见汇集法2023/3/251011南京理工大学经济管理学院p5.3定量预测法定量预测法p简单移动平均（简单移动平均（Simplemovingaverage，SMA）p加权移动平均（加权移动平均（Weightedmovingaverage，WMA）p指数平滑法（指数平滑法（Exponentialsm

7、oothing）2023/3/2512南京理工大学经济管理学院一、简单移动平均一、简单移动平均SMAt+1=nAt+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2023/3/2513南京理工大学经济管理学院表表5 5-1 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 21.0021.00 23.0023.00 24.0024.

8、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 2 26.006.00 25.6725.67 26.3326.33 27.0027.00 21.7521.75 23.3323.33 24.7524.75 25.5025.50 25.7525.75 26.0026.00 26.2526.25 26.5026.50 2023/3/2514南京理工大学经济管理

9、学院计算移动平均预测值:F4=(720+678+650)/3 =682.67F7=(920+859+785 +720+678+650)/6 =768.672023/3/2515南京理工大学经济管理学院描点绘图，可以比较当n=3,n=6时对预测结果的影响?2023/3/2516南京理工大学经济管理学院对于简单移动平均预测方法，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，如果管理者的目标是体现响应性，则应选择小一点的n。2023/3/2517南京理工大学经济管理学院二、加权移动平均二、加权移动平均WMAt+1 =niA

10、t+i-ni=1n2023/3/2518南京理工大学经济管理学院表表5 5-2 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 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 (0.5(

11、0.5 20+120+1 21+1.521+1.5.5.5 23)/3=21.8323)/3=21.83 23.1723.17 24.3324.33 25.8325.83 26.1726.17 25.6725.67 25.6725.67 26.8326.83 27.1727.17 2023/3/2519南京理工大学经济管理学院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。2023/3/2520南京理工大学经济管理学院三、一次指数平滑法(Single exponential smoothing)Ft=

12、Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1Ft 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，平滑系数平滑系数2023/3/2521南京理工大学经济管理学院月销售额一次指数平滑预测表 单位：千元F2 A1（1）F10.410.00（10.4）11.0010.6019.7416.812023/3/2522南京理工大学经济管理学院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2023/3/2523南京理工大学经济管理学院四、时间分解预测模型-解决季节

13、性预测问题(Seasonal variations)常用季节性预测模型(P87 图3-7)加法模型(Additive Model)TF=T+S+C+I 乘法模型(Multiplicative model)TF=T.S.C.I 用得较多的是基于乘法模型的预测方法2023/3/2524南京理工大学经济管理学院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3002季度季度2003季度季度2204季度季度5301998年年1季度季度5202

14、季度季度4203季度季度4004季度季度7002023/3/2525南京理工大学经济管理学院Step 1:求出趋势值的直线方程。趋势值Step1:可以用最小二乘法，求出：Tt=170+55*t2023/3/2526南京理工大学经济管理学院有关最小二乘法有关最小二乘法 请自学最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最未知的数据，并使

15、得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于小。最小二乘法还可用于曲线拟合曲线拟合。其他一些优化问题也可通过最小化。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。能量或最大化熵用最小二乘法来表达。2023/3/2527南京理工大学经济管理学院Step 2:Step 2:计算季节因子计算季节因子 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)=1.330.710.661.36(1.33+1.17)/2=1.25(0

16、.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5204204007004455005556101.170.840.721.15(0.66+0.72)/2=0.69(1.36+1.15)/2=1.25Step3: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=8312季度季度:(170+5510)0.78=5623季度季度:(170+5511)0.69=5354季度季度:(170+5512)1.25=10382023/3/2528南京理工大学经济管理学院五、因果模型：一元线性回归模型五、因果模型：一元线性回归模型Y Yt

17、t 一元线性回归预测值；一元线性回归预测值；a a 截距截距b b 斜率斜率.Yt=a+bx0 1 2 3 4 5 tY2023/3/2529南京理工大学经济管理学院b=n(xy)-xynx2-(x)2a=y-bxn n n为变量数；为变量数；x x为自变量的取值；为自变量的取值；y y为因变量的取值；为因变量的取值；2023/3/2530南京理工大学经济管理学院2023/3/2531南京理工大学经济管理学院y=143.5+6.3ta=812-6.3(15)5=b=5(2499)-15(812)5(55)-225=12495-12180275-225=6.3143.5 2023/3/2532南

18、京理工大学经济管理学院5.4 5.4 预测误差与监控预测误差与监控 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。2023/3/2533南京理工大学经济管理学院预测误差误差误差 实际值与预计值的差别实际值与预计值的差别平均绝对偏差平均绝对偏差（Meanabsolutedeviation，MAD）平均平方误差（平均平方误差（Meansquarederror，MSE)2023/3/2534南京理工大学经济管理学院预测误差的度量(Measurement of

19、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：平均预测误差平均预测误差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2023/3/2535南京理工大学经济管理学院检验预测模型是否有效：将最近的实际值与偏差进行比较，看偏差是否在可以接受的范围之内；采用跟踪信号法(Tracking signal)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

20、围上限下限2023/3/2536南京理工大学经济管理学院例：例：月份月份需求预测需求预测实际值实际值偏差偏差(A-F)(A-F)|A-F|A-F|A-F|A-F|MADMADTSTS1 110001000950950-50-50-50-50505050505050-1.00-1.002 2100010001070107070702020707012012060600.330.333 3100010001100110010010012012010010022022073.373.31.641.644 410001000960960-40-408080404026026065651.201.205 510001000109010909090170170909035035070702.402.406 610001000105010505050220220505040040066.766.73.303.30 3MAD 2MAD 1MADTS 0 -1MAD -2MAD -3MAD2023/3/25