chopra_scm7_inppt_07教学ppt课件供应链管理（第7版）.pptx

《chopra_scm7_inppt_07教学ppt课件供应链管理（第7版）.pptx》由会员分享，可在线阅读，更多相关《chopra_scm7_inppt_07教学ppt课件供应链管理（第7版）.pptx（62页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、chopra_scm7_inppt_07教学课件供应链管理（第7版）供供应链应链管理：管理：战战略、略、计计划和运作划和运作第 7 版第第 7 章章供应链中的需求预测Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedCopyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标7.1 理解预测对于企业和供应链的作用7.2 识别需求预测的组成及一些基本的预测方法7.3 根据供应链中的历史需求数据，运用时间序列法进行需求预测7.4

2、分析需求预测以估计预测误差7.5 使用Excel建立时间序列预测模型Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved供应链中预测的作用供应链中预测的作用供应链中所有计划决策的基础推动流程和拉动流程均需进行需求预测生产计划、库存、综合计划销售人员配置、促销、新产品上市工厂/设备投资、预算计划劳动力计划、雇佣和解雇所有这些决策都是相互关联的Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测的特点预测的特点1.预测通常是不准确的，因

3、此应兼顾预测的期望值和预测误差的测量2.长期预测的精度往往比短期预测低3.集中预测往往比分散预测更精确4.一般来说，企业越靠近供应链上游，其所接收到的信息失真就越大Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标1小结小结(1/2)供应链中几乎所有的设计和计划决策都是以预测为基础的。重要的是要认识到，所有的预测都不可能完全精确。因此，预测误差的估计是有效利用预测值的关键。（通过减少相关决策的提前期）缩短预测的时间范围和集中预测是减少预测误差的两种有效方法。Copyright 2019,2016,

4、2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标1小结小结(2/2)最近出现的一个新现象是，整个供应链协同预测并以此作为决策的基础。协同预测极大地提高了预测的准确性，使供应链能够实现绩效最大化。如果没有协同预测,供应链中远离需求端的环节很可能预测非常不准确,从而导致供应链的低效率和缺乏响应性。Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测的组成及预测方法预测的组成及预测方法 (1/2)企业必须识别那些影响未来需求的因素，并确定这些因素与未来需求之

5、间的关系过去的需求产品补货提前期广告计划或营销活动价格促销计划经济状况竞争对手采取的行动Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测的组成及预测方法预测的组成及预测方法(2/2)1.定性预测法主要是主观的依赖于人为判断2.时间序列预测法仅使用历史需求数据最适用于稳定的需求3.因果关系预测法需求与其他因素之间的关系4.模拟预测法通过模拟消费者的选择来预测需求Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved观测到的需求的成分

6、观测到的需求的成分 观测到的需求(O)=系统成分(S)+随机成分(R)系统成分系统成分 需求的期望值需求水平需求水平(剔除季节性因素后的当前需求)需求趋势需求趋势 (需求增长或下降)季节性因素季节性因素(可预测的季节性波动)随机成分随机成分 预测中偏离系统需求的那部分预测误差预测误差 预测值与实际需求之间的差异Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测过程中的五个重点预测过程中的五个重点1.理解预测的目标2.整合整个供应链的需求计划和预测3.识别影响需求预测的主要因素4.以合适的集中水平进行预测5.建

7、立预测的绩效和误差度量标准Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标2小结小结需求是由系统成分和随机成分组成,系统成分度量的是需求的期望值,随机成分度量的是需求围绕期望值波动的大小。系统成分又由需求水平、需求趋势和季节性因素组成。需求水平衡量剔除季节性影响后的当前需求,需求趋势衡量需求当前的增长或下降速率,季节性因素反映的是需求中可预测的季节性波动。预测的目标是估计系统成分和随机成分的大小（以预测误差的形式）。良好的预测需要对预测的目标有一个明确的理解，并且需要供应链进行协同预测。Copy

8、right 2019,2016,2013 Pearson Education,Inc.All Rights Reserved时间序列预测法时间序列预测法三种计算系统成分的方法乘法型乘法型S=需求水平 需求趋势 季节性因素加法型加法型 S=需求水平+需求趋势+季节性因素混合型混合型S=(需求水平+需求趋势)季节性因素Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved静态预测法静态预测法系统成分=(需求水平+需求趋势)季节性因素其中L=第0期的需求水平估计T=需求趋势的估计St=第t期季节性因素的估计Dt=第t期观察

9、到的实际需求Ft=第t期的需求预测Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司公司(1/5)表表 7-1 Tahoe Salt公司的季度需求年份年份季度季度时期期 t需求需求 Dt1218,00013213,00014323,00021434,00022510,00023618,00024723,000Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司公司(2/5)表表 7-1

10、续年份年份季度季度时期期 t需求需求 Dt31838,00032912,000331013,000341132,000411241,000Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司公司(3/5)图 7-1 Tahoe Salt公司的季度需求1.剔除需求中的季节性因素，并进行线性回归，对需求水平和需求趋势进行估计2.估计季节性因素Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved估计需求水平和需求趋势估

11、计需求水平和需求趋势(1/2)时期数 p=4,t=3Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved估计需求水平和需求趋势估计需求水平和需求趋势(2/2)Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司公司(4/5)图 7-2 Tahoe Salt公司剔除季节性因素后的需求的Excel工作表Copyright 2019,2016,2013 Pearson Education,Inc.All Rights

12、ReservedTahoe Salt公司公司(5/5)图 7-3 Tahoe Salt公司剔除季节性因素后的需求基于需求随时间的变化，剔除季节性因素后的需求与时间之间存在线性关系剔除季节性因素后的需求实际需求 时期需求Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved估计季节性因素估计季节性因素(1/3)图图 7-4 Tahoe Salt公司剔除季节性因素后的需求和季节性因素Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved估计季节

13、性因素估计季节性因素(2/3)Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved估计季节性因素估计季节性因素(3/3)Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved适应性预测法适应性预测法(1/2)需求水平、需求趋势和季节性因素的估计值在每次观察到实际需求后都要进行修正估计值中将所有观察到的新数据都考虑其中了Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Res

14、erved适应性预测法适应性预测法(2/2)其中Lt=第t 期期末的需求水平估计值Tt=第t 期期末的需求趋势估计值St=第t 期的季节性因素估计值Ft=第t 期的需求预测值(在第t 1期或更早的时候预测得到)Dt=第t 期实际观察到的需求值Et=Ft Dt=第t 期的预测误差Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved自适应预测的步骤自适应预测的步骤初始值计算需求水平(L0)、需求趋势(T0)和季节性因素(S1,Sp)的初始估计值预测预测第t+1期的需求估计误差计算误差Et+1=Ft+1 Dt+1修正估计

15、值已知预测误差Et+1，修正需求水平(Lt+1)、需求趋势(Tt+1),和季节性因素(St+p+1)的估计值Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved移动平均法移动平均法当需求中没有明显的趋势或季节性因素时可使用移动平均法预测需求的系统成分=需求水平第t期需求水平是过去N 期的需求的平均在观察到第t+1期的需求后，对估计值进行如下修正Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved移动平均法的例子移动平均法的例子(1/2)

16、一家超市过去4周每周对牛奶的需求分别为D1=120,D2=127,D3=114,D4=122加仑使用4期移动平均对第5期的需求进行预测。如果第5期的实际需求数据为125，预测误差为多少?Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved移动平均法的例子移动平均法的例子(2/2)第5期的需求预测F5=L4=120.75加仑如果第5期的实际需求为125加仑，预测误差为E5=F5 D5=120.75 125=4.25修正后的需求Copyright 2019,2016,2013 Pearson Education,Inc

17、.All Rights Reserved简单指数平滑法简单指数平滑法(1/3)当需求没有明显趋势或季节性因素时，适合使用简单指数平滑法需求的系统成分=需求水平需求水平的初始估计值L0，假定为所有历史数据的平均值Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved简单指数平滑法简单指数平滑法(2/3)给定第1期到第n期的数据当前预测使用平滑系数对预测值进行修正(0 1)因此Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved简单指数平滑法

18、简单指数平滑法(3/3)超市数据F1=L0=120.75E1=F1D1=120.75120=0.75L1=D1+(1)L0=0.1120+0.9 120.75=120.68Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved 趋势调整的指数平滑法趋势调整的指数平滑法(Holt模型模型)(1/4)适用于需求的系统成分中仅包括需求水平和需求趋势,而不存在季节性因素的情况需求的系统成分=需求水平+需求趋势Copyright 2019,2016,2013 Pearson Education,Inc.All Rights R

19、eserved趋势调整的指数平滑法趋势调整的指数平滑法(Holt模型模型)(2/4)运用线性回归，获得需求水平和需求趋势的初始估计值Dt=at+bT0=a,L0=b在第t期,未来时期的预测值可表示为Ft+1=Lt+Tt 和 Ft+n=Lt+nTt对于第t期，修正后的估计值为Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved趋势调整的指数平滑法趋势调整的指数平滑法(Holt模型模型)(3/4)智能手机的需求D1=8,415,D2=8,732,D3=9,014,D4=9,808,D5=10,413,D6=11,961

20、,=0.1,=0.2运用回归分析L0=7,367 和 T0=673第1期的预测值F1=L0+T0=7,367+673=8,040第1期的预测误差E1=F1 D1=8,040 8,415=375Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved趋势调整的指数平滑法趋势调整的指数平滑法(Holt模型模型)(4/4)修正后的估计值使用新的 L1F2=L1+T1=8,078+681=8,759重复使用同样的方法F7=L6+T6=11,399+673=12,072Copyright 2019,2016,2013 Pears

21、on Education,Inc.All Rights Reserved趋势和季节调整的指数平滑法趋势和季节调整的指数平滑法(1/2)适用于需求的系统成分中包括需求水平、需求趋势和季节性因素的情况系统成分=(需求水平+需求趋势)季节性因素Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved趋势和季节调整的指数平滑法趋势和季节调整的指数平滑法(2/2)在观察到第t+1期的需求后，对需求水平、需求趋势和季节性因素的估计值进行修正=需求水平的平滑系数=需求趋势的平滑系数=季节性因素的平滑系数Copyright 2019,

22、2016,2013 Pearson Education,Inc.All Rights ReservedWinter模型模型(1/3)L0=18,439 T0=524S1=0.47,S2=0.68,S3=1.17,S4=1.67F1=(L0+T0)S1=(18,439+524)(0.47)=8,913第1期需求的实际观察值=D1=8,000第1期的预测误差=E1=F1 D1 =8,913 8,000=913Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedWinter模型模型(2/3)假定 =0.1,=0.2,=0

23、.1;对第1期需求水平估计值和需求趋势估计值以及第5期季节性因素估计值进行修正Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedWinter模型模型(3/3)第2期的需求预测值F2=(L1+T1)S2=(18,769+485)(0.68)=13,093Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved时间序列模型时间序列模型预测方法预测方法适用情况适用情况移动平均法没有趋势或季节性简单指数平滑法没有趋势或季节性Holt模型有趋势但没

24、有季节性Winter模型有趋势且有季节性Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标3小结小结时间序列预测法分成静态预测法和适应性预测法两类。在静态预测法中,观察到新的需求后，不会对参数的估计值进行更新。静态预测法包括回归分析。在适应性预测法中,每次观测到新的需求时,就需对估计值进行修正。适应性预测法包括移动平均法、简单指数平滑法、Holt模型和Winter模型。当需求既没有呈现趋势性又没有受到季节性因素影响时,移动平均法和简单指数平滑法最为适用。当需求呈现趋势但不存在季节性因素时,Holt

25、模型最为适用,当需求既有趋势又有季节性因素时,适合使用Winter模型进行预测。Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测误差的度量预测误差的度量(1/2)预测误差蕴含了有价值的信息，基于以下两个原因必须对其进行分析:1.管理者利用误差分析来判定现行的预测方法是否可以准确预测需求的系统成分2.所有应急计划都必须考虑到预测误差Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved预测误差的度量预测误差的度量(2/2)Copyr

26、ight 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标4小结小结预测误差度量的是需求的随机成分。误差的度量非常重要,因为它揭示了一个预测的不准确程度以及企业可能需要计划应对的意外情况。MSE,MAD和MAPE被用于估计预测误差的大小。偏差和TS用来估计预测是否持续高估或低估需求,或需求是否大大偏离历史模式。Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved选择最优的平滑系数选择最优的平滑系数(1/2)图 7-5 选择使M S E最

27、小化的平滑系数Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved选择最优的平滑系数选择最优的平滑系数(2/2)图 7-6 选择使MAD最小化的平滑系数Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(1/10)移动平均法简单指数平滑法趋势调整的指数平滑法趋势和季节调整的指数平滑法Copyright 2019,2016,2013 Pearson Education,Inc.All Ri

28、ghts ReservedTahoe Salt公司的需求预测公司的需求预测(2/10)图 7-7 Tahoe Salt公司使用4期移动平均法的预测Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(3/10)移动平均法L12=24,500F13=F14=F15=F16=L12=24,500=1.25 9,719=12,148Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe

29、Salt公司的需求预测公司的需求预测(4/10)图 7-8 Tahoe Salt公司使用简单指数平滑法的预测Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(5/10)简单指数平滑法=0.1L0=22,083L12=23,490F13=F14=F15=F16=L12=23,490=1.25 10,208=12,761Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Sal

30、t公司的需求预测公司的需求预测(6/10)图 7-9 趋势调整的指数平滑法Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(7/10)趋势调整的指数平滑法L0=12,015 和 T0=1,549L12=30,443 和 T12=1,541F13=L12+T12=30,443+1,541=31,984F14=L12+2T12=30,443+2 1,541=33,525F15=L12+3T12=30,443+3 1,541=35,066F16=L12+4T12=30,

31、443+4 1,541=36,607=1.25 8,836=11,045Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(8/10)图 7-10 趋势和季节调整的指数平滑法Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司的需求预测(9/10)趋势和季节调整的指数平滑法L0=18,439 T0=524L12=24,791 T12=532S1=0.

32、47 S2=0.68 S3=1.17 S4=1.67F13=(L12+T12)S13=(24,791+532)0.47=11,902F14=(L12+2T12)S13 =(24,791+2 532)0.68=17,581F15=(L12+3T12)S13 =(24,791+3 532)1.17=30,873F16=(L12+4T12)S13 =(24,791+4 532)1.67=44,955=1.25 1,469=1,836Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedTahoe Salt公司的需求预测公司

33、的需求预测(10/10)表表 7-2 Tahoe Salt公司预测误差估计值预测方法预测方法M A DM A P E(%)T S变动范围变动范围四期移动平均9,719491.52 to 2.21简单指数平滑法10,208591.38 to 2.15Holt模型8,836522.15 to 2.00Winter模型1,46982.74 to 4.00Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved软件工具在预测中的作用软件工具在预测中的作用软件的重要性大量数据预测的频率高质量结果的重要性可预测产品和市场的需求实时更新有助于快速响应市场的变化促进需求计划需求计划Copyright 2019,2016,2013 Pearson Education,Inc.All Rights Reserved学习目标学习目标5小结小结考虑到时间序列预测方法的重复性，可以使用简单的公式（可以跨行或跨列复制）在Microsoft Excel软件中对它们进行建模。然而，对于企业的定期预测来说，在当今各种各样的预测软件包中进行选择可能更有效。Copyright 2019,2016,2013 Pearson Education,Inc.All Rights ReservedCopyright