第6讲供应链的需求预测

1、第六章第六章 供应链的需求预测供应链的需求预测学习目标l1、理解预测在供应链和企业中的作用l2、识别需求预测的组成部分l3、根据历史需求数据，用时间序列法来进行供应链需求预测l4、通过分析需求预测来评估预测误差供应链中预测的作用l需求预测是企业和供应链的设计和计划决策的需求预测是企业和供应链的设计和计划决策的基础，基础，推动流程推动流程和和拉动流程拉动流程都依据需求预测来都依据需求预测来进行；进行；l需求预测可以降低需求的不确定性，提高供给需求预测可以降低需求的不确定性，提高供给和需求的匹配能力；和需求的匹配能力；l需求预测有助于企业和供应链的应变；需求预测有助于企业和供应链的应变；l合作预测

2、更为准确，更能提高供应链的绩效；合作预测更为准确，更能提高供应链的绩效；l拥有稳定需求的成熟产品容易预测，时尚产品和高技术拥有稳定需求的成熟产品容易预测，时尚产品和高技术产品的需求难以预测产品的需求难以预测预测的特点l1、预测通常是、预测通常是不准确不准确的；的；l2、长期预测的准确性要比短期预测的准、长期预测的准确性要比短期预测的准确性低；确性低；l3、综合预测比分解预测要准确；、综合预测比分解预测要准确；l4、在公司中靠近供应链的上游接到的信、在公司中靠近供应链的上游接到的信息失真越多，预测精度越差息失真越多，预测精度越差需求预测的组成部分：影响因素l过去需求l产品提前期l广告计划或其他营

3、销努力l经济状况l计划价格折扣l竞争者采取的行动需求预测的组成部分l顾客的需求受到一系列变化因素的影响，如果公司能够确定这些变化因素是如何影响需求的，那么在一定程度上这些需求就可以进行预测l1、识别影响未来需求的因素（主观与客观）l2、确定这些因素与未来需求的关系预测的方法l1、定性法：、定性法：只能获得很少的历史数据或专家对市只能获得很少的历史数据或专家对市场的见解十分重要时（场的见解十分重要时（专家会谈法、德尔菲法专家会谈法、德尔菲法）l2、时间序列法：、时间序列法：运用历史需求对未来需求进行预运用历史需求对未来需求进行预测，需求预测的起点测，需求预测的起点l3、因果关系法：、因果关系法：

4、需求预测与外部某些因素高度相需求预测与外部某些因素高度相关时，利用外部因素的变化预测未来的需求关时，利用外部因素的变化预测未来的需求l4、仿真法：、仿真法：结合时间序列法和因果关系法来模拟结合时间序列法和因果关系法来模拟消费者选择来预测需求。消费者选择来预测需求。l当未来需求与过去的需求模式、增长模式和任当未来需求与过去的需求模式、增长模式和任何季节性模式有关联时，使用时间序列法是最何季节性模式有关联时，使用时间序列法是最准确的准确的l观察到的需求（观察到的需求（O O）= =系统成分系统成分(S)+(S)+随机成分随机成分(R)(R)l其中系统成分由其中系统成分由需求水平需求水平、需求趋势需

5、求趋势和和季节性季节性因素因素组成组成需求预测的基本步骤l理解预测的目标l把供应链的需求计划和预测整合起来l了解和识别顾客群l认识影响需求预测的主要因素l确定合适的预测技术l设定预测绩效和误差测度时间序列预测法l任何预测方法的目标都是对需求的系统成分进行预计，而对随机成分进行估计l它也能表现为如下列方程所示的多种形式：l乘法型：系统成分需求水平乘法型：系统成分需求水平需求趋势需求趋势季节系数季节系数l加法型：系统成分需求水平需求趋势季节系数加法型：系统成分需求水平需求趋势季节系数l混合型：系统成分（需求水平需求趋势）混合型：系统成分（需求水平需求趋势）季节系数季节系数l时间序列法分为：静态法和

6、适应法。时间序列法分为：静态法和适应法。静态法（静态法（Static）：只对需求中系统成分的各个：只对需求中系统成分的各个要素（需求水平、需求趋势、季节系数）预测一要素（需求水平、需求趋势、季节系数）预测一次，不根据观察到的新需求更新系统成分。次，不根据观察到的新需求更新系统成分。适应法（适应法（Adaptive）：根据观察到的新需求更新：根据观察到的新需求更新系统成分的各个要素的预测。包括移动平均、指系统成分的各个要素的预测。包括移动平均、指数平滑和进行需求趋势及季节性需求修正后的指数平滑和进行需求趋势及季节性需求修正后的指数平滑。数平滑。静态预测法l假定需求的系统成分是混合型l混合型：系统

7、成分（需求水平需求趋混合型：系统成分（需求水平需求趋势）势）季节系数季节系数静态预测法L L基期的需求水平估计（对基期剔除季节性影响后的需基期的需求水平估计（对基期剔除季节性影响后的需求预测）求预测）T T需求趋势的估计需求趋势的估计S St tt t期的季节性系数估计期的季节性系数估计D Dt t t t期实际观测到的需求值期实际观测到的需求值F Ft t预测的预测的t t期需求期需求预测公式：预测公式：F Ft t+ +l l=L L+(+(t t+ +l l) )T T S St t+ +l ll步骤：步骤：剔除季节性需求的影响，用线性回归预测需求水平和需剔除季节性需求的影响，用线性回归

8、预测需求水平和需求趋势；求趋势；估计季节系数。估计季节系数。第一步：估计需求水平和需求趋势l在预测需求水平和需求趋势之前，必须对需求数据进行处理，以剔除季节系数的影响Period tDemand DDeseasonalized demand 18,000213,000323,00019,750434,00020,650510,00021,250618,00021,750723,00022,500838,00022,125912,00022,6251013,00024,1251132,0001241,000D1(/ 2 )(/ 2 )(/ 2 )1(/ 2 )/ 2/ 21(/ 2 )3(/ 2

9、 )(/ 2 )1(/ 2 )4152 = 4 is even, For = 3:2 / 22 / 2, for even/, for od2dtptptpiitptttptppiitptpiitpiiExptDDDDpDDDDDDppDDpp 1(/ 2 )4(/ 2 )(/ 2 )1(/ 2 )5263 / 8197502 / 22 / 820625tptptpiitpiiDDDDpDDD 剔除季节性影响后需求以一个固定比率变化，剔除季节性影响后需求以一个固定比率变化，即剔除季节性影响后的需求与时间即剔除季节性影响后的需求与时间t之间存之间存在一个线性关系：在一个线性关系：Dt = L +

10、 tTTime Series of Demand010000200003000040000500001 2 3 4 5 6 7 8 9 1011 12PeriodDemandDtDt-bar第二步：估计季节系数l我们可以用时期t的实际需求与时期t剔除季节性因素影响的需求的比值表示季节系数：Estimating Seasonal Factors 预测季节性系数预测季节性系数l如果数据中存在一个如果数据中存在一个r的季节性循环，对所有的季节性循环，对所有pt+i, 1ip为形式的时期，定义为形式的时期，定义在本例中S1 = (0.42+0.47+0.52)/3 = 0.47S2 = (0.67+0

11、.83+0.55)/3 = 0.68S3 = (1.15+1.04+1.32)/3 = 1.17S4 = (1.66+1.68+1.66)/3 = 1.6710()/rjp iijSSr适应性预测法l在适应性预测法中，需求水平、需求趋势和季节性系数要随着每次观测到的实际需求量进行更新，采用混合型的系统成分表达l框架也可以用于不包含需求趋势或季节系数的情况适应性预测法l对需求水平、需求趋势的预测在每次观察后做出调整l适应性预测的常见方法l移动平均法l单一指数平滑法lHolts model (需求趋势需求趋势)lWinters model (需求趋势和季节性需求需求趋势和季节性需求)Lt = t期

12、末的预计需求水平Tt = t期末的预计需求趋势St = t期末的预计季节系数Ft = t期 的预测需求Dt = t 期实际观测到的需求Et =t期的预测误差lFt+l = (Lt + lTt )St+l适应性预测法适应预测法的步骤l1、初始化：计算出需求水平、需求趋势、季节系数的初始预测值，方法同静态预测法l2、预测：根据t期的预测进行对t+1期的预测l3、估计误差：记录第t+1期的实际需求，然后计算实际值与预测值的差距l4、修正预测值：对给定的预测误差修正需求水平、需求趋势和季节系数移动平均法（Moving Average）l当需求没有可观测的趋势或季节性变动当需求没有可观测的趋势或季节性变

13、动 需求的系统成分需求水平l将最近N期的需求平均值作为t期的需求水平预测：当观测到t+1期需求后，l移动平均法给过去N期数据同样的权重，同时忽略所有比新的移动平均数陈旧的数据。NDDDLNtttt/ )(11tntttLFLF和112211,/ )(ttNttttLFNDDDLPeriod tDemand DDeseasonalized demand 18,000213,000323,00019,750434,00020,650510,00021,250618,00021,750723,00022,500838,00022,125912,00022,6251013,00024,1251132,

14、0001241,000DMoving Average ExampleAt the end of period 4, what is the forecast demand for periods 5 through 8 using a 4-period moving average?L4 = (D4+D3+D2+D1)/4 = (34000+23000+13000+8000)/4 = 19500F5 = 19500 = F6 = F7 = F8Observe demand in period 5 to be D5 = 10000Forecast error in period 5, E5 =

15、F5 - D5 = 19500 - 10000 = 9500Revise estimate of level in period 5:L5 = (D5+D4+D3+D2)/4 = (10000+34000+23000+13000)/4 = 20000F6 = L5 = 20000简单指数平滑法（Simple Exponential Smoothing）l当需求没有可观测的趋势、季节性变动时当需求没有可观测的趋势、季节性变动时 系统需求需求水平系统需求需求水平l预测预测观测到观测到t+1期需求期需求Dt+1后，后，为需求水平的平滑系数，为需求水平的平滑系数，0 1。 值越大，预测值与最近的观测值

16、越相关，响应性值越大，预测值与最近的观测值越相关，响应性越好；反之亦然。越好；反之亦然。niiDnL101tntttLFLF和1tttLDL)1 (111011)1 (tnntntDL即Period tDemand DDeseasonalized demand 18,000213,000323,00019,750434,00020,650510,00021,250618,00021,750723,00022,500838,00022,125912,00022,6251013,00024,1251132,0001241,000DSimple Exponential Smoothing Examp

17、leFrom Tahoe Salt data, forecast demand for period 1 using exponential smoothingL0 = average of all 12 periods of data= Sum(i=1 to 12)Di/12 = 22083F1 = L0 = 22083Observed demand for period 1 = D1 = 8000Forecast error for period 1, E1, is as follows:E1 = F1 - D1 = 22083 - 8000 = 14083Assuming = 0.1,

18、revised estimate of level for period 1:L1 = D1 + (1-)L0 = (0.1)(8000) + (0.9)(22083) = 20675F2 = L1 = 20675Note that the estimate of level for period 1 is lower than in period 0需求趋势修正后的指数平滑法Trend-Corrected Exponential Smoothing (Holts Model)l系统需求有需求水平和需求趋势没有季节性变动系统需求有需求水平和需求趋势没有季节性变动 系统成分需求水平需求趋势在需求

19、值和时期t之间进行线性回归，可以得到需求水平和需求趋势初始值Dt = at + b T0 = a L0 = b:Ft+1 = Lt + Tt Ft+n = Lt + nTt 观测到t+1期需求后，修正Lt+1 = Dt+1 + (1-)(Lt + Tt)Tt+1 = b(Lt+1 - Lt) + (1-b)Tt 为需求水平的平滑系数，0 1 为需求趋势的平滑系数，0 1。需求趋势和季节性需求修正后的指数平滑法Trend- and Seasonality-Corrected Exponential Smoothing （Winter Model） l系统需求有需求水平、需求趋势和季节性变动系统需求有需求水平、需求趋势和季节性变动 系统需求（需求水平需求趋势）季节性需求lAssume periodicity plObtain initial estimates of level (L0), trend (T0), seasonal factors (S1,Sp) using procedure for static forecastinglIn period t, the forecast for future periods is given by:Ft+1 = (Lt+Tt)(St+1) and Ft+n = (Lt + nTt)St+n Trend-