生产运作需求预测概述

1、一、预测的概念一、预测的概念二、预测方法二、预测方法三、预测的监控三、预测的监控Demand Forecasting一、预测的概念一、预测的概念 预测是对未来可能发生的事情的估计与推测。预测是对未来可能发生的事情的估计与推测。 分类分类一般有科学预测、技术预测、经济预测、一般有科学预测、技术预测、经济预测、需求预测、社会预测。需求预测、社会预测。 本课程主要讨论本课程主要讨论需求预测。需求预测。预测的概念预测的概念 需求预测的意义需求预测的意义预测是为下一步计划做准备预测是制定营销、生产 和库存、采购、人力资源等计划的基础。预测对生产运作产生影响，所以，它是生产运作管理的一个组成部分。预测的重

2、要性预测的重要性企业编制长期计划的基础 为预算和成本控制提供依据 为开发新产品提供信息 为补充销售人员提供依据 是作出关键决策的基础 用于编制生产作业计划广告广告推推销销努努力力商商业业信信誉誉产品或产品或服务的服务的设计设计信信用用政政策策产产品品质质量量影响需求预测的因素图3-1企业努力企业努力反馈反馈输出输出产品生命周期产品生命周期竞争者的行为竞争者的行为商业周期商业周期顾客偏好顾客偏好顾客的购买行为顾客的购买行为随机影响随机影响时间时间输入输入产品生命周期示意图产品生命周期示意图 定性预测 定量预测 按方法分预测的种类 长期预测(数年至数十年) 中期预测(一年至数年) 短期预测(数日至

3、一年)按时间分预测的概念预测的概念预测的主要步骤预测的主要步骤 确定预测目标和用途；（销量）确定预测目标和用途；（销量） 确定影响产品需求的因素及其重要性；确定影响产品需求的因素及其重要性； 收集资料；收集资料； 选择预测方法与模型；选择预测方法与模型； 计算、预测；计算、预测； 对预测结果进行综合分析，得出结论；对预测结果进行综合分析，得出结论； 将预测结果应用于生产计划工作中；将预测结果应用于生产计划工作中；1. 根据实际情况，对预测结果进行监控。根据实际情况，对预测结果进行监控。预测的概念预测的概念预测注意的问题：判断在预测的作用（选择方法、辨别信息、取舍结果）预测精度与成本预测的时间范

4、围和更新频率（时间范围越大，预测结果越不准确；预测值与实际值偏离过大，则应更新预测方法）1. 稳定性和响应性预测精度与成本的关系预测精度与成本的关系预测的稳定性与响应性预测的稳定性与响应性 稳定性和响应性是对预测方法的稳定性和响应性是对预测方法的2个基本要求个基本要求 稳定性：是指抗拒随机干扰，反应稳定需求的能力。稳定性：是指抗拒随机干扰，反应稳定需求的能力。稳定性好的预测方法有利于消除或减少随机因素的影响稳定性好的预测方法有利于消除或减少随机因素的影响 适用于受随机因素影响较大的预测问题；适用于受随机因素影响较大的预测问题； 响应性：是指迅速反映需求变化的能力。响应性：是指迅速反映需求变化的

5、能力。响应性好的预测方法能及时跟上实际需求的变化。响应性好的预测方法能及时跟上实际需求的变化。 适用于受随机因素影响小的预测问题。适用于受随机因素影响小的预测问题。良好的稳定性和响应性都是预测追求的目标。对于时间序列模型良好的稳定性和响应性都是预测追求的目标。对于时间序列模型而言，两者目标确是矛盾的而言，两者目标确是矛盾的 。若要兼顾稳定性和响应性，则。若要兼顾稳定性和响应性，则应考虑除时间以外因素的影响，运用其他的预测方法。应考虑除时间以外因素的影响，运用其他的预测方法。二、预测方法二、预测方法定定性性预预测测方方法法qualitative method定定量量预预测测方方法法quantit

6、ative method 德德尔尔菲菲法法 部部门门主主管管集集体体讨讨论论法法 销销售售人人员员意意见见汇汇总总法法 顾顾客客期期望望法法 时时间间序序列列预预测测模模型型 时时间间序序列列平平滑滑模模型型 简简单单移移动动平平均均 加加权权移移动动平平均均 一一次次指指数数平平滑滑 时时间间序序列列分分解解模模型型 乘乘法法模模型型 加加法法模模型型 因因果果模模型型预测方法预测方法 需要说明的是，为使预测更符合实际，需要说明的是，为使预测更符合实际，经验、判断和数学模型经验、判断和数学模型都起一定的作都起一定的作用，但没有哪一种方法一直都能奏效。用，但没有哪一种方法一直都能奏效。（一）定

7、性（一）定性预测方法预测方法1 1、德尔菲法、德尔菲法RandRand公司首创于公司首创于5050年代末，步骤如下：年代末，步骤如下：(1)(1)选择参考的专家，具有不同背景的人；选择参考的专家，具有不同背景的人；(2)(2)通过问卷（或通过问卷（或E-mailE-mail），从专家处了解信息），从专家处了解信息(3)(3)汇总专家结果，附新问题，再度发给专家汇总专家结果，附新问题，再度发给专家(4)(4)再次汇总，提炼预测结果和条件，再度发给所有再次汇总，提炼预测结果和条件，再度发给所有专家；专家； 如有必要，再重复如有必要，再重复(4)(4)；直至专家意见一致，得出预测结果。直至专家意见一

8、致，得出预测结果。2、部门集体意见讨论法、部门集体意见讨论法由不同层次、部门人员开会，在会上由不同层次、部门人员开会，在会上自由讨论。这种方法问题在于低层人自由讨论。这种方法问题在于低层人员的意见往往易受市场营销的左右，员的意见往往易受市场营销的左右，不敢与领导相背。对于重要决策，如不敢与领导相背。对于重要决策，如引进流水线等，由高层人员讨论引进流水线等，由高层人员讨论3、销售人员意见汇总法、销售人员意见汇总法基本观点：基本观点：基层意见法。预测基于逐步基层意见法。预测基于逐步累加来自低层的预测累加来自低层的预测假设前提：假设前提：处于最低层的那些离顾客最处于最低层的那些离顾客最近、了解产品最

9、终的销售人员最清楚产近、了解产品最终的销售人员最清楚产品未来的需求情况，然后采取逐级上报品未来的需求情况，然后采取逐级上报的做法。的做法。4、顾客期望法、顾客期望法通常是聘请第三方专业市场调研公司进行预通常是聘请第三方专业市场调研公司进行预测。测。顾客期望法顾客期望法主要用于新产品研发，了解对现主要用于新产品研发，了解对现有产品的评价，了解顾客对现有产品的好恶，有产品的评价，了解顾客对现有产品的好恶，了解特定层次的顾客偏好哪些竞争性商品了解特定层次的顾客偏好哪些竞争性商品数据收集方法有数据收集方法有问卷调查问卷调查和和上门访谈上门访谈两种。两种。预测方法预测方法（二）定量预测方法（二）定量预测

10、方法 用数学模型表示需求与各种变量之间的关系。 前提：变量与需求的关系今后仍然保持不变。 常用的有： 时间序列模型时间序列模型：用过去的需求和时间的关系来预用过去的需求和时间的关系来预测未来的需求。测未来的需求。 因果模型：因果模型：用过去的资料揭示变量和需求的关系，用过去的资料揭示变量和需求的关系，进而预测未来的需求。进而预测未来的需求。预测方法预测方法1、时间序列模型、时间序列模型 时间序列时间序列（Time Series）：）：按一定的时间间隔和事件发生的先后顺序将所收集的数据排列起来所得到的序列。预测方法预测方法表表 3-1 3-1 时间序列时间序列 月份月份实际销量实际销量( (百台

11、百台) )1 12 23 34 45 56 67 78 89 910101111121220.0020.0021.0021.0023.0023.0024.0024.0025.0025.0027.0027.0026.0026.0025.0025.0026.0026.0028.0028.0027.0027.0029.0029.00预测方法预测方法 时间序列的构成时间序列的构成：趋势成分：趋势成分： 随时间的推移而表现出的一种倾向随时间的推移而表现出的一种倾向（上升、下降、平稳）。（上升、下降、平稳）。季节成分：季节成分： 特定周期时间里有规则的波动。如：特定周期时间里有规则的波动。如：每天有二次交

12、通高峰；每天有二次交通高峰；每周周末，影院的客流量较大；每周周末，影院的客流量较大；某些产品的季节性需求变化等。某些产品的季节性需求变化等。周期成分：周期成分： 较长时间里（一般为数十年）有规则较长时间里（一般为数十年）有规则的波动。的波动。随机成分：随机成分： 没有规则的上下波动。没有规则的上下波动。本章只讨论本章只讨论趋势成分和季节成分趋势成分和季节成分时间序列的构成示意图时间序列的构成示意图周期周期时间序列的构成示意图时间序列的构成示意图随机成分周期成分趋势成分季节成分有四种典型的趋势需求：（1 1）线性趋势）线性趋势反映了数据呈连续的直线关系反映了数据呈连续的直线关系有四种典型的趋势需

13、求：（2 2）S S型趋势型趋势产品成长和成熟时期的需求产品成长和成熟时期的需求有四种典型的趋势需求：（3 3）渐进趋势）渐进趋势以优质产品大量投放市场时出现以优质产品大量投放市场时出现有四种典型的趋势需求：（4 4）指数增长）指数增长产品销售势头特好的产品产品销售势头特好的产品预测方法预测方法 时间序列模型时间序列模型：时间序列平滑模型：通过多个数据的平均来消除时间序列平滑模型：通过多个数据的平均来消除和减少随机成分和减少随机成分( (干扰干扰) )。常用的有。常用的有简单移动平均、简单移动平均、加权移动平均、一次指数平滑加权移动平均、一次指数平滑。时间序列分解模型：时间序列分解模型：时间序

14、列模型时间序列模型：1）简单移动平均）简单移动平均(Simple Moving Average)SMAt+1= (Xt + Xt-1 + Xt-N+1 )/N 预测值预测值=(=(前前N次实测值的平均值次实测值的平均值) )当产品需求既不快增长也不快下降，且不存在季节性当产品需求既不快增长也不快下降，且不存在季节性因素时，移动平均法能有效消除预测中的随机波动。因素时，移动平均法能有效消除预测中的随机波动。选择移动平均的最佳区间很重要。选择移动平均的最佳区间很重要。其主要缺点是在于每一因素都必须以数据表示。其主要缺点是在于每一因素都必须以数据表示。N平均值计算跨越期数平均值计算跨越期数Xt实际观

15、测值实际观测值预测方法预测方法表表 3 3- -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=3(n=3(百台百台) ) n=4(n=4(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 21.3321.33 22.

16、6722.67 24.0024.00 25.3325.33 26.0026.00 26.0026.00 25.6725.67 26.3326.33 27.0027.00 2 22 2 23.23.2525 24.7524.75 25.5025.50 25.7525.75 26.0026.00 26.2526.25 26.5026.50 例： 某电器公司电子原器件周销售值记录如下表所示。取N=3和和N=9。 试用简单平均法预测第16周的预测值。 解：解： 计算见下表。计算见下表。 N=3和和N=9第第16周的预测值分别为：周的预测值分别为： SMA16=（2300+2300+2000）/3=22

17、00 SMA16 =（1300+.+2000）/9=1956简单移动平均算例周次周次销售值（元）销售值（元）3 3周周9 9周周12380014001000456789150015001300180017001300106713001333143315331600101112131415170017001500230023002000160015671567163318332033136714671500155616441733简单移动平均简单移动平均讨论： 你对简单移动平均法有什你对简单移动平均法有什么认识？么认识？预测方法预测方法结果：结果： N N越大，预测值越平滑，对干扰的灵敏性越低，

18、稳越大，预测值越平滑，对干扰的灵敏性越低，稳定性好，预测值的响应性也就越差。定性好，预测值的响应性也就越差。 N N越小，对干扰的灵敏性越高，稳定性差，预测值越小，对干扰的灵敏性越高，稳定性差，预测值的响应性也就越好，预测值越接近实际观测值的响应性也就越好，预测值越接近实际观测值 。 N N取什么值非常关键，直接影响预测的准确性。一取什么值非常关键，直接影响预测的准确性。一般可以通过试算的方法找出预测误差最小的所对般可以通过试算的方法找出预测误差最小的所对应的应的N N为最佳值。为最佳值。 简单移动平均的各元素权重都相等简单移动平均的各元素权重都相等简单移动平均适用场合：简单移动平均适用场合：

19、趋势变化不明显时趋势变化不明显时预测方法预测方法2）加权移动平均）加权移动平均(Weighted Moving Average)WMAt+1= ( t Xt + t-1 Xt-1+ t-N+1 Xt-N+1 )/N预测值预测值=(=(前前N N次实测值的加权平均值次实测值的加权平均值) ) t t、 t-1t-1、 、 t-N+1t-N+1称为加权因子，且称为加权因子，且（ t + t-1 + + t-N+1）/ N = 1 简单移动平均的各元素权重都相等，而加权移动平均的权重值可以不同。当然，其权重之和必须等于1。权重的选择：经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能

20、预示未来的情况，因而其权重应大些。但是，其权重是季节性的，故权重也应是季节性的，一般对季节性产品季节权重系数要大。由于加权移动平均能区别对待历史数据，因而在这方面要优于简单移动平均。预测方法预测方法为了强调最近数据的影响，突出其作用，取为了强调最近数据的影响，突出其作用，取 3 3=1=1.5.5、 2 2=1=1、 1 1=0=0.5.5，得到加权移动平均结果：得到加权移动平均结果：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 12 23 34 45 56 67 78 89 910101111121220.

21、0020.0021.0021.0023.0023.0024.0024.0025.0025.0027.0027.0026.0026.0025.0025.0026.0026.0028.0028.0027.0027.0029.0029.00 (0.5(0.520+120+121+1.521+1.523)/3=21.8323)/3=21.8323.1723.1724.3324.3325.8325.8326.1726.1725.6725.6725.6725.6726.8326.8327.1727.17预测方法预测方法 结果：预测值的响应性较好，其结果与结果：预测值的响应性较好，其结果与 和和N的取值有关

22、。的取值有关。3)3)指数平滑法指数平滑法5,63,45,63,4前两种预测方法（简单移动平均和加权移动平均）前两种预测方法（简单移动平均和加权移动平均）中，一个主要的问题是必须有大量连续的历史中，一个主要的问题是必须有大量连续的历史数据。随着模型中新数据的增添及过期数据的数据。随着模型中新数据的增添及过期数据的剔除，新的预测结果就可以预测出来。有的情剔除，新的预测结果就可以预测出来。有的情况下，最近期的情况远比较早期的更能预测未况下，最近期的情况远比较早期的更能预测未来。假设越远当期其重要性就越低，如果这一来。假设越远当期其重要性就越低，如果这一前提正确，则指数平滑法就是逻辑性最强且最前提正

23、确，则指数平滑法就是逻辑性最强且最为简单的方法。为简单的方法。预测方法预测方法 一次指数平滑一次指数平滑(Single Exponential Smoothing) 或者，或者， 预测值预测值= = ( (上次实测值上次实测值)+()+(1- ) )上次预测值上次预测值 称为平滑常数，（称为平滑常数，（0 0 1 1）tttttttFAFFAFF)1 ()(111指数平滑法指数平滑法之所以称之为指数平滑是因为每靠前一期其权重就降低之所以称之为指数平滑是因为每靠前一期其权重就降低 1- 1- 。例如，设。例如，设 =0.05=0.05，则各个时期的权重如下所示，则各个时期的权重如下所示最近期的权

24、重最近期的权重= = （1- 1- ）0 0 0.0500近期的权重近期的权重= = （1- 1- ）1 1 0.0475次近期的权重次近期的权重= = （1- 1- ）2 2 0.0451次次近期的权重次次近期的权重= = （1- 1- ）3 3 0.0429权重因子权重因子1222222222211111 ttttttttttttttAAFFAFAFAFFAFF预测值预测值预测方法预测方法P66例3.2预测方法预测方法表表 3 3- -4 4 某公司的月销售额一次指数平滑预测表某公司的月销售额一次指数平滑预测表( (=0.7)=0.7) 月月份份 实际销实际销售额售额 ( (千元千元) )

25、 上月上月实际销售实际销售额额( (千元千元) ) 上月预测销上月预测销售额售额( (千元千元) ) F Ft+1t+1 (1(1- -) )上上月预测销售月预测销售额额( (千元千元) ) 本月平滑预本月平滑预测销售额测销售额( (千元千元) ) 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 1010 1111 1212 10.0010.00 12.0012.00 13.0013.00 16.0016.00 19.0019.00 23.0023.00 26.0026.00 30.0030.00 28.0028.00 18.0018.00 1616.00.00 14.0014.00 7.007.00 8.408.40 9.109.10 11.2011.20 13.3013.30 16.1016.10 18.2018.20 21.0021.00 19.6019.60 12.6012.60 11.2011.20 11.0011.00 10