第四次课 库存战略(一)

1、1四 库存战略（一） 第八章第八章 预测供应链需求预测供应链需求 第九章 库存决策2第八章 预测供应链需求 规划、控制物流/供应链活动需要准确估计供应链所处理的产品和服务的数量。这些估计主要采用预测和推算的方式。 但物流管理者独立为企业做综合预测的情况并不常见。多数情况下是将任务分配给营销、计划或特别指定的小组去做。 在某些情况下，特别是诸如库存控制或这两调度之类的短期计划，物流管理者常常觉得有必要自己亲自做预测。3第八章 预测供应链需求 8.1 需求的特性需求的特性 8.2 预测方法 8.3 对物流管理者有用的方法 8.4 物流管理者遇到的特殊预测问题 8.5 灵活性和快速反应4需求的空间和

2、时间特征 需求随时间的变化归因于销售的增长或下降、需求模式季节性变化和多个因素导致的一般性波动。 物流活动有空间和时间维度，即物流管理者必须知道需求量在何处发生，何时发生。尖峰需求和规律性需求 需求模式一般可以分解为趋势、季节性和随机性因素。 如果某种产品的需求由于总体需求量偏低，需求时间和需求水平非常不确定，那么需求就是间歇式的，这样的时间序列就被称为是“尖峰需求”。56派生需求和独立需求 如在一种情况下，需求来自许多客户，这些客户多数为独立采购，采购量只构成企业分拨总量的很少一部分。此时的需求就被称为是独立的需求。 而在另一种情况下，需求是特定生产计划要求派生出来的，这样的需求就称为派生的

3、。例如，从某供应商处购买新轮胎的数量就是汽车厂要生产的新汽车数量的一定倍数。7案例 某大型制造企业的电力设备部门为工业用户生产一系列小功率电动机，这些用户将这些电动机在地板清洗器、磨光器之类的最终产品上。虽然电动机不是很复杂的产品，但每个电动机也要包含50100个单独的部件。企业根据所受到的订单制定生产计划，产品在未来某时间交付，生产计划的制定还要基于需求预测。 根据以上要求，需要制定未来三个月的生产计划，表明什么时间生产某特定型号的电动机，生产多少。随后，物料管理科经理保证在需要的时候备齐生产所需的所有配件和原材料。8案例 供给计划通常用两种方法确定需求。对那些在多数电动机的生产中都需使用的

4、配件或原材料(铜线、铁板和油漆)，管理人员先预测一般的消耗速度，随后决定采购量以支持库存。价值高、特殊设计的部件则要根据生产计划的需要进行采购。本案例中，这类部件有转子轴和轴承。这些产品的采购需求来自生产计划，通过“浏览”物料清单获得。 例如，假设某月需要生产三种型号的电动机，每种型号分别生产200个、300个和400个。各种型号的电动机都需要同样的转子轴，但是型号1和2各需要两个球轴承，型号3只需要一个球轴承。因此，从每种型号电动机的物料清单就可以得出该型号所需的配件，随后按配件类型分别求和就能得到每种配件的总需求，即需要转子轴900个，轴承1400个。9案例 注意该公司混合使用统计预测和派

5、生需求的方法来制定物料供应计划。统计预测方法用在20%的原料上很有效。按需计划的方法用于10%高价值、关键性或对最终产品进行个性化处理的原料。 只要最终产品的需求确定、已知，利用派生需求的方法得出的需求预测是非常准确的。这种需求预测方法通过判断系统随时间发展而呈现的倾向性、规律性和模式来改进预测。如果不知道需求变化的原因或原因众多，就存在随机性。以统计分析为基础的预测就可以有效的解决后一问题。10一些典型的需求模式时间销售额实际销售额平均销售额1.随机性或水平发展的需求，无趋势或季节性因素时间销售额实际销售额平均销售额2.随机性需求，呈上升趋势，但无季节性因素时间销售额实际销售额销售趋势平滑趋

6、势3.随机性需求，无趋势，但有季节性因素时间销售额4.尖峰需求模式实际销售额平均销售额11第八章 预测供应链需求 8.1 需求的特性 8.2 预测方法预测方法 8.3 对物流管理者有用的方法 8.4 物流管理者遇到的特殊预测问题 8.5 灵活性和快速反应12预测方法 预测可使用的标准化方法很多。这些方法分为三类：定性法、历史映射法和因果法。 每一类方法对长期和短期预测的相对准确性不同，定量分析的复杂程度不同，产生预测方法的逻辑基础不同（历史数据、专家意见或调查）。13定性法 定性法是那些利用判断、直觉、调查或比较分析对未来做出定性估计的方法。 影响预测的相关信息通常是非量化的、模糊的、主观的。

7、 历史数据或者没有，或者与当前的预测相关程度很低。 当试图预测新产品是否成功，政府政策是否变动或新技术的影响时，定性法可能是唯一的方法。14历史映射法 如果拥有相当数量的历史数据，时间序列的趋势和季节性变化稳定、明确、那么将这些数据映射到未来将是有效的短期预测方法。 该方法的基本前提就是未来的需求模式将会重复过去，至少大部分重复过去的模式。 时间序列定量分析的特点使得数学和统计模型成为主要的预测工具。15因果法 因果预测模型的基本前提就是预测变量的水平取决于其他相关变量的水平。例如，如果已知客户服务队销售有积极影响，那么根据已知的客户服务水平就可以推算出销售水平。 因果模型有很多不同形式：统计

8、形式，如回归和计量经济模型；描述形式，如投入产出模型、生命周期模型和计算机模拟模型。 主要问题在于真正有因果关系的变量常常很难找到。16第八章 预测供应链需求 8.1 需求的特性 8.2 预测方法 8.3 对物流管理者有用的方法对物流管理者有用的方法 8.4 物流管理者遇到的特殊预测问题 8.5 灵活性和快速反应17指数平滑法 这种几何权数法可以用简单的表达式表示，表达式中只涉及最近期的预测和当期的实际需求。这样，下一期的预测需求就为：下一期预测值=a（实际需求值）+（1-a）（当前的预测值）其中，a是权数，通常称作指数平滑系数，它的值介于0和1之间。需要注意的是所有历史因素的影响都包含在前期

9、的预测值内，这样，在任何时刻只需抱有一个数字就代表了需求的历史情况。18指数平滑法 案例假设本月预测的需求水平是1000单位。本月的实际需求是950单位。平滑系数a=0.3。则下个月的需求预计为新预测值=0.3950+0.71000=985单位当下个月重复这一过程时，该预测值就变为“前期预测值”，依次类推。19指数平滑法 指数平滑法为方便起见，我们可以将这个“拉平”模型写为： 为新一期的指数平滑预测值 为上一期的预测值 为上一期的实际需求 为指数平滑系数 多个历史数据情形：111ttttFDFFtF1tF1tD1020指数平滑法 在选择指数平滑系数的合适值时，需要一定程度的主观判断。 取值越大

10、，对近期需求情况给的权数越大，模型就能越快的对时间序列的变化做出反应。 取值越小，预测未来需求时给需求历史数据的权数越大，在反应需求水平根本性变化时需要的时滞就越长。 取值通常在0.010.3之间。21指数平滑法 案例下列季度数据代表了某产品需求的时间序列。季度1234去年12007009001100今年14001000F322指数平滑法 我们希望预测今年第三季度的需求。假设a=0.2，将去年四个季度的平均数作为以前的预测值。F0=(12000+700+900+1100)=975. 今年第一季度的预测需求为F1=0.21100+0.8975=1000 今年第二季度的预测需求为F2=0.2140

11、0+0.81000=1080 今年第三季度的需求为F3=0.21000+0.81080=106423指数平滑法 校正趋势如果数据中有明显的趋势和季节性特征，这类模型的内在滞后性就会造成令人无法接受的预测误差。校正由于趋势造成的基本模型的预测时滞，可以采用以下方程组11111111tttttttttttTSFTSSTTSASttttATSF1第t+1期校正趋势后的预测；第t期的最初预测；第t期的趋势；趋势平滑系数；第t期的需求值。24校正趋势 案例在前面的例子中有如下数据季度1234去年12007009001100今年14001000F325校正趋势 我们仍然希望预测今年第三季度的需求，只是增加

12、了对趋势的修正。我们以人为确定的起始值 开始（去年需求的平均数），同时 （没有趋势）。假设平滑系数 。现在开始预测。 今年第一季度的预测需求为S1=0.21100+0.8(975+0)=1000 T1=0.3(1000-975)+0.70=7.5 F1=1000+7.5=1007.50tT3 . 0975tS26校正趋势 利用第一季度的结果，今年第二节度的预测需求为： S2=0.21400+0.8（1000+7.5）=1086 T2=0.3（1086-1000）+0.77.5=31.05 F2=1086+31.05=1117.05 利用第二季度的结果，今年第三季度的预测需求为： S3=0.21

13、000+0.8(1086+31.05)=1093.64 T3=0.3(1093.64-1086)+0.731.05=24.03 F3=1093.64+24.03=1117.6727校正趋势 总结季度1234去年12007009001100今年14001000预测10081117111828校正趋势和季节性因素 在校正过程中，除了考虑趋势外，还要考虑时间序列的季节性波动的影响。 水平的、带趋势的和带季节性变化的模型是围绕指数的概念建立起来的，这里的指数就是实际需求相对于趋势的指数。 11111111/11/LttttLttttttttttLtttITSFISAITSSTTSIAS第t+1期校正趋

14、势和季节性因素后的预测；季节性指数基础上的平滑系数；第t期的季节性指数。ttIF129指数平滑法 预测误差的定义只要未来不完全重复过去，对未来需求的预测就会有一定程度的误差。预测误差指预测和实际需求水平接近的程度。在统计上表示为标准差、方差或者是平均绝对误差。标准差的表达式12NFAStttF预测的标准误差第t期的实际需求第t期的预测值预测期t的数量NFASttF30指数平滑法 预测误差的定义表述预测的概率时，预测误差的概率分布形式就变得十分重要。31指数平滑法 案例在“拉平”预测时有如下的数据与预测结果季度1234去年12007009001100今年14001000预测值 100010801

15、06432指数平滑法 现在我们来估计两期（N=2）的预测误差（SF），这两期有预测值，也有实际需求值。假设需求围绕预测值服从正态分布，我们可以对第三季度需求设95%的置信度。 我们估计 查正态分布表得Z95%=1.96，则对第三季度实际需求水平的最佳估计是Y=1064800，因此，在95%的置信区间内预测的实际需求是264YQ*，管理方法需要做出哪些调整？131课堂作业4 某零售商店从分销商处购入计算机软件进行销售。为了配合即将进行的促销活动，零售商需要确定一次性购买的最佳订货量。其中一种产品是文字处理软件，特售价是350美元。零售商估计销售不同数量产品的概率如下： 从分销商处购买软件的单价为

16、250美元，若产品未能售出，推回到分销商处需支付的重新储存费用是购买价格的20%。 零售商的采购批量应为多少？数量概率500.10550.20600.20650.30700.15750.051.00132课堂作业5 卡波特电器商店（Cabot Appliance）是一家零售连锁店，打算确定应向其供应商订购室内空调的数量。室内空调的销售具有很强的季节性，销售量与夏天的天气情况关系密切。卡波特每年订货一次，销售旺季开始后再进行订货是不现实的。虽然无法知道确切的实际销售水平。但卡波特可以分析以往的销售季节、长期天气预报和经济的一般形式，该店估计不同销售水平的概率如下： 每台空调运到卡波特的价格是320美元，卡波特向客户出售的价格是400美元。旺季结束后，未能售出的空调要以300美元的折扣价格清仓售出。最小采购批量是500台，以250台为单位递增。 假设该企业不把库存保存到明年，那么一次性订购量是多少？ 如果卡波特可以获得年利率为20%的贷款，支持其库存，你会如何