物流运作管理--5需求预测ppt课件

1、2022/7/241第5讲 需求预测5.1 预测及其作用预测是对未来能够发生的情况的估计与推测。作用“凡事预那么立，不预那么废。预测为人们提供了即将发生的情况的信息，添加了胜利的时机。但预测不是一门准确的科学，它是科学与艺术的结合。预测离不开科学测定的数据，也离不开人们的阅历和判别。不能由于预测的失误而否认预测。2022/7/242预测的特性1、预测的根本假设：过去的开展形状要继续到未来2、预测精度随预测的时间范围添加而降低3、对总量的预测要比对个体的预测准确如每天从武汉到北京旅客数量的预测，比估计某个人将到何处出差要准确2022/7/243预测的作用协助管理者设计消费运作系统消费什么产品，提

2、供何种效力在何处建立消费/效力设备采用什么样的流程供应链如何组织协助管理者对系统的运用进展方案今年消费什么，消费多少如何利用现有设备提供称心效力2022/7/244预测种类按性质分科学预测：科学预测是对科学开展情况的估计与推测。如门捷列夫估计有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。技术预测：技术预测是对技术提高情况的估计与推测。2022/7/245需求预测：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程度,为企业的方案和控制决策提供了根据。社会预测：社会预测是对社会未来的开展情况的估计和推测。比如人口预测、人们生活方式变化预测、环境情况预测等。经济预测：政

3、府部门以及其它一些社会组织经常就未来的经济情况发表经济预测报告2022/7/246按时间分长期预测(Long-range Forecast)： 对5年或5年以上的需求前景的预测。它是企业长期开展规划的根据。中期预测(Intermediate-range Forecast)：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。它是制定年度消费方案、季度消费方案的根据。短期预测(Short-range Forecast)： 短期预测是对一个季度以下的需求前景的预测。它是调整消费才干、采购、安排消费作业方案等详细消费运营活动的根据。2022/7/247按主客观要素所起的作用分 定性预测方法客观判别、

4、不需求数学公式预测根据：各种客观意见定量预测方法利用统计资料和数学模型进展预测客观判别依然重要2022/7/248预测方法定性预测方法定量预测方法Delphi法用户期望调查法部门主管讨论法销售人员意见聚集法因果模型时间序列模型挪动平均法加权挪动平均法 指数平滑法乘法模型加法模型时间序列平滑模型时间序列分解模型2022/7/249预测的普通步骤 1 确定预测的目的和用途 2 根据企业不同的产品及其性质分类 3 决议影响各类产品需求的要素及其重要性 4 搜集一切可以利用的过去和如今的资料加以分析 5 选择适当的预测方法 6 计算并核实初步预测结果 “预测 7 思索和设定无法预测的内外要素 8 求出

5、各类产品需求预测 9 将预测结果运用 10 预测监控2022/7/24105.2 定性预测方法Delphi 法专家调查法用户期望调查法部门主管意见销售人员意见聚集法2022/7/245.3 定量预测法简单挪动平均Simple moving average，SMA加权挪动平均Weighted moving average，WMA指数平滑法Exponential smoothing2022/7/24一、简单挪动平均SMAt+1 = nAt+i-ni = 1nT周期末简单挪动平均值T1周期的预测值i周期实践值周期数2022/7/24表5-1 简单挪动平均法预测 月份 实践销量(百台) n=3n=41

6、 2 3 4 5 6 7 8 9 10 11 12 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00 21.33 22.67 24.00 25.33 26.00 26.00 25.67 26.33 27.00 21.75 23.33 24.75 25.50 25.75 26.00 26.25 26.50 2022/7/24计算挪动平均预测值:F4=(720+678+650)/3 =682.67F7=(920+859+785 +720+678+650)/6 =768.672022/7/24描点绘图，可以

7、比较当n=3,n=6时对预测结果的影响?2022/7/24对于简单挪动平均预测方法，关键是选择挪动时间区间的大小，即n的大小。n的大小的选择与预测者要求的顺应性有关。假设管理者追求稳定性n的值应该选择大一些，假设管理者的目的是表达呼应性，那么应选择小一点的n。2022/7/24二、加权挪动平均WMAt+1 = niAt+i-ni = 1n2022/7/24表5-2 加权挪动平均预测 t(月) 实践销量(百台) 三个月的加权挪动平均预测值(百台) 1 2 3 4 5 6 7 8 9 10 11 12 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00

8、26.00 28.00 27.00 29.00 (0.520+121+1.5.523)/3=21.83 23.17 24.33 25.83 26.17 25.67 25.67 26.83 27.17 2022/7/24近期数据的权重越大，那么预测的稳定性就越差，呼应性就越好；近期数据数据的权重越小，那么预测的稳定性就越好，呼应性就越差；权重和n的选择具有阅历性。2022/7/24三、一次指数平滑法(Single exponential smoothing)Ft = Ft-1 + (At-1 - Ft-1) = At-1 +1- Ft-1 Ft 新的预测值， Ft-1前期预测值，At-1前期的实

9、践需求， 平滑系数2022/7/24月销售额一次指数平滑预测表 单位：千元F2 A1 1 F10.410.0010.411.0010.6019.7416.812022/7/24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;假设管理者的目的是表达呼应性，那么应选择大一点的2022/7/24四、时间分解预测模型-处理季节性预测问题(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

10、法模型的预测方法2022/7/24时间序列分解模型计算例如： 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 销售额(万元) 时间 销售额(万元)1997年1季度 300 2季度 200 3季度 220 4季度 5301998年1季度 520 2季度 420 3季度 400 4季度 7002022/7/24Step 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*t2022/7/24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。它经过最小化误差的平方和寻觅数据的最正确函数

11、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践数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可经过最小化能量或最大化熵用最小二乘法来表达。2022/7/24Step 2: 计算季节因子 时间实践值趋势值实践值/趋势值季节因子97年1季度 2季度 3季度 4季度300200220530225280335390(300/225)=1.33 0.71 0.66 1.36(1.33+1.17)/2 =1.25(0.71+0.84)/2=0.7898年1季度 2季度 3季度 4季度520420400700445500555610 1.17 0.84

12、0.72 1.15(0.66+0.72)/2= 0.69(1.36+1.15)/2 =1.25Step 3: 计算1999年的预测值 1999年1季度: (170+559)1.25=831 2季度: (170+5510)0.78=562 3季度: (170+5511)0.69=535 4季度: (170+5512)1.25=10382022/7/24五、因果模型：一元线性回归模型Yt 一元线性回归预测值；a 截距b 斜率.Yt = a + bx0 1 2 3 4 5 tY2022/7/24b = n (xy) - xynx2 - (x)2a = y - bxn n为变量数； x为自变量的取值；

13、 y为因变量的取值；2022/7/242022/7/24y = 143.5 + 6.3t a = 812 - 6.3(15)5 =b = 5 (2499) - 15(812)5(55) - 225 = 12495-12180275-225 = 6.3143.5 2022/7/245.4 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。假设不留意预测环境的变化，原来运用的预测模型能够会由于种种缘由产生较大的偏向，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。 2022/7/24预测误差误差 实践值与估计值的差别平均绝对偏向Mean absolute deviation

14、 ，MAD平均平方误差Mean squared error，MSE)2022/7/24预测误差的度量(Measurement of forecast error)预测误差是指预测值与实践值之间的偏向。其计算方法是：平均预测误差平均绝对偏向平均平方误差预测误差滚动和Running sum of forecast errors，RSFE反映预测精度衡量无偏性2022/7/24检验预测模型能否有效：将最近的实践值与偏向进展比较，看偏向能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Tracking signal是累积误差与 MAD的比可接受误差范围上限下限2022/7/24例：