生产需求预测与管理

1、3.1 需求预测的重要性3.2 定性预测3.3 定量预测3.4 预测误差与监控第三章 需求预测( Forcasting)与管理1第一节 需求预测的重要性预测是对未来可能发生的事件的预计与推断。预测不仅是长期的战略性决策的重要输入，也是短期的日常运作的重要基础。预测为企业编制计划、协调内部各项活动提供了坚实基础。需求预测直接影响着企业生产与运作中的计划和决策。2影响需求的因素及相互关系广告需求质量销售努力信用政策服务信誉产品和服务的设计企业输入输出商业 周期产品 生命 周期时间顾客 购买 计划竞争者 的努力 与价格顾客 偏好随机 变动企业的努力反馈3影响需求预测的因素商业周期：中国的商业周期同时

2、具有市场机制和计划模式，也同时形成了独特的运行方式，也就是“中国国情”。 美国：在200多年的时间里，大体经历了近50次商业周期，由此产生了许多关于商业周期的理论和一系列观察周期的指标。 中国：较远的时代多以政权的更替、自然灾害和外敌入侵等外生变量来表述；近年来，我们的政府和经济学家们不断地用权威的商业周期指标如就业、收入、产出、消费等来推导中国经济的运行模式并据此制定宏观政策或解读变化。4影响需求预测的因素产品生命周期时间利润额销售额销售量投入期成长期成熟期衰退期5预测分类预测按时间跨度来分，通常可分为短期预测、中期预测和长期预测。 预测结果的准确性或可信度会随着期限的延长而降低，也就是说短

3、期预测往往要比中长期预测要精确些。 预测范围时间长度应用特征预测方法长期5年或5年以上企业计划产品计划研究计划资本计划工厂选址和扩张范围广 总体性定性与定量结合技术方法 经济方法人口统计学市场研究经营者的判断中期一般是一个季度到2年总体计划 预算 销售计划生产计划 生产和库存预算定量的预测 预测的对象是产品族需要估计可靠性销售员预测 时间序列分析 回归分析经济指数修正合结合经营者的判断短期通常不超过一个季度短期控制：生产和劳动水平的调整 采购 工作调度 项目分配 加班决策对某一产品预测 对单一产品进行采购生产和库存调整回归分析 移动平均法经营者的判断指数平滑法6预测分类在规划未来业务方面企业使

4、用三种类型的预测： 经济预测，通过预测通货膨胀率、货币供给、经济增长率及其他有关指标来预测经济周期。 技术预测，通过预测与新产品开发有关的新技术、新材料、新工艺的发展趋势及其他重要技术指标来推断技术进步可能给企业带来的发展机遇。 需求预测，即企业产品与服务的需求预测，如产品销售量、市场占有率及对产品品种、花色、规格、价格的需求变化趋势等。这些预测决定企业的生产、生产能力及计划体系，并使企业的财务、营销、人事做相应变动。7预测分类按主客观因素所起的作用定性预测(德尔菲法、部门主管讨论法、用户调查法、销售人员意见汇集法)定量预测(因果模型、时间序列模型)8第二节 需求预测的过程与方法预测方法定性预

5、测定量预测德尔菲法部门主管意见法用户调查法销售人员意见汇集法因果模型时间序列模型时间序列平滑模型时间序列分解模型乘法模型加法模型简单移动和加权移动平均法一次和二次指数平滑法1 需求预测的方法分类92 需求预测的一般步骤决定预测目的和用途决定影响产品需求的因素及其重要性-预测对象、预测期间根据产品及其性质分类收集资料加以分析选择预测方法或模型计算并核实初步预测结果设定无法预测的内外因素综合判断需求预测预测监控需求预测的过程-PDCA10判断在预测中的作用选择预测方法中的作用辨别信息中的作用取舍预测结果时的作用预测精度与成本预测的时间范围和更新频率稳定性与相应性注意的几个问题:113 定性预测方法

6、 Delphi法 选择对象专家团提问/答案整理/反馈(3-4回)最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备,新产品,市场战略的长期预测或技术预测 市场调查法 对调查内容的假设消费者调查(调查表/面谈/电话)验 证假设 定性技术中时间和费用是最大的缺点 预测比较正确的优点 Panel同意法 经销商/销售员/消费者组成panel(专门小组)自由交换 意见预测值 历史类推法 追踪类似产品在过去市场中需求的成长过程 类推 属于新产品,以前没有资料的情况12德尔菲（Delphi）法德尔菲法是美国兰德公司（RAND Corporation）奥拉夫赫尔默博士于上世纪40年代末首创

7、的。它是定性预测方法中最重要、最有效的一种方法，应用十分广泛，可用于预测市场需求、商品供求变化、产品成本与价格、市场占有率、产品寿命周期等方面。对于那些缺少历史和现实资料的预测尤为实用。 特点： （1）匿名性。采用匿名函询方式，参加预测的专家互不了解，因而发表观点、修正自己的意见均较自由。 （2）反馈性。发函征询意见至少要经过两轮，预测当事人应将上一轮专家的意见汇总统计，将其作为反馈信息在下一轮征询时告知各位专家参考。 （3）收敛性。专家意见经过多轮征询反馈后，意见趋向一致。用统计方法加以整理，即可得预测结果。13德尔菲法的基本程序首先成立预测小组。任务是： 1确定预测主题。 2选择专家。选择

8、时要注意三个问题：首先是广泛性。其次是自愿性。最后是人数要适度。参加预测的专家愈多，预测精度将愈高。一般以20-50人为宜。 3编制预测事件一览表。有：预测某事件实现的时间。预测事件的相对结构比重。选择性预测。排序性预测。简明询问。其次进行轮番征询工作。一般采用三轮制，按以下步骤进行： 第一轮。发给专家预测主题及相应的预测事件表，请其在一定期限内将应答寄回。预测小组在对应答结果整理、统计和分析的基础上，制定第二轮函询表。它所列预测事件的预测目标更加集中和明确，表述也更准确。 第二轮。将第一轮表的统计结果和第二轮函询表发给专家。请专家提出或修改自己的预测，并说明理由，也可以对第一轮统计结果提出质

9、疑。收到专家回复后进行统计分析，将分析整理结果再反馈给专家。 第三轮。将第二轮初步所得预测结果制定成第三轮函询表发给专家，请其提出评价意见和理由，寄回。 最后是应答结果的最终处理。144 定量预测方法分析计算法时间序列模型简单平均法移动平均法加权平均法指数平滑因果模型回归分析法15例3-1 时间序列法：某企业销售额预测 16 简单移动 没有季节性变化或急剧的增加/减少趋势,偶然变化起重要作用时 平均法 通过移动平均消除偶然变化 待预测期间前一定期间的需求做为简单的平均值 公式 Ft+1 = t:期间, Ft+1:t+1的预测值, At:t的实际需求, N:移动平均期间 移动平均期间为4个月,实

10、际需求为如下时 月(t) 1 2 3 4 5 实际需求(At) 4 3 4 5 ? 5月的需求预测值F5为 考虑预测的稳定性和需求变化 的反映度选择移动平均期间 F5 = = = 4 *移动平均期间越长,偶然因素损 失越多,但对实际需求变化反映慢 如果,5月的实际需求为5时,6月的需求预测值是 F6= = = 4.25 At+At-1+At+1-N N 5+4+3+4 416 45+4+3+5 4174简单移动平均法17 加权移动 在用于预测之前N期间资料值乘上合为1的加权值,求出移动平均 平均法 *简单移动平均的情况,在N期间的各资料值乘上同一的1/N的加权值 公式 Ft+1=WtAt+Wt

11、-1At-1+Wt+1-NAt+1-N Ft+1:t+1的预测值，At:t的实际需求，Wt:赋予t的加权值， 实际需求如下 月（t） 1 2 3 4 5 实际需求（At） 100 90 105 95 ？ 加权值为4月0.4,3月份0.3,2月份0.2,1月份0.1时 在最近的资料中赋予大 5月的需求预测值F5是 的加权值,使能够赶上 F5=0.4*95+0.3*105+0.2*100=97.5 实际需求变化 如果,5月的实际需求为110时,6月的需求预测值是 F6 = 0.4*110+0.3*95+0.2*105+0.1*90 = 102.5加权移动平均法18 利用指数减少的加权值,给最近的资

12、料赋予大比重,过去的资料赋予小比重后 预测未来需求 即需求预测值是最近期间的实际需求乘上a的加权值,对最近的需求预测值乘上(1-a)的加权值后加权平均的数据 与移动平均法一样,在季节性变化,趋势,循环要素不起作用是有效 * 省略用趋势,季节性变化等修正的高次指数平滑法 公式 Ft+1=aDt+(1-a)Ft 为求预测值Ft+1需要3种资料：最近预测值(Ft),最近实际需求(Dt), 平滑常数a(0a1)公式变化后 Ft+1=aDt+(1-a)Ft =aDt+Ft-aFt=Ft+a(Dt-Ft)即,新预测值是对旧预测值修正(a*预测误差)后算出上个月需求预测值是100,实际需求是110,平滑常数

13、a=0.3时这个月的预测值是Ft=Ft-1+a(Dt-1-Ft-1)=100+0.3(110-100)=103 但,没有过去资料时根据定性技术,预测值做为最初的预测值一次指数 平滑法 指数平滑法19时间序列平滑模型 一次指数平滑法的连续展开 期间1:D1,F1(F1已知,期间1末期值可以知道D1 ) 期间2:F2=aD1+(1-a)F1 期间3:F3=aD2+(1-a)F2 =aD2+a(1-a)D1+(1-a)2F1 (F2代入式子整理) 期间4:F4=aD3+(1-a)F3 =aD3+(1-a)D2+a(1-a)2D1+(1-a)3F1 (F3代入式子整理) 因此一般Ft+1用如下公式表示

14、 公式 Ft+1=aDt+a(1-a)Dt-1+a(1-a)2Dt-2 +a(1-a)t-1D1+(1-a)tF1 平滑常数（a)的值越大预测值对需求变化反应越大，越小平滑的稳定性越好;实际需求稳定时（例：食品），为减小短期/偶然性变化的效果减小a的值；为维持预测值的稳定性一般从0.10.3中设定。20例2.1：某公司的月销售额记录如表3-3所示，试取a= 0.4,F1=11.00,计算一次指数平滑预测值。2122二次指数平滑公式 SFt+1=SAt+Tt式中：SFt+1第t+1期二次指数平滑值； Tt为t期平滑趋势值， T0事先给定； SAt为t期平滑平均值，又称之为“基数”， SA0事先给

15、定。 斜率偏差的平滑系数。例2-2：对例2.1提供的数据，设=0.4, =0.5, SA0 =11.00, T0 =0.80,求二次指数平滑预测值。指数平滑法232425二次指数平滑法什么是二次指数平滑法二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。一次移动平均法的两个限制因素在线性二次移动平均法中也才存在，线性二次指数，平滑法只利用三个数据和一个值就可进行计算；在大多数情况下，一般更喜欢用线性二次指数平滑法作为预测方法。二次指数平滑法的计算线性二次指数平滑法的公式为： 式中：分别为t期和

16、t1期的二次指数平滑值；a为平滑系数。在和已知的条件下，二次指数平滑法的预测模型为： T为预测超前期数262728因果预测 市场预测中有许多因果关系因素，如：购买力随工资增加；雨具销售随雨天延长； 因果关系的第一步是找出真正呈因果关系的那些事件。一般地，主要变量间无因果关系，但在某些间接情况下，一些主要变量可能暗含了另一些可能事件。其他的非因果关系可视为偶然联系。 以下为一个用因果关系进行预测的例子例：因果关系预测 位于卡彭塔里亚市的地毯商城保存了历年的地毯销售记录（以平方码为单位）和该地区历年来批准的新建房屋数，数据如下：29年份 新房屋（x平方码） 地毯销量（y平方码）1989 18 13

17、0001990 15 12000 1991 12 110001992 10 100001993 20 140001994 28 160001995 35 190001996 30 170001997 20 13000因果分析30因果分析 方程：y = 7000 + 350 x设1998年新建房为25，则 y =7000 + 350 25 = 15750码31线性回归预测法是运用一个自变量x（它不再是时间）进行预测的方法，设预测的因变量为 。则有： a截距 b斜率 上式中的回归系数a，b可通过以往的实际数据用最小二乘法确定，从而求出线性回归方程式。 线性回归预测法式中：32例2-3 回归分析法:

18、销量预测 33例 对下例, 应用一元线形回归法进行预测。34解：衡量一元线形回归方法偏差的两个指标：线形相关系数r和标准差Syx 。35例2-3 回归分析法:销量预测 36因果模型-最小二乘法(归纳）回归分析 需求作为函数,影响需求的因素作为变量来预测 单一变量：单一线形回归分析；2个以上变量：多重线形回归分析单一线形回归分析 公式 Y = 函数Y的推定值(即,回归线上值) X = 独立变量(对需求影响最大的因素) a = Y轴的截距，b=回归线(直线)的斜率 用最小自乘法求a、b： 多重线形回归分析 现实中影响需求的有多种因素 公式 Y=a+b1X1+b2X2+bkXk 但是不用手算，用计算

19、机计算 37例2.4 对例2.2应用一元线形回归法进行预测。38解：衡量一元线形回归方法偏差的两个指标：线形相关系数r和标准差Syx 。39时间序列分解模型 因此需求Y可用下列函数表示 Y=f(T,S,C,R) 并且根据构成要素的结合形态 乘法模型 Y=T*S*C*R 加法模型 Y=T+S+C+R0 1 2 3 4需求时间系列和它的构成要素时间（年）时间系列趋势季节性 变化周期因素不规则 变化时间系列的4个构成要素趋势(T)需求以一定的比率增加或减少的倾向季节性变化 (S)表示趋势线上下的变化以1年为单位反复周期因素 (C)经过1年以上长时间需求作上下有规则变动不规则变化/ 偶然变化(R)说不

20、出原因的变化,不能预计或控制(例:战争,地震）40图3-7 几种可能的时间序列类型41例 下表是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司未来一年各季度的销售量。42解：分三步进行 （1） 求趋势直线方程。采用最小二乘法或目测法。先求得a=10000(份)，再求b的值: b=(12000-10000)/12=167 Tt=10000+167t43(2) 估算季节系数（Seasonal index, SI）t123456789101112At/Tt1.161.010.850.991.131.000.821.001.160.950.871.01 SI(夏)=（ A1/T1 + A5/T

21、5 + A9/T9 ）/3=（1.16+1.13+1.16）/3=1.15同样可得， SI(秋)=1.00; SI(冬)=0.85; SI(春)=1.00 。(3) 预测夏季：（10000+16713）1.15=13997(份)秋季：（10000+16714）1.00=12338(份)冬季：（10000+16715）0.85=10629(份)春季：（10000+16716）1.00=12672(份)44其它模型计量经济 用一系列相互关联的回归方程式预测各种经济活动 模型投入-产出 分析各产业部门间的产品及服务的流程预测需求 模型先导指标法 根据预测对象的先导指标预测需求 石油价格是大型车需求的

22、先导指标Simulation 假设各种内生变量和外生变量后,利用电脑进行模拟实验,预测需求的动模型 模型 价格上涨价10%时需求的变化,国内经济萧条时需求的变化 452.4 预测监控预测精度测量预测监控46预测精度（Forecast accuracy）测量平均绝对偏差（Mean absolute deviation, MAD）平均平方误差（Mean square error, MSE）平均预测误差（Mean forecast error, MFE）平均绝对百分误差（Mean absolute percentage error, MAPE）47预测监控(Monitoring and contro

23、lling forecasts)将最近的实际值与预测值比较，看偏差是否在可接受的范围内应用跟踪信号（Tracking signal, TS）484950本章小结需求是经济运行的基点。如果需求预测错误，就有投资的风险。市场需求每天都在变化，即便日常生产活动中也要切实地把握最终需求的变动。多阶段生产系统中最终需求预测信息的共享尤其重要，生产厂家只根据上游厂商的订货信息来决定自己的生产计划时，就会产生牛鞭效应（bullwhip effect）。此时，不同企业之间合作进行需求预测与制定生产计划的CPFR（collaborative planning forecasting and replenishment）战略十分重要。牛鞭效应是