生产运作管理需求预测2

第六章

需求预测一、预测的基本概念二、定性预测方法三、定量预测方法一、预测的基本概念什么是预测?预测的分类预测的一般步骤影响需求预测的因素预测中应注意的几个问题1.什么是预测?Forecast,Predict,Prophesy预测是对未来可能发生的情况的预计与推测。“凡事预则立，不预则废”预测是一门艺术，一门科学(Forecastingistheartandscienceofpredictingfutureevents)预测离不开科学测定的数据，也离不开人们的经验和判断。不能因为预测的失误而否定预测。预测的基本假设：过去的发展状态要持续到将来对总量的预测要比对个体的预测精确如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确预测精度随预测的时间范围增加而降低2.预测的种类

(1)按预测时间的长短长期预测：对5年或5年以上的需求前景的预测一般是利用市场调研、技术预测、经济预测、人口统计等方法，加上综合判断来完成，其结果大多是定性的描述。是企业长期发展规划、产品研究开发计划、生产能力扩充计划的依据。中期预测：对一个季度以上、2年以下需求前景的预测中期预测可以通过集体讨论、时间序列法、回归法、经济指数相关法等方法结合判断而作出。它是制订年度生产计划、季度生产计划、销售计划、生产与库存预算、投资和现金预算的依据。短期预测：以日周旬月为单位对一个季度以下的需求前景的预测可以利用趋势外推、指数平滑等方法与判断的有机结合来进行。是调整生产能力、采购、生产作业计划等具体生产经营活动的依据。(2)按主客观因素所起的作用分定性预测方法定量预测方法预测中应注意的几个问题判断在预测中的作用选择预测方法辨别信息取舍预测结果预测精度与成本预测的稳定性与响应性（抗随机干扰vs反映需求变化）预测的时间范围和更新频率预测精度费用0总费用预测成本经营费用二、定性预测方法德尔菲法（DelphiMethod）部门主管集体讨论法（JuryofExecutives）用户调查法（Users’Expectation）销售人员意见汇集法（FieldSalesForce）美国兰德公司于20世纪40年代发明并用于技术预测

Delphi是古希腊传说中的一座城市，因有阿波罗神殿而出名。传说众神每年都要到该城聚会，以占卜未来。从40年代至70年代初，德尔菲法在各类预测中的应用比重由20.8%增加到24.2％。方法的本质是利用专家的知识、经验、智慧等带有很大模糊性的无法量化的信息，通过通信的方式进行信息交换，逐步地取得一致的意见，达到预测的目的。1.德尔菲法（DelphiMethod）又称称专专家家调调查查法法（（S1:挑选选专专家家；；S2:迭代代函函询询调调查查；；S3:最终终预预测测意意见见））简单单直直观观避免免了了专专家家会会议议的的弊弊端端（（Group-think）适用用资资料料不不全全或或不不多多的的情情况况专家家的的选选择择没没有有明明确确的的标标准准，，预预测测结结果果的的可可靠靠性性缺缺乏乏严严格格的的科科学学分分析析，，最最后后趋趋于于一一致致的的意意见见仍仍带带有有随随大大流流的的倾倾向向三原原则则：：匿匿名名性性，，反反馈馈性性，，收收敛敛性性Delphi法的的适适用用范范围围难以以借借助助精精确确的的分分析析技技术术处处理理，，但但建建立立在在集集体体基基础础上上的的直直观观判判断断可可以以给给出出某某些些有有用用的的结结果果。。面对一个个庞大复复杂的问问题，专专家们以以往没有有交流思思想的历历史，因因为他们们的经验验与专业业代表着着不同的的背景。。专家人数数多，面面对面交交流思想想的方法法效率很很低。时间与费费用的限限制不能能经常开开会商讨讨。专家之间间分歧隔隔阂严重重或出于于其他原原因不宜宜面对面面交换思思想。避免权威威作用，，防止““乐队效效应”，，也就是是随大流流倾向。。2.部门门主管集集体讨论论法（JuryofExecutives））简单易行行，可快快速获得得预测结结果。汇集了各各主管的的经验和和判断。。不需要准准备和统统计历史史资料。。主观意见见，预测测结果缺缺乏严格格的科学学性。与会人员员间容易易相互影影响。因预测是是集体讨讨论的结结果，故故无人对对其正确确性负责责。3.市场调研研法预测来源源于顾客客期望，，较好地地反映市市场需求求情况。。有利于改改进产品品，有针针对性地地开展促促销活动动。适用于对对新产品品或缺乏乏销售记记录的产产品需求求预测。。很难获得得顾客的的通力合合作。顾客所说说不一定定符合顾顾客最终终实际所所做，因因为顾客客的期望望值不断断变化。。费时费力力。4.销售售人员意意见汇集集法（FieldSalesForce）又称基层层意见法法。预测值很很容易按按地区、、分支机机构、销销售人员员、产品品等区分分开。由于取样样较多，，预测结结构较具具稳定性性。由于销售售人员的的意见受受到重视视，增加加了其销销售信心心。带有销售售人员的的主观偏偏见。受地区局局部性的的影响，，预测结结果精度度较差。。当预测结结果作为为销售人人员未来来的销售售目标时时，预测测值容易易被低估估。当预测涉涉及紧俏俏商品时时，预测测值容易易被高估估。（一）时时间序列列分析（二）因因果关系系模型（三）预预测监控控三、定量量预测方方法（一）时时间序列列分析：以时间间为独立立变量，，利用过过去需求求随时间间变化的的关系来来预测未未来的需需求。包括：时时间序列列平滑模模型，时时间序列列分解模模型（二）因因果关系系模型：利用变变量（包包括时间间，如广广告投入入vs销量）之之间的相相互关系系，通过过一种变变量的变变化来预预测另一一种变量量的未来来变化。。上述模型型共同隐隐含的假假设（前前提）：：过去存存在的变变量之间间的关系系和相互互作用机机理，今今后仍然然存在并并继续发发挥作用用。（三）预预测监控控：通过预测测监控来来检验过过去起作作用的预预测模型型是否仍仍然有效效。时间序列列是按一一定的时时间间隔隔，把某某种变量量的数值值依发生生的先后后顺序排排列起来来的序列列。时间序列列的构成成时间序列列平滑模模型移动平均均法（MA、WMA）指数平滑滑法（一一次、二二次）时间序列列分解模模型（一）时时间序列列分析1.时间间序列的的构成趋势成分季节成分周期成分随机成分趋势成分分：数据随随着时间间的变化化表现出出一种趋趋向(由于人口口、技术术等原因因)。它按某某种规则则稳步地地上升或或下降，，或停留留在某一一水平。。Mo.,Qtr.,Yr.Response©1984-1994T/MakerCo.季节成分分：在一年里里按通常常的频率率围绕趋趋势作上上下有规规则的波波动(由于天气气、顾客客等原因因)。Mo.,Qtr.ResponseSummer©1984-1994T/MakerCo.周期成分分：在较长的的时间里里（一年年以上））围绕趋趋势作有有规则的的上下波波动。这这种波动动常被称称作经济济周期。。Mo.,Qtr.,Yr.ResponseCycle随机成分分：由很多不不可控因因素引起起的、没没有规则则的波动动。时间序列列曲线及及其构成成示例2.时间间序列平平滑模型型单纯法（（NaiveMethod）移动平均均法（MovingAverage）（用一组组最近的的实际数数据值来来进行预预测）简单移动动平均法法（SMA）加权移动动平均法法（WMA）指数平滑滑法（ExponentialSmoothing）（考虑所所有的历历史数据据）一次指数数平滑法法二次指数数平滑法法由于随机机成分的的影响而而导致需需求偏离离平均水水平时，，应用时时间序列列平滑模模型，通通过对多多期观测测数据平平均的办办法，可可以有效效地消除除或减少少随机成成分的影影响，以以使预测测结果较较好地反反映平均均需求水水平。单纯法（NaïveForecasts）将前期实实际得到到的结果果作为下下一期的的预测值值特点使用简单单，没有有代价不用数据据分析容易理解解预测精度度不高单纯法的的应用时间序列列稳定的的情况F(t)=A(t-1)，A(t-1)为（t-1)期实际值值，F(t)为t期的预测测值对季节性性波动F(t)=A(t-n)，n为波动周周期对有趋势势变化情情况F(t)=A(t-1)+(A(t-1)––A(t-2))（1）简简单移动动平均法法共n项n为移动平均采用的周期数（2）加加权移动动平均法法共n项i为实际需求的加权系数举例某公司产产品的逐逐月销售售量记录录如下。。取n=3,试用移动动平均法法进行预预测。A.简单移动动平均法法预测月份实际销量（百台）预测销量（n=3）120.00221.00323.00424.0021.33525.0022.67627.0024.00726.0025.33825.0026.00926.0026.001028.0025.671127.0026.331229.0027.00SMA4=(A1+A2+A3)/3=21.33SMA特特点：简单移动动平均法法预测值值与所选选的时段段长n有关。n越大，对对干扰的的敏感性性越低，，预测的的稳定性性越好，，响应性性则越差差。简单移动动平均法法对数据据不分远远近，同同样对待待。有时时最近的的趋势反反映了需需求的趋趋势，此此时用加加权移动动平均法法更合适适。B.加权移动动平均法法预测月份实际销量(百台)预测销量(百台)（n=3）120.00221.00323.00424.0021.83525.0023.17627.0024.33726.0025.83825.0026.17926.0025.671028.0025.671127.0026.831229.0027.17WMA4=(0.5A1+A2+1.5A3)/3=21.83SMA与WMA预测值的的比较简单移动动平均加权移动动平均SMA与WMA预测值的的再比较较(滞后性)WMA特特点：当存在可可察觉的的趋势时时，可以以用权数数来强调调最近数数据。若若对最近近的数据据赋予较较大的权权重，则则预测数数据与实实际数据据的差别别较简单单移动平平均法要要小。加权移动动平均法法更能反反映近期期的变化化，因为为更接近近当前的的数据可可以被赋赋予更大大的权数数。近期数据据的权数数越大，，则预测测的响应应性就越越好，但但稳定性性越差；；反之则则预测的的稳定性性越好，，但响应应性越差差。权数的选选择带有有一定主主观性，，没有权权数选择择的既定定公式。。MA是WMA的特例。。（3）指指数平滑滑法一次指数数平滑法法（SingleExponentialSmoothing）二次指数数平滑法法（DoubleExponentialSmoothing）A.一次次指数平平滑法一次指数数平滑法法是另一一种形式式（比较较复杂））的加权权移动平平均法加权移动动平均法法只考虑虑最近的的n个实际数数据，指指数平滑滑法则考考虑所有有的历史史数据，，只不过过近期实实际数据据的权重重大，而而远期实实际数据据的权重重小一次指数数平滑法法的预测测公式：：新的预测测=上期预测测+α（上期实实际需求求-上期预测测值）即下一期期的预测测是对上上一期预预测偏差差的调整整。预测公式式SFt+1=SFt+α(At–SFt)=αAt+(1–α)SFt其中：SFt+1=新一期的的预测值值SFt=上一期的的预测值值At=上一期的的实际值值α=平滑系数数（0α1）递推公式式：SFt+1=αAt+(1–α)SFt=αAt+α(1-α)At-1+α(1-α)2At-2+…+α(1-α)t-1A1+(1-α)tSF1前t期实测值的指数形式的加权和；且随着实测值年龄的增大，其权数以指数形式递减。讨论两种种极端情情况（1）α=0SFt+1=SF1=A1即对近期期的数据据都加上上0权数，只只考虑最最历史的的数据（2）α=1SFt+1=αAt=At即对所有有历史数数据都加加上0权数，只只考虑最最近期的的数据（（单纯法法）举例SFt+1=αAt+(1-α)SFt月份实际销量（百台）(Ai)预测销量(α=0.4)(SFi)预测销量(α=0.7)(SFi)110.0011.00(给定)11.00(给定)212.0010.6010.30313.0011.1611.49416.0011.9012.55519.0013.5414.97623.0015.7217.79726.0018.6321.44830.0021.5824.63928.0024.9528.391018.0026.1728.121116.0022.9021.041214.0020.1417.51SF2=αA1+(1-α)SF1=0.4A1+(1-0.4)SF1=0.410.00+(1-0.4)11.00=10.60SF3=αA2+(1-α)SF2=0.7A2+(1-0.7)SF2=0.712.00+(1-0.7)10.30=11.49α=0.4和α=0.7时的预测测值比较较小结用一次指指数平滑滑法进行行预测时时，预测测值可以以描述实实际值的的变化形形态与趋趋势，但但预测值值总是滞滞后于实实际值：：当实际值值呈上升升趋势时时，预测测值总是是低于实实际值；；当实际值值呈下降降趋势时时，预测测值总是是高于实实际值。。比较不同同的平滑滑系数对对预测的的影响，，当出现现趋势时时，取较较大的α得到的预预测值与与实际值值比较接接近（即即预测精精度较高高）。预测值依依赖于平平滑系数数α的选择。。一般而而言：α较小则预预测稳定定性较好好，α较大则响响应性较较好。B.二次次指数平平滑法如前所述述，在有有趋势的的情况下下，用一一次指数数平滑法法预测会会出现滞滞后现象象面对有上上升或下下降趋势势的需求求序列时时，采用用二次指指数平滑滑法进行行预测。。二次指数数平滑法法也叫趋势调整整指数平平滑法，因为该该方法先先用一次次指数平平滑法进进行预测测（得到到基数预预测值）），然后后用趋势势滞后值值（正或或负）进进行调整整，即：：最终预测测值(DFt)=基数预测测值(SFt)+趋势校正正(Tt)其中：SFt为第t期的一次次指数平平滑法预预测值预测公式式DFt=SFt+Tt其中：SFt为第t期的一次指指数平滑法法预测值SFt=αAt-1+(1–α)SFt-1(SF0事先给定））Tt=(SFt–SFt-1)+(1–)Tt-1(为趋势平滑滑系数,T0事先给定））预测基本步步骤步骤1：计算第t期的一次指指数平滑预预测值SFt；步骤2：用Tt=(SFt–SFt-1)+(1–)Tt-1计算趋势；步骤3：计算趋势势调整后的的二次指数数平滑预测测值DFtDFt=SFt+Tt二次指数平平滑预测法法举例（=0.2,=0.4）月份实际需求（At

）一次预测(SFt)趋势（

Tt

）二次预测（DFt

）11211(给定)0.0(给定)

-21711.200.0811.2832012.360.5112.8741913.890.9214.8152414.910.9615.8762616.731.3018.0373118.581.5220.1083221.071.9122.9893623.252.0225.27SF2=αA1+(1-α)SF1=0.2A1+(1-0.2)SF1=0.212+(1-0.2)11=11.20SF3=αA2+(1-α)SF2=0.2A2+(1-0.2)SF2=0.217+(1-0.2)11.20=12.36……T2=(SF2-SF1)+(1-)T1=0.4(11.20-11)+0=0.08T3=(SF3-SF2)+(1-)T2=0.4(12.36-11.20)+(1-0.4)0.08=0.51……预测与实际际需求对比比图小结二次指数平平滑预测的的结果比一一次指数平平滑预测的的结果在有有趋势存在在的情况下下，与实际际值更为接接近，且滞滞后要小。。二次指数平平滑预测的的结果与和的取值有关关。和越大，则预预测的响应应性越好；；反之则稳稳定性越好好。趋势平滑系系数的取值与类似：更大大的取值表明更更强调趋势势的最近变变化；小的的取值则给予予最近的趋趋势变动更更小的权重重，从而倾倾向于将当当前的趋势势平滑掉。。总之，影响二次预预测的基数数，影响预测值值的上升或或下降的速速度。3.时间序序列分解模模型乘法模型：：TF=T•S•C•I加法模型：：TF=T+S+C+I其中：TF——时间序列的的预测值；；T——时间序列中中的趋势成成分；S——时间序列中中的季节成成分；C——时间序列中中的周期性性变化成分分；I——时间序列中中的不规则则的波动成成分。几种可能的的时间序列列类型无趋势、无无季节波动动无趋势、有有季节波动动有线性趋势势、相等的的季节波动动有线性趋势势、放大的的季节波动动非线性趋势势、相等的的季节波动动非线性趋势势、放大的的季节波动动主要讨论线性季节模模型线性变化趋趋势与季节节性变化趋趋势共同作作用的结果果。预测值=趋势预测值值×季节系数原始数据：：求趋势直线线方程：y=a+bty为趋势预测测值，t为季节序号号，a、b为常数。可用作图法法或最小二二乘法求出出a、b。季节季节序号t销售量At夏111800秋210404冬38925春410600夏512285秋611009冬79213春811286夏913350秋1011270冬1110266春1212138例：旅游点点快餐销售售T(t)=10000+167t计算季节系系数：各周期内相相应实际值值与趋势值值的比值的的平均值。。SI(夏)=(1.16+1.13+1.16)/3=1.15SI(秋)=1.00SI(冬)=0.85SI(春)=1.00A1/T1=11800/10167=1.16表3-7At/Tt计算表t123456789101112At/Tt1.161.010.850.991.131.000.821.001.160.950.871.01计算预测值值：预测值=趋势预测值值×季节系数未来一年的的夏秋冬春春各季对应应的t值分别为13,14,15,16,预测销售量量分别为:夏季:(10,000+167××13)××1.15=13,997(份)秋季:(10,000+167××14)××1.00=12,338(份)冬季:(10,000+167××15)××0.85=10,629(份)春季:(10,000+167××16)××1.00=12,672(份)（二）因果果关系模型型回归分析投入／产出模型先行指标计量经济模型

与时间序列中的最小二乘法相似，但可以包括多元变量。回归分析的基础是其他事件的发生影响了预测结果。关注每一家企业对其他企业及政府的销售情况，给出由于另一家企业的采购变化导致的某一生存企业预测销量的变化情况。统计那些与所预测的序列呈同方向变动，但其变动发生在所预测的序列变动之前的统计数据；例如，汽油价格的上涨预示着未来大型轿车销量的下降。试图用一组相互联系的方程来描述经济中的某些因素。（二）因果果关系模型型一元线性回回归模型数学模型偏差衡量指指标预测实例1.一元线线性回归模模型YT=a+bxYT为预测值，，a为截距，b为斜率，n为自变量点点数，X为自变量值值，Y为因变量的的值，X为X的平均数，，Y为Y的平均数。。最小二乘法法回归直线线2.偏差衡衡量指标相关系数r（表示自变变量与因变变量之间的的因果程度度）标准差syx（表示回归归预测值的的精确程度度）相关系数r的数值范围围相关示例(1)完全正相关关(2)完全负相关关(3)正相关(4)不相关3.预测实实例某公司近年年来的广告告投入与产产品销售额额数据见下下表。试求求出这些数数据的回归归直线；2003年公司计划划投入广告告费1千万元，试试预测该年年度的销售售额。年份1990199219951998200020012002广告投入(百万元)1.02.03.04.05.06.07.0销售额(百万元)74798090105142122求解：以广告费为为自变量，，销售额为为因变量求求回归直线线：年度广告费X(单位:百万元)销售额Y(单位:百万元)X2XY19901.074.01.074.019922.079.04.0158.019953.080.09.0240.019984.090.016.0360.020005.0105.025.0525.020016.0142.036.0852.020027.0122.049.0854.0ΣX=28.0ΣY=692.0ΣX2=140.0ΣXY=3063.02003年年的销售额额预测：Y2003=56.70+10.54×10.0=162.1（万元）销售额广告费实际销售额额回归直线（三）预测测监控预测误差误差衡量指指标预测监控1.预测误误差预测误差：：是指预测值值与实际值值之间的差差异。误差有正负负之分：当预测值大大