第二章需求预测生产管理华中科技大学崔南方

第二章需求预测一、预测的概念二、预测方法三、预测的监控DemandForecasting预测的概念预测是对未来可能发生的事情的估计与推测。一般有经济预测、技术预测、需求预测。本课程主要讨论需求预测。预测的概念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。预测的概念预测的主要步骤确定预测目标；确定影响产品需求的因素及其重要性；收集资料；选择预测方法与模型；计算、预测；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；根据实际情况，对预测结果进行监控。预测的概念预测的稳定性与响应性稳定性：反应稳定需求的能力响应性：反映需求变化的能力预测方法预测方法

需要说明的是，为使预测更符合实际，经验、判断和数学模型都起一定的作用，但没有哪一种方法一直都能奏效。预测方法1、定量预测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：用过去的需求和时间的关系来预测未来的需求。因果模型：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。预测方法2、时间序列模型时间序列（TimeSeries）：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。预测方法预测测方方法法时间间序序列列的的构构成成：趋势势成成分分：：随随时时间间的的推推移移而而表表现现出出的的一一种种倾倾向向（（上上升升、、下下降降、、平平稳稳））。。季节节成成分分：：特特定定周周期期时时间间里里有有规规则则的的波波动动。。如如：：每天天有有二二次次交交通通高高峰峰；；每周周周周末末，，影影院院的的客客流流量量较较大大；；某些产产品的的季节节性需需求变变化等等。周期成成分：：较较长时时间里里（一一般为为数十十年））有规规则的的波动动。随机成成分：：没没有规规则的的上下下波动动。预测方方法预测方方法时间序序列模模型：时间序序列平平滑模模型：：通过过多个个数据据的平平均来来消除除和减减少随随机成成分(干扰扰)。。常用用的有有简单移移动平平均、、加权权移动动平均均、一一次指指数平平滑。时间序序列分分解模模型：：预测方方法1）简简单移移动平平均(SimpleMovingAverage)SMAt+1=(Xt+Xt-1+…+Xt-N+1)/N预测值值=(前N次实测测值的的平均均值)预测方方法预测方方法结果：：N越越大、、预测测值越越平滑滑，对对干扰扰的灵灵敏性性越低低，预预测值值的响响应性性也就就越小小。预测方方法2）加加权移移动平平均(WeightedMovingAverage)WMAt+1=(tXt+t-1Xt-1…+t-N+1Xt-N+1)/N预测值值=(前N次实实测值值的加加权平平均值值)t、t-1、、t-N+1称为加权权因子，，且（t+t-1++t-N+1）/N=1预测方法法预测方法法结果：预预测值的的响应性性较好，，其结果果与和N的取值有有关。预测方法法3）一次次指数平平滑(SingleExponentialSmoothing)SAt=SAt-1+(Xt-1-SAt-1)或者，SAt=Xt-1+(1-)SAt-1预测值=(上次实实测值)+(1-)上次预预测值称为平平滑常数数，（01））预测方法法预测方法法预测方法法结果：一一次指数数平滑预预测值依依赖于平平滑常数数的选择，，一般来来言，越大，预预测值的的响应性性越大，，选得小些些，则稳稳定性较较大。预测方法法4）时间间序列分分解模型型(TimeSeriesDecomposition)对各成分分进行单单独预测测，再按按一定的的组合规规则综合合处理，，得出最最终的预预测结果果。乘法模型型TF=TSCI加法模型型TF=T+S+C+I预测方法法主要讨论论线性季节节模型线性变化化趋势与与季节性性变化趋趋势共同同作用的的结果。。预测值=趋势预预测值ⅹⅹ季节系系数预测方法法原始数据据：预测方法法求趋势势直线方方程：y=a+bty为趋势势预测值值，t为为季节序序号，a、b为为常数。。可用作图图法或最最小二乘乘法求出出a、b。预测方法法y=10000+167t预测方法法计算季季节系数数：各周期内内相应实实际值与与趋势值值的比值值的平均均值。SI(夏夏)=(1.16+1.13+1.16)/3=1.15SI(秋秋)=1.00SI(冬冬)=0.85SI(春春)=1.00预测方法计算预测值：：预测值=趋势势预测值ⅹ季季节系数未来一年的夏夏秋冬春各季季对应的t值值分别为13,14,15,16,预测销售售量分别为: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)预测监控1、预测精度的测测量预测误差：预预测值与实际际值之间的差差异。E=(AtFt)平均绝对偏差差(MeanAbsoluteDeviation)MAD=AtFt/n它能较好地反反映预测精度度平均平方误差差(MeanSquareError)MSE=(AtFt)2/n它能较好地反反映预测精度度预测监控平均预测误差差(MeanForecastError)MFD=（AtFt）/n它能较好地衡衡量无偏性平均绝对百分分误差(MeanAbsolutePer