第6章-需求预测

第六章需求预测6.1预测6.2定性预测方法6.3定量预测方法6.4预测误差与监控预测的定义及分类预测是对未来可能发生的事件的预计和推测。根据预测内容的不同，分为：经济预测、技术预测、社会发展预测和市场需求预测；根据预测时间的长短，分为：长期预测、中期预测和短期预测；根据预测方法的不同，分为：定性预测和定量预测。预测的一般程序确定预测的目的和用途，它决定了预测的详细程度、准确性、预测费用确定预测时间覆盖范围，明确是长期预测还是短期预测选择预测方法或模型收集和分析供预测用的数据，做好预测的准备工作计算并分析预测结果将预测结果用于实际生产计划中，并对预测进行监控需求管理需求管理的概念需求管理是企业生产计划与控制系统衔接市场、工厂、仓库和客户之间的桥梁。需要管理需完成以下工作：

预测顾客需求、输入订单、进行产品决策与顾客协商交货期、确认订单状态、订单变更的沟通确定需求的各种来源：包括服务性零部件需求、内部需求、促销库存和其他渠道库存需求不同生产类型下的需求预测

MTS环境下的需求预测

ATO环境下的需求预测

MTO/ETO环境下的需求预测任务MTSATOMTO/ETO信息提供预测信息提供产品配置管理信息提供产品定义信息计划优化库存水平交货期设置提供功能能力需求计划控制确保顾客服务水平满足交货期要求根据顾客需求调整工程资源表6－1：不同生产环境下需求管理核心任务比较定性预测方法高层主管集体讨论法销售人员意见征集法用户意见调查法专家调查法定量预测方法简单移动平均法简单移动平均法就是利用近期的实际数值通过求算术平均值预测未来值，其计算公式为

式中，Ai表示第i期的实际值，MAi+1表示预测值，n表示移动平均的时间段数，i=t-n+1,…t-1,t。简单移动平均法的预测结果与n大小有关。N越大，对干扰的敏感性越低，预测值的响应性越差，稳定性越好。一次指数平滑法

一次指数平滑法是一种加权平均的计算方法，它的计算公式可表述如下。设:Ft表示t期的预测值，Ft-1表示第t-1期的预测值，At－1表示第t-1期的实际值，表示平滑指数，则一次指数平滑法的计算公式为：或平滑指数越小，预测的稳定性越好，平滑指数越大，预测值对实际值的变化越敏感，响应性越好。

季节性预测模型有的产品随季节的变化而有很大的波动，此时就不宜采用各种平均计算方法进行预测，而应选用计算季节指数的方法来预测。例6－2：某公司1991年和1992年各个季度的销售数据如表6－3所示，计算1993年各个季度的预测值。季节性预测模型

解：第一步，根据历史数据求出趋势方程。具体的方法可以采用最小二乘法，也可以采用简单的随手画直线，再计算出斜率和截距的方法。对本例，趋势方程为Yt＝170＋55.t1991年销售量1992年销售量一季度300一季度520二季度200二季度420三季度220三季度400四季度530四季度700表6－3：1991年和1992年各季度销售数据季节性预测模型第二步，求出季节因子。计算过程如表6－4所示。时间实际值由趋势方程求出的数值实际值/趋势值1991年一季度二季度三季度四季度300200220530225280335390（300/225）=1.33（200/280）＝0.71（220/335）＝0.66（530/390）＝1.361992年一季度二季度三季度四季度520420400700445500555610（520/445）＝1.17（420/500）＝0.84（400/555）＝0.72（700/610）＝1.15表6－4：季节因子的计算过程季节性预测模型季节因子：一季度：（1.33＋1.17）/2=1.25二季度：（0.71＋0.84）/2=0.78三季度：（0.66＋0.72）/2=0.69四季度：（1.36＋1.15）/2=1.25第三步：计算1993年各季度的预测值一季度：（170＋55×9）×1.25＝831二季度：（170＋55×10）×0.78＝562三季度：（170＋55×11）×0.69＝535四季度：（170＋55×12）×1.25＝1038预测误差的度量无论预测方法的使用如何得当，预测模型对历史数据的拟合程度怎么样高，观察值合预测值之间仍然存在偏差.

记预测对象的第i个实际观察值为Yi,由预测模型得到的相应的估计值为则预测的误差为。实际设计预测方案的一项重要任务是，尽量使误差减少到最低程度，也就是尽可能提高预测精度。标准统计度量误差的几种形式

平均误差ME（MeanError）：预测误差的和的平均值。

其中，称为滚动预测误差RSFE（RunningSumofForecastError)。如果预测是无偏的，则RSFE应该比较接近于零，即ME应接近于零。因而ME可以用于衡量预测模型的无偏性，但它不容易反映出预测值的偏离情况。

平均绝对误差MAE（MeanAbsoluteError）:预测误差绝对值和的平均值。

标准统计度量误差的几种形式误差平方和SSE（SumofSquaredError）:预测误差平方的和。

均方误差MSE（MeanSquaredError）:预测误差平方的和的平均值

MSE与MAE类似，虽可以较好的反映预测的精度，但它不容易衡量无偏性。标准统计度量误差的几种形式误差的标准差SDE（StandardDeviation