第三章需求预测

第三章:需求预测

为什么要预测：1、为那些用户（市场）提供产品2、产品的特色3、什么时间4、什么地方5、产品数量本章主要内容3.1预测3.2定性预测方法3.3定量预测方法3.4预测误差及监控生产运作管理的计划与控制系统构成InventorystatusdataBillofMaterial能力需求计划资源计划ResourcePlanning生产计划ProductionPlanning需求管理DemandManagement主生产计划MasterProductionScheduling详细物料需求计划DetailedMaterialsRequirementplanning时间分段的物料需求计划Time-phasedrequirementPlanning物料与能力计划MaterialandCapacityPlanning供应商系统VenderSystems车间生产系统Shop-floorsystems需求市场采购市场定性、定量预测第一节预测Iseethatyouwill

getanAthissemester.3.1.1预测及其分类预测是对未来可能发生的情况的预计与推测。是长期的战略性决策的重要输入，也是短期的日常经营活动的重要依据。作用“凡事预则立，不预则废”。预测为人们提供了即将发生的情况的信息，增加了成功的机会。但预测不是一门精确的科学，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预测对生产的作用帮助管理者设计生产运作系统生产什么产品，提供何种服务在何处建立生产/服务设施采用什么样的流程供应链如何组织帮助管理者对系统的使用进行计划今年生产什么，生产多少如何利用现有设施提供满意服务预测种类按性质分科学预测科学预测是对科学发展情况的预计与推测。如门捷列夫预计有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进步情况的预计与推测。经济预测政府部门以及其它一些社会组织经常就未来的经济状况发表经济预测报告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水平,为企业的计划和控制决策提供了依据。社会预测社会预测是对社会未来的发展状况的预计和推测。比如人口预测、人们生活方式变化预测、环境状况预测等。需求预测与企业生产经营活动关系最密切。二、影响需求预测的因素需求预测的影响因素有哪些？产品生命周期顾客偏好竞争者的行为广告设计质量商业周期

……另外：商品本身的价格相关商品的价格消费者对未来价格变动的预期家庭收入人口数量与结构的变动政府的消费政策三、预测分类按预测时间长短分类长期预测(Long-rangeForecast)

对5年或5年以上的需求前景的预测。它是企业长期发展规划的依据，结果大多为定性结果的描述。中期预测(Intermediate-rangeForecast)

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。它是制订年度生产计划、季度生产计划的依据。短期预测(Short-rangeForecast)

短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。预测分类（续）按主客观因素所起的作用分

定性预测方法主观判断、不需要数学公式预测依据：各种主观意见定量预测方法利用统计资料和数学模型进行预测主观判断仍然重要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汇集法因果模型时间序列模型移动平均法加权移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四、预测的步骤1、决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、决定影响各类产品需求的因素及其重要性4、搜集所有可以利用的过去和现在的资料，加以分析5、选择预测模型或方法6、计算并核实初步预测结果7、考虑和设定无法预测的内外因素8、对6、7两部进行综合考虑，做出预测9、将预测结果应用于生产计划工作中10、根据实际发生的需求对预测进行监控五、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时间范围和更新频率稳定性与响应性－预测方法的两个基本要求稳定性：抗拒随机干扰、反映稳定需求的能力。适用于受随机因素影响大的预测问题响应性：迅速反映需求变化的能力，适用于受随机因素影响小的预测问题第二节、定性预测方法

Delphi法（专家调查法）用户调查法部门主管集体讨论法销售人员意见汇集法第三节、定量预测方法时间序列模型：以时间为独立变量，利用过去需求随时间的变化来估计未来的需求。把预测指标，如销售量等指标的实际历史数据按时间顺序排列，应用数学方法进行分析，找出其中的变化趋势和规律性的一种定量预测方法。

时间序列平滑模型时间序列分解模型因果关系模型利用变量之间的相关关系，通过一种变量的变化来预测另一种变量的未来变化。时间序列预测（TimeSeriesForecasts）趋势成分-数据长期变化趋势，随某种规则稳定地上升或下降、停留某一水平季节成分-在一年内按通常的频率围绕趋势作上下有规则的波动周期成分–在较长时间里围绕趋势作有规则波动（经济周期）随机波动（Randomvariations）-随机因素（不可控）引起无规则的上下波动

趋势成分

季节成分

周期成分

随机波动成分

移动平均法简单移动平均（Simplemovingaverage，SMA）加权移动平均（Weightedmovingaverage，WMA）指数平滑法（Exponentialsmoothing）一、简单移动平均SMAt+1

=

nAt+i-ni=1nT周期末简单移动平均值T＋1周期的预测值i周期实际值周期数表6-1简单移动平均法预测

月份

实际销量(百台)

n=3n=41

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

二、加权移动平均WMAt+1

=

niAt+i-ni=1n表6-2加权移动平均预测

t(月)

实际销量(百台)

三个月的加权移动平均预测值(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

26.00

28.00

27.00

29.00

(0.5×20+1×21+1.5×23)/3=21.83

23.17

24.33

25.83

26.17

25.67

25.67

26.83

27.17

近期数据的权重越大，则预测的稳定性就越差，响应性就越好；近期数据数据的权重越小，则预测的稳定性就越好，响应性就越差；权重和n的选择具有经验性。一次指数平滑法

(Singleexponentialsmoothing)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前期的实际需求，

平滑系数月销售额一次指数平滑预测表单位：千元F2

＝αA1

＋（1－α）

F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.81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;如果管理者的目标是体现响应性，则应选择大一点的时间分解预测模型--解决季节性预测问题(Seasonalvariations)

常用季节性预测模型加法模型(AdditiveModel)TF=T+S+C+I乘法模型(Multiplicativemodel)

TF=T.S.C.I

用得最多的是基于乘法模型的预测方法时间序列分解模型计算示例：

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3002季度2003季度2204季度5301998年1季度5202季度4203季度4004季度700Step1:求出趋势值的直线方程。趋势值用最小二乘法，求出：Tt=193.3+49.5*tStep2:计算季节因子时间实际值趋势值实际值/趋势值季节因子97年1季度

2季度

3季度

4季度300200220530225280335390(300/225)=1.330.710.661.36

(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5204204007004455005556101.170.840.721.15

(0.66+0.72)/2=0.69

(1.36+1.15)/2=1.25Step3:计算1999年的预测值

1999年1季度:(170+55×9)×1.25=8312季度:(170+55×10)×0.78=5623季度:(170+55×11)×0.69=5354季度:(170+55×12)×1.25=1038一元线性回归模型Yt

一元线性回归预测值；a

截距b斜率.Yt=a+bx012345tYb=

n(xy)-

xynx2

-

(x)2a=

y-bxn

n为变量数；

x为自变量的取值；

y为因变量的取值；y=143.5+6.3ta

=

812-

6.3(15)5

=b

=

5(2499)-

15(812)5(55)

-

225

=

12495-12180275-225

=

6.3143.5

第四节、预测误差与监控预测误差：预测值与实际值之间的差异。

预测精度（误差的大小）与控制是预测中的重要环节。如果不注意预测环境的变化，原来使用的预测模型可能会由于种种原因产生较大的偏差，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。

一、预测误差平均绝对偏差（Meanabsolutedeviation，MAD）平均平方误差（Meansquarederror，MSE)预测误差的度量(Measurementofforecasterror)预测误差是指预测值与实际值之间的偏差。其计算方法是：平均预测误差平均绝对偏差平均平方误差预测误差滚动和Runningsumofforecasterrors，RSFE反映预测精度衡量无偏性MAD和MSE用于度量预测误差的大小MFE用于度量预测的无偏性预测值实际值实际值中线检验预测模型是否有效：将最近的实际值与