第三章需求预测解析

第三章:需求预料

为什么要预料：1、为那些用户（市场）供应产品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预料3.2定性预料方法3.3定量预料方法3.4预料误差及监控生产运作管理的支配与限制系统构成InventorystatusdataBillofMaterial实力需求支配资源支配ResourcePlanning生产支配ProductionPlanning需求管理DemandManagement主生产支配MasterProductionScheduling具体物料需求支配DetailedMaterialsRequirementplanning时间分段的物料需求支配Time-phasedrequirementPlanning物料与实力支配MaterialandCapacityPlanning供应商系统VenderSystems车间生产系统Shop-floorsystems需求市场选购 市场定性、定量预料第一节预料Iseethatyouwill

getanAthissemester.3.1.1预料及其分类预料是对将来可能发生的状况的预料与推想。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”。预料为人们供应了即将发生的状况的信息，增加了成功的机会。但预料不是一门精确的科学，它是科学与艺术的结合。预料离不开科学测定的数据，也离不开人们的阅历和推断。不能因为预料的失误而否定预料。预料的基本假设：过去的发展状态要持续到将来对总量的预料要比对个体的预料精确如每天从武汉到北京旅客数量的预料，比预料某个人将到何处出差要精确预料精度随预料的时间范围增加而降低预料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，供应何种服务在何处建立生产/服务设施接受什么样的流程供应链如何组织帮助管理者对系统的运用进行支配今年生产什么，生产多少如何利用现有设施供应满足服务预料种类按性质分科学预料科学预料是对科学发展状况的预料与推想。如门捷列夫预料有3个当时未发觉的元素：亚铝、亚硼和亚硅。后来，发觉了，是镓、钪和锗。技术预料技术预料是对技术进步状况的预料与推想。经济预料政府部门以及其它一些社会组织常常就将来的经济状况发表经济预料报告需求预料需求预料为企业给出了产品在将来的一段时间里的需求期望水平,为企业的支配和限制决策供应了依据。社会预料社会预料是对社会将来的发展状况的预料和推想。比如人口预料、人们生活方式变更预料、环境状况预料等。需求预料与企业生产经营活动关系最亲密。二、影响需求预料的因素需求预料的影响因素有哪些？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将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、预料分类按预料时间长短分类长期预料(Long-rangeForecast)对5年或5年以上的需求前景的预料。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。中期预料(Intermediate-rangeForecast)中期预料是指对一个季度以上两年以下的需求前景的预料。它是制订年度生产支配、季度生产支配的依据。短期预料(Short-rangeForecast)短期预料是对一个季度以下的需求前景的预料。它是调整生产实力、选购 、支配生产作业支配等具体生产经营活动的依据。预料分类（续）按主客观因素所起的作用分定性预料方法主观推断、不须要数学公式预料依据：各种主观看法定量预料方法利用统计资料和数学模型进行预料主观推断仍旧重要预料方法定性预料方法定量预料方法Delphi法用户期望调查法部门主管探讨法销售人员看法汇合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、预料的步骤1、确定预料的目的和用途。2、依据企业不同的产品及其性质分类3、确定影响各类产品需求的因素及其重要性4、搜集全部可以利用的过去和现在的资料，加以分析5、选择预料模型或方法6、计算并核实初步预料结果7、考虑和设定无法预料的内外因素8、对6、7两部进行综合考虑，做出预料9、将预料结果应用于生产支配工作中10、依据实际发生的需求对预料进行监控五、预料中应留意的几个问题推断在预料中的作用：选择预料方法、辨别信息、取舍预料结果预料精度与成本预料的时间范围和更新频率稳定性与响应性－预料方法的两个基本要求稳定性：抗拒随机干扰、反映稳定需求的实力。适用于受随机因素影响大的预料问题响应性：快速反映需求变更的实力，适用于受随机因素影响小的预料问题其次节、定性预料方法Delphi法（专家调查法）用户调查法部门主管集体探讨法销售人员看法汇合法第三节、定量预料方法时间序列模型：以时间为独立变量，利用过去需求随时间的变更来估计将来的需求。把预料指标，如销售量等指标的实际历史数据按时间依次排列，应用数学方法进行分析，找出其中的变更趋势和规律性的一种定量预料方法。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，通过一种变量的变更来预料另一种变量的将来变更。时间序列预料（TimeSeriesForecasts）趋势成分-数据长期变更趋势，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（不行控）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

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

=

nAt+i-ni=1nT周期末简洁移动平均值T＋1周期的预料值i周期实际值周期数表6-1简洁移动平均法预料

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加权移动平均预料

t(月)

实际销量(百台)

三个月的加权移动平均预料值(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，则预料的稳定性就越差，响应性就越好；近期数据数据的权重越小，则预料的稳定性就越好，响应性就越差；权重和n的选择具有阅历性。一次指数平滑法

(Singleexponentialsmoothing)Ft=Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1Ft新的预料值，Ft-1前期预料值，At-1前期的实际需求，平滑系数月销售额一次指数平滑预料表单位：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，预料的关键是选择的大小。如管理者追求稳定性，的值应当选择小一些;假如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料模型--解决季节性预料问题(Seasonalvariations)

常用季节性预料模型加法模型(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料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。请依据这些数据预料1999年的销售状况。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年的预料值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=1038一元线性回来模型Yt一元线性回来预料值；a截距b斜率.Yt=a+bx012345tYb=

n(xy)-

xynx2

-(x)2a=

y-bxnn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、预料误差与监控预料误差：预料值与实际值之间的差异。预料精度（误差的大小）与限制是预料中的重要环节。假如不留意预料环境的变更，原来运用的预料模型可能会由于种种缘由产生较大的偏差，从而影响预料结果的精度，使管理人员产生错觉，导致某些决策错误。一、预料误差平均确定偏差（Meanabsolutedeviation，MAD）平均平方误差（Meansquarederror，MSE)预料误差的度量(Measurementofforecasterror)预料误差是指预料值与实际值之间的偏差。其计算方法是：平均预料误差平均确定偏差平均平方误差预料误差滚动和Runningsumofforecasterrors，RSFE反映预料精度衡量无偏性MAD和MSE用于度量预料误差的大小MFE用于度量预料的无偏性预测值实际值实际值中线检验预料模型是否有效：将最近的实际值与偏差进行比较，看偏差是否在可以接受的