物流需求预测

物流需求预测第1页，共28页，2023年，2月20日，星期日预测的概念预测是对未来可能发生的事情的估计与推测。一般有短期预测、中期预测、长期预测。产品生命周期对预测的影响。购货、工作安排、所需员工、工作指定、生产水平的计划工作销售计划、生产计划和预算、现金预算和分析不同作业方案规划新产品、资本支出、生产设备安装与添置、发展与研究第2页，共28页，2023年，2月20日，星期日预测的类型1、经济预测：通过预计通货膨胀率、货币供给、房屋开工率及其他指标来预测经济周期2、技术预测：预测会导致产生重要的新产品，从而带动新工厂和设备需求的技术进步3、需求预测：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。第3页，共28页，2023年，2月20日，星期日预测方法定性预测方法qualitativemethod定量预测方法quantitativemethod3德尔菲法1部门主管集体讨论法

2销售人员意见汇总法消费者市场调查法

1时间序列预测模型

（1）

时间序列平滑模型-朴素法-移动平均法-指数平滑法（1）时间序列分解模型

-乘法模型

-加法模型2因果模型4线性回归因果模型趋势外推法--***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。第4页，共28页，2023年，2月20日，星期日预测方法预测的主要步骤确定预测的用途——我们想达到什么目的；选择预测对象；决定预测的时间跨度；选择预测方法与模型；收集预测所需的数据；验证预测模型；做出预测；将预测结果付诸应用。第5页，共28页，2023年，2月20日，星期日时间序列预测表5-1时间序列

月份实际销量(百台)12345678910111220.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00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。第6页，共28页，2023年，2月20日，星期日时间序列分解时间序列的构成：趋势成分：随时间的推移而表现出的一种倾向（上升、下降、平稳）。季节成分：特定周期时间里有规则的波动。如：每天有二次交通高峰；每周周末，影院的客流量较大；某些产品的季节性需求变化等。周期成分：较长时间里（一般为数十年）有规则的波动。随机成分：没有规则的上下波动。第7页，共28页，2023年，2月20日，星期日时间序列分解趋势成分季节成分周期成分随机成分第8页，共28页，2023年，2月20日，星期日时间序列分解时间序列分解模型：1、加法模型需求=趋势+季节+周期+随机波动（适用于四种变动因素呈现出相互独立的关系）2、乘法模型需求=趋势×季节×周期×随机波动（适用于四种变动因素呈现出相互影响的关系）第9页，共28页，2023年，2月20日，星期日时间序列预测之移动平均法1）简单移动平均(SimpleMovingAverage)Ft+1=(At+At-1+…+At-N+1)/N

预测值=(前N次实测值的平均值)表5-2简单移动平均法预测月份实际销量(百台)n=3(百台)n=4(百台)12345678910111220.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.0021.3322.6724.0025.3326.0026.0025.6726.3327.0021.7523.3324.7525.5025.7526.0026.2526.50第10页，共28页，2023年，2月20日，星期日时间序列预测之移动平均法2）加权移动平均(WeightedMovingAverage)Ft+1=(tAt+

t-1At-1…+At-N+1

At-N+1)/N预测值=(前N次实测值的加权平均值)t、

t-1、

、

t-N+1称为加权因子，且（t

+

t-1++

t-N+1）/N=1第11页，共28页，2023年，2月20日，星期日时间序列预测之移动平均法第12页，共28页，2023年，2月20日，星期日时间序列预测之指数平滑法3）指数平滑法Ft

=Ft-1+(At-1-Ft-1)

或者，Ft

=

At-1+(1-)

Ft-1预测值=(上次实测值)+(1-)上次预测值称为平滑系数（01）第13页，共28页，2023年，2月20日，星期日时间序列预测之指数平滑法第14页，共28页，2023年，2月20日，星期日时间序列预测之指数平滑法第15页，共28页，2023年，2月20日，星期日时间序列预测之指数平滑法结果：一次指数平滑预测值依赖于平滑常数的选择，一般来言，越大，它给以前数据以较高权数，预测值的响应性越大，选得小些，它给过去数据以较高权数，则稳定性较大。Ft=At-1+(1-)

Ft-1Ft-1=At-2+(1-)

Ft-2Ft=At-1+(1-)[At-2+(1-)

Ft-2]Ft=At-1+(1-)

At-2+(1-)

Ft-2]……

Ft=At-1+(1-)

At-2+(1-)2At-2+(1-)3At-3+…+(1-)nAt-n]第16页，共28页，2023年，2月20日，星期日时间序列预测之指数平滑法的取值：选择使平均绝对偏差MAD（meanabsolutedeviation）或平均平方误差MSE（meansquarederror）最小的值MAD=∑|预测误差|

nMAD=∑(预测误差)2

n预测误差=需求-预测第17页，共28页，2023年，2月20日，星期日的取值在此分析基础上可看到，α=0.1要优于α=0.5，因为前者MAD更小季度实际装卸量α=0.1的预测整数值α=0.1的绝对偏差α=0.5的预测整数值α=0.5的绝对偏差11801755175521681768178103159175161731441751732166951901731717020620517530180257180178219313818217841864

绝对偏差和84

100

MAD=∑|偏差|/n10.5

12.5例：巴尔蒂摩港在过去8个季度里，装卸了大量谷物，港口作业经理想试一下用不同α值的指数平滑法预测装卸量为175吨。取两个α进行测试。α=0.1和α=0.5。第18页，共28页，2023年，2月20日，星期日时间序列预测之趋势调整指数平滑法调整方法：先用指数平滑法求出预测值Ft，然后用正或负的趋势值Tt进行调整包含趋势预测（FITt）=新预测（Ft）+趋势校正（Tt）Ft=At-1+(1-)

Ft-1Tt=（1-β）Tt-1+β（Ft-Ft-1

）Tt：第t期经过平滑的趋势Tt-1：第t期上期经过平滑的趋势β：我们选择的趋势平滑系数Ft：第t期简单指数平滑预测值Ft-1：第t期上期简单指数平滑预测值第19页，共28页，2023年，2月20日，星期日例：一家位于波特兰的大公司用指数平滑法预测对污染控制设备的需求。很明显它有一个上升的趋势。指定平滑系数=0.2和β=0.4。假定1月份的预测值为11件。月份需求月份需求112626217731320832419936524F2=11+0.2（12-11）=11+0.2=11.2件步骤1：对2月份的预测（F2）等于对1月份预测（F1）+（1月份需求-1月份预测：步骤2：计算当前趋势，假定初始趋势调整为0，即T1=0。T2=（1-β）T1+β（F2-F1

）=0+0.4（11.2-11）=0.08步骤3：计算包含趋势的预测（FITt）。（FIT2）=F2+T2=11.2+0.08=11.28对3月份也做同样计算。步骤1：F3=F2+（2月份需求-F2）=11.2+0.2（17-11.2）=12.36步骤2：T3=（1-β）T2+β（F3-F2

）=（1-0.4）（0.08）=0.4（12.36-11.2）=0.51步骤3：FIT3=F3+T3=12.36+0.51=12.87其他月份以此类推第20页，共28页，2023年，2月20日，星期日时间序列预测之趋势外推法基本思想：找出历史数据中的趋势线，以此预测将来时间的值。？时间因变量值趋势线

b=∑xy—nxy∑x2—nx2

a=y-bxy=a+bx第21页，共28页，2023年，2月20日，星期日例：纽约爱迪生电力公司1989~1995年间电力需求见下表，以兆瓦为单位。让我们找出这些数据的趋势直线并预测1996年的需求年份电力需求年份电力需求年份电力需求年份电力需求198974199180199310519951221990791992901994142年份时期电力需求x2xy19891741741990279415819913809240199249016360199351052552519946142368521995712249854∑xy=3063∑x=28∑y=692∑x2=140x===7∑xn284y===98.86∑yn6927

b===10.54∑xy—nxy∑x2—nx2

3063-(7)(4)(98.86)140-(7)(42)

a=y-bx=98.86-10.54(4)=56.7因此y=56.7+10.54x

1996年在编号体系中x=8，因此，1996年的需求=56.7+10.54（8）=141.02第22页，共28页，2023年，2月20日，星期日数据的季节波动按月平均法求季节比率：1）列表。将各年同月（季）的数值列在同一栏内2）将各年同月（季）数值加总，并求月（季）平均数3）将所以月（季）数值加总，求总的月（季）平均数4）求季节比率（或季节指数）S.I.，计算公式为：S.I.=各月平均数全期各月平均数×100%第23页，共28页，2023年，2月20日，星期日例：康柏公司的笔记本电脑在雷瓦计算机商店1993~1994年每月销量见下表：月份销量1993~1994平均销量平均月销量季节指数1993199418010090940.9572758580940.8513809085940.904490110100941.0645115131123941.3096110120115941.2237100110105941.117890110100941.0649859590940.95710758580940.85111758080940.85112808080940.851总平均销量=1128平均月销量==94

112812个月季节指数=1993~1994当月平均销量平均月销量第24页，共28页，2023年，2月20日，星期日利用这些季节指数，如果预计1995年需求为1200台，则以如下方式预测月需求1200121

×0.957=961200122

×0.851=851200125

×1.309=1311200123

×0.904=901200124

×1.064=1061200128

×1.064=106