汽车生产运作管理04.ppt

1、4-1,生产运作管理预测Chapter 4,4-2,学习目标,学习本章以后，你将： 掌握或学会： 预测的基本方法、模型和步骤 选择适合的模型 时间序列预测方法中的趋势和季节调整方法,4-3,决策者面对问题,为哪些用户提供产品或服务； 所提供的产品或服务应具备哪些特色什么时候提供这些产品或服务； 在什么地方提供这些产品或服务； 提供多少产品或服务；,4-4,沃尔玛,以最低廉的价格从正确的货架上取出正确的货物 数据库：销售情况、库存状况、在途货物、市场统计数据、顾客统计数据、财务业绩、退货商品以及供应商绩效等 数据库与供应商共享 趋势分析、库存管理、增进对顾客的了解 需求预测,4-5,预测的意义,

2、财务职能：为制定财务预算计划和成本控制提供依据 营销职能：依靠销售预测来进行销售网点的布设、销售人员的补充等决策 生产运营：利用预测制定周期性决策，例如工艺选择、生产能力计划等；同时也用于生产计划、调度和库存等决策活动,4-6,按时间跨度 短期预测 中期预测 长期预测 按基本方法 定性预测：基层预测、市场调研、小组共识、历史类比、德尔菲法 时间序列分析：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯詹金斯（Box Jenkins）法 、希斯金（Shiskin）时间序列 、趋势外推 因果联系：回归分析、计量经济模型、投入/产出模型、先行指标 模拟模型,预测的分类,4-7,预测步骤,明确预

3、测目的 确定时间跨度 选择预测方法 收集并分析相关数据 预测 对预测过程进行监控 将预测结果付诸实际应用,4-8,预测方法的选择,影响预测方法选择的因素 成本 精度 历史数据的可获得性 计算机的可获得性 必要的准备时间 有无使用经验 预测目的 选择预测方法的原则 审慎地对成本精度做出权衡，从管理角度选择最合适的预测方法 如果可能，使用多种预测方法来得到相互独立的预测结果，以增加预测结果的可信度,权衡,4-9,预测方法的选择continued,选择合适预测方法的指南,4-10,时间序列法,时间序列 为按时间顺序排列的数列，它包含一个或多个需求的影响因素：趋势、季节性、周期性、自相关性和随机性 相

4、加式季节变动 假设：无论趋势效应或平均值如何变化，季节变动量恒为常数 包括趋势性和季节性的预测=趋势季节变动量,4-11,时间序列法continued,相乘式季节变动 包括趋势性和季节性的预测=趋势季节因子 季节因子 时间序列中随各季节变化所作的调整系数 算例1 某企业平均每年售出1000件产品 春季售出200件，夏季350件，秋季300件，冬季150件 预计明年的总需求为1100件，季节因子等于各季度销售量除以季度平均销售量所得的比值 分析明年各季的需求,4-12,时间序列法continued,解答 季节因子的计算,4-13,时间序列法continued,明年各季需求预测值的计算,4-14,

5、时间序列法continued,算例2 某产品销量的历史数据如表所示 某产品销量历史数据 单位：件 根据手绘直线计算趋势和季节因子,4-15,时间序列法continued,解答 做散点图 直线方程： Tt=170+55t 式中：Tt 趋势值 斜率 =（610170）8, 1998年 1999年,800 700 600 500 400,300 200 100 0,4-16,时间序列法continued,2000年趋势性预测和季节因子的预测（FITSt）FITSt 趋势 季节因子 2000 FITS9 170 55（9）1.25 831 2000 FITS10 170 55（10）0.78 562

6、2000 FITS11 170 55（11）0.69 535 2000 FITS12 170 55（12）1.25 1 038,4-17,时间序列法continued,根据实际数据和趋势曲线计算的季节因子 单位：件,4-18,时间序列法continued,最小二乘回归分解 找出时间序列的基本分量如趋势、季节性和周期性，并分别计算各季度及各周期的指数 步骤 分解时间序列为各组成分量 找出季节分量 消除需求的季节性 找出趋势分量。 预测各分量的未来值 将趋势分量外推至未来 用季节分量乘以趋势分量,4-19,时间序列法continued,算例3 应用最小二乘回归求算例2中的时间序列分解结果 每一个数

7、据点相应于3年（12季度）中的某个季度 预测第4年4个季度的需求,4-20,时间序列法continued,解答 步骤 确定季节因子（或季节指数） 消除原始数据中的季节性 根据消除需求季节性影响后的数据建立最小二乘回归直线 将回归直线外推至所要预测的区间 用季节因子修正回归直线，建立最终预测方程,4-21,时间序列法continued,消除季节性影响后的需求 单位：件,注：第3列和第6列的累计总和都应为33 350件，表中出现的差异是由于小数取整的结果。第5列精确到小数点后两位,4-22,时间序列法continued,修正后的预测值,4-23,时间序列法continued,误差范围 常见误差 错

8、误,4-24,线性回归分析,线性回归方程 Yabx 作用 有助于主要事件和综合计划的长期预测 例如，预测产品簇的需求情况 局限 它假设历史数据和未来预测值都落在一条直线之上 ，限制了该方法的应用,4-25,线性回归分析continued,算例 某企业的某种产品在过去3年共12个季度内的销售情况如表： 用散点图和简单目视法或视觉启发式近似法徒手绘制回归直线，预测第4年的各个季度的销售情况,4-26,线性回归分析continued,解答 手绘回归方程 手绘回归直线,1 2 3 4 5 6 7 8 9 10 11 12,6000,5000,4000,3000,2000,1000,0,从直线上的点读出

9、第1季度和第12季度的Y值，分别为750和4 950,4-27,线性回归分析continued,b=(4950-750)/(12-1)=382 手绘回归方程为 Y=400+382x 第13季度到第16季度的预测值,4-28,线性回归分析continued,解答 最小二乘法 原则 使得(y1-Y1)2+(y2-Y2)2+(y12-Y12)2最小 式中 aY轴截距；b直线斜率； 所有y值的平均值； 所有x值的平均值； x各点的x值；y各点的y值；n数据点个数； Y回归方程求出的因变量值,4-29,线性回归分析continued,计算结果,4-30,线性回归分析continued,计算结果,b=35

10、9.6153 a=441.6666,因此,4-31,线性回归分析continued,计算结果 13季度到16季度的预测值如下：,4-32,线性回归分析continued,计算结果 直线对数据的拟合程度即估测标准差为 ： 估测标准差 ：,=363.9,4-33,因果关系预测,因果关系 一事件的发生导致了另一事件的发生 如果动因事件事先就可以确定地预见，则可用它作为预测的依据 找出那些真正可以成为原因的事件,4-34,因果关系预测,算例 地毯销售记录,* 1码20.836米2,4-35,因果关系预测,解答 做散点图,0 5 10 15 20 25 30 35,20000,18000,16000,14000,12000,10000,8000,6000,新建房屋（所）,地毯销量,（码2）