第三章需求预测课件.ppt

1、第三章需求预测需求预测 Forecasting Forecasting生产运作管理的计划与控制系统构成生产运作管理的计划与控制系统构成Inventorystatus dataBill ofMaterial能力需能力需求计划求计划资源计划资源计划Resource Planning生产计划生产计划ProductionPlanning需求管理需求管理 DemandManagement主生产计划主生产计划 Master ProductionScheduling详细物料需求计划详细物料需求计划 Detailed MaterialsRequirement planning时间分段的物料需求计划时间分段的物

2、料需求计划 Time-phased requirementPlanning 物料与能力计划物料与能力计划Material and Capacity Planning 供应商系统供应商系统Vender Systems 车间生产系统车间生产系统 Shop-floor systems 需求市场需求市场采购市场采购市场3.1.1 3.1.1 预测及其作用预测及其作用3.1.2 3.1.2 预测分类预测分类3.1.3 3.1.3 预测的步骤预测的步骤3.1.4 3.1.4 预测中应注意的几个问题预测中应注意的几个问题3.1 预测I see that you willget an A this semes

3、ter.3.1.1 预测及其作用 预测是对未来可能发生的情况的预计与推测。预测是对未来可能发生的情况的预计与推测。作用作用“凡事预则立，不预则废凡事预则立，不预则废”。预测为人们提供了即将。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。发生的情况的信息，增加了成功的机会。但预测但预测不是一门精确的科学不是一门精确的科学，它是科学与艺术的结合。，它是科学与艺术的结合。预测预测离不开科学测定的数据离不开科学测定的数据，也，也离不开人们的经验和离不开人们的经验和判断判断。不能因为预测的失误而否定预测。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预测的基本假设：过去的发展

4、状态要持续到将来续到将来 对总量的预测要比对个体的预测精确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精度随预测的时间范围增加而降低 3.1.1 预测及其作用(续）预测的作用预测的作用帮助管理者设计生产运作系统帮助管理者设计生产运作系统 生产什么产品，提供何种服务生产什么产品，提供何种服务 在何处建立生产在何处建立生产/服务设施服务设施 采用什么样的流程采用什么样的流程 供应链如何组织供应链如何组织帮助管理者对系统的使用进行计划帮助管理者对

5、系统的使用进行计划 今年生产什么，生产多少今年生产什么，生产多少 如何利用现有设施提供满意服务如何利用现有设施提供满意服务3.1.2 3.1.2 预测分类预测分类 按性质分按性质分科学预测科学预测 科学预测是对科学发展情况的预计科学预测是对科学发展情况的预计与推测。如门捷列夫预计有与推测。如门捷列夫预计有3 3个当时未发现的个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。镓、钪和锗。技术预测技术预测 技术预测是对技术进步情况的预计技术预测是对技术进步情况的预计与推测。与推测。经济预测经济预测 政府部门以及其它一些社会组织经政府部门以及其

6、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常就未来的经济状况发表经济预测报告3.1.2 3.1.2 预测分类（续）预测分类（续）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。需求预测的影响因素有哪些？需求预测的影响因素有哪些？产品生命周期产品生命周期？顾客偏好顾客偏好 竞争者的行为竞争者的行为 广告广告 设计设计 质量质量 商业周期商业周期 3.1.2 3.1.2 预测分类（续）预测分类（

7、续）按时间分按时间分长期预测长期预测(Long-range Forecast)对对的需求前景的预测。它是企业长期的需求前景的预测。它是企业长期发展规划的依据。发展规划的依据。中期预测中期预测(Intermediate-range Forecast)中期预测是指对中期预测是指对一个季度以上两年以下一个季度以上两年以下的需求前景的需求前景的预测。它是制订年度生产计划、季度生产计划的的预测。它是制订年度生产计划、季度生产计划的依据。依据。短期预测短期预测(Short-range Forecast)短期预测是对短期预测是对一个季度以下一个季度以下的需求前景的预测。它的需求前景的预测。它是调整生产能力、

8、采购、安排生产作业计划等具体是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。生产经营活动的依据。3.1.2 3.1.2 预测分类（续）预测分类（续）按主客观因素所起的作用分按主客观因素所起的作用分 定性预测方法定性预测方法 主观判断、不需要数学公式主观判断、不需要数学公式 预测依据：各种主观意见预测依据：各种主观意见定量预测方法定量预测方法 利用统计资料和数学模型进行预测利用统计资料和数学模型进行预测 主观判断仍然重要主观判断仍然重要预测方法预测方法定性预测方法定性预测方法定量预测方法定量预测方法德尔菲德尔菲(Delphi)法法用户期望调查法用户期望调查法部门主管讨论法部门主管

9、讨论法销售人员意见汇集法销售人员意见汇集法因果模型因果模型时间序时间序列模型列模型移动平均法移动平均法加权移动平均法加权移动平均法 指数平滑法指数平滑法乘法模型乘法模型加法模型加法模型时间序列时间序列平滑模型平滑模型时间序列时间序列分解模型分解模型3.1.3 预测的步骤 1 1 确定预测的目的确定预测的目的 2 2 确定预测的时间范围确定预测的时间范围 3 3 选择预测的方法选择预测的方法 4 4 收集和分析数据收集和分析数据 5 5 准备预测准备预测 6 6 对预测进行监控对预测进行监控 “预测预测”3.1.4 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、辨别判断在预测中的作用

10、：选择预测方法、辨别信息、取舍预测结果信息、取舍预测结果 预测精度与成本预测精度与成本 预测的时间范围和更新频率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。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，响应性：迅速反映需求变化的能力，适用于受适用于受随机因素影响小的预测问题随机因素影响小的预测问题3.2 定性预测方法 德尔菲(Delphi)法（专家调查法）用户期望调查法 部门主管意见法 销售人员意见汇集法 含

11、义含义：由美国著名的兰德公司首创并用于投由美国著名的兰德公司首创并用于投资预测和投资决策的方法，该法以匿名的方式，资预测和投资决策的方法，该法以匿名的方式，通过几通过几 轮函询征求专家意见，组织预测小组对每轮函询征求专家意见，组织预测小组对每一轮的意见进行汇总整理后作为参考再发给一轮的意见进行汇总整理后作为参考再发给 各专各专家，供他们分析判断，以提出新的论证。几轮反家，供他们分析判断，以提出新的论证。几轮反复后，专家意见渐趋一致，最后供决策者进行决复后，专家意见渐趋一致，最后供决策者进行决策。策。德尔菲法德尔菲法（1）确定决策题目）确定决策题目德尔菲法的步骤：德尔菲法的步骤：（5）作出结论）

12、作出结论多次反馈后，一般是意见渐趋一致，或对立的意见已十分明显，此时可作为预测和决策结论（4）预测决策过程）预测决策过程（3）制订调查表）制订调查表（2）选择专家）选择专家德尔菲法的特征德尔菲法的特征（1 1）吸收专家参与预测，充分利用吸收专家参与预测，充分利用专家的经专家的经验和学识；验和学识；（2 2）采用采用匿名或背靠背匿名或背靠背的方式，能使每一位的方式，能使每一位专家独立自由地作出自己的判断；专家独立自由地作出自己的判断；（3 3）预测过程几轮反馈，使专家的意见预测过程几轮反馈，使专家的意见逐渐逐渐趋同。趋同。德尔菲法的这些特点使它成为一种最为有德尔菲法的这些特点使它成为一种最为有效

13、的判断预测法。效的判断预测法。3.3 定量预测方法 时间序列模型：时间序列模型：把预测指标，如销售量等指标的实际历史数据把预测指标，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出其中的变化趋势和规律性的一种定量预测方法。法。时间序列平滑模型时间序列平滑模型 时间序列分解模型时间序列分解模型 因果关系模型因果关系模型 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。化来预测另一种变量的未来变化。3.3 定量预测方法（续）时间序列预测

14、（Time Series Forecasts）趋势成分-数据长期变化趋势季节成分-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（Random variations）-随机因素引起无规则的波动 趋势成分趋势成分 季节成分季节成分 周期成分周期成分 随机波动成分随机波动成分 3.3 定量预测方法（续）移动平均法移动平均法简单移动平均（Simple moving average，SMA）加权移动平均（Weighted moving average，WMA）指数平滑法（Exponential smoothing）一、简单移动平均SMAt+

15、1 =nAt+i-ni=1nT T周期末简单移动平均值周期末简单移动平均值T T1 1周期的预测值周期的预测值i i周期实际值周期实际值周期数周期数nA+.+A+A+A=Fn-t3-t2-t1-tt表表6 6-1 1 简单移动平均法预测简单移动平均法预测 月份月份 实际销量实际销量(百台百台)n=3n=3n=4n=41 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 1010 1111 1212 20.0020.00 21.0021.00 23.0023.00 24.0024.00 25.0025.00 27.0027.00 26.0026.00 25.0025.00 26

16、.0026.00 28.0028.00 27.0027.00 29.0029.00 21.3321.33 22.6722.67 24.0024.00 25.3325.33 26.0026.00 2 26.006.00 25.6725.67 26.3326.33 27.0027.00 21.7521.75 23.3323.33 24.7524.75 25.5025.50 25.7525.75 26.0026.00 26.2526.25 26.5026.50 计算移动平均预测值计算移动平均预测值:F4=(720+678+650)/3 =682.67F7=(920+859+785 +720+678+

17、650)/6 =768.67 描点绘图，可以比较当描点绘图，可以比较当n=3,n=6n=3,n=6时对预测结时对预测结果的影响果的影响?对于简单滑动平均预测方法，关键是选择移动时间对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即区间的大小，即n n的大小。的大小。n n的大小与预测者的要的大小与预测者的要求求？n n的大小的选择与预测者要求的适应性有关。如果的大小的选择与预测者要求的适应性有关。如果管理者追求稳定性管理者追求稳定性,n,n的值应该选择大一些，如果管的值应该选择大一些，如果管理着的目标是体现响应性，则应选择小一点的理着的目标是体现响应性，则应选择小一点的n n。二、加权

18、移动平均WMAt+1 =niAt+i-ni=1n表表6 6-2 2 加权移动平均预测加权移动平均预测 t(t(月月)实际销量实际销量(百台百台)三个月的加权移动平均预测值三个月的加权移动平均预测值(百台百台)1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 1010 1111 1212 20.0020.00 21.0021.00 23.0023.00 24.0024.00 25.0025.00 27.0027.00 26.0026.00 25.0025.00 26.0026.00 28.0028.00 27.0027.00 29.0029.00 (0.5(0.5 20+1

19、20+1 21+1.521+1.5 23)/3=21.8323)/3=21.83 23.1723.17 24.3324.33 25.8325.83 26.1726.17 25.6725.67 25.6725.67 26.8326.83 27.1727.17 近期数据的权重越大，则预测的稳定性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，的权重越小，则预测的稳定性就越好，响应性就越差；响应性就越差；权重和权重和n的选择具有经验性。的选择具有经验性。三、一次指数平滑法三、一次指数平滑法(Single expo

20、nential smoothing)Ft=Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1 Ft 新的预测值，新的预测值，Ft-1前期预测值前期预测值，At-1前期的实际需求，前期的实际需求，平滑系数平滑系数月销售额一次指数平滑预测表月销售额一次指数平滑预测表 单位：千元单位：千元F2 A1 （1）F10.410.00（10.4）11.0010.6019.7416.81与上面的问题的类似，与上面的问题的类似，预测的关键是选择预测的关键是选择 的大小。的大小。如管理者追求稳定性，如管理者追求稳定性，的值应该选择小一些的值应该选择小一些;如果管理者的目标是体现响应性，则应选择大一点的如

21、果管理者的目标是体现响应性，则应选择大一点的 50060070080090012345678910WeekDemandDem and0.10.6四、四、时间分解预测模型时间分解预测模型-解决季节性预测问解决季节性预测问题题(Seasonal variations)(Seasonal variations)常用季节性预测模型常用季节性预测模型 加法模型加法模型(Additive Model)TF=T+S+C+I 乘法模型乘法模型(Multiplicative model)TF=T.S.C.I 用得最多的是用得最多的是基于乘法模型的预测方法基于乘法模型的预测方法时间序列分解模型计算示例：时间序列分

22、解模型计算示例：有一个公司记录了有一个公司记录了1997和和1998两年的销售数据，见两年的销售数据，见下表。请根据这些数据预测下表。请根据这些数据预测1999年的销售情况。年的销售情况。时间时间 销售额销售额(万元万元)时间时间 销售额销售额(万元万元)1997年年1季度季度 300 2季度季度 200 3季度季度 220 4季度季度 5301998年年1季度季度 520 2季度季度 420 3季度季度 400 4季度季度 700Step 1:求出趋势值的直线方程。求出趋势值的直线方程。趋势值用最小二乘法，求出：Tt=170+55*tStep 2:计算季节因子计算季节因子 时间时间实际值实际

23、值趋势值趋势值实际值实际值/趋势值趋势值季节因子季节因子97年年1季度季度 2季度季度 3季度季度 4季度季度300200220530225280335390(300/225)=1.33 0.71 0.66 1.36(1.33+1.17)/2=1.25(0.71+0.84)/2=0.7898年年1季度季度 2季度季度 3季度季度 4季度季度520420400700445500555610 1.17 0.84 0.72 1.15(0.66+0.72)/2=0.69(1.36+1.15)/2=1.25Step 3:计算计算1999年的预测值年的预测值 1999年年1季度季度:(170+559)1.

24、25=831 2季度季度:(170+5510)0.78=562 3季度季度:(170+5511)0.69=535 4季度季度:(170+5512)1.25=1038五、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+bx0 1 2 3 4 5 tYb=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+6.3t a=812-6.3(15)5=b=5(2499)-15(812)5(55)-225=12495-12180275-225=6.3143.5 3.4 预测精度与监控 3.4.1 预测误差 3.4.2 预

25、测监控 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。3.4.1 3.4.1 预测误差预测误差 误差 实际值与预计值的差别 平均绝对偏差（Mean absolute deviation，MAD）平均平方误差（Mean squared error，MSE)预测误差的度量(Measurement of forecast error)预测误差是指预测值与实际值之间的偏差。其计算方法是：MADAFntt|MSEAFntt()2平均预测误差nFAMFEtt)(平均

26、绝对偏差平均平方误差预测误差滚动和预测误差滚动和Running sum of forecast errors，RSFE反映预测精度反映预测精度衡量无偏性衡量无偏性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：检验预测模型是否有效：将最近的实际值与偏差进行比较，看偏差是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范围之内；否在可以接受的范围之内；采用跟踪信号法采用跟踪信号法(Tracking signal)(Tracking signal)MADForecast)-(ActualMADRSFE=TS3.4.2 3.4.2 预测

27、监控预测监控跟踪信号（跟踪信号（Tracking signalTracking signal）是累积误差与）是累积误差与 MAD MAD的比的比可接受误差范围上限下限 控制界限MAD数 标准偏差相关数 落在控制界内点数的百分比1 0.798 57.0482 1.596 88.9463 2.394 98.334例：例：月份需求预测实际值偏差(A-F)|A-F|A-F|MADTS11000950-50-50505050-1.00210001070702070120600.3331000110010012010022073.31.6441000960-408040260651.205100010909017090350702.40610001050502205040066.73.30 3MAD 2MAD 1MADTS 0 -1MAD -2MAD -3MAD