第03章：需求管理與預(yù)測

1、2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 沃爾瑪享有盛名，不僅僅是她沃爾瑪享有盛名，不僅僅是她”天天平價天天平價”和全球第一零售規(guī)模，在數(shù)據(jù)和全球第一零售規(guī)模，在數(shù)據(jù)庫產(chǎn)業(yè)同樣擁有巨大的影響。之所以能夠?qū)νㄟ^其分布在全球庫產(chǎn)業(yè)同樣擁有巨大的影響。之所以能夠?qū)νㄟ^其分布在全球3000多家門店快多家門店快速、低成本滿足客戶需求的最重要的原因在于的，沃爾瑪管理著全球最大的商速、低成本滿足客戶需求的最重要的原因在于的，沃爾瑪管理著全球最大的商業(yè)數(shù)據(jù)庫（業(yè)

2、數(shù)據(jù)庫（35千兆），并具有利用這些數(shù)據(jù)進(jìn)行有效的需求管理的能力，使之千兆），并具有利用這些數(shù)據(jù)進(jìn)行有效的需求管理的能力，使之能夠比競爭對手更加快速準(zhǔn)確了解需求及其相關(guān)的信息。能夠比競爭對手更加快速準(zhǔn)確了解需求及其相關(guān)的信息。 其商業(yè)數(shù)據(jù)庫包括了各類商品銷售、庫存、在途運輸、市場統(tǒng)計、客戶購其商業(yè)數(shù)據(jù)庫包括了各類商品銷售、庫存、在途運輸、市場統(tǒng)計、客戶購買行為、財務(wù)、退換貨、供應(yīng)商及供貨等海量信息。沃爾瑪能夠利用數(shù)據(jù)庫，買行為、財務(wù)、退換貨、供應(yīng)商及供貨等海量信息。沃爾瑪能夠利用數(shù)據(jù)庫，對對3000家門店的數(shù)十萬中貨品進(jìn)行準(zhǔn)確預(yù)測，從而為貨品的供應(yīng)、配送等提供家門店的數(shù)十萬中貨品進(jìn)行準(zhǔn)確預(yù)測，從

3、而為貨品的供應(yīng)、配送等提供決策支持。利用這些信息幫助其作出更加快速準(zhǔn)確的決策，包括：需求趨勢、決策支持。利用這些信息幫助其作出更加快速準(zhǔn)確的決策，包括：需求趨勢、存貨管理（物流配送）和客戶偏好等。存貨管理（物流配送）和客戶偏好等。2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.- 需求管理和預(yù)測概述- 預(yù)測的常用方法- 時間序列方法- 因果模型- 預(yù)測的精度和有效性2022-3-7J.Chen Nanjing Uni. of Sci. & Tech

4、.2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 預(yù)測預(yù)測就是對未來事件發(fā)展的預(yù)計與推測。一般而言，它不可能絕對準(zhǔn)確，即使是仔細(xì)就是對未來事件發(fā)展的預(yù)計與推測。一般而言，它不可能絕對準(zhǔn)確，即使是仔細(xì)周密的預(yù)測也會與未來發(fā)生的事件不符或相差甚遠(yuǎn)，但它在企業(yè)的運作過程中仍起著極為周密的預(yù)測也會與未來發(fā)生的事件不符或相差甚遠(yuǎn)，但它在企業(yè)的運作過程中仍起著極為重要的作用。重要的作用。 預(yù)測的種類預(yù)測的種類 - - 按預(yù)測的對象分：社會預(yù)測、經(jīng)濟(jì)預(yù)測、技術(shù)預(yù)測、企業(yè)預(yù)測；按預(yù)測的對象分：社會預(yù)測、經(jīng)濟(jì)預(yù)測、技術(shù)預(yù)測、企業(yè)預(yù)測； - - 按預(yù)測的方法分：主觀

5、預(yù)測、時間序列、因果模型按預(yù)測的方法分：主觀預(yù)測、時間序列、因果模型 預(yù)測的作用預(yù)測的作用- - 用于制定企業(yè)各類規(guī)劃用于制定企業(yè)各類規(guī)劃: : 企業(yè)中長期計劃、產(chǎn)品和服務(wù)開發(fā)規(guī)劃、生產(chǎn)能力發(fā)展規(guī)企業(yè)中長期計劃、產(chǎn)品和服務(wù)開發(fā)規(guī)劃、生產(chǎn)能力發(fā)展規(guī)劃和布局規(guī)劃等。劃和布局規(guī)劃等。- - 短期和日常計劃短期和日常計劃 : : 存貨計劃存貨計劃, ,人力資源計劃、采購計劃、生產(chǎn)計劃、銷售計劃、預(yù)人力資源計劃、采購計劃、生產(chǎn)計劃、銷售計劃、預(yù)算和調(diào)度等算和調(diào)度等2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 定性預(yù)測方法定性預(yù)測方法- -基于主觀判斷的預(yù)

6、測方法基于主觀判斷的預(yù)測方法. . - - 德爾菲法（德爾菲法（DelphiDelphi） - - 主管領(lǐng)導(dǎo)集體討論主管領(lǐng)導(dǎo)集體討論 - - 銷售人員意見匯總法銷售人員意見匯總法 - - 客戶調(diào)查法客戶調(diào)查法 時間序列法時間序列法 - - 移動平均法移動平均法 - - 指數(shù)平滑指數(shù)平滑 - - 時間序列分解時間序列分解 因果模型因果模型 - - 回歸分析法回歸分析法 - - 計量法計量法2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.趨勢成分季節(jié)成分周期成分隨機(jī)成分圖4-3 時間序列分解2022-3-7J.Chen Nanjing Uni. of

7、Sci. & Tech. ：移動平均、加權(quán)移動平均、指數(shù)平滑法、時間序列分解法等。：移動平均、加權(quán)移動平均、指數(shù)平滑法、時間序列分解法等。 ：所研究的對象或事件的歷史數(shù)據(jù)（時間序列）所呈現(xiàn)的規(guī)律或：所研究的對象或事件的歷史數(shù)據(jù)（時間序列）所呈現(xiàn)的規(guī)律或模式在未來仍然有效，潛在的需求是在這些規(guī)律的基礎(chǔ)上會有隨即波動。模式在未來仍然有效，潛在的需求是在這些規(guī)律的基礎(chǔ)上會有隨即波動。 ：從時間序列中消除隨機(jī)擾動，呈現(xiàn)需求規(guī)律，利用規(guī)律來預(yù)測和推演：從時間序列中消除隨機(jī)擾動，呈現(xiàn)需求規(guī)律，利用規(guī)律來預(yù)測和推演未來需求。未來需求。 某型號洗潔精每周的發(fā)貨量某型號洗潔精每周的發(fā)貨量2022-3-7

8、J.Chen Nanjing Uni. of Sci. & Tech. 移動平均的主要目的是平滑數(shù)據(jù)，消除隨機(jī)干擾，使得變化形態(tài)顯示出來。移動平均的主要目的是平滑數(shù)據(jù)，消除隨機(jī)干擾，使得變化形態(tài)顯示出來。設(shè)：時間序列設(shè)：時間序列X XT T為為X X1 1,X,X2 2,X,X3 3XXt t其平均值其平均值SMASMAt+1t+1=(X=(Xt t+X+Xt-1t-1+X+Xt-2t-2+X+Xt-N+1t-N+1)/N t=N)/N t=N其中，其中，Xi Xi 為時間段的觀察值為時間段的觀察值 Ni Ni 為移動平均的時間段為移動平均的時間段則，稱則，稱SMASMAt+1t+1為

9、時間序列為時間序列X XT T的第的第t+1t+1觀測期內(nèi)的簡單移動平均的預(yù)測值，隨觀測期內(nèi)的簡單移動平均的預(yù)測值，隨t t的變化，的變化，SMASMAt+1t+1也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影響是也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影響是同等看待的。同等看待的。 MA5MA32022-3-7J.Chen Nanjing Uni. of Sci. & Tech. WeekDemand1650267837204785585969207850875898921092011789128442022-3-7J.Chen Nanji

10、ng Uni. of Sci. & Tech.WeekDemand 3-Week6-Week1650267837204785682.675859727.676920788.007850854.67768.678758876.33802.009892842.67815.3310920833.33844.0011789856.67866.5012844867.00854.83SMA4=(720+678+650)/3 =682.67SMA7=(920+859+785 +720+678+650)/6 =768.672022-3-7J.Chen Nanjing Uni. of Sci. &

11、; Tech.5006007008009001000123456789 10 11 12WeekDemandDemand3-Week6-Week參數(shù)參數(shù)n對預(yù)測的影響對預(yù)測的影響2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 對于簡單滑動平均預(yù)測方法，關(guān)鍵是選擇移動時間區(qū)間的大小，即對于簡單滑動平均預(yù)測方法，關(guān)鍵是選擇移動時間區(qū)間的大小，即n n的的大小。大小。n n的大小的選擇與預(yù)測者要求的適應(yīng)性有關(guān)。如果管理者追求穩(wěn)定的大小的選擇與預(yù)測者要求的適應(yīng)性有關(guān)。如果管理者追求穩(wěn)定性，性，n n的值應(yīng)該選擇大一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選

12、擇的值應(yīng)該選擇大一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇小一點的小一點的n n。簡單、易操作；簡單、易操作； N N值的大小的選取取決于預(yù)測曲線的靈敏度的期望值的大小的選取取決于預(yù)測曲線的靈敏度的期望 ；缺點：每一因素必須要以數(shù)據(jù)表達(dá)，數(shù)據(jù)涉及量大缺點：每一因素必須要以數(shù)據(jù)表達(dá)，數(shù)據(jù)涉及量大 ；忽視了需求的自相關(guān)性；忽視了需求的自相關(guān)性；2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 加權(quán)移動平均法是在簡單移動平均法的基礎(chǔ)上，將時間序列中的數(shù)據(jù)對預(yù)測的影響加權(quán)移動平均法是在簡單移動平均法的基礎(chǔ)上，將時間序列中的數(shù)據(jù)對預(yù)測的影響做不同看待，對每

13、個序列值乘以不同的加權(quán)因子。做不同看待，對每個序列值乘以不同的加權(quán)因子。設(shè)：時間序列設(shè)：時間序列X XT T為為X X1 1,X,X2 2,X,X3 3XXt t其加權(quán)平均值其加權(quán)平均值WMAWMAt+1t+1=(=(0 0X Xt t+1 1X Xt-1t-1+2 2X Xt-2t-2+N-1N-1X Xt-N+1t-N+1)/N t=N)/N t=N其中，其中，Xi Xi 為時間段的觀察值為時間段的觀察值 Ni Ni 為移動平均的時間段為移動平均的時間段 j j 為相應(yīng)的時間段的加權(quán)因子，且滿足：為相應(yīng)的時間段的加權(quán)因子，且滿足： (1 1+2 2+3 3+N-1N-1)/N=1, j=0

14、,1,2N-1 N=t)/N=1, j=0,1,2N-1 N=t當(dāng)當(dāng)0 0=1 1=2 2=N-1N-1時，時，WMAWMAt+1t+1=SMA=SMAt+1t+1, ,因此簡單移動平均是加權(quán)移動平均的特殊形式。因此簡單移動平均是加權(quán)移動平均的特殊形式。則，稱則，稱WMAWMAt+1t+1為時間序列為時間序列X XT T的第的第t+1t+1觀測期內(nèi)的簡單移動平均的預(yù)測值，隨觀測期內(nèi)的簡單移動平均的預(yù)測值，隨t t的變化，的變化，WMAWMAt+1t+1也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影響是不同等看也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影

15、響是不同等看待的。待的。 2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.F4=(0.520+121+1.523)/3 =21.832022-3-7J.Chen Nanjing Uni. of Sci. & Tech.-在簡單移動平均法中相同，預(yù)測值與在簡單移動平均法中相同，預(yù)測值與N N值的大小有關(guān)，值的大小有關(guān)，N N越大，對干擾的敏感越大，對干擾的敏感性就越低，預(yù)測值的響應(yīng)性就越小。性就越低，預(yù)測值的響應(yīng)性就越小。- - 在實際預(yù)測中往往越近的數(shù)據(jù)對預(yù)測的影響力就越大，因此加權(quán)因子是由在實際預(yù)測中往往越近的數(shù)據(jù)對預(yù)測的影響力就越大，因

16、此加權(quán)因子是由大到小變化的。大到小變化的。- - 在加權(quán)移動平均中在加權(quán)移動平均中和和N N是影響預(yù)測的穩(wěn)定性和響應(yīng)性的重要參數(shù)是影響預(yù)測的穩(wěn)定性和響應(yīng)性的重要參數(shù)2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 一次指數(shù)平滑一次指數(shù)平滑(Single Exponential Smoothing)(Single Exponential Smoothing)是加權(quán)移動的又一種形是加權(quán)移動的又一種形式。設(shè)時間序列式。設(shè)時間序列X XT T的的n n次實際測試的記錄數(shù)據(jù)為次實際測試的記錄數(shù)據(jù)為X X1 1,X,X2 2,X,X3 3,X,Xn n；X X

17、0 0為初始值。又為初始值。又設(shè)設(shè)SASA1 1,SA,SA2 2,SA,SAn n為平滑預(yù)測值。若平滑預(yù)測值的為平滑預(yù)測值。若平滑預(yù)測值的SASAt t由下面公式表示：由下面公式表示： SASAt t = SA = SAt-1t-1+(X+(Xt-1t-1-SA-SAt-1t-1) )或或 SASAt t = X = Xt-1t-1 + (1-)SA + (1-)SAt-1t-1其中，其中，為平滑常數(shù)為平滑常數(shù)(0)(0)， (X(Xt-1t-1-SA-SAt-1t-1) )為上一次的預(yù)測誤差。為上一次的預(yù)測誤差。因此，物理上理解平滑指數(shù)法是：因此，物理上理解平滑指數(shù)法是： 本次預(yù)測值本次預(yù)

18、測值 = = 上次預(yù)測值上次預(yù)測值 + + * * 上次預(yù)測誤差上次預(yù)測誤差或：本次預(yù)測值或：本次預(yù)測值 =* *上實測值上實測值 + + （1-1-）* * 上次預(yù)測值上次預(yù)測值 2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 與上面的問題的類似，預(yù)測的關(guān)鍵是選擇與上面的問題的類似，預(yù)測的關(guān)鍵是選擇 的大小。如果管理者追求穩(wěn)定性，的大小。如果管理者追求穩(wěn)定性， 的值應(yīng)該選擇小一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點的的值應(yīng)該選擇小一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點的 。 =0.4=0.1實際值2022-3-7J.Che

19、n Nanjing Uni. of Sci. & Tech.如果將如果將SASAt t = X = Xt-1t-1+ (1-)SA+ (1-)SAt-1t-1中中SASAt-1t-1用公式展開用公式展開則，則，SASAt t = X = Xt-1t-1 + (1-)SA + (1-)SAt-1 t-1 =X=Xt-1t-1 + (1-) X + (1-) Xt-2t-2 + (1-)SA + (1-)SAt-2t-2 當(dāng)當(dāng)t t很大時，后項可以忽略，因此第很大時，后項可以忽略，因此第t t步的預(yù)測值可以看成是前步的預(yù)測值可以看成是前t-1t-1步實際測試值的步實際測試值的指數(shù)形式的加權(quán)

20、和，因此稱為一次指數(shù)平滑法。指數(shù)形式的加權(quán)和，因此稱為一次指數(shù)平滑法。 在所有預(yù)測方法中，指數(shù)平滑是最為廣泛使用的模型，也是計算機(jī)預(yù)測程序的重要在所有預(yù)測方法中，指數(shù)平滑是最為廣泛使用的模型，也是計算機(jī)預(yù)測程序的重要組成部分。組成部分。 SAt = 0110)1()1(SAXtjttjj2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.WeekDemand18202775368046555750680277988689977510例題：已知，某商店的某產(chǎn)品周銷售歷史數(shù)例題：已知，某商店的某產(chǎn)品周銷售歷史數(shù)據(jù)如表。請用指數(shù)平滑法，預(yù)測第據(jù)如表。請用指數(shù)

21、平滑法，預(yù)測第1010周的銷周的銷售量。售量。 分別取值為分別取值為0.10.1和和0.60.6，并假設(shè)初始預(yù)，并假設(shè)初始預(yù)測值等于第一周值（測值等于第一周值（F F1 1=D=D1 1）。）。2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.50060070080090012345678910We e kDemandDemand0.10.62022-3-7J.Chen Nanjing Uni. of Sci. & Tech.它具有如下它具有如下(1)(1) 指數(shù)模型的精度很高；指數(shù)模型的精度很高；(2)(2) 建立指數(shù)模型相對容易；建立指數(shù)

22、模型相對容易；(3)(3) 用戶能了解模型的運行；用戶能了解模型的運行；(4)(4) 計算量小。計算量小。- - 預(yù)測值依賴于平滑指數(shù)常數(shù)預(yù)測值依賴于平滑指數(shù)常數(shù)的選擇，一般來說的選擇，一般來說小一些，預(yù)測的穩(wěn)定性就較大，反之，小一些，預(yù)測的穩(wěn)定性就較大，反之，其響應(yīng)性就較明顯。如果實際圖形波動較大，就要求提高模型的響應(yīng)性，以便迅速跟上數(shù)其響應(yīng)性就較明顯。如果實際圖形波動較大，就要求提高模型的響應(yīng)性，以便迅速跟上數(shù)據(jù)的變化，則據(jù)的變化，則值取大一些。值取大一些。- - 一次平滑指數(shù)法，對于沒有趨勢需求的穩(wěn)定序列是可行的。對于有上升或下降趨勢的需一次平滑指數(shù)法，對于沒有趨勢需求的穩(wěn)定序列是可行的

23、。對于有上升或下降趨勢的需求序列，此方法不理想。求序列，此方法不理想。2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 實際的需求是趨勢、季節(jié)、周期或隨機(jī)多種成分共同作用的結(jié)果。時間序列分解模型實際的需求是趨勢、季節(jié)、周期或隨機(jī)多種成分共同作用的結(jié)果。時間序列分解模型試圖從已經(jīng)發(fā)生的時間序列中找出各種明顯的易于預(yù)測的成分，比如：周期性的變化規(guī)律，試圖從已經(jīng)發(fā)生的時間序列中找出各種明顯的易于預(yù)測的成分，比如：周期性的變化規(guī)律，并在對各種成分進(jìn)行單獨預(yù)測的基礎(chǔ)上，按照一定的規(guī)則綜合處理各種成分的預(yù)測值，以并在對各種成分進(jìn)行單獨預(yù)測的基礎(chǔ)上，按照一定的規(guī)

24、則綜合處理各種成分的預(yù)測值，以得到最終的預(yù)測結(jié)果得到最終的預(yù)測結(jié)果 乘法模型乘法模型(Additive Model)(Additive Model)：TF=TSCI TF=TSCI 加法模型加法模型(Multiplicative model)(Multiplicative model)：TF=T+S+C+ITF=T+S+C+I 其中：其中：TF TF 為時間序列的預(yù)測值為時間序列的預(yù)測值 T T 為趨勢成分的預(yù)測值為趨勢成分的預(yù)測值; S ; S 為季節(jié)成分的度量為季節(jié)成分的度量 C C 為周期成分的度量為周期成分的度量; I ; I 為以上未說明的因素的度量為以上未說明的因素的度量 2022

25、-3-7J.Chen Nanjing Uni. of Sci. & Tech. 某成衣制造公司記錄了某成衣制造公司記錄了20102010和和20112011兩年的銷售數(shù)據(jù)，見下表。請根據(jù)這些兩年的銷售數(shù)據(jù)，見下表。請根據(jù)這些數(shù)據(jù)預(yù)測數(shù)據(jù)預(yù)測20122012年的銷售情況。年的銷售情況。 時間時間 銷售額銷售額( (萬元萬元) )時間時間 銷售額銷售額( (萬元萬元) )20102010年年1 1季度季度 300 300 2 2季度季度 200 200 3 3季度季度 220 220 4 4季度季度 53053020112011年年1 1季度季度 520 520 2 2季度季度 420 4

26、20 3 3季度季度 400 400 4 4季度季度 700 7002022-3-7J.Chen Nanjing Uni. of Sci. & Tech.Step 1: Step 1: 求出趨勢值的直線方程；求出趨勢值的直線方程； 趨趨勢勢值值用最小二乘法，求出：用最小二乘法，求出： T Tt t=170+55=170+55* *t tStep 2: Step 2: 計算季節(jié)因子計算季節(jié)因子 時間時間實際值實際值趨勢值趨勢值實際值實際值/ /趨勢值趨勢值季節(jié)因子季節(jié)因子1010年年1 1季度季度 2 2季度季度 3 3季度季度 4 4季度季度3003002002002202205305

27、30225225280280335335390390(300/225)=1.33(300/225)=1.33 0.71 0.71 0.66 0.66 1.36 1.36 (1.33+1.17)/2 =1.25(1.33+1.17)/2 =1.25 (0.71+0.84)/2=0.78(0.71+0.84)/2=0.781111年年1 1季度季度 2 2季度季度 3 3季度季度 4 4季度季度520520420420400400700700445445500500555555610610 1.17 1.17 0.84 0.84 0.72 0.72 1.15 1.15 (0.66+0.72)/2=

28、 0.69(0.66+0.72)/2= 0.69 (1.36+1.15)/2 =1.25(1.36+1.15)/2 =1.252022-3-7J.Chen Nanjing Uni. of Sci. & Tech.Step 3: Step 3: 計算計算20122012年的預(yù)測值年的預(yù)測值 20122012年年 1 1季度季度: (170+55: (170+559) 9)1.25=8311.25=831 2 2季度季度: (170+55: (170+5510)10)0.78=5620.78=562 3 3季度季度: (170+55: (170+5511)11)0.69=5350.69=5

29、35 4 4季度季度: (170+55: (170+5512)12)1.25=10381.25=10382022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 因果模型通過研究影響需求的相關(guān)因素與需求結(jié)果之間的定量關(guān)系，從進(jìn)行預(yù)因果模型通過研究影響需求的相關(guān)因素與需求結(jié)果之間的定量關(guān)系，從進(jìn)行預(yù)測的一種通行方法。測的一種通行方法。回歸分析；只要求掌握一元回歸模型回歸分析；只要求掌握一元回歸模型 2022-3-7J.Chen Nanjing Uni. of Sci. & Tech.2022-3-7J.Chen Nanjing Uni. of Sci

30、. & Tech.nFAMADnttt1nFAMSEnttt12)(nFAMFEnttt1)(nttttAFAnMAPE1)100(平均絕對偏差平均絕對偏差 平均平方誤差平均平方誤差平均預(yù)測誤差平均預(yù)測誤差平均絕對百分誤差平均絕對百分誤差2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 預(yù)測的基本理論基礎(chǔ)是，需求的模式或規(guī)律在過去、現(xiàn)在和未來均起著同預(yù)測的基本理論基礎(chǔ)是，需求的模式或規(guī)律在過去、現(xiàn)在和未來均起著同樣的作用。那么，我們?nèi)绾沃肋^去有效的模型在未來仍然有效呢？樣的作用。那么，我們?nèi)绾沃肋^去有效的模型在未來仍然有效呢？ 常用的方

31、法就是：常用的方法就是： - - 比較預(yù)測的精度是否在可以接受的范圍之內(nèi)；比較預(yù)測的精度是否在可以接受的范圍之內(nèi)； - - 跟蹤信號法，所謂跟蹤信號跟蹤信號法，所謂跟蹤信號TSTS，就是指預(yù)測誤差滾動，就是指預(yù)測誤差滾動RSFERSFE與平均絕對偏與平均絕對偏差差MADMAD的比值。的比值。MADFAMADRSFETSnttt1)(可接可接受誤受誤差范差范圍圍上限上限下限下限2022-3-7J.Chen Nanjing Uni. of Sci. & Tech. 隨著市場環(huán)境的變化，需求的變化的速度和幅度在越來越大，市場的規(guī)律不隨著市場環(huán)境的變化，需求的變化的速度和幅度在越來越大，市場的規(guī)律不斷變化，預(yù)測的假定前提常常被打破，可預(yù)測程度越來越低，在這種環(huán)境下，如斷變化，預(yù)測的假定前提常常被打破，可預(yù)測程度越來越低，在這種環(huán)境下，如何管理外部需求？何管理外部需求？ - 建立在合作基礎(chǔ)上的信息共享（如：汽車零部件廠商建立在合作基礎(chǔ)上的信息共享（如：汽車零部件廠商-整車廠商）；整車廠商）； - 應(yīng)用應(yīng)用VMI等方法消除牛鞭效應(yīng)（如：沃爾瑪?shù)确椒ㄏ１扌?yīng)（如