需求預(yù)測PPT課件教材講義

1、第二章 需求預(yù)測一、預(yù)測的概念二、預(yù)測方法三、預(yù)測的監(jiān)控Demand Forecasting預(yù)測的概念預(yù)測是對未來可能發(fā)生的事情的估計(jì)與推測。一般有經(jīng)濟(jì)預(yù)測、技術(shù)預(yù)測、需求預(yù)測。本課程主要討論需求預(yù)測。預(yù)測的概念需求預(yù)測的意義預(yù)測是為下一步計(jì)劃做準(zhǔn)備預(yù)測是制定營銷、生產(chǎn) 和庫存、采購、人力資源等計(jì)劃的基礎(chǔ)。預(yù)測對生產(chǎn)運(yùn)作產(chǎn)生影響，所以，它是生產(chǎn)運(yùn)作管理的一個(gè)組成部分。預(yù)測的概念預(yù)測的主要步驟確定預(yù)測目標(biāo)；確定影響產(chǎn)品需求的因素及其重要性；收集資料；選擇預(yù)測方法與模型；計(jì)算、預(yù)測；對預(yù)測結(jié)果進(jìn)行綜合分析，得出結(jié)論；將預(yù)測結(jié)果應(yīng)用于生產(chǎn)計(jì)劃工作中；根據(jù)實(shí)際情況，對預(yù)測結(jié)果進(jìn)行監(jiān)控。預(yù)測的概念預(yù)測的

2、穩(wěn)定性與響應(yīng)性穩(wěn)定性：反應(yīng)穩(wěn)定需求的能力響應(yīng)性：反映需求變化的能力預(yù)測方法預(yù)測方法 需要說明的是，為使預(yù)測更符合實(shí)際，經(jīng)驗(yàn)、判斷和數(shù)學(xué)模型都起一定的作用，但沒有哪一種方法一直都能奏效。預(yù)測方法1、定量預(yù)測方法用數(shù)學(xué)模型表示需求與各種變量之間的關(guān)系。前提：變量與需求的關(guān)系今后仍然保持不變。常用的有：時(shí)間序列：用過去的需求和時(shí)間的關(guān)系來預(yù)測未來的需求。因果模型：用過去的資料揭示變量和需求的關(guān)系，進(jìn)而預(yù)測未來的需求。預(yù)測方法2、時(shí)間序列模型時(shí)間序列（Time Series）：按一定的時(shí)間間隔和事件發(fā)生的先后順序?qū)⑺占臄?shù)據(jù)排列起來所得到的序列。預(yù)測方法預(yù)測方法時(shí)間序列的構(gòu)成：趨勢成分： 隨時(shí)間的推

3、移而表現(xiàn)出的一種傾向（上升、下降、平穩(wěn)）。季節(jié)成分： 特定周期時(shí)間里有規(guī)則的波動。如：每天有二次交通高峰；每周周末，影院的客流量較大；某些產(chǎn)品的季節(jié)性需求變化等。周期成分： 較長時(shí)間里（一般為數(shù)十年）有規(guī)則的波動。隨機(jī)成分： 沒有規(guī)則的上下波動。預(yù)測方法預(yù)測方法時(shí)間序列模型：時(shí)間序列平滑模型：通過多個(gè)數(shù)據(jù)的平均來消除和減少隨機(jī)成分(干擾)。常用的有簡單移動平均、加權(quán)移動平均、一次指數(shù)平滑。時(shí)間序列分解模型：預(yù)測方法1）簡單移動平均(Simple Moving Average)SMAt+1= (Xt + Xt-1 + Xt-N+1 )/N 預(yù)測值=(前N次實(shí)測值的平均值)預(yù)測方法預(yù)測方法結(jié)果：N

4、越大、預(yù)測值越平滑，對干擾的靈敏性越低，預(yù)測值的響應(yīng)性也就越小。預(yù)測方法2）加權(quán)移動平均(Weighted Moving Average)WMAt+1= (t Xt + t-1 Xt-1+ t-N+1 Xt-N+1 )/N預(yù)測值=(前N次實(shí)測值的加權(quán)平均值)t、 t-1、 、 t-N+1稱為加權(quán)因子，且（t + t-1 + + t-N+1）/ N = 1預(yù)測方法預(yù)測方法結(jié)果：預(yù)測值的響應(yīng)性較好，其結(jié)果與和N的取值有關(guān)。預(yù)測方法3）一次指數(shù)平滑(Single Exponential Smoothing)SAt = SAt-1 + (Xt-1 - SAt-1) 或者， SAt = Xt-1 + (

5、1-) SAt-1預(yù)測值=(上次實(shí)測值)+(1-)上次預(yù)測值稱為平滑常數(shù)，（0 1）預(yù)測方法預(yù)測方法預(yù)測方法結(jié)果：一次指數(shù)平滑預(yù)測值依賴于平滑常數(shù)的選擇，一般來言，越大，預(yù)測值的響應(yīng)性越大，選得小些，則穩(wěn)定性較大。預(yù)測方法4）時(shí)間序列分解模型(Time Series Decomposition)對各成分進(jìn)行單獨(dú)預(yù)測，再按一定的組合規(guī)則綜合處理，得出最終的預(yù)測結(jié)果。乘法模型 TF= TSCI加法模型 TF= T+S+C+I預(yù)測方法主要討論線性季節(jié)模型線性變化趨勢與季節(jié)性變化趨勢共同作用的結(jié)果。預(yù)測值=趨勢預(yù)測值季節(jié)系數(shù)預(yù)測方法原始數(shù)據(jù)：預(yù)測方法求趨勢直線方程：y = a + b ty為趨勢預(yù)測值

6、，t為季節(jié)序號，a、b為常數(shù)?？捎米鲌D法或最小二乘法求出a、b。預(yù)測方法y = 10000 + 167 t預(yù)測方法計(jì)算季節(jié)系數(shù)：各周期內(nèi)相應(yīng)實(shí)際值與趨勢值的比值的平均值。SI(夏)=(1.16+1.13+1.16)/3=1.15SI(秋)=1.00SI(冬)=0.85SI(春)=1.00預(yù)測方法計(jì)算預(yù)測值： 預(yù)測值=趨勢預(yù)測值季節(jié)系數(shù)未來一年的夏秋冬春各季對應(yīng)的t值分別為13,14,15,16, 預(yù)測銷售量分別為:夏季:(10,000+16713)1.15=13,997 (份)秋季:(10,000+16714)1.00=12,338 (份)冬季:(10,000+16715)0.85=10,629 (份)春季:(10,000+16716)1.00=12,672 (份)預(yù)測監(jiān)控1、預(yù)測精度的測量預(yù)測誤差：預(yù)測值與實(shí)際值之間的差異。E = (At Ft )平均絕對偏差(Mean Absolute Deviation)MAD = At Ft /n它能較好地反映預(yù)測精度平均平方誤差(Mean Square Error)MSE = (At Ft )2 /n它能較好地反映預(yù)測精度預(yù)測監(jiān)控平均預(yù)測誤差(Mean Forecast Error)MFD = （ At Ft）/n它能較好地衡量無偏性平均絕對百分誤差(Mean Absolute Percentage Err