物流需求分析-課件3

第三章物流需求預測

第三章物流需求預測

大綱

第三節(jié)物流需求預測第一節(jié)需求與預測概述第二節(jié)物流供給與需求第四節(jié)物流需求預測方法第五節(jié)物流需求預測實例大綱第三節(jié)物流需求預測第一節(jié)需第一節(jié)需求與預測概述一、需求的定義和特性1.需求的時間性和空間性2.需求的規(guī)律性3.需求模式的穩(wěn)定性4.一次性需求和長期需求5.派生需求與獨立需求第一節(jié)需求與預測概述一、需求的定義和特性第一節(jié)需求與預測概述二、需求的可預測性有規(guī)律需求，具有高度可預測性。無規(guī)律需求，但數學統(tǒng)計特征持續(xù)、統(tǒng)一。無規(guī)律需求，且不可預測。第一節(jié)需求與預測概述二、需求的可預測性第一節(jié)需求與預測概述三、預測的定義所謂預測就是對未來狀況的預想。日常生活里，我們每天都要接觸預測，如天氣預報，股票走勢……預測幾乎無處不在。經濟生活中，在制定多數經濟計劃之前，我們也都會對未來一定時間內的社會環(huán)境狀況進行估計，對相關經濟指標的走向進行判斷，而這種估計或判斷也是預測。當然，現實中做出這樣的估計或判斷有相當的難度，且估計的準確性也參差不齊，但它們都是進行計劃之前所必須進行的步驟，是制定經濟計劃的前奏。第一節(jié)需求與預測概述三、預測的定義第一節(jié)需求與預測概述四、預測的原理名稱解釋慣性原理客觀事物的發(fā)展變化過程常常表現出它的延續(xù)性，通常稱這種表現為“慣性現象”?？陀^事物運動慣性的大小，取決于本身的動力和外界因素的制約程度。類推原理類推預測的應用前提是尋找類似事物。通過分析類似事物相互聯(lián)系的規(guī)律，根據已知某事物的變化特征，推斷具有近似特性的預測對象的未來狀態(tài)，這就是所謂的類推預測。相關原理任何事物的變化都不是孤立的，而是在與其他事物的相互影響下發(fā)展的。事物之間的相互影響常常表現為因果(原因與結果)關系。第一節(jié)需求與預測概述四、預測的原理名稱解釋慣性原理客第一節(jié)需求與預測概述五、預測的原則預測總會有誤差對一族或一組產品的需求預測比對單一產品的需求預測更準確近期預測更準確

第一節(jié)需求與預測概述五、預測的原則第一節(jié)需求與預測概述六、預測的分類1.長期預測長期預測的期限一般為五年或五年以上，主要是根據企業(yè)的長遠發(fā)展戰(zhàn)略和市場的需求發(fā)展趨勢進行預測分析。

2.中期預測中期預測的期限一般為一至三年左右，主要是圍繞企業(yè)的經營戰(zhàn)略、新產品的研究與開發(fā)等方面進行預測。

3.短期預測短期預測期限一般以月為時間單位，大致三個月至一年。

4.近期預測近期預測的期限一般以周、旬為時間單位，主要是對企業(yè)內部的各個環(huán)節(jié)進行預測

第一節(jié)需求與預測概述六、預測的分類第二節(jié)物流供給與需求一、物流供給與需求的定義和特點1.物流供給與需求的定義物流供給:指在一定時期內社會能夠向市場提供有效物流服務的能力或資源，它包括量和質兩方面的內容。物流需求:指在一定時期內社會能夠通過市場交換而消費的物流服務的數量。第二節(jié)物流供給與需求一、物流供給與需求的定義和特點第二節(jié)物流供給與需求2.物流供給的特點（1）物流供給只能以資源或能力要素的形式存儲，而不能以現實的產品儲備待用。（2）供給結構的合理性對物流供給效能的發(fā)揮起決定性作用。（3）供給彈性小。（4）短缺性。（5）替代性強。3.物流需求的特點不平衡性可轉移性彈性小可化解性第二節(jié)物流供給與需求2.物流供給的特點第二節(jié)物流供給與需求二、物流需求的內涵1.現代物流需求包括物流需求量和物流需求結構兩個方面2.物流系統(tǒng)的需求具有時間和空間特征3.對物流系統(tǒng)需求的分析應包括物流系統(tǒng)各作業(yè)項目的分析4.物流需求同時包含獨立需求和派生需求第二節(jié)物流供給與需求二、物流需求的內涵第二節(jié)物流供給與需求三、影響物流供給的因素1.物流服務價格2.物流能力資源要素的供給狀況和價格3.國家政策4.管理體制5.物流技術和管理水平6.自然環(huán)境7.物流秩序第二節(jié)物流供給與需求三、影響物流供給的因素第二節(jié)物流供給與需求四、影響物流需求的因素1.國民經濟的規(guī)模和結構2.物流價格3.社會化大生產分工的深度4.對外經濟關系5.企業(yè)管理水平，特別是庫存管理技術高低6.物流供給者的服務水平第二節(jié)物流供給與需求四、影響物流需求的因素第三節(jié)物流需求預測一、物流需求預測概述

物流需求預測，就是指根據物流市場過去和現在的需求狀況，以及影響物流市場需求變化的因素之間的關系，利用一定的經驗判斷、技術方法和預測模型，應用適合的科學方法對有關反映市場需求指標的變化以及發(fā)展的趨勢進行預測。

第三節(jié)物流需求預測一、物流需求預測概述第三節(jié)物流需求預測1.物流市場需求的特征表現（1）季節(jié)性需求指產品的需求量隨著季節(jié)的轉換而發(fā)生較大的變化。（2）周期性需求指產品的需求量隨著時間的推移而呈現周期性的變化（3）趨向性需求指產品的需求量隨著時間的推移而朝著某一個方向有規(guī)律地運動，沒有出現較大的劇烈波動。（4）隨機性需求指產品的需求量由于需求的偶然變動而呈現無規(guī)則的變化趨勢。2.物流需求預測的作用（l）物流需求預測是物流管理的重要手段。（2）物流需求預測是制定物流發(fā)展戰(zhàn)略目標的依據（3）物流需求預測是物流管理的重要環(huán)節(jié)。第三節(jié)物流需求預測1.物流市場需求的特征表現第三節(jié)物流需求預測二、物流需求預測步驟明確預測對象收集相關的資料數據選擇合適的預測方法

預測與結果評價提交預測報告第三節(jié)物流需求預測二、物流需求預測步驟第三節(jié)物流需求預測圖3.1物流需求預測過程第三節(jié)物流需求預測圖3.1物流需求預測過程第四節(jié)物流需求預測方法

一、定性預測方法1.主管人員意見法2.銷售人員意見法3.市場調查法4.德爾菲法5.類比法第四節(jié)物流需求預測方法

一、定性預測方法第四節(jié)物流需求預測方法

二、定量預測方法名稱解釋樸素法此方法就是假定下一期需求與本期相同。對需求比較穩(wěn)定的產品，這是一種最廉價，也最簡單的預測方法。移動平均法此方法就是從時間序列的第一項數值開始，選取一定的項數求得序列的平均數，這樣就可以得到一個下期的預測值。指數平滑法此方法是利用過去的數據資料，使用平滑指數來進行預測的一種方法。季節(jié)性預測模型此模型是對隨季節(jié)變化而有較大需求波動的產品，利用季節(jié)指數來預測其未來需求?；貧w預測法此方法就是找出預測對象（因變量）與影響預測對象的各種因素（自變量）之間的關系，并建立相應的回歸方程式，然后代入自變量的數值，求得因變量方法。第四節(jié)物流需求預測方法

二、定量預測方法名稱解釋樸素法第四節(jié)物流需求預測方法1.移動平均法此方法就是從時間序列的第一項數值開始，選取一定的項數求得序列的平均數，這樣就可以得到一個下期的預測值。然后逐項移動，邊移動邊平均，在進行一次新預測時，必須加進一個新數據和剔除一個最早的數據。這樣進行下去，就可以得到一個由移動平均數（即各期的預測值）組成的新的時間序列。移動平均法的使用比較廣泛，主要適用于這樣一些情況：數值的變化沒有明顯的上升或下降的趨勢，比較平穩(wěn)；沒有受到明顯的季節(jié)性變化的影響。移動平均法可分為簡單移動平均法加權移動平均法第四節(jié)物流需求預測方法1.移動平均法第四節(jié)物流需求預測方法（1）簡單移動平均法在簡單移動平均法中，將構成移動平均的各期數據都看做是具有相同的作用。具體操作是將最近幾個時期的數據綜合起來，它們的平均數就是下一個時期的預測數。應用簡單移動平均法進行預測時，本期的預測值等于過去各期的實際發(fā)生量之和除以預測期數。其計算公式為：

式中:At

——第t期的實際值；

MAt+1——第t＋1期預測值；

n——移動平均的時間段數（n≤t）。第四節(jié)物流需求預測方法（1）簡單移動平均法式中:At第四節(jié)物流需求預測方法（2）加權移動平均法

根據實際值距離預測期遠近的不同，分別賦予它們不同的權數，依次來提高預測的可靠性。計算公式為

:式中Wt——第t期的權數值；其他各字母含義同前。第四節(jié)物流需求預測方法（2）加權移動平均法式中Wt第四節(jié)物流需求預測方法2.指數平滑法此方法是利用過去的數據資料，使用平滑指數來進行預測的一種方法。對最近期的數據觀察值賦予最大的權重，而對以前各期的數據觀察值則順序地賦予遞減的權重，而不是給所有的數據以同等的重要性。這樣的處理顯得較為合理，因為最近期的觀察值已經包含了最多的未來情況的信息。相對于移動平均法而言，指數平滑法大大減少了對歷史數據存儲量的需求。其計算公式為：或式中Ft——第期的預測值；

Ft-1——第t－1期的預測值；At-1——第期的實際值；

——平滑指數（0≤≤1）。第四節(jié)物流需求預測方法2.指數平滑法或式中Ft——第第四節(jié)物流需求預測方法3.回歸預測法此方法就是找出預測對象（因變量）與影響預測對象的各種因素（自變量）之間的關系，并建立相應的回歸方程式，然后代入自變量的數值，求得因變量的方法?；貧w預測法是一個十分有用的預測方法，尤其適用于長期預測。主要的不足在于，想要進行可靠的預測，就需要大量的數據資料。在回歸預測中，所選定的因變量是指需要求得預測結果的那個變量，即預測對象。自變量則是指影響預測對象變化的、與因變量有密切關系的變量。在實際操作中，選擇一個變量為因變量，而將其余的變量作為自變量，然后根據有關的歷史統(tǒng)計數據，研究測定因變量與自變量之間的關系。根據這些變量之間的相互關系擬合一定的曲線，這條曲線就叫做回歸曲線，表達這條曲線的數學公式就叫做回歸方程式。第四節(jié)物流需求預測方法3.回歸預測法第四節(jié)物流需求預測方法3.回歸預測法下面將重點介紹一元線性回歸預測法一元線性回歸法也叫最小二乘法，它是用來處理兩個變量之間具有線性關系的一種方法。這種方法的特點是：先根據X、Y現有的實際數據和統(tǒng)計資料，把X、Y作為已知數，再尋找合適的a、b回歸系數，并根據回歸系數來確定回歸方程。然后利用已求得的回歸方程，得出一條趨勢變動直線，并使此直線上的各點到實際資料對應點之間的距離最小。從而使這條直線最能代表實際數據的變動，并作為預測的依據。

第四節(jié)物流需求預測方法3.回歸預測法第四節(jié)物流需求預測方法3.回歸預測法設X、Y兩變量滿足趨勢變動直線方程:Y＝a＋bX式中X——自變量；

Y——因變量或預測量；

a、b——回歸系數?，F有數據資料Xi、Yi（i＝1，2，3，…，n），經整理，可得回歸系數a、b為：公式簡化公式簡化第四節(jié)物流需求預測方法3.回歸預測法設X、Y兩變量滿足第四節(jié)物流需求預測方法三、物流需求預測誤差1.產生誤差的原因（1）用于預測的信息與資料引起的誤差。（2）預測方法及預測參數引起的誤差。（3）預測期間的長短引起的誤差（4）預測者的主觀判斷引起的誤差。2.誤差的一般計算方法（1）平均誤差（2）平均絕對誤差（3）相對誤差平均值（4）相對誤差絕對值平均值。（6）標準差（5）均方差第四節(jié)物流需求預測方法三、物流需求預測誤差第五節(jié)物流需求預測實例一、簡單移動平均法例3.1某百貨商店在1999年前三個月的風扇實際銷售量分別為300、220、230臺，試用移動平均法預測四月份的銷售數量。解由式（3.1）可知，四月份的銷售數量為：采用這種方法，我們以三個月為基準（n＝3），不斷引進新數據來消除偶然因素的影響，逐月預測的結果見表3.1所示。如果改變基準，使n值增加，從表中可以看出，誤差則相對增大（對干擾的敏感性降低）。第五節(jié)物流需求預測實例一、簡單移動平均法采用這種方法，我第五節(jié)物流需求預測實例月份實際銷售量預測值（n＝3）預測值（n＝4）1300——2220——3230——4220250—52402242436260230228724024023882502472409260250248102702502531128026025512310270265表3.1預測數據表第五節(jié)物流需求預測實例月份實際銷售量預測值（n＝3）第五節(jié)物流需求預測實例二、加權移動平均法例3.2根據例3.1試用加權移動平均法預測四月份的銷售數量。解首先，根據實際值距離預測期遠近的不同，分別賦予各月的權數為0.2、0.3、0.5，由式（3.2）可知，四月份的銷售數量為：以三個月為基準，逐月預測的結果見表3.2所示。從中不難看出，與簡單移動平均法的預測結果相比，這種方法的精確性要相對高一些。

第五節(jié)物流需求預測實例二、加權移動平均法以三個月為基準，第五節(jié)物流需求預測實例月份實際銷售量簡單移動平均法加權移動平均法1300——2220——3230——422025024152402242236260230232724024024682502472469260250249102702502531128026026312310270273表3.2預測數據表第五節(jié)物流需求預測實例月份實際銷售量簡單移動平均法加第五節(jié)物流需求預測實例三、一次指數平滑法例3.3根據例3.1，試用一次指數平滑法預測四月份的銷售數量。解由式（3.3）可知：

平滑指數分別取0.6和0.4，計算結果見表3.3。第五節(jié)物流需求預測實例三、一次指數平滑法平滑指數分別取0第五節(jié)物流需求預測實例月份實際銷售量加權移動平均法=0.6）=0.4）1300———2220———3230———422024123023052402232242266260232234232724024625024482502462442439260249248246102702532552521128026326425912310273274267表3.3計算結果表第五節(jié)物流需求預測實例月份實際銷售量加權移動平均法=第五節(jié)物流需求預測實例四、季節(jié)性預測模型例3.4某公司廚具2003年四個季度的銷售數量分別為300、200、220、530套；2004年四個季度的銷售數量分別為520、420、400、700套，具有較大的波動性。試利用季節(jié)指數來預測其2005年各個季度的需求量。解首先利用最小二乘法或其他方法求出趨勢方程，得到：然后，利用趨勢方程計算2003、2004年各個季度的歷史數據，并將之與實際值進行比較，得出它們各自的季節(jié)指數，如表3.4所示。第五節(jié)物流需求預測實例四、季節(jié)性預測模型然后，利用趨勢方第五節(jié)物流需求預測實例序號年度季度實際銷售量趨勢方程計算值實際值/趨勢值

12003一3002251.332二2002800.713三2203350.664四5303901.3652004一5204451.17

6二4205000.84

7三4005550.72

8四7006101.15

92005一———

10二———

11三———

12四———

表3.4季節(jié)指數表第五節(jié)物流需求預測實例序號年度季度實際銷售量趨勢方程計算第五節(jié)物流需求預測實例根據表3.4的計算結果，可求出用于預測的季節(jié)指數如下：一季度：(1.33+1.17)/2＝1.25二季度：(0.71＋0.84)/2＝0.78三季度：(0.66＋0.72)/2＝0.69四季度：(1.36＋1.15)/2＝1.26最后，利用季節(jié)指數將趨勢方程進行修正，預測未來2005年的需求量：一季度：(170＋55×9)×1.26＝831二季度：(170＋55×10)×0.78＝562三季度：(170＋55×11)×0.69＝535四季度：(170＋55×12)×1.26＝1046第五節(jié)物流需求預測實例根據表3.4的計算結果，可求出第五節(jié)物流需求預測實例五、回歸分析例3.5某公司維修時間（千小時）與費用（萬元）的資料如表3.6