生產(chǎn)與運作管理 3預測

第三章需求預測

Forecasting重點掌握本章內(nèi)容：定量預測方法3.1需求預測概述3.2定性預測方法3.3定量預測方法3.4預測誤差及監(jiān)控思考：

企業(yè)為什么要進行需求預測？如何進行預測？本章內(nèi)容：3.1需求預測概述3.2定性預測方法3.3定量預測方法3.4預測誤差及監(jiān)控一、預測預測是對未來可能發(fā)生的情況的預計與推測?！胺彩骂A則立，不預則廢”。預測為人們提供了即將發(fā)生的情況的信息，增加了成功的機會。預測的基本假設(shè)：過去的發(fā)展狀態(tài)要持續(xù)到將來

講究科學，但也需經(jīng)驗和判斷無法絕對精確總量預測比個體預測準受預測時間范圍影響大預測基本特點資料：氣象預報與超級計算機資料：氣象預報與超級計算機我國首臺千萬億次超級計算機系統(tǒng)—“天河一號”近日由國防科學技術(shù)大學研制成功。天河一號24小時的工作量，如果用現(xiàn)在最先進的雙核高性能個人PC機來操作，需要整整160年才能完成。在“天河一號”機房的一臺顯示器前，記者看到了“天河一號”計算并預報的2009年8月9日襲擊臺灣的“莫拉克”臺風的走勢圖。從這段動畫中可以清晰地看到臺風的中心、中心風力和走勢，而這次預報被證實與后來的真實情況基本相同，準確率極高。按性質(zhì)：科學預測經(jīng)濟預測技術(shù)預測需求預測社會預測按時間：長期預測中期預測短期預測預測分類二、預測的步驟1確定預測的目的2確定預測的時間范圍3選擇預測的方法4收集和分析數(shù)據(jù)5準備預測6對預測進行監(jiān)控

“預測”三、預測中應(yīng)注意的幾個問題判斷在預測中的作用：選擇預測方法、辨別信息、取舍預測結(jié)果預測精度與成本預測的時間范圍和更新頻率穩(wěn)定性與響應(yīng)性－預測方法的兩個基本要求穩(wěn)定性：抗拒隨機干擾、反映穩(wěn)定需求的能力。適用于受隨機因素影響大的預測問題響應(yīng)性：迅速反映需求變化的能力，適用于受隨機因素影響小的預測問題三、需求預測需求預測是企業(yè)對其產(chǎn)品需求水平在未來一段時間里的變化情況進行的預計與推測。是企業(yè)計劃和控制決策的主要依據(jù)。需求預測與企業(yè)生產(chǎn)經(jīng)營活動關(guān)系最緊密。

預測在生產(chǎn)中的地位產(chǎn)品決策市場和需求研究和技術(shù)生產(chǎn)能力決策勞動力需求預測，訂單綜合計劃可獲得的原材料現(xiàn)有庫存外部生產(chǎn)能力（轉(zhuǎn)包）主生產(chǎn)計劃和MRP系統(tǒng)詳細的工作排程幫助管理者設(shè)計生產(chǎn)運作系統(tǒng)生產(chǎn)什么產(chǎn)品，提供何種服務(wù)在何處建立生產(chǎn)/服務(wù)設(shè)施采用什么樣的流程供應(yīng)鏈如何組織幫助管理者對系統(tǒng)的使用進行計劃今年生產(chǎn)什么，生產(chǎn)多少如何利用現(xiàn)有設(shè)施提供滿意服務(wù)需求預測在生產(chǎn)管理中的作用案例：汽車市場預測及汽車企業(yè)的產(chǎn)銷規(guī)劃汽車企業(yè)的產(chǎn)銷規(guī)劃思考：汽車產(chǎn)業(yè)的發(fā)展將帶動哪些產(chǎn)業(yè)的發(fā)展？有資料表明，汽車業(yè)帶動100多個相關(guān)產(chǎn)業(yè)的發(fā)展。汽車產(chǎn)業(yè)鏈上游涉及鋼鐵、機械、橡膠、石化、電子、紡織等行業(yè)；下游涉及保險、金融、銷售、維修、加油站、餐飲、旅館等行業(yè)。需求預測的方法

定性預測方法主觀判斷、不需要數(shù)學公式預測依據(jù)：各種主觀意見定量預測方法利用統(tǒng)計資料和數(shù)學模型進行預測主觀判斷仍然重要預測方法定性預測方法定量預測方法Delphi法用戶期望調(diào)查法部門主管討論法銷售人員意見匯集法因果模型時間序列模型移動平均法加權(quán)移動平均法指數(shù)平滑法乘法模型加法模型時間序列平滑模型時間序列分解模型本章內(nèi)容：3.1需求預測概述3.2定性預測方法3.3定量預測方法3.4預測誤差及監(jiān)控

Delphi法（專家調(diào)查法）用戶期望調(diào)查法部門主管意見銷售人員意見匯集法3.2定性預測方法本章內(nèi)容：3.1需求預測概述3.2定性預測方法3.3定量預測方法3.4預測誤差及監(jiān)控時間序列模型：把預測指標，如銷售量等指標的實際歷史數(shù)據(jù)按時間順序排列，應(yīng)用數(shù)學方法進行分析，找出其中的變化趨勢和規(guī)律性的一種定量預測方法。

時間序列平滑模型時間序列分解模型因果關(guān)系模型利用變量之間的相關(guān)關(guān)系，通過一種變量的變化來預測另一種變量的未來變化。思考：

需求受到哪些因素的影響？能不能找出這些變量和需求之間的關(guān)系呢？過去幾周的需求數(shù)量知道了，能不能利用這些數(shù)據(jù)預測后面幾周的需求情況呢？時間序列是按一定的時間間隔和事件發(fā)生的先后順序排列起來的數(shù)據(jù)構(gòu)成的序列。在時間序列模型方法中，將需求作為因變量，而將時間作為唯一的獨立變量。

趨勢成分

季節(jié)成分

周期成分

隨機波動成分

時間序列的分解趨勢成分

-數(shù)據(jù)長期變化趨勢季節(jié)成分

-在一年內(nèi)按通常的頻率圍繞趨勢作上下有規(guī)則的波動周期成分

–在較長時間里圍繞趨勢作有規(guī)則波動（經(jīng)濟周期）隨機波動（Randomvariations）-隨機因素引起無規(guī)則的波動主要預測模型簡單移動平均（Simplemovingaverage，SMA）加權(quán)移動平均（Weightedmovingaverage，WMA）指數(shù)平滑法（Exponentialsmoothing）一、簡單移動平均SMAt+1

=

nAt+i-ni=1nT周期末簡單移動平均值T＋1周期的預測值i周期實際值周期數(shù)表簡單移動平均法預測

月份

實際銷量(百臺)

n=31

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

21.33

22.67

24.00

25.33

26.00

26.00

25.67

？

27.00

n=421.75

23.33

24.75

25.50

25.75

26.00

26.25

26.50

計算移動平均預測值:F4=(720+678+650)/3=682.67F7=(920+859+785+720+678+650)/6=768.67描點繪圖，可以比較當n=3,n=6時對預測結(jié)果的影響?對于簡單滑動平均預測方法，關(guān)鍵是選擇移動時間區(qū)間的大小，即n的大小。n的大小的選擇與預測者要求的適應(yīng)性有關(guān)。如果管理者追求穩(wěn)定性，n的值應(yīng)該選擇大一些，如果管理者的目標是體現(xiàn)響應(yīng)性，則應(yīng)選擇小一點的n。二、加權(quán)移動平均WMAt+1

=

niAt+i-ni=1n表6-2加權(quán)移動平均預測

t(月)

實際銷量(百臺)

三個月的加權(quán)移動平均預測值(百臺)

1

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

(0.5×20+1×21+1.5×23)/3=21.83

23.17

24.33

25.83

26.17

25.67

25.67

26.83

27.17

近期數(shù)據(jù)的權(quán)重越大，則預測的穩(wěn)定性就越差，響應(yīng)性就越好；近期數(shù)據(jù)數(shù)據(jù)的權(quán)重越小，則預測的穩(wěn)定性就越好，響應(yīng)性就越差；權(quán)重和n的選擇具有經(jīng)驗性。三、一次指數(shù)平滑法

(Singleexponentialsmoothing)Ft=Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1

Ft新的預測值，

Ft-1前期預測值，At-1前期的實際需求，

平滑系數(shù)月銷售額一次指數(shù)平滑預測表單位：千元F2＝αA1

＋（1－α）F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.81與上面的問題的類似，預測的關(guān)鍵是選擇的大小。如管理者追求穩(wěn)定性，的值應(yīng)該選擇小一些;如果管理者的目標是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點的四、時間分解預測模型--解決季節(jié)性預測問題(Seasonalvariations)

思考：銷售量變化有何特征？思考：哪些行業(yè)存在季節(jié)性的問題？

常用季節(jié)性預測模型加法模型(AdditiveModel)TF=T+S+C+IT——趨勢成分S——季節(jié)成分C——周期成分I——隨機成分乘法模型(Multiplicativemodel)

TF=T.S.C.I用得最多的是基于乘法模型的預測方法時間序列分解模型計算示例：

有一個公司記錄了2010和2011兩年的需求數(shù)據(jù)，見下表。請根據(jù)這些數(shù)據(jù)預測2012年的需求情況。Step1:利用回歸分析求出趨勢預測的直線方程Step2:將每期需求/預測值，計算季節(jié)因子，并求平均值Step3用回歸預測值乘以對應(yīng)的季節(jié)指數(shù)得到修正預測值2011年的修正預測值Step3預測2012年需求情況五、一元線性回歸模型Yt一元線性回歸預測值；a截距b斜率.Yt=a+bxb=

n(xy)-

xynx2

-(x)2a=

y-bxnn為變量數(shù)；x為自變量的取值；y為因變量的取值；例題某房地產(chǎn)公司統(tǒng)計了過去四年住宅季度銷售量以及相應(yīng)的房貸利率。請你預測當房貸利率為6%和8%的住宅銷量。提示：需要根據(jù)歷史數(shù)據(jù)建立回歸預測模型，再利用模型進行預測。根據(jù)散點圖，可以判斷住宅銷售量和貸款利率之間存在近似直線聯(lián)系，即：住宅銷量=a*貸款利率+b現(xiàn)在的問題是：如何求出a、b兩個系數(shù)？求y=ax+b系數(shù)的方法方法1：直接用公式計算b=

n(xy)-

xynx2

-(x)2a=

y-bxn方法2：在excel中利用作圖法求出系數(shù)；方法3：利用excel自帶的回歸分析功能求出系數(shù)；首先作出散點圖。然后選擇數(shù)據(jù)點（選中數(shù)據(jù)點后會點亮顯示），然后點擊鼠標右鍵，彈出快捷菜單，選擇“添加趨勢線”在彈出對話框中，類型中選擇“線性”，在“選項”中勾選“顯示公式”，然后確定利用excel得到趨勢方程的操作步驟顯示公式后，在圖表中就會得到時間序列的趨勢線和趨勢方程進行預測當貸款利率=6%時預計住宅銷售量=-98.469*6+1488.1=897.3當貸款利率=8%時預計住宅銷售量=-98.469*8+1488.1=700.3多元回歸模型預測如果影響因變量變化的自變量不止一個時，這時就需要利用多元回歸模型進行預測。利用多元回歸模型預測，首先需要根據(jù)歷史數(shù)據(jù)建立多元回歸預測模型。多元回歸預測模型的建立可以利用excel自帶的回歸分析功能完成。利用多元回歸分析預測第16期的需求期數(shù)價格促銷廣告等級需求120001000010000111322000100001000011193220010000100001814220010000150001865220015000150001916220015000150001.761027220015000150001.761058200010000100001150923202000020000279102460300004000037111240050000600003.948812231050000600003.9312013225056000600003.9316214226058000620003.916915228058000640003.917216238060000700003.5

觀察歷史數(shù)據(jù)，可以得到假設(shè)：需求=常數(shù)+a×價格+b×促銷+c×廣告+d×產(chǎn)品等級預測步驟示例1、調(diào)入Excel自帶的數(shù)據(jù)分析工具在“分析工具庫”前點上“√”，然后點“確定”，就調(diào)出了“數(shù)據(jù)分析”功能

這個時候我們可以看到在“工具”菜單中多了一項“數(shù)據(jù)分析”，打開“數(shù)據(jù)分析”在“數(shù)據(jù)分析”中選擇“回歸”，并“確定”，調(diào)出回歸分析工具2、按照提示，設(shè)置參數(shù)。首先設(shè)置Y值（即需求）區(qū)域

3、設(shè)置X值（價格、促銷、廣告、等級）區(qū)域，用鼠標框選。4、設(shè)置回歸結(jié)果的輸出區(qū)域5、X值區(qū)域、Y值區(qū)域和輸出區(qū)域設(shè)置好之后，點“確定”就可以得到回歸結(jié)果Excel回歸結(jié)果的解讀本章內(nèi)容：3.1需求預測概述3.2定性預測方法3.3定量預測方法3.4預測誤差及監(jiān)控預測精度（誤差的大?。┡c控制是預測中的重要環(huán)節(jié)。如果不注意預測環(huán)境的變化，原來使用的預測模型可能會由于種種原因產(chǎn)生較大的偏差，從而影響預測結(jié)果的精度，使管理人員產(chǎn)生錯覺，導致某些決策錯誤。思考：為什么要進行預測監(jiān)控？一、預測誤差誤差——實際值與預計值的差別預測誤差的度量平均絕對偏差（Meanabsolutedeviation，MAD）平均平方誤差（Meansquarederror，MSE)平均預測誤差平均絕對偏差平均平方誤差預測誤差滾動和Runningsumofforecasterrors，RSFE反映預測精度衡量無偏性一、預測誤差誤差–實際值與預計值的差別預測誤差的度量平均絕對偏差（Meanabsolutedeviation，MAD）平均平方誤差（Meansquarederror，MSE)MAD和MSE用于度量預測誤差的大小MFE用于度量預測的無偏性預測值實際值實際值中線檢驗預測模型是否有效：將最近的實際值與預測值進行比較，看偏差是否在可以接受的范圍之內(nèi)；采用跟蹤信號法(Trackingsignal)二、預測監(jiān)控跟蹤信號（Trackingsignal）是累積誤差與MAD的比TS接近為零，或在一定范圍之內(nèi)，預測模型有效可接受誤差范圍上限下限 控制界限MAD數(shù)標準偏差相關(guān)數(shù)