物流運作管理-需求預(yù)測

物流運作管理--需求預(yù)測預(yù)測的特性1、預(yù)測的基本假設(shè)：過去的發(fā)展狀態(tài)要持續(xù)到將來2、預(yù)測精度隨預(yù)測的時間范圍增加而降低3、對總量的預(yù)測要比對個體的預(yù)測精確如每天從武漢到北京旅客數(shù)量的預(yù)測，比預(yù)計某個人將到何處出差要準確2024/1/92預(yù)測的作用幫助管理者設(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)2024/1/93預(yù)測種類按性質(zhì)分科學(xué)預(yù)測：科學(xué)預(yù)測是對科學(xué)發(fā)展情況的預(yù)計與推測。如門捷列夫預(yù)計有3個當時未發(fā)現(xiàn)的元素：亞鋁、亞硼和亞硅。后來，發(fā)現(xiàn)了，是鎵、鈧和鍺。技術(shù)預(yù)測：技術(shù)預(yù)測是對技術(shù)進步情況的預(yù)計與推測。2024/1/94需求預(yù)測：需求預(yù)測為企業(yè)給出了產(chǎn)品在未來的一段時間里的需求期望水平,為企業(yè)的計劃和控制決策提供了依據(jù)。社會預(yù)測：社會預(yù)測是對社會未來的發(fā)展狀況的預(yù)計和推測。比如人口預(yù)測、人們生活方式變化預(yù)測、環(huán)境狀況預(yù)測等。經(jīng)濟預(yù)測：政府部門以及其它一些社會組織經(jīng)常就未來的經(jīng)濟狀況發(fā)表經(jīng)濟預(yù)測報告2024/1/95按時間分長期預(yù)測(Long-rangeForecast)：對5年或5年以上的需求前景的預(yù)測。它是企業(yè)長期發(fā)展規(guī)劃的依據(jù)。中期預(yù)測(Intermediate-rangeForecast)：中期預(yù)測是指對一個季度以上兩年以下的需求前景的預(yù)測。它是制訂年度生產(chǎn)計劃、季度生產(chǎn)計劃的依據(jù)。短期預(yù)測(Short-rangeForecast)：短期預(yù)測是對一個季度以下的需求前景的預(yù)測。它是調(diào)整生產(chǎn)能力、采購、安排生產(chǎn)作業(yè)計劃等具體生產(chǎn)經(jīng)營活動的依據(jù)。2024/1/96按主客觀因素所起的作用分定性預(yù)測方法主觀判斷、不需要數(shù)學(xué)公式預(yù)測依據(jù)：各種主觀意見定量預(yù)測方法利用統(tǒng)計資料和數(shù)學(xué)模型進行預(yù)測主觀判斷仍然重要2024/1/97預(yù)測方法定性預(yù)測方法定量預(yù)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2024/1/98預(yù)測的一般步驟1確定預(yù)測的目的和用途2根據(jù)企業(yè)不同的產(chǎn)品及其性質(zhì)分類3決定影響各類產(chǎn)品需求的因素及其重要性4收集所有可以利用的過去和現(xiàn)在的資料加以分析5選擇適當?shù)念A(yù)測方法6計算并核實初步預(yù)測結(jié)果“預(yù)測”7考慮和設(shè)定無法預(yù)測的內(nèi)外因素8求出各類產(chǎn)品需求預(yù)測9將預(yù)測結(jié)果應(yīng)用10預(yù)測監(jiān)控2024/1/995.2定性預(yù)測方法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2024/1/9105.3定量預(yù)測法簡單移動平均（Simplemovingaverage，SMA）加權(quán)移動平均（Weightedmovingaverage，WMA）指數(shù)平滑法（Exponentialsmoothing）2024/1/9一、簡單移動平均SMAt+1

=

nAt+i-ni=1

nT周期末簡單移動平均值T＋1周期的預(yù)測值i周期實際值周期數(shù)2024/1/9表5-1簡單移動平均法預(yù)測

月份

實際銷量(百臺)

n=3n=41

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

26.33

27.00

21.75

23.33

24.75

25.50

25.75

26.00

26.25

26.50

2024/1/9計算移動平均預(yù)測值:F4=(720+678+650)/3=682.67F7=(920+859+785+720+678+650)/6=768.672024/1/9描點繪圖，可以比較當n=3,n=6時對預(yù)測結(jié)果的影響?2024/1/9對于簡單移動平均預(yù)測方法，關(guān)鍵是選擇移動時間區(qū)間的大小，即n的大小。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。2024/1/9二、加權(quán)移動平均WMAt+1

=

n

iAt+i-ni=1

n2024/1/9表5-2加權(quán)移動平均預(yù)測

t(月)

實際銷量(百臺)

三個月的加權(quán)移動平均預(yù)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+1.5.5×23)/3=21.83

23.17

24.33

25.83

26.17

25.67

25.67

26.83

27.17

2024/1/9近期數(shù)據(jù)的權(quán)重越大，則預(yù)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(yù)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。2024/1/9三、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(yù)測值，

Ft-1前期預(yù)測值，At-1前期的實際需求，

平滑系數(shù)2024/1/9月銷售額一次指數(shù)平滑預(yù)測表單位：千元F2

＝αA1

＋（1－α）F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.812024/1/9與上面的問題的類似，預(yù)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

2024/1/9四、時間分解預(yù)測模型--解決季節(jié)性預(yù)測問題(Seasonalvariations)常用季節(jié)性預(yù)測模型(P87圖3-7)加法模型(AdditiveModel)TF=T+S+C+I乘法模型(Multiplicativemodel)

用得較多的是基于乘法模型的預(yù)測方法2024/1/9時間序列分解模型計算示例：

有一個公司記錄了1997和1998兩年的銷售數(shù)據(jù)，見下表。請根據(jù)這些數(shù)據(jù)預(yù)測1999年的銷售情況。

時間銷售額(萬元)

時間銷售額(萬元)1997年1季度3002季度2003季度2204季度5301998年1季度5202季度4203季度4004季度7002024/1/9Step1:求出趨勢值的直線方程。趨勢值Step1:可以用最小二乘法，求出：Tt=170+55*t2024/1/9有關(guān)最小二乘法請自學(xué)最小二乘法（又稱最小平方法）是一種數(shù)學(xué)優(yōu)化技術(shù)。它通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。利用最小二乘法可以簡便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法還可用于曲線擬合。其他一些優(yōu)化問題也可通過最小化能量或最大化熵用最小二乘法來表達。2024/1/9Step2:計算季節(jié)因子

時間實際值趨勢值實際值/趨勢值季節(jié)因子97年1季度

2季度

3季度

4季度300200220530225280335390(300/225)=1.330.710.661.36

(1.33+1.17)/2=1.25

(0.71+0.84)/2=0.7898年1季度

2季度

3季度

4季度5204204007004455005556101.170.840.721.15

(0.66+0.72)/2=0.69

(1.36+1.15)/2=1.25Step3:計算1999年的預(yù)測值

1999年1季度:(170+55×9)×1.25=8312季度:(170+55×10)×0.78=5623季度:(170+55×11)×0.69=5354季度:(170+55×12)×1.25=10382024/1/9五、因果模型：一元線性回歸模型Yt

一元線性回歸預(yù)測值；a

截距b斜率.Yt=a+bx012345tY2024/1/9b=

n(xy)-

xynx2

-(x)2a=

y-bxn

n為變量數(shù)；

x為自變量的取值；

y為因變量的取值；2024/1/92024/1/9y=143.5+6.3ta=

812-6.3(15)5

=b=

5(2499)-15(812)5(55)-225

=

12495-12180275-225

=

6.3143.5

2024/1/95.4預(yù)測誤差與監(jiān)控

預(yù)測精度（誤差的大?。┡c控制是預(yù)測中的重要環(huán)節(jié)。如果不注意預(yù)測環(huán)境的變化，原來使用的預(yù)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(yù)測結(jié)果的精度，使管理人員產(chǎn)生錯覺，導(dǎo)致某些決策錯誤。2024/1/9預(yù)測誤差誤差–

實際值與預(yù)計值的差別平均絕對偏差（Meanabsolutedeviation，MAD）平均平方誤差（Meansquarederror，MSE)2024/1/9預(yù)測誤差的度量(Measurementofforecasterror)預(yù)測誤差是指預(yù)測值與實際值之間的偏差。其計算方法是：平均預(yù)測誤差平均絕對偏差平均平方誤差預(yù)測誤差滾動和Runningsumofforecasterrors，RSFE反映預(yù)測精度衡量無偏性2024/1/9檢驗預(yù)測模型是否有效：將最近的實際值與偏差進行比較，看偏差是否在可以接受的范圍之內(nèi)；采用跟蹤信號法(Trackingsignal)預(yù)測監(jiān)控跟蹤信號（Trackingsignal）是累積誤差與MAD的比可接受誤差范圍上限下限2024/1/9例：月份需求預(yù)測實際值偏差

(A-F)|A-F||A-F|MADTS11000950-50-50505050-1.00210