生产计划管理PPT-6-需求预测.ppt

需求预测 预测：对未来可能发生的情况的预计与推测。 “凡事预则立，不预则废” 基于历史、立足现在、面向未来 预测分类 定性预测方法 定量预测方法 预测误差与监控 需求预测 预测——对未来可能发生的情况的预计与推测。 定性预测方法 定量预测方法 预测误差与监控 预测？ 预测：对未来可能发生的情况的预计与推测。 “凡事预则立，不预则废” 基于历史、立足现在、面向未来 预测是长期战略决策的重要输入，短期日常经营活动的依据。 预测为编制各部门计划提供基础。 预测种类 科学预测 技术预测 经济预测 需求预测 社会预测 预测分类 时间长短 定性预测方法、定量预测方法 预测的一般步骤 目的和用途 时间跨度 选择预测方法/模型 收集分析资料 预测 预测监控 预测中的几个问题 判断的作用 预测的精度与成本 预测的时间范围和更新频率 稳定性和响应性 定性预测方法 德尔菲法－专家调查法 部门主管人员意见法 用户调查法 销售人员意见汇集法 定量预测方法 假设：过去存在的变量间关系和相互作用机理，今后仍然存在并继续发挥作用。 时间序列及其构成 时间序列及其构成 趋势成分 季节成分 周期成分：较长时间（数十年）。（不考虑） 随机成分：不可控因素。（不考虑） 时间序列平滑模型 简单移动平均：近期n个数据移动平均。 加权移动平均： 一次指数平滑法（single exponential smoothing）：考虑所有历史数据，近期实际数据权重大，远期实际数据权重小。 二次指数平滑法（single exponential smoothing） 简单移动平均 加权移动平均 一次指数平滑法 二次指数平滑法 讨论 平滑系数小，稳定性好； 反之，相应性好 在有趋势的情况下，一次指数平滑法，滞后。 对有上升或下降趋势的需求序列时，用二次指数。 有趋势又有季节性波动时，用三次指数平滑法。 时间序列分解模型 实际需求是趋势、季节、周期、随机等多种因素共同作用的结果。 时间序列分解模型试图从时间序列值中找出各种成分，单独预测、综合处理。 假设：各种成分单独起作用，而且过去、现在起作用的机制将持续到未来。 时间序列分解模型 时间序列分解模型 乘法模型 加法模型 T-趋势因素，S-季节因素，C-周期因素，I-随机因素 因果模型 建立需求与影响因素的数学关系。需求为函数，影响因素为自变量。 回归模型，经济计量模型，投入产出模型。 一元线性回归模型，线性系数和标准偏差 预测精度测量 无偏模型-unbiased model 1.平均绝对偏差 mean absolute deviation 2.平均平方误差 mean square error 预测精度测量 3.平均预测误差 mean forecast error 4.平均绝对百分误差 mean absolute percentage error 预测监控—跟踪信号法 1．跟踪信号法（tracking signal ,TS）： 累积预测误差与平均绝对偏差的比值。TS的上下限按照判断和经验确定，一般取±4。 预测监控—控制图 2．控制图 控制图的上下限是为单个预测误差设置的。 假定： 预测误差是均值为零的随机分布； 误差分布是正态的。控制图的上下限设为0±2s，95％的误差将落入其中；上下限设为0±3s，99.7％的误差将落入其中。 * * 长期预测（long-range forecast） 中期预测 (intermediate-range forecast) 短期预测 (short-range forecast) 简单移动平均、加权移动平均 预测方法 定性预测 德尔菲法 主管人员意见法 用户调查法 销售人员意见汇集法 定量预测 因果模型 时间序列平滑模型 时间序列分解模型 时间序列模型 一次指数平滑法 二次指数平滑法 乘法模型 加法模型 一次指数平均平滑值 ： 一次指数平滑法的预测值： 无趋势、无季节波动 无趋势、有季节波动 线性趋势、相等的季节波动 线性趋势、增大的季节波动 非线性趋势、相等的季节波动 非线性趋势、增大的季节波动 预测精度测量 *