5第三章需求预测-0311精要.pptxVIP

生产与运作管理 王浩伦 机电工程学院 工业工程与物流管理系 TEL: 0791O) E-mail: haolun123@163.com 2015.3.27 第三章 需求预测 定量预测方法 --加权移动平均值法 --一次指数平滑法 --二次指数平滑法 回顾 简单移动平均法(Simple Moving Average, SMA) (公式-1) 某百货公司2009年6个月的销售额如下表所示(单位：万元)： 分别以3个月和5个月为移动步长利用SMV预测2010年1-3月份的销售额。 月份 7 8 9 10 11 12 销售额 426 502 480 385 427 446 月份 销量 n=3 n=5 7 426 8 502 9 480 10 385 11 427 12 446 1 2 3 469.3 455.7 430.7 444 419.3 448 430.8 437.2 432.0 428.6 案例： 某企业的市场需求信息如表所示， 分别取n=3和6，计算其移动平均值。 周 需求 1 650 2 678 3 720 4 785 5 859 6 920 7 850 8 758 9 892 周 需求 n=3时的预测值 1 650 2 678 3 720 4 785 5 859 727.67 6 920 788.00 7 850 854.67 8 758 876.33 9 892 842.67 10 833.33 682.67 周 需求 n=6时的预测值 1 650 2 678 3 720 4 785 5 859 6 920 7 850 8 758 802.00 9 892 815.33 10 844.00 768.67 加权移动平均法 加权移动平均法(Weight Moving Average, WMA) (公式-2) (公式-3) 注意： --赋予时间序列中距离预测期较近数据以较大的权重； --各期数据权重之和是否为1，若不是，采用前者计算，反之采用后者。 案例： 某企业的市场需求信息如表所示，取n=3， 权重依次为0.1,0.3,0.6计算其WMA。 周 需求 1 650 2 678 3 720 4 785 5 859 6 920 7 850 8 758 9 892 周 需求 n=3时的预测值 1 650 2 678 3 720 4 785 5 859 6 920 7 850 8 758 9 892 10 700.4 754.8 822.9 WMA的特点： 一般地，对于权重wi和步长n的取值不同，预测值的稳定性和响应性及受随机干扰的程度也不一样。 n越大，对干扰的敏感性越低，预测的稳定性越好，响应性就越差。 近期数据的权重越大，则预测的稳定性就越差，响应性就越好； 近期数据的权重越小，则预测的稳定性就越好，响应性就越差。 --WMA比SMA的优越之处在于，前者对近一期的实际情况反映比较灵敏。 --但是，权重的选择有时是主观的，这需要找到一个合理的权重分配，一般使用试错方法。 作业： 一家商场发现在某4个月的期间内，利用当月实际销售额40%，倒数第2个月销售额的30%，倒数第3个月销售额的20%和倒数第4个月销售额的10%，可以推出其最佳预测结果。假设每个月的实际销售记录为： 月份 1 2 3 4 5 6 销量 100 90 105 95 110 ？ 某型号电动机过去11年的需求数据如下表(单位：千台) 从第4年开始到第12年用3年的WMA进行预测，权重为0.1、0.3、0.6，其中0.6是最近一期的权重。 年份 1 2 3 4 5 6 7 8 9 10 11 量 7 9 5 9 13 8 12 13 9 11 7 一次指数平滑法 前面两种预测方法—SMA和WMA，其中一个主要问题是必须连续利用大量的历史数据。 但很多情况下，最近发生的情况比较久远的情况更能预测未来。 如果这一前提成立，即假设数据越远离当前，其重要性就越低，则指数平滑法就是逻辑性最强且最为简单的方法。 之所以称为指数平滑，是因为每靠前一期其权重就降低(1-α)， α为加权因子。例如：设α=0.20，则各个时期的权重如下表所示： 权重α=0.20 最近期的权重α(1-α)0 0.2000 前一期数据的权重α(1-α)1 0.1600 前两期数据的权重α(1-α)2 0.1280 前三期数据的权重α(1-α)3 0.1024 指数平滑法被广泛使用，广受欢迎。 原因： --指数模型的精度非常高； --建立指数模型相对容易； --用户能了解模型如何运行； --使用模型无需多过的计算； (公式-4) 在一次指数平滑法中，只需要用三