《生产与运营管理课件》第03章 需求预测.pptVIP

第三章 需求预测 3.1 预测 3.2 定性预测方法 3.3 定量预测方法 3.4 预测误差与监控 第一节 预测 预测是对未来可能发生的事件的预计和推测。 根据预测内容的不同，分为：经济预测、技术预测、社会发展预测和市场需求预测； 根据预测时间的长短，分为：长期预测、中期预测和短期预测； 根据预测方法的不同，分为：定性预测和定量预测。 二、预测的一般程序 确定预测的目的和用途，它决定了预测的详细程度、准确性、预测费用 确定预测时间覆盖范围，明确是长期预测还是短期预测 选择预测方法或模型 收集和分析供预测用的数据，做好预测的准备工作 计算并分析预测结果 将预测结果用于实际生产计划中，并对预测进行监控 三、预测中注意的几个问题 （一）判断在预测中的作用 预测是一门艺术和技巧，而不是科学。 1.判断在选择预测方法中的作用 2.判断在辨别信息中的作用 3.判断在取舍预测结果时的作用 （二）基于销售的需求预测需要修正 （三）预测精度和成本 （四）预测的时间范围和更新频率 （五）稳定性与响应性 稳定性是指抗拒随机干扰，反映稳定需求的能力。 响应性是指迅速反映需求变化的能力。 第二节 定性预测方法 高层主管集体讨论法 销售人员意见征集法 用户意见调查法 专家调查法 第三节 定量预测方法 时间序列模型以时间为独立变量，利用过去需求随时间变化的关系来估计未来的需求。 因果模型利用变量之间的相互关系，通过一种变量的变化来预测另一种变量的未来变化。 一、时间序列的构成 （一）趋势成分 （二）季节成分 （三）周期成分（需要长期数据） （四）随机成分 二、时间序列平滑模型 简单移动平均法（SMA） 简单移动平均法就是利用近期的实际数值通过求算术平均值预测未来值，其计算公式为 式中，Ai表示第i期的实际值，SMAi+1表示预测值，n表示移动平均的时间段数，i=t-n+1,… t-1 ,t。 简单移动平均法的预测结果与n大小有关。N越大，对干扰的敏感性越低，预测值的响应性越差，稳定性越好。 二、时间序列平滑模型 加权移动平均（WMA） WMAt+1= 移动平均法的优点： 计算量少 移动平均线能较好地反映时间序列的趋势及其变化 移动平均法的缺点： 限制一：计算移动平均必须具有N个过去观察值，当需要预测大量的数值时，就必须存储大量数据； 限制二：和n的选择没有固定模式，需要经验 指数平滑法（Exponential Smoothing，ES） 它是布朗提出的，布朗认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上是持续的未来，所以将较大的权数放在最近的资料。 指数平滑法（Exponential Smoothing，ES） 简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用； 移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数 指数平滑法（Exponential Smoothing，ES） 也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值是本期实际观察值与前一期指数平滑值的加权平均。 一次指数平滑法 1. 指数平滑法的基本理论根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。 ①一次指数平滑法? ? 设时间序列为 ，则一次指数平滑公式为： ? ? ? ? 式中 为第 t周期的一次指数平滑值； 为加权系数，0＜ ＜1。 ? ? 为了弄清指数平滑的实质，将上述公式依次展开，可得： ? ? ? ? 由于0＜ ＜1，当 →∞时， →0，于是上述公式变为： ? ? ? ? 由此可见 实际上是 的加权平均。加权系数分别为 ，