第2章-库存需求预测讲解.pptVIP

如何求最终预测值？？？？ 最可能销售量：28、34、35、37、41、45、50、70、75， 则中位数位于第五项，中位数为：41万件。 最高销售量：34、44、47、50、60、62、75、80，则中位数位于第四项与第五项之间： 中位数=（50+60）/2=55（万件） 采用加权算术平均法计算预测值为： 26.5×0.2 + 41×0.5 + 55×0.3 = 42.3（万件） * 定量预测方法 定量预测方法： 时间序列分析法 季节性预测 线性回归分析 1.简单平均法 2.加权平均法 3.简单移动平均法 4.加权移动平均法 5.指数平滑法 物品需求分布具有 季节性，常用的方 法有季节指数法和 基础序列法。 回归分析预测法是通过大量 收集统计数据，在分析变量 间非确定性关系的基础上， 找出变量间的统计规律性， 并用数学方法把变量间的 统计规律较好地表现出来， 以便进行预测。 库存 让生活更放心 * 简单平均法 简单平均法 是指将过去各数据之和除以数据总点数，求得算术平均数，为预测值。 这种预测方法简单，当预测对象变化较小且无明显趋势时，可采用此法进行短期预测。 预测对象预测值=预测对象以往若干期历史数据之和/期数 * Fi----预测值 Di----i时段的需求数据值 n----观测时段的个数 优点：计算简便。 缺点：将预测对象的波动平均化了，因而不能反映预测对象的变化趋势，所以该方法只适合对比较稳定的企业波动不大的预测对象使用。 简单应用/重点 某企业2016年1—6月份的销售额见下表：要求预测7月份的销售额（单位：万元）。 解： 销售额为=（260+270+240+280+260+250）/6 = 260（万元） 例题 月份 1 2 3 4 5 6 合计 销售额 260 270 240 280 260 250 1560 * 加权平均法 加权算数平均法 利用过去若干个按照时间顺序排列起来的同一变量的观测值并以时间顺序数为权数，计算出观测值的加权算术平均数，以这一数字作为预测未来期间该变量预测值的一种趋势预测法。 * Fi----预测值 Di----i时段的需求数据值 wi----i时段的需求数据的权重值 一般越近的数据其权重也越大，反之，距离现在时间越远的数据权值也就越小，这与实际情况是基本吻合的。 简单应用/重点 某企业2016年1—6月份的销售额见下表：要求预测7月份的销售额（单位：万元）。 解： 销售额=（260×1+270×2+240×3+280×4+260×5+250×6）/1+2+3+4+5+6 = 5440/21 = 259（万元） 例题 月份 1 2 3 4 5 6 合计 权数 1 2 3 4 5 6 21 销售额 260 270 240 280 260 250 1560 * 简单移动平均法 简单移动平均法，是指对由移动期数的连续移动所形成的各组数据，使用算术平均法计算各组数据的移动平均值，并将其作为下一期预测值。 * Di----i周期的实际需求数，i=t-1，t-2，t-3,...，t-n； n----移动平均采用的周期数 Ft----t周期的预测值 优点：简单易行，容易掌握。 缺点：只是在处理水平型历史数据时才有效，每计算一次移动平均需要最近的n个观测值。而在现实生活中，历史数据的类型远比水平型复杂，这就大大限制了移动平均法的应用范围。 简单移动平均法的另一个主要用途是对原始数据进行预处理，以消除数据中的异常因素或除去数据中的周期变动成分。 移动平均法只适用于短期预测，在大多数情况下只用于以月度或周为单位的近期预测。 简单应用/重点 例题 例题： 某商品在2005年1-12月份的销量如下表所示，请用简单移动平均法预测2006年第一季度该商场电视机销售量（取n=3）。 * 月份 t 实际销售 预测 月份 t 实际销售 预测 1 1 53 7 7 38 44 2 2 46 8 8 34 45 3 3 28 9 9 58 41 4 4 35 42 10 10 64 43 5 5 48 36 11 11 45 52 6 6 50 37 12 12 42 56 例题 * 加权移动平均法 加权移动平均法，是将简单移动平均数进行加权计算。弥补了简单移动平均法对数据不分远近，同样对待存在的不足。 * 用加权移动平均法求预测值，对近期的趋势反映较敏感，但如果一组数据有明显的季节性影响时，用加权移动平均法所得到的预测值可能会出现偏差。因此，有明显的季节性变化因素存在时，最好不要加权。 权重w1w2w3...wn 在确定权重时，近期值的权重较大，远期值的权重较小。 例题 如上例中所示，运用加权移动平均法，将3期的权数分别赋为：0.2、0.3、0.5，则： 2006年1月份的销售量为：