库存管理7专用课件.pptVIP

库存管理 物流学院 赵琨 管理学博士 讲师 zhaokun@bwu.edu.cn 信息来源  预测方法 判断预测 时间序列 因果预测 射影预测 计划预测 7.1 预测方法 7.1.1预测的使用 预测为库存管理工作提供了重要的信息 比如：各种成本 需求 预测工作也需要从其他来源得到信息 比如：最优的预测模型、各项参数值、历史数据、主管输入项。 进行预测所需要的信息 预测结果的特性： 准确。误差很小 无偏差。不会让管理者总是过高或过低估计 能够对需求变化做出反应 不受偶然的特殊数值的影响 能够及时满足要求 节约成本 容易为人所理解 7.1.2预测的方法 没有一种预测方法能够永远是十全十美的最佳方案 最好的预测结果不一定来自于最复杂最昂贵的方法 以预测所涉及的未来时间跨度作为分类方式： 远期预测 几年 战略性决策 中期预测 3个月至1年 技术性决策 短期预测 几周 操作性决策 7.2 判断预测 判断预测属于主观评价的范围，以专家意见为基础。 可靠性稍差 常用的判断预测法： 个人看法 专家一个人预测 主观 团队共识 多个专家交流 市场调查 收集数据、分析观点、推出整体 过于依赖样本、问题、回答、分析、结论 历史推论 寿命 足够相似的产品 生命周期曲线 德尔菲法 最正规的判断预测法 1 发放问卷 征求若干专家的意见 2 分析问卷的答案和进行总结 3 把分析总结过的答案分别返到每个专家手中，专家参考总结好了的其他人的回答，重新思考自己的回答 反复3-6次 主要问题：如何设计合适的问题、选择合适的专家团队组合、花费时间、确保专家参与预测全过程 7.3 时间序列 定量预测法建立在时间序列基础上 时间序列是按照一定的时间间隔观察到的数据 常见的三种模式： 常数序列（需求水平随着时间推移基本不变） 趋势（需求具有持续升高或降低的特点） 季节性（需求具有周期性特点） 实际需求与潜在模式之间总存在一定误差（随机干扰因素） 实际需求=潜在模式+随机干扰误差=实际需求-预测 衡量误差：误差绝对值 案例7-1 平均绝对误差为26/6 第七章 需求预测 7.4.1 线性回归 1、假设一个因变量与一个自变量之间具有线性关系 2、通过数据找到最适合的那条线的等式 因变量=a+b*自变量 Y=a+bx 上式中，x为自变量之值；y为因变量之值；a为截距，与y轴的交点；b为斜率 案例 7-2 题目： 已知电脑生意正在逐步扩大，过去10个月的需求如下： 问题： 如果科特使用线性回归来预测接下来3个月的需求，会得到什么样的结果？ Y=a+bx n=10，∑x=45， ∑y=155， ∑xy=942 而∑x2 =285 b=(10*942-45*155)/(10*285-45*45)=2.96 a=155/10-2.96*45/10=2.18 10月：需求量=2.18+2.96*10=31.78 11月：需求量=2.18+2.96*11=34.74 12月：需求量=2.18+2.96*12=37.7 案例 7-2 题解： 自变量x是月份而因变量y是需求数量。夏天显示excel电子表格是如何进行计算的。 7.5 射影预测 简单平均法 移动平均法 指数平滑法 7.5 射影预测 7.5.1 简单平均法 找出这种产品过去的平均需求量 【案例7-4】 使用简单平均法来预测以下两个时间序列中的第6时间段的需求量。得到的预测值准确度如何？第27个时间段的预测值为多少？ 题解： 对于第一个序列，平均需求量为 （49+50+49+52+50）/5=250/5=50个单位 （1）当需求模式改变是，预测结果不能够及时反映实际变化。 （52*50+100）/53=50.94单位 （2） 假如接下来几周的实际需求维持在每周100单位的水平，相应的预测需求量会是：51.85、52.73、53.57、54.39、55.17 （3）预测的需求量在增加，但是反应非常滞后 7.5.2移动平均法 只使用最新的数据来进行预测，我们可以使用过去12个月份的需求数据来进行预测而忽略此前的任何数据。最基本的移动平均法。 【案例7-5】某种商品过去6个月的需求情况为： 这种商品的市场需求不稳定，任何超过3个月以上的数据都是不可靠的，使用移动平均法来预测给商品的需求。 题解： 只有最近3个月以内的数据才有利用价值，所以我们可以使用3个月的移动平均法来进行预测。我们假设现在是第3个月的月