生产运作管理1（三）.pptVIP

学习目标 沃尔玛 以最低廉的价格从正确的货架上取出正确的货物 数据库：销售情况、库存状况、在途货物、市场统计数据、顾客统计数据、财务业绩、退货商品以及供应商绩效等 数据库与供应商共享 趋势分析、库存管理、增进对顾客的了解 需求预测 预测的意义 预测的分类 按时间跨度 短期预测 中期预测 长期预测 按基本方法 定性预测：基层预测、市场调研、小组共识、历史类比、德尔菲法 时间序列分析：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯·詹金斯（Box Jenkins）法 、希斯金（Shiskin）时间序列 、趋势外推 因果联系：回归分析、计量经济模型、投入/产出模型、先行指标 模拟模型：以计算机为基础的动态模拟模型 预测步骤 明确预测目的 确定时间跨度 选择预测方法 收集并分析相关数据 进行预测 对预测过程进行监控 将预测结果付诸实际应用 预测方法的选择 影响预测方法选择的因素 成本 精度 历史数据的可获得性 计算机的可获得性 必要的准备时间 有无使用经验 预测目的 …… 选择预测方法的原则 审慎地对成本－精度做出权衡，从管理角度选择最合适的预测方法 如果可能，使用多种预测方法来得到相互独立的预测结果，以增加预测结果的可信度 预测方法的选择—continued 时间序列预测方法 时间序列 为按时间顺序排列的数列，它包含一个或多个需求的影响因素：趋势、季节性、周期性、自相关性和随机性 相加式季节变动 假设：无论趋势效应或平均值如何变化，季节变动量恒为常数 包括趋势性和季节性的预测=趋势?季节变动量 时间序列法—continued 相乘式季节变动 包括趋势性和季节性的预测=趋势×季节因子 季节因子 时间序列中随各季节变化所作的调整系数 算例1 某企业平均每年售出1000件产品 春季售出200件，夏季350件，秋季300件，冬季150件 预计明年的总需求为1100件，季节因子等于各季度销售量除以季度平均销售量所得的比值 分析明年各季的需求 时间序列法—continued 时间序列法—continued 时间序列法—continued 时间序列法—continued 时间序列法—continued 2000年趋势性预测和季节因子的预测（FITSt）FITSt ? 趋势 × 季节因子 Ⅰ—2000 FITS9 ? [170 ? 55（9）]1.25 ? 831 Ⅱ—2000 FITS10 ? [170 ? 55（10）]0.78 ? 562 Ⅲ—2000 FITS11 ? [170 ? 55（11）]0.69 ? 535 Ⅳ—2000 FITS12 ? [170 ? 55（12）]1.25 ? 1 038 时间序列法—continued 根据实际数据和趋势曲线计算的季节因子 单位：件 时间序列法—continued 最小二乘回归分解 找出时间序列的基本分量如趋势、季节性和周期性，并分别计算各季度及各周期的指数 步骤 分解时间序列为各组成分量 找出季节分量 消除需求的季节性 找出趋势分量。 预测各分量的未来值 将趋势分量外推至未来 用季节分量乘以趋势分量 时间序列法—continued 时间序列法—continued 时间序列法—continued 时间序列法—continued 时间序列法—continued 线性回归分析 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 线性回归分析—continued 因果关系预测 因果关系预测 因果关系预测 因果关系预测 因果关系预测 小结 This slide illustrates a typical demand curve. You might ask students why it is important to know more than simply the actual demand over time. Why, for example, would one wish to be able to break out a “seasonality” factor? 计算结果 直线对数据的拟合程度即估测标准差为 ： 估测标准差 ： =363.9 因果关系 一事件的发生导致了另一事件的发生 如果动因事件事先就可以确定地预见，则可用它作为预测的依据 找出那些真正可以成为原因的事件 算例 地毯销售记录 13 000 20 1997 17 000 30 1996