第1天上课之+需求预测.pptVIP

需求预测Demand Forecast 潘尔顺 副教授 上海交通大学 工业工程与管理系 主要内容 需求预测概论 主要的预测技术 定性预测技术 时间序列分析 因果预测 聚焦预测 预测的误差分析 预测方法的选择 预测的重要性 预测的定义 预测在生产计划过程中的角色 图3-1 预测的分类 需求预测的种类 需求预测的分类 预测的一般步骤 预测数据分类 需求类型及构成 需求的构成 典型的趋势需求 典型的趋势需求 典型的趋势需求 典型的趋势需求 影响独立需求的措施 预测中的定性方法 预测中的定性方法 预测中的定性方法 预测中的定性方法 定量分析方法 简单移动平均 简单移动平均 简单移动平均 加权移动平均 加权移动平均 加权移动平均 线性回归分析法 线性回归分析法—手拟趋势线 线性回归分析法—手拟趋势线 线性回归分析法 线性回归分析法 线性回归分析法 指数平滑法 指数平滑法 指数平滑法 指数平滑法 指数平滑法 指数平滑法 指数平滑法 二次指数平滑 二次指数平滑 二次指数平滑 二次指数平滑 二次指数平滑 预测误差——来源和分类 预测误差——误差测量 预测误差——误差测量 预测误差——误差测量 预测误差——误差测量 预测误差——误差测量 预测误差——误差测量 时间序列分解法 时间序列分解法 时间序列分解法 时间序列分解法 时间序列分解法 时间序列分解法 时间序列分解法 因果预测 因果预测 因果预测 聚焦预测 聚焦预测 聚焦预测 聚焦预测 预测方法的选择 Winter’s三因素模式 Winter’s三因素模式 练习一 练习二 练习二 方程： y = 7000 + 350x 设1998年新建房为25，则 y = 7000 + 350 × 25 = 15750码 B.Smith 1984年首次提出根据某些规则进行简单试算，这些规则较符合逻辑并且将其历史数据外推至未来的过程。并且将其历史数据外推至未来的过程易于理解。在计算机模拟程序中分别应用所有这些规则进行实际外推需求计算，然后通过将结果与实际需求对比，衡量出运用这些规则来预测的效 果如何。 聚焦预测的两要素 （1）有一些简单的预测规则 （2）利用历史数据来对预测进行计算机模拟 聚焦预测常用规则 （1）过去三个月内的销量为未来三个月内的可能销量 （2）去年某三个月内的销量为今年同期的可能销量 （3）未来三个月内的销量可能比过去三个月增加10% （4）未来三个月内的销量可能比去年同期增加50% （5）今年某前三个月销量的变化率（与去年同期相比）等于其后三个月的销量的变化率。 上述规则并非固定不变，如果又出现适用的新规则，则将它补充进去。如果某一规则不再适用，则将它剔除。 例　平底烤锅的单位需求　下表所示为一种平底烤锅在某　１８个月内的单位需求情况，试推测7月，8月和9月的需求量，并将结果与稍后给出的实际需求相对比。 月份　　去年　　今年　　　月份　　去年　　今年 １ ２ ３ ４ ５ ６ 6 212 378 129 163 96 72 90 108 134 92 137 7 8 9 10 11 12 167 159 201 153 76 30 y = a+bx a = 400 b = (4950-750)/(12-1) = 382 y = 400+382x 解：首先建立坐标系统，取横坐标为季度，众坐标为销售额，则将过去12个季度的销售额对应的数据点在坐标系统中画出，相应散点图，如图所示，这就是回归直线，下一步是确定截距a和斜率b。 基本思想是试图使各数据点与回归直线上的相应点间的垂直距离平方和最小手拟趋势线是根据图中确定截距a和斜率b，而最小二乘法求解的公式为： 得： 令： 根据最小二乘回归的思想，可以计算出上例中a和b的值， 最终得b=359.6，a=441.6，这表明x每变化1单位，y改变359.6单位。严格按上述方程计算，可以可以推广到后一年的四个季度，下面的结果分别对应第1，2，3，4季度： 前两种预测方法（简单移动平均和加权移动平均）中，一个主要的问题是必须有大量连续的历史数据。随着模型中新数据的增添及过期数据的剔除，新的预测结果就可以预测出来。有的情况下，最近期的情况远比较早期的更能预测未来。假设越远当期其重要性就越低，如果这一前提正确，则指数平滑法就是逻辑性最强且最为简单的方法。 第t期和第t-1期的指数平滑预测值； 第t-1期的实际需求； 平滑常数。 单一指数平滑的公式为： 之所以称之为指数平滑是因为每靠前一期其权重就降低 1- ? 。例如，设?=0.05，则各个时期的权重如下所示 最近期的权重= ??（1- ? ）0 0.0500 最近期的权重= ??（