生产与运作管理 3预测.pptVIP

第三章 需求预测 Forecasting 本章内容： 思考：企业为什么要进行需求预测？如何进行预测？ 本章内容： 一、预测 预测是对未来可能发生的情况的预计与推测。 “凡事预则立，不预则废”。预测为人们提供了即将发生的情况的信息，增加了成功的机会。 预测的基本假设：过去的发展状态要持续到将来　　 资料：气象预报与超级计算机 资料：气象预报与超级计算机 我国首台千万亿次超级计算机系统—“天河一号”近日由国防科学技术大学研制成功。天河一号24小时的工作量，如果用现在最先进的双核高性能个人PC机来操作，需要整整160年才能完成。 在“天河一号”机房的一台显示器前，记者看到了“天河一号”计算并预报的2009年8月9日袭击台湾的“莫拉克”台风的走势图。从这段动画中可以清晰地看到台风的中心、中心风力和走势，而这次预报被证实与后来的真实情况基本相同，准确率极高。 二、预测的步骤 三、预测中应注意的几个问题 判断在预测中的作用：选择预测方法、辨别信息、取舍预测结果 预测精度与成本 预测的时间范围和更新频率 稳定性与响应性－预测方法的两个基本要求 稳定性：抗拒随机干扰、反映稳定需求的能力。适用于受随机因素影响大的预测问题 响应性：迅速反映需求变化的能力，适用于受随机因素影响小的预测问题 三、需求预测 需求预测是企业对其产品需求水平在未来一段时间里的变化情况进行的预计与推测。 是企业计划和控制决策的主要依据。 需求预测与企业生产经营活动关系最紧密。　　 预测在生产中的地位 案例：汽车市场预测及汽车企业的产销规划 汽车企业的产销规划 思考：汽车产业的发展将带动哪些产业的发展？ 有资料表明，汽车业带动100多个相关产业的发展。 汽车产业链上游涉及钢铁、机 械、橡胶、石化、电子、纺织等行业； 下游涉及保险、金融、销售、维修、加油站、餐饮、旅馆等行业。 需求预测的方法 定性预测方法 主观判断、不需要数学公式 预测依据：各种主观意见 定量预测方法 利用统计资料和数学模型进行预测 主观判断仍然重要 本章内容： Delphi 法（专家调查法） 用户期望调查法 部门主管意见 销售人员意见汇集法 本章内容： 时间序列模型： 把预测指标，如销售量等指标的实际历史数据按时间顺序排列，应用数学方法进行分析，找出其中的变化趋势和规律性的一种定量预测方法。 时间序列平滑模型 时间序列分解模型 因果关系模型 利用变量之间的相关关系，通过一种变量的变化来预测另一种变量的未来变化。 思考：需求受到哪些因素的影响？ 趋势成分 - 数据长期变化趋势 季节成分 - 在一年内按通常的频率围绕趋势作上下有规则的波动 周期成分 – 在较长时间里围绕趋势作有规则波动（经济周期） 随机波动（Random variations）- 随机因素引起无规则的波动 主要预测模型 简单移动平均（Simple moving average，SMA） 加权移动平均（Weighted moving average，WMA） 指数平滑法（Exponential smoothing） 一、简单移动平均 计算移动平均预测值: 描点绘图，可以比较当n=3,n=6时对预测结果的影响? 对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即n的大小。 n的大小的选择与预测者要求的适应性有关。 如果管理者追求稳定性，n的值应该选择大一些，如果管理者的目标是体现响应性，则应选择小一点的n。 二、加权移动平均 近期数据的权重越大，则预测的稳定性就越差，响应性就越好；近期数据数据的权重越小，则预测的稳定性就越好，响应性就越差； 权重和n的选择具有经验性。 三、一次指数平滑法(Single exponential smoothing) 月销售额一次指数平滑预测表 单位：千元 与上面的问题的类似，预测的关键是选择?的大小。 如管理者追求稳定性，?的值应该选择小一些; 如果管理者的目标是体现响应性，则应选择大一点的? 四、时间分解预测模型--解决季节性预测问题(Seasonal variations) 常用季节性预测模型 加法模型(Additive Model) TF=T+S+C+I T——趋势成分 S——季节成分 C——周期成分 I——随机成分 乘法模型(Multiplicative model) ?TF=T.S.C.I 用得最多的是基于乘法模型的预测方法 时间序列分解模型计算示例： ? 有一个公司记录了2010和2011两年的需求数据，见下表。请根据这些数据预测2012年的需求情况。 Step 1: 利用回归分析求出趋势预测的直线方程 Step 2: 将每期需求/预测值，计算季节因子，并求平均值 Step3 用回归预测值乘以对应的季节指数得到修正预测值 20