Chp11_库存与生产计划管理.pptxVIP

第11章 库存与生产计划管理第一节 库存管理一、需求预测库存计划要根据市场需求来制定。理论上，若需求完全稳定，如每月始终需要300件，则需求预测很简单，而且预测的结果与实际发生的需求之间没有差别。但由于实际需求并不是稳定的，因此预测的需求一般与最终实际发生的需求有所误差，在进行需求预测时，需要考虑这些误差因素的影响。（一）需求变化的影响因素影响需求的因素有四大类：趋势因素、季节性因素、周期性因素和随机因素。（1）趋势因素：需求总体上越来多或越来越少。（2）季节性因素季节造成波动：夏季空调需求增加，冬季则相反；季节性因素的影响周期固定且影响量基本固定。（3）周期因素和季节性因素比较类似，其区别在于周期因素出现的时间间隔可能会变化，而其波动量也可能会变化，如经济周期的影响，其周期和影响量并不固定。（4）随机因素除了前三类因素之外，所存在的无法辨识的波动统统归于随机因素。（二）主观预测法预测方法可分为主观预测和客观预测两大类。主观预测根据人的主观判断给出需求信息，预测者可以是单独的某人，也可以是参与预测的专家团队，方法包括：销售人员预测法：销售人员根据经验确定需求值。领导层集体预测法：以前没有任何销售记录，需要更有经验的高层团队预测需求，如新品牌电子产品。客户调查方法：使用问卷等对市场进行调查。德尔菲方法：以一定的程序进行预测的一种方法。（三）客观预测客观预测是根据历史上的实际需求数据建立预测模型而给出预测结果；如只考虑需求变化与时间的关系，则称为“时间序列预测”，若还考虑其他因素，则称为“因果预测”。1、时间序列预测（1）移动平均法对于变化比较平稳的需求，可使用最近几个时期的历史需求的平均值作为下一个时期的需求。例：已知1至3季度的需求分别为：80、86、82，那么简单移动平均法预测第4季度需求为：一般地，假设使用最近 n 期的历史需求预测第 t 期的需求，可用公式表示为：虽然移动平均法看起来很“幼稚”，但对于稳定消费品的需求上预测效果很好，如食用油、盐、粮食这类生活必需品。如果历史上某些时期对未来的影响更大，那么可以对不同历史时期赋予不同的权值，形成所谓“加权移动平均”方法：其中 为加权系数，且满足条件：例，假设第1、3季度和第4季度的需求特点更接近，因而赋予前3个季度对第4季度影响的重要性系数依次为1.2、0.6、1.2，那么第4季度预测值为：（2）指数平滑法如果存在趋势因素，但波动还比较稳定，则可以使用指数平滑法，其基本公式为：平滑系数一般取为0.1~0.2之间。例，某产品本月预测需求为100件，而本月实际需求为110件，那么本期预测误差为：110-100=10。假设我们认为这10件预测误差的20%归因于趋势变动所致，那么平滑系数为0.2，所以下期预测值为：100+0.2×10 =102。若实际需求为90件，则预测误差为：90-100 =-10，所以下月需求： 100+0.2×(-10) =98件。例，已知1到3季度的实际需求为200, 250, 175，平滑系数为 0.1，预测第4期需求。指数平滑法第一期的预测值可取为实际需求期间预测值实际需求误差1200 = 200200200-200=02200 = 200 + 0.1×0250250-200=503205 = 200 + 0.1×50)175175-205=-304202 = 205 + 0.1×(-30)-如果第4期实际发生的需求已知，则可进一步预测第5期需求：期间预测值实际需求误差1200 = 200200200-200=02200 = 200 + 0.1×0250250-200=503205 = 200 + 0.1×50)175175-205=-304202 = 205 + 0.1×(-30)232232-202=305205 = 202 + 0.1×30-若知第5、6、7期实际值，则第5~9期预测值为期间预测值实际需求误差5205 = 202 + 0.1205=206207 = 205 + 0.1207=787215 = 207 + 0.1215=908224 = 215 + 0.1224=-349220 = 224 + 0.1×(-34)-（3）其他方法如果时间序列数据中，既有趋势因素、又有季节因素或者周期因素，则可以进一步考虑Holt方法、Winter方法、Box-Jenkins模型（也称为ARIMA模型）等。2、“因果”预测模型“因果”预测模型，不光使用时间序列关系，还考虑其他因素和预测量的关系，因此自变量可能是多元的。使用的预测模型以回归分析为代表。“因果”模型里面的因变量不一定就是导致需求变化的真实“原因”，只反映了一种统计意义上的关联关系。比如预测汽车销售量，可能考