生产管理_Charpt_02_需求预测与决策.pptVIP

生产与运作管理 需求预测和决策 预测的重要性 需求的构成 典型的趋势需求 预测中的定性方法 预测方法的选择 Herbig曾经做过问卷调查：1000万到5亿美元的企业 运作战略的重点 竞争重点的改变 生产管理决策分析 生产管理决策分析 ——时期 ——某期实际需求 ——某期预测需求 ——时期总数 预测误差——误差测量 用来描述误差程度的常用术语有标准差、均方差（或方差）和平均绝对偏差 平均绝对偏差（MAD）简单明了并且可以获得跟踪信号，故再度受宠。MAD是预测误差的平均值，用绝对值表示。与标准偏差一样，MAD的优点还在于它度量了观测值与期望值的离差。 在不考虑符号的情况下，MAD由实际需求和预测需求间的差异计算而得。它等于用绝对偏差总和除以数据点个数，以等式形式给出为： 其中— RSFE表示考虑误差性质后的预测误差总和； MAD表示全部预测误差的平均值，它是绝对偏差的平均值 假如预测呈正态分布，则平均绝对偏差与标准偏差的关系为： 反之有： 跟踪信号是表示预测均值与实际需求的变化方向是否一致的一种测量手段。实际应用中，它等于预测值超出或低于实际值的平均绝对偏差的数量： 预测误差——误差测量 根据预测值和实际数据计算出的平均绝对偏差（MAD），累计预测误差（RSFE）以及跟踪信号（TS） 月份 需求预测值 实际需求 偏差 RSFE 绝对偏差 累计绝对偏差 MAD TS 1 2 3 4 5 6 1000 1000 1000 1000 1000 1000 950 1070 1100 960 1090 1050 -50 +70 +100 -40 +90 +50 -50 +20 +120 +80 +170 +220 50 70 100 40 90 50 50 120 220 260 350 400 50 60 73.3 65 70 66.7 -1 0.33 1.64 1.2 2.4 3.3 预测误差——误差测量 4 3 2 1 0 -1 -2 -3 跟踪信号 月份 跟踪信号散点图 实际需求超出预测值 实际需求小于预测值 1 2 3 4 5 6 预测误差——误差测量 在MAD为0～4的控制限内所包括的点的百分数控制图 　MAD范围 相应的标准偏差值 落在控制限内的点的百分数 ±１ ±2 ±3 ±4 0.798 1.596 2.394 3.192 57.048 88.946 98.334 99.856 预测误差——误差测量 定义：两个或两个以上相关变量之间的函数关系。线性关系是指变量呈严格直线关系的一种特殊回归形式。 优点：对主要事件或综合计划的长期预测很有用 局限性：假设历史数据和未来预测值都在一条直线上。 用处：时间序列预测和因果预测中都用线性回归。 例子：手拟回归直线、最小二乘分析和模型分解。 （4）线性回归分析法 例： 某公司某产品过去3年12季度的销售量如下表所示， 该企业希望预测第4季度的销售情况： 线性回归分析法——手拟趋势线 季度 销售量 季度 销售量 1 600 2 1550 3 1550 4 1500 5 2400 6 3100 7 2600 8 2900 9 3800 10 4500 11 4000 12 4900 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。 线性回归分析法——手拟趋势线 设 为实测值，y 为公式值，则 为误差，令 根据最小二乘法，则： 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： 线性回归分析法——最小二乘法 最小二乘法 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： 最小二