mba_charpt2资料.pptVIP

第二章 需求预测 一、预测的概念 二、预测方法 三、预测的监控 预测的概念 预测是对未来可能发生的事情的估计与推测。 一般有经济预测、技术预测、需求预测。 本课程主要讨论需求预测。 预测的概念 需求预测的意义 预测是为下一步计划做准备 预测是制定营销、生产 和库存、采购、人力资源等计划的基础。 预测对生产运作产生影响，所以，它是生产运作管理的一个组成部分。 预测的概念 预测的主要步骤 确定预测目标； 确定影响产品需求的因素及其重要性； 收集资料； 选择预测方法与模型； 计算、预测； 对预测结果进行综合分析，得出结论； 将预测结果应用于生产计划工作中； 根据实际情况，对预测结果进行监控。 预测的概念 预测的稳定性与响应性 稳定性：反应稳定需求的能力 响应性：反映需求变化的能力 预测方法 预测方法 需要说明的是，为使预测更符合实际，经验、判断和数学模型都起一定的作用，但没有哪一种方法一直都能奏效。 预测方法 1、定量预测方法 用数学模型表示需求与各种变量之间的关系。 前提：变量与需求的关系今后仍然保持不变。 常用的有： 时间序列：用过去的需求和时间的关系来预测未来的需求。 因果模型：用过去的资料揭示变量和需求的关系，进而预测未来的需求。 预测方法 2、时间序列模型 时间序列（Time Series）：按一定的时间间隔和事件发生的先后顺序将所收集的数据排列起来所得到的序列。 预测方法 预测方法 时间序列的构成： 趋势成分： 随时间的推移而表现出的一种倾向（上升、下降、平稳）。 季节成分： 特定周期时间里有规则的波动。如： 每天有二次交通高峰； 每周周末，影院的客流量较大； 某些产品的季节性需求变化等。 周期成分： 较长时间里（一般为数十年）有规则的波动。 随机成分： 没有规则的上下波动。 预测方法 预测方法 时间序列模型： 时间序列平滑模型：通过多个数据的平均来消除和减少随机成分(干扰)。常用的有简单移动平均、加权移动平均、一次指数平滑。 时间序列分解模型： 预测方法 1）简单移动平均(Simple Moving Average) SMAt+1= (Xt + Xt-1 +…+ Xt-N+1 )/N 预测值=(前N次实测值的平均值) 预测方法 预测方法 结果：N越大、预测值越平滑，对干扰的灵敏性越低，预测值的响应性也就越小。 预测方法 2）加权移动平均(Weighted Moving Average) WMAt+1= (?t Xt + ? t-1 Xt-1…+ ? t-N+1 Xt-N+1 )/N 预测值=(前N次实测值的加权平均值) ?t、? t-1、 ?、 ? t-N+1称为加权因子，且 （?t +? t-1 + ? + ? t-N+1）/ N = 1 预测方法 预测方法 结果：预测值的响应性较好，其结果与?和N的取值有关。 预测方法 3）一次指数平滑(Single Exponential Smoothing) SAt = SAt-1 + ? (Xt-1 - SAt-1) 或者， SAt = ? Xt-1 + (1-?) SAt-1 预测值=?(上次实测值)+(1-?)上次预测值 ?称为平滑常数，（0 ? ? ? 1） 预测方法 预测方法 预测方法 结果：一次指数平滑预测值依赖于平滑常数?的选择，一般来言，?越大，预测值的响应性越大，?选得小些，则稳定性较大。 预测方法 4）时间序列分解模型(Time Series Decomposition) 对各成分进行单独预测，再按一定的组合规则综合处理，得出最终的预测结果。 乘法模型 TF= TSCI 加法模型 TF= T+S+C+I 预测方法 主要讨论线性季节模型 线性变化趋势与季节性变化趋势共同作用的结果。 预测值=趋势预测值ⅹ季节系数 预测方法 原始数据： 预测方法 ?求趋势直线方程： y = a + b t y为趋势预测值，t为季节序号，a、b为常数。 可用作图法或最小二乘法求出a、b。 预测方法 y = 10000 + 167 t 预测方法 ?计算季节系数： 各周期内相应实际值与趋势值的比值的平均值。 预测方法 ?计算预测值： 预测值=趋势预测值ⅹ季节系数 未来一年的夏秋冬春各季对应的t值分别为13,14,15,16, 预测销售量分别为: 夏季:(10,000+167×13)×1.15=13,997 (份) 秋季:(10,000+167×14)×1.00=12,338 (份) 冬季:(10,000+167×15)×0.85=10,629 (份) 春季:(10,000+167×16)×1.00=12,672 (份) 预测监控 1、预测精度的测量 预测误差：预测值与实际值之间的差异。 E = (