需求预测课件.ppt

预测精度(Forecast accuracy)的测量 预测精度的评价指标 平均绝对偏差(Mean absolute deviation, MAD) 平均绝对百分误差(Mean absolute percentage error, MAPE) 平均预测误差(Mean forecast error, MFE) 平均平方误差(Mean square error, MSE) 平均绝对偏差(Mean absolute deviation, MAD) 平均绝对偏差就是整个预测期内每一次预测值与实际值的绝对偏差（不考虑正负）的平均值，用公式表示： n t=1 n ｜At－Ft｜ MAD= 平均平方误差(Mean square error, MSE) 平均平方误差就是对误差的平方和取平均值。 用公式表示： n t=1 n (At－Ft)2 MSE= 平均预测误差(Mean forecast error, MFE) 平均预测误差是指预测误差的和的平均值。 用公式表示： n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= n n t=1 (At－Ft) MFE= 平均绝对百分误差 (Mean absolute percentage error, MAPE) 用公式表示： MAPE= At n t=1 At－Ft (100/n) ∑ MAD，MFE，MSE，MAPE是几种常用的衡量误差的 指标，但任何一种指标都很难全面的评价一个预测模 型，在实际应用中常常将他们结合起来使用。 预 测 监 控 Monitoring and controlling forecasts 需求模式是不断变化的，然而过去起作用的预测模型 现在是否仍然有效呢？ 这就需要通过预测监控。 这里介绍一种应用跟踪信号(Tracking signal)的方法。 所谓跟踪信号，是指预测误差滚动和与平均绝对 偏差的比值，即 ＴＳ＝ＲＳＦＥ／ＭＡＤ＝ n t=1 （Ａｔ－Ｆｔ）／ＭＡＤ 式中各符号意义同前。 每当实际需求发生时，就应该计算ＴＳ。如果预测模型 仍然有效，ＴＳ应该比较接近于零。反过来，只有当ＴＳ 在一定范围内时，才认为预测模型可以继续使用。 否则，就应该重新选择预测模型。 下限 上限 时间 o 出界 第五节 预测方法的选择 上面我们介绍了这么多种预测方法，但是，没有哪一种预测方法可适合于各种情况。当要就某一给定情况进行预测时，决策人员必须考虑一些因素。 其中的两个重要因素是——成本和精度。 预测方法 需要的历史数据 数据分布 预测周期 准备时间 预测人员个人背景 简单指数平滑法 5~10个观察值 数据应该是稳定的 短期 短 不要求精通 调整长期趋势后的指数平滑法 每季度至少5个观察值 呈现长期趋势变动 短期到中期 短 对预测方法有所掌握 长期趋势法 10~20个；对季节变动，每季度至少5个 呈现长期趋势变动 短期到中期 短 对预测方法有所掌握 季节变动法 两对谷峰足够 处理循环和季节变动分布 短期到中期 短到中等 不要求精通 因果回归分析法 每个自变量10个观察值 能够处理复杂分布 短期、中期或长期 建模时间长，实施时间短 非常精通 选择预测方法的指南 本章小结 需求是经济运行的基点。如果需求预测错误，就有投资的风险。 市场需求每天都在变化，即便日常生产活动中也要切实地把握最终需求的变动。因此，不同企业之间合作进行需求预测与制定生产计划的CPFR（collaborative planning forecasting and replenishment）战略十分重要。 预测方法很重要，但收集和观测收集到的需求数据更不能忽视。 2大数据时代的制造业9分钟 习题P65 3. 解： （1）求趋势直线方程 （2）估算季节系数 （3）作出预测 季度序号 销售量 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tt = 1.5 + 0.5 t At/Tt, A1/T1 = 3.05/2 = 1.525,…… SI(春) = ?/4, …… 春季（1.5+0.5x17）SI(春) =……, …… 作图目测法：截距a=1.5 斜率b=(9-1.5)/16=0.5 …… 季度 季度序号t 销售量At 4个季度销售总量 4个季度移动平均 季度中点 春 1 3.05 夏 2 1.45 秋 3 1.96 冬 4 4.54 11.00 2.7