需求预测美国生产和库存管理协会(ppt 44页).pptVIP

经济循环 1-18 金字塔形的预测方法 产品的量 （单位） 产品族的量 （单位/金额） 总业务量 （金额） Roll up Actual Demand Force down Forecasts 1-19 定性的 定量的 预测技术—金字塔形预测的例子 X2 units－4,845 price－$10.00 －units－13,045 产品组平均 price－$16.67 －units－15,000 ROLL-UP X1 X2 产品层预测 X1units－8,200 price－$20.61 产品族层预测 产品组-调整的预测 FORCE-DOWN 1-20 金字塔形预测中销售收入的应用 A B C D E F X1 X2 Totals units price units price Qty Revenue 1 8,200 $20.61 4,845 $10.00 13,045 $217,452 2 1.15 3 9,430 $20.61 5,572 $10.00 15,002 $250,000 4 $250.070 1-21 练习 历史需求 产品 A 产品 B 区域 1 150 区域 1 300 区域 2 300 区域 2 450 单价 $4.50 单价 $8.50 管理层已经决定，下一年的总需求将达到$10,000. 计算产品A和B分别在区域1和2的预计需求量。 1-22 定量技术 移动平均； 指数平滑； 回归分析； 适应性平滑； 图示法； 计量经济模型； 生命周期模型。 1-23 移动平均预测方法 优点 简单的计算方法 可以过滤随即变异 时间越长，需求越平滑 限制 如果存在需求趋势, 很难察觉； 移动平均相对趋势是滞后的 1-24 预测（新） = a x 实际需求 + (1- a) x 预测（老） 预测（新） =预测（老） + a X (实际需求 –预测（老） ） 指数平滑 提供了更新产品预测的常规方法； 对需求要素来说，a是一个权重因数； 适合相当稳定需求产品的预测； 适合短期预测； 滞后需求趋势，不能察觉趋势。 1-25 1-26 平滑因数 参照a因数的定义 决定了历史数据在预测中的权重； 调整预测对需求变化的反应度 范围 1-27 平滑因数(Cont.) 确定了预测过程中需要考虑的实际需求的期数（n）； 1.00 = 1 period 0.50 = 3 periods 0.29 = 6 periods 0.15 = 12 periods 0.10 = 19 periods 0.1 低权重 –非常平滑 0.9 高权重 – 接近实际 指数平滑因数a不同，预测需求的趋势变化 实际销售 1-28 1-29 指数平滑（例子） 预测（新）= 预测（老）+ 移动因数（a）  x (实际销售 –预测（老）） 例子 :预测（老） = 160, 实际= 200, a = 0.1 预测（新） = 160 + (0.1 x (200 – 160)) = 160 + (0.1 x 40) = 164 例子 :预测（老） = 160, 实际 = 200, a = 0.8 预测（新） = 160 + (0.8 x (200 – 160)) = 160 + (0.8 x 40) = 192 定性技术 专家意见 市场调研 聚焦团体 历史推理 Delphi 方法 座谈会 1-30 需求预测 Session1 ForecastingDemand 课程目的 解释为什么预测是重要的（重要性）； 通用的预测方法； 识别需求的特征； 介绍对预测数据需要考虑的事项； 概要地介绍了数据分解流程。 1-1 什么是预测? “预测是对未来需求的估计。预测可以是应用数学方法对历史数据进行的客观分析，也可以是对非正式信息的主观判断，同时，预测也可以是两种方法和技术的结合。” 1-2 为什么需要预测? 计划未来，减少不确定性； 预见和管理变化（革）； 提升计划部门的沟通和整合； 预见库存和能力需求，管理前置期； 将运作成本计划在预算编制过程中； 通过降低成本，提升客户交货水平和反应速度，从而增加竞争力和生产力。 1-3 预测涉及的领域? 投资决策； 资产设备决策； 库存规划； 能力规划； 运作预算； 前置期管理。 1-4 预测系统设计问题 决定哪些信息是需要预测的； 为预测赋予责任； 设置预测系统参数； 选择预测模型和技术； 数据收集； 测试模型；