张群生产与运作管理第三版chp2需求预测与管理.ppt

1. 三个销售人员估计值 销售员 甲 销售额 概率 销售额×概率 最高 1000 0.3 300 最可能 700 0.5 350 最低 400 0.2 80 期望 730 销售员 乙 销售额 概率 销售额×概率 最高 1200 0.2 240 最可能 900 0.6 540 最低 600 0.2 120 期望 900 销售员 丙 销售额 概率 销售额×概率 最高 900 0.2 180 最可能 600 0.5 300 最低 300 0.3 90 期望 570 2. 销售人员估计值处理 假设 三个销售人员预测的权重相同，取三者的平均值作为预测值（算 术平均值），即： 销售人员预测值 =(730+900+570)/3=2200/3=733.3( 单位 ) 3. 两位销售经理的预测及处理 （ 1 ）估计值：经理甲： 1000 ； 经理乙： 800 （ 2 ） 假设 估计结果的权重相同。取平均值，得到 经理预测值 = （ 1000+800 ） /2=900 （单位） 4. 将经理预测值与销售人员预测值作加权平均，结果作为最终预测结果 （因经理是部门负责人，经验更丰富，意见的权威性大些，其预测值 的比重可大一些， 假设 采取 2:1 加权），得到 明年销售预测值 ＝（ 1 × 733.3+900 × 2 ） /3=844.4 （单位） 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。 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。 ? 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。 趋势成分 季节成分 周期成分 随机成分 Trend ， 长期变化 趋势，如人口结构 , 顾 客喜好 , 技术 Season ， 1 年内规则 性的重复波动，起因是 季节变化或风俗习惯 Cycle , 经济成长过程 中景气和不景气交替 重复发生。诱因有政 治，经济的变动 , 战争 Irregularity, 短期的 , 不可预测的 因素 1. 简单移动平均法 时间序列，其一次移动平均数计算公式为 x t —— 第 t 时期的时间序列值 M t (1) —— 第 t 时期的时序数据的一次移动平均数 N —— 每一时段的时序数据数目 表 3-1 简单移动平均法预测 月份 实际销量 ( 百台 ) n=3( 百台 ) n=4( 百台 ) 1 2 3 4 5 6 7 8 9 10 11 12 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00 21.33 22.67 24.00 25.33 26.00 26.00 25.67 26.33 27.00 21.75 23.33 24.75 25.50 25.75 26.00 26.25 26.50 ? 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。 应用：长期趋势的预测。 优点：便于计算，易于理解。 缺点：移动平均时没有考虑不同时期对 近期预测的影响程度不同。 2. 加权移动平均数法：对各期时序数据给以不同 的权数。 一次加权移动平均数为 加权系数满足下式 为了强调最近数据的影响，突出其作用，取 ? 3 =1.5 、 ? 2 =1 、 ? 1 =0.5 ， 得到加权移动平均结果： t( 月 ) 实际销量 ( 百台 ) 三个月的加权移动平均预测值 ( 百台 ) 1 2 3 4 5 6 7 8 9 10 11 12 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00 (0.5 × 20+1 × 21+1.5 × 23)/3=21.83 23.17 24.33 25.83 26.17 25.67 25.67 26.83 27.17 例：一家百货商店发现，在为期 4 个月的期间，最 好的预测办法是使用上月销售量的 40%, 两月 前销售量的 30% ， 3 月前销售量的 20% ，以 及 4 个月前销售量的 10% 。如实际