需求预测方法及原理DemandForecasting.pptVIP

;本章主要内容;转化资源： 设施 技术 员工;需求预测的重要性;生产/运作管理的计划与控制系统 生产/运作管理的主要工作之一，就是要把来自市场（用户）的需求，转换成企业组织制造资源的最优（最起码应是满意）的生产计划。 因此，市场的需求是最优利用企业制造资源的前提之一，是企业任何运作的“驱动源”。 为此，我们可先了解生产计划与控制系统的构成情况，看其与需求管理的关系。;生产运作管理的计划与控制系统构成;3.1.1 预测及其作用 3.1.2 预测分类 3.1.3 预测的步骤 3.1.4 预测中应注意的几个问题 ;3.1.1 预测及其作用;预测的基本假设：过去的发展状态要持续到将来 对总量的预测要比对个体的预测精确 如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确 预测精度随预测的时间范围增加而降低;预测与计划的区别; 3.1.1 预测及其作用(续）;3.1.2 预测分类;3.1.2 预测分类（续）;;3.1.2 预测分类（续）;3.1.2 预测分类（续）;预测方法;3.1.3 预测的步骤;3.1.4 预测中应注意的几个问题;3.2 定性预测方法;1、德尔菲法（Delphi）;Delphi 法;德尔菲预测示意图;这种反复征询意见的轮数，在我国一般是三轮到四轮，外国一般用四轮至五轮。每一轮都把上轮的回答用统计方法进行综合整理。计算出所有回答的平均数和离差，在下一轮中告诉各个专家。平均数一般用中位数，离差一般用全距或四分位数间距。 上四分位数的项数 　 下四分位数的项数 该方法是避免“群体压力”现象的特点。也是定性/专家评价的好方法。 ;2、业务主管人员评判预测法;实例分析;3、销售人员意见综合法;实例分析;3.3 定量预测方法;3.3 定量预测方法（续）; ;3.3 定量预测方法（续）;简单平均法;1、算术平均;2、加权平均;表;近期数据的权重越大，则预测的稳定性就越差，响应性就越好；近期数据数据的权重越小，则预测的稳定性就越好，响应性就越差； 权重和n的选择具有经验性。;3、几何平均; ②计算平均发展速度（即几何平均值）;移动平均法;1、一次移动平均法;3、适用范围：短期水平型数据模式。;5、n的选择;表;计算移动平均预测值:;描点绘图，可以比较当n=3,n=6时对预测??果的影响?;对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即n的大小。 n的大小的选择与预测者要求的适应性有关。如果管理者追求稳定性 n的值应该选择大一些，如果管理着的目标是体现响应性，则应选择小一点的n。; 2、二次移动平均法;3、预测步骤 ;;（1）计算 ;指数平滑法;一、一次指数平滑法;;2、预测值包含所有历史数据（信息量大） ;S= ;（三）加权系数 和初始值 的确定 ;加权因子 的确定;初始值 的确定;应用举例;步骤：① 选择初始值和加权系数;二、二次指数平滑法;（三）预测步骤: ;应用实例;以二次移动平均法实例数据，运用二次指数平滑法进行预测。;③计算平滑系数 ;三、一次指数平滑法(Single exponential smoothing);月销售额一次指数平滑预测表 单位：千元;与上面的问题的类似，预测的关键是选择?的大小。 如管理者追求稳定性，?的值应该选择小一些; 如果管理者的目标是体现响应性，则应选择大一点的?;四、二次指数平滑法;应用实例;以二次移动平均法实例数据，运用二次指数平滑法进行预测。;③计算平滑系数 ;四、时间分解预测模型--解决季节性预测问题(Seasonal variations) 常用季节性预测模型 加法模型(Additive Model) TF=T+S+C+I 乘法模型(Multiplicative model) ?TF=T.S.C.I 用得最多的是基于乘法模型的预测方法;时间序列分解模型计算示例： ? 有一个公司记录了1997和1998两年的销售数据，见下表。请根据这些数据预测1999年的销售情况。 ;Step 1: 求出趋势值的直线方程。 ;Step 2: 计算季节因子 ;五、一元线性回归模型;b ;需求预测方法和原理DemandForecasting;y = 143.5 + 6.3t ;3.4 预测精度与监控;3.4.1 预测误差;预测误差的度量(Measurement of forecast error) 预测误差是指预测值与实际值之间的偏差。其计算方法是：;MAD和MSE用于度量预测误差的大小 MFE用于度量预测的无偏性;检验预测模型是否有效： 将最近的实际值与偏差进行比较，看偏差是否在可以接受的范围之内； 采用跟踪信号法(Tracking signal);可接受误差范围;例：