生产运作管理6需求预测.pptx

第六章

需求预测;一、预测的基本概念

二、定性预测方法

三、定量预测方法;一、预测的基本概念;1.什么是预测?;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;2.预测的种类

(1)按预测时间的长短;(2)按主客观因素所起的作用分;预测中应注意的几个问题;二、定性预测方法;美国兰德公司于20世纪40年代发明并用于技术预测

Delphi是古希腊传说中的一座城市，因有阿波罗神殿而出名。传说众神每年都要到该城聚会，以占卜未来。

从40年代至70年代初，德尔菲法在各类预测中的应用比重由20.8%增加到24.2％。

方法的本质是利用专家的知识、经验、智慧等带有很大模糊性的无法量化的信息，通过通信的方式进行信息交换，逐步地取得一致的意见，达到预测的目的。;又称专家调查法（S1:挑选专家；S2:迭代函询调查；S3:最终预测意见）

简单直观

避免了专家会议的弊端（Group-think）

适用资料不全或不多的情况

专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后趋于一致的意见仍带有随大流的倾向

三原则：匿名性，反馈性，收敛性;Delphi法的适用范围;2.部门主管集体讨论法（JuryofExecutives）;3.市场调研法;4.销售人员意见汇集法（FieldSalesForce）;（一）时间序列分析

（二）因果关系模型

（三）预测监控;（一）时间序列分析：以时间为独立变量，利用过去需求随时间变化的关系来预测未来的需求。

包括：时间序列平滑模型，时间序列分解模型

（二）因果关系模型：利用变量（包括时间，如广告投入vs销量）之间的相互关系，通过一种变量的变化来预测另一种变量的未来变化。

上述模型共同隐含的假设（前提）：过去存在的变量之间的关系和相互作用机理，今后仍然存在并继续发挥作用。

（三）预测监控：通过预测监控来检验过去起作用的预测模型是否仍然有效。;时间序列的构成

时间序列平滑模型

移动平均法（MA、WMA）

指数平滑法（一次、二次）

时间序列分解模型;1.时间序列的构成;趋势???分：数据随着时间的变化表现出一种趋向(由于人口、技术等原因)。它按某种规则稳步地上升或下降，或停留在某一水平。;季节成分：在一年里按通常的频率围绕趋势作上下有规则的波动(由于天气、顾客等原因)。;周期成分：在较长的时间里（一年以上）围绕趋势作有规则的上下波动。这种波动常被称作经济周期。;随机成分：由很多不可控因素引起的、没有规则的波动。;时间序列曲线及其构成示例;2.时间序列平滑模型;单纯法（Na?veForecasts）

将前期实际得到的结果作为下一期的预测值

特点

使用简单，没有代价

不用数据分析

容易理解

预测精度不高;单纯法的应用

时间序列稳定的情况

F(t)=A(t-1)，A(t-1)为（t-1)期实际值，F(t)为t期的预测值

对季节性波动

F(t)=A(t-n)，n为波动周期

对有趋势变化情况

F(t)=A(t-1)+(A(t-1)–A(t-2));（1）简单移动平均法;（2）加权移动平均法;举例;A.简单移动平均法预测;SMA特点：;B.加权移动平均法预测;SMA与WMA预测值的比较;SMA与WMA预测值的再比较(滞后性);WMA特点：;（3）指数平滑法;A.一次指数平滑法;预测公式;讨论两种极端情况;;α=0.4和α=0.7时的预测值比较;小结;B.二次指数平滑法;预测公式;预测基本步骤;;预测与实际需求对比图;;3.时间序列分解模型;几种可能的时间序列类型;;原始数据：;?求趋势直线方程：

y=a+bt

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。;季节;T(t)=10000+167t;?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。;?计算预测值：

预测值=趋势预测值×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);（二）因果关系模型;（二）因果关系模型;1.一元线性回归模型;最小二乘法?回归直线;;相关系数r的数值范围;相关示例;3.预测实例;求解：;2003年的销售额预测：;（三）预测监控;1.预测误差;2.预测误差