第三章需求预测与生产计划

第三章需求预测与生产计划需求预测生产计划及其方法生产能力需求与规划第三章需求预测与生产计划主要内容预测的一般程序及常用的定性与定量预测方法、生产计划的层次结构及制定方法、生产能力需求分析与规划。重点与难点需求预测的定量方法、生产计划的制定方法学习方法习题+案例分析讨论能力需求计划CRP4企业主生产计划MPS1潜在客户预测合同采购计划生产作业计划生产什么？市场要什么？用到什么？已有什么？需求预测决定企业的生产计划与生产能力规划物料需求计划MRP需求预测Forecasting需求预测第一节生产计划的前期准备——需求（市场）预测制定生产计划需要了解市场对产品和服务的需求，因此，通过市场调查对需求进行科学预测是合理制定生产计划之基础一预测指在具有大量资料和进行调研的基础上，通过定性的概率分析和定量的科学计算，对未来可能发生事件的预计或推测。预测未来一定时期对某产品需求数量和发展趋势、企业该产品的市场占有率等，主要侧重于预测产品数量。预测是企业经营决策、安排生产计划的前提，尤其对于备货型生产企业(MTS)。Forecastingistheprocessofpredictingthefuture,Allbusinessdecisionandplanningarebasedonaforecast.需求预测：按预测内容经济预测（economicforecasts）技术预测（technologicalforecasts）需求预测（demandforecasts）按预测时间长期预测、中期预测、短期预测按主客观因素定性预测方法(SubjectiveForecastingMethods)定量预测方法(ObjectiveForecastingMethods)二预测的分类三预测的步骤确定预测的目的决定预测的时间跨度选择预测模型收集预测所需的数据计算并分析预测结果将预测结果付诸实际应用－定性和定量预测方法德尔菲法(TheDelphimethod)用户调查法(Customersurveys)部门主管讨论法(Juryofexecutiveopinion)销售人员意见汇集法(Salesforcecomposites)定性预测方法Subjective-basedonhumanjudgment定量预测方法Objective-derivedfromanalysisofdata时间序列分析预测(TimeSeriesAnalysis)因果预测(Causal)四预测的方法预测的方法（一）定性预测基于估计和评价的主观判断（二）定量预测受主观因素的影响较少用数学模型来表示需求和变量之间的关系偏重于数量方面的分析重视预测对象的变化程度(一)定性预测1.各部门主管集体讨论法（JE，juryofexecutiveopinion）2.德尔菲法（DelphiMethod，见图3-1）3．用户意见征集法(Customersurveys)4.销售人员估计法(Salesforcecomposites)Juryofexecutiveopinion召集销售、生产、采购、财务、研发等各部门主管开会讨论，与会人员发表意见，提出预测值，后由召集人按照某种方法对所有单个的预测值进行综合处理，即得预测结果。优点：简单易行；无需准备和统计历史资料；汇集了各主管得经验和判断；若缺乏足够的历史资料，此法较有效。缺点：由于是各主管的主观意见，故预测结果缺乏严格的科学性；与会人员之间容易相互影响；因预测是集体讨论的结果，故无人对其正确性负责。TheDelphimethod又称：专家调查法，具体方法：①选定预测目标（问题）和预测专家；②征询专家意见；③综合、整理和归纳专家意见，并反馈进一步征询意见；④如此反复，直至专家们意见趋于一致，方可作为预测结果。三原则：匿名性、反馈性、收敛性选择专家确定调查内容表格函询调查预测报告综合分析专家意见图3-1德尔菲法实施程序反复2~3次Customersurveys当对新产品或缺乏销售记录的产品需求进行预测时，常采用此方法，对现实或潜在客户进行调查，了解用户对产品及特性的期望，再考虑本企业的可能市场占有率，对各种信息综合处理即可得到所需的预测结果。优点：预测来源于顾客期望，较好地反映了市场需求情况；可了解顾客对产品有缺点的看法；可了解顾客不购买产品的原因，有利于改进产品和有针对性地开展促销活动。缺点：很难获得用户的真诚合作；顾客期望不等同于实际购买，且期望容易发生变化；由于对顾客知之不多，调查时需耗费较多的人力和时间。销售人员意见汇集法发挥基层销售人员的积极性，由各地区的销售人员根据其个人判断给出预测，汇总、综合后形成整个企业的预测结果。优点：预测值很容易按地区、分支机构、销售人员、产品分开；由于取样较多，预测结果较具稳定性；由于销售人员的意见受到了重视，增加了其销售信心；缺点：带有销售人员的主观偏见；受地区局部性的影响，预测结果不容易正确；当预测结果作为销售人员未来的销售目标时，预测值易被低估；当预测涉及紧俏商品时，预测值易被高估。时间序列分析预测(TimeSeriesAnalysis)因果预测(CausalForecasting)定量预测方法(二)定量预测时间序列分析预测(TimeSeriesMethods)时间序列平滑预测(TimeSeriesStationary)时间序列分解预测(TimeSeriesdecomposition)乘法模型(Multiplicativemodel)加法模型(Additivemodel)移动平均法(movingaverage)指数平滑法(exponentialsmoothing)时间序列模型细分时间序列构成时间序列是按一定的时间间隔和事件发生的先后顺序排列起来的数据构成序列。预测的稳定性和响应性稳定性：是指抗拒随机干扰，反应稳定需求的能力。稳定性好的预测方法有利于消除或减少随机因素的影响，适用于受随机因素影响较大的预测问题。响应性：是指迅速反映需求变化的能力。响应性好的预测方法能及时跟上实际需求的变化，适用于受随机因素影响小的预测问题。1移动平均法（1）一次移动平均法设有n个时间序列样本值x1、x2，…，xn；其中xt为第t期的数据（t=1,2,…，n），从n个数据中选择连续的N个，计算第t期的移动平均数如下：(1)xt作为第t期的预测值，N称为移动跨距。一般可以采用不同的N对预测对象进行实际试验，从中选择最佳者。NxxxxNtttt21加权移动平均法加权移动平均法是对时间序列中各期实际数据加权后再进行平均的预测方法。其基本思想是近期数据对预测结果影响较大，远期数据对预测结果影响较小。这样可以比较明显地反映时间序列的近期发展趋势。tntiiitAnWMA1111tWMA为t＋1周期的预测值i为i周期实际值的加权值移动平均法举例举例：某电子音响器材公司SONY牌单放机的逐月销量参见下表，取n＝3和n＝4，试用简单移动平均法进行预测。简单移动平均法预测结果n越大，预测的稳定性高，但响应性差加权移动平均法预测结果近期权重大，预测的稳定性就越差，但响应性越高（2）二次移动平均法对一次移动平均值xt，可记为Mt[1]。一次移动平均公式可改写为：(2)二次移动平均公式为(3)NxxxMNtttt21]1[NMMMMNtttt]1[]1[2]1[1]2[设时间序列中，t为目前时间周期，T为需要预测的未来周期个数，Yt+T为第t+T周期的预测值，at为当前的样本值水平（即趋势线截距），bt为单位周期的变化量（即趋势线的斜率）。则有预测公式Yt+T=at+btT(4)其中：(5)(6)]2[]1[2tttMMa)(12]2[]1[tttMMNb解:已知t=12，N=5，T=5求5个月后的市场需求量，即求Y12+5分别计算一次移动平均值Mt[1]和二次移动平均值Mt[2]。715512212112]1[12xxxM625]1[512]1[212]1[112]2[12MMMM例3-1某商品连续12月需求量如表1，试用二次移动平均法预测5个月后的市场需求量(令N=5)周期数t需求xt(千吨)Mt[1]Mt[2]15025035345655966253.676556.086859.097162.0107465.0117768.059.1128071.062表1根据公式（5）、（6）有根据公式(4)Yt+T=at+btT得线性平滑预测模型：Yt+T=80+4.5T，已知t=12，T=5，Yt+T=Y12+5=80+4.5×5=102.5（吨）5.4)6271(152tbat=2×71-62=802．指数平滑法（1）一次指数平滑法其预测公式为xt为t期的预测值，α为平滑系数，0≤α≤1xt-1为t-1期的实际值，xt-1为t-1期的预测值为计算方便，一般取初始预测值=初始实际值11)1(tttxaaxx（2）二次指数平滑法记t期的一次指数平滑值xt为St[1]，记二次指数平滑值为St[2]，则有公式同时设线性变化规律（1）（2）（3）]2[]1[]2[)1(tttSaaSSTbaYttTt[1][2]1tttabSSa（）]2[]1[2tttSSa-1-1例3-2某公司最近12个月产品的销售量如下表所示，试用二次指数平滑预测6个月后产品的销售量（α=0.6）。周期t(月)实际销售量x（万台）St[1]（α=0.6）（一次平滑值）St[2]（α=0.6）（二次平滑值）1112121131311.61141412.4411.3651514.5812.0161614.8313.5571615.5314.3281715.8115.0591516.5215.51101415.6116.12111614.6415.81121715.4615.11根据公式St[1]=αxt-1+(1-α)xt-1St[2]=αSt-1[1]+(1-α)St-1[2]S2[1]=11S3[1]=αx2+(1-α)S2[1]=0.6×12+0.4×11=11.6S3[2]=11S4[1]=αx3+(1-α)S3[1]=0.6×13+0.4×11.6=12.44S4[2]=αS3[1]+(1-α)S3[2]=0.6×11.6+0.4×11=11.36S12[1]=αx11+(1-α)S11[1]=0.6×16+0.4×14.64=15.46S12[2]=αS11[1]+(1-α)S11[2]=0.6×14.64+0.4×15.81=15.11…….由计算可知由公式(2)、(3)计算由公式（1）可得6个月后产品销售量的预测值11.1546.15]2[12]1[12SS525.0)11.1546.15(4.06.0)(181.1511.1546.1522]2[12]1[1212]2[12]1[1212SSaabSSa)96(.186525.081.156121261218万台baYY－课堂练习某公司去年12个月的盈利数据如下：月123456盈利51.335.727.932.348.254.6月789101112盈利52.047.542.345.843.947.2试用移动平均法和指数平滑法预测今年1月份和6月份的盈利。市场随着季节性变化而发生周期性的需求变化，季节系数法就是根据这一规律进行预测的方法，其一般步骤是：第一步，收集历年各月或季度的时间序列资料；第二步，求出同月（或同季度）的算术平均数xt；第三步，求出月（或季度）的总体算术平均数x；第四步，求出同月（或同季度）的季节系数ft=xt/x；第五步，做预测xt=x1.ft/f1（t=1，2，3，4）。x1为初期实际值3季节系数（因子）法季度年份一二三四∑2000180159157191687200116514415218464520022302111982598982003