桂林电子工业学院管理系第四章需求预测与生产计划主要内容需求预测生产能力测定综合计划主生产计划物料需求计划桂林电子工业学院管理系第一节需求预测预测的作用预测是对未来可能发生的事件的预计与推断。预测不仅是长期的战略性决策的重要输入,也是短期的日常运作的重要基础。预测为企业编制计划、协调内部各项活动提供了坚实基础。需求预测直接影响着企业生产与运作中的计划和决策。预测原理可测性原理:从理论上讲,世界上一切事物的运动与变化都是有规律的,因而是可以预测的。连续性原理:事物在发展过程中,常常是随着时间的推移而呈现出贯甚至连续变化的趋势。类推性原理:社会、企业乃至家庭,其经济活动都具有一定的模式,存在着许多相似、类同的演变规律。相关性原理:事物之间或构成一种事物的各种因素之间,存在着或大或小的相互影响、相互制约、相互促进的关系。系统性原理:任何一个企业的经营活动都是在社会的大系统中进行的。由于各子系统是互相联系、互相影响的,因此其它子系统中变量的变化常常对需求预测产生一些影响。故应对预测结果作必要的修正。影响需求的因素及相互关系广告需求质量销售努力信用政策服务信誉产品和服务的设计企业输入输出商业周期产品生命周期时间顾客购买计划竞争者的努力与价格顾客偏好随机变动企业的努力反馈预测类型预测按时间跨度来分,通常可分为短期预测、中期预测和长期预测。预测结果的准确性或可信度会随着期限的延长而降低,也就是说短期预测往往要比中长期预测要精确些。在规划未来业务方面企业使用三种类型的预测:–经济预测,通过预测通货膨胀率、货币供给、经济增长率及其他有关指标来预测经济周期。–技术预测,通过预测与新产品开发有关的新技术、新材料、新工艺的发展趋势及其他重要技术指标来推断技术进步可能给企业带来的发展机遇。–需求预测,即企业产品与服务的需求预测,如产品销售量、市场占有率及对产品品种、花色、规格、价格的需求变化趋势等。这些预测决定企业的生产、生产能力及计划体系,并使企业的财务、营销、人事做相应变动。预测的方法定性预测方法–定性预测主要运用经验的或事理的分析判断方法,对未来可能出现的情况作出估计,但并非不运用数据,只是不使用成套的数学模型;定性预测方法常用的主要有用户调查法、销售人员意见汇集法、专家评估法(德尔菲法)。定量预测方法–定量预测是通过使用历史数据或因素变量来建立数学模型而进行预测工作的,如回归分析法、平滑预测法等。定量预测方法主要有移动平均法、指数平滑法、趋势外推法、回归分析法等,这些方法可归为两类:一类是时间序列预测方法,另一类是因果预测方法。时间序列预测方法。它是假定将来是过去的函数,即用市场需求的历史统计数据,预测需求的未来发展和变化。正常情况下,由于市场需求一般具有随时间连续变化的特征,故时间序列预测法通常能收到较好的效果。因果预测方法。它根据事物之间的因果关系来预测事物的发展和变化。如商品房销售预测的因果模型可包括广告预算、竞争对手的价格、家庭平均收入水平等因素。预测方法的种类预测方法定性预测定量预测德尔菲法部门主管意见法用户调查法销售人员意见汇集法因果模型时间序列模型时间序列平滑模型时间序列分解模型乘法模型加法模型简单移动和加权移动平均法一次和二次指数平滑法预测的基本步骤1确定预测的目的和用途;2根据企业不同的产品及其性质分类,并选择预测对象;3决定影响产品需求的因素及其重要性;4收集和分析可利用的过去和现在的资料;5决定预测的时间跨度,并选择适当的预测方法和模型;6计算并核实初步预测结果;7评定企业的内部和外部因素;8对预测结果进行综合分析、估计预测误差、修正预测值;9将预测结果应用于生产计划工作中;10根据实际发生的需求对预测进行监控。资料是基础和出发点,预测技术的应用是核心,分析则贯穿于预测的全过程。预测过程中要关注两个“分析和处理”:一是对收集到的资料进行分析和处理;二是对利用模型求得的预测结果进行分析和处理。德尔菲(Delphi)法德尔菲法是美国兰德公司(RANDCorporation)奥拉夫·赫尔默博士于上世纪40年代末首创的。它是定性预测方法中最重要、最有效的一种方法,应用十分广泛,可用于预测市场需求、商品供求变化、产品成本与价格、市场占有率、产品寿命周期等方面。对于那些缺少历史和现实资料的预测尤为实用。特点:(1)匿名性。采用匿名函询方式,参加预测的专家互不了解,因而发表观点、修正自己的意见均较自由。(2)反馈性。发函征询意见至少要经过两轮,预测当事人应将上一轮专家的意见汇总统计,将其作为反馈信息在下一轮征询时告知各位专家参考。(3)收敛性。专家意见经过多轮征询反馈后,意见趋向一致。用统计方法加以整理,即可得预测结果。德尔菲法的基本程序首先成立预测小组。任务是:1确定预测主题。2选择专家。选择时要注意三个问题:首先是广泛性。其次是自愿性。最后是人数要适度。参加预测的专家愈多,预测精度将愈高。一般以20-50人为宜。3编制预测事件一览表。有:①预测某事件实现的时间。②预测事件的相对结构比重。③选择性预测。④排序性预测。⑤简明询问。其次进行轮番征询工作。一般采用三轮制,按以下步骤进行:–第一轮。发给专家预测主题及相应的预测事件表,请其在一定期限内将应答寄回。预测小组在对应答结果整理、统计和分析的基础上,制定第二轮函询表。它所列预测事件的预测目标更加集中和明确,表述也更准确。–第二轮。将第一轮表的统计结果和第二轮函询表发给专家。请专家提出或修改自己的预测,并说明理由,也可以对第一轮统计结果提出质疑。收到专家回复后进行统计分析,将分析整理结果再反馈给专家。–第三轮。将第二轮初步所得预测结果制定成第三轮函询表发给专家,请其提出评价意见和理由,寄回。–最后是应答结果的最终处理。时间序列预测方法时间序列分解。一个典型的时间序列可包含四种因素:–趋势。需求的变化趋势,数据可以是一段时间的逐渐向上、向下或平稳的移动。–季节。随季节的变化增加或减少,具有重复发生的规律。–周期。在较长的时间(1年以上)围绕趋势作有规律的上下波动。这种波动被称作经济周期。它可以没有固定的周期。–随机。偶然、非经常原因引起的数据变动。它们没有可识别的形式。时间序列及其构成产品或服务需求季节高峰趋势实际需求曲线平均需求随机波动时间统计学上时间序列有两种一般形式。一种形式是乘法模型:需求=趋势×季节×周期×随机另一种形式是加法模型:需求=趋势+季节+周期+随机时间组织形式简单移动平均法nAAAAFnttttt321当产品需求既不快增长也不快下降,且不存在季节性因素时,移动平均法能有效消除预测中的随机波动。选择移动平均的最佳区间很重要。其主要缺点是在于若区间周期太长,则太复杂。简单移动平均的计算公式为:tF——对下一期的预测值;n——移动平均的时期个数;nttttAAAA,,,321——前期、前两期、前三期直至前n期的实际值简单移动平均算例周次需求3周9周12345678910111213141580014001000150015001300180017001300170017001500230023002000106713001333143315331600160015671567163318332033136714671500155616441733加权移动平均法简单移动平均的各元素权重都相等,而加权移动平均的权重值可以不同。当然,其权重之和必须等于1。权重的选择:经验法和试算法是选择权重的最简单的方法。一般而言,最近期的数据最能预示未来的情况,因而其权重应大些。但是,其数据是季节性的,故权重也应是季节性的,一般对季节性产品季节权重系数要大。由于加权移动平均能区别对待历史数据,因而在这方面要优于简单移动平均。加权移动平均法公式及算例ntnttttAwAwAwAwF3322111niiw计算公式321、、第t-1,t-2,t-3期实际销售额的权重321个月的期间内,其最佳预测结果由当月实际销售额的40%,倒数第2个月销售额的30%,倒数第3个月的20%和倒数第4个月的10%,其四个月的销售额分别为100,90,105,95。第五个月的预测值为5.9710010.90020.01050.3095.4005F指数平滑法前两种预测方法(简单移动平均和加权移动平均)中,一个主要的问题是必须有大量连续的历史数据。随着模型中新数据的增添及过期数据的剔除,新的预测结果就可以预测出来。有的情况下,最近期的情况远比较早期的更能预测未来。假设越远当期其重要性就越低,如果这一前提正确,则指数平滑法就是逻辑性最强且最为简单的方法。111ttttSXSS1ttSS、1tX第t期和第t-1期的指数平滑预测值;第t-1期的实际需求;平滑常数。单一指数平滑的公式为:指数平滑法之所以称之为指数平滑是因为每靠前一期其权重就降低1-。例如,设=0.05,则各个时期的权重如下所示最近期的权重=(1-)00.0500次近期的权重=(1-)10.0475再次近期的权重=(1-)20.0451再次近期的权重=(1-)30.0429权重因子假定一组时间序列tXXX,,2,10111SXXStttt)()(因果预测市场预测中有许多因果关系因素,如:购买力随工资增加;雨具销售随雨天延长;因果关系的第一步是找出真正呈因果关系的那些事件。一般地,主要变量间无因果关系,但在某些间接情况下,一些主要变量可能暗含了另一些可能事件。其他的非因果关系可视为偶然联系。以下为一个用因果关系进行预测的例子例:因果关系预测位于卡彭塔里亚市的地毯商城保存了历年的地毯销售记录(以平方码为单位)和该地区历年来批准的新建房屋数,数据如下:年份新房屋(x平方码)地毯销量(y平方码)198918130001990151200019911211000199210100001993201400019942816000199535190001996301700019972013000因果分析因果分析方程:y=7000+350x设1998年新建房为25,则y=7000+350×25=15750码线性回归预测法是运用一个自变量x(它不再是时间)进行预测的方法,设预测的因变量仍为。则有:a——截距b——斜率上式中的回归系数a,b可通过以往的实际数据用最小二乘法确定,从而求出线性回归方程式。线性回归预测法bxayˆyˆ22xNxyxNxybxbyaNyyNxx,式中:举例:线性回归预测法美格房地产公司近几年在经营商品房的过程中发现,公司收益取决于家庭人均收入水平。下表为1993年至1998年该公司收益与公司所在地的家庭人均收入。当1999年家庭人均收入为5500元时,请预测该公司的收益值。年份公司收益y(百万元)家庭人均收入x(千元)2xXy2y1993199419951996199719984.85.77.08.310.912.43.53.94.44.85.05.212.2515.2119.3623.0425.0027.0416.8022.2330.8039.8454.5064.4823.0432.4949.0068.89118.81153.76Σ49.126.8121.90228.65445.9918.861.4947.468.26NyyNxx373.1247.4598.418.8598.447.4690.12118.847.4665.228222xbyaxNxyxNxybxy598.4373.12ˆ因此,估计的回归方程为:相关系数用来描述两个变量间线性关系的密切程度或强度,通常可记为r,它是介于-1至+1之间的任何值。当r=0时,说明y的变化与x无关;当r=+1时,说明y与x正完全相关;当r=-1时,说明y与x负完全