教案2需求生产预测

1DemandRequirementsAndDecision需求预测和决策第二章22.1基本概念2.2定性预测2.3定量预测3§2.1基本概念一、预测的定义及分类定义：预测是指对未来不确定事件的推断和测定，是研究未来不确定事件的理性表述，是对事物未来发展变化的趋向，以及对人们从事活动所产生后果而做的估计和测定。分类：预测的类型有以下几种：1.经济预测：通过对通货膨胀率、货币比率等指标预测未来经济的发展。2.技术预测：对未来产品开发方向，以及工厂发展和制造技术发展方向的预测；3.需求预测。预测在未来一定时期内对某产品需求的数量。与生产计划直接相关的是需求预测。4按市场预测的时间跨度可以将预测分为：长期预测：时间跨度通常为3年或3年以上，用于规划新产品、生产系统的配置等。中期预测：通常从1个季度到3年，用于制订销售计划和生产计划。短期预测：通常少于3个月，是制订主生产计划的依据.定性预测定量预测仿真预测长期预测(数年至数十年)中期预测(一年至数年)短期预测(数日至一年)按性质分按时间分5预测目的预测是整个生产计划系统的重要输入和依据，具体讲，其重要性可以从以下几个方面来考虑：①对于战略决策部门而言，预测可以提供决策的依据；②对于生产计划和控制部门而言，预测是企业编制生产计划(综合生产计划和主生产计划)的基础。是生产计划编制的主要输入；③对于销售部门而言，为补充销售人员提供依据；④对于成本会计而言，预测可以为预算和成本控制提供依据；⑤对于采购部门而言，便于采购部门制订准确的采购计划，以降低总的生产成本；⑥对于研发部门而言，新产品的预测可以为设计提供参考，根据对市场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力。二、预测的目的和作用6预测的作用需求预测的最核心作用是用于编制生产计划。如图2．1所示。长期预测是长期投资战略计划的预测，预测对象是投资对象品种的平均及最大需求量；中期预测是对现有产品年度总需求量的预测；短期预测是对每种产品的需求量的预测。7从需求的角度讲，任何一种产品都有独立需求和相关需求之分。相关需求是指由对其他产品或服务的需求所导致的对某种产品或服务的需求。独立需求是指产品的需求是由市场决定的，与其他产品服务的需求无关。有的产品可能既是独立需求件，又是相关需求件，例如作为备件生产的产品即属此种类型。三、需求分析8一般而言，预测遵循如下步骤：(1)决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。(3)决定影响各类产品需求的因素及其重要性。(4)收集所有可以利用的过去和现在的资料。(5)分析资料。(6)选择适当的预测方法或模型。(7)计算并核实初步预测结果。(8)考虑和设定无法预测的内外因素。(9)对(7)，(8)两步进行综合考虑。判断并得出结论，然后求出各类产品或地域性的需求预测。(10)将预测结果应用于生产计划中。(11)根据实际发生的需求对预测进行监控。四、预测的一般步骤9预测反馈控制修正系统如图2．3所示10定性预测是一种主观预测法，属于主观意识的判断，估计和评价，即根据过去的资料，由各种层次的人员对未来的市场需求做一个估计。定性预测方法主要有：一般预测、市场调研、小组共识法、历史类比、德尔菲(Delphi)法。§2.2定性预测11一般预测方法也称为销售人员汇集意见法，通常由各地区的销售人员，根据本人的判断或与地区有关部门交换意见且判断后逐层向上汇报，公司在获得这些资料后进行汇总，最后形成预测，此预测包含未来市场的产品发展方向和产品的销售金额，销售人员进行判断时也可把公司过去的实际销售情况作为参考资料。一、一般预测方法一般预测基本观点：预测是基于来自低层经验的逐步累加。假设前提：处于最低层的销售人员，那些离顾客最近的、最了解产品最终用途的人，最清楚产品未来的的需求。做法：由他们收集情报，然后逐级上报的做法。12市场调研有时也可以称为顾客期望法。——通常是聘请第三方专业市场调研公司进行预测，以此获得顾客需求的详细资料。——市场调研主要用于新产品研发了解对现有产品的评价，了解顾客对现有产品的好恶，了解特定层次的顾客偏好以确定哪些商品具有竞争性。——数据收集方法有问卷调查和上门访谈两种。二、市场调研13通常由高级决策人员召集不同层次和不同部门的人员，包括销售、市场、生产、工程、采购、财务、研发等部门的人员集体参与讨论，提出预测值，将全部人员的预测结果进行平均而取得数据，认为某些人的意见较为合理，则加大此类人的权重。这种方法缺点在于低层人员往往易受当前市场营销的左右，不敢与领导相背。对于重要决策，如引进流水线等，由高层人员讨论。三、小组共识14当预测一个新产品的未来市场需求时，会面临历史数据太少的问题。一种较好的方法是利用产品的相关性，以同类型产品作为类比模型，利用这种相关性进行预测。类比法可用于很多产品类型——互补产品，替代产品等竞争性产品等。四、历史类比15主要通过数轮专家的问卷调查，用一定的统计方法处理，得到大多数专家认可的一种预测、决策方法。其基本步骤如下：(1)选择预测专家，预测专家应具有不同背景。(2)通过问卷(或E—mail)，将预测问题和相关资料寄给各位专家，征询专家意见。(3)汇总、归纳和整理各位专家预测的结果，附上新问题，再反馈给专家。(4)再次汇总各位专家意见，提炼预测结果和条件，再度发给所有专家，进一步征询意见。(5)如有必要，再次重复，直至所有专家意见趋于一致。五、德尔菲(Delphi)法16定量预测方法有时间序列分析预测技术和因果预测两种，时间序列分析预测技术：简单移动平均法、加权移动平均法、指数平滑法、线性回归分析法和时间序列分解法等，因果预测是线性回归的因果模型。时间序列分析预测技术是基于这样一种观念：与过去需求相关的历史数据可用于预测未来的需求。因果预测是基于这样一种观念：某些因素间存在着相互影响的关系。还有一种聚焦预测就是根据某些规则对预测结果进行试算，这些规则符合逻辑，将其历史数据外推至未来的过程也易于理解。§2.3定量预测17将影响预测的因素分为以下几个：1.平均需求：需求的平均值；2.需求的周期性：即历史数据每隔一定周期重复发生的时间序列形式；3.趋势性：是数据在一定时间内呈现向上或向下的趋势；4.季节性：考虑到数据存在季节性的影响；5.随机性：是由偶然、非正常原因引起的数据变动。一、影响因素分析18在分析时，将多个预测因素分解，找出每一因素的影响，然后用乘法模型或加法模型计算预测结果。乘法模型为：预测结果=平均×趋势×季节×周期×随机加法模型为：预测结果=平均+趋势+季节+周期+随机192021趋势性因素又可以分为以下4种典型的趋势需求：线性趋势——反映了数据呈连续的直线关系，如图2.8(a)所示；S型趋势——产品成长和成熟时期的需求，如图2.8(b)所示；渐进趋势——以优质产品大量投放市场时出现，如图2.8(c)所示；指数增长——产品销售势头特好的产品，如图2.8(d)所示2223影响需求预测的因素产品生命周期时间利润额销售额销售量投入期成长期成熟期衰退期24简单移动平均法是利用某段时间的实际需求平均值作为未来后续时段的预测值，它采用对产品需求的历史数据逐点分段移动的方法，当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动应用简单移动平均法进行预测时，首先应确定所需的数据数量，即移动平均的时期个数n，在n期中，每一期数据权重系数相等。因为每一次平均后均往前移动一期，将最旧的那个数据去掉再加入最新的一个数据，这种不断移动的预测方法叫做移动平均法。二、简单移动平均法25简单移动平均的计算公式为：（例题2.1）26简单移动平均法的优点：简单。产品需求为突发增长或下降，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。缺点如下：①在出现周期性变动时，预测值落后程度将视时期个数的不同而不同，实际销售量的最大值和最小值用移动平均法都无法达到；②预测值所产生的误差及滞后，很大程度上取决于时期个数的选取，而时期个数究竟取多少比较合适也难以确定；③因考虑了各期权重系数均相等，往往会造成一定的误差，通常越接近的时期应该越能反映实际需求。④另外一个主要缺点是在于每一因素都必须以数据表示。27简单移动平均简单移动平均算例周次需求3周9周1234567891011121314158001400100015001500130018001700130017001700150023002300200010671300133314331533160016001567156716331833203313671467150015561644173328一般来讲，比较新的数据与旧的数据相比，应该更接近于预测值，考虑到这个因素，在简单移动平均的基础上，给新数据以较大的权重，这种做法和简单移动平均法相比更加准确，这就形成了加权移动平均预测方法。在加权移动平均预测方法中，给各期的值赋予一定权重，并且其权重之和必须等于l。三、加权移动平均法29加权移动平均预测方法公式例题2.230权重系数的确定：经验法或试算法最近期的数据最能预示未来的情况，其权重应大些；对季节性产品而言，季节权重系数要大。两个原则：1按原始指标数值先后顺序依次加大；如：n=5时权数为：0.1,0.15,0.2,0.25,0.32对移动项中间位置的原始数值给予较大的权数，然后以它为中心左右依次递减。如：0.15,0.25,0.3,0.2,0.131计算实例一家百货店发现在某4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%组成，其四个月的销售额分别为100,90,105,95。第五个月的预测值为5.9710010.90020.01050.3095.4005F32移动平均法存在问题1、需要大量历史数据，n越大，数据越多；2、n大时，平滑波动的效果好，但预测值对数据实际变动不敏感；3、移动平均值不能总是很好地反映出变化趋势。33指数平滑法是利用平滑常数将数据序列的数量差异抽象化的原理，对历史的统计数据进行加权修正，使修正后的数据信息排除异常数据的影响，从而显示出预测对象变动的基本趋势。其优点体现在：①指数模型的精度非常高；②建立指数模型相对容易；③用户能了解模型如何进行；④使用模型无须过多计算；⑤由于所用的历史数据有限，因而所需计算机内存很小；⑥检测模型执行精度的运算很容易。四、指数平滑法34指数平滑法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，主要点在于根据大量连续的历史数据预测未来，即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。如果越远的数据其重要性就越低，则指数平滑法就是逻辑性最强且最为简单的方法。111ttttFAFF1ttFF、1tA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：35指数平滑法之所以称之为指数平滑是因为每靠后一期其权重就降低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最近期的权重=（1-）10.0475最近期的权重=（1-）20.0451最近期的权重=（1-）30.0429权重因子.....11)1()1(222211111tttttttttAFAFAFAFF36实际需求值权重系数呈现指数递减的趋势，每一期权重系数比上期下降(1-α)，如表2.3所列。权重每次降低1-α，并且当平滑常数取得较大时，权重系数降低得较快，反之