搜索
来自概要预测的类型-各种生产决策时的基础-适用于库存生产(计划生产),订单生产-确保生产能力和原材料及制定有关经营战略的必要因素预测需求•过去依赖于预测者的经验/主观判断•现在依据统计技术对象技术预测：技术进步率，开发新产品/新制造技术，由技术专家执行经济预测：经济状况，制定中长期经营计划，由经济专家执行需求预测：产品及服务的需求，满足顾客，为生产做决策期间短期预测：6个月以内，月/周/日别中期预测：6个月---2年长期预测：2年以上需求预测：短期-生产能力计划，设备，人员，资材长期-工程设计（生产方式）-库存决策来自影响需求的因素经济变化复苏-繁荣-衰退-萧条（4种状态）产品周期投入期-成长期-成熟期-衰退期（产品lifecycle)耐用材料与消耗材料/服务之间的差异其它因素广告促销活动，质量，信誉，顾客的信赖，竞争对手销售量时间投入期成长期成熟期衰退期来自需求预测方法定性方法-由个人的主观判断或综合多数人的意见后预测需求-过去的资料不充分或不可信赖-代表方法：delphi方法，市场调查法，panel同意法，历史类推法-中长期预测定量方法-假设过去的需求模式一直持续不变，通过分析过去的资料预测未来发展方向-代表方法：移动平均法，指数平滑法，趋势分析法，时系列分解法-短期，中期预测时系列分析法-从过去的资料中找出与需求有密切联系的变量，分析变量与需求的因果关系-代表方法：移动平均法，指数平滑法，趋势分析法，时系列分解法-短期，中期预测因果模型•时系列:对于随时间变化的某现象,以一定的时间间隔观察读取的一系列观测值(如:日/周别销售额,月别销售量)来判断某种趋势,季节因素,循环的方法来自需求预测方法-长期性:定性方法,因果模型工程设计决策-设备计划,长期性:定性方法,因果模型-总计划(雇佣/加班/设备计划),中期性:因果模型,时系列分析技术-日程计划,短期性:时系列分析技术生产能力决策-短期性:时系列分析技术库存决策例1预测用途与预测技术预测用途预测期间要求正确度产品数正确的预测技术工程计划生产能力计划-设备计划-总体计划-日程计划库存管理长期长期中期短期短期中等中等高很高很高单一,少数单一,少数少数多数多数定性技术和因果模型定性技术和因果模型因果模型和时系列分析技术时系列分析技术时系列分析技术来自定性方法-选定对象专家团提问/答案整理/反馈(3-4次)最终结果-不确定性大或没有过去资料的情报-具有所需时间长和费用高的缺点-为制定设备,新产品,市场战略,进行长期预测或技术预测时使用Delphi法希腊科学家-对调查内容的假设消费者调查(调查表/面谈/电话)验证假设-定性技术中时间和费用是最大的缺点-预测比较正确的优点市场调查法-经销商/销售员/消费者组成panel自由交换意见预测值Panel同意法-追踪类似产品在过去市场中需求的成长过程类推-就象新产品一样,没有以前的资料历史类推法其它定性技术:scenario分析法,trend外插法……来自时系列分析技术趋势(T)时系列构成要素时系列的4个构成要素需求以一定的比率增加或减少的倾向季节性变化(S)在趋势线上下变化以一年为单位反复出现循环因素(C)经过一年以上的长时间变化,需求在循环性的上下浮动不规则变化/偶然变化(R)说不出原因的变化,不能预测和控制(例如:战争,地震…)例1预测用途与预测技术1)因此需求Y可用下列函数表示Y=f(T,S,C,R)2)并且根据构成要素的结合形态分乘法模型Y=T*S*C*R加法模型Y=T+S+C+R需求时系列趋势时间季节性变化循环因素不规则变化来自时系列分析技术移动平均法[公式]Ft=t:期间,Ft:t的预测值,At:t的实际需求,N:移动平均期间-没有季节变化或急剧的增加/减少趋势,偶然变化起主要作用-通过平均移动消除偶然变化-待预测期间前一定期间的需求做为简单平均值简单移动平均法NAt-1+At-2+…+At-n例移动平均期间为方4个月,实际需求如下时月(t)实际需求(At)1234543455月的需求预测值F5为F5=45+4+3+4=4如果5月的实际需求值为5,6月的需求预测值是F6=45+5+4+3=4.25考虑预测的稳定性和需求变化的反映度之后选择移动平均期间移动平均期间越长,偶然因素所起的作用越小,但对实际需求变化慢来自时系列分析技术移动平均法[公式]Ft=Ft:t的预测值,At:t的实际需求,Wt:t的加权值(和为1)-在用于预测的前一段N期间资料值乘上和为1的加权值,求出移动平均简单平均值的权值是1/N加权移动平均法Wt-1At-1+Wt-2At-2+…+Wt-nAt-n例实际需求如下时月(t)实际需求(At)123451009010595加权值:4月0.4,3月0.3,2月0.2,1月0.1,5月的需求预测值F5为F5=0.4*95+0.3*105+0.2*90+0.1*100=97.5如果5月的实际需求值为110,6月的需求预测值是最新的资料显示赋予大的权重更接近实际变化F5=0.4*110+0.3*95+0.2*105+0.1*90=102.5来自时系列分析技术移动平均法(1)根据前3月用简单移动平均法,求出4-10月的预测值某一产品过去的实际需求如下月(t)实际需求(At)12345问题198125110115130月(t)实际需求(At)1234598125110115130(2)从最近期间倒着赋予0.5,0.3,0.2的加权值,用加权移动平均发求出4-10月的预测值来自时系列分析技术指数平滑法[公式]Ft=为求预测值Ft需要3种资料:1)最近的预测值Ft-1,2)最近的实际需求At-1,3)平滑常数α(0=α=1)-设定以一定的函数形式减少的加权权数,给最近的资料赋予大的权数过去的资料赋予小的权数从而预测未来的需求-需求的预测值是最近期间的实际需求乘α的加权值,对最近的需求预测值乘(1-α)的加权值后,加权平均的数据-与移动平均法一样,不考虑季节变化,趋势,循环等要素省略用趋势,季节变化等修正的高次指数平滑法简单指数平滑法αAt-1+(1-α)Ft-1既新预测值是对旧预测值修正(α*预测误差)后算出但没有过去的资料根据定性技术预测,其值最初的预测值Ft[公式]变化后Ft=αAt-1+Ft-1+αFt-1+α(At-1-=Ft-1Ft-1)例上个月需求预测值是100,实际是110,常数α=0.3预测值是:+α(At-1-=Ft-1Ft-1)=100+0.3(110-100)=103来自=指数平滑法的连续展开αA1+(1-α)F1(F2代入公子整理)-平滑常数α的值越大,预测值对需求变化反映越大反之平滑越平滑-实际需求稳定时(如食品)为减小周期/偶燃变化的影响,减小α的值.流行的产品则增加α的值-为维持预测值的稳定性一般设定在0.1~0.3之间因此一般满Ft用如下公式表示Ft=αAt-1+期间1:A1,F1(F1已知,期间1的末期可知道A1)期间2:F3=αA2+(1-α)F2期间3:=αA2+α(1-α)A1+(1-α)2F1[公式]α(1-α)At-2+(1-α)2At-3+……+(1-α)t-2A1+(1-α)t-1F1(指数加权值的和为1)来自百万元,但实际销售额为1.25百万元.(1)假设α=0.1,利用指数平滑法计算时,本周的销售额为多少?(2)本周的实际销售额为1.2百万元,请预测下周的销售额是多少?问题2SY公司使用α=0.5简单指数平滑法,已知1~3月的实际需求和1月的预测值为如下时,预测4月的需求.问题3月(t)实际需求(At)1231009490实际需求(At)80??JiangS冰淇淋简单指数平滑法预测需求.上周的预测为100,000升但实际销售80,000升.(1)α=0.2,α=0.4时下一周指数平滑法预测值各为多少?(2)下周的实际销售量为95,000升时,哪个值α预测的更准?问题4来自时系列分析技术趋势分析法-将以前的资料标在坐标上,求出最能反映时系列的曲线-判断趋势线是直线还是曲线-在趋势线上预测未来的需要在这里省略复杂的指数涵数曲线,只对线性变化说明趋势分析法[公式]t=期间(t=1,2,…,n),Yt=f(t)是实际需求,Yt=f(t)是预测值直线趋势线(回归线)可用下式表示Yt=a+bt(a=Yt轴的截距,b=曲线的斜率用最小二乘法求出a,b.b=nΣtYt-(ΣYt)(Σt)nΣt2-(Σt)2a=ΣYt-b(Σt)n图3过去的资料与趋势线Yt=a+btaYtt01234Y1Y2Y3Y4来自时系列分析技术趋势分析法代入[公式]Y6=19+11*6=85b=nΣtYt-(ΣYt)(Σt)nΣt2-(Σt)2a=ΣYt-b(Σt)n例某一产品在过去5年中的需求如下:年度实际需求90919293943040605080年度实际需求(Yt)90919293943040605080为求出a,b值.先做如下表:为计算方便把90年作为期间1期间(t)12345t2tYt14916253080180200400合计1526055890=19=11Yt=a+bt=19+11t因此所求曲线是:1995年为t=6,预测值Y6来自年中销售额如下表显出增长趋势.(1)利用最小二乘法求出曲线,并画出趋势图(2)利用曲线推算95年的销售额问题5来自时系列分析技术时系列分解法-通过分解时系列构成要素(趋势,季节,循环,偶然)来预测需求-实际上要掌握不规则的循环变化和偶然性因素是很困难的因此一般更多的利用分解趋势和季节因素的预测值FITS(forecastincludingtrendandseasonal)-趋势和季节因素的结合形态有加法和乘法季节变化趋势分析法加法季节变化图4FITS=趋势+季节变化乘法季节变化图5FITS=趋势*季节变化aYtt01234aYtt01234来自个,从季节看春天90,夏天150,秋天110,冬天50假设此产品的年平均需求量以10%增长时,利用加法和乘法季节变化,求出1995年各季节需求预测值.实际需求(Yt)春夏秋冬9015011050季节变化幅度90-100=-10150-100=50110-100=1050-100=-50合计400440440季节指数90/100=0.9150/100=1.5110/100=1.150/100=0.5加法变化幅度110-10=100110+50=160110+10=120110-50=60乘法变化幅度110*0.9=99110*1.5=165110*1.1=1