供应链管理4综合计划2

第四章供应链综合计划管理第1节供应链需求预测第2节供应链总体计划第3节供应链中的供给和需求规划：控制可预测变量第1节供应链需求预测一、预测的作用与特征二、预测的组成部分及预测方法三、需求预测的基本方法四、预测的时间序列五、预测误差的测定方法六、案例：天然气公司的需求预测一、供应链中预测的作用需求预测是供应链中所有计划的基础需求预测是推拉流程的起点–推：规划生产能力、库存–拉：规划供给水平——零部件和生产线–拥有稳定需求的成熟产品最容易预测–原材料供应和成品需求不确定性大的产品难预测二、预测的特点预测通常是不准确的长期预测的准确性通常比短期预测低综合预测准确性比分解预测高企业越处在供应链上游，预测误差也越大三、预测的组成及预测方法1、影响需求预测的因素–历史需求–产品提前期–广告计划或其他营销努力–经济状况–价格折扣–竞争者采取的行动2、预测方法–定性法（qualitative）•历史数据少，专家对市场的见解非常重要–时间序列法（timeseries）•未来需求与过去需求相关性大–因果关系法•需求预测与某些外界因素高度相关–仿真法四、需求预测的基本步骤1、理解预测的目标2、把供应链的需求计划和预测整合起来3、了解和识别顾客群4、识别影响需求预测的主要因素5、确定合适的预测技术6、设定预测绩效和误差侧度五、时间序列预测法乘法型：–系统需求=需求水平*需求趋势*季节性需求加法型：–系统需求=需求水平+需求趋势+季节性需求混合型：–系统需求=（需求水平+需求趋势）*季节性需求1、静态预测法–假设未来需求水平、需求趋势和季节系数都不随观测到的新需求而改变。–系统需求=（需求水平+需求趋势）*季节性需求•在t期预测t+l期的需求：Ft+l=〔L+(t+l)T〕St+l–L=基期的预计需求水平–T=预计需求趋势–St=预计t期的季节系数–Dt=实际观测的t期需求–Ft=预测的t期需求案例：年份季度时期t需求量Dt12180001321300014323000214340002251000023618000247230003183800032912000331013000341132000411241000050001000015000200002500030000350004000045000123456789101112时期t需求量Dt（1）估计需求水平和需求趋势剔除季节性需求影响–P:每次季节性循环包含的期数–从l+1到l+p这段时期的平均需求是l+(p+l)/2时期剔除季节性影响后的需求Dt=(Dt-p/2+Dt+p/2+Σ2Di)/2p——偶数Dt=(ΣDi)/p——奇数–如p=4，t=3，D3=(D1+D5+Σ2Di)/2*4–如p=3，t=3，D3=(D2+D3+D4)/3案例：年份季度时期t需求量Dt剔除季节影响后的需求121800013213000143230001975021434000206252251000021250236180002175024723000225003183800022125329120002262533101300024125341132000411241000Dt=(Dt-p/2+Dt+p/2+Σ2Di)/2p050001000015000200002500030000350004000045000123456789101112系列1系列2系列3D=L+tTD=L+TtExel(工具/数据分析/回归)D=18439+524tCoefficients标准误差Intercept18438.99440.8087XVariable1523.809563.95925时期t需求量Dt剔除季节影响后的需求18000189632130001948732300020011434000205365100002105961800021583723000221078380002263191200023155101300023679113200024203124100024727（2）估计季节系数St=dt/Dt时期t需求量dt剔除季节影响后的需求季节系数18000189630.421874176213000194870.667111408323000200111.149367848434000205361.655629139510000210590.474856356618000215830.833989714723000221071.040394445838000226311.679112721912000231550.5182465991013000236790.5490096711132000242031.3221501471241000247271.658106523季节系数：S1=(S1+S5+S9)/3=（0.42+0.47+0.52）/3=0.47S2=(S2+S6+S10)/3=（0.67+0.83+0.55）/3=0.68S3=(S3+S7+S11)/3=（1.15+1.04+1.32）/3=1.17S4=(S4+S8+S12)/3=（1.66+1.68+1.66）/3=1.67静态预测：F13=(L+13T)S13=(18439+13*524)0.47=11868F14=(L+14T)S14=(18439+14*524)0.68=17527F15=(L+15T)S15=(18439+15*524)1.17=30770F16=(L+16T)S16=(18439+16*524)1.67=447942、适应性预测法假设需求水平、需求趋势、季节性随每次观测到的实际需求量变化。Lt=t期末的预计需求水平Tt=t期末的预计需求趋势St=t期末预计季节系数Dt=t期实际观测的需求Ft=t期的预测需求Et=t期的预测误差适应性需求预测步骤：第一步，初始化：静态的L0、T0、S第二步，预测：Ft+1=（Lt+lTt）St+1第三步，预测误差：Et+1=Ft+1-Dt+1第四步，修正预测值：用已知的Et+1再去修正Lt+1、Tt+1、S,并作为下一期的基础数据（1）移动平均法——没有可观测到的需求趋势或季节变动时系统需求=需求水平Lt=(Dt+Dt-1+Dt-2+…….+Dt-N+1)/NFt+1=Lt当观测完t期后Lt+1=(Dt+1+Dt+Dt-1+…….+Dt-N+2)/NFt+2=Lt+1案例：用4期移动平均预测5期L4=(D4+D3+D2+D1)/4=19500F5=L4E5=F5-D5=19500-10000=9500当得到5期的需求观察值后，修正第5期需求水平。L5=(D5+D4+D3+D2)/4=20000时期t需求量Dt18000213000323000434000510000（2）一次指数平滑法——没有可观测到的需求趋势或季节变动时L0=1/n*ΣDFt+1=LtLt+1=aDt+1+(1-a)Lt（0a1）案例：天然气在线公司用指数平滑法预测1期，已有12期数据L0=1/12*ΣD=22083F1=L0=22083Et=Ft-Dt=22083-8000=14083设a=0.1Lt+1=aDt+1+(1-a)Lt=0.1*8000+0.9*22083=20674Ft+1=aDt+(1-a)Ft（3）矫正需求趋势的指数平滑法（HOLT）——呈现需求趋势但没有季节性变动系统需求=需求水平+需求趋势线性回归：Dt=at+b–Ft+1=Lt+Tt–Ft+n=Lt+nTt观测到t期的实际需求后，对需求水平和需求趋势进行修正–Lt+1=aDt+1+(1-a)(Lt+Tt)–Tt+1=b(Lt+1-Lt)+(1-b)Tt案例：天然气在线公司holt模型法预测回归L0=12015T0=1549预测：F1=L0+T0=12015+1549=13564预测误差：E1=F1-D1=13564-8000=5564平滑系数：a=0.1b=0.2修正：L1=aD1+(1-a)(L0+T0)=0.1*8000+0.9*13564=13008T1=b(L1-L0)+(1-b)T0=0.2*(13008-12015)+0.8*1549=1438F2=L1+T1=13008+1438=14446初始预测过高，修正从13564到13008，预测趋势也从1549降到1438案例：一家电子制造商在过去6个月中观察到它的最新MP3产品的需求一直保持增长，需求的观测值分别为8415、8732、9014、9808、10413和11961，用矫正需求趋势的指数平滑法预测第4期的需求，其中a=0.1，b=0.2。（线性回归结果：L0=7367，T0=673）F1=L0+T0=7367+673=8040E1=F1-D1=8040-8415=-375L1=aD1+（1-a）F1=0.1*8415+0.9*8040=8078T1=b（L1-L0）+（1-b）T0=0.2*（8078-7367）+0.8*673=681（4）矫正需求趋势和季节性的指数平滑法（winter模型）——呈现需求趋势和季节变动。系统需求=（需求水平+需求趋势）季节性需求Ft+1=(Lt+Tt)St+1Ft+n=(Lt+nTt)St+n观测到t期的实际需求后，对需求水平、需求趋势和季节系数进行修正Lt+1=a(Dt+1/St+1)+(1-a)(Lt+Tt)Tt+1=b(Lt+1-Lt)+(1-b)TtSt+p+1=c(Dt+1/Lt+1)+(1-c)St+1案例：L0=18439，T0=524，S1=0.47，S2=0.68，S3=1.17，S4=1.67预测：F1=(L0+T0)S1=(18439+524)0.47=8913预测误差：E1=F1-D1=8913-8000=913平滑：a=0.1b=0.2c=0.1修正：L1=a(D1/S1)+(1-a)(L0+T0)=0.1*（8000/0.47）+0.9*（18439+524）=18769T1=b(L1-L0)+(1-b)T0=0.2*（18769-18439）+0.8*524=485S1=c(D1/L1)+(1-c)S1=0.1（8000/18769）+0.9*0.49=0.47F2=(L1+T1)S2=(18769+485)*0.68=13093预测方法的适用情况预测方法适用情况移动平均法需求没有呈现趋势或季节性一次指数平滑法需求没有呈现趋势或季节性Holt模型需求呈现趋势但没有季节性Winter模型需求呈现趋势和季节性六、预测误差的度量分析原因：–可以运用误差分析，检查是否准确反映系统需求部分–误差用来解释意外事件–误差在一定范围是可以接受的；–t期的误差是该期预测需求与实际需求的差值：Et=Ft-Dt衡量方法：MSE:均方差，表示误差的离散程度（meansquarederror）–MSEn=1/nΣE2tAt：绝对偏差，表示t期误差绝对值（absolutedeviation）–At=|Et|MADn：表示平均绝对误差–MADn=1/nΣAt如果正态分布，MAD可以用来预测随机需求部分标准差–δ=1.25MADMAPEn表示平均绝对百分比误差–MAPEn=（Σ|Et/Dt|）100/n为辨别是否持续低估或者高估，用预测误差之和衡量–Bias=ΣEt正态分布值为0TS路径信号（trackingsignal）–TSt=Biast/MADt-6TSt6时期t需求量Dt需求水平L预测需求F预测误差E绝对误差AE平均方差MSE平均绝对离差MAD误差百分比平均绝对百分比误差MAPE路径信号TS180002130003230004340001950051000020000195009500950090250000950095951618000212502000020002000471250005750115327230002125021250-175017503243750044177.637.906602252.28380002225021250-167501675094468750750044.0789539