第6章 需求管理

《生产与运作管理》（第2版）教辅材料参考讲义（6）出版社：北京：机械工业出版社，2014年4月编著者：陈志祥[e-mail]版权声明：本讲义只提供给购买与使用本教材的教师作为教学使用，未经允许不得转发给其他任何人第6章需求管理一、学习目标1、了解需求管理对于生产计划与生产运作的影响2、掌握常用的需求预测方法3、了解需求管理的最新技术二、内容提要6.1需求管理在生产运作的作用与地位6.2需求管理策略6.3需求预测程序和方法5.4需求预测误差和控制本章引例：大数据背景下的需求预测:美国折扣零售商塔吉特与怀孕预测阅读课本的本章引导案例：回答如下问题：1、作为一个零售商,为什么塔吉特公司要预测妇女的怀孕?2、大数据时代对于需求预测有什么影响?6.1需求管理在生产运作管理中的作用与地位1.需求管理与生产系统设计工作2.需求管理与生产系统运行计划工作3.需求管理与生产系统控制工作6.2需求管理策略需求管理有两种策略：一种是主动需求管理策略；另一种是被动需求管理策略。主动需求管理策略是企业以主动的方式影响需求的变化，改变需求规律；而被动需求管理策略是企业被动响应需求变化，用资源满足需求。1.主动管理策略2.被动管理策略6.2需求管理策略主动管理策略被动管理策略需求管理广告拉动需求价格政策调节需求推出新产品刺激需求应对高需求的被动策略应对低需求的被动策略加班使用临时工转包减产解雇转产6.3需求预测的程序和方法6.3.1需求预测的程序现实中，不少企业对需求预测没有规范的程序，随意性比较大。这种需求预测的结果并不可靠。下图描述的是一个规范的预测程序.分析决策问题，明确预测目的收集资料需求模式与特征分析选择预测方法预测实施预测结果分析，模型与工具适应性判断结果调整与控制是否满意？否是提交预测报告其他因素确定预测目标与精度要求6.3需求预测的程序和方法6.3.1需求预测方法1.需求预测方法分类；2.需求预测方法选择时需要考虑的因素1.需求预测方法分类主观预测法（定性法）客观预测法（定量法）德尔菲法部门主管讨论法用户调查法销售人员意见集中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移动平均法一次指数平滑法二次指数平滑法乘法模型加法模型预测方法预测方法所需数据量数据特征预测范围准备时间使用难度一次指数平滑二次指数平滑趋势-季节型指数平滑回归趋势模型因果回归模型时间序列分解模型5-10个10-15个每季至少4-5个数据10-20，季节性数据每季4-5个每个独立变量10个至少出现2个波峰与波谷平稳有趋势变动但不含季节性趋势变动且含季节性趋势变动且含季节性复杂的数据复杂、季节性数据短期短期到中期短期到中期短期到中期短期、中期或长期短期到中期短短短短长短到中简单稍复杂一般复杂一般复杂复杂简单表6-1常用定量预测方法的特征比较2.需求预测方法选择时需考虑的因素与原则（1）决策问题的要求。（2）数据的可获性和准确性。（3）预测人员对预测方法的掌握水平。（4）预测精度与预测成本。选择需求预测方法的基本原则是：简单且实用的方法就是最好的方法。6.3需求预测方法6.3.3时间序列预测方法应用1.时间序列平滑模型时间序列平滑模型中比较常用的是移动平均法和指数平滑法（一次指数平滑法、二次指数平滑法等）。其中最常用的是指数平滑法。指数平滑法比较简单、直观，广泛应用于需求预测(1)移动平均法移动平均有简单移动平均与加权移动平均两种.6.3需求预测方法111(1)1ttttntiitnAAAFAnn1)简单移动平均法2)加权移动平均法1(1)ttiiitnFWA6.3需求预测方法应用范例6-1：某产品2008年12个月的销售值如表6-2所示。利用简单移动平均法与加权移动平均法预测该产品2009年1月份的销售情况。其中，简单移动平均分移动周期3月与5月两种情况。加权移动平均的移动周期为3月，但是权重分配也有两种情况：①②2.0,3.0,5.021ttttttn5n3n5n表6-2加权移动平均预测时期实际值简单移动平均预测加权移动平均预测1(2008）362373354403635．83654337．333337．937．464739．333338．240．640．274543．333340．244．444840454245．245．4937444342．943．4103140．666742．439．539．71134364034．635．212363437．433．733．41(2009）33．666735．634．434．26.3需求预测方法6.3.3时间序列预测方法应用1.时间序列平滑模型(2)指数平滑法一次指数平滑法:tttFAF)1(11tFtA式中：---第t+1期的预测需求----第t期的实际需求-----平滑系数11AF并假设:表6-3某公司的一次指数平滑预测表月份实际销售额(At)不同平滑系数的模拟与预测(Ft)0．10．50．91（2008）10910910910921231091091093135110．4116121．64145112．86125．5133．665156116．074135．25143．8666180120．0666145．625154．78667187126．0599162．8125177．47878190132．1539174．9063186．04799210137．9386182．4531189．604810223145．1447196．2266207．960511231152．9302209．6133221．49612238160．7372220．3066230．04961（2009年）168．4635229．1533237．205应用范例6-2：某公司产品过去1年的销售需求变化情况如表6-3所示。预测中,设11AF6.3需求预测方法6.3.3时间序列预测方法应用2.时间序列分解模型时间序列分解模型的建立是基于这样的观点：需求随时间而变化是多种成分的叠加，即任何一个需求值都是趋势成分、季节成分、周期成分、随机成分共同作用的结果。时间序列分解模型就是试图从时间序列中找出各种成分，对各种成分单独进行预测，然后综合各种成分的预测值得到综合的需求预测值。6.3需求预测方法6.3.3时间序列预测方法应用2.时间序列分解模型两种分解模型：加法模型:把影响预测变量的各种成份分解出来，按照相加作用原理进行合成,乘法模型:则是把各种独立的预测成分相乘,他们的模型如下：CSTFCSTF式中：T为趋势成分，S为季节成分，C为周期成分，为随机成分。相乘与相加的两种的分解方式的不同特点：相乘外推基量大，季节变动随趋势增加而增加，而相加的外推基量小，季节变动没有放大效应。加法模型乘法模型应用范例6-3：时间序列分解预测模型某公司历史销售数据如表6-4所示，用时间序列分解模型预测需求。第一步：确定趋势方程趋势方程的确定，最简单的方法是目测法。先把数据描在坐标图上，找出截距后可以确定趋势方程，也可以利用最小二乘法求出线性趋势方程：Tt=326.500+17.4853t1234567891011121315月份销售量400350300ttAtTttTA/SI年份季节序列实际值趋势预测值季节系数平均季节系数20091234362385432341343.9853361.4706378.9559396.44121.05241.06511.14000.8602第一季度：0.9837第二季度1.013820105678382409498387413.9265431.4118448.8971466.38240.92290.94811.10940.8298第三季度1.1319第四季度0.873120119101112473513582474483.9677501.3530518.8383536.32360.97731.02321.12170.8838201213141516544582681557553.8088571.2941588.7795606.26480.98231.01871.15660.9187表6-4时间序列季节指数计算应用范例6-3：时间序列分解预测模型应用范例6-3：时间序列分解预测模型第二步：确定季节系数利用求出的趋势方程，可以求出不同季节的趋势预测值，如表6-4中的第四列。表中第五列为实际值与趋势预测值的比，也就是每季度的季节系数。第六列为平均季节系数，是把各年相同季节的季节系数相加后取平均值，如第一季度的平均季节系数：(1.0524+0.9229+0.9773+0.9823)/4=0.9837其他各季度的季节系数确定与此相仿。第三步：预测有了季节系数，就可以对未来进行预测，如预测2013年的需求情况：春季：(326.500+17.485317)0.9837=613.58夏季：(326.500+17.485318)1.0138=650.08秋季：(326.500+17.485319)1.1319=745.61冬季：(326.500+17.485320)0.8731=590.406.4预测误差与控制6.4.1需求预测误差的度量1,平均绝对偏差(MAD)ntttAFnMAD11式中Ft——第t期的预测值；At——第t期的实际值；n——预测期数。6.4预测误差与控制6.4.1需求预测误差的度量２.平均绝对百分误差(MAPE)t11100%ntttAFMAPEnA3．平均平方误差（MSE)ntttFAnMSE12)(16.4预测误差与控制6.4.1需求预测误差的度量4．平均预测误差（MFE）是预测点的误差的平均值。11()ntttMFEAFn说明：不同的误差衡量指标，各有优缺点．因为不同的指标考察的侧重点不同，有的精度比较高，但是不能反映预测的偏差情况（即无偏性），反之，有的反映无偏性，但是不能真实反映预测精度．因此需要根据需要采用不同的指标．6.4预测误差与控制6.4.2需求预测误差控制需求预测有一个基本假设前提，假设过去的需求模式在未来仍然存在而且发生作用，但是这样一个假设条件并不一定总是成立。一旦真实的需求模式在未来发生了改变，却仍然采用过去的需求模式（需求规律）来进行预测，显然结果是不正确的。预测的目的是要真实反映需求规律，因此为了更好实现这一目的，需要对预测的结果进行控制，保证预测在一定的允许范围内。如果超出这一特定的允许范围，就应该采取措施校正预测误差，或者采用新的预测方法。6.4预测误差与控制跟踪信息是用来进行预测监控的指标，公式为：111()()nnttttttntttAFnAFTSMAEAF一般情况下，跟踪信息越接近零，预测效果越好，预测模型越真实地反映需求规律。反之，如果跟踪信息比较大，说明预测模型与实际的需求规律之间拟合效果差，应该采取更好的方法进行预测。本章小结本章介绍了需求管理与需求预测的有关理论与方法。第一节介绍了需求管理在生产运作管理的作用地位，第二节介绍需求管理策略,包括主动需求管理与被动需求管理策略，第三节介绍了需求预测方法，重点介绍了定量预测方法，第四节介绍了预测误差与控制.