生产计划预测

第三章需求预测第一节预测第二节定性预测方法第三节定量预测方法第四节预测监控一、预测的概念是对未来可能发生的情况的预计和推测。科学性：客观事物发展的惯性；随机现象的统计规律性。第一节预测二、预测的作用1、预测是制定战略的基础。2、预测是制定计划的基础。3、预测是协调各部门工作的依据。4、有助于为尽快满足用户需求做好准备。•预测对作业管理重要性–销售预测是生产规划的基础，其影响以下决策•厂房及生产设备投资•工厂布置•新产品发展•生产计画•制造日程•物料需求•存货水准三、预测的分类第一节预测（1）科学预测：是对科学发展情况的预计和推测。（2）技术预测：是对技术进步情况的预计和推测。（3）经济预测：是政府部门以及其它一些社会组织经常就未来的经济状况发展经济预测报告。（4）需求预测：不仅为企业给出了其产品在未来的一段时间里的需求期望水平，而且为企业的计划和控制决策提供了依据。（5）社会需求：是对社会未来的发展状况的预测和推测。四、需求预测的分类第一节预测1、按时间分（1）长期预测：是指对5年或5年以上的需求前景的预测。（2）中期预测：是指对一个季度以上两年以下的需求前景的预测。（3）短期预测：是指以日、周、旬、月为单位，对一个季度以下的预测。2、按主客观因素所起的作用分（1）定性预测方法：通常依据事物的特征或特性，或根据个人意见以及未来市场变化作一主观预测。(群体专家预测法、德非法、销售人员评估法、顾客评估法、历史资料类比法、市场调查法。)依靠人们的才干、知识、远见和判断力来推测未来的变化。（2）定量预测方法：主要根据对历史资料的分析来推断未来的需求。预测方法定性预测方法定量预测方法德尔菲法部门主管讨论法用户调查法销售人员意见汇总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第一节预测四、需求预测的分类五、影响需求预测的因素第一节预测1、商业周期：从复苏到高潮到衰退到萧条,周而复始。2、产品生命周期：任何成功的产品都有导入期、成长期、成熟期和衰退期4个阶段。复苏高潮衰退萧条复苏导入期成长期成熟期衰退期影响产品需求的因素内部因素外部因素销售预算广告价格刺激产品/服务设计折扣政策储备经济周期竞争消费者保护世界性事件政府行为产品生命周期六、预测一般步骤1、决定预测的目的和用途；2、对产品及其性质分类；3、决定影响因素；4、收集分析资料；5、选择预测方法和模型；6、计算并核实预测结果；7、设定外在因素；8、求出预测值；9、应用预测结果；10、预测监控。第一节预测预测过程概括如下设定预测目标确定预测对象监测、控制预测提供预测结果作出预测选择预测方法收集、分析数据决定预测的时间跨度StepsintheForecastingProcessStep1DeterminepurposeofforecastStep2EstablishatimehorizonStep3SelectaforecastingtechniqueStep4GatherandanalyzedataStep5PreparetheforecastStep6Monitortheforecast“Theforecast”需求前滞时间及预测要求产能计划原材料采购制作部件装配产品交货行业特征要求对产能进行预测允许前置时间大型建筑机车造船重资本品：服务自助餐厅消费品自动替换部件快速食品顾客要求装配电子品机器工具饭店旅馆铸造厂面向工作的公司：允许前置时间要求对产能和原材料进行预测要求对产能、原材料和部件进行预测允许前置时间要求对产能、原材料、部件和装配进行预测允许前置时间TypesofForecasts•Judgmental-usessubjectiveinputs•Timeseries-useshistoricaldataassumingthefuturewillbelikethepast•Associativemodels-usesexplanatoryvariablestopredictthefuture第二节定性预测方法一、德尔菲法(Delghimethod)：（1）挑选专家；（2）函询调查：向专家提出问题，要求书面答复；（3）汇集综合整理：将搜集来的专家意见整理；（4）再次函询：将整理的意见反馈给各专家，要求他们修正其预测，并说明修正理由；（5）最终预测：循环3、4步，至3、4轮。优点：匿名性，避免群体压力现象，专家充分发表意见，且最后能统一。缺点：受主观因素影响，专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后趋于一致的意见仍带有随大流的倾向。1、步骤：2、优缺点：源自逾1948年Rand公司第二节定性预测方法一、德尔菲法(Delghimethod)：专家调查法3、三条原则：匿名性、反馈性、收敛性。1、部门主管集体讨论法2、用户调查法3、销售人员意见汇集法（略、自学）二、其他方法4、经常使用于预测时间幅度长的技术预测一、时间序列：1、概念：按一定时间间隔和事件发生的先后顺序排列起来的数据构成的序列。2、构成：第三节定量预测方法假设：过去存在的变量间关系和相互作用机理，今后仍存在并继续发挥作用。1）趋势成分：引起原因（人口的变动，经济的增长，技术的进步，生产力的发展）。T（Trend)2）季节成分：每个年度内成规则性的重复波动形态。起因：季节性的气候变化和风俗习惯。S(Season)3）周期成分：经济成长过程中景气和不景气交替重复发生的波动情况。发展、繁荣、衰退、恢复。诱发因素：社会政治变动、战争、经济形势变化。C(Cycle)4）随机成分：不可控因素引起的，没有规则的上下波动。I（Irregularity)第三节定量预测方法趋势成分季节成分周期成分随机波动成分一、时间序列：2、构成：第三节定量预测方法时间序列及其构成-2.5-2-1.5-1-0.500.511.522.512345678910趋势分析时间序列及其构成-2.5-2-1.5-1-0.500.511.522.512345678910趋势成分季节成分时间序列及其构成-2.5-2-1.5-1-0.500.511.522.512345678910趋势成分季节成分周期成分时间序列及其构成-2.5-2-1.5-1-0.500.511.522.512345678910趋势成分季节成分周期成分随机波动成分时间序列及其构成-6-4-202412345678910趋势成分季节成分周期成分随机波动成分总趋势一、时间序列：2、构成：NaiveForecastsUh,givemeaminute....Wesold250wheelslastweek....Now,nextweekweshouldsell....Theforecastforanyperiodequalsthepreviousperiod’sactualvalue.•Simpletouse•Virtuallynocost•Quickandeasytoprepare•Dataanalysisisnonexistent•Easilyunderstandable•Cannotprovidehighaccuracy•CanbeastandardforaccuracyNaïveForecasts•Stabletimeseriesdata–F(t)=A(t-1)•Seasonalvariations–F(t)=A(t-n)•Datawithtrends–F(t)=A(t-1)+(A(t-1)–A(t-2))UsesforNaïveForecastsTechniquesforAveraging•Movingaverage•Weightedmovingaverage•Exponentialsmoothing二、时间序列平滑模型tntiitAnSMA11)1(时间实销平均预测1月A12月A23月A3SMA3SMA34月A4SMA4SMA45月A5SMA5SMA5第三节定量预测方法1、简单移动平均（Simplemovingaverage）简单移动平均值为：周的预测值；第1:1tSMAt数；：移动平均采用的周期n周期的实际需求。为iAi:可消除由于随机成分的影响而导致的需求偏离平均水平第三节定量预测方法月份实际销量（百台）n=3n=412022132342421.3352522.6721.7562724.0023.3372625.3324.7582526.0025.5092626.0025.75102825.6726.00112726.3326.25122927.0026.50预测值同简单移动平均所选的时段长n有关，具有滞后性。n越大，对干扰的敏感性越低，预测的稳定性越好，滞后性越强，响应性就越差。简单移动平均法对数据不分远近，同样对待。为了反映最近的趋势，可采用加权移动平均。二、时间序列平滑模型tntiintitAnWMA11)1(第三节定量预测方法2、加权移动平均（Weightedmovingaverage）加权移动平均值为：n,,,21为实际需求的权系数。第三节定量预测方法月份实际销量（百台）n=3120221323424(0.5×20+1.0×21+1.5×23)/3=21.83525(0.5×21+1.0×23+1.5×24)/3=23.1762724.3372625.8382526.1792625.67102825.67112726.83122927.175.1,0.1,5.0321若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法的结果要小。近期数据的权重越大，则预测的稳定性就越差，响应性就越好。可以同时改变n和α。简单移动平均和加权移动平均需要的数据量大，计算量非常大，当产品很多时计算工作繁重。指数平滑法公式及定义指数平滑法（exponentialsmoothing）是以上一期预测值，加上一调整值以作为下一期的预测值。即新的预测值＝旧的预测值＋（实际值-旧预测值）公式与变数指数平滑法给予近期资料较重的权重，历史资料则权重较轻。n与α值间的关系如下：1n2)(111ttttFAFF指数平滑法简例(1)使用α＝0.1、0.2和0.3预测下列资料，得到下面结果，以第10周作为运算范例指数平滑法简例(2)以MAD决策使用哪一种α值作为第18期的预测模式。指数平滑法简例(3)以上述简例可以得之并非α值越高，其预测值就会越准确。指數平滑法與實際量比較圖7080901001101201307891011121314151617α＝0.1α＝0.2α＝0.3真实值具有把实际资料平滑化的效果LinearTrendEquation•Ft=Forecastforperiodt•t=Specifiednumberoftimeperiods•a=ValueofFtatt=0•b=SlopeofthelineFt=a+bt012345tFtCalculatingaandbb=n(ty)-tynt2-(t)2a=y-btnLinearTrendEquationExampletyWeekt2Salesty111501502415731439162486416166664525177885t=15t2=55y=812ty=2499(t)2=225LinearTrendCalculationy=143.5+6.3ta=812-6.3(15)5=b=5(2499)-15(812)5(55)-225=12495-12180275-225=6.3143.5b=n(ty)-tynt2-(t)2a=y-btn具有趋势的指数平滑法（I）•当趋势显现时，常用两种技巧来进行预测。一是趋势方程式，另一是指数平滑法。•趋势方程式btayt其中，t＝期数，t从0开始＝t期之预测值a＝t＝0时之值b＝直线之斜率22)(ttnyt