生产预测

生产预测PRODUCTIONFORECAST预测的定义与分类预测：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。广义的预测，主观和客观都存在。狭义的预测，只基于主观的评价。预测的重要性企业编制长期计划的基础为预算和成本控制提供依据为开发新产品提供信息为补充销售人员提供依据是作出关键决策的基础用于编制生产作业计划预测的重要性长期中短期预测企业战略规划综合生产计划主生产计划需求管理订单预测在生产计划和控制系统中的作用预测的内容市场需求、供给、消费品购买力及投向、价格变动趋势、产品生命周期、科技前景、商业营销发展趋势、市场占有率、成本与效益等。经济预测、技术预测、需求预测。本课所说的预测只是对于企业产品的需求预测，预测值采用销售数量表示。需求类型需求类型独立需求（IndependentDemand）产品的需求由市场决定，与其他产品服务的需求无关。非独立需求（DependentDemand）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。进行市场需求预测，其对象是独立需求物料，通常是最终产品、作为备品的零部件或其他不直接组装产品。独立需求产品的市场需求要基于预测结果，是存在误差的；相关需求产品根据产品的物料清单展开计算得到的，需求数量和时间是确定的。需求类型及构成AB（4）C（2）D（2）E（1）D（3）F（2）独立需求（预测对象）相关需求（在MRP中讨论）独立需求和相关需求的区别需求构成平均需求趋势需求季节因素周期因素随机因素需求的构成典型的趋势需求有四种典型的趋势需求：（1）线性趋势——反映了数据呈连续的直线关系典型的趋势需求有四种典型的趋势需求：（2）S型趋势——产品成长和成熟时期的需求典型的趋势需求有四种典型的趋势需求：（3）渐进趋势——以优质产品大量投放市场时出现典型的趋势需求有四种典型的趋势需求：（4）指数增长——产品销售势头特好的产品影响独立需求的措施影响独立需求的措施：（1）发挥积极作用，影响需求如：对销售人员增加压力，奖励员工，对顾客有奖促销，降价，广告，将工资与销售额挂钩抬价，减少销售力度将使需求减少。（2）被动，简单地响应市场需求。工厂设备已满负荷运行；市场处于稳定状态，广告费用太高，企业无力改变需求，只有一家供应。广告费用太高等。预测控制系统历史数据选择预测方法初步预测结果决策人员的经验预测结果计划应用预测控制系统预测偏差预测控制系统预测的种类定性预测主观预测法（SOF）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。定量预测：根据历史数据并假定将来是过去的函数，从而外推至未来所获得的预测结果，需基于时间的历史数据。仿真长期预测(数年至数十年)中期预测(一年至数年)短期预测(数日至一年)预测种类：按性质分按时间分预测的方法定性预测法以逻辑判断为主的预测方法回归预测法应用回归分析从一个或多个自变量的值去预测因变量将取得的值时间序列预测法一种考虑变量随时间发展变化规律并用该变量以往的统计资料建立数学模型作外推的预测方法回归预测的概述回归预测以因果关系为前提，应用统计方法寻找一个适当的回归模型，对未来市场的变化进行预测。回归分析具有比较严密的理论基础和成熟的计算分析方法；回归预测是回归分析在预测中的具体运用。在回归预测中，预测对象称为因变量，相关的分析对象称为自变量。回归分析根据自变量的多少分为一元回归分析、二元回归分析与多元回归分析，但有时候二元回归分析被并入到多元回归分析之中；回归分析根据回归关系可分为线性回归分析与非线性回归分析一元线性回归预测是指成对的两个变量数据分布大体上呈直线趋势时，运用合适的参数估计方法，求出一元线性回归模型，然后根据自变量与因变量之间的关系，预测因变量的趋势。建立回归模型01iyx0是回归常数1回归系数其中：是随机变量估计参数用最小二乘法进行参数的估计时，要求i满足一定的假设条件：是一个随机变量；i的均值为零，即i0iE在每一个时期中，i的方差为常量，即2iD各个相互独立；i与自变量无关。i估计参数用最小二乘法进行参数估计，得到的估计表达式为：12yxxxx01yx非线性回归分析双曲线模型幂函数模型指数函数模型对数函数模型双曲线模型•设有双曲线方程如下：01011111,yxyxyxyx设则有：返回幂函数模型•设有幂函数方程如下：12012001101122yln,ln,ln,,lnkkkkkkXXXyyxxxxyxxx设则有：返回指数函数模型•设有指数函数方程如下：100001yln,ln,lnxeyyxxyx设则有：返回对数函数模型•设有对数函数方程如下：0101ylnln,lnxyyxxyx设则有：指数平滑法•简单指数平滑法•Holt指数平滑法•Winters指数平滑法简单指数平滑法简单指数平滑法预测方程1(1)=F()ttttttFxFxF返回其中1ttFx为下一期预测值为最新观察值为平滑系数Holt指数平滑法•预测方程如下：1111(1)()()(1)tmttttttttttFSbmxSbSSb其中Sb返回初始值111212132431or()()()b3xxxxxxxxxSbWinters指数平滑法预测方程如下：1111()(1)()01()(1)01(1)(01)tmtttLmtttttLtttttttLtFSbmIxSbISSbxIIS其中Sb式中LI为季节的长度为季节修正系数博克斯-詹金斯法•自回归模型•滑动平均模型•自回归滑动平均混合模型自回归模型预测模型：返回11221tttptpttYYYYeYtpe是时间序列在期的观测值是自回归模型的阶数是误差式中滑动平均模型预测模型：返回1122ttttqtqttYeeeeYtqe是时间序列在期的观测值是滑动平均模型的阶数是误差式中自回归滑动平均混合模型预测模型：11221122+tttptptttqtqYYYYeeee式中博克斯-詹金斯预测流程图假设模型的一般模型选定可以初步使用的模型估计初步使用模型的参数判断检验员模型十分恰当利用模型作出预测第一阶段：模型的识别第二阶段：参数估计和模型检验第三阶段：预测应用其他定量预测法简单移动平均加权移动平均因果回归模型简单移动平均（1）简单移动平均nAAAAFnttttt321利用某时段的实际需求平均值作为未来后续时段的预测值，采用对需求历史数据的逐点分段移动法，当产品需求既不快增长也不快下降，且不存在季节性和趋势因素时，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。其主要缺点是实际值无法得到、滞后、各期权重系数相等。简单移动平均的计算公式为：tF——对下一期的预测值；n——移动平均的时期个数；nttttAAAA,,,321——前期、前两期、前三期直至前n期的实际值简单移动平均简单移动平均算例周次实际销售量3周9周12345678910111213141580014001000150015001300180017001300170017001500230023002000106713001333143315331600160015671567163318332033136714671500155616441733简单移动平均返回加权移动平均简单移动平均的各元素权重都相等，而加权移动平均的权重值可以不同。当然，其权重之和必须等于1。越靠近当期的数据越接近现实！权重也越大。权重的选择：经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而其权重应大些。但是，其权重是季节性的，故权重系数也应是季节性的，一般对季节性产品季节权重系数要大。由于加权移动平均能区别对待历史数据，因而在这方面要优于简单移动平均。较简单移动平均滞后程度小（2）加权移动平均法加权移动平均ntnttttAwAwAwAwF332211加权移动平均法公式及算例1niiw计算公式321、、第t-1,t-2,t-3期实际销售额的权重321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%，其四个月的销售额分别为100,90,105,95。第五个月的预测值为5.9710010.09020.01050.3095.4005F返回因果预测市场预测中有许多因果关系因素，如：购买力随工资增加；雨具销售随雨天延长；因果关系的第一步是找出真正呈因果关系的那些事件。一般地，主要变量间无因果关系，但在某些间接情况下，一些主要变量可能暗含了另一些可能事件。其他的非因果关系可视为偶然联系。以下为一个用因果关系进行预测的例子例：因果关系预测位于卡彭塔里亚市的地毯商城保存了历年的地毯销售记录（以平方码为单位）和该地区历年来批准的新建房屋数，数据如下：因果预测因果预测年份新房屋（x平方码）地毯销量（y平方码）198918130001990151200019911211000199210100001993201400019942816000199535190001996301700019972013000因果预测方程：y=7000+350x设1998年新建房为25，则y=7000+350×25=15750码