物流运作管理--5需求预测

2019/9/71第5讲需求预测5.1预测及其作用预测是对未来可能发生的情况的预计与推测。作用“凡事预则立，不预则废”。预测为人们提供了即将发生的情况的信息，增加了成功的机会。但预测不是一门精确的科学，它是科学与艺术的结合。预测离不开科学测定的数据，也离不开人们的经验和判断。不能因为预测的失误而否定预测。2019/9/72预测的特性1、预测的基本假设：过去的发展状态要持续到将来2、预测精度随预测的时间范围增加而降低3、对总量的预测要比对个体的预测精确如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确2019/9/73预测的作用帮助管理者设计生产运作系统生产什么产品，提供何种服务在何处建立生产/服务设施采用什么样的流程供应链如何组织帮助管理者对系统的使用进行计划今年生产什么，生产多少如何利用现有设施提供满意服务2019/9/74预测种类按性质分科学预测：科学预测是对科学发展情况的预计与推测。如门捷列夫预计有3个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。技术预测：技术预测是对技术进步情况的预计与推测。2019/9/75需求预测：需求预测为企业给出了产品在未来的一段时间里的需求期望水平,为企业的计划和控制决策提供了依据。社会预测：社会预测是对社会未来的发展状况的预计和推测。比如人口预测、人们生活方式变化预测、环境状况预测等。经济预测：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表经济预测报告2019/9/76按时间分长期预测(Long-rangeForecast)：对5年或5年以上的需求前景的预测。它是企业长期发展规划的依据。中期预测(Intermediate-rangeForecast)：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。它是制订年度生产计划、季度生产计划的依据。短期预测(Short-rangeForecast)：短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。2019/9/77按主客观因素所起的作用分定性预测方法主观判断、不需要数学公式预测依据：各种主观意见定量预测方法利用统计资料和数学模型进行预测主观判断仍然重要2019/9/78预测方法定性预测方法定量预测方法Delphi法用户期望调查法部门主管讨论法销售人员意见汇集法因果模型时间序列模型移动平均法加权移动平均法指数平滑法乘法模型加法模型时间序列平滑模型时间序列分解模型2019/9/79预测的一般步骤1确定预测的目的和用途2根据企业不同的产品及其性质分类3决定影响各类产品需求的因素及其重要性4收集所有可以利用的过去和现在的资料加以分析5选择适当的预测方法6计算并核实初步预测结果“预测”7考虑和设定无法预测的内外因素8求出各类产品需求预测9将预测结果应用10预测监控2019/9/7105.2定性预测方法Delphi法（专家调查法）用户期望调查法部门主管意见销售人员意见汇集法11南京理工大学经济管理学院2019/9/75.3定量预测法简单移动平均（Simplemovingaverage，SMA）加权移动平均（Weightedmovingaverage，WMA）指数平滑法（Exponentialsmoothing）12南京理工大学经济管理学院2019/9/7一、简单移动平均SMAt+1=nAt+i-ni=1nT周期末简单移动平均值T＋1周期的预测值i周期实际值周期数nA+...+A+A+A=Fn-t3-t2-t1-tt13南京理工大学经济管理学院2019/9/7表5-1简单移动平均法预测月份实际销量(百台)n=3n=412345678910111220.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.0021.3322.6724.0025.3326.0026.0025.6726.3327.0021.7523.3324.7525.5025.7526.0026.2526.5014南京理工大学经济管理学院2019/9/7计算移动平均预测值:WeekDemand3-Week6-Week1650267837204785？5859727.676920788.007850854.67？8758876.33802.009892842.67815.3310920833.33844.0011789856.67866.5012844867.00854.83F4=(720+678+650)/3=682.67F7=(920+859+785+720+678+650)/6=768.6715南京理工大学经济管理学院2019/9/7•描点绘图，可以比较当n=3,n=6时对预测结果的影响?5006007008009001000123456789101112WeekDemandDemand3-Week6-Week16南京理工大学经济管理学院2019/9/7•对于简单移动平均预测方法，关键是选择移动时间区间的大小，即n的大小。•n的大小的选择与预测者要求的适应性有关。如果管理者追求稳定性n的值应该选择大一些，如果管理者的目标是体现响应性，则应选择小一点的n。5006007008009001000123456789101112WeekDemandDemand3-Week6-Week17南京理工大学经济管理学院2019/9/7二、加权移动平均WMAt+1=niAt+i-ni=1n18南京理工大学经济管理学院2019/9/7表5-2加权移动平均预测t(月)实际销量(百台)三个月的加权移动平均预测值(百台)12345678910111220.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00(0.5×20+1×21+1.5.5×23)/3=21.8323.1724.3325.8326.1725.6725.6726.8327.1719南京理工大学经济管理学院2019/9/7•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；近期数据数据的权重越小，则预测的稳定性就越好，响应性就越差；•权重和n的选择具有经验性。20南京理工大学经济管理学院2019/9/7三、一次指数平滑法(Singleexponentialsmoothing)Ft=Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1•Ft新的预测值，Ft-1前期预测值，•At-1前期的实际需求，平滑系数21南京理工大学经济管理学院2019/9/7月销售额一次指数平滑预测表单位：千元月份实际销售α＝0.4α＝0.7110.0011.0011.00212.0010.6010.30313.0011.1611.49416.0011.9012.55519.0013.5414.97623.0015.7217.79726.0018.6321.44830.0021.5824.63928.0024.9528.391018.0026.1728.121115.0022.9021.041214.00F2＝αA1＋（1－α）F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.8122南京理工大学经济管理学院2019/9/7•与上面的问题的类似，预测的关键是选择的大小。•如管理者追求稳定性，的值应该选择小一些;•如果管理者的目标是体现响应性，则应选择大一点的50060070080090012345678910WeekDemandDemand0.10.623南京理工大学经济管理学院2019/9/7四、时间分解预测模型--解决季节性预测问题(Seasonalvariations)–常用季节性预测模型(P87图3-7)•加法模型(AdditiveModel)•TF=T+S+C+I•乘法模型(Multiplicativemodel)•TF=T.S.C.I•用得较多的是基于乘法模型的预测方法24南京理工大学经济管理学院2019/9/7时间序列分解模型计算示例：有一个公司记录了1997和1998两年的销售数据，见下表。请根据这些数据预测1999年的销售情况。时间销售额(万元)时间销售额(万元)1997年1季度3002季度2003季度2204季度5301998年1季度5202季度4203季度4004季度70025南京理工大学经济管理学院2019/9/7Step1:求出趋势值的直线方程。趋势值Step1:可以用最小二乘法，求出：Tt=170+55*t26南京理工大学经济管理学院2019/9/7有关最小二乘法请自学最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。27南京理工大学经济管理学院2019/9/7Step2:计算季节因子时间实际值趋势值实际值/趋势值季节因子97年1季度2季度3季度4季度300200220530225280335390(300/225)=1.330.710.661.36(1.33+1.17)/2=1.25(0.71+0.84)/2=0.7898年1季度2季度3季度4季度5204204007004455005556101.170.840.721.15(0.66+0.72)/2=0.69(1.36+1.15)/2=1.25Step3:计算1999年的预测值1999年1季度:(170+55×9)×1.25=8312季度:(170+55×10)×0.78=5623季度:(170+55×11)×0.69=5354季度:(170+55×12)×1.25=103828南京理工大学经济管理学院2019/9/7五、因果模型：一元线性回归模型•Yt一元线性回归预测值；•a截距•b斜率.Yt=a+bx012345tY29南京理工大学经济管理学院2019/9/7b=n(xy)-xynx2-(x)2a=y-bxn•n为变量数；•x为自变量的取值；•y为因变量的取值；30南京理工大学经济管理学院2019/9/7xyWeekx2Salesxy111501502415731439162486416166664525177885x=15x2=55y=812xy=2499()2=22531南京理工大学经济管理学院2019/9/7y=143.5+6.3ta=812-6.3(15)5=b=5(2499)-15(812)5(55)-225=12495-12180275-225=6.3143.532南京理工大学经济管理学院2019/9/75.4预测误差与监控预测精度（误差的大小）与控制是预测中的重要环节。如果不注意预测环境的变化，原来使用的预测模型可能会由于种种原因产生较大的偏差，从而影响预测结果的精度，使管理人员产生错觉，导致某些决策错误。33南京理工大学经济管理学院2019/9/7预测误差•误差–实际值与预计值的差别•平均绝对偏差（Meanabsolutedeviation，MAD）•平均平方误差（Meansquarederror，MSE)34南京理工大学经济管理学院2019/9/7预测误差的度量(Measurementofforecasterror)预测误差是指预测值与实际值之间的偏差。其计算方法是：MADAFntt||MSEAFntt()2平均预测误差nFAMFEtt)(平均绝对偏差平均平方误差预测误差滚动和Runningsumofforecasterrors，RSFE反映预测精度衡量无偏性35南京理工大学经济管理学院2019/9/7•检验预测模型是否有效：–将最近的实际值与偏差进行比较，看偏差是否在可以接受的范围之内；–采用跟踪信号法(Track