生产运作需求预测概述.ppt

需求预测需求预测一、预测的概念一、预测的概念二、预测方法二、预测方法三、预测的监控三、预测的监控Demand Forecasting一、预测的概念一、预测的概念•预测是对未来可能发生的事情的估计与推测预测是对未来可能发生的事情的估计与推测•分类分类一般有科学预测、技术预测、经济预测、一般有科学预测、技术预测、经济预测、需求预测、社会预测需求预测、社会预测•本课程主要讨论本课程主要讨论——需求预测需求预测预测的概念预测的概念•需求预测的意义需求预测的意义Ø预测是为下一步计划做准备Ø预测是制定营销、生产 和库存、采购、人力资源等计划的基础Ø预测对生产运作产生影响，所以，它是生产运作管理的一个组成部分预测的重要性预测的重要性1.企业编制长期计划的基础2. 为预算和成本控制提供依据3. 为开发新产品提供信息4. 为补充销售人员提供依据5. 是作出关键决策的基础6. 用于编制生产作业计划影响需求预测的因素图3-1产品生命周期示意图产品生命周期示意图导入期成长期成熟期衰退期时间需求量（销量）• 定性预测• 定量预测 按方法分预测的种类 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)按时间分预测的概念预测的概念•预测的主要步骤预测的主要步骤1.确定预测目标和用途；（销量）确定预测目标和用途；（销量）2.确定影响产品需求的因素及其重要性；确定影响产品需求的因素及其重要性；3.收集资料；收集资料；4.选择预测方法与模型；选择预测方法与模型；5.计算、预测；计算、预测；6.对预测结果进行综合分析，得出结论；对预测结果进行综合分析，得出结论；7.将预测结果应用于生产计划工作中；将预测结果应用于生产计划工作中；8.根据实际情况，对预测结果进行监控。

根据实际情况，对预测结果进行监控预测的概念预测的概念•预测注意的问题：1.判断在预测的作用（选择方法、辨别信息、取舍结果）2.预测精度与成本3.预测的时间范围和更新频率（时间范围越大，预测结果越不准确；预测值与实际值偏离过大，则应更新预测方法）4.稳定性和响应性下页下页预测精度与成本的关系预测精度与成本的关系总费用预测费用经营费用预测精度费用0上页预测的稳定性与响应性预测的稳定性与响应性•稳定性和响应性是对预测方法的稳定性和响应性是对预测方法的2个基本要求个基本要求•稳定性：是指抗拒随机干扰，反应稳定需求的能力稳定性：是指抗拒随机干扰，反应稳定需求的能力稳定性好的预测方法有利于消除或减少随机因素的影响稳定性好的预测方法有利于消除或减少随机因素的影响 适用于受随机因素影响较大的预测问题；适用于受随机因素影响较大的预测问题；•响应性：是指迅速反映需求变化的能力响应性：是指迅速反映需求变化的能力响应性好的预测方法能及时跟上实际需求的变化响应性好的预测方法能及时跟上实际需求的变化 适用于受随机因素影响小的预测问题适用于受随机因素影响小的预测问题良好的稳定性和响应性都是预测追求的目标。

对于时间序列模型良好的稳定性和响应性都是预测追求的目标对于时间序列模型而言，两者目标确是矛盾的而言，两者目标确是矛盾的 若要兼顾稳定性和响应性，则应若要兼顾稳定性和响应性，则应考虑除时间以外因素的影响，运用其他的预测方法考虑除时间以外因素的影响，运用其他的预测方法上页二、预测方法二、预测方法预测方法预测方法 需需要要说说明明的的是是，，为为使使预预测测更更符符合合实实际际，，经经验验、、判判断断和和数数学学模模型型都都起起一一定定的的作作用，但没有哪一种方法一直都能奏效用，但没有哪一种方法一直都能奏效（一）定性（一）定性预测方法预测方法1 1、德尔菲法、德尔菲法RandRand公司首创于公司首创于5050年代末，步骤如下：年代末，步骤如下：(1)(1)选择参考的专家，具有不同背景的人；选择参考的专家，具有不同背景的人；(2)(2)通过问卷（或通过问卷（或E-mailE-mail），从专家处了解信息），从专家处了解信息(3)(3)汇总专家结果，附新问题，再度发给专家汇总专家结果，附新问题，再度发给专家(4)(4)再次汇总，提炼预测结果和条件，再度发给所有再次汇总，提炼预测结果和条件，再度发给所有专家；专家；②②如有必要，再重复如有必要，再重复(4)(4)；；③直至专家意见一致，得出预测结果。

直至专家意见一致，得出预测结果2、部门集体意见讨论法、部门集体意见讨论法由不同层次、部门人员开会，在会上自由不同层次、部门人员开会，在会上自由讨论这种方法问题在于低层人员由讨论这种方法问题在于低层人员的意见往往易受市场营销的左右，不的意见往往易受市场营销的左右，不敢与领导相背对于重要决策，如引敢与领导相背对于重要决策，如引进流水线等，由高层人员讨论进流水线等，由高层人员讨论3、销售人员意见汇总法、销售人员意见汇总法基本观点：基本观点：基层意见法预测基于逐步基层意见法预测基于逐步累加来自低层的预测累加来自低层的预测假设前提：假设前提：处于最低层的那些离顾客最处于最低层的那些离顾客最近、了解产品最终的销售人员最清楚产近、了解产品最终的销售人员最清楚产品未来的需求情况，然后采取逐级上报品未来的需求情况，然后采取逐级上报的做法4、顾客期望法、顾客期望法——通常是聘请第三方专业市场调研公司进行预通常是聘请第三方专业市场调研公司进行预测————顾客期望法顾客期望法主要用于新产品研发，了解对现主要用于新产品研发，了解对现有产品的评价，了解顾客对现有产品的好恶，有产品的评价，了解顾客对现有产品的好恶，了解特定层次的顾客偏好哪些竞争性商品了解特定层次的顾客偏好哪些竞争性商品————数据收集方法有数据收集方法有问卷调查问卷调查和和上门访谈上门访谈两种。

两种预测方法预测方法（二）定量预测方法（二）定量预测方法•用数学模型表示需求与各种变量之间的关系•前提：变量与需求的关系今后仍然保持不变•常用的有：–时时间间序序列列模模型型：用用过过去去的的需需求求和和时时间间的的关关系系来来预预测未来的需求测未来的需求–因因果果模模型型：：用用过过去去的的资资料料揭揭示示变变量量和和需需求求的的关关系系，，进而预测未来的需求进而预测未来的需求预测方法预测方法1、时间序列模型、时间序列模型•时时间间序序列列（Time Series））：：按一定的时间间隔和事件发生的先后顺序将所收集的数据排列起来所得到的序列预测方法预测方法预测方法预测方法•时间序列的构成时间序列的构成：：–趋趋势势成成分分：： 随随时时间间的的推推移移而而表表现现出出的的一一种种倾倾向向（上升、下降、平稳）上升、下降、平稳）–季节成分：季节成分： 特定周期时间里有规则的波动如：特定周期时间里有规则的波动如：–每天有二次交通高峰；每天有二次交通高峰；–每周周末，影院的客流量较大；每周周末，影院的客流量较大；–某些产品的季节性需求变化等某些产品的季节性需求变化等–周周期期成成分分：： 较较长长时时间间里里（（一一般般为为数数十十年年））有有规规则则的波动。

的波动–随机成分：随机成分： 没有规则的上下波动没有规则的上下波动本章只讨论本章只讨论趋势成分和季节成分趋势成分和季节成分时间序列的构成示意图时间序列的构成示意图周期周期时间序列的构成示意图时间序列的构成示意图随机成分周期成分趋势成分季节成分有四种典型的趋势需求：（（1 1）线性趋势）线性趋势——反映了数据呈连续的直线关系反映了数据呈连续的直线关系有四种典型的趋势需求：（（2 2））S S型趋势型趋势————产品成长和成熟时期的需求产品成长和成熟时期的需求有四种典型的趋势需求：（（3 3）渐进趋势）渐进趋势——以优质产品大量投放市场时出现以优质产品大量投放市场时出现有四种典型的趋势需求：（（4 4）指数增长）指数增长——产品销售势头特好的产品产品销售势头特好的产品预测方法预测方法•时间序列模型时间序列模型：：–时时间间序序列列平平滑滑模模型型：：通通过过多多个个数数据据的的平平均均来来消消除除和和减减少少随随机机成成分分( (干干扰扰) )常常用用的的有有简简单单移移动动平平均均、、加权移动平均、一次指数平滑加权移动平均、一次指数平滑–时间序列分解模型：时间序列分解模型：时间序列模型时间序列模型：：1）简单移动平均）简单移动平均(Simple Moving Average)SMAt+1= (Xt + Xt-1 +…+ Xt-N+1 )/N 预测值预测值=(=(前前N次实测值的平均值次实测值的平均值) )•当产品需求既不快增长也不快下降，且不存在季节性当产品需求既不快增长也不快下降，且不存在季节性因素时，移动平均法能有效消除预测中的随机波动。

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选择移动平均的最佳区间很重要•其主要缺点是在于每一因素都必须以数据表示其主要缺点是在于每一因素都必须以数据表示N—平均值计算跨越期数平均值计算跨越期数Xt——实际观测值实际观测值预测方法预测方法（20+21+23）/3 =21.33（20+21+23+24）/4 =22例：•某电器公司电子原器件周销售值记录如下表所示取N=3和和N=9•试用简单平均法预测第16周的预测值 解：解：•计算见下表计算见下表 N=3和和N=9第第16周的预测值分别为：周的预测值分别为：•SMA16=（（2300+2300+2000））/3=2200•SMA16 =（（1300+…….+2000））/9=1956简单移动平均算例周次周次销售值（元）销售值（元）3 3周周9 9周周12380014001000456789150015001300180017001300106713001333143315331600101112131415170017001500230023002000160015671567163318332033136714671500155616441733简单移动平均简单移动平均讨论：•你对简单移动平均法有什你对简单移动平均法有什么认识？么认识？预测方法预测方法结果：结果：•N N越大，预测值越平滑，对干扰的灵敏性越低，稳越大，预测值越平滑，对干扰的灵敏性越低，稳定性好，预测值的响应性也就越差。

定性好，预测值的响应性也就越差 •N N越小，对干扰的灵敏性越高，稳定性差，预测值越小，对干扰的灵敏性越高，稳定性差，预测值的响应性也就越好，预测值越接近实际观测值的响应性也就越好，预测值越接近实际观测值 •N N取什么值非常关键，直接影响预测的准确性一取什么值非常关键，直接影响预测的准确性一般可以通过试算的方法找出预测误差最小的所对应般可以通过试算的方法找出预测误差最小的所对应的的N N为最佳值为最佳值•简单移动平均的各元素权重都相等简单移动平均的各元素权重都相等简单移动平均适用场合：简单移动平均适用场合：趋势变化不明显时趋势变化不明显时预测方法预测方法2）加权移动平均）加权移动平均(Weighted Moving Average)WMAt+1= ( t Xt +   t-1 Xt-1…+   t-N+1 Xt-N+1 )/N预测值预测值=(=(前前N N次实测值的加权平均值次实测值的加权平均值) ) t t、、  t-1t-1、、 、、   t-N+1t-N+1称为加权因子，且称为加权因子，且（（ t +  t-1 +  +   t-N+1））/ N = 1 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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预测方法预测方法预测方法预测方法•结果：预测值的响应性较好，其结果与结果：预测值的响应性较好，其结果与 和和N的取值有关的取值有关3)3)指数平滑法指数平滑法5,63,45,63,4前两种预测方法（简单移动平均和加权移动平均）前两种预测方法（简单移动平均和加权移动平均）中，一个主要的问题是必须有大量连续的历史中，一个主要的问题是必须有大量连续的历史数据随着模型中新数据的增添及过期数据的数据随着模型中新数据的增添及过期数据的剔除，新的预测结果就可以预测出来有的情剔除，新的预测结果就可以预测出来有的情况下，最近期的情况远比较早期的更能预测未况下，最近期的情况远比较早期的更能预测未来假设越远当期其重要性就越低，如果这一来假设越远当期其重要性就越低，如果这一前提正确，则指数平滑法就是逻辑性最强且最前提正确，则指数平滑法就是逻辑性最强且最为简单的方法。

为简单的方法预测方法预测方法•一次指数平滑一次指数平滑(Single Exponential Smoothing) 或者，或者， 预测值预测值= = ( (上次实测值上次实测值)+()+(1- ) )上次预测值上次预测值 称为平滑常数，（称为平滑常数，（0 0       1 1））指数平滑法指数平滑法之所以称之为指数平滑是因为每靠前一期其权重就降低之所以称之为指数平滑是因为每靠前一期其权重就降低 1- 1-   例如，设例如，设 =0.05=0.05，则各个时期的权重如下所示，则各个时期的权重如下所示最近期的权重最近期的权重= = （（1- 1-   ））0 0 0.0500近期的权重近期的权重= = （（1- 1-   ））1 1 0.0475次近期的权重次近期的权重= = （（1- 1-   ））2 2 0.0451次次近期的权重次次近期的权重= = （（1- 1-   ））3 3 0.0429权重因子权重因子预测值预测值预测方法预测方法P66例3.2预测方法预测方法预测方法预测方法•结果：一次指数平滑预测值依赖于平滑结果：一次指数平滑预测值依赖于平滑常数常数 的选择，一般来言，的选择，一般来言， 越大，预测越大，预测值的响应性越好，值的响应性越好， 选得小些，则稳定性选得小些，则稳定性较好。

较好在所有预测方法中，指数平滑法是用得最多的一种它也是计算机预测程序的一个有机部分其优点体现在：指数平滑法指数平滑法优点：优点：（1）指数模型的精度非常高（2）建立指数模型相对容易（3）用户能了解模型如何进行（4）使用模型无须过多计算（5）由于所用的历史数据有限，因而所需计算机内存很小（6）检测模型执行精度的运算很容易只需要三个数据就可预测未来：最近期的预测值、预测期的实际需求量和平滑常数平滑常数决定了对预测值与实际值结果之间差异的响应速度指数平滑法指数平滑法指数平滑法算例：指数平滑法算例：假设所研究的产品的长期需求相对稳定，平滑常数=0.05也较合适，并假设上个月的预测值（ ）为1050个单位，如果实际需求为1000而不是1050，那么本月的预测值为： 。