计划供应链的需求与供给.ppt

Click to edit Master title style,,Click to edit Master text styles,,Second level,,Third level,,Fourth level,,Fifth level,,*,,*,单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,*,*,*,第5章 计划供应链的需求与供给,阳明明,5.1 供应链中的需求管理—预测,供应链中预测的意义,预测是为了更好地计划生产、运输、供应等,,每个环节独立进行预测，往往出现需求与供给之间的不匹配,,拥有稳定需求的成熟产品最容易预测，而高新技术产品及时尚类产品则相反,,精确的预测可以让供应链更好地响应和服务客户,,,预测的特点,预测通常是不准确的，但误差区间是可以估计的,,长期预测的准确性不如短期预测,,综合预测通常比分解预测要准确,,越接近下游，信息越真实，预测越准确,需求预测的基本步骤,定量预测法的注意要素：,,明确预测目标,,计划与预测相结合,,分析影响需求预测的主要因素,,理解和明确消费者细分市场,,选择合适的预测方法,,竞争者采取的行动,定性预测,五大定性预测方法,一般预测法 : 一线销售员预测,逐级上报分析;,市场调研法 : 问卷/面谈/收集数据, 适合R,小组共识法 : 高级经理/销售经理/顾客代表头脑风暴;,历史类比法 : 类似产品历史销售数据类比,适合R,德尔菲法 : 专家问答收集汇总, 闭环重复。

基本定量预测方法汇总及比较,方法,简介,预测期,移动平均法moving,,average,时间序列上移动平均的每一点都是一系列连续点的算术平均数或加权平均数，选择若干数据点以消除季节性等影响短期,指数平滑Exponential smoothing,类似于移动平均法，只是对更近期的点给予更大的权数，来调整季节等不确定短期,博克斯詹金斯法Box-Jenkins,通过计算机建成自回归的、综合的移动平均模型，调整季节性和趋势性权重中短期,基本定量预测方法汇总及比较,方法,简介,预测期,时间序列分解法Time series,,decomposition,将时间序列分解成季节性、趋势性和规律性因素等方法在判断转折点时非常有用，是中期（3-12个月）预测的好方法中短期,趋势映射法Trend,,projection,用数学方程拟合趋势曲线，考虑如下几个变形：斜率、多项式、对数等中短期,集中预测法Focus,,forecasting,在未来的三个月内，通过计算机模拟测试几个简单的决策方法，看哪个更精确中期,基本定量预测方法汇总及比较,方法,简介,预测期,回归模型Regression,,model,通过计算机统计将需求与其他变量或解释变量联系在一起，用回归模型来预测。

中短期,计量经济模型Econometric,,model,是一组相互依赖的回归方程组，比普通的回归方程更好地解释因果，能更好地预测转折点中短期,购买意向和预期调查intention-to-buy anti-cipation surveys,对普通公众调查决定购买意向，但可能会得到错误的反馈信息，因此应不断加以跟踪校正中期,基本定量预测方法汇总及比较,方法,简介,预测期,神经网络法neutral networks,该模型可以学习新数据，对不连贯的时间序列，该模型比其他时间序列模型预测得更准确短期,生命周期分析Life-cycle analysis,根据S曲线分析，预测新产品的增长，在不同阶段，产品可分别被创新者、早期接受者等人们所接受中长期,动态模拟Dynamic,,simulation,利用计算机模拟不同时间最终产品销售情况，对分拨和供给渠道不同点需求的影响需求由ss/pp/采购政策表示出来中短期,移动平均法,移动平均法根据时间序列逐项移动，依次计算包含一定项数的平均数，形成平均数时间序列，并据此对预测对象进行预测移动平均可以消除或减少时间序列数据受偶然性因素干扰而产生的随机变动影响移动平均法在短期预测中较准确，长期预测中效果较差。

移动平均法可以分为：,,一次移动平均法,,二次移动平均法,,移动平均法,一次移动平均法适用于具有明显线性趋势的时间序列数据的预测一次移动平均法只能用来对下一期进行预测，不能用于长期预测必须选择合理的移动跨期，跨期越大对预测的平滑影响也越大，移动平均数滞后于实际数据的偏差也越大跨期太小则又不能有效消除偶然因素的影响跨期取值可在3~20间选取一次移动平均数的计算公式如下：,,,,,指数平滑法,指数平滑法来自于移动平均法，是一次移动平均法的延伸指数平滑法是对时间数据给予加工平滑，从而获得其变化规律与趋势根据平滑次数的不同，指数平滑法可以分为：,,,一次指数平滑法,,,二次指数平滑法,,,三次指数平滑法,,一次指数平滑,一次指数平滑预测模型,当时间序列数据大于50时，初始值S,0,(1）,对S,t,(1),计算结果影响极小，可以设定为x,1,；当时间序列数据小于50时，,初始值S,0,(1）,对,S,t,(1),计算结果影响较大，应取前几项的平均值实例,例：有关数据的计算见下表( )观察年份,时 序,观察值,S,t,(1),S,t,(2),1996,1,40,41.534,42.655,1997,2,47,45.906,45.256,1998,3,56,53.981,52.236,1999,4,65,62.796,60.684,2000,5,70,68.559,66.984,2001,6,75,73.712,72.366,2002,7,82,80.342,78.747,计算结果,时间序列分解预测法,基本思路：以历史数据作为预测基础,适应范围：内外部环境基本稳定，基本的销售模式在年与年之间无明显变动，未来需求与历史数据有较强的相关性。

类型：静态(static),动态(adaptive),,观察值＝系统变量+随机变量,,系统参数：预期值，包括需求水平（level），长期趋势（trend），季节系数（seasonality）等；,,随机变量：无法解释的因素，也是预测与真实值差别的主要原因，因此要尽量减少随机变量的大小；,,,不同的三种模型,因子关系（multiplicative）：,,level X trend X seasonal factor,,和关系（additive）：,,level + trend + seasonal factor,,混合关系（mixed）：,,（level + trend ）X seasonal factor,,,,时间序列预测模型及步骤,,确定合适的模型（因子型，相加型，混合型）,,预测发展水平和长期趋势（运用移动平均，回归方程等）,,预测季节性因素,,得出模型的基本参数，建立预测模型,,,时间序列分解法的实例演算,观察年分,时序（t）,观察值（x）,t,2,tx,趋势值,趋势比率（TI）,1999,1,32,1,32,25.09,1.28,,2,18,4,36,26.21,0.69,,3,21,9,63,27.33,0.77,,4,39,16,156,28.45,1.37,2000,5,36,25,180,29.37,1.22,,6,21,36,126,30.69,0.68,,7,24,49,168,31.81,0.75,,8,44,64,352,32.93,1.34,2001,9,39,81,351,34.05,1.15,,10,25,100,250,35.17,0.71,,11,28,121,308,36.29,0.77,,12,48,144,576,37.41,1.28,合计,78,375,650,2598,,,趋势图,计算过程,第一步：估计需求水平和需求趋势值,,假定各季度销售量呈直线趋势变化，根据最小二乘法建立直线趋势预测模型 ，利用上表中数据可求得：,,,,,,,直线趋势预测数学模型,,计算过程,第二步：根据直线趋势预测模型计算各期趋势值,,第三步：计算各期趋势比率,第四步：计算季节指数,季节指数等于同月（季）趋势比率和与资料年份数的比,第五步：进行预测,根据上述计算结果，2002年各季度的销售量预测值如下：,第六步：预测结果,季度序号,趋势比率,,,平均趋势比率,2002年趋势值,2002年预测值,,1999,2000,2001,,,,1,1.28,1.22,1.15,1.22,38.53,47.0,2,0.69,0.68,0.71,0.69,39.65,27.4,3,0.77,0.75,0.77,0.76,40.77,31.0,4,1.37,1.34,1.28,1.33,41.89,55.7,回归模型（最小二乘法）,最小二乘法即适用于直线趋势的预测，也适用于曲线趋势的预测。

最小二乘法直线趋势预测模型为：,,广州市货运物流量预测值,年份,时序,广州市国民生产总值,(,亿元,),1999,1,2063.37,2000,2,2375.91,2001,3,2684.83,2002,4,3001.48,2003,5,3496.88,2004,6,4115.81,2005,7,5115.75,2006,8,6048.41,Dependent Variable: HY,,,,,,Method: Least Squares,,,,,,Date: 03/30/09 Time: 17:41,,,,,,Sample: 1999 2006,,,,,,Included observations: 8,,,,,,,,,,,,,,,,,,Variable,Coefficient,Std. Error,,t-Statistic,Prob.,,,,,,,,,,,,,C,4688.516,717.2806,,6.536516,0.0006,GDP,3.187720,0.186731,,17.07120,0.0000,,,,,,,,,,,,,R-squared,0.979827,Mean dependent var,,,16205.13,Adjusted R-squared,0.976465,S.D. dependent var,,,4492.546,S.E. of regression,689.2109,Akaike info criterion,,,16.12129,Sum squared resid,2850070.,Schwarz criterion,,,16.14115,Log likelihood,-62.48516,F-statistic,,,291.4259,Durbin-Watson stat,1.295049,Prob(F-statistic),,,0.000003,,,,,,,,,,,,,预测,,分析预测误差,判定现行预测方法能否准确预测需求的系统成分,判断预测的上下区间，及早做准备,判断一种预测方法是否合适,极差（最大预测值与最小值之差）,均方差（所有期预测误差平方和之平均）,平均绝对偏差（所有期预测误差绝对值之平均）,标准差（均方差之平方根）,离散系数（标准差与所有期平均值之比）,,5.2 供应链中的综合计划,Outline,供应链总体计划的作用,,总体计划问题,,总体计划战略,,利用线性模型制定总体计划,,Excel中的总体计划,,总体计划的实施,供应链总体计划的作用,拥有任何能力都需要成本,,企业生产经营活动存在提前期,,总体计划,,公司通过它决定一定时期内的生产能力、生产安排、转包、库存水平、促销以及定价问题,,目标是最大化利润,,关于全局的决策而不仅仅是某个部分,,决策的周期一般是3到18个月,,公司怎样利用现有的设施,供应链总体计划的参数,生产率,,劳动力数量,,加班量,,机器产能水平,,转包,,延期交货需求,,现有库存,,供应链的战略应该是制定一个能使供应链业绩最大化的供应链总体计划,总体计划的重要问题,目标：在计划期内，给定预测水平，确定生产水平、库存水平、生产能力以使公司利润最大化,计划期内每个周期的需求预测,生产成本,正常时间的劳动力成本和加班时间的劳动力成本,转包生产成本,产能变更成本,单位产品需要的劳动力工时/机器台时,库存持有成本,约束条件,加班限制，解雇的限制，可用资本的限制,缺货与延期交货的限制,从供应商到企业的约束,总体计划需要的信息,规定时间的产量、加班时间的产量和转包生产的数量,,库存,,库存积压或库存缺货的数量,,雇用或解雇工人数量,,机器生产能力的增加或减少,总体计划战略,决策的关键：权衡生产能力、库存成本与延期交货的销售损失,,三种策略：,,追逐战略-将生产能力作为杠杆,,将利用率作为杠杆-工人人数或产能的时间柔性战略,,平稳战略-将库存作为杠杆,追逐战略,通过改变设备和雇用工人数量调整产能,,现实中短期内很难改变产能和工人数量,,当改变产能成本高昂时，该战略总成本较高,,对工人影响较大,,带来较低的库存水平,,适用环境：库存成本较高而改变生产能力和工人人数成本较低时使用,时间柔性战略,如果设备具有剩余生产能力时可以使用,,工人数量保持不变，但工作时间随需求量比东,,运用加班和弹性工作表调整,,比追逐战略更加人性化,,较低的库存水平，同时较低的设备利用率,,适用环境：库存成本较高或改变生产能力代价较小时使用,水平战略,维持劳动力人数和及产能,,产品短缺或过剩影响库存,,根据预测提前建立库存；从旺季转入淡季时处理库存,,工人稳定,,可能积累较大的库存,,当库存成本和积压产品成本相对较低时使用,“红西红柿工具”案例（表5-1）,公司的成本（表5-2）,决策变量,W,t,= Workforce size for month,t,,,t,= 1, ..., 6,H,t,= Number of employees hired at the beginning of month,t,,,t,= 1, ..., 6,L,t,= Number of employees laid off at the beginning of month,t,,,t,= 1, ..., 6,P,t,= Production in month,t,,,t,= 1, ..., 6,I,t,= Inventory at the end of month,t,,,t,= 1, ..., 6,S,t,= Number of units stocked out at the end of month,t,,,t,= 1, ..., 6,C,t,= Number of units subcontracted for month,t,,,t,= 1, ..., 6,O,t,= Number of overtime hours worked in month,t,,,t,= 1, ..., 6,成本的组成,日常劳动力成本,,加班时的劳动力成本,,雇佣和解雇的成本,,保有库存的成本,,缺货成本,,原材料成本,,转包成本,目标函数,约束条件,工人总数、雇用员工和解雇员工之间的限制条件,限制条件,生产能力限制条件,限制条件,库存平衡限制条件,,限制条件,加班时间限制条件,总体计划的预测误差,将加班作为安全生产能力的一种形式,,永久性的雇用多余的工人，以此作为安全生产能力的一种形式,,将转包生产作为安全生产能力的一种形式,,修建更多的仓库，保留更多的库存，以此作为安全生产能力的一种形式,,从开放市场或即期市场购买生产能力或产品，以此作为安全生产能力的一种形式,实施综合计划的实践,超越公司范围考察整个供应链,,制定有弹性的计划，因为预测总是不准确的,,当新数据出现时，重新制定总计划,,当设备利用率提高时，使用综合计划,,案例阅读,,秦池酒厂的前身是1940年成立的山东临朐县酒厂.doc,供应链中的供给和需求规划：控制可预测变量,,Outline,对供应链中可预测变量的反应,,供给管理,,需求管理,,控制可预测变量方案的实施,思考,当某种产品是季节性产品，如果你作为品牌经理，请选择,,A 在销售旺季促销,,B 在淡季促销,,请做出选择，并说明原因,对供应链中可预测变量的反应,如果需求稳定，可以通过总体计划满足需求,,可预测变量是指可以预测到的需求量的变动,,可预测变量的存在，会增加供应链的成本及降低供应链的反应能力,,一个企业可以通过两种方法管理可预测变量,,利用生产能力、库存、转包生产和积压来掌握供给,,利用短期价格折扣和促销来掌握需求,供给管理,生产能力管理,工人的弹性工作时间,利用季节工人,利用转包合同,利用双重设施-专用设施和弹性设施,在生产过程的设计中融入产品弹性,库存管理,利用多种产品的通用零部件,为高需求产品或可预测需求的产品建立库存,库存/生产能力之间的转换,库存水平的设定取决于季节性需求,,为了保持较低的库存水平，需要生产能力随着季节性需求波动而变动，或者企业具备足够强大的生产能力以满足最高需求,需求管理,促销,,定价,,适时选择促销或价格变动是非常重要的,,需求的增加可以由以下三个因素综合决定:,,市场增长 (increased sales, increased market size),,抢占市场份额 (increased sales, same market size),,提前消费 (same sales, same market size),非需求高峰 (January) 折扣from $40 to $39,Cost = $421,915, Revenue = $643,400, Profit = $221,485,需求高峰期 (April) 折扣from $40 to $39,Cost = $438,857, Revenue = $650,140, Profit = $211,283,January 折扣: 100% 增长需求, 销售价格 = $40 ($39),Off-peak discount: Cost = $456,750, Revenue = $699,560,高峰(April) 折扣: 100% 增长消费, 销售价格 = $40 ($39),Peak discount: Cost = $536,200, Revenue = $783,520,不同假设的综合对比,需求管理,如果在旺季促销，平均库存会增加，如果在淡季促销，平均库存会减少,,如果需求增长大部分来自提前购买，在需求旺季促销会降低整体营利水平,,如果提前购买只占一小部分，在旺季促销的营利性更大,,由于产品边际收益率递减，旺季的促销会使利润下降,需求管理,将供应链中的预测、定价和总体计划协调起来,,影响折扣的因素,,产品边际收益,,消费变动,,提前购买,,影响促销的时机因素,影响折扣时机的因素,折扣引起的消费量的增加,,折扣引起的提前购买量的变化,,产品边际收益,控制可预测变量方案的实施,市场营销和生产运营部门协同行动,,,在制定战略决策时将可预测变量考虑进来,,,先发制人并不仅仅影响可预测变量,Summary,面对可预测变量，控制供给以增进供应链的协调性,,,面对可预测变量，控制需求以增进供应链的协调性,,,面对可预测变量，利用总体计划以实现利润最大化,演讲完毕，谢谢观看！,内容总结,第5章 计划供应链的需求与供给。

预测是为了更好地计划生产、运输、供应等拥有稳定需求的成熟产品最容易预测，而高新技术产品及时尚类产品则相反历史类比法 : 类似产品历史销售数据类比,适合R&D用数学方程拟合趋势曲线，考虑如下几个变形：斜率、多项式、对数等通过计算机统计将需求与其他变量或解释变量联系在一起，用回归模型来预测需求由ss/pp/采购政策表示出来指数平滑法是对时间数据给予加工平滑，从而获得其变化规律与趋势根据平滑次数的不同，指数平滑法可以分为：初始值S0(1）对St (1) 计算结果影响较大，应取前几项的平均值类型：静态(static),动态(adaptive)得出模型的基本参数，建立预测模型第一步：估计需求水平和需求趋势值第二步：根据直线趋势预测模型计算各期趋势值Included observations: 8S.D. dependent varS.E. of regression,。