生產(chǎn)與運(yùn)作管理 3預(yù)測(cè)

第三章需求預(yù)測(cè)

Forecasting重點(diǎn)掌握本章內(nèi)容：定量預(yù)測(cè)方法3.1需求預(yù)測(cè)概述3.2定性預(yù)測(cè)方法3.3定量預(yù)測(cè)方法3.4預(yù)測(cè)誤差及監(jiān)控思考：

企業(yè)為什么要進(jìn)行需求預(yù)測(cè)？如何進(jìn)行預(yù)測(cè)？本章內(nèi)容：3.1需求預(yù)測(cè)概述3.2定性預(yù)測(cè)方法3.3定量預(yù)測(cè)方法3.4預(yù)測(cè)誤差及監(jiān)控一、預(yù)測(cè)預(yù)測(cè)是對(duì)未來(lái)可能發(fā)生的情況的預(yù)計(jì)與推測(cè)。“凡事預(yù)則立，不預(yù)則廢”。預(yù)測(cè)為人們提供了即將發(fā)生的情況的信息，增加了成功的機(jī)會(huì)。預(yù)測(cè)的基本假設(shè)：過(guò)去的發(fā)展?fàn)顟B(tài)要持續(xù)到將來(lái)

講究科學(xué)，但也需經(jīng)驗(yàn)和判斷無(wú)法絕對(duì)精確總量預(yù)測(cè)比個(gè)體預(yù)測(cè)準(zhǔn)受預(yù)測(cè)時(shí)間范圍影響大預(yù)測(cè)基本特點(diǎn)資料：氣象預(yù)報(bào)與超級(jí)計(jì)算機(jī)資料：氣象預(yù)報(bào)與超級(jí)計(jì)算機(jī)我國(guó)首臺(tái)千萬(wàn)億次超級(jí)計(jì)算機(jī)系統(tǒng)—“天河一號(hào)”近日由國(guó)防科學(xué)技術(shù)大學(xué)研制成功。天河一號(hào)24小時(shí)的工作量，如果用現(xiàn)在最先進(jìn)的雙核高性能個(gè)人PC機(jī)來(lái)操作，需要整整160年才能完成。在“天河一號(hào)”機(jī)房的一臺(tái)顯示器前，記者看到了“天河一號(hào)”計(jì)算并預(yù)報(bào)的2009年8月9日襲擊臺(tái)灣的“莫拉克”臺(tái)風(fēng)的走勢(shì)圖。從這段動(dòng)畫中可以清晰地看到臺(tái)風(fēng)的中心、中心風(fēng)力和走勢(shì)，而這次預(yù)報(bào)被證實(shí)與后來(lái)的真實(shí)情況基本相同，準(zhǔn)確率極高。按性質(zhì)：科學(xué)預(yù)測(cè)經(jīng)濟(jì)預(yù)測(cè)技術(shù)預(yù)測(cè)需求預(yù)測(cè)社會(huì)預(yù)測(cè)按時(shí)間：長(zhǎng)期預(yù)測(cè)中期預(yù)測(cè)短期預(yù)測(cè)預(yù)測(cè)分類二、預(yù)測(cè)的步驟1確定預(yù)測(cè)的目的2確定預(yù)測(cè)的時(shí)間范圍3選擇預(yù)測(cè)的方法4收集和分析數(shù)據(jù)5準(zhǔn)備預(yù)測(cè)6對(duì)預(yù)測(cè)進(jìn)行監(jiān)控

“預(yù)測(cè)”三、預(yù)測(cè)中應(yīng)注意的幾個(gè)問(wèn)題判斷在預(yù)測(cè)中的作用：選擇預(yù)測(cè)方法、辨別信息、取舍預(yù)測(cè)結(jié)果預(yù)測(cè)精度與成本預(yù)測(cè)的時(shí)間范圍和更新頻率穩(wěn)定性與響應(yīng)性－預(yù)測(cè)方法的兩個(gè)基本要求穩(wěn)定性：抗拒隨機(jī)干擾、反映穩(wěn)定需求的能力。適用于受隨機(jī)因素影響大的預(yù)測(cè)問(wèn)題響應(yīng)性：迅速反映需求變化的能力，適用于受隨機(jī)因素影響小的預(yù)測(cè)問(wèn)題三、需求預(yù)測(cè)需求預(yù)測(cè)是企業(yè)對(duì)其產(chǎn)品需求水平在未來(lái)一段時(shí)間里的變化情況進(jìn)行的預(yù)計(jì)與推測(cè)。是企業(yè)計(jì)劃和控制決策的主要依據(jù)。需求預(yù)測(cè)與企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)關(guān)系最緊密。

預(yù)測(cè)在生產(chǎn)中的地位產(chǎn)品決策市場(chǎng)和需求研究和技術(shù)生產(chǎn)能力決策勞動(dòng)力需求預(yù)測(cè)，訂單綜合計(jì)劃可獲得的原材料現(xiàn)有庫(kù)存外部生產(chǎn)能力（轉(zhuǎn)包）主生產(chǎn)計(jì)劃和MRP系統(tǒng)詳細(xì)的工作排程幫助管理者設(shè)計(jì)生產(chǎn)運(yùn)作系統(tǒng)生產(chǎn)什么產(chǎn)品，提供何種服務(wù)在何處建立生產(chǎn)/服務(wù)設(shè)施采用什么樣的流程供應(yīng)鏈如何組織幫助管理者對(duì)系統(tǒng)的使用進(jìn)行計(jì)劃今年生產(chǎn)什么，生產(chǎn)多少如何利用現(xiàn)有設(shè)施提供滿意服務(wù)需求預(yù)測(cè)在生產(chǎn)管理中的作用案例：汽車市場(chǎng)預(yù)測(cè)及汽車企業(yè)的產(chǎn)銷規(guī)劃汽車企業(yè)的產(chǎn)銷規(guī)劃思考：汽車產(chǎn)業(yè)的發(fā)展將帶動(dòng)哪些產(chǎn)業(yè)的發(fā)展？有資料表明，汽車業(yè)帶動(dòng)100多個(gè)相關(guān)產(chǎn)業(yè)的發(fā)展。汽車產(chǎn)業(yè)鏈上游涉及鋼鐵、機(jī)械、橡膠、石化、電子、紡織等行業(yè)；下游涉及保險(xiǎn)、金融、銷售、維修、加油站、餐飲、旅館等行業(yè)。需求預(yù)測(cè)的方法

定性預(yù)測(cè)方法主觀判斷、不需要數(shù)學(xué)公式預(yù)測(cè)依據(jù)：各種主觀意見定量預(yù)測(cè)方法利用統(tǒng)計(jì)資料和數(shù)學(xué)模型進(jìn)行預(yù)測(cè)主觀判斷仍然重要預(yù)測(cè)方法定性預(yù)測(cè)方法定量預(yù)測(cè)方法Delphi法用戶期望調(diào)查法部門主管討論法銷售人員意見匯集法因果模型時(shí)間序列模型移動(dòng)平均法加權(quán)移動(dòng)平均法指數(shù)平滑法乘法模型加法模型時(shí)間序列平滑模型時(shí)間序列分解模型本章內(nèi)容：3.1需求預(yù)測(cè)概述3.2定性預(yù)測(cè)方法3.3定量預(yù)測(cè)方法3.4預(yù)測(cè)誤差及監(jiān)控

Delphi法（專家調(diào)查法）用戶期望調(diào)查法部門主管意見銷售人員意見匯集法3.2定性預(yù)測(cè)方法本章內(nèi)容：3.1需求預(yù)測(cè)概述3.2定性預(yù)測(cè)方法3.3定量預(yù)測(cè)方法3.4預(yù)測(cè)誤差及監(jiān)控時(shí)間序列模型：把預(yù)測(cè)指標(biāo)，如銷售量等指標(biāo)的實(shí)際歷史數(shù)據(jù)按時(shí)間順序排列，應(yīng)用數(shù)學(xué)方法進(jìn)行分析，找出其中的變化趨勢(shì)和規(guī)律性的一種定量預(yù)測(cè)方法。

時(shí)間序列平滑模型時(shí)間序列分解模型因果關(guān)系模型利用變量之間的相關(guān)關(guān)系，通過(guò)一種變量的變化來(lái)預(yù)測(cè)另一種變量的未來(lái)變化。思考：

需求受到哪些因素的影響？能不能找出這些變量和需求之間的關(guān)系呢？過(guò)去幾周的需求數(shù)量知道了，能不能利用這些數(shù)據(jù)預(yù)測(cè)后面幾周的需求情況呢？時(shí)間序列是按一定的時(shí)間間隔和事件發(fā)生的先后順序排列起來(lái)的數(shù)據(jù)構(gòu)成的序列。在時(shí)間序列模型方法中，將需求作為因變量，而將時(shí)間作為唯一的獨(dú)立變量。

趨勢(shì)成分

季節(jié)成分

周期成分

隨機(jī)波動(dòng)成分

時(shí)間序列的分解趨勢(shì)成分

-數(shù)據(jù)長(zhǎng)期變化趨勢(shì)季節(jié)成分

-在一年內(nèi)按通常的頻率圍繞趨勢(shì)作上下有規(guī)則的波動(dòng)周期成分

–在較長(zhǎng)時(shí)間里圍繞趨勢(shì)作有規(guī)則波動(dòng)（經(jīng)濟(jì)周期）隨機(jī)波動(dòng)（Randomvariations）-隨機(jī)因素引起無(wú)規(guī)則的波動(dòng)主要預(yù)測(cè)模型簡(jiǎn)單移動(dòng)平均（Simplemovingaverage，SMA）加權(quán)移動(dòng)平均（Weightedmovingaverage，WMA）指數(shù)平滑法（Exponentialsmoothing）一、簡(jiǎn)單移動(dòng)平均SMAt+1

=

nAt+i-ni=1nT周期末簡(jiǎn)單移動(dòng)平均值T＋1周期的預(yù)測(cè)值i周期實(shí)際值周期數(shù)表簡(jiǎn)單移動(dòng)平均法預(yù)測(cè)

月份

實(shí)際銷量(百臺(tái))

n=31

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

21.33

22.67

24.00

25.33

26.00

26.00

25.67

？

27.00

n=421.75

23.33

24.75

25.50

25.75

26.00

26.25

26.50

計(jì)算移動(dòng)平均預(yù)測(cè)值:F4=(720+678+650)/3=682.67F7=(920+859+785+720+678+650)/6=768.67描點(diǎn)繪圖，可以比較當(dāng)n=3,n=6時(shí)對(duì)預(yù)測(cè)結(jié)果的影響?對(duì)于簡(jiǎn)單滑動(dòng)平均預(yù)測(cè)方法，關(guān)鍵是選擇移動(dòng)時(shí)間區(qū)間的大小，即n的大小。n的大小的選擇與預(yù)測(cè)者要求的適應(yīng)性有關(guān)。如果管理者追求穩(wěn)定性，n的值應(yīng)該選擇大一些，如果管理者的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇小一點(diǎn)的n。二、加權(quán)移動(dòng)平均WMAt+1

=

niAt+i-ni=1n表6-2加權(quán)移動(dòng)平均預(yù)測(cè)

t(月)

實(shí)際銷量(百臺(tái))

三個(gè)月的加權(quán)移動(dòng)平均預(yù)測(cè)值(百臺(tái))

1

2

3

4

5

6

7

8

9

10

11

12

20.00

21.00

23.00

24.00

25.00

27.00

26.00

25.00

26.00

28.00

27.00

29.00

(0.5×20+1×21+1.5×23)/3=21.83

23.17

24.33

25.83

26.17

25.67

25.67

26.83

27.17

近期數(shù)據(jù)的權(quán)重越大，則預(yù)測(cè)的穩(wěn)定性就越差，響應(yīng)性就越好；近期數(shù)據(jù)數(shù)據(jù)的權(quán)重越小，則預(yù)測(cè)的穩(wěn)定性就越好，響應(yīng)性就越差；權(quán)重和n的選擇具有經(jīng)驗(yàn)性。三、一次指數(shù)平滑法

(Singleexponentialsmoothing)Ft=Ft-1+(At-1-Ft-1)=At-1+（1-）Ft-1

Ft新的預(yù)測(cè)值，

Ft-1前期預(yù)測(cè)值，At-1前期的實(shí)際需求，

平滑系數(shù)月銷售額一次指數(shù)平滑預(yù)測(cè)表單位：千元F2＝αA1

＋（1－α）F1＝0.4×10.00＋（1－0.4）×11.00＝10.6019.7416.81與上面的問(wèn)題的類似，預(yù)測(cè)的關(guān)鍵是選擇的大小。如管理者追求穩(wěn)定性，的值應(yīng)該選擇小一些;如果管理者的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點(diǎn)的四、時(shí)間分解預(yù)測(cè)模型--解決季節(jié)性預(yù)測(cè)問(wèn)題(Seasonalvariations)

思考：銷售量變化有何特征？思考：哪些行業(yè)存在季節(jié)性的問(wèn)題？

常用季節(jié)性預(yù)測(cè)模型加法模型(AdditiveModel)TF=T+S+C+IT——趨勢(shì)成分S——季節(jié)成分C——周期成分I——隨機(jī)成分乘法模型(Multiplicativemodel)

TF=T.S.C.I用得最多的是基于乘法模型的預(yù)測(cè)方法時(shí)間序列分解模型計(jì)算示例：

有一個(gè)公司記錄了2010和2011兩年的需求數(shù)據(jù)，見下表。請(qǐng)根據(jù)這些數(shù)據(jù)預(yù)測(cè)2012年的需求情況。Step1:利用回歸分析求出趨勢(shì)預(yù)測(cè)的直線方程Step2:將每期需求/預(yù)測(cè)值，計(jì)算季節(jié)因子，并求平均值Step3用回歸預(yù)測(cè)值乘以對(duì)應(yīng)的季節(jié)指數(shù)得到修正預(yù)測(cè)值2011年的修正預(yù)測(cè)值Step3預(yù)測(cè)2012年需求情況五、一元線性回歸模型Yt一元線性回歸預(yù)測(cè)值；a截距b斜率.Yt=a+bxb=

n(xy)-

xynx2

-(x)2a=

y-bxnn為變量數(shù)；x為自變量的取值；y為因變量的取值；例題某房地產(chǎn)公司統(tǒng)計(jì)了過(guò)去四年住宅季度銷售量以及相應(yīng)的房貸利率。請(qǐng)你預(yù)測(cè)當(dāng)房貸利率為6%和8%的住宅銷量。提示：需要根據(jù)歷史數(shù)據(jù)建立回歸預(yù)測(cè)模型，再利用模型進(jìn)行預(yù)測(cè)。根據(jù)散點(diǎn)圖，可以判斷住宅銷售量和貸款利率之間存在近似直線聯(lián)系，即：住宅銷量=a*貸款利率+b現(xiàn)在的問(wèn)題是：如何求出a、b兩個(gè)系數(shù)？求y=ax+b系數(shù)的方法方法1：直接用公式計(jì)算b=

n(xy)-

xynx2

-(x)2a=

y-bxn方法2：在excel中利用作圖法求出系數(shù)；方法3：利用excel自帶的回歸分析功能求出系數(shù)；首先作出散點(diǎn)圖。然后選擇數(shù)據(jù)點(diǎn)（選中數(shù)據(jù)點(diǎn)后會(huì)點(diǎn)亮顯示），然后點(diǎn)擊鼠標(biāo)右鍵，彈出快捷菜單，選擇“添加趨勢(shì)線”在彈出對(duì)話框中，類型中選擇“線性”，在“選項(xiàng)”中勾選“顯示公式”，然后確定利用excel得到趨勢(shì)方程的操作步驟顯示公式后，在圖表中就會(huì)得到時(shí)間序列的趨勢(shì)線和趨勢(shì)方程進(jìn)行預(yù)測(cè)當(dāng)貸款利率=6%時(shí)預(yù)計(jì)住宅銷售量=-98.469*6+1488.1=897.3當(dāng)貸款利率=8%時(shí)預(yù)計(jì)住宅銷售量=-98.469*8+1488.1=700.3多元回歸模型預(yù)測(cè)如果影響因變量變化的自變量不止一個(gè)時(shí)，這時(shí)就需要利用多元回歸模型進(jìn)行預(yù)測(cè)。利用多元回歸模型預(yù)測(cè)，首先需要根據(jù)歷史數(shù)據(jù)建立多元回歸預(yù)測(cè)模型。多元回歸預(yù)測(cè)模型的建立可以利用excel自帶的回歸分析功能完成。利用多元回歸分析預(yù)測(cè)第16期的需求期數(shù)價(jià)格促銷廣告等級(jí)需求120001000010000111322000100001000011193220010000100001814220010000150001865220015000150001916220015000150001.761027220015000150001.761058200010000100001150923202000020000279102460300004000037111240050000600003.948812231050000600003.9312013225056000600003.9316214226058000620003.916915228058000640003.917216238060000700003.5

觀察歷史數(shù)據(jù)，可以得到假設(shè)：需求=常數(shù)+a×價(jià)格+b×促銷+c×廣告+d×產(chǎn)品等級(jí)預(yù)測(cè)步驟示例1、調(diào)入Excel自帶的數(shù)據(jù)分析工具在“分析工具庫(kù)”前點(diǎn)上“√”，然后點(diǎn)“確定”，就調(diào)出了“數(shù)據(jù)分析”功能

這個(gè)時(shí)候我們可以看到在“工具”菜單中多了一項(xiàng)“數(shù)據(jù)分析”，打開“數(shù)據(jù)分析”在“數(shù)據(jù)分析”中選擇“回歸”，并“確定”，調(diào)出回歸分析工具2、按照提示，設(shè)置參數(shù)。首先設(shè)置Y值（即需求）區(qū)域

3、設(shè)置X值（價(jià)格、促銷、廣告、等級(jí)）區(qū)域，用鼠標(biāo)框選。4、設(shè)置回歸結(jié)果的輸出區(qū)域5、X值區(qū)域、Y值區(qū)域和輸出區(qū)域設(shè)置好之后，點(diǎn)“確定”就可以得到回歸結(jié)果Excel回歸結(jié)果的解讀本章內(nèi)容：3.1需求預(yù)測(cè)概述3.2定性預(yù)測(cè)方法3.3定量預(yù)測(cè)方法3.4預(yù)測(cè)誤差及監(jiān)控預(yù)測(cè)精度（誤差的大小）與控制是預(yù)測(cè)中的重要環(huán)節(jié)。如果不注意預(yù)測(cè)環(huán)境的變化，原來(lái)使用的預(yù)測(cè)模型可能會(huì)由于種種原因產(chǎn)生較大的偏差，從而影響預(yù)測(cè)結(jié)果的精度，使管理人員產(chǎn)生錯(cuò)覺，導(dǎo)致某些決策錯(cuò)誤。思考：為什么要進(jìn)行預(yù)測(cè)監(jiān)控？一、預(yù)測(cè)誤差誤差——實(shí)際值與預(yù)計(jì)值的差別預(yù)測(cè)誤差的度量平均絕對(duì)偏差（Meanabsolutedeviation，MAD）平均平方誤差（Meansquarederror，MSE)平均預(yù)測(cè)誤差平均絕對(duì)偏差平均平方誤差預(yù)測(cè)誤差滾動(dòng)和Runningsumofforecasterrors，RSFE反映預(yù)測(cè)精度衡量無(wú)偏性一、預(yù)測(cè)誤差誤差–實(shí)際值與預(yù)計(jì)值的差別預(yù)測(cè)誤差的度量平均絕對(duì)偏差（Meanabsolutedeviation，MAD）平均平方誤差（Meansquarederror，MSE)MAD和MSE用于度量預(yù)測(cè)誤差的大小MFE用于度量預(yù)測(cè)的無(wú)偏性預(yù)測(cè)值實(shí)際值實(shí)際值中線檢驗(yàn)預(yù)測(cè)模型是否有效：將最近的實(shí)際值與預(yù)測(cè)值進(jìn)行比較，看偏差是否在可以接受的范圍之內(nèi)；采用跟蹤信號(hào)法(Trackingsignal)二、預(yù)測(cè)監(jiān)控跟蹤信號(hào)（Trackingsignal）是累積誤差與MAD的比TS接近為零，或在一定范圍之內(nèi)，預(yù)測(cè)模型有效可接受誤差范圍上限下限 控制界限MAD數(shù)標(biāo)準(zhǔn)偏差相關(guān)數(shù)