需求預(yù)測和決策

需求預(yù)測和決策第1頁，課件共44頁，創(chuàng)作于2023年2月主要內(nèi)容2001/2/211需求預(yù)測概論2預(yù)測中的定性方法3預(yù)測中的定量方法4預(yù)測方法的選擇5生產(chǎn)管理決策主要內(nèi)容第2頁，課件共44頁，創(chuàng)作于2023年2月預(yù)測的重要性2001/2/21

企業(yè)編制長期計劃的基礎(chǔ)為預(yù)算和成本控制提供依據(jù)為開發(fā)新產(chǎn)品提供信息為補充銷售人員提供依據(jù)是作出關(guān)鍵決策的基礎(chǔ)用于編制生產(chǎn)作業(yè)計劃第3頁，課件共44頁，創(chuàng)作于2023年2月需求的構(gòu)成2001/2/21第4頁，課件共44頁，創(chuàng)作于2023年2月典型的趨勢需求2001/2/21有四種典型的趨勢需求：（1）線性趨勢——反映了因果關(guān)系(或時間）的需求第5頁，課件共44頁，創(chuàng)作于2023年2月典型的趨勢需求2001/2/21有四種典型的趨勢需求：（2）S型趨勢——產(chǎn)品成長并到達成熟時期的需求第6頁，課件共44頁，創(chuàng)作于2023年2月典型的趨勢需求2001/2/21有四種典型的趨勢需求：（3）漸進趨勢——以優(yōu)質(zhì)產(chǎn)品大量投放市場時出現(xiàn)第7頁，課件共44頁，創(chuàng)作于2023年2月典型的趨勢需求2001/2/21有四種典型的趨勢需求：（4）指數(shù)增長——產(chǎn)品銷售勢頭特好的產(chǎn)品第8頁，課件共44頁，創(chuàng)作于2023年2月定性預(yù)測定量預(yù)測仿真預(yù)測預(yù)測的分類2001/2/21長期預(yù)測(數(shù)年至數(shù)十年)中期預(yù)測(一年至數(shù)年)短期預(yù)測(數(shù)日至一年)預(yù)測種類：按性質(zhì)分按時間分第9頁，課件共44頁，創(chuàng)作于2023年2月（1）一般預(yù)測（2）市場調(diào)研（3）小組共識法（4）歷史類比（5）德爾菲法預(yù)測中的定性方法2001/2/21第10頁，課件共44頁，創(chuàng)作于2023年2月（1）一般預(yù)測

基本觀點：預(yù)測是基于來自低層經(jīng)驗的逐步累加。

假設(shè)前提：處于最低層的銷售人員，那些離顧客最近的、 最了解產(chǎn)品最終用途的人，最清楚產(chǎn)品未來的的需求。

做法：由他們收集情報，然后逐級上報的做法。2001/2/21預(yù)測中的定性方法（2）市場調(diào)研

—通常是聘請第三方專業(yè)市場調(diào)研公司進行預(yù)測。

—市場調(diào)研主要用于新產(chǎn)品研發(fā)，了解對現(xiàn)有產(chǎn)品的評價了解顧客對現(xiàn)有產(chǎn)品的好惡，了解特定層次的顧客偏好以確定哪些商品具有競爭性。

—數(shù)據(jù)收集方法有問卷調(diào)查和上門訪談兩種。第11頁，課件共44頁，創(chuàng)作于2023年2月（3）小組共識 由不同層次的人員在會上自由討論。這種方法缺點在于低層人員往往易受當(dāng)前市場營銷的左右，不敢與領(lǐng)導(dǎo)相背。對于重要決策，如引進流水線等，由高層人員討論。預(yù)測中的定性方法2001/2/21（4）歷史類比

預(yù)測某些新產(chǎn)品的需求時，如果有同類型產(chǎn)品可用來作為類比模型，那是最理想的情況。類比法可用于很多產(chǎn)品類型——互補產(chǎn)品，替代產(chǎn)品等競爭性產(chǎn)品等。第12頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21預(yù)測中的定性方法（５）德爾菲法

Rand公司首創(chuàng)于50年代末，步驟如下：①選擇具有代表性的專家（不同背景的人）為調(diào)查對象；通過問卷（或E-mail），向?qū)＜姨幜私庑畔ⅲ粎R總專家結(jié)果，修改問卷，再度發(fā)給專家；再次匯總，提煉預(yù)測結(jié)果和條件，再度發(fā)給所有專家；歸納專家意見，形成需求報告；如有必要，再重復(fù)④；第13頁，課件共44頁，創(chuàng)作于2023年2月（1）簡單移動平均（2）加權(quán)移動平均法（3）指數(shù)平滑法（4）線性回歸分析（5）因果回歸模型（6）時間序列分解2001/2/21時間序列分析第14頁，課件共44頁，創(chuàng)作于2023年2月（1）簡單移動平均

2001/2/21簡單移動平均適用場合：產(chǎn)品需求為突發(fā)增長或下降，且不存在季節(jié)性因素時。移動平均法能有效消除預(yù)測中的隨機波動。選擇移動平均的最佳區(qū)間很重要。其主要缺點是在于每一因素都必須以數(shù)據(jù)表示。簡單移動平均的計算公式為：——對下一期的預(yù)測值；——移動平均的時期個數(shù)；——前期、前兩期、前三期直至前n期的實際值第15頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21簡單移動平均簡單移動平均算例周次 需求 3周 9周12345678910111213141580014001000150015001300180017001300170017001500230023002000106713001333143315331600160015671567163318332033136714671500155616441733第16頁，課件共44頁，創(chuàng)作于2023年2月簡單移動平均的各元素權(quán)重都相等，而加權(quán)移動平均的權(quán)重值可以不同。當(dāng)然，其權(quán)重之和必須等于1。權(quán)重的選擇：經(jīng)驗法和試算法是選擇權(quán)重的最簡單的方法。一般而言，最近期的數(shù)據(jù)最能預(yù)示未來的情況，因而其權(quán)重應(yīng)大些。但是，其需求是季節(jié)性的，故權(quán)重也應(yīng)是季節(jié)性的，一般對季節(jié)性產(chǎn)品季節(jié)權(quán)重系數(shù)要大。由于加權(quán)移動平均能區(qū)別對待歷史數(shù)據(jù)，因而在這方面要優(yōu)于簡單移動平均。2001/2/21加權(quán)移動平均（2）加權(quán)移動平均法第17頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21加權(quán)移動平均加權(quán)移動平均法公式及算例計算公式第t-1,t-2,t-3期實際銷售額的權(quán)重計算實例一家百貨店發(fā)現(xiàn)在某4個月的期間內(nèi)，其最佳預(yù)測結(jié)果由當(dāng)月實際銷售額的40%，倒數(shù)第2個月銷售額的30%，倒數(shù)第3個月的20%和倒數(shù)第4個月的10%，其四個月的銷售額分別為100,90,105,95。第五個月的預(yù)測值為第18頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21指數(shù)平滑法（3）指數(shù)平滑法前兩種預(yù)測方法（簡單移動平均和加權(quán)移動平均）中，主要點在于根據(jù)大量連續(xù)的歷史數(shù)據(jù)預(yù)測未來，即隨著模型中新數(shù)據(jù)的增添及過期數(shù)據(jù)的剔除，新的預(yù)測結(jié)果就可以預(yù)測出來。有的情況下，最近期的情況遠比較早期的更能預(yù)測未來。如果越遠的數(shù)據(jù)其重要性就越低，則指數(shù)平滑法就是邏輯性最強且最為簡單的方法。第t期和第t-1期的指數(shù)平滑預(yù)測值；第t-1期的實際需求；平滑常數(shù)。單一指數(shù)平滑的公式為：第19頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21指數(shù)平滑法之所以稱之為指數(shù)平滑是因為每靠后一期其權(quán)重就降低1-。例如，設(shè)=0.05，則各個時期的權(quán)重如下所示最近期的權(quán)重=（1-）00.0500最近期的權(quán)重=（1-）10.0475最近期的權(quán)重=（1-）20.0451最近期的權(quán)重=（1-）30.0429權(quán)重因子第20頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21指數(shù)平滑法指數(shù)平滑法算例：假設(shè)所研究的產(chǎn)品的長期需求相對穩(wěn)定，平滑常數(shù)=0.05也較合適，并假設(shè)上個月的預(yù)測值（）為1050個單位，如果實際需求為1000而不是1050，那么本月的預(yù)測值為：由于平滑自相關(guān)很小，所以新預(yù)測值對誤差為50單位的響應(yīng)僅使得下月的預(yù)測值減少了2.5個單位。第21頁，課件共44頁，創(chuàng)作于2023年2月——時期 ——某期實際需求——某期預(yù)測需求 ——時期總數(shù)2001/2/21預(yù)測誤差——誤差測量用來描述誤差程度的常用術(shù)語有標(biāo)準(zhǔn)差、均方差（或方差）和平均絕對偏差平均絕對偏差（MAD）簡單明了并且可以獲得跟蹤信號，故再度受寵。MAD是預(yù)測誤差的平均值，用絕對值表示。與標(biāo)準(zhǔn)偏差一樣，MAD的優(yōu)點還在于它度量了觀測值與期望值的離差。在不考慮符號的情況下，MAD由實際需求和預(yù)測需求間的差異計算而得。它等于用絕對偏差總和除以數(shù)據(jù)點個數(shù)，以等式形式給出為：第22頁，課件共44頁，創(chuàng)作于2023年2月線性回歸分析法2001/2/21

定義：兩個或兩個以上相關(guān)變量之間的函數(shù)關(guān)系。線性關(guān)系是指變量呈嚴(yán)格直線關(guān)系的一種特殊回歸形式。優(yōu)點：對主要事件或綜合計劃的長期預(yù)測很有用用處：時間序列預(yù)測和因果預(yù)測中都用線性回歸。例子：手?jǐn)M回歸直線、最小二乘分析和模型分解。（4）線性回歸分析法局限性：假設(shè)歷史數(shù)據(jù)和未來預(yù)測值都在一條直線上。第23頁，課件共44頁，創(chuàng)作于2023年2月手?jǐn)M趨勢線

例：某公司某產(chǎn)品過去3年12季度的銷售量如下表所示， 該企業(yè)希望預(yù)測第4季度的銷售情況：2001/2/21線性回歸分析法——手?jǐn)M趨勢線季度銷售量季度銷售量1 6002 15503 15504 15005 24006 31007 26008 29009 380010 450011 400012 4900第24頁，課件共44頁，創(chuàng)作于2023年2月

y=a+bxa=400b=(4950-750)/(12-1)=382y=400+382x2001/2/21線性回歸分析法——手?jǐn)M趨勢線解：首先建立坐標(biāo)系統(tǒng)，取橫坐標(biāo)為季度，眾坐標(biāo)為銷售額，則將過去12個季度的銷售額對應(yīng)的數(shù)據(jù)點在坐標(biāo)系統(tǒng)中畫出，相應(yīng)散點圖，如圖所示，這就是回歸直線，下一步是確定截距a和斜率b。第25頁，課件共44頁，創(chuàng)作于2023年2月設(shè)為實測值，y為公式值，則為誤差，令根據(jù)最小二乘法，則：2001/2/21最小二乘法最小二乘法基本思想是試圖使各數(shù)據(jù)點與回歸直線上的相應(yīng)點間的垂直距離平方和最小手?jǐn)M趨勢線是根據(jù)圖中確定截距a和斜率b，而最小二乘法求解的公式為：得：令：第26頁，課件共44頁，創(chuàng)作于2023年2月2001/2/21最小二乘法第27頁，課件共44頁，創(chuàng)作于2023年2月根據(jù)最小二乘回歸的思想，可以計算出上例中a和b的值，最終得b=359.6，a=441.6，這表明x每變化1單位，y改變359.6單位。嚴(yán)格按上述方程計算，可以可以推廣到后一年的四個季度，下面的結(jié)果分別對應(yīng)第1，2，3，4季度：2001/2/21最小二乘法第28頁，課件共44頁，創(chuàng)作于2023年2月因果預(yù)測2001/2/21年份新房屋（x平方碼）地毯銷量（y平方碼）1989 18 130001990 15 120001991 12 110001992 10 100001993 20 140001994 28 160001995 35 190001996 30 170001997 20 13000第29頁，課件共44頁，創(chuàng)作于2023年2月因果預(yù)測2001/2/21方程：

y=7000+350x設(shè)1998年新建房為25，則

y=7000+350×25=15750碼第30頁，課件共44頁，創(chuàng)作于2023年2月多元回歸：

考慮多個變量，以及它們各自對問題的影響。家具行業(yè)里：新結(jié)婚數(shù)、新建房屋數(shù)、可支的收入、趨勢……有關(guān)系，則

S=B+Bm(M)+Bh(H)+Bi(I)+Bt(T)式中：

S－每年總銷售量；

B－基本銷售額；

M－年中結(jié)婚數(shù)；

H－年中新造房屋數(shù)；

I－可供自由支配的收入；

T－趨勢多元回歸2001/2/21第31頁，課件共44頁，創(chuàng)作于2023年2月預(yù)測方法的選擇預(yù)測可以做的事：

（1）新產(chǎn)品市場銷售（2）庫存量（3）人力資源（4）預(yù)算基本的就是市場銷售量。2001/2/21時間序列：（1）簡單移動（2）加權(quán)移動（3）指數(shù)平滑線性回歸——趨勢項因果關(guān)系——一定要弄清楚確實的因果關(guān)系。第32頁，課件共44頁，創(chuàng)作于2023年2月Herbig曾做過問卷調(diào)查，1000萬到5億美元的企業(yè)

預(yù)測方法舉例用到的％重要性使用情況排列高層管理討論 866 2.9銷售人員 68 5 2.2顧客調(diào)查 72 4.7 2.2時間序列 45 4.3 1.5加權(quán)平均 46 3.8 1.4指數(shù)平滑 36 2.8 0.9線性回歸 38 4.0 1.3多元回歸 35 3.6 1.0預(yù)測方法的選擇2001/2/21第33頁，課件共44頁，創(chuàng)作于2023年2月一.產(chǎn)品決策 一切機構(gòu)存在基礎(chǔ)：提供產(chǎn)品或服務(wù)。 最終維持：選擇，確定和設(shè)計產(chǎn)品。 新產(chǎn)品的開發(fā)和選擇，受下列因素影響：

（1）經(jīng)濟的改變；（2）家庭規(guī)?？s??；（3）工藝的改變；（4）政策，法律的改變；（5）其它變化；影響產(chǎn)品變化的因素2001/2/21第34頁，課件共44頁，創(chuàng)作于2023年2月二.產(chǎn)品生命周期產(chǎn)品生命周期2001/2/21第35頁，課件共44頁，創(chuàng)作于2023年2月三.新產(chǎn)品開發(fā)的要求：

（1）快速響應(yīng)市場（2）降低產(chǎn)品的復(fù)雜性； （3）增加零部件標(biāo)準(zhǔn)化程度； （4）改善產(chǎn)品的功能； （5）提高產(chǎn)品使用舒適性，安全性，可靠性 （6）質(zhì)量魯棒性（robust）減少制造變異對性能影響。新產(chǎn)品開發(fā)的要求2001/2/21第36頁，課件共44頁，創(chuàng)作于2023年2月管理過程是決策過程決策方法：

多目標(biāo)優(yōu)化決策樹——多層決策簡單決策——單層決策決策類型：

不確定決策風(fēng)險決策——概率決策決策類型和方法2001/2/21第37頁，課件共44頁，創(chuàng)作于2023年2月不確定決策

對未來情況難以預(yù)測，發(fā)生的概率也不清楚一般有三種決策方法：

（1）悲觀決策準(zhǔn)則

——從最不利中求較好的Maximin

（2）樂觀決策準(zhǔn)則

——從最好中求較好的Maximax

（3）平均輸出準(zhǔn)則

——從最好和最壞之差選擇最大者2001/2/21不確定決策第38頁，課件共44頁，創(chuàng)作于2023年2月選擇自然態(tài)平均輸出市場好市場不好大車間200,000-180,00020,000小車間100,000-20,00080,000樂觀（大車間）悲觀（小車間）平均（小車間）2001/2/21不確定決策例例：某公司想生產(chǎn)一種儲貨架，做了預(yù)算：建大車間：市場好（全部貨出）贏利200,000元市場不好（賣不出）虧損180,0000元建小車間：市場好（全部貨出）贏利100,000元市場不好（賣不出）虧損20,000元第39頁，課件共44頁，創(chuàng)作于2023年2月風(fēng)險決策多種自然態(tài)出現(xiàn)，每種具有某種概率計算出期望贏利：例：上例假設(shè)各種自然態(tài)出現(xiàn)的概率均為0.5，對三種選擇的

EMV計算如下：

EMV（1）=200,000×0.5+(-180,000)×0.5=10,000元

EMV（2）=100,000×0.5+(-20,000)×0.5=40,000元

EMV（3）=0（不建廠）按EMV值為最大?。航ㄐS風(fēng)險決策第40頁，課件共44頁，創(chuàng)作于2023年2月決策樹

存在兩個以上的順序決策時，決策樹是個好辦法。決策樹是一種形象化的圖示，決策因素還要計算。而前面講的EMV是一種較好的評判因素。步驟如下：

（1）定義問題；（2）畫決策樹；（3）決定每一種自然態(tài)出現(xiàn)的概率；（4）估算每一自然態(tài)和選擇的聯(lián)合的