第3章需求預測和決策(ppt 44頁).ppt

1、Demand Requirements And Decision,機械工程學院 工業(yè)工程系,需求預測和決策,主要內(nèi)容,1 需求預測概論 2 預測中的定性方法 3 預測中的定量方法 4 預測方法的選擇 5 生產(chǎn)管理決策,主要內(nèi)容,預測的重要性,企業(yè)編制長期計劃的基礎 為預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 用于編制生產(chǎn)作業(yè)計劃,需求的構(gòu)成,典型的趨勢需求,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,典型的趨勢需求,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,典型的趨勢需求,有四種典型的趨勢需求

2、： （3）漸進趨勢以優(yōu)質(zhì)產(chǎn)品大量投放市場時出現(xiàn),典型的趨勢需求,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,定性預測 定量預測 仿真預測,預測的分類,長期預測(數(shù)年至數(shù)十年) 中期預測(一年至數(shù)年) 短期預測(數(shù)日至一年),預測種類：,按性質(zhì)分,按時間分,（1）一般預測 （2）市場調(diào)研 （3）小組共識法 （4）歷史類比 （5）德爾菲法,預測中的定性方法,（1）一般預測 基本觀點：預測是基于來自低層經(jīng)驗的逐步累加。 假設前提：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。,預測中的定性方

3、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。,（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前市場營銷的左右，不敢與領導相 背。對于重要決策，如引進流水線等，由高層人員討論。,預測中的定性方法,（4）歷史類比 預測某些新產(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。,預測中的定性方法,（）

4、德爾菲法 Rand公司首創(chuàng)于50年代末，步驟如下： 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?匯總專家結(jié)果，修改問卷，再度發(fā)給專家； 再次匯總，提煉預測結(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；,（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,時間序列分析,（1）簡單移動平均,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

5、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,簡單移動平均,簡單移動平均算例,周次 需求 3周 9周,1 2 3 4 5 6 7 8 9 10 11 12 13 14 15,800 1400 1000 1500 1500 1300 1800 1700 1300 1700 1700 1500 2300 2300 2000,1067 1300 1333 1433 1533 1600 1600 1567 1567 1633 1833 2033,1367 1467 1500 1556 1644 1733

6、,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)最能預示未來的情況，因而其權(quán)重應大些。但是，其需求是季節(jié)性的，故權(quán)重也應是季節(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。,加權(quán)移動平均,（2）加權(quán)移動平均法,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)，其最佳預測結(jié)果由當月實際銷售額的40%，倒數(shù)第2個月銷售額的30%

7、，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。第五個月的預測值為,指數(shù)平滑法,（3）指數(shù)平滑法,前兩種預測方法（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，新的預測結(jié)果就可以預測出來。有的情況下，最近期的情況遠比較早期的更能預測未來。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：,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- 。

8、例如，設=0.05，則各個時期的權(quán)重如下所示,最近期的權(quán)重= （1- ）0 0.0500,最近期的權(quán)重= （1- ）1 0.0475,最近期的權(quán)重= （1- ）2 0.0451,最近期的權(quán)重= （1- ）3 0.0429,權(quán)重因子,指數(shù)平滑法,指數(shù)平滑法算例：,假設所研究的產(chǎn)品的長期需求相對穩(wěn)定，平滑常數(shù)=0.05也較合適，并假設上個月的預測值（ ）為1050個單位，如果實際需求為1000而不是1050，那么本月的預測值為：,由于平滑自相關(guān)很小，所以新預測值對誤差為50單位的響應僅 使得下月的預測值減少了2.5個單位。,時期 某期實際需求 某期預測需求 時期總數(shù),預測誤差誤差測量,用來描述誤差

9、程度的常用術(shù)語有標準差、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是預測誤差的平均值，用絕對值表示。與標準偏差一樣，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：,線性回歸分析法,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測很有用,用處：時間序列預測和因果預測中都用線性回歸。,例子：手擬回歸直線、最小二乘分析和模型分解。,（4

10、）線性回歸分析法,局限性：假設歷史數(shù)據(jù)和未來預測值都在一條直線上。,手擬趨勢線 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)希望預測第4季度的銷售情況：,線性回歸分析法手擬趨勢線,季度 銷售量,季度 銷售量,1 600,2 1550,3 1550,4 1500,5 2400,6 3100,7 2600,8 2900,9 3800,10 4500,11 4000,12 4900,y = a+bx a = 400 b = (4950-750)/(12-1) = 382 y = 400+382x,線性回歸分析法手擬趨勢線,解：首先建立坐標系統(tǒng)，取橫坐標為季度，眾坐標為銷售額，則將過

11、去12個季度的銷售額對應的數(shù)據(jù)點在坐標系統(tǒng)中畫出，相應散點圖，如圖所示，這就是回歸直線，下一步是確定截距a和斜率b。,設 為實測值，y 為公式值，則 為誤差，令 根據(jù)最小二乘法，則：,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點間的垂直距離平方和最小手擬趨勢線是根據(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：,最小二乘法,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)果分別對應第1，2，3，4季度：,最小

12、二乘法,因果預測,年份 新房屋（x平方碼） 地毯銷量（y平方碼） 1989 1813000 1990 15 12000 1991 12 11000 1992 10 10000 1993 20 14000 1994 28 16000 1995 35 19000 1996 30 17000 1997 20 13000,因果預測,方程： y = 7000 + 350 x 設1998年新建房為25，則 y = 7000 + 350 25 = 15750碼,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)

13、+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,預測方法的選擇,預測可以做的事： （1）新產(chǎn)品市場銷售 （2）庫存量 （3）人力資源 （4）預算 基本的就是市場銷售量。,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。,Herbig曾做過問卷調(diào)查，1000萬到5億美元的企業(yè) 預測方法舉例 用到的 重要性 使用情況排列 高層管理討論 86 6 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

14、.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,預測方法的選擇,一.產(chǎn)品決策 一切機構(gòu)存在基礎：提供產(chǎn)品或服務。 最終維持： 選擇，確定和設計產(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,二.產(chǎn)品生命周期,產(chǎn)品生命周期,三.新產(chǎn)品開發(fā)的要求： （1）快速響應市場 （2）降低產(chǎn)品的復雜性； （3）增加零部件標準化程度； （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 （

15、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,管理過程是決策過程 決策方法： 多目標優(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 風險決策概率決策,決策類型和方法,不確定決策 對未來情況難以預測，發(fā)生的概率也不清楚 一般有三種決策方法： （1）悲觀決策準則 從最不利中求較好的Maximin （2）樂觀決策準則 從最好中求較好的Maximax （3）平均輸出準則 從最好和最壞之差選擇最大者,不確定決策,樂觀 （大車間）,悲觀 （小車間）,平均 （小車間）,不確定決策例,例：某公司想生產(chǎn)一種儲貨架，做了預算： 建大車間：市場好（全部貨出）贏利200,

16、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,風險決策 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）=200,0000.5+(-180,000) 0.5=10,000元 EMV（2）=100,0000.5+(-20,000) 0.5=40,000元 EMV（3）=0 （不建廠） 按EMV值為最大取：建小廠,風險決策,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

17、。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)合的贏利； （5）計算EMV，解出。,決策樹,1,2,建大廠,建小廠,不建廠,狀態(tài)點,市場好 0.5,市場不好 0.5,市場好 0.5,市場不好 0.5,決策點,200,000元,-180,000元,100,000元,-20,000元,贏利,EMV（1）=200,0000.5+(-180,000) 0.5=10,000元 EMV（2）=100,0000.5+(-20,000) 0.5=40,000元,0元,簡單決策樹分析,更復雜的模型（多層決策） 上例沒有做過市場調(diào)查和分析（假定0.5概率）要做市場調(diào)查需要費用。好情報的期望值為： EVPI = 確定期望值 EMV的最大值 見下例： 圖中的概率是條件概率。 例在市場調(diào)查（花10,000美元）中， 在好市場前境中仍有22屬不好市場。 在不好市場中仍有27屬好市場。,多層決策,市場好（0.78),市場好（0.22),市場好（0.78),市場好（0.22)