《精编》需求预测和决策

《《精编》需求预测和决策》由会员分享，可在线阅读，更多相关《《精编》需求预测和决策（44页珍藏版）》请在金锄头文库上搜索。

1、 需求预测和决策 主要内容 1需求预测概论2预测中的定性方法3预测中的定量方法4预测方法的选择5生产管理决策 主要内容 预测的重要性 企业编制长期计划的基础为预算和成本控制提供依据为开发新产品提供信息为补充销售人员提供依据是作出关键决策的基础用于编制生产作业计划 需求的构成 典型的趋势需求 有四种典型的趋势需求 1 线性趋势 反映了因果关系 或时间 的需求 典型的趋势需求 有四种典型的趋势需求 2 S型趋势 产品成长并到达成熟时期的需求 典型的趋势需求 有四种典型的趋势需求 3 渐进趋势 以优质产品大量投放市场时出现 典型的趋势需求 有四种典型的趋势需求 4 指数增长 产品销售势头特好的产品

2、定性预测定量预测仿真预测 预测的分类 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 预测种类 按性质分 按时间分 1 一般预测 2 市场调研 3 小组共识法 4 历史类比 5 德尔菲法 预测中的定性方法 1 一般预测基本观点 预测是基于来自低层经验的逐步累加 假设前提 处于最低层的销售人员 那些离顾客最近的 最了解产品最终用途的人 最清楚产品未来的的需求 做法 由他们收集情报 然后逐级上报的做法 预测中的定性方法 2 市场调研 通常是聘请第三方专业市场调研公司进行预测 市场调研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 了解特定层次的顾客偏好以确定哪

3、些商品具有竞争性 数据收集方法有问卷调查和上门访谈两种 3 小组共识由不同层次的人员在会上自由讨论 这种方法缺点在于低层人员往往易受当前市场营销的左右 不敢与领导相背 对于重要决策 如引进流水线等 由高层人员讨论 预测中的定性方法 4 历史类比预测某些新产品的需求时 如果有同类型产品可用来作为类比模型 那是最理想的情况 类比法可用于很多产品类型 互补产品 替代产品等竞争性产品等 预测中的定性方法 德尔菲法Rand公司首创于50年代末 步骤如下 选择具有代表性的专家 不同背景的人 为调查对象 通过问卷 或E mail 向专家处了解信息 汇总专家结果 修改问卷 再度发给专家 再次汇总 提炼预测结果

4、和条件 再度发给所有专家 归纳专家意见 形成需求报告 1 简单移动平均 2 加权移动平均法 3 指数平滑法 4 线性回归分析 5 因果回归模型 6 时间序列分解 时间序列分析 1 简单移动平均 简单移动平均 适用场合 产品需求为突发增长或下降 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 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 简单移动平均的计算公式为 对下一期的预测值 移动平均的时期个数 前期 前两期 前三期直至前n期的实际值 简单移动平均 简单移动平均算例 周次需求3周9周 123456789101112131415 8001400100015

5、0015001300180017001300170017001500230023002000 106713001333143315331600160015671567163318332033 136714671500155616441733 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 其需求是季节性的 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 加权移

6、动平均 2 加权移动平均法 加权移动平均 加权移动平均法公式及算例 计算公式 第t 1 t 2 t 3期实际销售额的权重 计算实例 一家百货店发现在某4个月的期间内 其最佳预测结果由当月实际销售额的40 倒数第2个月销售额的30 倒数第3个月的20 和倒数第4个月的10 其四个月的销售额分别为100 90 105 95 第五个月的预测值为 指数平滑法 3 指数平滑法 前两种预测方法 简单移动平均和加权移动平均 中 主要点在于根据大量连续的历史数据预测未来 即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 有的情况下 最近期的情况远比较早期的更能预测未来 如果越远的数据其重要

7、性就越低 则指数平滑法就是逻辑性最强且最为简单的方法 第t期和第t 1期的指数平滑预测值 第t 1期的实际需求 平滑常数 单一指数平滑的公式为 指数平滑法 之所以称之为指数平滑是因为每靠后一期其权重就降低1 例如 设 0 05 则各个时期的权重如下所示 最近期的权重 1 00 0500 最近期的权重 1 10 0475 最近期的权重 1 20 0451 最近期的权重 1 30 0429 权重因子 指数平滑法 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 由于平滑自

8、相关很小 所以新预测值对误差为50单位的响应仅使得下月的预测值减少了2 5个单位 时期 某期实际需求 某期预测需求 时期总数 预测误差 误差测量 用来描述误差程度的常用术语有标准差 均方差 或方差 和平均绝对偏差 平均绝对偏差 MAD 简单明了并且可以获得跟踪信号 故再度受宠 MAD是预测误差的平均值 用绝对值表示 与标准偏差一样 MAD的优点还在于它度量了观测值与期望值的离差 在不考虑符号的情况下 MAD由实际需求和预测需求间的差异计算而得 它等于用绝对偏差总和除以数据点个数 以等式形式给出为 线性回归分析法 定义 两个或两个以上相关变量之间的函数关系 线性关系是指变量呈严格直线关系的一种特

9、殊回归形式 优点 对主要事件或综合计划的长期预测很有用 用处 时间序列预测和因果预测中都用线性回归 例子 手拟回归直线 最小二乘分析和模型分解 4 线性回归分析法 局限性 假设历史数据和未来预测值都在一条直线上 手拟趋势线例 某公司某产品过去3年12季度的销售量如下表所示 该企业希望预测第4季度的销售情况 线性回归分析法 手拟趋势线 季度销售量 季度销售量 1600 21550 31550 41500 52400 63100 72600 82900 93800 104500 114000 124900 y a bxa 400b 4950 750 12 1 382y 400 382x 线性回归分

10、析法 手拟趋势线 解 首先建立坐标系统 取横坐标为季度 众坐标为销售额 则将过去12个季度的销售额对应的数据点在坐标系统中画出 相应散点图 如图所示 这就是回归直线 下一步是确定截距a和斜率b 设为实测值 y为公式值 则为误差 令根据最小二乘法 则 最小二乘法 最小二乘法 基本思想是试图使各数据点与回归直线上的相应点间的垂直距离平方和最小手拟趋势线是根据图中确定截距a和斜率b 而最小二乘法求解的公式为 得 令 最小二乘法 根据最小二乘回归的思想 可以计算出上例中a和b的值 最终得b 359 6 a 441 6 这表明x每变化1单位 y改变359 6单位 严格按上述方程计算 可以可以推广到后一年

11、的四个季度 下面的结果分别对应第1 2 3 4季度 最小二乘法 因果预测 年份新房屋 x平方码 地毯销量 y平方码 198918130001990151200019911211000199210100001993201400019942816000199535190001996301700019972013000 因果预测 方程 y 7000 350 x设1998年新建房为25 则y 7000 350 25 15750码 多元回归 考虑多个变量 以及它们各自对问题的影响 家具行业里 新结婚数 新建房屋数 可支的收入 趋势 有关系 则S B Bm M Bh H Bi I Bt T 式中 S 每年

12、总销售量 B 基本销售额 M 年中结婚数 H 年中新造房屋数 I 可供自由支配的收入 T 趋势 多元回归 预测方法的选择 预测可以做的事 1 新产品市场销售 2 库存量 3 人力资源 4 预算基本的就是市场销售量 时间序列 1 简单移动 2 加权移动 3 指数平滑线性回归 趋势项因果关系 一定要弄清楚确实的因果关系 Herbig曾做过问卷调查 1000万到5亿美元的企业预测方法举例用到的 重要性使用情况排列高层管理讨论8662 9销售人员6852 2顾客调查724 72 2时间序列454 31 5加权平均463 81 4指数平滑362 80 9线性回归384 01 3多元回归353 61 0

13、预测方法的选择 一 产品决策一切机构存在基础 提供产品或服务 最终维持 选择 确定和设计产品 新产品的开发和选择 受下列因素影响 1 经济的改变 2 家庭规模缩小 3 工艺的改变 4 政策 法律的改变 5 其它变化 影响产品变化的因素 二 产品生命周期 产品生命周期 三 新产品开发的要求 1 快速响应市场 2 降低产品的复杂性 3 增加零部件标准化程度 4 改善产品的功能 5 提高产品使用舒适性 安全性 可靠性 6 质量鲁棒性 robust 减少制造变异对性能影响 新产品开发的要求 管理过程是决策过程决策方法 多目标优化决策树 多层决策简单决策 单层决策决策类型 不确定决策风险决策 概率决策

14、决策类型和方法 不确定决策对未来情况难以预测 发生的概率也不清楚一般有三种决策方法 1 悲观决策准则 从最不利中求较好的Maximin 2 乐观决策准则 从最好中求较好的Maximax 3 平均输出准则 从最好和最坏之差选择最大者 不确定决策 乐观 大车间 悲观 小车间 平均 小车间 不确定决策例 例 某公司想生产一种储货架 做了预算 建大车间 市场好 全部货出 赢利200 000元市场不好 卖不出 亏损180 0000元建小车间 市场好 全部货出 赢利100 000元市场不好 卖不出 亏损20 000元 风险决策多种自然态出现 每种具有某种概率计算出期望赢利 例 上例假设各种自然态出现的概率

15、均为0 5 对三种选择的EMV计算如下 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 不建厂 按EMV值为最大取 建小厂 风险决策 决策树存在两个以上的顺序决策时 决策树是个好办法 决策树是一种形象化的图示 决策因素还要计算 而前面讲的EMV是一种较好的评判因素 步骤如下 1 定义问题 2 画决策树 3 决定每一种自然态出现的概率 4 估算每一自然态和选择的联合的赢利 5 计算EMV 解出 决策树 1 2 建大厂 建小厂 不建厂 状态点 市场好0 5 市场不好0 5 市场好0 5

16、 市场不好0 5 决策点 200 000元 180 000元 100 000元 20 000元 赢利 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 0元 简单决策树分析 更复杂的模型 多层决策 上例没有做过市场调查和分析 假定0 5概率 要做市场调查需要费用 好情报的期望值为 EVPI 确定期望值 EMV的最大值见下例 图中的概率是条件概率 例在市场调查 花10 000美元 中 在好市场前境中仍有22 属不好市场 在不好市场中仍有27 属好市场 多层决策 市场好 0 78 市场好 0 22 市场好 0 78 市场好 0 22 市场好 0 27 市场不好 0 73 市场好 0 27 市场不好 0 73 市场好 0 50 市场不好 0 50 市场好 0 50 市场不好 0 50 不办 不办 不办 大厂 小厂 大厂 大厂 小厂 小厂 1 2 3 4 5 6 7 40 000 2400 106400 第一决策点 第二决策点 190 000 190 000 90 000 30 000 190 0