供应链需求预测

《供应链需求预测》由会员分享，可在线阅读，更多相关《供应链需求预测（36页珍藏版）》请在金锄头文库上搜索。

1、 供应链需求预测Supply Chain Management7-1Outlineu预测在供应链中的作用u预测的特征u预测的组成部分及预测方法u预测的基本方法u预测的时间序列法u预测误差的测定方法u天然气在线公司的预测需求预测在供应链中的作用u需求预测构成了供应链中所有战略性和规划性 决策的基础u预测广泛应用于推/拉式供应链uExamples: 生产：日程安排，库存管理、总体计划 营销：销售资源配置、促销、新产品开发 财务：生产线的投资和预算规划 人事：雇员计划、雇用、解雇u所有上述决策的结合都需要预测的支持预测的特征u预测经常会出错u长期预测通常没有短期预测精确u综合预测通常要比独立预测准确

2、的多预测构成的要素u过去的需求u产品的提前期u规划进行的广告与促销u经济的状态u价格与促销方案u竞争者行为预测的组成部分及预测方法u定性法：依赖于人们的判断和意见做出预测u时间预测法：利用历史数据来预测未来需求 静态法 适应性法u随机法：假定需求和外界因素高度相关u模仿法 通过模仿消费者选择进行需求预测 可以联合使用随机法和时间预测法被考察需求 (O) =系统需求 (S) + 随机需求 (R)Level (需求水平)Trend (需求趋势)Seasonality (季节性需求) 系统部分: 需求的预期价值 随机部分: 需求中偏离系统需求的部分 预测错误: 衡量预测和实际需求的差异预测的时间序列

3、法预测接下来的四个时期预测的时间序列法预测的基本方法u静态法 u适应法 移动平均法 单一指数平滑法 Holts model (需求趋势) Winters model (需求趋势和季节性需求)需求预测的基本方法u理解预测的目的u将需求规划和预测结合起来u识别影响需求预测的主要因素u理解和识别顾客群u决定采用适当的预测方法u确定预测效果的评估方法和误差的测度方法预测的时间序列法u预测的目的是预测系统需求部分和估计随机部分 复合型: (level)(trend)(seasonal factor) 附加型: level + trend + seasonal factor 混合型: (level + t

4、rend)(seasonal factor)u静态方法u适应性方法静态方法u假设面临一个混合型预测: 系统需求 = (level + trend)(seasonal factor) Ft+l = L + (t + l)TSt+l = 以 t时刻为基点预测 t + l时刻的需求 L = 基期的预测需求水平 T = 预计需求趋势 St = 预计t期的季节性需求 Dt =实际观测到t期需求 Ft = 预测的t期需求静态方法u预测需求水平和需求趋势u预测季节性需求预测需求水平和需求趋势u在预测之前需要剔除季节性需求的影响u剔除季节性影响的需求= 在没有季节性影响的 情况下将要观测到的需求u时期数 (p

5、) 在周期内包括的所有时期之后，季节性周期将重复 进行 天然气公司(Table 4.1, Figure 4.1) p = 4时间序列预测 (Table 4.1)预测接下来的四个时期的 需求量时间序列预测 (Figure 4.1)剔除季节性影响的需求Dt-(p/2) + Dt+(p/2) + S 2Di / 2p P是偶数 Dt = (sum is from i = t+1-(p/2) to t+1+(p/2)S Di / p P是奇数(sum is from i = t-(p/2) to t+(p/2), p/2 向下取整剔除季节性影响的需求For the example, p = 4 是偶数

6、 For t = 3: D3 = D1 + D5 + Sum(i=2 to 4) 2Di/8 = 8000+10000+(2)(13000)+(2)(23000)+(2)(34000)/8 = 19750 D4 = D2 + D6 + Sum(i=3 to 5) 2Di/8 = 13000+18000+(2)(23000)+(2)(34000)+(2)(10000)/8 = 20625剔除季节性影响的需求包括需求预测 Dt = L + tT 其中，Dt = t时期剔除季节性影响的需求 L = level (基期剔除季节性影响的需求) T = trend (剔除季节性影响的需求后预计需求趋势)

7、In the example, L = 18,439 and T = 524需求的时间序列预测季节性需求季节性需求是实际需求与剔除季节性影响后的需 求之间的比率 St = Dt / Dt = t时期的季节性因素 In the example, D2 = 18439 + (524)(2) = 19487 D2 = 13000 S2 = 13000/19487 = 0.67 其他时期的计算方法依此类推预测季节性需求 (Fig. 4.4)预测季节性需求给定一个时期，可以通过将相似时期的季节性需求加 以平均得到某一时期的季节性需求 假定一个r循环，对于所有以 pt+i, 1ip,形式的时期， 得到以下

8、季节性需求 Si = Sum(j=0 to r-1) Sjp+i/r In the example, S1 = (0.42+0.47+0.52)/3 = 0.47 S2 = (0.67+0.83+0.55)/3 = 0.68 S3 = (1.15+1.04+1.32)/3 = 1.17 S4 = (1.66+1.68+1.66)/3 = 1.67预测需求使用预测结果，可以使用静态法预测得到4个时期 的预测如下: F13 = (L+13T)S1 = 18439+(13)(524)(0.47) = 11868 F14 = (L+14T)S2 = 18439+(14)(524)(0.68) = 17

9、527 F15 = (L+15T)S3 = 18439+(15)(524)(1.17) = 30770 F16 = (L+16T)S4 = 18439+(16)(524)(1.67) = 44794适应性预测法u对需求水平、需求趋势的预测在每次观察后做 出调整u适应性预测的常见方法 移动平均法 单一指数平滑法 Holts model (需求趋势) Winters model (需求趋势和季节性需求)适应性预测法的基本概念数据解释：P83适应性预测法一般步骤u自动创建u预测u预测误差u修正误差u重复以上步骤，直到完成预测移动平均法u适用于不存在预测趋势和季节性变动u系统需求=需求水平u最近N期的

10、需求平均值作为t期的需求水平 uLt = (Dt + Dt-1 + + Dt-N+1) / N Ft+1 = Lt and Ft+n = Lt 当观测到t+1期的需求后，做出修正 Lt+1 = (Dt+1 + Dt + + Dt-N+2) / N Ft+2 = Lt+1 移动平均法-Example对于前述例题 (Table 4.1)我们用4期移动平均来预测第5期的需求 L4 = (D4+D3+D2+D1)/4 = (34000+23000+13000+8000)/4 = 19500 F5 = 19500 = F6 = F7 = F8 观测到第五期需求 D5 = 10000 第五期需求误差, E

11、5 = F5 - D5 = 19500 - 10000 = 9500 修正第五期预测: L5 = (D5+D4+D3+D2)/4 = (10000+34000+23000+13000)/4 = 20000 F6 = L5 = 20000单一指数平滑法u适用于不存在预测趋势和季节性变动u系统需求=需求水平u需求初始预测 L0, 是所有历史数据的平均值 L0 = Sum(i=1 to n)Di/n 未来各期需求的预测等于对当期需求水平的预测: Ft+1 = Lt and Ft+n = Lt 当观察到 Dt+1时, 对需求水平预测值做出修正: Lt+1 = aDt+1 + (1-a)Lt Lt+1

12、= Sum(n=0 to t+1)a(1-a)nDt+1-n 单一指数平滑法-Example在前述例题中，用指数平滑法预测第1期需求 L0 = Sum(i=1 to 12)Di/12 = 22083 F1 = L0 = 22083 观察到第1期需求 D1 = 8000 第1期需求误差 E1 E1 = F1 - D1 = 22083 - 8000 = 14083 假设 a = 0.1, 第1期预测需求修正为: L1 = aD1 + (1-a)L0 = (0.1)(8000) + (0.9)(22083) = 20675 F2 = L1 = 20675 注意：第1期需求预测水平低于初始期预测误差的

13、测定意义u管理者可以利用预测误差分析，判断预测是否准 确的预测了系统需求u由于误差要用来解释意外事件，管理者应该估计 误差预测误差的测定方法u预测误差 = Et = Ft - Dt u平均方差 公式4.20u绝对离差 = At = |Et|u平均绝对离差 (MAD) 公式4.21预测误差的测定方法u平均绝对百分比误差 (MAPE) 公式4.23u预测误差之和 biasn = Sum(t=1 to n)Etu路径信号 公式4.25Summary of Learning Objectivesu理解预测在供应链中的应用u识别需求预测的组成部分u根据历史数据运用时间数列法来预测供应链需求u分析需求预测来估计预测误差