《IE工业工程培训全套教材－需求预测和决策（PPT 44页）》由会员分享，可在线阅读，更多相关《IE工业工程培训全套教材－需求预测和决策（PPT 44页）（44页珍藏版）》请在金锄头文库上搜索。
1、001/2/21 德信诚培训教材 需求预测和决策 主要内容 2001/2/21 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 2001/2/21 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 2001/2/21 典型的趋势需求 2001/2/21 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 2001/2/21 有四种典型的趋势需求： （ 2） 产品成长并到达成熟时期
2、的需求 典型的趋势需求 2001/2/21 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 2001/2/21 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 定性预测 定量预测 仿真预测 预测的分类 2001/2/21 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 2001/2/21 （ 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
3、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。 2001/2/21 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
4、层人员讨论 。 预测中的定性方法 2001/2/21 （ 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。 2001/2/21 预测中的定性方法 （） 德尔菲法 0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 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，提炼预测结果和条件，再度发给所有专家； 归纳专家意见，形成需求报告； 如有必要，再重复； （ 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
5、分析 （ 5）因果回归模型 （ 6）时间序列分解 2001/2/21 时间序列分析 （ 1） 简单移动平均 3212001/2/21 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； n 移动平均的时期个数； , 321 前期、前两期、前三期直至前 2001/2/21 简单移动平均 简单移动平均算例 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
6、 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 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
7、。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。 2001/2/21 加权移动平均 （ 2）加权移动平均法 3322112001/2/21 加权移动平均 加权移动平均法公式及算例 1321 、 第 321 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 3 095. 4 005（ 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
8、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。 111 1F 、1 第 平滑常数。 单一指数平滑的公式为： 2001/2/21 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 =各个时期的权重如下所示 最近期的权重 = （ 1- ） 0 近期的权重 = （ 1- ） 1 近期的权重 = （ 1- ） 2 近期的权重 = （ 1- ） 3 重因子 . . . . ()1( 2222111112001/2/21 指数平滑法 指
9、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 =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： 1单位104 7. 5 )- 50(0. 05105 0 105 0)-( 100 00. 05105 0 111 由于平滑自相关很小，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 时期 某期实际需求 某期预测需求 时期总数 2001/2/21 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（ 简单明了并且可以获得跟踪信号，故再度受宠。 绝对值表示。与标
10、准偏差一样， 在不考虑符号的情况下， 等于用绝对偏差总和除以数据点个数，以等式形式给出为： 1 t AF 2001/2/21 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 ： 2001/2/21 线性回归分析法 手
11、拟趋势线 季度 销售量 季度 销售量 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+ a = 400 b = (4950(12= 382 y = 400+382x 2001/2/21 线性回归分析法 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 b。 设 为实测值， y 为公式值，则 为误差，令 根据最小二乘法，则： y 111 (m i n)m i n (m i n 00 22 )(2001/2/21 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 b， 而最小二乘法求解的公式为： 得： 令： 2001/2/21 最小二乘法 11以计算出上例中 a和 最终得 b=a=441.6，
