《10供应链需求预测和数据分析》由会员分享，可在线阅读，更多相关《10供应链需求预测和数据分析（147页珍藏版）》请在金锄头文库上搜索。
1、供应链需求预测和数据挖掘分析供应链需求预测和数据分析n供应链下需求预测的重要性n基本需求模式n需求预测方法n需求预测实例n高级数据处理方法数据挖掘供应链下需求预测的重要性n需求预测越准确，相应的管理越容易作 好！n需求模式的识别基本需求模式n确定性需求n带趋势的需求n带季节性、趋势性的需求确定性需求n最简单的需求模型n xt a+t nXt t周期的需求量na 每周期的平均需求量 nt 需求量的标准差带趋势的需求n需求带线性趋势分量n xt a+bt+tna 0周期的平均需求量 nb 趋势分量nt 需求量的标准差带季节性、趋势性的需求n需求带线性趋势分量n xt (a+bt)Ft+tna 0周
2、期的平均需求量 nb 趋势分量nt 需求量的标准差nFt t周期的季节因子注意n预测之前必须先确定需求的大致类型n带趋势、季节因子的需求模式是前2种模 型的一般形式。n但是都用此一般模型进行预测，则有n预测参数很多，难确定n预测准确度问题基本需求预测方法n移动平均法n指数平滑法nHolt-带趋势性因素的指数平滑法nWinter-趋势季节因素指数平滑法移动平均法移动平均法是根据时间序列资料，逐项推 移，依次计算移动平均，来反映现象的 变动趋势时，运用移动平均法，消除这 些因素的影响，进行动态数据的修匀， 以利于旱灾行长期趋势的分析和预测。 (1)简单移动平均某产品月份销售量移动平均预测表 单位：
3、只 tyt三项移动平均五项移动平均1 2 3 4 5 6 7 8 9 10 11 12423 358 434 445 527 429 426 502 480 384 427 446405 412 469 467 461 452 469 456 430437 439 452 466 473 444 44413419452对三项移动平均： M4=(y3+y2+y1)/3=(434+358+423)/3=405 M5=(y4+y3+y2)/3= (445+434+358)/3=412 以下类推对五项加权平均： M6=(y5+y4+y3+y2+y1)/5=(527+445+434+358+423)/5
4、=437 M6=(y6+y5+y4+y3+y2)/5=(429+527+445+434+358)/5=439 以下类推对移动时间长度的选择，上述分别取三项移动平均和五项 移动平均，得出t=13时的预测值分别为419只和452只。但究竟应该取几项移动平均呢？有效的办法是多取几个N， 计算其移动平均值，然后分别求其均方误差。MSE= -y)2/n，然后选取MSE较小的那个N，作为预测时的移动平均的时间长度。从上例中可看出：当N=3时，MSE=1/9）* -y)2=28893/9=3210.33当N=5时，MSE=1/7）* -y)2=11143/7=1591.86由此可见，当N=5时，MSE较小，
5、选择N=5，t=13时预测 M13=452只。如果时间序列数字变化较大，用简单移动平均法就会产生 较大的偏差。（2）加权移动平均法近大远小原则的应用 在简单移动平均公式中，每一个数据在计算中的作用是相同的。 加权移动平均则对近期的数据认为更重要而给予更多的权数。如 下列： tyt三项加权移动平均（ ）相对误差（%）1 2 3 4 5 6 7 8 9 106.35 6.20 6.22 6.66 7.15 7.89 8.72 8.94 9.28 9.806.24 6.44 6.83 7.44 8.18 8.69 9.076.31 9.93 14.43 14.68 8.50 6.36 7.45对表中
6、所列出的（yt）作出预测： 4=M4=(6.22*3+6.20*2+6.35*1)/(3+2+1)=6.24 5=M5=(6.60*3+6.22*2+6.20*1)/(3+2+1)=6.44. . . 10=M10=(9.28*3+8.94*2+8.72*1)/(3+2+1)=9.07 11=M11=(9.80*3+9.28*2+8.94*1)/(3+2+1)=9.48 相对误差=(6.66-6.24)/6.66=6.31%，以此类推 上表中，总的相对误差为： 1-( t / yt)*100%=1-(52.89/58.44)*100%=9.50% 则经过相对误差后的u =9.48*1/(1-9
7、.5%)=10.48(万吨）指数平滑预测模型近大远小原则的应用（1）一次指数平滑预测模型t+1=ayt+(1-a)t 式中a为平滑系数（2）平滑系数的选择 当时间序列数字波动不大，发展比较平稳时，a可取小一 点，例如（0.1-0.3）；当时间序列数字有明显的迅速 的变动倾向，则a可取大一点，例如（0.6-0.8），在 实际应用中，可多取几个a值，然后计算均方误差（ MSE），看哪一个MSE较小，就选用哪个a作为平滑系数 。 （3）初始值的确定 一般初始值以最初几期的实际值简单平均即可。某地区某产品销售额的一次指数平滑预测计算 单位：万元 tytt(a=0.2)t(a=0.5)t(a=0.8)1
8、 2 3 4 5 6 7 8 9 10 11 1247 52 47 51 49 48 51 40 48 52 51 5951.0 50.8 51.04 50.23 50.38 50.10 49.68 49.94 47.95 47.96 48.77 49.2251.0 50.5 51.25 49.13 50.07 49.54 48.77 49.89 44.95 46.48 49.24 50.1251.0 50.2 51.64 47.93 50.39 49.28 48.26 50.45 42.09 46.82 50.96 50.99上表列出a=0.2，a=0.5,a=0.8时，初始值（1） =(y
9、1+y2)/2=(50+52)/2=51时各年平滑值计算。 例如：当a=0.2时，2=ay1+(1-a) 1 =0.2*50+(1-0.2)*51=50.83= ay2+(1-a) 2 =0.2*52+(1-0.2)*50.8=51.04 以下类推。从上表可看出，当a分别为0.2、0.5、0.8时各年平滑值 各不相同；通过计算均方误差（SME）来比较： 当a=0.2时，MSE=(y- )2/12=243.14/12=20.26a=0.5时，MSE=252.82/12=21.07a=0.8时，MSE=281.4/12=23.45 可见，当a=0.2时，MSE较小，故选择a=0.2做预测13= a
10、y12+(1-a) 12 =0.2*59+(1-0.2)*49.22=51.176(万元）n由t+1=ayt+(1-a)t，可以得：t=ayt-1+(1-a)t-1因此： t+1=ayt+a(1-a)yt-1+a(1-a)2yt-2+a(1-a)kyt-k+ 说明指数平滑是以a，a(1-a)，a(1-a)2 为权 重的移动平均法。Holt:带趋势的指数平滑法nLt=aYt+(1-a)(Lt-1+Tt-1)，Lt基准项nTt=b(Lt-Lt-1)+(1-b)Tt-1，Tt趋势因子nt+1=Lt+ Ttnt+k=Lt+ kTtn初始值：L00周期的需求值n Tt上一年的平均月增长量Winter:带
11、季节因子的指数平滑法nLt=aYt/St-c+(1-a)(Lt-1+Tt-1)Lt基准项nTt=b(Lt-Lt-1)+(1-b)Tt-1Tt趋势因子nSt=rYt/Lt+(1-r)St-c St趋势因子nt+1=(Lt+ Tt) St-cnt+k=(Lt+ kTt) St-cWinter:带季节因子的指数平滑法n初始值：L00周期的需求值n Tt上一年的平均月增长量n S-11上一年1月份的季节因子n S-10上一年2月份的季节因子n n S-0上一年12月份的季节因子需求预测的实践n分段预测n滚动预测n集合预测n人工预测n考虑广告、减价、活动等促销因素n考虑影响销售的外部环境因素：突发事件，
12、新的政 策n新产品无历史数据n对手情况nThe three principles of all forecasting techniques:nForecasting is always wrongnThe longer the forecast horizon the worst is the forecast nAggregate forecasts are more accurate案例世界服装公司的销售预测n日本世界服装有限公司(World, Co. LTD)n总部：日本神户n性质：时装业。n成立时间：1959n规模：20世纪90年代，约7000家门店， 400种品牌；1998年，23
13、90员工；2000 年统计，净销售额18亿美元，净收入 3200万美元，占日本市场份额3.5%公司基本问题n时装的时效性强n一种品牌和款式销售期短n客户的需求变化快n时装品种多：品牌款式尺码n门店的费用极高n时装设计和生产需要一定的周期n需求预测的重要性公司基本问题n公司的信息系统建设： 1993年就建立了 完善的销售信息网络，实现了对客户的 快速响应n公司的独特销售预测模式预测方法n从总的集合预测到品类的预测n综合各个部门、各种渠道的预测n不断修正的预测n最初的总销售预测品类预测n销售预测的不断修正n最终的预测最初的总销售预测n推算此品牌（包括所有不同品类款式） 总需求预测n分销店的预测。由
14、每个店铺的MMS (Market Management System)系统给出此店铺的总 销售额预测n品牌经理的预测。在品牌连锁计划基础上对 所有连锁店产品的数量进行预测分销店需求预测n由每个店铺的MMS (Market Management System)系统给出此店铺的总销售额预测n考虑因素：n历史销售数据n增长率n季节波动n竞争对手情况n宏观经济情况n对新开的店铺n不同地区的客流量预测n目标顾客量n该地区的已有竞争对手对品类的需求预测n根据可能的需求将不同品类SKU进行评级，并 结合各部门投票评级和总预测量推算出产品品 类级别的预测量。n根据从历史数据得来的某种品类款式占总销售 额的比例
15、，得出此品类的预测值n考虑因素n历史数据n市场趋势n该品牌广告投入计算例n1计算总需求预测n1.1分销店预测n销售期间该店对此品牌所有品类的总销售额 200,000美元n单件商品均价100美元n零售店数量110n因此，整个连锁店该品牌的总销售预测为 =200,000*110/100=220,000件n1.2品牌经理预测n该品牌的总需求计划45,000件/周n销售计划持续周期4周n整个计划销售期的总销售预测45,0004 180,000件n1.3 需求预测汇总比较，选大的n因此总预测量220,000件n2.计算该品牌中A品类的预测量n2.1 该品类的SKU数量400n2.2 从ABCD规则中，得知前10的SKU提供 了40的销售额n因此A品类的需求预测量n220,00040/(10%*400)=2,200件/连续 周数、SKU高级数据处理方法数据挖掘n数据仓库n数据挖掘n数据挖掘的主要手段数据仓库n假定A11E1ectmnics是一个成
