《需求预测美国生产和库存管理协会》由会员分享，可在线阅读，更多相关《需求预测美国生产和库存管理协会（44页珍藏版）》请在金锄头文库上搜索。
1、需求预测,Session 1 Forecasting Demand,课程目的,解释为什么预测是重要的（重要性）； 通用的预测方法； 识别需求的特征； 介绍对预测数据需要考虑的事项； 概要地介绍了数据分解流程。,1-1,什么是预测?,“预测是对未来需求的估计。预测可以是应用数学方法对历史数据进行的客观分析，也可以是对非正式信息的主观判断，同时，预测也可以是两种方法和技术的结合。”,1-2,为什么需要预测?,计划未来，减少不确定性； 预见和管理变化（革）； 提升计划部门的沟通和整合； 预见库存和能力需求，管理前置期； 将运作成本计划在预算编制过程中； 通过降低成本，提升客户交货水平和反应速度，从而
2、增加竞争力和生产力。,1-3,预测涉及的领域?,投资决策； 资产设备决策； 库存规划； 能力规划； 运作预算； 前置期管理。,1-4,预测系统设计问题,决定哪些信息是需要预测的； 为预测赋予责任； 设置预测系统参数； 选择预测模型和技术； 数据收集； 测试模型； 记录实际需求； 报告预测的准确性； 确定变异的根本原因； 回顾预测系统，提升预测绩效；,1-5,通用的预测技术,定性技术 基于知觉和评估 专家意见 信息汇总 关注客户的团体 专家团体 智囊团 调查研究团体 应用 市场调研 定量调查设计的基础,1-6,通用的预测技术（Cont.）,定量技术 基于数据关联的计算； 历史需求是未来需求的一个
3、很好的指示器； 依靠数学公式； 例子: 移动平均 指数平滑 回归分析 时间序列,1-7,预测数据来源,内部基于公司历史数据； 外部基于公司外部的信息。,1-8,外部因素,S 社会（Social） T 技术（Technology） E 环境规则（Environmental regulations） E 经济（Economic） E 人的观念（Ergonomics） P 政治（Political）,1-9,需求,对特定产品，部件和服务的需要。,1-10,需求的来源,需求的来源是多方面的: 消费者 客户 经销商 分销商 内部公司 备件,1-11,需求特征,内部因素 产品促销 产品替代,外部因素 随即
4、波动 季节性 趋势 经济循环 客户喜好和需求的变化,1-12,主生产计划在不同制造策略中的应用,ETO 没有MPS ATO 部件组装 MPS/Forecast/装配计划FAS MTS MPS, 以预测为主 MTO MPS, 预测是可选的，对前置期长的部件，可以应用补货策略 Mass Customization 大量，多品种，稳定的需求，采用对物料进行预测的“拉式”生产方式,1-13,独立需求 Vs 相关需求,这种分类是基于公司内部的需求特点 独立需求外部需求交易 (产成品，备件，内部需求) MPS (销售和需求预测) 相关需求根据物料清单展开 非预测项目,1-14,季节性需求,1-15,季节性
5、指数的计算,度量需求的季节性变化； 联系特定时区内的平均需求和整个时区内的平均需求的关系。,1-16,某品牌冰淇淋的销售数据：,1-17,季节性指数的计算（Cont.）,经济循环,1-18,金字塔形的预测方法,1-19,定性的,定量的,预测技术金字塔形预测的例子,X2 units4,845 price$10.00units13,045产品组平均 price$16.67units15,000,ROLL-UP,X1X2,产品层预测X1units8,200price$20.61 产品族层预测产品组-调整的预测,FORCE-DOWN,1-20,金字塔形预测中销售收入的应用,1-21,练习,历史需求产品
6、 A 产品 B 区域 1 150 区域 1 300 区域 2 300 区域 2 450 单价 $4.50 单价 $8.50管理层已经决定，下一年的总需求将达到$10,000.计算产品A和B分别在区域1和2的预计需求量。,1-22,定量技术,移动平均；指数平滑；回归分析；适应性平滑；图示法；计量经济模型；生命周期模型。,1-23,移动平均预测方法,优点 简单的计算方法 可以过滤随即变异 时间越长，需求越平滑 限制 如果存在需求趋势, 很难察觉； 移动平均相对趋势是滞后的,1-24,预测（新） = a x 实际需求 + (1- a) x 预测（老） 预测（新） =预测（老） + a X (实际需求
7、 预测（老） ）,指数平滑,提供了更新产品预测的常规方法； 对需求要素来说，a是一个权重因数； 适合相当稳定需求产品的预测； 适合短期预测； 滞后需求趋势，不能察觉趋势。,1-25,1-26,平滑因数,参照a因数的定义 决定了历史数据在预测中的权重； 调整预测对需求变化的反应度 范围,1-27,平滑因数(Cont.),确定了预测过程中需要考虑的实际需求的期数（n）； 1.00 = 1 period0.50 = 3 periods0.29 = 6 periods0.15 = 12 periods0.10 = 19 periods,0.1 低权重 非常平滑 0.9 高权重 接近实际,指数平滑因数a
8、不同，预测需求的趋势变化,实际销售,1-28,1-29,指数平滑（例子）,预测（新）= 预测（老）+ 移动因数（a） x (实际销售 预测（老）例子 :预测（老） = 160, 实际= 200, a = 0.1预测（新） = 160 + (0.1 x (200 160)= 160 + (0.1 x 40) = 164 例子 :预测（老） = 160, 实际 = 200, a = 0.8预测（新） = 160 + (0.8 x (200 160)= 160 + (0.8 x 40) = 192,定性技术,专家意见 市场调研 聚焦团体 历史推理 Delphi 方法 座谈会,1-30,内部（内在）
9、因数,产品生命周期管理； 计划价格变更； 销售能力变化； 资源约束 市场营销和促销 广告,1-31,外部（外在）因数,竞争 新客户 主要客户计划 政府政策 其他调整 经济条件 环境问题 全球趋势,1-32,先行指数,Indicators （原因要素）房地产投资出生率 网站的点击率 健康趋势更健康的生活方式,影响建筑材料 家具 婴儿产品 电子商务销售 医药供应 营养产品 适宜产品,1-33,1-34,新产品,每个新产品/服务都存在预计的风险。 每个新产品/服务的上市都有可能出现以下状况： 扭转市场颓势； 强烈地刺激市场，市场份额急剧扩大； 损失 灾难 无尽的责任和义务,BCG Matrix,波士
10、顿矩阵,1-35,相对市场份额,明星（Star）,问号（Question Mark）,瘦狗（Dog）,现金牛（Cash Cow）,高市场增长率低,小,大,1-36,聚焦预测,假设 离现在越近的数据，越能更好地预见未来的需求； 选择更好的预测模型； 方法 所有预测模型得到的结果都需要最近的销售数据进行比较； 最接近结果的预测模型将作为这一次的预测模型； 下次可能会选择不同的预测模型。,预测数据问题,数据的有效性 数据的一致性 需求的历史数据量 预测频率 模型选择的频率 成本和时间 记录真实的需求 订单日起 vs. 出货日期 产品单位 vs. 财务单位 数据集合的层次 客户,1-37,计划范围和时
11、区,时区 （周数）,预测时间范围,短 中 长,周 月 季度,1 2 3 4 5 6 7 8 9 10111213 17 21 26 30 34 39 43 47 52 65 78 91 104,计划范围,1-38,数据准备和收集,销售数据记录和预测数据的周期相同（天，周，月）； 监控需求，而不是销售和出货； 记录异常需求的环境详情； 记录需求时要分单独的客户群和市场单元。,1-39,异常数据的处理,1-40,Outlier (outside the range),何谓“异常”,在一定的时间范围内，某一点的数据和前后数据有明显的差异，这就是异常。 例如，某个产品的平均需求10个单元每个月，但是，某个月它的需求达到了500个单位，这个销售点可能会认为是一个异常点。,1-41,如何处理这些“异常”,在应用预测技术时将这些“异常”去掉。 现实中:促销的结果循环发生的可能性,1-42,1-43,数据的分解,净化数据 调整数据 取得基线 鉴别需求的组成 趋势 季节性 非年度循环 随机误差 测量随机误差 设计系列 重新安排,
