《物流需求预测内容》由会员分享，可在线阅读，更多相关《物流需求预测内容（23页珍藏版）》请在金锄头文库上搜索。
1、1,第 六 章 物 流 需 求 预 测,2,1. 物流需求预测内容,一.预测概述 “凡事预则立，不预则废”。 一个有成就的主管人员，不但是当情况发生变化时能及时做出反应的人，而且又是能预见到变化，并因此而预先采取相应措施的人。 预测：根据具体的决策需要，依据事物以往发展的客观规律性和当前出现的各种可能性，运用现有的科学方法和手段，对事物发展的规律性和未来状态做出的估计、测算和推断。 预测研究的范围极为广泛，几乎涉及人类社会的各个领域，如社会预测、科技预测、政治预测、军事预测、文化预测、环境预测、经济预测，虽然各类预测都有其各自预测的领域、对象、方式和手段，但他们共同的本质特征就是对各自领域研究
2、对象的未来不确定的变化趋势进行估测和推断。,3,二、物流需求特征,在企业生产经营过程中，供应、生产、销售环节中所发生的所有物料和产品的流动而引致的对物流资源和物流能力的需求称为物流需求。 物流需求依附于企业生产经营需求。 需求的空间与时间特征 需求的规律性和不规律性 相关需求(垂直相关、水平相关） 独立需求 对相关需求项目的预测来源于对基本物资的需求,4,物流需求的规律性与不规律性 季节性需求 产品的需求量随着季节的转换而发生较大的变化，有明显的季节特征。如：夏日的凉鞋 周期性需求 产品的需求量随着时间的推移而呈现周期性的变化。如：家庭生活用品，食用油 趋向性需求 产品的需求量随着时间的推移而
3、朝着某一个方向有规律的运动。如：奥运会的吉祥物 随机性需求 上述几种以外的需求 Back,5,三、物流需求预测内容,对市场总潜力进行预测 对企业经营地区市场潜力进行预测 企业经营地区范围内社会购买力的发展趋势预测 企业所生产和经营产品的需求趋势预测 产品生命周期及新产品投入市场的成功率预测 产品市场占有情况预测,6,四、物流需求预测原则与方法,原则 可知性原则 系统性原则 连续性原则 类推性原则 因果性原则 方法 自顶向下方法（分解法）：适用于较稳定的市场需求环境或需求量在整个市场上波动不太在的情况 自底向上方法：适用于系统需求影响因素不多，并用历史数据较充分的情况,7,五、物流需求预测的步骤
4、： 1.明确预测对象（目标） 2.收集相关资料数据 3.分析整理数据和资料 4.选择合适的预测方法 5.预测与结果评价,8,预测步骤示意框图,不满意,不满意,9,五、物流需求预测程序,搜集预测资料 分析判断 选定预测方法和技术并作出判断 分析预测误差和最终完成预测报告,10,六、物流需求预测技术,主要有两种预测方法 定性预测方法 优点：时间短，成本低，操作性强 缺点：受主观因素的影响较大 定量预测方法 优点：科学理论性强，逻辑推理缜密 缺点：成本高，应用困难，需要一定的 理论基础,11,一、定性预测方法（主观性、判断性） 1.德尔菲法（最合适的预测期：中期到长期）： 专家的选择非常重要 由一组
5、专家分别对问卷作回答、由组织者汇集调查结果，如果统计结果显示专家的意见比较分散，则需要重新设计调查表，进行新一轮的调查，如果专家的意见比较集中一致，则就得到最终的调查预测结果。 执行过程如下图,12,13,2.类推法,纵向类推预测法-不同时间 通过将当前的物流市场情况和历史上曾经发生过的类似情况进行比较来预测市场未来情况的方法。 横向类推预测法-同一时期，不同地区 在同一时期内对某一地区某项产品的市场情况与其他地区的市场情况进行比较，然后预测这个地区的未来市场情况。,14,二、定量预测方法:,（一）时间序列分析： 以时间为独立变量，把过去需求和时间的关系作为需求模式来估计未来需求。 包括方法:
6、 简单移动平均 加权移动平均 指数平滑,15,1. 移动平均法：,最适合的预测期：短期。 将一段包含一些数据点的时间段求平均，即用该段时 间段所含数据点的个数去除该段内各点数据值之和。 数学表达式：MAt+1= (At+At-1+At-2+At-n+1) 例：前3个月的销售量分别为120、150和90，四月份的移动平均值为： =（120+150+190）/3=120,16,2.指数平滑法： 最适合的预测期：短期。 最新数据的权重高于早期数据。 特点：（1）短期预测中最有效的方法 （2）只需要得到很小的数据量就可以连续使用 （3）在同类预测法中被认为是最精确的 （4）当预测数据发生根本性变化时还
7、可以进行自我调整 （5）是加权移动平均法的一种，较近期观测值的权重比较远期观测值的权重要大,17,下一期的预测值=（前期实际需求值）+（1-）（前期预测值） 是权重，通常称为指数平滑系数，介于01之间。 所有历史因数的影响都包含在前期的预测值内，任何时刻只需保有一个数字就代表了需求的历史情况。 Ft+1=Dt+（1）Ft Ft+1=Ft+ （Dt Ft ） 趋近于1，新预测值将包含一个相当大的调整，即用前期预测中产生的误差进行调整； 趋近于0，新预测值就没有用前次预测的误差作多大调整。,18,例：根据下表给出的111月份某商品需求量的观察值，分别取=0.1、0.5、0.9，预测12月份的需求量，并进行误差比较。,19,20,指数平滑法预测误差比较,21,（二）回归预测法 一元线性回归预测法：Y=a+bX,22,例：国外足球赛上咖啡销量与温度的关系：,Y=咖啡消耗量，X=温度，Y=49.775-0.45X,23,本章结束,
