销售预测生产计划

By location By SKU
滚动销售预测
冻结
剔除数据中的干扰
• 传统的算法
－实际销售数据是在库存的可得性的基础上产生的；并没有 揭示，断货而造成的销量损失
－因此，对预测误差的贡献，不仅来自销售方，预测方，也 来自供应方
－挑战：如何获取first pick的数据？
二、库存控制的几个关键模型
对管理工作的影响： n 占用库存资金总额 n 增加报告的种类 n 容易干扰库存管理决策
生产加工
每小时2吨
包装
每小时1.5吨
存储 装置
生产加工
包装
每小时2吨
每小时1.5吨
库存：每小时0.5吨
库存及其计算方式 影响库存水平的主要因素 库存计划的经典模型 库存的服务水准模型 安全库存与服务水准的关系 各环节库存点库存水平计算方法
服务水准 模型
成本 模型
库存 模型
流 动 资 产－ 存 货 管 理
现金
现金
原辅料
存货
使存货量最小
使存货损失最小
使存货转化为现金的时间最短
流 动 资 产－ 存 货 管 理
3销售预测生产计划
What Shall We Talk…?
内容安排
1、需求管理与销售预测 2、库存控制的关键模型 3、订单处理与计划管理 4、交货期与库存速度管理 5、新产品上市与产品终止
Q&A
一、需求管理与销售预测
需求管理初步 销售预测常用的统计模型 销售预测必须考虑的八大要素 滚动销售预测与预测误差分析
需求管理
市场和 产品
客户/销售信息
需
需求预测
按库存点的预测 延迟订单
求 计
预测误差、量
划
管理政策
库存
储运
网络和
计划
库存目标
计划
库存需求
供
资产决定
生产
生产班次
应
计划
计划 实际生产
计
供应商 选择
物料清单 物料计划
下单
划
原材料的可得性
战略决定
运作决定
需求的波动
Less buffer More buffer
到远赋予由重到轻的权重 • 方法
➢ 新预测量＝α×最近的实际值+(1-α)×最近预测值
➢ α＝平滑系数。α值越大，表明对近期历史数据赋予的权重越 大
指数平滑法 Exponential Smoothing
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 00 128 117 115 125 122 137 129 140 131 114 119 137
存货的计价方法
先进先出 后进先出 加权平均 移动加权平均 个别计价
流 动 资 产－ 存 货 管 理
流 动 资 产－ 存 货 管 理
流 动 资 产－ 存 货 管 理
影响库存水准的主要因素
供应的时间和距离
Safety Stock
Lead time=计划+等待+运输+出入库+登录 …
• 生产的批量约束 －制造费用 －生产换型 －启动时间内的物料浪费 －效率
• 采购的批量约束 －批量折扣
• 运输的批量约束 －最小订单量 －运费
大批量
平均库存 小批量
启动 换型
• 计划的模式 连续的计划模式 周期性的计划模式
MTWTFSS MTWTFSS MTWTFSS MTWTFSS M
• 计划的周期
供应的时间和距离
Lead time=计划+等待+生产周期+盘倒+检验…
供应的时间和距离
Lead time=订单确认+生产+运输+登录+检验 …
库存点的存货应该能够 支持补足周期内的需求 周期库存＝LT×D 平均库存＝LT×D/2
• 问题：需求量大，库存水平就一定高吗？
不同的需求特 性，决定了采 用不同的策略 和政策： • 供应模式 • 库存模式
136
• 假设利用前面介绍的加权平均法得出的9月份预测为136。 －9月份实际销售量为131 －如果平滑系数选为0.1 －则，10月份新预测量＝0.1×131+(1-0.1)×136 ＝13.1+0.9×136 ＝13.1+122.4 ＝135.5
销售预测必须考虑的八大因素
1、年度与月度销售目标 2、销售量的历史趋势图 3、行业预测 4、市场支持 5、竞争者的计划 6、产品结构的调整 7、A类产品 8、销售人员的预测
Average=123 Average=126
• 你可以选择计算中所需要的时间段数。如，本例中为每3个 月的数据进行平均，也可以用6个月的数据平均。
• 较短期的移动平均预测对季节性的敏感较差
指数平滑法 Exponential Smoothing
• 进行短期预测的较为流行的方法 • 使用历史数据的加权平均作为预测的基础 • 假设未来需求是与最近历史表现相关，并对历史数据由近
220
Leabharlann Baidu
170
300
264
110
均值μ＝234
239
MAD ＝42
255
224
286
271
偏离量Z
• 某一数值与均值μ的距 离，以σ的倍数来表示
Mean=100
1 Standard Deviation
Z=1.6 Standard Deviation 20
32
销售预测常用的几种模型
绝对平均与季节波动
正态分布
• 常用来表示很多环境的概率分布
• 均值
• 偏差
Mean
50％ each side
of the mean
标准偏差与平均绝对偏差
• 在Excel中，均值μ＝AVERAGE(A3:A12)
标准偏差σ＝STDEVP(A3:A12)，MAD=AVEDEV
每周需求量（ 箱）
均值μ＝234 偏差σ＝54
绝对平均 根据上一年度的实际销售数据计算平均值，并以该平 均值作为未来18个月的预测值。绝对平均模型适用于 全年销售相对稳定的产品。
季节波动 根据上一年度的实际销售数据计算每个月占全年总值 的百分比，再用预测的全年总值乘以各个月的百分比 得到各个月的预测值。
移动平均法－示例
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 00 128 117 115 125 122 137 129 140 131 114 119 137 01 123 126
Forecast
Inventory Report
• “垃圾进，垃圾出”
计划
• 人的误差 －录入错误 －盘点错误 －发货错误 －生产错误
• 系统的误差 －货、单据、登录的延迟
存在的原因： n 销售缓慢或停滞的产品库存 n 质量有缺陷、过期、等待销毁（报废）的库存 n 等待系统设定（如编码）而未录入的库存