需求预测--美国生产和库存管理协会原

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
Visual
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 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
Visual
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， 从而增加竞争力和生产力。
Visual
1-3
预测涉及的领域?
FORCE-DOWN
X1
15,000 8,200 9,429units 13,045 15,000 4,845 5,571 units 13,045
Visual
X2
1-20
Biblioteka Baidu
金字塔形预测中销售收入的应用
A X1 units 1 2 3 4
B price
C X2 units
D price
Visual
1-43
Visual
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
Visual
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很好的指示器； 依靠数学公式； 例子:
1-19
预测技术—金字塔形预测的例子
ROLL-UP


产品层预测 X1units－8,200 price－$20.61 产品族层预测
产品组-调整的预测

X2 units－4,845 price－$10.00 －units－13,045 产品组平均 price－$16.67 －units－15,000
0.1 低权重 –非常平滑 0.9 高权重 – 接近实际
实际销售
Visual
1-28
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 = 160 + (0.1 x (200 – 160)) = 160 + (0.1 x 40) = 164 =160, 实际 = 200, a = 0.8 = 160 + (0.8 x (200 – 160)) = 160 + (0.8 x 40) = 192
Visual
1-39
异常数据的处理
505
Outlier (outside the range)
500
25 20 15 10
5
0 J F M A M J J A S O N D J F M A M J J A S O N D
Visual
1-40
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。
Visual
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
150 300 $4.50
产品 B 区域 1 区域 2 单价
300 450 $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。
Visual
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。
Visual
预测（新）
例子 :预测（老）
预测（新）
1-29
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
Visual
1-30
内部（内在） 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
Visual
月份 1 2 3 4 2002 10 10 10 50 2003 12 12 12 55 合计 22 22 22 105 计算 22/409 22/409 22/409 105/409 季节指数 0.05 0.05 0.05 0.26
5
6 7 8 9 10 11 12 合计
150
400 600 700 350 100 10 10 2400
Visual
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
Visual
1-14
季节性需求
销售对照图（按月）
800 700 600 500 400 300 200 100 0
2002年 2003年
1
2
3
4
5
6
7
8
9
10 11 12
Visual
1-15
季节性指数的计算
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。
特定时区内的平均需求 季节性指数= 整个时区内的平均需求
Visual
1-16
季节性指数的计算（Cont.）
某品牌冰淇淋的销售数据：
Visual
1-26
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 period 0.50 = 3 periods 0.29 = 6 periods 0.15 = 12 periods 0.10 = 19 periods
Visual
1-27
指数平滑因数a不同，预测需求的趋势变化
160
420 620 730 360 105 12 12 2510
310
820 1220 1430 710 205 22 22 4910
310 /409
820 /409 1220 /409 1430 /409 710 /409 205 /409 22 /409 22 /409
0.76
2.00 2.968 3.50 1.74 0.50 0.05 0.05
平均
409.1667
四舍五入 409
Visual
1-17
经济循环
销售（按季度）
35 30 25 20 15 10 5 0 1 3 5 7 9 11 13 15 17 19
Visual
季度
1-18
金字塔形的预测方法
定性的 总业务量 （金额）
产品族的量 （单位/金额）
产品的量 （单位）
定量的
Visual
E Totals Qty
F Revenue
8,200 $20.61 4,845 $10.00 9,430 $20.61 5,572 $10.00
13,045 $217,452 1.15 15,002 $250,000 $250.070
Visual
1-21
练习
历史需求 产品 A 区域 1 区域 2 单价
Visual
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
Visual
1-24
指数平滑
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 –预测（老） ）
Visual
更健康的生活方式
1-33
新产品
BCG Matrix
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
Visual
1-34
波士顿矩阵
高
明星（Star）
问号（Question Mark）



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。
Visual
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；
Visual
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
Visual
1-42
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
市场增长率 现金牛（Cash Cow） 瘦狗（Dog）
低 大
相对市场份额
Visual
小
1-35
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。
短
中
长
计划范围
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
时区 （周数）
Visual
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。
Visual
1-36
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
Visual
1-37
计划范围和时区
预测时间范围
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。
Visual
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。”
Visual
1-9
需求
对特定产品，部件和服务的需要。
Visual
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
Visual
1-11
需求特征
内部因素

外部因素

产品促销 产品替代
随即波动 季节性 趋势 经济循环 客户喜好和需求的变化



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。
Visual
1-25
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
o a 1
2 a n 1
• • • • 移动平均 指数平滑 回归分析 时间序列
Visual
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。
Visual
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）