供应链需求预测

Lt+1=α(Dt+1/St+1 )+(1-α)(Lt +Tt)
(16a)
Tt+1=β (Lt+1 -Lt) +(1-β)Tt (16b)
St+1=γ(Dt+1/Lt+1 )+(1-γ)St+1
(16c)
例5-4：根据前面塔霍湖盐业公司的需求数据，用矫
正需求趋势和季节性的指数平滑法预测第1期的需求，
利用静态预测方法对下一个四季求得的预测值如下：
F13 = (L + 13T) S13 = (18,439 + 13 ×524)0.47 = 11,868, F14 = (L + 14T) S14 = (18,439 + 14 ×524)0.68 = 17,527, F15 = (L + 15T) S15 = (18,439 + 15 ×524)1.17 = 30,770, F16 = (L + 16T) S16 = (18,439 + 16 ×524)1.67 = 44,794.
4、矫正需求趋势和季节性的指数平滑法（Winter)
四种方法的预测误差
实例：DELL:
◦ 预测客户订单，进行零部件订购（推的过程）； ◦ 回应客户订单，进行生产（拉的过程）；
精确的预测能够让供应链获得较快的顾客响应速 度，同时具有一定的经营效率。
决策实例:
◦ 生产：排程、存货控制、总体规划、采购。 ◦ 营销：营销人员分派、促销、新产品介绍。 ◦ 财务：工厂／设备投資、预算规划。 ◦ 人事：人力规划、雇佣、解雇。
◦ 时间序列法：利用历史需求数据对未来需求进行预测；
◦ 因果关系法：假定需求预测与某些外界因素（如经济状
况、利率）等高度相关，找到这些外界因素与需求之间的 关联性，通过预测外界因素的变化来预测需求；
◦ 仿真法：通过计算机模拟消费者选择来预测需求；
（1）理解预测的目标； （2）把供应链需求计划和预测整合起来； （3）了解和识别顾客群； （4）识别影响需求预测的主要因素； （5）确定合适的预测技术； （6）设定预测绩效和误差测度；
Demand Forecasting in Supply Chain
供应链中预测的作用； 预测的特点； 预测的组成及方法； 预测的基本步骤； 时间序列预测法； 预测误差的度量； 实例：塔霍湖盐业公司的需求预测；
需求预测构成供应链中所有计划的基础；
供应链推/拉运作机制：
◦ 推的过程：预测顾客需求； ◦ 拉的过程：回应顾客需求；
时间序列：未来需求受下列因素影响：
◦ 目前需求（需求水平）； ◦ 过去成长趋势（需求趋势）； ◦ 过去季节性信息（季节系数）； ◦ 与历史需求无关的随机部分。
可观察到的需求（O）＝系统部分（S）＋随机部分 （R）
水准：去除季节性因素的目前需求（系统部分）
趋势：对于下一个周期在需求上成长或衰退的比例（系
预测的相关要素：
◦ 过去的需求； ◦ 产品的提前期； ◦ 广告计划或其他营销努力； ◦ 经济状况； ◦ 价格折扣； ◦ 竞争者的行为；
预测方法：
◦ 定性法：主要依赖于人的主观判断。
适用情况：只能获得很少的历史数据或专家的意见十分重要； 主要方法：集体讨论法；类比法；市场研究法；德尔菲法；
MP3产品的需求一直保持增长，需求的观测值（以千计）
分别为3,417,774、3,511,513、4,208,095、4,627,478 、
5,247,125和6,130,262，试用矫正需求趋势的指数平滑法
预测第7期的需求，其中α=0.1, β=0.2.
第三步：观测到t+1期的需求后，对需求水平、需 求趋势和季节性系数做如下修正：
Lt 1 Dt 1 (1 - )Lt
（11）
代表需求水平的平滑指数，0 1
例5-2：上个例子中超市在过去四周的牛奶需求分 别为120、127、114和122加仑，用简单指数平 滑法预测第1期的需求，其中α=0.1
适用于：需求的系统成分中有需求水平和需求趋势， 但是没有季节性。
需求公式：
统部分） 季节性：在需求上可以预测的季节性变动（系统部分）
•系统部分（Systematic Component）由需求的期望值予以度量。 •随机的部分（Random Component ）则是偏离系统部分的预测。 •预测误差（Forecast Error）是测量预测值与真实值之间的差距。
7-10
◦ 需求的系统成分=需求水平+需求趋势；
第一步：对需求Dt和时期t之间做线性回归，从而得 到对需求水平和需求趋势的初始预测值，形式如下：
Dt=at+b
（12）
在时期t，给定需求水平和需求趋势的预测值Lt和Tt，
下一期的预测值可以表示为：
Ft+1 =Lt+Tt 和 Ft+n =Lt +nTt
(13)
M为A辨P别En是表否示持平M续A均P低绝En估对=或百（者分Σ高比|E估误t/，D差t用|）预1测00误/n差之和衡量
TS路径信号（trackBinigass=ignΣaEl）t
TSt= Biast/MADt
-6<TSt<6
1、移动平均法：
2、简单指数平滑法
3、矫正需求趋势的指数平滑法（Holt模型）
第二步：预测： Ft+l=（Lt+lTt） St+l
- 第三步：预测误差： Et+1= Ft+1 Dt+1
第四步：修正误差：由给定的预测误差Et+1来修正 需求水平（Lt+1)、需求趋势(Tt+1)和季节性系数 (St+p+1)的值；
对后续各期重复以上2-4步。
适用于：需求没有可观测到的需求趋势或季节性；
需求公式：
◦ 需求的系统成分=需求水平；
计算方法：将最近N个时期需求的平均值做为t期的
需求水平，公式为
Lt (Dt Dt 1 ... Dt N 1) N
（6）
当前对未来时期的预测都是相同的，并且都基于当 前对需求水平的预测，即：
Ft 1 Lt , 和 Ft n Lt
Βιβλιοθήκη Baidu
（7）
在观测到第t+1期的实际需求之后，对需求做如下 修改：
其中α=0.1， β=0.2， γ=0.1.
分析原因：
可以运用误差分析，检查是否准确反映系统需求部 分
误差用来解释意外事件
误差在一定范围是可以接受的；t期的误差是该期预
测需求与实际需求的差值，对管理者来说，在采取 预测的行动前估计误差值是十分重要的。
t期的预测误差可以用下式表示：
◦
Et=Ft-Dt
需求公式：
◦ 需求的系统成分=需求水平；
第一步：计算需求水平的初始值，初始值为：
L0
1
n
n i 1
Di
（ 9）
当前所有对未来时期的预测都等同于当前对需求水 平的估计，即：
Ft 1 Lt 和 Ft n Lt （10）
第二步：当我们得到t+1期的实际需求值Dt+1后， 对需求水平做如下修正：
7-12
实例：塔霍湖盐业公司：
实例：塔霍湖盐业公司：
具体操作步骤：
一、剔除季节性系数对需求的影响，然后对这些经 过处理的需求数据进行先行回归，以求得基期的需 求水平和需求趋势；
估计季节性系数；
第一步：估计需求水平和需求趋势： ◦ p是每次季节性循环包含的期数；
_
Dt
[Dt (p / 2) Dt (p / 2)
上述决策与预测都有相关性；
拥有稳定需求的成熟产品容易进行预测；
高科技产品及流行产品预测相当困难；
预测的结果通常是不准确的，所以需要考虑预测 结果和预测误差；
长期预测的准确性通常比短期预测要低；
综合预测通常要比分解预测准确；
一般来说，一家公司的供应链越长，所获得信息 失真的可能性越大：牛鞭效应。
Lt 1 (Dt 1 Dt ... Dt N 2) N
（ 8）
例5-1：一个超市在过去4周的牛奶需求分别为120、 127、114和122加仑，用移动平均法根据前4周的 需求预测值预测第5周的需求，如果第5周的实际需 求为125加仑，则预测误差为多少？
适用于：需求没有可观测到的需求趋势或季节性；
t 1(p / 2)
2Di ] / 2p, p为偶数
i t 1(p / 2)
D
t (p 1)/
i t (p 1)
2
i /2
/
p,
, p为奇数
（ 2）
第一步：估计需求水平和需求趋势:
去除季节性因素影响的需求后，混合型系统部分公式
可以写为：
_
Dt L Tt
（3）
第一步：估计需求水平和需求趋势:
衡量方法：
MSE表示误差的离散程度（mean squared error）
At 表示t期误差绝M对SE值n （=1a/bnsoΣlEutte2 deviation） MADn 表示平均绝对A误t=差|Et| 如果正态分布，MMAADDn可=以1/用n来ΣA预t 测随机需求部分标准差
δ=1.25MAD
第二步：估计季节性系数：
_
_
St Dt Dt
（4）
假设有r个季节性循环，对所有表示形式为jp+i,
l≤i≤p的时期，可以计算季节性系数为：
r 1 _
S jp i
St
j 0
r
（5）
对于塔霍湖盐业公司的例子，资料统计是12个周 期，每期循环期数尾p＝ 4，那么表示有r＝3 个季 节性循环周期。利用公式（5）可以得到季节性因 素如下：
第二步：在观察到t期的实际需求后，对需求水平和需 求趋势的值做如下矫正：
Lt+1=αDt+1+(1-α)(Lt+Tt)
(14a)
Tt+1=β(Lt+1 –Lt)+ (1-β) Tt
(14b)
α为需求水平的平滑指数，0< α<1; β为需求趋势的平滑
指数，0< β<1;
例5-3：一家电子制造商在过去6个月中观察到它的最新
假设需求趋势或者季节性需求也要变动
Lt=t期末的预计需求水平 Tt=t期末的预计需求趋势 St= t期末预计季节需求 Dt= t期实际观测的需求 Ft= t期的预测需求 Et= t期的预测误差
第一步：初始化：由给定数据计算出需求水平(L0)、 需求趋势(T0)和季节性系数（S1 ,S2,…Sp）的初始值， 具体方法跟静态预测法完全一样；