生产运作管理-6需求预测

移动平均数
前n期需求总和
n
t
SMAt 1 Ai n
it 1n
( At1n A(t1n)1 A(t1n)2 ... At ) / n
共n项 n为移动平均采用的周期数
（2）加权移动平均法
加权移动平均数
（第n期权数第n期需求） 权数
t
WMAt 1 i t nAi n
it 1n
(1 At1n 2 A(t1n)1 A 3 (t1n)2 ... n At ) / n
时间序列曲线及其构成示例
2.时间序列平滑模型
• 单纯法（Naive Method） • 移动平均法（Moving Average）
（用一组最近的实际数据值来进行预测） ✓ 简单移动平均法（SMA） ✓ 加权移动平均法（WMA）
• 指数平滑法（Exponential Smoothing）
（考虑所有的历史数据） ✓ 一次指数平滑法 ✓ 二次指数平滑法
3.市场调研法
• 预测来源于顾客期望，较好地反映市场需求情况。 • 有利于改进产品，有针对性地开展促销活动。 • 适用于对新产品或缺乏销售记录的产品需求预测。 • 很难获得顾客的通力合作。 • 顾客所说不一定符合顾客最终实际所做，因为顾客
的期望值不断变化。 • 费时费力。
4.销售人员意见汇集法（Field Sales Force）
• 单纯法的应用
–时间序列稳定的情况 • F(t) = A(t-1)， A(t-1) 为（t-1)期实际值，F(t)为t期 的预测值
–对季节性波动 • F(t) = A(t-n)，n为波动周期
–对有趋势变化情况
• F(t) = A(t-1) + (A(t-1) – A(t-2))
（1）简单移动平均法
• 权数的选择带有一定主观性，没有权数选择的既 定公式。
• MA是WMA的特例。
（3）指数平滑法
• 一次指数平滑法（Single Exponential Smoothing）
• 二次指数平滑法（Double Exponential Smoothing）
A.一次指数平滑法
一次指数平滑法是另一种形式（比较复杂）的加权 移动平均法
– 可以利用趋势外推、指数平滑等方法与判断的有机结合来进行。 – 是调整生产能力、采购、生产作业计划等具体生产经营活动的依据。
(2)按主客观因素所起的作用分
• 定性预测方法 • 定量预测方法
预测中应注意的几个问题
费用
• 判断在预测中的作用
✓ 选择预测方法
✓ 辨别信息
✓ 取舍预测结果
• 预测精度与成本
– 是企业长期发展规划、产品研究开发计划、生产能力扩充计划的依据。
• 中期预测：对一个季度以上、2年以下需求前景的 预测
– 中期预测可以通过集体讨论、时间序列法、回归法、经济指数相关法等 方法结合判断而作出。
– 它是制订年度生产计划、季度生产计划、销售计划、生产与库存预算、 投资和现金预算的依据。
• 短期预测：以日周旬月为单位对一个季度以下的 需求前景的预测
– (Forecasting is the art and science of predicting future events)
• 预测离不开科学测定的数据，也离不开人们的 经验和判断。
• 不能因为预测的失误而否定预测。
• 预测的基本假设：过去的发展状态要持续 到将来
• 对总量的预测要比对个体的预测精确
• 避免权威作用，防止“乐队效应”，也就是随大流倾 向。
2.部门主管集体讨论法（Jury of Executives）
• 简单易行，可快速获得预测结果。 • 汇集了各主管的经验和判断。 • 不需要准备和统计历史资料。 • 主观意见，预测结果缺乏严格的科学性。 • 与会人员间容易相互影响。
• 因预测是集体讨论的结果，故无人对其正确性 负责。
预测销量(百台)（n=3）
1 0.5, 2 1.0, 3 1.5
WMA4=(0.5A1+ A2+1.5A3)/3=21.83
21.83 23.17 24.33 25.83 26.17 25.67 25.67 26.83 27.17
SMA与WMA预测值的比较
简单移动平均 加权移动平均
SMA与WMA预测值的再比较(滞后性)
• 预测的稳定性与响应
性
0
（抗随机干扰vs反映 需求变化）
• 预测的时间范围和更 新频率
总费用
预测成本 经营费用
预测精度
二、定性预测方法
• 德尔菲法（Delphi Method） • 部门主管集体讨论法（Jury of Executives） • 用户调查法（Users’ Expectation） • 销售人员意见汇集法（Field Sales Force）
讨论两种极端情况
（1）α = 0
SFt+1 = SF1 = A1 即对近期的数据都加上0权数，只考虑最历史 的数据 （2）α = 1
SFt+1 = αAt = At 即对所有历史数据都加上0权数，只考虑最近 期的数据（单纯法）
举例
SFt+1 = αAt +(1-α) SFt
月份 实际销量（百台） 预测销量(α=0.4)
共n项
i为实际需求的加权系数
举例
• 某公司产品的逐月销售量记录如下。取n=3,试 用移动平均法进行预测。
A.简单移动平均法预测
月份
1 2 3 4 5 6 7 8 9 10 11 12
实际销量（百台）
20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00
–如每天从武汉到北京旅客数量的预测，比预 计某个人将到何处出差要准确
• 预测精度随预测的时间范围增加而降低
2.预测的种类 (1) 按预测时间的长短
• 长期预测：对5年或5年以上的需求前景的预测
– 一般是利用市场调研、技术预测、经济预测、人口统计等方法，加上综 合判断来完成，其结果大多是定性的描述。
• 简单移动平均法对数据不分远近，同样对待 。有时最近的趋势反映了需求的趋势，此时 用加权移动平均法更合适。
B.加权移动平均法预测
月份
1 2 3 4 5 6 7 8 9 10 11 12
实际销量(百台)
20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00
WMA特点：
• 当存在可察觉的趋势时，可以用权数来强调最近 数据。若对最近的数据赋予较大的权重，则预测 数据与实际数据的差别较简单移动平均法要小。
• 加权移动平均法更能反映近期的变化，因为更接 近当前的数据可以被赋予更大的权数。
• 近期数据的权数越大，则预测的响应性就越好， 但稳定性越差；反之则预测的稳定性越好，但响 应性越差。
预测销量（n=3）
SMA4=(A1+ A2+A3)/3=21.33
21.33 22.67 24.00 25.33 26.00 26.00 25.67 26.33 27.00
SMA特点：
• 简单移动平均法预测值与所选的时段长 n 有 关。n 越大，对干扰的敏感性越低，预测的
稳定性越好，响应性则越差。
1.时间序列的构成
趋势成分
周期成分
季节成分
随机成分
• 趋势成分：数据随着时间的变化表现出一种趋向( 由于人口、技术等原因)。它按某种规则稳步地上 升或下降，或停留在某一水平。
Response Mo., Qtr., Yr.
© 1984-1994 T/Maker Co.
• 季节成分：在一年里按通常的频率围绕趋势作上 下有规则的波动(由于天气、顾客等原因) 。
三、定量预测方法
（一）时间序列分析 （二）因果关系模型 （三）预测监控
时间序列是按一定的时间间隔，把某种变量的 数值依发生的先后顺序排列起来的序列。
（一）时间序列分析：以时间为独立变量，利用过 去需求随时间变化的关系来预测未来的需求。
包括：时间序列平滑模型，时间序列分解模型
（二）因果关系模型：利用变量（包括时间，如广 告投入vs销量）之间的相互关系，通过一种变量 的变化来预测另一种变量的未来变化。
• 又称专家调查法（S1:挑选专家；S2:迭代函询 调查；S3:最终预测意见）
• 简单直观
• 避免了专家会议的弊端（Group-think）
• 适用资料不全或不多的情况
• 专家的选择没有明确的标准，预测结果的可靠 性缺乏严格的科学分析，最后趋于一致的意见 仍带有随大流的倾向
• 三原则：匿名性，反馈性，收敛性
上述模型共同隐含的假设（前提）：过去存在的 变量之间的关系和相互作用机理，今后仍然存在 并继续发挥作用。
（三）预测监控：通过预测监控来检验过去起作用 的预测模型是否仍然有效。
（一）时间序列分析
• 时间序列的构成 • 时间序列平滑模型
移动平均法（MA、WMA） 指数平滑法（一次、二次）
• 时间序列分解模型
• 又称基层意见法。 • 预测值很容易按地区、分支机构、销售人员、
产品等区分开。 • 由于取样较多，预测结构较具稳定性。 • 由于销售人员的意见受到重视，增加了其销售
信心。 • 带有销售人员的主观偏见。 • 受地区局部性的影响，预测结果精度较差。 • 当预测结果作为销售人员未来的销售目标时，
预测值容易被低估。 • 当预测涉及紧俏商品时，预测值容易被高估。
递推公式：
SFt+1 = αAt +(1–α) SFt =αAt+α(1-α)At-1+α(1-α)2At-2 +…+α(1-α)t-1A1+ (1-α)tSF1
t 1
(1 ) j At j (1 )t SF1 j0 前t期实测值的指数形式的加权和；且随着 实测值年龄的增大，其权数以指数形式递减。
第六章 需求预测
一、预测的基本概念 二、定性预测方法 三、定量预测方法
一、预测的基本概念
• 什么是预测? • 预测的分类 • 预测的一般步骤 • 影响需求预测的因素 • 预测中应注意的几个问题
1.什么是预测?
• Forecast, Predict, Prophesy • 预测是对未来可能发生的情况的预计与推测。 • “凡事预则立，不预则废” • 预测是一门艺术，一门科学
1.德尔菲法（Delphi Method）
• 美国兰德公司于20世纪40年代发明并用于技术预测
• Delphi是古希腊传说中的一座城市，因有阿波罗神殿而出 名。传说众神每年都要到该城聚会，以占卜未来。
• 从40年代至70年代初，德尔菲法在各类预测中的应用比重 由20.8%增加到24.2％。
• 方法的本质是利用专家的知识、经验、智慧等带有很大模 糊性的无法量化的信息，通过通信的方式进行信息交换， 逐步地取得一致的意见，达到预测的目的 。
Response
Summer
Mo., Qtr.
© 1984-1994 T/Maker Co.
• 周期成分：在较长的时间里（一年以上）围绕趋 势作有规则的上下波动。这种波动常被称作经济 周期。
Response
Cycle
Mo., Qtr., Yr.
• 随机成分：由很多不可控因素引起的、没有规则 的波动。
由于随机成分的影响而导致需求偏离平均水平时， 应用时间序列平滑模型，通过对多期观测数据平均的 办法，可以有效地消除或减少随机成分的影响，以使 预测结果较好地反映平均需求水平。
• 单纯法（ Naïve Forecasts）
– 将前期实际得到的结果作为下一期的预测值
• 特点
– 使用简单，没有代价 – 不用数据分析 – 容易理解 – 预测精度不高
Delphi法的适用范围
• 难以借助精确的分析技术处理，但建立在集体基础上 的直观判断可以给出某些有用的结果。
• 面对一个庞大复杂的问题，专家们以往没有交流思想 的历史，因为他们的经验与专业代表着不同的背景。
• 专家人数多，面对面交流思想的方法效率很低。 • 时间与费用的限制不能经常开会商讨。
• 专家之间分歧隔阂严重或出于其他原因不宜面对面交 换思想。
加权移动平均法只考虑最近的n个实际数据，指数平 滑法则考虑所有的历史数据，只不过近期实际数 据的权重大，而远期实际数据的权重小
一次指数平滑法的预测公式：
新的预测 = 上期预测 + α（上期实际需求-上期预测值）
即下一期的预测是对上Baidu Nhomakorabea期预测偏差的调整。
预测公式
SFt+1 = SFt + α(At – SFt) = αAt +(1–α) SFt 其中： SFt+1 = 新一期的预测值 SFt = 上一期的预测值 At = 上一期的实际值 α = 平滑系数（ 0 α 1）