运筹学与供应链管理5000001)

12
41.73
40.92
选择平滑常数
Demand
实际数据
47
45
43
.1
41
39
37
.
35
4
1 2 3 4 5 6 7 8 9 10 11 12
Period
线性趋势方程
Y
Yt = a + bt
• b ＝直线斜率
b
=
n (ty) - t y n t2 - ( t)2
012345 t
0.15
0.37
趋势直线 y = 40.97 + 4.30 x 1998 (第4年)的预测 = 40.97 + 4.30 (4) = 58.17
1998
16.28 11.63
© 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e
8.73
21.53
第２讲
需求预测
预测: • 是关于未来的描述
• 预测用于帮助管理人员
– 系统计划：产品服务的类型、设施配置、 厂址选择
– 实施计划：库存、劳动力、采购、生产进度
预测的用途
会计 财务 人力资源 营销 管理信息系统 运作 产品/服务设计
成本/利润估计 现金流量 招工/招聘/培训 价格, 促销, 战略 服务 调度, MRP, 工作负荷 新产品和服务
b=
=
= 6.3
5(55) - 225
275 -225
a = 812 - 6.3(15) = 143.5 5
y = 143.5 + 6.3t
季节性调节 • 需求重复性地增加／减少 • 使用季节因子来调节预测
季节因 Si 子 DD i
© 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e
Di
此处,
Wi = 第 i 期的权重，其百分值在
0 ~ 100 之间
Wi = 1.00
© 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e
Ch 10 - 14
加权移动平均之例
月份 八月 九月 十月
权重 数据 17% 130 33% 110 50% 90
假设—最近的观测具有最高的预测价值.
– 因此在预测时，应该给更近的数据赋予更高的 权重.
指数平滑法举例
时期
实际数据 Alpha = 0.1 误差
Alpha = 0.4 误差
1
42
2
40
42
-2.00
42
பைடு நூலகம்
-2
3
43
41.8
1.20
41.2
1.8
4
40
41.92
-1.92
41.92
-1.92
5
41
• 假定系统中存在因果关系 过去 ==> 未来
• 由于不确定性因素的存在使得预测很少准确 无误
• 对一组事物的预测比 对单个事物预测准确
我看这学期你 能得优秀成绩。
• 当预测时间跨度增加时，
预测精度将下降
好的预测方法的基本要素
适时
可靠
精度
书面
预测进行的步骤
“预测”
步骤 6 预测监控 步骤 5 准备预测 步骤4 收集和分析数据 步骤3 选择预测技术 步骤2 确定预测时间跨度 步骤 1 确定预测目的
a = y - b t n
线性趋势方程举例
t
y
周
t2
销售
1
1
150
2
4
157
3
9
162
4
16
166
5
25
177
t = 15 ( t)2 = 225
t2 = 55
y = 812
ty 150 314 486 664 885
ty = 2499
线性趋势计算
5 (2499) - 15(812) 12495-12180
需求变动的形式
需求
趋势变动
时间 季节变动
随机变动
需求
时间
© 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e
需求
需求
周期变动 时间
带季节性的趋势变动
时间
Ch 10 - 7
简单预测法
• 简单易用 • 基本上不需要成本 • 不需要数据分析 • 容易理解 • 不能提供较高的精度 • 能够作为衡量精度的标准
S1 DD 114428.0 .70.28
简单预测法应用
• 平稳时间序列数据
– F(t) = A(t-1)
• 季节变动
– F(t) = A(t-n)
• 长期趋势数据
– F(t) = A(t-1) + (A(t-1) – A(t-2))
简单预测
唉, 给我点时间.... 上周我们卖了250轮胎 .... 那么, 下周我们应该 卖....
平均方法
Ch 10 - 25
季节性调节之例
年
1
总计
1995 12.6 45.0
1996 14.1 50.1
1997 总计
15.3 53.6
42.0 148.7
Si
0.28
需求 (1000件／季度)
2
3
4
8.6 6.3
17.5
10.3 7.5
18.2
10.6 8.1
19.6
29.5 21.9
55.3
0.20
十一月的预测
© 2000 by Prentice-Hall Inc Russell/Taylor Oper Mgt 3/e
3
WMA3 WiDi
i1 (0.50)(90)(0.33)(110)(0.17)(130) 103.4
Ch 10 - 15
指数平滑法
Ft = Ft-1 + (At-1 - Ft-1)
• 移动平均 • 加权移动平均 • 指数平滑法
简单移动平均
图 3-4
实际数据
47 45 43 41 39 37 35
1 2 3 4 5 6 7 8 9 10 11 12
MAn =
n
Ai
i=1
n
MA5 MA3
加权移动平均
• 可调整和反映 简单移动平均
法中不同时期 数据的影响
WMAn
=
Wi
i=1
预测的类型
• 主观判断 – 主观意见 • 时间序列 – 使用历史数据，认为将来和过
去相似
• 联合模型 – 基于自变量预测未来
主观预测
• 经理人员的意见 • 与顾客直接接触人员的意见 • 消费者调查 • 其它预测方法
– 德尔非法Delphi method
时间序列预测
• 长期趋势 –数据的长期移动 • 季节性变动 – 数据短期规则变化 • 不规则变动 – 异常情况引起的变动 • 随机变动 – 各种可能性引起的变动
41.73
-0.73
41.15
-0.15
6
39
41.66
-2.66
41.09
-2.09
7
46
41.39
4.61
40.25
5.75
8
44
41.85
2.15
42.55
1.45
9
45
42.07
2.93
43.13
1.87
10
38
42.36
-4.36
43.88
-5.88
11
40
41.92
-1.92
41.53
-1.53