第六章 需求预测
合集下载
第六章 需求预测资料
it 1
<例>实际需求如下
月（t）
1 234 5
实际需求（At） 100 90 105 95 ？
加权值为4月0.4,3月份0.3,2月份0.2,1月份0.1时 在最近的资料中赋予大
5月的需求预测值F5是
的加权值,使能够赶上
F5=0.4*95+0.3*105+0.2*90 +0.1*100 =97.5
（一）判断在预测中的作用
1、判断在选择预测方法中的作用； 2、判断在辨别信息中的作用； 3、判断在取舍预测结果时的作用；
（二）预测精度与成本 （三）预测的时间范围和更新频率
（四）稳定性与响应性
Delphi法
第二节 定性预测方法
选择对象专家团提问/答案整理/反馈(3-4回)最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备,新产品,市场战略的长期预测或技术预测
适合于库存生产(计划生产),订货生产
最近开发数学统计技术
确保生产能力,原材料及制定有关经营战略的必须因素
*预测的类型
对象
科学预测：对科学发展情况的预计与推测 技术预测:预测技术进步率,开发新产品/新制造技术,由技订领域专家去执行 经济预测:预测经济状况,制定中长期经营计划,由经济专家去执行 需求预测:预测产品及服务的需求,决策生产 社会预测：对社会未来的发展状况的预计和推测
Ft+1 = At+At-1+……+At+1-N N
t:期间, Ft+1:t+1的预测值, At:t的实际需求, N:移动平均期间
<例> 移动平均期间为4个月,实际需求为如下时
月(t)
1 2 34 5
第六章需求预测
生产与运作管理
湖北汽车工业学院经济管理学院
由P160表6-3、表6-4可知：各月销售额的预测值与实 际值有较大的差异，即预测值总是滞后于实际值。当实际 值呈上升趋势时(1—8月)，预测值总是低于实际值；而当 实际值呈下降趋势时(8—12月)，预测值总是高于实际值。 但比较而言，当 α 取值较大时，预测值与实际值的误差要 小一些。 由此可见：在有趋势变动的情况下，采用一次指数平 滑法进行预测，会出现滞后现象，此时，必须采用二次指 数平滑法进行预测。而在出现季节性变动时，则必须采用 三次指数平滑法进行预测。
预测的种类：科学预测、技术预测、经济预测、需求预测、 军事预测、国际关系预测、社会预测等。
需求预测：对未来一段时间市场与顾客的需求进行的分析、 判断与计算。
2
Hale Waihona Puke 生产与运作管理湖北汽车工业学院经济管理学院
二、需求预测的重要性
“凡事预则立，不预则废” 。
做好需求预测，才能预先研判市场和客户的需求未来会发 生什么样的变化，以便及时调整经营策略和产品方向，调整营 销策略（产品、价格等）和竞争战略。 正确地预测未来的市场需求，是科学合理编制生产计划、 物料需求计划、劳动力需求计划、资金需求计划等的基础，是 进行新产品开发的依据。 影响需求的因素很多，要准确地预测未来的市场需求，是 比较困难的。
1 αi
i=t+1-n
αi Ai
t
αi 为第 i 周期实际需求的权数。 αt αt-1 αt-2 αt -(n-1) 。可取 αi = 1。
生产与运作管理
湖北汽车工业学院经济管理学院
例2：在例1中，当 n = 3 时，若取 α6 = 0.5， α5 = 0.3， α4 = 0.2，则7月份的销售预测值为： 0.3*12500 + 0.2*12600 = 12770 WMA7 = 0.5*13000 + 0.5 + 0.3 + 0.2 当 n = 4 时，若取 α6 = 0.4， α5 = 0.3，α4 = 0.2， α3 = 0.1，
第六章-需求预测《运营管理》ppt课件
稳定性及响应性
• 稳定性： – 指抗拒随机干扰，反应稳定需求的能力。 – 稳定性好的方法有利于消除或减少随机因素的影响，适应于受随 机因素影响较大的预测问题。
• 响应性： – 指迅速反应需求变化的能力。 – 响应性好的方法能及时跟上实际需求的变化，适合于受随机因素 影响小的预测问题。
• 目标相互矛盾
关于简单移动平均方法的疑问
Week 1 2 3 4 5 6 7 8 9
10 11 12
F Demand 650 t 678
=•
AQ以tu-31e周+st或ioA6n周t:-为2 移+n动A平t-均3 +区..间.+有A何t-n
720
差别？
785
859
920
850
758
892
920
789
844
Week 1 2 3 4 5 6 7 8 9
wi =1
i=1
加权移动平均实例
Week 1 2 3 4
Demand 650 678 720
Forecast 693.4
F4 = 0.5(720)+0.3(678)+0.2(650)=693.4
Exponential Smoothing 指数平滑
• 假设： 近期的数据比早期的数据更能够准确地预测未来， 因此 需要最近的数据的权重就要比以前的数据的权重要大。
892 842.67 815.33
920 833.33 844.00
789 856.67 866.50
844 867.00 854.83
移动平均区间与稳定性及响应 性
950 900 850 800 750 700 650 600
第六章 需求预测
第六章需求预测6.1 预测6.2 定性预测方法6.3 定量预测方法6.4 预测误差与监控预测的定义及分类⏹预测是对未来可能发生的事件的预计和推测。
⏹根据预测内容的不同，分为：经济预测、技术预测、社会发展预测和市场需求预测；⏹根据预测时间的长短，分为：长期预测、中期预测和短期预测；⏹根据预测方法的不同，分为：定性预测和定量预测。
预测的一般程序✓确定预测的目的和用途，它决定了预测的详细程度、准确性、预测费用✓确定预测时间覆盖范围，明确是长期预测还是短期预测✓选择预测方法或模型✓收集和分析供预测用的数据，做好预测的准备工作✓计算并分析预测结果✓将预测结果用于实际生产计划中，并对预测进行监控需求管理需求管理的概念需求管理是企业生产计划与控制系统衔接市场、工厂、仓库和客户之间的桥梁。
需要管理需完成以下工作：✓预测顾客需求、输入订单、进行产品决策✓与顾客协商交货期、确认订单状态、订单变更的沟通✓确定需求的各种来源：包括服务性零部件需求、内部需求、促销库存和其他渠道库存需求定性预测方法✓高层主管集体讨论法✓销售人员意见征集法✓用户意见调查法✓专家调查法定量预测方法⏹简单移动平均法简单移动平均法就是利用近期的实际数值通过求算术平均值预测未来值，其计算公式为式中，Ai表示第i期的实际值，MAi+1表示预测值，n表示移动平均的时间段数，i=t-n+1,…t-1 ,t。
简单移动平均法的预测结果与n大小有关。
n越大，对干扰的敏感性越低，预测值的响应性越差，稳定性越好。
⏹一次指数平滑法一次指数平滑法是一种加权平均的计算方法，它的计算公式可表述如下。
设:Ft表示t期的预测值，Ft-1表示第t-1期的预测值，At－1表示第t-1期的实际值，表示平滑指数，则一次指数平滑法的计算公式为：或平滑指数越小，预测的稳定性越好，平滑指数越大，预测值对实际值的变化越敏感，响应性越好。
季节性预测模型有的产品随季节的变化而有很大的波动，此时就不宜采用各种平均计算方法进行预测，而应选用计算季节指数的方法来预测。
Chap6 需求预测
2019/12/13
第六章 需求预测
5
二、德尔菲法
是采用匿名通信方 式将所需预测的问 题征询一定人数的 专家意见，并经过 多次信息交换，逐 步取得比较一致的 预测结果。
2019/12/13
第六章 需求预测
6
德尔菲法的操作程序
组织者 邮寄
专家 第一轮 第二轮 第三轮 预测 结果 结果 结果 报告
书面 匿名
2019/12/13
第六章 需求预测
7
德尔菲法的特点
匿名性 反馈性 收敛性
2019/12/13
第六章 需求预测
8
三、用户调查法
通过信函、电话或访问的方式对现有的 或潜在的顾客进行调查，了解他们对与 本企业产品相关的产品及其特性的期望， 再考虑本企业可能的市场占有率，然后 对各种信息进行综合处理，即可得到所 需的预测结果。
=10.5
2019/12/13
第六章 需求预测
17
St=Yt+(1-)St-1
S2=Y2+(1-)S1 S3=Y3+(1-)S2 S4=Y4+(1-)S3
……
S12=Y12+(1-)S11 Y13 = S12
2019/12/13
第六章 需求预测
18
二、因果分析法（一元线性回归法）
销 10 15 8 20 10 16 18 20 22 24 20 26 售 量 Yt
Mt _ _ 11 14 12 15 14 18 20 22 22 22
n=3
.3 .7 .3 .7
.3
Y t+1 = M t Y13 = 22.3
2019/12/13
第六章 需求预测
6 需求预测
F F (A F )
在1月，一个汽车销售商预测2月的需求为 142辆福特野马车。2月的实际需求为152辆。 利用管理者选定的平滑系数α=0.20，我们可 以根据指数平滑法的公式预测出3月的需求。 新预测值（3月的需求） =142+0.2×(153-142)=144.2 即3月的需求是144辆左右。
第六章
需求预测
目的和要求
理解需求的含义 了解影响需求变动的因素 理解预测的含义 了解预测的种类、时间范围 掌握预测的方法
需求与需求量
需求：消费者在某一时间内的每一价格水平上 对某种商品愿意并且能够购买的数量。 需求量：消费者在某一时间内的某一特定价格 水平上对某种商品愿意并且能够购买的数量。 需求的条件： （1）购买欲望；（2）购买能力。 需求量的条件： （1）购买欲望；（2）购买能力；（3）时间单 位。
当趋势或类型可以预计时，可以通过权重来 强调近期数值。这样做使预测技术能够更快 地响应变化，因为周期越近权重也就越大。 权重的选择有一定随意性，没有固定的公式 来决定，所以决定权重需要经验。
简单移动平均数法和加权移动平均数法都能有 效地平滑需求中偶然因素的影响，实现平稳预 测。但是，移动平均数法有三个缺点: 1.加大n的值(周期的个数)可以较好地平滑掉干 扰因素，但是使得模型对于实际数据中的变化 缺乏敏感性。 2.移动平均数不能很好地反映趋势。因为它是 平均数，所以它停留在过去水平气不能预测出 趋势的升高和降低水平。这也就是它滞后于实 际值。 3.移动平均法需要大量的历史数据记录。
图中可见，移动平均数法的滞后现 象。简单和加权平均数法中从4月 开始的预测值都滞后于实际需求值。 尽管如此，通常加权移动平均数法 能够较快地反映出需求的变化。
需求预测
Y
X
22
时间序列分析法(Time series)
时间序列分析法是基于需求的历史资料
可以用来预测未来的需求。这类方法适合于
需求环境稳定，基本需求模式没有发生明显
变化。时间序列分析法是使用时最简单的定 量分析预测方法。
23
时间序列分析
Prediction
based exclusively on previously observed Values
31
加权移动平均法
Ft = w 1 A t -1 + w 2 A t - 2 + w 3 A t -3 + ...+ w n A t - n
•使用加权移动平均法首先需要设 定各期的权重
Week 1 2 3 4 Demand 650 678 720
•以3期的加权移动平均法进行预测 Weights: t-1 0.5 t-2 0.3 t-3 0.2
时间
销售
销售额 60 80 100
A random demand pattern with both trend and seasonal elements.
8
不规律需求
15 10
销售
销售额
5 0 0 2 4 时间 6 8 10
9
Lumpy demand: demand having a high variance around mean demand level.
定量预测方法 (objective)
销售人员意见法 市场调查法
因果分析法 Y=f(X1, X2, …, Xn) 时间序列分析法 Yt =f(Yt-1, Yt-2,…, Yt-n)
X
22
时间序列分析法(Time series)
时间序列分析法是基于需求的历史资料
可以用来预测未来的需求。这类方法适合于
需求环境稳定，基本需求模式没有发生明显
变化。时间序列分析法是使用时最简单的定 量分析预测方法。
23
时间序列分析
Prediction
based exclusively on previously observed Values
31
加权移动平均法
Ft = w 1 A t -1 + w 2 A t - 2 + w 3 A t -3 + ...+ w n A t - n
•使用加权移动平均法首先需要设 定各期的权重
Week 1 2 3 4 Demand 650 678 720
•以3期的加权移动平均法进行预测 Weights: t-1 0.5 t-2 0.3 t-3 0.2
时间
销售
销售额 60 80 100
A random demand pattern with both trend and seasonal elements.
8
不规律需求
15 10
销售
销售额
5 0 0 2 4 时间 6 8 10
9
Lumpy demand: demand having a high variance around mean demand level.
定量预测方法 (objective)
销售人员意见法 市场调查法
因果分析法 Y=f(X1, X2, …, Xn) 时间序列分析法 Yt =f(Yt-1, Yt-2,…, Yt-n)
第六讲 需求预测
优点：较好反应了市 优点：易分区进行预 优点：简单易行；不需 优点：简明扼要，预 场变化；能了解顾客 测；增加了销售人员 统计历年的资料；汇集 德尔菲法的三原则： 测结果可供计划人员 对产品优缺点的看法； 的信心；预测结果较 了各主管的经验与判断； 参考；适用范围比较 有利于改进完善开发 一是匿名性 稳定 适用范围比较广 广；避免了崇拜 新产品 二是反馈性 缺点：带有主观偏见； 缺点：缺乏严格的科学 缺点：预测结果缺乏 缺点：难获得顾客的 预测结果不易正确； 性；与会人员会相互影 三是收敛性 严格的科学分析；专 通力合作；顾客期望 预测值易被低估或高 响；耽误了各主管的时 家无统一标准 不等于购买，且期望 估 间；责任不明确；结果 易发生变化；需花费 不易用于实际目的 较多的人力和时间
需求预测
社会预测
6.1.2 影响需求预测的因素
产品生 命周期 顾客的购 买行为
竞争者 的行为
商业 周期
企业不 可控
随机影响
顾客偏好
输 入
输出 反馈
广告
时间
需求
产品 产品 推销 信用 商业 或服 质量 努力 政策 信誉 务的 设计
企业努力
企业 可控
6.1.3 预测分类
按预测时间长短可分为： 长期预测（LONG-RANGE FORECAST） 5年或5年以上 中期预测（INTERMEDIATE-RANGE FORECAST）3个 月到2年 短期预测（SHORT-RANGE FORECAST）日周旬月，季 度一下
6.1.3 预测分类
定量预 测方法 预测 方法
因果 模型
移动平均法 时间序列 平滑模型 一次指数平滑法 二次指数平滑法 乘法模型 加法模型
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
F6=
5+4+3+5 4
=
17
4
= 4.25
± í 6-1 ¼ ò µ ¥ Ò Æ ¶ ¯ Æ ½ ¾ ù ² ¨Ô ¤² â  ² Ô Ý 1 2 3 4 5 6 7 8 9 10 11 12 µ ¼ Ê Ê Ï ú Á ¿ (° Ù Ì ¨) 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00 21.33 22.67 24.00 25.33 26.00 26.00 25.67 26.33 27.00 21.75 23.33 24.75 25.50 25.75 26.00 26.25 26.50 n=3(° Ù Ì ¨) n=4(° Ù Ì ¨)
（一）时间序列平滑模型
二次指 数平滑
2、指数平滑法
[公式] Ft+1=SAt+Tt
式中：Ft+1——第t+1期二次指数平滑值； Tt为t期平滑趋势值， T0事先给定； SAt为t期平滑平均值，又称之为“基数”， SA0事先给定。
SA 1 )(SA t A t ( t 1 Tt 1 )
销售人员意见汇集法
历史类推法
追踪类似产品在过去市场中需求的成长过程 类推 属于新产品,以前没有资料的情况
*其它定性技术:Scenario分析法,trend外插法…
第三节
定量预测方法
• 一、时间序列模型
• 二、因果模型
（一）时间序列平滑模型
简单移动 平均法 [公式] 通过移动平均消除偶然变化
第六章
• • • • 第一节 第二节 第三节 第四节
需求预测
预测 定性预测方法 定量预测方法 预测监控
第一节
• • • • •
预测
一、预测及其分类 二、影响需求预测的因素 三、需求预测的方法 四、预测的一般步骤 五、预测中应注意的几个问题
一、预测及其分类
预测作用
过去依赖于预测者的经验/主观判断 各种生产决策时的基资料 适合于库存生产(计划生产),订货生产 最近开发数学统计技术 确保生产能力,原材料及制定有关经营战略的必须因素
（一）时间序列平滑模型
加权移动 平均法
1、移动平均法
在用于预测之前N期间资料值乘上合为1的加权值,求出移动平均 *简单移动平均的情况,在N期间的各资料值乘上同一的1/N的加权值
[公式]
Ft+1=WtAt+Wt-1At-1+……+Wt+1-NAt+1-N tN Ft+1:t+1的预测值，At:t的实际需求，Wt:赋予t的加权值， Wi 1
预测值是Ft=Ft-1+a(At-1-Ft-1)=100+0.3(110-100)=103
（一）时间序列平滑模型
一次指数平滑法的连续展开 期间1:A1,F1(F1已知,期间1末期值可以知道A1 ) 期间2:F2=aA1+(1-a)F1 期间3:F3=aA2+(1-a)F2
2、指数平滑法
平滑常数（a)的值越大预测值对需求
÷Ê Ç Æ ³ É ² Ö
¾ ½ ¼ Ú ³ É ² Ö
Ü Æ Ö Ú ³ É ² Ö æ » Ë ú ² ¨¶ ¯ ³ É ² Ö
1）因此需求Y可用下列函数表示
Y=f(T,S,C,I)
2)并且根据构成要素的结合形态
Y=T*S*C*I 加法模型 Y=T+S+C+I
剩法模型
图3-7
几种可能的时间序列类型
*预测的类型 对象 科学预测：对科学发展情况的预计与推测 技术预测:预测技术进步率,开发新产品/新制造技术,由技订领域专家去执行 经济预测:预测经济状况,制定中长期经营计划,由经济专家去执行 需求预测:预测产品及服务的需求,决策生产 社会预测：对社会未来的发展状况的预计和推测 短期预测:6个月以内,月别/周别/日别 中期预测:6个月-2年 长期预测:2年以上
成长期ቤተ መጻሕፍቲ ባይዱ衰退期 投入期 时间
三.需求预测方法
定性方法
由个人的主观/判断,或综合多数意见后预测需求 过去的资料不充分或不可信赖时
1、类型
代表方法:Delphi方法,用户调查方法,主管人员意见法,销售人员意见汇集法，
历史类推法 中长期预测
定量方法 时系列 模 型
过去的需求模式一直持续到未来的假设下,分析过去资料投影未来 代表方法:
-1.21
-3.67
14.08
（二）时间序列分解模型
– 趋势成分（Trend ）- 数据长期变化趋势 – 季节性成分（Seasonality） - 数据随季节有规律的波动 – 周期成分（Cyclicity variations）- 周期因素引起的波动 – 不规则变化/随机波动（ Irregular variations ）- 随机因素引起的波动
周别销售额,月别销售量…)有趋势,季节因素,循环等模式.
四、预测的一般步骤
“预测”
6 对预测进行监控 5 准备预测 4 收集和分析数据
3 选择预测的方法
2 确定预测的时间范围 1 确定预测的目的
五、预测中应注意的几个问题
（一）判断在预测中的作用
1、判断在选择预测方法中的作用； 2、判断在辨别信息中的作用；
3、判断在取舍预测结果时的作用；
（二）预测精度与成本 （三）预测的时间范围和更新频率 （四）稳定性与响应性
第二节
Delphi法
定性预测方法
选择对象专家团提问/答案整理/反馈(3-4回)最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备,新产品,市场战略的长期预测或技术预测
(F3代入式子整理)
因此一般Ft+1用如下公式表示 [公式] Ft+1=aAt+a(1-a)At-1+a(1-a)2At-2
+……+a(1-a)t-1A1+(1-a)tF1
<指数加权值的合总是1>
例3.1：某公司的月销售额记录如表3-3所示，试取a= 0.4,F1=11.00,计算 一次指数平滑预测值。 月份 1 2 3 4 5 6 7 8 9 10 11 12 At(千元) a³At-1(千元) Ft-1(千元) 10 12 13 16 19 23 26 30 28 18 16 14 4 4.8 5.2 6.4 7.6 9.2 10.4 12 11.2 7.6 6.4 11 10.60 11.16 11.90 13.54 15.72 18.63 21.58 24.95 26.17 22.90 6.6 6.36 6.7 7.14 8.12 9.43 11.18 12.95 14.97 15.70 13.74 （1-a）³Ft-1(千元) Ft(千元) 11 10.60 11.16 11.90 13.54 15.72 18.63 21.58 24.95 26.17 22.90 20.14
7.08
6.91 7.35 7.94 9.35 11.33 13.97 16.6 19.42
11.08
11.71 12.55. 14.34 16.95 20.53 24.37 28.60 30.62
0.40
0.22 0.27 0.35 0.63 0.97 1.38 1.65 1.89
0.44
0.54 0.69 1.25 1.94 2.76 3.30 3.77 2.90
=aA2+a(1-a)A1+(1-a)2F1
(F2代入式子整理) 期间4:F4=aA3+(1-a)F3
变化反应越大，越小平滑的稳定性越好; 实际需求稳定时（例：食品），为减 小短期/偶然性变化的效果减小a的值； 为维持预测值的稳定性一般从0.1~0.3 中设定。
=aA3+(1-a)A2+a(1-a)2A1+(1-a)3F1
11.52
12.25 13.24 15.59 18.89 23.29 27.67 32.37 33.52
10
11
18 7.2
16 6.4
20.11
16.27
27.31
22.67
-1.65
-2.32
1.45
-0.10
-0.20
-2.42
27.11
20.25
12
14 5.6
12.15
17.75
-2.46
11
β (SAt-SAt-1) (1- β )Tt-1 0.04
0.32 0.42 0.90 1.31 1.79 1.92 2.12 1.01
Tt
0.80
Ft+1
11.80
1
2 3 4 5 6 7 8 9
10 4
12 4.8 13 5.2 16 6.4 19 7.6 23 9.2 26 10.4 30 12 28 11.2
At (1 ) Ft
Tt (SAt SAt 1 ) (1 )Tt 1
β ——斜率偏差的平滑系数。 例3-2：对例3.1提供的数据，设α =0.4, β =0.5, SA0 =11.00, T0 =0.80,求二
次指数平滑预测值。
t
0
At
α At
(1-α )Ft SAt
例3.4 表3-6是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司 未来一年各季度的销售量。
季度 季度序号t 销售量At 4个季度销售总 量 4个季度移动平 均 季度中点
夏
秋 冬
1
2 3
11800
10404 8925
春
i t 1
<例>实际需求如下 月（t）
1
2
3