教案2需求生产预测

《教案2需求生产预测》由会员分享，可在线阅读，更多相关《教案2需求生产预测（83页珍藏版）》请在装配图网上搜索。

1、 1w2.1 基本概念基本概念w2.2 定性预测定性预测w2.3 定量预测定量预测2w一、预测的定义及分类一、预测的定义及分类w定义：定义：w预测是指对未来不确定事件的推断和测定，是研究未来不确定事预测是指对未来不确定事件的推断和测定，是研究未来不确定事件的理性表述，是对事物未来发展变化的趋向，以及对人们从事件的理性表述，是对事物未来发展变化的趋向，以及对人们从事活动所产生后果而做的估计和测定。活动所产生后果而做的估计和测定。w分类：预测的类型有以下几种：分类：预测的类型有以下几种：w1.1.经济预测：通过对通货膨胀率、货币比率等指标预测未来经济经济预测：通过对通货膨胀率、货币比率等指标预测未

2、来经济的发展。的发展。w2.2.技术预测：对未来产品开发方向，以及工厂发展和制造技术发技术预测：对未来产品开发方向，以及工厂发展和制造技术发展方向的预测；展方向的预测；w3.3.需求预测。预测在未来一定时期内对某产品需求的数量。与生需求预测。预测在未来一定时期内对某产品需求的数量。与生产计划直接相关的是需求预测。产计划直接相关的是需求预测。3w按市场预测的时间跨度可以将预测分为：按市场预测的时间跨度可以将预测分为：w长期预测：时间跨度通常为长期预测：时间跨度通常为3 3年或年或3 3年以上，用于规划新年以上，用于规划新产品、生产系统的配置等。产品、生产系统的配置等。w中期预测：通常从中期预测：

3、通常从1 1个季度到个季度到3 3年，用于制订销售计划和年，用于制订销售计划和生产计划。生产计划。w短期预测：通常少于短期预测：通常少于3 3个月，是制订主生产计划的依据个月，是制订主生产计划的依据.定性预测 定量预测 仿真预测 长期预测(数年至数十年)中期预测(一年至数年)短期预测(数日至一年)按性质分按时间分4w预测目的预测目的w预测是整个生产计划系统的重要输入和依据，具体讲，其重预测是整个生产计划系统的重要输入和依据，具体讲，其重要性可以从以下几个方面来考虑：要性可以从以下几个方面来考虑：w对于战略决策部门而言，预测可以提供决策的依据；对于战略决策部门而言，预测可以提供决策的依据；w对于

4、生产计划和控制部门而言，预测是企业编制生产计划对于生产计划和控制部门而言，预测是企业编制生产计划(综合生综合生产计划和主生产计划产计划和主生产计划)的基础。是生产计划编制的主要输入；的基础。是生产计划编制的主要输入；w对于销售部门而言，为补充销售人员提供依据；对于销售部门而言，为补充销售人员提供依据；w对于成本会计而言，预测可以为预算和成本控制提供依据；对于成本会计而言，预测可以为预算和成本控制提供依据；w对于采购部门而言，便于采购部门制订准确的采购计划，以降低总对于采购部门而言，便于采购部门制订准确的采购计划，以降低总的生产成本；的生产成本；w对于研发部门而言，新产品的预测可以为设计提供参考

5、，根据对市对于研发部门而言，新产品的预测可以为设计提供参考，根据对市场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力。场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力。w二、预测的目的和作用二、预测的目的和作用 5w预测的作用预测的作用w需求预测的最核心作用是用于编制生产计划。如图需求预测的最核心作用是用于编制生产计划。如图2 21 1所示。所示。w长期预测是长期投资战略计划的预测，预测对象是投资对象品种的平长期预测是长期投资战略计划的预测，预测对象是投资对象品种的平均及最大需求量；均及最大需求量；w中期预测是对现有产品年度总需求量的预测；中期预测是对现有产品年度总需求量的

6、预测；w短期预测是对每种产品的需求量的预测。短期预测是对每种产品的需求量的预测。6w从需求的角度讲，任何一种产品都有独立需求和相关需从需求的角度讲，任何一种产品都有独立需求和相关需求之分。求之分。w相关需求相关需求是指由对其他产品或服务的需求所导致的对某是指由对其他产品或服务的需求所导致的对某种产品或服务的需求。种产品或服务的需求。w独立需求独立需求是指产品的需求是由市场决定的，与其他产品是指产品的需求是由市场决定的，与其他产品服务的需求无关。服务的需求无关。w有的产品可能既是独立需求件，又是相关需求件，例如有的产品可能既是独立需求件，又是相关需求件，例如作为备件生产的产品即属此种类型。作为备

7、件生产的产品即属此种类型。w三、三、需求分析需求分析 7w一般而言，预测遵循如下步骤：一般而言，预测遵循如下步骤：w (1)(1)决定预测的目的和用途。决定预测的目的和用途。w (2)(2)根据企业不同的产品及其性质分类。根据企业不同的产品及其性质分类。w (3)(3)决定影响各类产品需求的因素及其重要性。决定影响各类产品需求的因素及其重要性。w (4)(4)收集所有可以利用的过去和现在的资料。收集所有可以利用的过去和现在的资料。w (5)(5)分析资料。分析资料。w (6)(6)选择适当的预测方法或模型。选择适当的预测方法或模型。w (7)(7)计算并核实初步预测结果。计算并核实初步预测结果

8、。w (8)(8)考虑和设定无法预测的内外因素。考虑和设定无法预测的内外因素。w (9)(9)对对(7)(7)，(8)(8)两步进行综合考虑。判断并得出结论，然后两步进行综合考虑。判断并得出结论，然后求出各类产品或地域性的需求预测。求出各类产品或地域性的需求预测。w (10)(10)将预测结果应用于生产计划中。将预测结果应用于生产计划中。w (11)(11)根据实际发生的需求对预测进行监控。根据实际发生的需求对预测进行监控。w四、四、预测的一般步骤预测的一般步骤 8预测反馈控制修正系统如图预测反馈控制修正系统如图2 23 3所示所示 9w定性预测是一种主观预测法，属于主观意识的判定性预测是一种

9、主观预测法，属于主观意识的判断，估计和评价，即根据过去的资料，由各种层断，估计和评价，即根据过去的资料，由各种层次的人员对未来的市场需求做一个估计次的人员对未来的市场需求做一个估计 。w定性预测方法主要有：一般预测、市场调研、小定性预测方法主要有：一般预测、市场调研、小组共识法、历史类比、德尔菲组共识法、历史类比、德尔菲(Delphi)(Delphi)法。法。10w一般预测方法也称为一般预测方法也称为销售人员汇集意见法销售人员汇集意见法，通常由各，通常由各地区的销售人员，根据本人的判断或与地区有关部门地区的销售人员，根据本人的判断或与地区有关部门交换意见且判断后逐层向上汇报，公司在获得这些资交

10、换意见且判断后逐层向上汇报，公司在获得这些资料后进行汇总，最后形成预测，此预测包含未来市场料后进行汇总，最后形成预测，此预测包含未来市场的产品发展方向和产品的销售金额，销售人员进行判的产品发展方向和产品的销售金额，销售人员进行判断时也可把公司过去的实际销售情况作为参考资料。断时也可把公司过去的实际销售情况作为参考资料。一般预测一般预测 基本观点：预测是基于来自低层经验的逐步累加。预测是基于来自低层经验的逐步累加。假设前提：处于最低层的销售人员，那些离顾客最近的、最了解处于最低层的销售人员，那些离顾客最近的、最了解产品最终用途的人，最清楚产品未来的的需求。产品最终用途的人，最清楚产品未来的的需求

11、。做法：由他们收集情报，然后逐级上报的做法。由他们收集情报，然后逐级上报的做法。11w市场调研有时也可以称为市场调研有时也可以称为顾客期望法。顾客期望法。w通常是聘请第三方专业市场调研公司进行预通常是聘请第三方专业市场调研公司进行预测，以此获得顾客需求的详细资料。测，以此获得顾客需求的详细资料。w市场调研主要用于新产品研发了解对现有产市场调研主要用于新产品研发了解对现有产品的评价，了解顾客对现有产品的好恶，了解特品的评价，了解顾客对现有产品的好恶，了解特定层次的顾客偏好以确定哪些商品具有竞争性。定层次的顾客偏好以确定哪些商品具有竞争性。w数据收集方法有数据收集方法有问卷调查和上门访谈问卷调查和

12、上门访谈两种。两种。12w通常由高级决策人员召集不同层次和不同部门的人员，通常由高级决策人员召集不同层次和不同部门的人员，包括销售、市场、生产、工程、采购、财务、研发等部包括销售、市场、生产、工程、采购、财务、研发等部门的人员集体参与讨论，提出预测值，将全部人员的预门的人员集体参与讨论，提出预测值，将全部人员的预测结果进行平均而取得数据，认为某些人的意见较为合测结果进行平均而取得数据，认为某些人的意见较为合理，则加大此类人的权重。理，则加大此类人的权重。w这种方法缺点在于低层人员往往易受当前市场营销的左这种方法缺点在于低层人员往往易受当前市场营销的左右，不敢与领导相背。对于重要决策，如引进流水

13、线等，右，不敢与领导相背。对于重要决策，如引进流水线等，由高层人员讨论。由高层人员讨论。13w当预测一个新产品的未来市场需求时，会面临历当预测一个新产品的未来市场需求时，会面临历史数据太少的问题。一种较好的方法是利用产品史数据太少的问题。一种较好的方法是利用产品的相关性，以同类型产品作为类比模型，利用这的相关性，以同类型产品作为类比模型，利用这种相关性进行预测。种相关性进行预测。w类比法可用于很多产品类型类比法可用于很多产品类型互补产品，替代互补产品，替代产品等竞争性产品等。产品等竞争性产品等。14w主要通过数轮专家的问卷调查，用一定的统计方法处理，主要通过数轮专家的问卷调查，用一定的统计方法

14、处理，得到大多数专家认可的一种预测、决策方法。得到大多数专家认可的一种预测、决策方法。w其基本步骤如下：其基本步骤如下：(1)(1)选择预测专家，预测专家应具有不同背景。选择预测专家，预测专家应具有不同背景。(2)(2)通过问卷通过问卷(或或Email)Email)，将预测问题和相关资料寄给各，将预测问题和相关资料寄给各位专家，征询专家意见。位专家，征询专家意见。(3)(3)汇总、归纳和整理各位专家预测的结果，附上新问题，汇总、归纳和整理各位专家预测的结果，附上新问题，再反馈给专家。再反馈给专家。(4)(4)再次汇总各位专家意见，提炼预测结果和条件，再度再次汇总各位专家意见，提炼预测结果和条件

15、，再度发给所有专家，进一步征询意见。发给所有专家，进一步征询意见。(5)(5)如有必要，再次重复，直至所有专家意见趋于一致。如有必要，再次重复，直至所有专家意见趋于一致。15w定量预测方法有定量预测方法有时间序列分析预测技术时间序列分析预测技术和和因果预测因果预测两种，两种，w时间序列分析预测技术：简单移动平均法、加权移动平均时间序列分析预测技术：简单移动平均法、加权移动平均法、指数平滑法、线性回归分析法和时间序列分解法等，法、指数平滑法、线性回归分析法和时间序列分解法等，w因果预测是线性回归的因果模型。因果预测是线性回归的因果模型。w时间序列分析预测技术是基于这样一种观念：与过去需求时间序列

16、分析预测技术是基于这样一种观念：与过去需求相关的历史数据可用于预测未来的需求。相关的历史数据可用于预测未来的需求。w因果预测是基于这样一种观念：某些因素间存在着相互影因果预测是基于这样一种观念：某些因素间存在着相互影响的关系。响的关系。w还有一种还有一种聚焦预测聚焦预测就是根据某些规则对预测结果进行试算，就是根据某些规则对预测结果进行试算，这些规则符合逻辑，将其历史数据外推至未来的过程也易这些规则符合逻辑，将其历史数据外推至未来的过程也易于理解。于理解。16w将影响预测的因素分为以下几个：将影响预测的因素分为以下几个：w1.1.平均需求：需求的平均值；平均需求：需求的平均值；w2.2.需求的周

17、期性：即历史数据每隔一定周期重复发生的时需求的周期性：即历史数据每隔一定周期重复发生的时间序列形式；间序列形式；w3.3.趋势性：是数据在一定时间内呈现向上或向下的趋势；趋势性：是数据在一定时间内呈现向上或向下的趋势；w4.4.季节性：考虑到数据存在季节性的影响；季节性：考虑到数据存在季节性的影响；w5.5.随机性：是由偶然、非正常原因引起的数据变动。随机性：是由偶然、非正常原因引起的数据变动。17w在分析时，将多个预测因素分解，找出每一因素的影响，在分析时，将多个预测因素分解，找出每一因素的影响，然后用乘法模型或加法模型计算预测结果。然后用乘法模型或加法模型计算预测结果。w乘法模型为：乘法模

18、型为：预测结果预测结果=平均平均 趋势趋势 季节季节 周期周期 随机随机w加法模型为：加法模型为：预测结果预测结果=平均平均+趋势趋势+季节季节+周期周期+随机随机181920w趋势性因素又可以分为以下趋势性因素又可以分为以下4 4种典型的趋势需求：种典型的趋势需求：w线性趋势线性趋势反映了数据呈连续的直线关系，如图反映了数据呈连续的直线关系，如图2.8(a)2.8(a)所示；所示；wS S型趋势型趋势产品成长和成熟时期的需求，如图产品成长和成熟时期的需求，如图2.8(b)2.8(b)所示；所示；w渐进趋势渐进趋势以优质产品大量投放市场时出现，如以优质产品大量投放市场时出现，如图图2.8(c)

19、2.8(c)所示；所示；w指数增长指数增长产品销售势头特好的产品，如图产品销售势头特好的产品，如图2.8(d)2.8(d)所示所示 2122w产品生命周期时间时间利润额利润额销售额销售额销销售售量量投入期投入期成长期成长期成熟期成熟期衰退期衰退期23w简单移动平均法是利用某段时间的实际需求平均值作为简单移动平均法是利用某段时间的实际需求平均值作为未来后续时段的预测值，它采用对产品需求的历史数据未来后续时段的预测值，它采用对产品需求的历史数据逐点分段移动的方法，当产品需求既不快速增长也不快逐点分段移动的方法，当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地速下降，且不

20、存在季节性因素时，移动平均法能有效地消除预测中的随机波动消除预测中的随机波动 w应用简单移动平均法进行预测时，首先应确定所需的数应用简单移动平均法进行预测时，首先应确定所需的数据数量，即移动平均的据数量，即移动平均的时期个数时期个数n n，在，在n n期中，每一期数期中，每一期数据据权重系数相等权重系数相等。因为每一次平均后均往前移动一期，。因为每一次平均后均往前移动一期，将最旧的那个数据去掉再加入最新的一个数据，这种不将最旧的那个数据去掉再加入最新的一个数据，这种不断移动的预测方法叫做移动平均法。断移动的预测方法叫做移动平均法。24w简单移动平均的计算公式为：简单移动平均的计算公式为：（例题

21、（例题2.12.1）25w简单移动平均法的优点：简单。产品需求为突发增长或下简单移动平均法的优点：简单。产品需求为突发增长或下降，且不存在季节性因素时。移动平均法能有效消除预测降，且不存在季节性因素时。移动平均法能有效消除预测中的随机波动。选择移动平均的最佳区间很重要。中的随机波动。选择移动平均的最佳区间很重要。w缺点如下：缺点如下：w在出现周期性变动时，预测值落后程度将视时期个数的在出现周期性变动时，预测值落后程度将视时期个数的不同而不同，实际销售量的最大值和最小值用移动平均法不同而不同，实际销售量的最大值和最小值用移动平均法都无法达到；都无法达到；w预测值所产生的误差及滞后，很大程度上取决

22、于时期个预测值所产生的误差及滞后，很大程度上取决于时期个数的选取，而时期个数究竟取多少比较合适也难以确定；数的选取，而时期个数究竟取多少比较合适也难以确定；w因考虑了各期权重系数均相等，往往会造成一定的误差，因考虑了各期权重系数均相等，往往会造成一定的误差，通常越接近的时期应该越能反映实际需求。通常越接近的时期应该越能反映实际需求。w另外一个主要缺点是在于每一因素都必须以数据表示。另外一个主要缺点是在于每一因素都必须以数据表示。26简单移动平均算例简单移动平均算例周次 需求 3周 9周1234567891011121314158001400100015001500130018001700130

23、017001700150023002300200010671300133314331533160016001567156716331833203313671467150015561644173327w一般来讲，比较新的数据与旧的数据相比，应该更接一般来讲，比较新的数据与旧的数据相比，应该更接近于预测值，考虑到这个因素，在简单移动平均的基近于预测值，考虑到这个因素，在简单移动平均的基础上，给新数据以较大的权重，这种做法和简单移动础上，给新数据以较大的权重，这种做法和简单移动平均法相比更加准确，这就形成了加权移动平均预测平均法相比更加准确，这就形成了加权移动平均预测方法。方法。w在加权移动平均预测

24、方法中，给各期的值赋予一定权在加权移动平均预测方法中，给各期的值赋予一定权重，并且其重，并且其权重之和必须等于权重之和必须等于l l。28w加权移动平均预测方法公式加权移动平均预测方法公式w例题例题2.229w最近期的数据最能预示未来的情况，其权重应大些；最近期的数据最能预示未来的情况，其权重应大些；w对季节性产品而言，季节权重系数要大。对季节性产品而言，季节权重系数要大。w两个原则：两个原则：1 按原始指标数值先后顺序依次加大；按原始指标数值先后顺序依次加大；如：如：n=5时时 权数为：权数为：0.1,0.15,0.2,0.25,0.3 2 对移动项中间位置的原始数值给予较大的权数，然对移动

25、项中间位置的原始数值给予较大的权数，然后以它为中心左右依次递减。后以它为中心左右依次递减。如：如：0.15,0.25,0.3,0.2,0.130计算实例一家百货店发现在某4个月的期间内，其最佳预测结果由当月实际销售额的40%，倒数第2个月销售额的30%，倒数第3个月的20%和倒数第4个月的10%组成，其四个月的销售额分别为100,90,105,95。第五个月的预测值为5.97 10010.90020.01050.3095.4005F31w1、需要大量历史数据，、需要大量历史数据，n越大，数据越多；越大，数据越多；w2、n大时，平滑波动的效果好，但预测值对数据实大时，平滑波动的效果好，但预测值对

26、数据实际变动不敏感；际变动不敏感；w3、移动平均值不能总是很好地反映出变化趋势。、移动平均值不能总是很好地反映出变化趋势。32w指数平滑法是利用平滑常数将数据序列的数量差异抽象化的原指数平滑法是利用平滑常数将数据序列的数量差异抽象化的原理，对历史的统计数据进行加权修正，使修正后的数据信息排理，对历史的统计数据进行加权修正，使修正后的数据信息排除异常数据的影响，从而显示出预测对象变动的基本趋势。除异常数据的影响，从而显示出预测对象变动的基本趋势。w其优点体现在：其优点体现在：w指数模型的精度非常高；指数模型的精度非常高；w建立指数模型相对容易；建立指数模型相对容易；w用户能了解模型如何进行；用户

27、能了解模型如何进行；w使用模型无须过多计算；使用模型无须过多计算；w由于所用的历史数据有限，因而所需计算机内存很小；由于所用的历史数据有限，因而所需计算机内存很小；w检测模型执行精度的运算很容易。检测模型执行精度的运算很容易。33指数平滑法指数平滑法前两种预测方法（简单移动平均和加权移动平均）中，主要点在于根据大量连续的历史数据预测未来，即随着模型中新数据的增添及过期数据的剔除，新的预测结果就可以预测出来。有的情况下，最近期的情况远比较早期的更能预测未来。如果越远的数据其重要性就越低，则指数平滑法就是逻辑性最强且最为简单的方法。111ttttFAFF1ttFF、1tA第t期和第t-1期的指数平

28、滑预测值；第t-1期的实际需求；平滑常数。单一指数平滑的公式为：单一指数平滑的公式为：34之所以称之为指数平滑是因为每靠后一期其权重就降低 1-。例如，设=0.05，则各个时期的权重如下所示最近期的权重=（1-）0 0.0500最近期的权重=（1-）1 0.0475最近期的权重=（1-）2 0.0451最近期的权重=（1-）3 0.0429权重因子.11)1()1(222211111tttttttttAFAFAFAFF35w实际需求值权重系数呈现实际需求值权重系数呈现指数递减指数递减的趋势，每一期权重系的趋势，每一期权重系数比上期下降数比上期下降(1-)(1-)，如表，如表2.32.3所列。所

29、列。w权重每次降低权重每次降低1-1-，并且当平滑常数取得较大时，权重系，并且当平滑常数取得较大时，权重系数降低得较快，反之，则降低得较慢。数降低得较快，反之，则降低得较慢。36指数平滑法算例：指数平滑法算例：假设所研究的产品的长期需求相对稳定，平滑常数假设所研究的产品的长期需求相对稳定，平滑常数=0.05=0.05也也较合适，并假设上个月的预测值（较合适，并假设上个月的预测值（）为）为10501050个单位，个单位，如果实际需求为如果实际需求为10001000而不是而不是10501050，那么本月的预测值为：，那么本月的预测值为：1tF单位1047.5 )-50(0.051050 1050)

30、-(10000.051050 111ttttFAFF由于平滑自相关很小，所以新预测值对误差为由于平滑自相关很小，所以新预测值对误差为5050单位的响应单位的响应仅使得下月的预测值减少了仅使得下月的预测值减少了2.52.5个单位。个单位。37初始平滑值初始平滑值F F1 1的确定的确定w若有且历史数据较少时，则常以算术平均值作为初始平若有且历史数据较少时，则常以算术平均值作为初始平滑值；滑值；w若有且历史数据较多时，常以第若有且历史数据较多时，常以第1 1个值作为初始值以求简个值作为初始值以求简单化；单化；w若无历史数据，则可以主观估计，并在开始时，考虑主若无历史数据，则可以主观估计，并在开始时

31、，考虑主观估计的不准确性，常取较高的平滑常数以使观估计的不准确性，常取较高的平滑常数以使(1-)(1-)t+1t+1下降更快，削弱初始值的影响。下降更快，削弱初始值的影响。38平滑常数平滑常数值的确定值的确定 越大，说明预测越依赖近期的信息，反之，则表明预越大，说明预测越依赖近期的信息，反之，则表明预测更依赖于历史信息。测更依赖于历史信息。w如果序列的长期发展趋势比较稳定，即产品的需求比较如果序列的长期发展趋势比较稳定，即产品的需求比较平稳，那么，平稳，那么，值应取得小一些；值应取得小一些；w当市场外部环境变化较大时，当市场外部环境变化较大时，值应当取得大一些；一般值应当取得大一些；一般取值在

32、取值在0.010.3之间。之间。w对对n期移动平均法来讲，若用指数平滑法，则其平滑常数期移动平均法来讲，若用指数平滑法，则其平滑常数可以利用下式计算得到：可以利用下式计算得到：w例题例题2.32.339w当时间序列呈非平滑趋势当时间序列呈非平滑趋势直线趋势时，必须通过二直线趋势时，必须通过二次指数平滑来估计。次指数平滑来估计。w二次指数平滑法是在一次平滑的基础上，对所得到的时二次指数平滑法是在一次平滑的基础上，对所得到的时间序列再进行一次指数平滑，这就是二次指数平滑，其间序列再进行一次指数平滑，这就是二次指数平滑，其计算公式为：计算公式为：w在二次指数平滑法中，指数平滑常数的确定和一次指数在二

33、次指数平滑法中，指数平滑常数的确定和一次指数平滑法确定的原则一致。初始值的确定取第一期的一次平滑法确定的原则一致。初始值的确定取第一期的一次指数平滑值指数平滑值 40w建立线性趋势方程：建立线性趋势方程：w例题例题2.4 4142 简单移动 没有季节性变化或急剧的增加/减少趋势,偶然变化起重要作用时 平均法 通过移动平均消除偶然变化 待预测期间前一定期间的需求做为简单的平均值 公式 Ft+1 =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 移动平均期间为4个月,实际需求为如下时 月(t)1 2 3 4 5 实际需求(At)4 3 4 5?5月的需求预测值F5为 考虑

34、预测的稳定性和需求变化 的反映度选择移动平均期间 F5 =4 *移动平均期间越长,偶然因素损 失越多,但对实际需求变化反映慢 如果,5月的实际需求为5时,6月的需求预测值是 F6=4.25 At+At-1+At+1-N N 5+4+3+4 416 45+4+3+5 41744343 加权移动 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 平均法 *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 Ft+1:t+1的预测值，At:t的实际需求，Wt:赋予t的加权值，实际需求如下 月（t）1 2 3

35、4 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*100=97.5 实际需求变化 如果,5月的实际需求为110时,6月的需求预测值是 F6=0.4*110+0.3*95+0.2*105+0.1*90=102.511NttiiW4444 利用指数减少的加权值,给最近的资料赋予大比重,过去的资料赋予小比重后 预测未来需求 即需求预测值是最近期间的实际需求乘上a的加权值,对最近的需求预测值乘上(1-a)的加权值后加权平均的数

36、据 与移动平均法一样,在季节性变化,趋势,循环要素不起作用是有效 *省略用趋势,季节性变化等修正的高次指数平滑法 公式 Ft+1=aAt+(1-a)Ft 为求预测值Ft+1需要3种资料：最近预测值(Ft),最近实际需求(At),平滑常数a(0a1)公式变化后 Ft+1=aAt+(1-a)Ft =aAt+Ft-aFt =Ft+a(At-Ft)即,新预测值是对旧预测值修正(a*预测误差)后算出上个月需求预测值是100,实际需求是110,平滑常数a=0.3时这个月的预测值是Ft=Ft-1+a(At-1-Ft-1)=100+0.3(110-100)=103 但但,没有过去资料时根据定性技术没有过去资料

37、时根据定性技术,预测值做为最初的预测值预测值做为最初的预测值一次指数 平滑法 4545时间序列平滑模型时间序列平滑模型 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 =aA2+a(1-a)A1+(1-a)2F1 (F2代入式子整理)期间4:F4=aA3+(1-a)F3 =aA3+(1-a)A2+a(1-a)2A1+(1-a)3F1 (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-

38、a)tF1 平滑常数（a)的值越大预测值对需求变化反应越大，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0.10.3中设定。4646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At(千元)aAt-1(千元)Ft-1(千元)（1-a）Ft-1(千元)Ft(千元)110112124116.610.603134.810.606.3611.164165.211.166.711.905196.411.907.1413.546237.613.548.1215.727269

39、.215.729.4318.6383010.418.6311.1821.589281221.5812.9524.95101811.224.9514.9726.1711167.626.1715.7022.9012146.422.9013.7420.1447474848时间序列分解模型时间序列分解模型 因此需求Y可用下列函数表示 Y=f(T,S,C,R)并且根据构成要素的结合形态 乘法模型 Y=T*S*C*R 加法模型 Y=T+S+C+R0 1 2 3 4需求时间系列和它的构成要素时间（年）时间系列趋势季节性 变化周期因素不规则 变化时间系列的4个构成要素趋势(T)需求以一定的比率增加或减少的倾向

40、季节性变化(S)表示趋势线上下的变化以1年为单位反复周期因素 (C)经过1年以上长时间需求作上下有规则变动不规则变化/偶然变化(R)说不出原因的变化,不能预计或控制(例:战争,地震）4949例例3.2 下表是某旅游服务点过去下表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。各季度的销售量。季度季度序号t销售量At4个季度销售总量4个季度移动平均季度中点夏111800秋210404冬3 8925春4106004172910432.32.5夏5122854221410553.53.5秋6110094281910704.8

41、4.5冬7 92134310710776.85.5春8112864379310948.36.5夏9133504485811214.57.5秋10112704511911279.88.5冬11102664617211543.09.5春12121384704211756.010.55050解：分三步进行解：分三步进行 （1）求趋势直线方程求趋势直线方程。采用最小二乘法或目测法。先求得a=10000(份)，再求b的值:b=(12000-10000)/12=167 Tt=10000+167t5151(2)估算季节系数（估算季节系数（Seasonal index,SI）t123456789101112A

42、t/Tt1.161.010.850.991.131.000.821.001.160.950.871.01 SI(夏)=（A1/T1+A5/T5+A9/T9）/3=（1.16+1.13+1.16）/3=1.15同样可得，SI(秋)=1.00;SI(冬)=0.85;SI(春)=1.00。(3)预测预测夏季：（10000+16713）1.15=13997(份)秋季：（10000+16714）1.00=12338(份)冬季：（10000+16715）0.85=10629(份)春季：（10000+16716）1.00=12672(份)5252例例 回归分析法回归分析法:销量预测销量预测 5353因果模型

43、因果模型回归分析 需求作为函数,影响需求的因素作为变量来预测 单一变量：单一线形回归分析；2个以上变量：多重线形回归分析单一线形回归分析单一线形回归分析 公式 Y=函数Y的推定值(即,回归线上值)X=独立变量(对需求影响最大的因素)a=Y轴的截距，b=回归线(直线)的斜率 用最小自乘法求a、b：多重线形回归分析多重线形回归分析 现实中影响需求的有多种因素 公式 Y=a+b1X1+b2X2+bkXk 但是不用手算，用计算机计算 bxaY2112111)()(nttnttnttnttntttXXnYXYXnbnXbYanttntt115454例3.4 对例3.2应用一元线形回归法进行预测。XYX2

44、XY2.510432.36.2526 080.753.510553.512.2536 937.254.510704.820.2548 171.605.510776.830.2559 272.406.510948.342.2571 163.957.511214.556.2584 108.758.511279.872.2595 878.309.511543.090.25109 658.5010.511756.0110.25123 438.005.58X0.99209Y25.4402X50.654709XY5555解：183.1645.58)25.440(9/)0.99209(5.58)5.6547

45、09(92b03.99569/)5.58183.16499209(aXYT183.16403.9956衡量一元线形回归方法偏差的两个指标：线形相关系数r和标准差Syx。)()(2222YYnXXnYXXYnr2)(2nYYSTyx5656其它模型其它模型计量经济 用一系列相互关联的回归方程式预测各种经济活动 模型投入-产出 分析各产业部门间的产品及服务的流程预测需求 模型先导指标法 根据预测对象的先导指标预测需求 石油价格是大型车需求的先导指标Simulation 假设各种内生变量和外生变量后,利用电脑进行模拟实验,预测需求的动模型 模型 价格上涨价10%时需求的变化,国内经济萧条时需求的变化

46、 5757w估算结果和实际情况必然存在着一定偏差，这个估算结果和实际情况必然存在着一定偏差，这个偏差就是预测误差。偏差就是预测误差。w预测和实际需求之间总存在一种差异，设预测和实际需求之间总存在一种差异，设D D为实为实际需求值，而际需求值，而F F为预测值，预测误差为为预测值，预测误差为 e e，则，则 e e D-F D-F w预测误差通常是一个平均值为预测误差通常是一个平均值为 0 0 的正态分布。的正态分布。58w误差可分为误差可分为随机误差随机误差和和偏移误差偏移误差两种。两种。w偏移误差出现在连续产生错误的时候，其来源有：偏移误差出现在连续产生错误的时候，其来源有：没有包含正确的变

47、量；没有包含正确的变量；变量间的关系定义错误；变量间的关系定义错误；趋势曲线不正确；趋势曲线不正确；季节性需求偏离正常轨迹；季节性需求偏离正常轨迹；存在某些隐性趋势等。存在某些隐性趋势等。w随机误差可以定义为无法由预测模型解释的误差项。随机误差可以定义为无法由预测模型解释的误差项。59w方差（误差平方和）方差（误差平方和）w平均绝对偏差平均绝对偏差(MAD)(MAD)（预测误差（预测误差e e的估计值）的估计值）60w跟踪信号跟踪信号(TS)(TS)：通常用累计预测误差和平均绝对偏差通常用累计预测误差和平均绝对偏差的比值计算，即的比值计算，即w例题例题2.5 2.5 61w回归可以定义为两个或

48、两个以上相关变量之间的函数关系回归可以定义为两个或两个以上相关变量之间的函数关系 。线性回归分析方法认为变量间的函数关系是线性的。线性回归分析方法认为变量间的函数关系是线性的。w常用的线性回归方程为：常用的线性回归方程为：y=k x+cy=k x+c，其中，其中x x为自变量；为自变量；y y为因变量；为因变量；k k为直线的斜率；为直线的斜率；c c为直线与纵轴的截距。为直线与纵轴的截距。w该方法既可用于时间序列分析（因变量随时间而变时），该方法既可用于时间序列分析（因变量随时间而变时），又可用于因果预测方法（某一变量随另一变量而变时）。又可用于因果预测方法（某一变量随另一变量而变时）。62

49、定义：定义：两个或两个以上相关变量之间的函数关系。线性关两个或两个以上相关变量之间的函数关系。线性关系是指变量呈严格直线关系的一种特殊回归形式。系是指变量呈严格直线关系的一种特殊回归形式。：对主要事件或综合计划的长期预测很有用对主要事件或综合计划的长期预测很有用：时间序列预测和因果预测中都用线性回归。时间序列预测和因果预测中都用线性回归。：手拟回归直线、最小二乘分析和模型分解。手拟回归直线、最小二乘分析和模型分解。线性回归分析法线性回归分析法：假设历史数据和未来预测值都在一条直线上。假设历史数据和未来预测值都在一条直线上。63w手拟趋势线方法是将已知的变量数据描于一个二维的图手拟趋势线方法是将

50、已知的变量数据描于一个二维的图形上，即描点，然后画一条直线尽可能穿过所有的点，形上，即描点，然后画一条直线尽可能穿过所有的点，这条直线就是所要求的趋势线。这条直线就是所要求的趋势线。w手拟的线性回归方程为：手拟的线性回归方程为：64手拟趋势线手拟趋势线 例：例：某公司某产品过去某公司某产品过去3 3年年1212季度的销售量如下表所示，季度的销售量如下表所示，该企业希望预测第该企业希望预测第4 4季度的销售情况：季度的销售情况：1 600 2 1550 3 1550 4 1500 5 2400 6 3100 7 2600 8 2900 9 3800 10 4500 11 4000 12 4900

51、65 y=a+bx a=400 b=(4950-750)/(12-1)=382 y=400+382x解：解：首先建立坐标系统，取横坐标为季度，众坐标为销售额，则将过首先建立坐标系统，取横坐标为季度，众坐标为销售额，则将过去去1212个季度的销售额对应的数据点在坐标系统中画出，相应散点图，如个季度的销售额对应的数据点在坐标系统中画出，相应散点图，如图所示，这就是回归直线，下一步是确定截距图所示，这就是回归直线，下一步是确定截距a a和斜率和斜率b b。66w基本出发点是：保证各实际观察值和趋势线的垂直距离平基本出发点是：保证各实际观察值和趋势线的垂直距离平方和为最小，如图所示：方和为最小，如图所

52、示：67设设 为实测值，为实测值，y y 为公式值，则为公式值，则 为误差，令为误差，令 根据最小二乘法，则：根据最小二乘法，则：y yy111 yy niiniibxayQ112)(min)min(min00bQaQ，xbyaxxmxyxymbiiiiii 22)(最小二乘法最小二乘法基本思想是试图使各数据点与回归直线上的相应点间的垂直距离基本思想是试图使各数据点与回归直线上的相应点间的垂直距离平方和最小手拟趋势线是根据图中确定截距平方和最小手拟趋势线是根据图中确定截距a a和斜率和斜率b b，而最小二，而最小二乘法求解的公式为：乘法求解的公式为：得：得：令：令：68w另外一种评价两个变量之

53、间关系的方法是计算相关系数另外一种评价两个变量之间关系的方法是计算相关系数 r r和标准差和标准差S Syxyx，计算公式为：，计算公式为：当当r r为正时，说明为正时，说明y y和和x x为正相关，即为正相关，即y y随着随着x x的增加而增加；的增加而增加；r r非常接非常接近于近于1 1时，时，y y和和x x为完全正相关；当为完全正相关；当r r为负时，说明为负时，说明y y和和x x为负相关，即为负相关，即y y随着随着x x的增加而减小；的增加而减小；r r非常接近于非常接近于-l-l时，时，y y和和x x为完全负相关。为完全负相关。标准差则表明预测值与回归直线的偏离程度。标准差

54、则表明预测值与回归直线的偏离程度。w例例2 26 6 6962021636044258421536044254821436044251221336044216151413yyyy根据最小二乘回归的思想，可以计算出上例中根据最小二乘回归的思想，可以计算出上例中a a和和b b的值，的值，最终得最终得b=359.6b=359.6，a=441.6a=441.6，这表明，这表明x x每变化每变化1 1单位，单位，y y改变改变359.6359.6单位。严格按上述方程计算，可以可以推广到后一单位。严格按上述方程计算，可以可以推广到后一年的四个季度，下面的结果分别对应第年的四个季度，下面的结果分别对应第1

55、 1，2 2，3 3，4 4季度：季度：70w时间序列分解一般遵循以下时间序列分解一般遵循以下5 5个步骤：个步骤：(1)(1)计算计算1212个月中的中心移动平均值。个月中的中心移动平均值。(2)(2)利用实际需求和利用实际需求和1212个月中心移动平均值的比例来估计季个月中心移动平均值的比例来估计季节因素和计算季节指数。节因素和计算季节指数。(3)(3)确定趋势线方程。找一条线去描述非季节性的数据，这确定趋势线方程。找一条线去描述非季节性的数据，这条线的截距及斜率提供了在估计趋势因素时所需要的值。条线的截距及斜率提供了在估计趋势因素时所需要的值。(4)(4)预测未来。将步骤预测未来。将步骤

56、(3)(3)中得到的线延伸至未来，提供了中得到的线延伸至未来，提供了一个在没有季节性的情况下将来的需求预测值。一个在没有季节性的情况下将来的需求预测值。(5)(5)将每一个不含季节性的预测乘上季节指数以获得最后的将每一个不含季节性的预测乘上季节指数以获得最后的预测。预测。例题例题2.7 2.7 71w因果预测方法是认为因果预测方法是认为自变量和因变量自变量和因变量之间存在因果关系。通过之间存在因果关系。通过对变量间的关系进行分析，进而由自变量来确定因变量的需求对变量间的关系进行分析，进而由自变量来确定因变量的需求预测方法就是因果预测。预测方法就是因果预测。w因果预测方法也是建立在对数据分析的基

57、础上的，由自变量和因果预测方法也是建立在对数据分析的基础上的，由自变量和因变量的数据找出它们之间的因果关系。因变量的数据找出它们之间的因果关系。w通常认为这种因果关系是简单的通常认为这种因果关系是简单的线性关系线性关系，可以通过前面所介，可以通过前面所介绍的一元线性回归分析方法找出。绍的一元线性回归分析方法找出。w变量间的因果关系找到后，就可以建立统计模型对需求做预测。变量间的因果关系找到后，就可以建立统计模型对需求做预测。w例题例题2.82.872年份年份 新房屋（新房屋（x x平方码）平方码）地毯销量（地毯销量（y y平方码）平方码）1989 1989 18 18 13000 130001

58、990 1990 15 15 12000 12000 1991 1991 1212 11000110001992 1992 10 10 10000100001993 1993 2020 14000140001994 1994 2828 16000160001995 1995 3535 19000190001996 1996 3030 17000170001997 1997 2020 130001300073方程：方程：y=7000+350 xy=7000+350 x设设19981998年新建房为年新建房为2525，则，则 y=7000+350 y=7000+350 25=15750 25=15

59、750码码74多元回归：多元回归：考虑多个变量，以及它们各自对问题的影响。家具行业里：新结婚数、新建房屋数、可支的收入、趋势有关系，则 S=B+Bm(M)+Bh(H)+Bi(I)+Bt(T)式中：S每年总销售量；B基本销售额；M年中结婚数；H年中新造房屋数；I可供自由支配的收入；T趋势75w调焦预测调焦预测(Focus Forecasting)，它是由美国五金供应公司提，它是由美国五金供应公司提出并加以应用的，特别适用于有多项产品需要预测的情况。出并加以应用的，特别适用于有多项产品需要预测的情况。美国五金供应公司是一家对美国几千家生产五金产品的厂家美国五金供应公司是一家对美国几千家生产五金产品

60、的厂家存储物料的合作团体，它需要对烹饪器皿、雪铲、螺母、螺存储物料的合作团体，它需要对烹饪器皿、雪铲、螺母、螺栓、锥子、圣诞树等多种产品进行预测。栓、锥子、圣诞树等多种产品进行预测。w调焦预测不是一种技术，而是一个可以运用多种预测技术的调焦预测不是一种技术，而是一个可以运用多种预测技术的系统。调焦预测系统所用的典型预测方法往往是一些简单的系统。调焦预测系统所用的典型预测方法往往是一些简单的技术，如上面介绍的移动平均方法，或一些简单的策略，如技术，如上面介绍的移动平均方法，或一些简单的策略，如“未来未来3个月的销售额和过去的个月的销售额和过去的3个月一样个月一样”等，当然也可以等，当然也可以是一

61、些复杂的数学方法。是一些复杂的数学方法。76下面举例说明调焦预测方法的工作原理。下面举例说明调焦预测方法的工作原理。w 假定调焦预测系统使用以下假定调焦预测系统使用以下4 4种简单的方法来预测未来一个季度种简单的方法来预测未来一个季度的销售量：的销售量：w下个季度的销售量和去年同期相同；下个季度的销售量和去年同期相同；w下个季度的销售量比去年同期多下个季度的销售量比去年同期多1010；w下个季度的销售量和本季度相同；下个季度的销售量和本季度相同；w下个季度的销售量是过去下个季度的销售量是过去6 6个月的一半。个月的一半。w假定现在是假定现在是6 6月份，将要预测月份，将要预测7 79 9月份的

62、销售量，历史数据如下：月份的销售量，历史数据如下：w月份月份 1 2 3 4 5 6 7 8 9 10 11 12w去年去年 18 12 10 3 8 6 16 18 29 12 15 13w今年今年 2 18 21 4 9 277w先假定现在是先假定现在是3月份，用上述月份，用上述4种方法中的每一种对种方法中的每一种对46月份的销售量进行预测，并把预测结果和实际情况相比月份的销售量进行预测，并把预测结果和实际情况相比较，然后选择得到最好预测结果的预测方法用来对较，然后选择得到最好预测结果的预测方法用来对79月份的销售量进行预测。月份的销售量进行预测。w用上述、用上述、4种方法得到的预测值分别

63、是种方法得到的预测值分别是17，18.7，41和和 40.5，实际值是，实际值是15，最好的预测结果是由方法，最好的预测结果是由方法得到的得到的17。于是，选择方法来对。于是，选择方法来对79月份的销售量月份的销售量进行预测，得到的预测值是进行预测，得到的预测值是63。78预测可以做的事：预测可以做的事：（1 1）新产品市场销售）新产品市场销售 （2 2）库存量）库存量 （3 3）人力资源）人力资源 （4 4）预算）预算 基本的就是市场销售量。基本的就是市场销售量。时间序列：时间序列：（1 1）简单移动）简单移动 （2 2）加权移动）加权移动 （3 3）指数平滑）指数平滑 线性回归线性回归趋势

64、项趋势项 因果关系因果关系一定要弄清楚确实的因果关系。一定要弄清楚确实的因果关系。79HerbigHerbig曾做过问卷调查，曾做过问卷调查，10001000万到万到5 5亿美元的企业亿美元的企业 预测方法举例预测方法举例 用到的用到的 重要性重要性 使用情况排列使用情况排列 高层管理讨论高层管理讨论 86 6 86 6 2.9 2.9 销售人员销售人员 68 68 5 5 2.22.2 顾客调查顾客调查 72 72 4.7 4.7 2.22.2 时间序列时间序列 45 45 4.3 4.3 1.51.5 加权平均加权平均 46 46 3.8 3.8 1.41.4 指数平滑指数平滑 36 36

65、 2.8 2.8 0.9 0.9 线性回归线性回归 38 38 4.0 4.0 1.31.3 多元回归多元回归 35 35 3.6 3.6 1.01.080 Keep Connecting In The Keep Connecting In The FutureFuture819、静夜四无邻，荒居旧业贫。22.8.222.8.2Tuesday,August 02,202210、雨中黄叶树，灯下白头人。8:43:258:43:258:438/2/2022 8:43:25 AM11、以我独沈久，愧君相见频。22.8.28:43:258:43Aug-222-Aug-2212、故人江海别，几度隔山川。

66、8:43:258:43:258:43Tuesday,August 02,202213、乍见翻疑梦，相悲各问年。22.8.222.8.28:43:258:43:25August 2,202214、他乡生白发，旧国见青山。2022年8月2日星期二上午8时43分25秒8:43:2522.8.215、比不了得就不比，得不到的就不要。2022年8月上午8时43分22.8.28:43August 2,202216、行动出成果，工作出财富。2022年8月2日星期二8时43分25秒8:43:252 August 202217、做前，能够环视四周；做时，你只能或者最好沿着以脚为起点的射线向前。上午8时43分25秒上午8时43分8:43:2522.8.29、没有失败，只有暂时停止成功！。22.8.222.8.2Tuesday,August 02,202210、很多事情努力了未必有结果，但是不努力却什么改变也没有。8:43:258:43:258:438/2/2022 8:43:25 AM11、成功就是日复一日那一点点小小努力的积累。22.8.28:43:258:43Aug-222-Aug-2212、世间成事