运筹学与供应链管理--第2讲.ppt

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 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 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 预测进行的步骤 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 需求变动的形式 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 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 平均方法 移动平均 加权移动平均 指数平滑法 简单移动平均 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 加权移动平均之例 月份 权重 数据 八月 17% 130 九月 33% 110 十月 50% 90 十一月的预测 指数平滑法 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. 选择平滑常数 线性趋势方程 b ＝直线斜率 线性趋势方程举例 线性趋势计算 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 季节性调节之例 需求 (1000件／季度) 年 1 2 3 4 总计 1995 12.6 8.6 6.3 17.5 45.0 1996 14.1 10.3 7.5 18.2 50.1 1997 15.3 10.6 8.1 19.6 53.6 总计 42.0 29.5 21.9 55.3 148.7 Si 0.28 0.20 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　 8.73 　 21.53 关联预测 有关的变量 – 预示这些量的值 回归分析 – 用一条线去拟合一组点集 最小二乘法 – 使线与点间的距离平方和最小 线性模型 回归方法 研究两个或更多变量之间的关系 因变量随自变量而变 线性回归计算 线性回归之例 x y xy x2 4 36.3 145.2 16 6 40.1 240.6 36 6 41.2 247.2 36 8 53.0 424 64 6 44.0 264 36 7 45.6 319.2 49 5 39.0 195 25 7 47.5 332.5 49 49 346.7 2167.7 311 线性回归直线 预测精度 误差 – 实际值与预测值之间的偏差 绝对平均偏差(MAD) 误差的绝对值的平均值 均方差(MSE) 误差的平方的平均值 跟踪信号 累计误差与 MAD 之间的比率 MAD MSE 跟踪信号 MAD = 实际值 预测值 ? ? n MSE = 实际值 预测值) - 1 2 ? ? n ( 跟踪信号 = (实际值 - 预测值) MAD ? 跟踪信号 = (实际值 - 预测值) 实际值 - 预测值 ? ? n 3-* McGraw-Hill/Irwin Operations Management, Seventh Edition, by William J. Stevenson Copyright ? 2002 by The McGraw-Hill Companies, Inc. All rights reserved. Forecasting 新产品和服务 产品/服务设计 调度, MRP, 工作负荷