生产与作业管理2.pptVIP

2005年11.4-11.7 主讲：张志英 第二讲， 需求预测 张志英 上海交通大学 工业工程与管理系 2007年5月 提纲 简介 定性预测方法 定量预测方法 预测系统及计算机软件 预测的定义 预测:猜测出未来变量值，例如需求、库存等 预测的重要性 预测的重要性(Cont’d) 需求预测 (Demand estimates) 是计划与作业管理的最开始步骤. 销售预测（Sales forecasts) 部分基于DE. 销售预测是商业策略(Business Strategy) 和产品资源（Resources)预测的基础. 需求预测是中期生产计划和主生产计划的前提条件 预测的重要性(Cont’d) 新设施规划 – 可能要5年的时间去设计和建设新工厂并实现新的产品流程. 产品规划 – 需求每个月都在改变，而我们可能需要几个月去改变生产线的能力。 工作调度 – 对服务（包括职员）的需求每天都在变，但员工的安排一般都需要提前进行。 预测方法 定性 定量 定性方法 不需要需求的历史，因此适合于新产品或服务 直觉到科学推测 方法依赖于产品的生命周期a product’s life cycle stage 定性方法(Cont’d) 有根据的推测 决定者多数意见 Delphi 方法 销售人员预测 客户调查 历史类推 市场调查研究 定量预测方法 基于假设：历史会重演 过去的分析将会为将来的预测提供基础 定量方法： 因果法 基于时间序列的方法 定量预测方法-因果模型 定量预测方法-因果模型 时间序列分析 时间序列给出一组与时间顺序相关的数（历史数据） 时间序列的分析识别一种模式 一旦模式被识别，它可以被用来预测未来 时间序列的模式 趋势. 循环 季节性 随机变化 符号 如何评价预测？ 如何评价预测 稳定的时间序列预测法 稳定的时间序列: 每一阶段的值可表示为 稳定的时间序列预测法 下一个阶段的预测值是已过去阶段的平均值 稳定的时间序列预测法 指数平滑 指数平滑 例: Central Call Center（呼叫中心） Day Calls Day Calls 1 159 7 203 2 217 8 195 3 186 9 188 4 161 10 168 5 173 11 198 6 157 12 159 例: 呼叫中心 移动平均 AP = 3 F13 = (168 + 198 + 159)/3 = 175.0 calls 例: Central Call Center（呼叫中心） 带权移动平均 F13 = .1(168) + .3(198) + .6(159) = 171.6 calls 预测精度 AP = 3 a = .25 Day Calls Forec. |Error| Forec. |Error| 4 161 187.3 26.3 186.0 25.0 5 173 188.0 15.0 179.8 6.8 6 157 173.3 16.3 178.1 21.1 7 203 163.7 39.3 172.8 30.2 8 195 177.7 17.3 180.4 14.6 9 188 185.0 3.0 184.0 4.0 10 168 195.3 27.3 185.0 17.0 11 198 183.7 14.3 180.8 17.2 12 159 184.7 25.7 185.1 26.1 MAD 20.5 18.0 例: 计算机产品销售（CPC）. CPC 的分析师想预测下一个年度（Epsilon Computers）的销售销售状况. 她相信最近8个季度的销售可以代表下一个年度的销售情况。 历史数据 年 季度 ($mil.) 年 季度 ($mil.) 1 1 7.4 2 1 8.3 1 2 6.5 2 2 7.4 1 3 4.9 2 3 5.4 1 4 16.1 2 4 18.0 季节指数 计算季节指数 Seasonal Indexes 季节指标＝第i季节平均值/总季节平均值 季度销售 年 Q1 Q2 Q3 Q4 总数 1 7.4 6.5 4.9 16.1 34.9 2 8.3 7.4 5.4 18.0 39.1 总量 15.7 13.9 10.3 34.1 74.0 季度平均 7.85 6.95 5.15 17.05 9.25 季节指数 .849 .751 .557 1.843 4.000 CPC －Deseasonalize the Data 季节化=i季实