chapt预测.ppt

生产与运作管理Production Operations Management;第3章 预测 Forecasting;3.1.1 预测及其作用 3.1.2 预测分类 3.1.3 预测的步骤 ;3.1.1 预测及其作用;预测的基本假设：过去的发展状态要持续到将来(有趋势) 对总量的预测要比对个体的预测精确 （有偏差） 如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确 预测精度随预测的时间范围 增加而降低（时间性）;关于预测的两种错误观点; 3.1.1 预测及其作用(续）;3.1.2 预测分类;3.1.2 预测分类（续）;3.1.2 预测分类（续）;3.1.2 预测分类（续）;3.1.3 预测的步骤;3.2 定性预测方法;3.3 定量预测方法;预测方法;3.3 定量预测方法（续）;;单纯法（ Na?ve Forecasts） 将前期实际得到的结果作为下一期的预测值 特点 使用简单，没有代价 不用数据分析 容易理解 预测精度不高;单纯法的应用 时间序列稳定的情况 F(t) = A(t-1)， A(t-1) 为（t-1)期实际值，F(t)为t期的预测值 对季节性波动 F(t) = A(t-n)，n为波动周期 对有趋势变化情况 F(t) = A(t-1) + (A(t-1) – A(t-2));3.3 定量预测方法（续）;移动平均值(Moving Average) 1. 简单移动平均(Simple Moving Average);例子;计算移动平均预测值:;描点绘图，可以比较当n=3,n=6时对预测结果的影响 对于简单滑动平均预测方法，关键是选择移动时间区间的大小，即n的大小。 n的大小的选择与预测者要求的适应性有关。如果管理者追求稳定性 n的值应该选择大一些，如果管理着的目标是体现响应性，则应选择小一点的n。; 1.简单移动平均;;2.加权移动平均;;3、指数平滑法(Exponential smoothing) 一次指数平滑法;问题: 根据表中的需求数据，用一次指数平滑法，分别计算a=0.10和a=0.60时 2-10周的预测值 假设起始点： F1=D1;周次;与上面的问题的类似，预测的关键是选择?的大小。如管理者追求稳定性，?的值应该选择小一些，如果管理着的目标是体现响应性，则应选择大一点的? 模型;3.一次指数平滑法(Single exponential smoothing);1、用一次指数平滑法预测 （1）取α＝0.1, F1 = A1，： 按照公式：Ft ＝ Ft-1 + α（At-1 — Ft-1） 当t=2时，公式变为：F2 ＝ F1 ＋ α（A1 — F1）； 计算：F2 ＝ F1 ＋ α（A1 — F1）＝ 42 ＋0.1 (42 – 42) = 42. 当t=3时，公式变为：F3 ＝ F2 ＋ α（A2 — F2）= 42 + 0.1 (40 – 42) = 41.8, 当t=4时，公式变为：F4 ＝ F3 ＋ α（A3 — F3）= 41.8 + 0.1 (43 – 41.8) = 41.92, ;（2）如果取α＝0.4, 当t=2时，公式变为：F2 ＝ F1 ＋ 0.4（A1 — F1）= 42 ＋0.4 (42 – 42) = 42, 当t=3时，公式变为：F3 ＝ F2 ＋ 0.4（A2 — F2）= 42 + 0.4 (40 – 42) = 41.2, 当t=4时，公式变为：F4 ＝ F3 ＋ 0.4（A3 — F3）= 41.2 + 0.4 (43 – 41.2) = 41.92 当t=5时，F5 ＝ 41.92 + 0.4 (40 – 41.68) = 41.15 以后的预测值自己可以计算。 ;? ??.1;时间分解预测模型------解决季节性预测问题(Seasonal variations) 1.回归模型找出趋势值（一元回归找直线趋势） 2. 季节性预测模型 加法模型(Additive Model) 乘法模型(Multiplicative model) ? 基于乘法模型的预测方法;一元线性回归模型;b ;;y = 143.5 + 6.3t ;乘法模型计算示例： ? 有一个公司记录了1997和1998两年的销售数据，见下表。请根据这些数据预测1999年的销售情况。 ;Step 1: 求出趋势值的直线方程（一元回归模型）;Step 2: 计算季节因子 ;3.4 预测精度与监控;3.4.1 预测精度;MAD ;平均预测误差;3.4.