[工程科技]供应链需求预测.ppt

  1. 1、本文档共40页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
[工程科技]供应链需求预测

第一步:初始化:由给定数据计算出需求水平(L0)、需求趋势(T0)和季节性系数(S1 ,S2,…Sp)的初始值,具体方法跟静态预测法完全一样; 第二步:预测: Ft+l=(Lt+lTt) St+l 第三步:预测误差: Et+1= Ft+1-Dt+1 第四步:修正误差:由给定的预测误差Et+1来修正需求水平(Lt+1)、需求趋势(Tt+1)和季节性系数(St+p+1)的值; 对后续各期重复以上2-4步。 适用于:需求没有可观测到的需求趋势或季节性; 需求公式: 需求的系统成分=需求水平; 计算方法:将最近N个时期需求的平均值做为t期的需求水平,公式为 当前对未来时期的预测都是相同的,并且都基于当前对需求水平的预测,即: 在观测到第t+1期的实际需求之后,对需求做如下修改: 例5-1:一个超市在过去4周的牛奶需求分别为120、127、114和122加仑,用移动平均法根据前4周的需求预测值预测第5周的需求,如果第5周的实际需求为125加仑,则预测误差为多少? 适用于:需求没有可观测到的需求趋势或季节性; 需求公式: 需求的系统成分=需求水平; 第一步:计算需求水平的初始值,初始值为: 当前所有对未来时期的预测都等同于当前对需求水平的估计,即: 第二步:当我们得到t+1期的实际需求值Dt+1后,对需求水平做如下修正: 例5-2:上个例子中超市在过去四周的牛奶需求分别为120、127、114和122加仑,用简单指数平滑法预测第1期的需求,其中α=0.1 适用于:需求的系统成分中有需求水平和需求趋势,但是没有季节性。 需求公式: 需求的系统成分=需求水平+需求趋势; 第一步:对需求Dt和时期t之间做线性回归,从而得到对需求水平和需求趋势的初始预测值,形式如下: Dt=at+b (12) 在时期t,给定需求水平和需求趋势的预测值Lt和Tt,下一期的预测值可以表示为: Ft+1 =Lt+Tt 和 Ft+n =Lt +nTt (13) 第二步:在观察到t期的实际需求后,对需求水平和需求趋势的值做如下矫正: Lt+1=αDt+1+(1-α)(Lt+Tt) (14a) Tt+1=β(Lt+1 –Lt)+ (1-β) Tt (14b) α为需求水平的平滑指数,0 α1; β为需求趋势的平滑指数,0 β1; 例5-3:一家电子制造商在过去6个月中观察到它的必威体育精装版MP3产品的需求一直保持增长,需求的观测值(以千计)分别为8415、8732、9808、10413和11961,试用矫正需求趋势的指数平滑法预测第7期的需求,其中α=0.1, β=0.2. 第三步:观测到t+1期的需求后,对需求水平、需求趋势和季节性系数做如下修正: Lt+1=α(Dt+1/St+1 )+(1-α)(Lt +Tt) (16a) Tt+1=β (Lt+1 -Lt) (Dt+1/St+1 )+(1-β)Tt (16b) St+1=γ(Dt+1/Lt+1 )+(1-γ)St+1 (16c) 例5-4:根据前面塔霍湖盐业公司的需求数据,用矫正需求趋势和季节性的指数平滑法预测第1期的需求,其中α=0.1, β=0.2, γ=0.1. 分析原因: 可以运用误差分析,检查是否准确反映系统需求部分 误差用来解释意外事件 误差在一定范围是可以接受的;t期的误差是该期预测需求与实际需求的差值,对管理者来说,在采取预测的行动前估计误差值是十分重要的。 t期的预测误差可以用下式表示: Et=Ft-Dt 衡量方法: MSE表示误差的离散程度(mean squared error) MSEn =1/nΣEt2 At 表示t期误差绝对值(absolute deviation) At=|Et| MADn 表示平均绝对误差 MADn =1/n ΣAt 如果正态分布,MAD可以用来预测随机需求部分标准差 δ=1.25MAD MAPEn表示平均绝对百分比误差 MAPEn = (Σ |Et/Dt

文档评论(0)

jiupshaieuk12 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:6212135231000003

1亿VIP精品文档

相关文档