- 1、本文档共50页,可阅读全部内容。
- 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、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、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
第六章 物流系统需求预测第一节 系统预测概述一、系统预测的概念及其实质所谓预测,就是对尚未发生或目前还不确切的事物进行预先的估计和推断,是现时对事物将要发生的结果进行的探讨和研究。 系统的预测是以系统的变化为前提的。没有系统的变化,就不需要预测。系统预测的实质是分析使系统发生变化的原因,探究系统发展变化的规律,根据系统的过去和现在估计未来。二、预测方法的分类(一)按预测的范围或层次不同分类1.宏观预测2.微观预测(二)按预测的时间长短分类1.长期预测2.中期预测3.短期预测4.近期预测(三)按预测方法的性质来分类1.定性预测法2.时间序列分析预测法3.因果关系预测方法图6-1 预测方法分类三、预测的一般程序(一)确定预测目的 (二)资料收集和数据分析 (三)建立预测模型 (四)模型检验与修正 (五)预测实施与结果分析 三、预测的一般程序 图6-2 动态的预测过程第二节 物流系统预测的特征一、物流系统需求特征物流需求的特征表现在如下三个方面:(一)需求的时间特性和空间特性(二)需求的不规则性与规则性(三)需求的派生性与独立性(一)需求的时间特性和空间特性(1)物流需求的时间特性——即需求是随时间而变化的。 常用时间序列预测法。(2)物流需求的空间特性——即物流需求量在何处发生。对需求地理性特征的处理有两种方式:一是先进行总需求预测,然后再按地理位置分解;二是先对每个地点的需求单独进行预测,再根据需要汇总。 (二)需求的不规则性与规则性1、规则性需求变动:长期趋势(Trend)季节性(Seasonal)因素随机性(Random)因素 (a) 随机性或水平性发展的需求,无趋势或季节性因素(b) 随机性需求,呈上升趋势,无季节性因素(c) 随机性需求,有趋势和季节性因素2、不规则性需求(三)需求的派生性与独立性(1)独立需求——物流需求的独立性是指物流需求来自一个一个独立的客户。例如:对最终产品的需求量预测(2)派生需求——即物流需求是由某一特定的生产计划要求派生出来的,这是一种从属性的需求。例如:对产品所需零部件的需求预测 二、物流系统预测的特殊问题(一)新需求预测方法一:将最初的预测任务交给营销人员来做,由营销人员通过促销宣传、消费者行为调研等方式,积累一定的销售历史数据。方法二:利用生产线中类似产品的需求模式估计新产品的销售情况。原有产品的需求模式可以为新产品的早期需求预测提供借鉴。方法三:使用指数平滑法进行预测,将指数平滑系数定得很高(≥0.5)。一旦得到了足够的需求历史数据,就可以将平滑系数降低到一般水平。 二、物流系统预测的特殊问题(二)不规则需求预测难以用数学方法进行准确预测。参考方法:第一,寻找导致需求不规则变化的关键原因,再利用这些因素进行预测;将不规则需求预测与其他规则性需求预测分开进行,分别使用不同的方法。第二,如果没有找到促使需求发生突变的关键原因,就暂时不对这类产品或服务的需求变化作出反应;相反,要利用一些简单的、平稳的预测方法。第三,对预测精度要求不太高的场合,可以根据具体情况要求适当调整预测值,保证需求的可靠性。 二、物流系统预测的特殊问题(三)地区性预测问题:先进行地区总量预测后,再按地区分配?还是直接对每一地区单独进行需求预测后再汇总?对所有地区的物流需求进行总量预测要比单独预测各地区需求后再汇总更精确一些。因此,一般先进行物流总需求量的预测,然后将总量分配到各地区。 二、物流系统预测的特殊问题(四)预测的误差问题预测误差是不可避免的 将几种预测模型的结果进行综合,可使预测值更稳定、更可靠第三节 物流需求预测的方法一、移动平均法二、指数平滑法三、回归分析预测方法一、移动平均法基本思想:根据时间序列信息,逐项推移,依次计算包含一定项数的序时平均值,以反映数据序列的长期趋势。特点:(1)可以消除周期变动和随机波动的影响,揭示出事件的发展方向与趋势。(2)简单、易行。一、移动平均法计算方法:设时间序列:逐项推移求出N个数的平均数:一次移动平均:二次移动平均: 一、移动平均法趋势预测模型:二、指数平滑法以移动平均法为基础,特殊的加权移动平均法。有效的短期预测法。简单、易用,只要很少的数据量当预测数据发生根本性变化时还可以进行自我调整。 (一)基本的指数平滑模型1、什么是一次指数平滑预测?——利用时间序列中本期的实际值与本期的预测值加权平均作为下一期的预测值。式中,t ——本期的时间;?——指数平滑系数,规定0?1;xt——在t时刻的实际需求值; ——在t+1时刻的一次指数平滑值。 (一)基本的指数平滑模型2、关键参数确定(1)初始值F1:数据较多时,将已有数据中的某一部分的算术平均值或加权平均值作为初始值F1数据较少时,用定性预测法选取F1(2)平滑系数? :0.01~0.3 ?值越大:对近期需求影响大,对
文档评论(0)