第6章  需求预测

内容提要

n  第一节 预测

n  第二节 定性预测方法

n  第三节 定量预测方法

n  第四节 预测误差及监控

 

第一节  预测

一、预测概述

   

    预测是对未来事件发展的预计与推测。

n 预测的内容：who what why when where how

n预测的种类：科学预测、社会预测、经济预测、       

                         技术预测、需求预测

n 预测的作用：需求→生产计划→采购

 

 

二、预测的特征

 

v极少准确无误

v通常假设过去发生事件的状态将来存在

v对一组事件的预测比单个事件预测准确

v预测准确性随时间延长降低

 

 结论：需求预测应以短期为主，及时根据情况调整。

 

 

 三、预测分类

n（二）按时间分

q 长期预测(Long-range Forecast) 

     对5年或5年以上的需求前景的预测。它是企业长期发展规划的依据。

q 中期预测(Intermediate-range Forecast)

     中期预测是指对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划的依据。

q 短期预测(Short-range Forecast) 

    短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。

n（三）按主客观因素所起的作用分

q 定性预测方法

q 定量预测方法

 

 

 

四、预测的步骤

 

（1）明确预测目的

（2）确定预测跨度

（3）选择预测方法

（4）收集预测数据

（5）进行预测

（6）预测过程监控

 

五、预测方法及其选择

 

 

  预测方法的选择：

n预测的响应性

q迅速反映需求变化的能力，适用于受随机因素影响小的预测问题。

n预测的稳定性

q抗拒随机干扰，反应稳定需求的能力。适用于受随机因素影响大的预测问题。

n其他要求

q时滞、精度、可靠、可计量、易理解

 第二节 定性预测方法

n一、德尔菲法（Delphi method）

n二、部门主管集体讨论法（Jury of executives ）

n三、用户调查法（Users’ expectation）

n四、销售人员意见汇集法（Field sales force）

第三节 定量预测方法

n一、时间序列概述

 

 

 

 

 

n在一些周期性时点上观察某个响应变量而得到的数据集，称为时间序列。

n编制原则：时间、总体范围和空间、指标含义、计算方法、计算价格、单位要具有一致性。

 

 

 

n时间序列的构成：

n 长期变动趋势（T, secular trend）

n 季节性变动趋势（S, Seasonal variation）

n 周期性变动趋势（C, cyclical variation ）

n不规则变动（I, irregular variation ）

 

 

时间序列分析

Forecasting based on time series data

 

 

 二、时间序列平滑模型

 （一）简单移动平均（Simple moving average）和加权移动平均（Weighted moving average）

n 1. 简单移动平均

 

 

 

 

 

 

 

n 2. 加权移动平均

 

 

（二）一次指数平滑法
(Single exponential smoothing)

 

n Question: given the following weekly demand data, what are the exponential smoothing forecasts for periods 2-10 using a=0.10 and a=0.60?

 

ⁿAssume F₁=D₁ ^{(at startup)}

 

Answer: the respective alphas columns denote the forecast values.  Note that you can only forecast ahead one time period into the future.

 

    预测的关键是选择a的大小。如果管理者追求稳定性，a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a

（三）二次指数平滑法
(Double exponential smoothing)


其中，

 

 三、时间序列分解模型（time series decomposition）

 

      1. 乘法模型(Multiplicative Model)

          TF=T·S·C·I

      2. 加法模型(Additive model)

          TF=T+S+C+I

 

  

 

时间序列分解模型计算示例：

 

    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。

 

Step 2: 计算季节因子

 

第四节   预测误差与监控
Accuracy and Control of Forecasts

     预测精度（误差的大小）与控制是预测中的重要环节。如果不注意预测环境的变化，原来使用的预测模型可能会由于种种原因产生较大的偏差，从而影响预测结果的精度，使管理人员产生错觉，导致某些决策错误。

一、预测误差的度量(Measurement of forecast error)

  

预测误差是指预测值与实际值之间的偏差。其计算方法是：

 

      平均预测误差

 (mean forecast error)

 

 

  平均绝对百分误差

（mean absolute percentage error, MAPE）

 

 

二、 预测监控(Monitoring and controlling forecasts)

   较多的场合是采用跟踪信号法(Tracking signal,TS)

例：

课后思考题

n1. 有哪些定性预测方法和定量预测方法？说明它们各自的特点和适用范围。

n2. 预测可分为哪些类型？时间序列分析预测法一般用于哪些方面？它有哪些明显的优缺点？

 

n练习题：

   P177第1题

 

 

内容提要

n  第一节 预测

n  第二节 定性预测方法

n  第三节 定量预测方法

n  第四节 预测误差及监控

 

第一节  预测

一、预测概述

   

    预测是对未来事件发展的预计与推测。

n 预测的内容：who what why when where how

n预测的种类：科学预测、社会预测、经济预测、       

                         技术预测、需求预测

n 预测的作用：需求→生产计划→采购

 

 

二、预测的特征

 

v极少准确无误

v通常假设过去发生事件的状态将来存在

v对一组事件的预测比单个事件预测准确

v预测准确性随时间延长降低

 

 结论：需求预测应以短期为主，及时根据情况调整。

 

 

 三、预测分类

n（二）按时间分

q 长期预测(Long-range Forecast) 

     对5年或5年以上的需求前景的预测。它是企业长期发展规划的依据。

q 中期预测(Intermediate-range Forecast)

     中期预测是指对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划的依据。

q 短期预测(Short-range Forecast) 

    短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。

n（三）按主客观因素所起的作用分

q 定性预测方法

q 定量预测方法

 

 

 

四、预测的步骤

 

（1）明确预测目的

（2）确定预测跨度

（3）选择预测方法

（4）收集预测数据

（5）进行预测

（6）预测过程监控

 

五、预测方法及其选择

 

 

  预测方法的选择：

n预测的响应性

q迅速反映需求变化的能力，适用于受随机因素影响小的预测问题。

n预测的稳定性

q抗拒随机干扰，反应稳定需求的能力。适用于受随机因素影响大的预测问题。

n其他要求

q时滞、精度、可靠、可计量、易理解

 第二节 定性预测方法

n一、德尔菲法（Delphi method）

n二、部门主管集体讨论法（Jury of executives ）

n三、用户调查法（Users’ expectation）

n四、销售人员意见汇集法（Field sales force）

第三节 定量预测方法

n一、时间序列概述

 

 

 

 

 

n在一些周期性时点上观察某个响应变量而得到的数据集，称为时间序列。

n编制原则：时间、总体范围和空间、指标含义、计算方法、计算价格、单位要具有一致性。

 

 

 

n时间序列的构成：

n 长期变动趋势（T, secular trend）

n 季节性变动趋势（S, Seasonal variation）

n 周期性变动趋势（C, cyclical variation ）

n不规则变动（I, irregular variation ）

 

 

时间序列分析

Forecasting based on time series data

 

 

 二、时间序列平滑模型

 （一）简单移动平均（Simple moving average）和加权移动平均（Weighted moving average）

n 1. 简单移动平均

 

 

 

 

 

 

 

n 2. 加权移动平均

 

 

（二）一次指数平滑法
(Single exponential smoothing)

 

n Question: given the following weekly demand data, what are the exponential smoothing forecasts for periods 2-10 using a=0.10 and a=0.60?

 

ⁿAssume F₁=D₁ ^{(at startup)}

 

Answer: the respective alphas columns denote the forecast values.  Note that you can only forecast ahead one time period into the future.

 

    预测的关键是选择a的大小。如果管理者追求稳定性，a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a

（三）二次指数平滑法
(Double exponential smoothing)


其中，

 

 三、时间序列分解模型（time series decomposition）

 

      1. 乘法模型(Multiplicative Model)

          TF=T·S·C·I

      2. 加法模型(Additive model)

          TF=T+S+C+I

 

  

 

时间序列分解模型计算示例：

 

    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。

 

Step 2: 计算季节因子

 

第四节   预测误差与监控
Accuracy and Control of Forecasts

     预测精度（误差的大小）与控制是预测中的重要环节。如果不注意预测环境的变化，原来使用的预测模型可能会由于种种原因产生较大的偏差，从而影响预测结果的精度，使管理人员产生错觉，导致某些决策错误。

一、预测误差的度量(Measurement of forecast error)

  

预测误差是指预测值与实际值之间的偏差。其计算方法是：

 

      平均预测误差

 (mean forecast error)

 

 

  平均绝对百分误差

（mean absolute percentage error, MAPE）

 

 

二、 预测监控(Monitoring and controlling forecasts)

   较多的场合是采用跟踪信号法(Tracking signal,TS)

例：

课后思考题

n1. 有哪些定性预测方法和定量预测方法？说明它们各自的特点和适用范围。

n2. 预测可分为哪些类型？时间序列分析预测法一般用于哪些方面？它有哪些明显的优缺点？

 

n练习题：

   P177第1题