第三章 物流需求预测
DESCRIPTION
第三章 物流需求预测. 一、什么是预测 二、预测的类型 三、预测方法 四、时间序列预测 五、数据的季节波动 六、因果预测方法:回归和相关分析 七、监控预测. 预测的概念. 购货、工作安排、所需员工、工作指定、生产水平的计划工作. 销售计划、生产计划和预算、现金预算和分析不同作业方案. 规划新产品、资本支出、生产设备安装与添置、发展与研究. 预测是对未来可能发生的事情的估计与推测。. 一般有短期预测、中期预测、长期预测。. 产品生命周期对预测的影响。. 预测的类型. 1 、经济预测: 通过预计通货膨胀率、货币供给、房屋开工率及其他指标来预测经济周期 - PowerPoint PPT PresentationTRANSCRIPT
攀枝花学院经济管理学院 蒋霁云
第三章 物流需求预测一、什么是预测二、预测的类型三、预测方法四、时间序列预测五、数据的季节波动六、因果预测方法:回归和相关分析七、监控预测
攀枝花学院经济管理学院 蒋霁云
预测的概念
• 预测是对未来可能发生的事情的估计与推测。
• 一般有短期预测、中期预测、长期预测。
• 产品生命周期对预测的影响。
购货、工作安排、所需员工、工作指定、生产水平的计划工作
销售计划、生产计划和预算、现金预算和分析不同作业方案
规划新产品、资本支出、生产设备安装与添置、发展与研究
攀枝花学院经济管理学院 蒋霁云
预测的类型
11 、经济预测:、经济预测:通过预计通货膨胀率、货币供通过预计通货膨胀率、货币供给、房屋开工率及其他指标来预测经济周期给、房屋开工率及其他指标来预测经济周期
22 、技术预测:、技术预测:预测会导致产生重要的新产品,预测会导致产生重要的新产品,从而带动新工厂和设备需求的技术进步从而带动新工厂和设备需求的技术进步
33 、需求预测:、需求预测:预测是为下一步计划做准备预测是制定营销、生产 和库存、采购、人力资源等计划的基础。预测对生产运作产生影响,所以,它是生产运作管理的一个组成部分。
攀枝花学院经济管理学院 蒋霁云
预测方法定性预测方法
qualitative method定量预测方法
quantitative method
3 德尔菲法
1 部门主管集体讨论法 2 销售人员意见汇总法
消费者市场调查法
1 时间序列预测模型 ((( 时间序列平滑模型
朴素法 移动平均法 指数平滑法
((( 时间序列分解模型
乘法模型
加法模型
2 因果模型
4
线性回归因果模型
趋势外推法
*** 需要说明的是,为使预测更符合实际,经验、判断和数学模型都起一定的作用,但没有哪一种方法一直都能奏效。
攀枝花学院经济管理学院 蒋霁云
预测方法• 预测的主要步骤
确定预测的用途——我们想达到什么目的;选择预测对象;决定预测的时间跨度;选择预测方法与模型;收集预测所需的数据;验证预测模型;做出预测;将预测结果付诸应用。
攀枝花学院经济管理学院 蒋霁云
时间序列预测表 5-1 时间序列
月份 实际销量(百台)123456789101112
20.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00
• 时间序列( Time Series ) : 按 一 定 的时间间隔和事件发生的先后顺序将所收集的数据排列起来所得到的序列。
攀枝花学院经济管理学院 蒋霁云
时间序列分解• 时间序列的构成:
– 趋势成分: 随时间的推移而表现出的一种倾向(上升、下降、平稳)。
– 季节成分: 特定周期时间里有规则的波动。如:每天有二次交通高峰;每周周末,影院的客流量较大;某些产品的季节性需求变化等。
– 周期成分: 较长时间里(一般为数十年)有规则的波动。
– 随机成分: 没有规则的上下波动。
攀枝花学院经济管理学院 蒋霁云
时间序列分解
趋势成分趋势成分
季节成分季节成分
周期成分周期成分
随机成分随机成分
攀枝花学院经济管理学院 蒋霁云
时间序列分解
•时间序列分解模型:1 、加法模型需求 =趋势 + 季节 + 周期 + 随机波动(适用于四种变动因素呈现出相互独立的关系)2 、乘法模型需求 =趋势 × 季节 × 周期 × 随机波动(适用于四种变动因素呈现出相互影响的关系)
攀枝花学院经济管理学院 蒋霁云
时间序列预测之移动平均法1 )简单移动平均 (Simple Moving Average)
Ft+1= (At + At-1 +…+ At-N+1 )/N 预测值 =( 前 N 次实测值的平均值 )
表 5-2 简单移动平均法预测月份 实际销量 ( 百台 ) n=3(百台 ) n=4(百台 )123456789101112
20.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00
21.3322.6724.0025.3326.0026.0025.6726.3327.00
21.7523.3324.7525.5025.7526.0026.2526.50
攀枝花学院经济管理学院 蒋霁云
时间序列预测之移动平均法
2 )加权移动平均 (Weighted Moving Average)
Ft+1= (t At + t-1 At-1…+ A t-N+1 At-N+1 )/N
预测值 =( 前 N 次实测值的加权平均值 )
t 、 t-1 、 、 t-N+1 称为加权因子,且
( t + t-1 + + t-N+1 ) / N = 1
攀枝花学院经济管理学院 蒋霁云
时间序列预测之移动平均法为了强调最近数据的影响,突出其作用,取
3=1.5、2=1、
1=0.5,得到加权移动平均结果:t(月) 实际销量(百台) 三个月的加权移动平均预测值(百台)
123456789101112
20.0021.0023.0024.0025.0027.0026.0025.0026.0028.0027.0029.00
(0.5×20+1×21+1.5×23)/3=21.8323.1724.3325.8326.1725.6725.6726.8327.17
攀枝花学院经济管理学院 蒋霁云
时间序列预测之指数平滑法3 )指数平滑法
Ft = Ft-1 + (At-1 - Ft-1) 或者,
Ft = At-1 + (1-) Ft-1
预测值 =( 上次实测值 )+(1-) 上次预测值称为平滑系数( 0 1 )
攀枝花学院经济管理学院 蒋霁云
时间序列预测之指数平滑法表3-3 某公司的月销售额一次指数平滑预测表(=0.4)
月份实际销售额At
(千元)×上月实销额(千元)
上月预测销售额(千元)
(1-)×上月预测销售额(千元)
本月平滑预测销售额(千元)
123456789101112
10.0012.0013.0016.0019.0023.0026.0030.0028.0018.0016.0014.00
4.004.805.206.407.609.2010.4012.0011.207.206.40
11.0010.6011.1611.9013.5415.7218.6321.5824.9526.1722.90
6.606.366.707.148.129.4311.1812.9514.9715.7013.74
11.0010.6011.1611.9013.5415.7218.6321.5824.9526.1722.9020.14
攀枝花学院经济管理学院 蒋霁云
时间序列预测之指数平滑法表3-4 某公司的月销售额一次指数平滑预测表(=0.7)月份实际销售额
(千元)
×上月实际销售额(千元)
上月预测销售额(千元)
(1-)×上月预测销售额(千元)
本月平滑预测销售额(千元)
123456789101112
10.0012.0013.0016.0019.0023.0026.0030.0028.0018.0016.0014.00
7.008.409.1011.2013.3016.1018.2021.0019.6012.6011.20
11.0010.3011.4912.5514.9717.7921.4424.6328.3928.1221.04
3.303.093.453.774.495.346.437.398.528.446.31
11.0010.3011.4912.5514.9717.7921.4424.6328.3928.1221.0417.51
攀枝花学院经济管理学院 蒋霁云
时间序列预测之指数平滑法• 结果:一次指数平滑预测值依赖于平滑常数的选择,
一般来言,越大,它给以前数据以较高权数,预测值的响应性越大,选得小些,它给过去数据以较高权数,则稳定性较大。
Ft = At-1 + (1-) Ft-1
Ft-1 = At-2 + (1-) Ft-2
Ft = At-1 + (1-) [ At-2 + (1-) Ft-2]
Ft = At-1 + (1-) At-2 + (1-) Ft-2]……………………
Ft = At-1 + (1-) At-2+ (1-)2At-2 + (1-)3At-3 +…+ (1-)nAt-n]
攀枝花学院经济管理学院 蒋霁云
时间序列预测之指数平滑法 的取值:选择使平均绝对偏差 MAD ( mean absolute deviatio
n )或平均平方误差 MSE ( mean squared error )最小的值
MAD==∑| 预测误差 |
nnMAD==
∑( 预测误差 )2 nn
预测误差 = 需求 - 预测
攀枝花学院经济管理学院 蒋霁云
的取值
在此分析基础上可看到, α=0.1 要优于 α=0.5 ,因为前者 MAD 更小
季度 实际装卸量 α=0.1 的预测整数值
α=0.1 的绝对偏差
α=0.5 的预测整数值
α=0.5 的绝对偏差
1 180 175 5 175 5
2 168 176 8 178 10
3 159 175 16 173 14
4 175 173 2 166 9
5 190 173 17 170 20
6 205 175 30 180 25
7 180 178 2 193 13
8 182 178 4 186 4
绝对偏差和 84 100
MAD=∑| 偏差 |/n 10.5 12.5
例:巴尔蒂摩港在过去 8个季度里,装卸了大量谷物,港口作业经理想试一下用不同α值的指数平滑法预测装卸量为 175 吨。取两个α进行测试。 α=0.1 和 α=0.5 。
攀枝花学院经济管理学院 蒋霁云
时间序列预测之趋势调整指数平滑法调整方法:先用指数平滑法求出预测值 Ft ,然后用正
或负的趋势值 Tt 进行调整
包含趋势预测( FITt ) = 新预测( Ft ) + 趋势校正( Tt )
Ft = At-1 + (1-) Ft-1
Tt = ( 1 - β ) Tt-1 + β ( Ft - Ft-
1 )Tt :第 t 期经过平滑的趋势 Tt-1 :第 t 期上期经过平滑的趋势
β :我们选择的趋势平滑系数 Ft :第 t 期简单指数平滑预测值
Ft-1 :第 t 期上期简单指数平滑预测值
攀枝花学院经济管理学院 蒋霁云
例:一家位于波特兰的大公司用指数平滑法预测对污染控制设备的需求。很明显它有一个上升的趋势。
指定平滑系数 =0.2 和 β=0.4 。假定 1 月份的预测值为 11 件。
月份 需求 月份 需求1 12 6 26
2 17 7 31
3 20 8 32
4 19 9 36
5 24
F2 = 11+0.2 ( 12-11 ) =11+0.2=11.2 件步骤 1 :对 2 月份的预测( F2 )等于对 1 月份预测 ( F1 ) + ( 1 月份需求 -1 月份预测:步骤 2 :计算当前趋势,假定初始趋势调整为 0 ,即 T1=0 。
T2 = ( 1 - β ) T1 + β ( F2 - F1 ) =0+0.4 ( 11.2-11 ) =0.08步骤 3 :计算包含趋势的预测( FITt )。
( FIT2 ) = F2+ T2 =11.2+0.08=11.28
对 3 月份也做同样计算。步骤 1 : F3=F2 + ( 2 月份需求 - F2 ) =11.2+0.2 ( 17-11.2 ) =12.36步骤 2 : T3 = ( 1 - β ) T2 + β ( F3- F2 ) = ( 1-0.4 )( 0.08 ) =0.4 ( 12.36-11.2 ) =0.51步骤 3 : FIT3= F3+ T3 =12.36+0.51=12.87
其他月份以此类推
攀枝花学院经济管理学院 蒋霁云
时间序列预测之趋势外推法基本思想:找出历史数据中的趋势线,以此预测将来
时间的值。
?
时间
因变量值
趋势线
b= ∑x y —n x y
∑ x2— n x2 a = y - b x
y = a + b x
攀枝花学院经济管理学院 蒋霁云
例:纽约爱迪生电力公司 1989~1995 年间电力需求见下表,以兆瓦为单位。让我们找出这些数据的趋势直线并预测 1996 年的需求
年份 电力需求 年份 电力需求 年份 电力需求 年份 电力需求1989 74 1991 80 1993 105 1995 122
1990 79 1992 90 1994 142
年份 时期 电力需求 x2 x y
1989 1 74 1 74
1990 2 79 4 158
1991 3 80 9 240
1992 4 90 16 360
1993 5 105 25 525
1994 6 142 36 852
1995 7 122 49 854
∑x y=3063∑x =28 ∑y=692 ∑ x2 =140
x = = = 7∑xn
284
y = = = 98.86∑yn
6927
b= = =10.54∑x y —n x y
∑ x2— n x2
3063-(7)(4)(98.86)
140-(7) (42 )
a = y - b x = 98.86-10.54(4)=56.7 因此 y=56.7+10.54x 1996年在编号体系中 x=8 ,因此, 1996 年的需求 = 56.7 + 10.54 ( 8 ) = 141.02
攀枝花学院经济管理学院 蒋霁云
数据的季节波动
按月平均法求季节比率:1 )列表。将各年同月(季)的数值列在同一栏内2 )将各年同月(季)数值加总,并求月(季)平均数3 )将所以月(季)数值加总,求总的月(季)平均数4 )求季节比率(或季节指数) S.I. ,计算公式为:
S.I.=各月平均数
全期各月平均数×100%
攀枝花学院经济管理学院 蒋霁云
例:康柏公司的笔记本电脑在雷瓦计算机商店 1993~1994 年每月销量见下表:
月份 销量 1993~1994平均销量
平均月销量 季节指数1993 1994
1 80 100 90 94 0.957
2 75 85 80 94 0.851
3 80 90 85 94 0.904
4 90 110 100 94 1.064
5 115 131 123 94 1.309
6 110 120 115 94 1.223
7 100 110 105 94 1.117
8 90 110 100 94 1.064
9 85 95 90 94 0.957
10 75 85 80 94 0.851
11 75 80 80 94 0.851
12 80 80 80 94 0.851总平均销量 =1128
平均月销量 = = 94
112812 个月
季节指数 =1993~1994 当月平均销量
平均月销量
攀枝花学院经济管理学院 蒋霁云
利用这些季节指数,如果预计 1995 年需求为 1200 台,则以如下方式预测月需求
120012
1 × 0.957=96
120012
2 × 0.851=85
120012
5 × 1.309=131
1200
123 × 0.904=90
120012
4 × 1.064=106
120012
8 × 1.064=106
120012
10 × 0.851=85
120012
9 × 0.957=96
120012
7 × 1.117=112
月份 需求 月份 需求
120012
6 × 1.223=122
120012
11 × 0.851=85
120012
12 × 0.851=85
攀枝花学院经济管理学院 蒋霁云
因果预测法
一、一元线性回归1 )求回归方程2 )估计标准误差3 )求相关系数。 |r|= 0 ~0.3无相关; |r|=0.3~0.5低度相关|r|=0.5~0.8显著相关; |r|=0.8~1高度相关
问:一元线性回归与趋势外推法有什么差别?二、多元线性回归
范例( P77)
攀枝花学院经济管理学院 蒋霁云
监控预测
• 检验预测模型是否仍然有效;• 测试指标:跟踪信号
TS= ( 第 i期实际需求 第 i期需求预测 )/MAD• 结论: TS接近 0 或在一定的范围内,预测模
型仍然有效。• TS的控制范围一般取 3MAD~8MAD,多数情况下取 4MAD。
攀枝花学院经济管理学院 蒋霁云
计算机在预测中的作用
1 、取代手工运算2 、自适应平滑3 、聚焦预测