生产运作管理1(3)

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,生产运作管理,预测,Chapter 4,1,学习目标,掌握预测的一些基本方法、模型和步骤。,对于给定的企业环境，能够选用一种合适的预测模型进行预测。,掌握时间序列预测方法中趋势和季节调整方法。,2,沃尔玛,以最低廉的价格从正确的货架上取出正确的货物,数据库：销售情况、库存状况、在途货物、市场统计数据、顾客统计数据、财务业绩、退货商品以及供应商绩效等,数据库与供应商共享,趋势分析、库存管理、增进对顾客的了解,需求预测,3,预测的意义,财务职能：为制定财务预算计划和成本控制提供依据,营销职能：依靠销售预测来进行销售网点的布设、销售人员的补充等决策,生产运营：利用预测制定周期性决策，例如工艺选择、生产能力计划等；同时也用于生产计划、调度和库存等决策活动,Sales will be$200 Million!,4,按时间跨度,短期预测,中期预测,长期预测,按基本方法,定,性预测：基层预测、市场调研、小组共识、历史类比、德尔菲法,时间序列分析：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯,詹金斯（,Box Jenkins,）法、希斯金（,Shiskin,）时间序列、趋势外推,因果联系：回归分析、计量经济模型、投入,/,产出模型、先行指标,模拟模型：以计算机为基础的动态模拟模型,预测的分类,5,预测步骤,明确预测目的,确定时间跨度,选择预测方法,收集并分析相关数据,进行预测,对预测过程进行监控,将预测结果付诸实际应用,6,预测方法的选择,影响预测方法选择的因素,成本,精度,历史数据的可获得性,计算机的可获得性,必要的准备时间,有无使用经验,预测目的,选择预测方法的原则,审慎地对成本精度做出权衡，从管理角度选择最合适的预测方法,如果可能，使用多种预测方法来得到相互独立的预测结果，以增加预测结果的可信度,权衡,7,预测方法的选择,continued,预测方法,需要的历史数据,（观察值）,数据分布,预测周期,准备时间,预测人员,个人背景,简单移动平均,510,个,数据稳定,短期,短,不要求精通,加权移动平均,10,15,个,呈长期趋势变动,短期到中期,短,掌握方法,指数平滑,10,20,个；,有季节变动，,每季至少,5,个,呈长期趋势变动,短期到中期,短,掌握方法,综合方法,两对谷峰足够,处理循环和,季节变动分布,短期到中期,短到中等,不要求精通,回归分析,每个自变量,10,个,能够处理复杂分布,短期、中期或长期,建模时间长,实施时间短,非常精通,选择合适预测方法的指南,8,时间序列预测方法,时间序列,为按时间顺序排列的数列，它包含一个或多个需求的影响因素：趋势、季节性、周期性、自相关性和随机性,相加式季节变动,假设：无论趋势效应或平均值如何变化，季节变动量恒为常数,包括趋势性和季节性的预测,=,趋势,季节变动量,9,时间序列法,continued,相乘式季节变动,包括趋势性和季节性的预测,=,趋势,季节因子,季节因子,时间序列中随各季节变化所作的调整系数,算例,1,某企业平均每年售出,1000,件产品,春季售出,200,件，夏季,350,件，秋季,300,件，冬季,150,件,预计明年的总需求为,1100,件，季节因子等于各季度销售量除以季度平均销售量所得的比值,分析明年各季的需求,10,时间序列法,continued,解答,季节因子的计算,过去的销量,（件）,每季平均销量（件）,（,1000/4,）,季节因子,春季,200,250,200/250=0.8,夏季,350,250,350/250=1.4,秋季,300,250,300/250=1.2,冬季,150,250,150/250=0.6,总计,1000,11,时间序列法,continued,明年各季需求预测值的计算,明年需求期望值,（件）,每季平均销量（件）,（,1100/4,）（,1,）,季节因子,（,2,）,明年各季需求,预测值（件）,（,1,）*（,2,）,春季,275,0.8,220,夏季,275,1.4,385,秋季,275,1.2,330,冬季,275,0.6,165,总计,1,1,00,12,时间序列法,continued,算例,2,某产品销量的历史数据如表所示,某产品销量历史数据 单位：件,根据手绘直线计算趋势和季节因子,季度,销量,季度,销量,1998,300,1999,520,1998,200,1999,420,1998,220,1999,400,1998,530,1999,700,13,时间序列法,continued,解答,做散点图,直线方程：,T,t,=170+55t,式中：,T,t,趋势值,斜率,=,（,610,170,）,8,1998,年,1999,年,800,700,600,500,400,300,200,100,0,14,时间序列法,continued,2000,年趋势性预测和季节因子的预测（,FITS,t,）,FITS,t,趋势,季节因子,2000 FITS9,170,55,（,9,）,1.25,831,2000 FITS10,170,55,（,10,）,0.78,562,2000 FITS11,170,55,（,11,）,0.69,535,2000 FITS12,170,55,（,12,）,1.25,1 038,15,时间序列法,continued,根据实际数据和趋势曲线计算的季节因子,单位：件,季度,实际销量,由趋势方程推出,T,t,=170+55t,实际值,/,趋势值,的比值,季节因子（,2,年中同一季节的平均值）,1998,300,225,1.33,200,280,0.71,220,335,0.66,1.25,530,390,1.36,0.78,1999,0.69,520,445,1.17,1.25,420,500,0.84,400,555,0.72,700,610,1.15,16,时间序列法,continued,最小二乘回归分解,找出时间序列的基本分量如趋势、季节性和周期性，并分别计算各季度及各周期的指数,步骤,分解时间序列为各组成分量,找出季节分量,消除需求的季节性,找出趋势分量。,预测各分量的未来值,将趋势分量外推至未来,用季节分量乘以趋势分量,17,时间序列法,continued,算例,3,应用最小二乘回归求算例,2,中的时间序列分解结果,每一个数据点相应于,3,年（,12,季度）中的某个季度,预测第,4,年,4,个季度的需求,18,时间序列法,continued,解答,步骤,确定季节因子（或季节指数）,消除原始数据中的季节性,根据消除需求季节性影响后的数据建立最小二乘回归直线,将回归直线外推至所要预测的区间,用季节因子修正回归直线，建立最终预测方程,19,时间序列法,continued,消除季节性影响后的需求,单位：件,（,1,）,时期（,x,）,（,2,）,季度,（,3,）,实际需求,（,y,）,（,4,）,每年同一季度,的平均值,（,5,）,季节,因子,（,6,）,消除季节性,影响后的需求（,y,d,）,列（,3,）,列（,5,）,（,7,）,x,2,列（,1,）平方,（,8,）,x,y,d,列（,1,）,列（,6,）,1,600,(600,2 400,3 800)/3,2 266.7,0.82,735.7,1,735.7,2,1 550,(1 550,3 100,4 500)/3,3 050,1.10,1 412.4,4,2 824.7,3,1 500,(1 500,2 600,4 000)/3,2 700,0.97,1 544.0,9,4 631.9,4,1 500,(1 500,2 900,4 900)/3,3 100,1.12,1 344.8,16,5 379.0,5,2 400,0.82,2 942.6,25,14 713.2,6,3 100,1.10,2 824.7,36,16 948.4,7,2 600,0.97,2 676.2,49,18 733.6,8,2 900,1.12,2 599.9,64,20 798.9,9,3 800,0.82,4 659.2,81,41 932.7,10,4 500,1.10,4 100.4,100,41 004.1,11,4 000,0.97,4 117.3,121,45 290.1,12,4 900,1.12,4 392.9,144,52 714.5,78,33 350,12.03,33 350.1,650,265 706.9,注：第,3,列和第,6,列的累计总和都应为,33 350,件，表中出现的差异是由于小数取整的结果。第,5,列精确到小数点后两位,20,时间序列法,continued,修正后的预测值,时期,季度,回归直线给出的,Y,值,季节因子,预测值（,Y,季节因子）,13,1,5 003.5,0.82,4 102.87,14,2,5 345.7,1.10,5 880.27,15,3,5 687.9,0.97,5 517.26,16,4,6 030.1,1.12,6 753.71,21,时间序列法,continued,误差范围,常见误差,错误,22,线性回归分析,线性回归方程,Y,a,bx,作用,有助于主要事件和综合计划的长期预测,例如，预测产品簇的需求情况,局限,它假设历史数据和未来预测值都落在一条直线之上,，,限制了该方法的应用,23,线性回归分析,continued,算例,某企业的某种产品在过去,3,年共,12,个季度内的销售情况如表：,用散点图和简单目视法或视觉启发式近似法徒手绘制回归直线，预测第,4,年的各个季度的销售情况,季度,销售量,季度,销售量,1,600,7,2 600,2,1 550,8,2 900,3,1 500,9,3 800,4,1 500,10,4 500,5,2 400,11,4 000,6,3 100,12,4 900,24,线性回归分析,continued,解答,手绘回归方程,手绘回归直线,1 2 3 4 5 6 7 8 9 10 11 12,6000,5000,4000,3000,2000,1000,0,从直线上的点读出第,1,季度和第,12,季度的,Y,值，分别为,750,和,4 950,25,线性回归分析,continued,b=(4950-750)/(12-1)=382,手绘回归方程为,Y=400+382x,第,13,季度到第,16,季度的预测值,季度,预测值,13,400,382,（,13,）,=5 366,14,400,382,（,14,）,=5 748,15,400,382,（,15,）,=6 130,16,400,382,（,16,）,=6 512,26,线性回归分析,continued,解答,最小二乘法,原则,使得,(y,1,-Y,1,),2,+(y,2,-Y,2,),2,+(y,12,-Y,12,),2,最小,式中,a,Y,轴截距；,b,直线斜率；,所有,y,值的平均值；,所有,x,值的平均值；,x,各点的,x,值；,y,各点的,y,值；,n,数据点个数；,Y,回归方程求出的因变量值,27,线性回归分析,continued,计算结果,x,y,xy,x,2,y,2,Y,1,600,600,1,360 000,801.3,2,1550,3100,4,2 402 500,1 160.9,3,1500,4500,9,2 250 000,1 520.5,4,1500,6000,16,2 250 000,1 880.1,5,2 400,12 000,25,5 760 000,2 239.7,6,3 100,18 600,36,9 610 000,2 599.4,7,2 600,18 200,49,6 760 000,2 959.0,8,2 900,23 200,64,8 410 000,3 318.6,9,3 800,34 200,81,14 440 000,3 678.2,10,4 500,45 000,100,20