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,11,时间序列法,continued,明年各季需求预测值的计算,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,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,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,28,线性回归分析,continued,计算结果,b=359.6153,a=441.6666,因此,29,线性回归分析,continued,计算结果,13,季度到,16,季度的预测值如下：,30,线性回归分析,continued,计算结果,直线对数据的拟合程度即估测标准差为,：,估测标准差,：,=363.9,31,因果关系预测,因果关系,一事件的发生导致了另一事件的发生,如果动因事件事先就可以确定地预见，则可用它作为预测的依据,找出那些真正可以成为原因的事件,32,因果关系预测,算例,地毯销售记录,年份,批准新建房屋（所）,销量（码,2,）,*,1989,18,13 000,1990,15,12 000,1991,12,11 000,1992,10,10 000,1993,20,14 000,1994,28,16 000,1995,35,19 000,1996,30,17 000,1997,20,13 000,*,1,码,2,0.836,米,2,33,因果关系预测,解答,做散点图,0 5 10 15 20 25 30 35,20000,18000,16000,14000,12000,10000,8000,6000,新建房屋（所）,地毯销量,（码,2,）,34,因果关系预测,解答,斜率,样本点,年份,新建房屋,x,（所）,地毯销量,y,（码,2,）,1992,10,10 000,1996,30,17 000,35,因果关系预测,解答,预测方程,假设,2000,年将新建,25,所房屋，则该公司,2000,年地毯的预测销量,：,7 000,350,（,25,）,15 750,（码,2,）,36,小结,本章学习了：,预测及其分类,预测步骤,预测方法的选择,时间序列预测方法,线性回归分析,因果关系预测,37,