工学需求预测ppt课件

第三章 需求预测,第一节 预测,第二节 定性预测方法,第三节 定量预测方法,第四节 预测监控,1,一、预测的概念 是对未来可能发生的情况的预计和推测。 科学性：客观事物发展的惯性； 随机现象的统计规律性。,第一节 预测,二、预测的作用,1、预测是制定战略的基础。,2、预测是制定计划的基础。,3、预测是协调各部门工作的依据。,4、有助于为尽快满足用户需求做好准备。,2,三、预测的分类,第一节 预测,（1）科学预测：是对科学发展情况的预计和推测。 （2）技术预测：是对技术进步 情况的预计和推测。 （3）经济预测：是政府部门以及其它一些社会组织经常就未来的经济发展状况作经济预测报告。 （4）需求预测：不仅为企业给出了其产品在未来的一段时间里的需求期望水平，而且为企业的计划和控制决策提供了依据。,3,四、需求预测的分类,第一节 预测,1、按时间分 （1）长期预测：是指对5年或5年以上的需求前景的预测。 （2）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。 （3）短期预测：是指以日、周、旬、月 为单位，对一个季度以下的预测。,2、按主客观因素所起的作用分 （1）定性预测方法：依靠人们的才干、知识、远见和判断力来推测未来的变化。 （2）定量预测方法：主要根据对历史资料的分析来推断未来的需求。,4,预测方法,定性预测方法,定量预测方法,德尔菲法,部门主管讨论法,用户调查法,销售人员意见汇总法,因果模型,时间序列模型,时间序列平滑模型,时间序列分解模型,移动平均法,一次指数平滑法,二次指数平滑法,乘法模型,加法模型,第一节 预测,四、需求预测的分类,5,五、影响需求预测的因素,第一节 预测,1、商业周期：从复苏到高潮到衰退到萧条, 周而复始。,2、产品生命周期：任何成功的产品都有 导入期、成长期、成熟期和衰退期4个阶段。,复苏,高潮,衰退,萧条,复苏,导入期,成长期,成熟期,衰退期,6,六、预测一般步骤,1、决定预测的目的和用途； 2、决定影响因素； 3、收集分析资料； 4、选择预测方法和模型； 5、计算并核实预测结果； 6、应用预测结果； 7、预测监控。,第一节 预测,7,第二节 定性预测方法,一、德尔菲法(Delghi method)：专家调查法,（1）挑选专家； （2）函询调查：向专家提出问题，要求书面答复； （3）汇集综合整理：将搜集来的专家意见整理； （4）再次函询：将整理的意见反馈给各专家，要求他们修正其预测，并说明修正理由； （5）最终预测：循环3、4步，至3、4轮。,优点：匿名性，避免群体压力现象，专家充分发表意见，且最后能统一。,缺点：受主观因素影响，专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后趋于一致的意见仍带有随大流的倾向。,1、步骤：,2、优缺点：,8,第二节 定性预测方法,一、德尔菲法(Delghi method)：专家调查法,3、三条原则：,匿名性、反馈性、收敛性。,1、部门主管集体讨论法 2、用户调查法 3、销售人员意见汇集法 （略、自学）,二、其他方法,9,第三节 定量预测方法,假设：过去存在的变量间关系和相互作用机理，今后仍存在并 继续发挥作用。,一、时间序列： 1、概念：按一定时间间隔和事件发生的先后顺序排列起来的数据构成 的序列。,10,趋势(T), 时间序列构成要素,时间序列的4个构成要素,需求以一定的比率增加或减少的倾向,季节性变化 (S),在趋势线上下变化 以一年为单位反复出现,循环因素 (C),经过一年以上的长时间变化,需求 循环性的上下浮动,不规则变化 /偶然变化(I),说不出原因的变化,不能预测和控制 (例如:战争,地震),预测用途与预测技术,需 求,时间序列模型,趋势,时间,季节性 变化,周期 因素,不规则 变化,11,第三节 定量预测方法,一、时间序列： 2、时间序列构成要素：,12,一、时间序列： 2、时间序列构成要素：,1）趋势成分：引起原因（人口的变动，经济的增长，技术的进步，生产力的发展）。T（Trend),2）季节成分：每个年度内成规则性的重复波动形态。起因：季节性的气候变化和风俗习惯。S(Season),3）周期成分：经济成长过程中景气和不景气交替重复发生的波动情况。发展、繁荣、衰退、恢复。诱发因素：社会政治变动、战争、经济形势变化。C(Cycle),4）随机成分：不可控因素引起的，没有规则的上下波动。I（Irregularity),13,二、时间序列平滑模型,第三节 定量预测方法,1、简单移动平均（Simple moving average ）,简单移动平均值为：,可消除由于随机成分的影响而导致的需求偏离平均水平,14,第三节 定量预测方法,预测值同简单移动平均所选的时段长n有关，具有滞后性。n越大，对干扰的敏感性越低，预测的稳定性越好，滞后性越强，响应性就越差。,简单移动平均法对数据不分远近，同样对待。为了反映最近的趋势，可采用加权移动平均。,15,二、时间序列平滑模型,第三节 定量预测方法,2、加权移动平均（Weighted moving average）,加权移动平均值为：,为实际需求的权系数。,16,第三节 定量预测方法,若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法的结果要小。,近期数据的权重越大，则预测的稳定性就越差，响应性就越好。,可以同时改变n和。,简单移动平均和加权移动平均需要的数据量大，计算量非常大，当产品很多时计算工作繁重。,17,3、 一次指数平滑法（Single exponential smoothing） 一次平滑指数值：,二、时间序列平滑模型,第三节 定量预测方法,SFt+1为（t+1）期一次指数平滑预测值；,At为t期实际值；,为平滑系数，它表示赋予实际数据的权重（01）,可以将上述公式中的SFt依次展开，得到书上65页式3.6，从而将第t+1期的预测值看作前t期实测值的指数形式的加权和。,t+1预测值为第t期的实际值和预测值的加权和。,18,3、 一次指数平滑法（Single exponential smoothing）,二、时间序列平滑模型,第三节 定量预测方法,用一次指数平滑法进行预测，当出现趋势时，预测值之虽然可以描述实际值的变化形态，但预测值总是滞后于实际值。,当出现趋势时，取较大的得到的预测值和实际值比较接近。,一般来说，选得小一些，预测稳定性比较好；反之，其响应性就比较好。,面对有上升或下降趋势的需求序列时，就要采取二次指数平滑法进行预测。 对于出现趋势并有季节性波动的情况，则要用三次指数平滑法。,19,三、时间序列分解模型,第三节 定量预测方法,企图从时间序列之中找出各种成分，并在对各种成分单独进行预测的基础上，综合处理各种成分的预测值，以得到最终的预测结果。,1、概念,2、假设：各种成分单独地作用于实践需求，而且过去和现在起作用的机制持续到未来。,实际需求是以上几种因素共同作用的结果。,3、模型,加法模型：用各成分相乘的方法来求出需求估计值,乘法模型：用各成分相乘的方法来求出需求估计值,TFTSCI,TFTSCI,20,时间序列分解模型,-通过分解时序列构成要素(趋势,季节,循环,偶然)来预测需求 -实际上要掌握不规则的循环变化和偶然性因素是很困难的 因此一般更多的利用分解趋势和季节因素的预测值 FITS (forecast including trend and seasonal) -趋势和季节因素的结合形态有加法和乘法季节变化,趋势 分析法,加法季节变化,FITS=趋势+季节变化,乘法季节变化,FITS=趋势*季节变化,a,Yt,t,0 1 2 3 4,a,Yt,t,0 1 2 3 4,21,时间序列分解模型,某一产品1994年实际需求为400个,从季节看春天90,夏天150,秋天110,冬天50.假设此产品的年平均需求量以10%增长时,利用加法和乘法季节变化,求出1995年各季节需求预测值.,实际需求(Yt),春 夏 秋 冬,90 150 110 50,季节变化幅度,90-100=-10 150-100=50 110-100=10 50-100=-50,合计 400 440 440,季节指数,90/100=0.9 150/100=1.5 110/100=1.1 50/100=0.5,加法变化幅度,110-10=100 110+50=160 110+10=120 110-50=60,乘法变化幅度,110*0.9=99 110*1.5=165 110*1.1=121 110*0.5=55,1994,1995,平均季节需求值(1994年)=400/4=100 平均季节需求预测值(1995年)=100*（1+10%）=110,22,第三节 定量预测方法,4、有线性趋势、相等季节波动的时间序列分解模型,例3.4 有某旅游服务点过去3年各季度快餐的销售记录。试预测该公司未来一年各季度的销售量,解（1）求趋势直线方程, 用表36绘出曲线图形；,T=0时，a=10000份；t=12时，为12000份； b=(12000-10000)/12=167 所以趋势直线方程为：Tt=10000+167t,三、时间序列分解模型,计算4个季度的移动平均值，标在图上；,利用目测法，让直线穿过移动平均值，使数据分布在直线两侧；,得到趋势直线方程。,23,第三节 定量预测方法,4、有线性趋势、相等季节波动的时间序列分解模型,（2）估计季节系数,季节系数：就是实际值At与趋势值Tt的比值的平均值，即At/Tt,三、时间序列分解模型,At由表36可以查到，Tt用趋势直线方程可以计算得到。,分别计算夏秋冬春的季节系数，得到,SI（夏）1.15；SI（秋）1.00；SI（冬）0.85；SI（春）1.00；,需要对这些系数进行不断地修正。,24,第三节 定量预测方法,4、有线性趋势、相等季节波动的时间序列分解模型,三、时间序列分解模型,（3）预测：选择正确的t值和季节系数,本例的t值分别为13，14，15，16，对应的季节系数分别为SI（夏）,SI（秋）,SI（冬）,SI（春）,夏季：（1000016713）1.15=13997,秋季：（1000016714）1.00=12338,冬季：（1000016715）0.85=10629,春季：（1000016716）1.00=12672,25,四、因果模型：除时间外，其他因素对需求的影响,第三节 定量预测方法,一元回归模型,YT为一元线性回归预测值；,为截距,为X为自变量X=0时的预测值；,b为斜率；,n为变量数；,X为自变量的取值；,Y为因变量的取值；,26,四、因果模型（回归模型、经济计量模型、投入产出模型）,第三节 定量预测方法,衡量一元线性回归方法的偏差，可用两个指标：线性相关系数r和标准差Syx,R为正：正相关；为负，负相关。R越接近1，说明实际值与所作出的直线越接近。,Syx越小表示预测值与直线的距离接近。,27,代入公式,Y6 = 19+11*6 = 85,b=,ntYt - ( Yt)(t),nt2 - (t)2,a =,Yt - b(t),n,某一产品在过去5年中的需求如下:,年度,实际需求,90 91 92 93 94,30 40 60 50 80,年度,实际需求(Yt),90 91 92 93 94,30 40 60 50 80,为求出a,b值.先做如下表: 为计算方便把90年作为期间1,期间(t),1 2 3 4 5,t2,t Yt,1 4 9 16 25,30 80 180 200 400,合计 15 260 55 890,= 19,= 11,Yt = a+bt = 19+11t,因此所求曲线是:,1995年为t=6,预测值Y6,见EXCEL计算,28,年度,实际需求,89 90 91 92 93 94,62 79 86 94 107 120,Jiang S Pizza店在过去6年中销售额如下表显出增长趋势. 利用最小二乘法求出曲线,并画出趋势图 利用曲线推算95年的销售额,作业,29,Yt = 2.2+0.80X,作业,LL电子为了预测TV的销售额,随机选定10个地区,分析结果如下,人口数(单位:万名)和年销售额(单位:百万)之间成立如下线性回归方程.,(1)变量和自变量是什么 (2)请预测人口为6万的城市年销售额是多少.,30,一、预测精度测量,第四节 预测监控,评价预测精度的指标：平均绝对偏差、平均平方误差、平均预测误差、平均绝对百分误差。,1、平均绝对偏差,如果预测误差为正态分布，MAD约等于0.8倍的标准偏差，可较好地反映预测精度。,预测误差：是指预测值和实际值之间的差异。 平均误差：是评价预测精度、计算预测误差的主要指标。,式中：At 表示时段 t的实际值；Ft表示时段 t 预测值；n是整个预测期内的时段个数（或预测次数）。,31,一、预测精度测量,第四节 预测监控,2、平均平方误差,3、平均预测误差,4、平均绝对百分误差,32,二、预测监控,两种方法,（1）最近的实际值与预测值进行比较，看偏差是否在可接受的范围以内。,（2）应用跟踪信号（Tracking signal，TS）,跟踪信号：预测误差滚动和与平均绝对偏差的比值）,1、预测的理论基础是：一定形式的需求模式过去、现在和将来起着基本相同的作用。,第四节 预测监控,33,若预测模型仍然有效TS应该比较接近于零（TS在一定范围内）。,第四节 预测监控,34,作业,P77 思考题：3，4，5 练习题：5 综合题： 1 .对未来10年武汉市房价作预测 2 .对未来年工业工程毕业生就业率作预测,35,1 .对未来10年武汉市房价作预测,房价的构成：地价，材料成本，人工成本，其他费用，利润 经济周期 产品生命周期 通货膨胀情况 政府宏观调控：利率 历史数据,36,2 .对未来年工业工程毕业生就业率作预测,就业率需求供给 需求：经济发展 供给：高校招生 经济周期 产品生命周期 政府宏观调控 历史数据：国内；国外,37,