生产与作业管理培训课程.pptxVIP

第二讲， 需求预测张志英上海交通大学工业工程与管理系2007年5月提纲简介定性预测方法定量预测方法预测系统及计算机软件预测的定义预测:猜测出未来变量值，例如需求、库存等预测的重要性市场需求估计预测方法销售预测管理队伍商业战略产品、资源预测预测的重要性(Cont’d)需求预测 (Demand estimates) 是计划与作业管理的最开始步骤.销售预测（Sales forecasts) 部分基于DE.销售预测是商业策略(Business Strategy) 和产品资源（Resources)预测的基础.需求预测是中期生产计划和主生产计划的前提条件预测的重要性(Cont’d)新设施规划 – 可能要5年的时间去设计和建设新工厂并实现新的产品流程.产品规划 – 需求每个月都在改变，而我们可能需要几个月去改变生产线的能力。工作调度 – 对服务（包括职员）的需求每天都在变，但员工的安排一般都需要提前进行。预测方法定性定量事物的因果关系事物的发展变化定性方法不需要需求的历史，因此适合于新产品或服务直觉到科学推测方法依赖于产品的生命周期a product’s life cycle stage定性方法(Cont’d)直觉有根据的推测 决定者多数意见Delphi 方法销售人员预测客户调查 历史类推市场调查研究科学定量预测方法基于假设：历史会重演过去的分析将会为将来的预测提供基础定量方法：因果法基于时间序列的方法 定量预测方法-因果模型因果模型令Y-需要预测的值X1, X2, …, Xn :决定Y的n个参数 即 Y=f(X1, X2, …, Xn).最简单的因果模型是线性的: Y=?0+ ?1X1+ ?2X2+…+ ?nXn,, 其中， ?i (i=1-n) 为常系数确定这些系数的最常用的方法是最小二乘法定量预测方法-因果模型假设我们已有n个数据且因果模型为 Y=a+bX. 令为极小化g, 令定量预测方法-因果模型如果所知的数据中，x是自然数（第i 个阶段），即 (i, Di), i=1~n, 则因果模型及计算可简化如下：时间序列分析时间序列给出一组与时间顺序相关的数（历史数据）时间序列的分析识别一种模式一旦模式被识别，它可以被用来预测未来时间序列的模式趋势.循环 季节性随机变化符号令 D1, D2, …, Dt, …, 作为每一个时期1, 2, …, t, ….的需求预测Dt, 假设已知 D1, …,Dt-1Ft : 根据1, …,Dt-1 的预测值 一步预测事实上，我们需要得到系数一步预测多步预测如何评价预测？其中， Ft-?,t 是提前 ? 个时期预测t 时刻的值三种常见评价量MAD: 绝对平均差MSE: 方差MAPE: 绝对平均相对百分差如何评价预测理想, E(ei)=0.预测误差 ei 在0的上下浮动稳定的时间序列预测法稳定的时间序列: 每一阶段的值可表示为其中， = 所有序列的平均值 ?= 随机量，且期望与方差分别为 0与??2.方法移动平均指数平滑稳定的时间序列预测法下一个阶段的预测值是已过去阶段的平均值简化计算，基于Ft 求Ft+1 预测值稳定的时间序列预测法指数平滑第t个时期的预测值是过去一个时期的预测值减去预测误差其中， 0??1 是平滑系数指数平滑例: Central Call Center（呼叫中心） Day Calls Day Calls 1 159 7 203 2 217 8 195 3 186 9 188 4 161 10 168 5 173 11 198 6 157 12 159例: 呼叫中心移动平均 AP = 3 F13 = (168 + 198 + 159)/3 = 175.0 calls例: Central Call Center（呼叫中心）带权移动平均 F13 = .1(168) + .3(198) + .6(159) = 171.6 calls 例: Central Call Center（呼叫中心）指数平滑 F12 = 180.76 + .25(198 – 180.76) = 185.07 F13 = 185.07 + .25(159 – 185.07) = 178.55预测精度 AP = 3a = .25 Day Calls Forec. |Error| Forec. |Error| 4 161 187.3 26.3 186.0 25.0 5 173 188.0 15.0 179.8 6.8 6 157 173.3 16.3 178.1 21.1 7 203 163.7 39.3 172.8 30.2 8 195 177.7 17.3 180.4 14.6 9 188 185.0 3.0 184.0 4.0 10 168 195.3 27.3 185.0 17.0 11 198