生产与运作管理 Production & Operations Management
35
生生生生生生生 Production & Operations Management
description
生产与运作管理 Production & Operations Management. 第 3 章 预测 Forecasting. 3.1 预测 3.2 定性预测方法 3.3 定量预测方法 3.4 预测误差及监控. I see that you will get an A this semester. 3.1 预测. 3.1.1 预测及其作用 3.1.2 预测分类 3.1.3 预测的步骤. 3.1.1 预测及其作用. 预测是对未来可能发生的情况的预计与推测。 作用 - PowerPoint PPT Presentation
Transcript of 生产与运作管理 Production & Operations Management
生产与运作管理Production & Operations Management
第 3 章 预测 Forecasting
3.1 预测3.2 定性预测方法3.3 定量预测方法3.4 预测误差及监控
3.1.1 预测及其作用3.1.2 预测分类3.1.3 预测的步骤
3.1 预测
I see that you willget an A this semester.
3.1.1 预测及其作用
预测是对未来可能发生的情况的预计与推测。作用 “ 凡事预则立，不预则废”。预测为人们提供了即
将发生的情况的信息，增加了成功的机会。 但预测不是一门精确的科学，它是科学与艺术的结
合。 预测离不开科学测定的数据，也离不开人们的经验
和判断。 不能因为预测的失误而否定预测。
预测的基本假设：过去的发展状态要持续到将来对总量的预测要比对个体的预测精确 如每天从武汉到北京旅客数量的预测，比
预计某个人将到何处出差要准确预测精度随预测的时间范围
增加而降低
3.1.1 预测及其作用 ( 续）
预测的作用 帮助管理者设计生产运作系统
生产什么产品，提供何种服务 在何处建立生产 / 服务设施 采用什么样的流程 供应链如何组织
帮助管理者对系统的使用进行计划 今年生产什么，生产多少 如何利用现有设施提供满意服务
3.1.2 预测分类
按性质分 科学预测 科学预测是对科学发展情况的预
计与推测。如门捷列夫预计有 3 个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。
技术预测 技术预测是对技术进步情况的预计与推测。
经济预测 政府部门以及其它一些社会组织经常就未来的经济状况发表经济预测报告
3.1.2 预测分类（续） 需求预测 需求预测为企业给出了产品在未
来的一段时间里的需求期望水平 , 为企业的计划和控制决策提供了依据。
社会预测 社会预测是对社会未来的发展状况的预计和推测。比如人口预测、人们生活方式变化预测、环境状况预测等。
需求预测与企业生产经营活动关系最密切。
3.1.2 预测分类（续）按时间分 长期预测 (Long-range Forecast) 对 5 年或 5 年以上
的需求前景的预测。它是企业长期发展规划的依据。 中期预测 (Intermediate-range Forecast) 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。它是制订年度生产计划、季度生产计划的依据。
短期预测 (Short-range Forecast) 短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作业计划等具体生产经营活动的依据。
3.1.2 预测分类（续）
按主客观因素所起的作用分 定性预测方法 定量预测方法
3.1.3 预测的步骤
1 确定预测的目的 2 确定预测的时间范围
3 选择预测的方法 4 收集和分析数据
5 准备预测 6 对预测进行监控
“ 预测”
3.2 定性预测方法
Delphi 法
用户期望调查法
部门主管意见
销售人员意见汇集法
3.3 定量预测方法时间序列模型 时间序列平滑模型 时间序列分解模型
因果关系模型
预测方法
定性预测方法
定量预测方法
Delphi 法用户期望调查法部门主管讨论法
销售人员意见汇集法
因果模型
时间序列模型
移动平均法加权移动平均法
指数平滑法
乘法模型
加法模型
时间序列平滑模型
时间序列分解模型
预测方法
单纯法
3.3 定量预测方法（续）
时间序列预测（ Time Series Forecasts ） 趋势成分（ Trend ） - 数据长期变化趋势 季节性波动（ Seasonality ） - 数据短期有
规律的波动 不规则波动（ Irregular variations ） - 异常
因素引起的波动 随机波动（ Random variations ） - 随机因
素引起的波动
趋势成分
季节成分
周期成分
随机波动成分
单纯法（ Naïve Forecasts ） 将前期实际得到的结果作为下一期的预测值特点 使用简单，没有代价 不用数据分析 容易理解 预测精度不高
3.3 定量预测方法（续）
单纯法的应用 时间序列稳定的情况 F(t) = A(t-
1) ， A(t-1) 为（ t-1) 期实际值， F(t)为 t 期的预测值
对季节性波动 F(t) = A(t-n) ，n 为波动周期
对有趋势变化情况 F(t) = A(t-1) + (A(t-1) – A(t-2))
3.3 定量预测方法（续）
3.3 定量预测方法（续）
移动平均法简单移动平均（ Simple moving averag
e ） 加权移动平均（Weighted moving aver
age ） 指数平滑法（ Exponential smoothin
g ）
3.3 定量预测方法（续） 简单移动平均
SMAt+1 = n
At+i-ni = 1n
35
37
39
41
43
45
47
1 2 3 4 5 6 7 8 9 10 11 12
实际值
SMA3
SMA5
表6-1 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)
1
2
3
4
5
6
7
8
9
10
11
12
20. 00
21. 00
23. 00
24. 00
25. 00
27. 00
26. 00
25. 00
26. 00
28. 00
27. 00
29. 00
21. 33
22. 67
24. 00
25. 33
26. 00
26. 00
25. 67
26. 33
27. 00
21. 75
23. 33
24. 75
25. 50
25. 75
26. 00
26. 25
26. 50
3.3 定量预测方法（续） 加权移动平均
WMAt+1 = niAt+i-ni = 1
n
35
37
39
41
43
45
47
1 2 3 4 5 6 7 8 9 10 11 12
实际值
WMA3
WMA5
表6-2 加权移动平均预测
t(月) 实际销量(百台) 三个月的加权移动平均预测值(百台)
1
2
3
4
5
6
7
8
9
10
11
12
20. 00
21. 00
23. 00
24. 00
25. 00
27. 00
26. 00
25. 00
26. 00
28. 00
27. 00
29. 00
(0.5×20+1×21+1.5×23)/3=21. 83
23. 17
24. 33
25. 83
26. 17
25. 67
25. 67
26. 83
27. 17
3.3 定量预测方法（续） 一次指数平滑法(Single exponential smoothing)
最近的实际观察值赋予最大的权重 .” 年龄”越大的实际值权重越小
Ft = Ft-1 + (At-1 - Ft-1) = At-1 +（ 1- ） Ft-1
Ft 新的预测值， Ft-1 前期预测值，
At-1 前期的实际需求， 平滑系数
1 、用一次指数平滑法预测
（ 1 ）取 α ＝ 0.1, F1 = A1 ，：
按照公式： Ft ＝ Ft-1 + α （ At-1 — Ft-1 ）
当 t=2 时，公式变为： F2 ＝ F1 ＋ α （ A1 — F1 ）；
计算： F2 ＝ F1 ＋ α （ A1 — F1 ）＝ 42 ＋ 0.1 (42 – 42) = 42.
当 t=3 时，公式变为： F3 ＝ F2 ＋ α （ A2 — F2 ） = 42 + 0.1 (40 – 42) = 41.8,
当 t=4 时，公式变为： F4 ＝ F3 ＋ α （ A3 — F3 ） = 41.8 + 0.1 (43 – 41.8) = 41.
92,
3.3 定量预测方法（续）
（ 2 ）如果取 α ＝ 0.4,
当 t=2 时，公式变为： F2 ＝ F1 ＋ 0.4 （ A1 — F1 ） = 42 ＋ 0.4 (42 – 42) = 42,
当 t=3 时，公式变为： F3 ＝ F2 ＋ 0.4 （ A2 — F2 ） = 42 + 0.4 (40 – 42) = 41.2,
当 t=4 时，公式变为： F4 ＝ F3 ＋ 0.4 （ A3 — F3 ） = 41.2 + 0.4 (43 – 41.2) = 4
1.92
当 t=5 时， F5 ＝ 41.92 + 0.4 (40 – 41.68) = 41.15
以后的预测值自己可以计算。
3.3 定量预测方法（续）
35
40
45
50
1 2 3 4 5 6 7 8 9 10 11 12
Period
Dem
and .1
.4
实际值
3.3 定量预测方法（续）
3.3 定量预测方法（续） 一元线性回归模型
Yt 一元线性回归预测值；
a 截距
b 斜率 .
Yt = a + bx
0 1 2 3 4 5 t
Y
b = n (xy) - x y
n x2 - ( x) 2
a = y - b x
n
3.3 定量预测方法（续）
3.3 定量预测方法（续）举例t y
W e e k t 2 S a l e s t y1 1 1 5 0 1 5 02 4 1 5 7 3 1 43 9 1 6 2 4 8 64 1 6 1 6 6 6 6 45 2 5 1 7 7 8 8 5
t = 1 5 t 2 = 5 5 y = 8 1 2 t y = 2 4 9 9( t ) 2 = 2 2 5
y = 143.5 + 6.3t
a = 812 - 6.3(15)
5 =
b = 5 (2499) - 15(812)
5(55) - 225 =
12495-12180
275 -225 = 6.3
143.5
3.3 定量预测方法（续）
3.4 预测精度与监控3.4.1 预测误差3.4.2 预测监控
3.4 预测精度与监控（续）
误差 – 实际值与预计值的差别平均绝对偏差（Mean absolute deviation ，MAD ）平均平方误差（Mean squared error ， MSE)
跟踪信号（ Tracking signal ） 是累积误差与 MAD 的比
3.4 预测精度与监控（续）
MAD = Actual forecastn
MSE = Actual forecast)
-1
2n
(
3.4 预测精度与监控（续）
Tracking signal = (Actual-forecast)
MAD
Tracking signal = (Actual-forecast)Actual-forecast
n
