[工學(xué)]03需求預(yù)測(編輯修改稿)
2025-02-15 10:37 本頁面
【文章內(nèi)容簡介】 28 11 27 12 29 若對最近的數(shù)據(jù)賦予較大的權(quán)重，則預(yù)測數(shù)據(jù)與實際數(shù)據(jù)的差別較簡單移動平均法的結(jié)果要小。 近期數(shù)據(jù)的權(quán)重越大，則預(yù)測的穩(wěn)定性就越差，響應(yīng)性就越好?？梢酝瑫r改變 n和 α。 簡單移動平均和加權(quán)移動平均需要的數(shù)據(jù)量大，計算量非常大，當(dāng)產(chǎn)品很多時計算工作繁重。17生產(chǎn)計劃與控制生產(chǎn)計劃與控制 一次指數(shù)平滑法 （ Single exponential smoothing） 一次平滑指數(shù)值： 二、時間序列平滑模型第三節(jié)第三節(jié) 定量預(yù)測方法定量預(yù)測方法SFt+1為（ t+1） 期一次指數(shù)平滑預(yù)測值；At為 t期實際值；α為平滑系數(shù)，它表示賦予實際數(shù)據(jù)的權(quán)重（ 0≤α≤1）可以將上述公式中的 SFt依次展開，得到書上 65頁式 ，從而將第t+1期的預(yù)測值看作前 t期實測值的指數(shù)形式的加權(quán)和。t+1預(yù)測值為第 t期的實際值和預(yù)測值的加權(quán)和。18生產(chǎn)計劃與控制生產(chǎn)計劃與控制 一次指數(shù)平滑法 （ Single exponential smoothing） 二、時間序列平滑模型第三節(jié)第三節(jié) 定量預(yù)測方法定量預(yù)測方法用一次指數(shù)平滑法進(jìn)行預(yù)測，當(dāng)出現(xiàn)趨勢時，預(yù)測值之雖然可以描述實際值的變化形態(tài)，但預(yù)測值總是 滯后于實際值滯后于實際值 。當(dāng)出現(xiàn)趨勢時，取 較大的較大的 α得到的預(yù)測值和實際值比較接近。一般來說， α選得小選得小 一些，預(yù)測穩(wěn)定性比較好；反之，其響應(yīng)性就比較好。 面對 有上升或下降趨勢有上升或下降趨勢 的需求序列時，就要采取 二次二次 指數(shù)平滑法進(jìn)行預(yù)測。 對于 出現(xiàn)趨勢并有季節(jié)性波動出現(xiàn)趨勢并有季節(jié)性波動 的情況，則要用 三次三次 指數(shù)平滑法。19生產(chǎn)計劃與控制生產(chǎn)計劃與控制 三、時間序列分解模型第三節(jié)第三節(jié) 定量預(yù)測方法定量預(yù)測方法 企圖從時間序列之中找出各種成分，并在對各種成分單獨進(jìn)行預(yù)測的基礎(chǔ)上，綜合處理各種成分的預(yù)測值，以得到最終的預(yù)測結(jié)果。概念假設(shè)：各種成分單獨地作用于實踐需求，而且過去和現(xiàn)在起作用的機(jī)制持續(xù)到未來。實際需求是以上幾種因素共同作用的結(jié)果。模型加法模型：用各成分相乘的方法來求出需求估計值乘法模型：用各成分相乘的方法來求出需求估計值TF＝ TSCITF＝ T＋ S＋ C＋ I20生產(chǎn)計劃與控制生產(chǎn)計劃與控制時間序列分解模型通過分解時序列構(gòu)成要素 (趨勢 ,季節(jié) ,循環(huán) ,偶然 )來預(yù)測需求實際上要掌握不規(guī)則的循環(huán)變化和偶然性因素是很困難的 因此一般更多的利用分解趨勢和季節(jié)因素的預(yù)測值 FITS (forecast including trend and seasonal)趨勢和季節(jié)因素的結(jié)合形態(tài)有加法和乘法季節(jié)變化趨勢分析法加法季節(jié)變化FITS=趨勢 +季節(jié)變化乘法季節(jié)變化FITS=趨勢 *季節(jié)變化aYtt0 1 2 3 4aYtt0 1 2 3 421生產(chǎn)計劃與控制生產(chǎn)計劃與控制時間序列分解模型例 某一產(chǎn)品 1994年實際需求為 400個 ,從季節(jié)看春天 90,夏天 150,秋天 110,冬天 求量以 10%增長時 ,利用加法和乘法季節(jié)變化 ,求出1995年各季節(jié)需求預(yù)測值 .實際需求 (Yt)春夏秋冬9015011050季節(jié)變化幅度90100=10150100=50110100=1050100
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1