教案2需求生產(chǎn)預(yù)測(編輯修改稿)
2025-02-10 16:36 本頁面
【文章內(nèi)容簡介】 平均法 *簡單移動平均的情況 ,在 N期間的各資料值乘上同一的 1/N的加權(quán)值[公式 ]Ft+1=WtAt+Wt1At1+……+W t+1NAt+1N Ft+1:t+1的預(yù)測值， At:t的實際需求， Wt:賦予 t的加權(quán)值， 例 實際需求如下月（ t） 12345實際 需求（ At） 1009010595？加權(quán)值為 4月 ,3月份 ,2月份 ,1月份 ?在最近的 資 料中 賦 予大5月的需求 預(yù)測值 F5是 的加 權(quán)值 ,使能 夠 趕上 F5=*95+*105+*100=實際 需求 變 化如果 ,5月的實際需求為 110時 ,6月的需求預(yù)測值是 F6=*110+*95+*105+*90=44?利用指數(shù)減少的加權(quán)值 ,給最近的資料賦予大比重 ,過去的資料賦予小比重后 預(yù)測未來需求?即需求預(yù)測值是最近期間的實際需求乘上 a的加權(quán)值 ,對最近的需求預(yù)測值乘上 (1a)的加權(quán)值后加權(quán)平均的數(shù)據(jù)?與移動平均法一樣 ,在季節(jié)性變化 ,趨勢 ,循環(huán)要素不起作用是有效*省略用趨勢 ,季節(jié)性變化等修正的高次指數(shù)平滑法[公式 ]Ft+1=aAt+(1a)Ft為求預(yù)測值 Ft+1需要 3種資料： ?最近預(yù)測值 (Ft),?最近實際需求 (At),?平滑常數(shù) a(0a1)公式 變 化后 Ft+1=aAt+(1a)Ft=aAt+FtaFt=Ft+a(AtFt)即 ,新 預(yù)測值 是 對 舊 預(yù)測值 修正 (a*預(yù)測誤 差 )后算出例 上個月需求 預(yù)測值 是 100,實際 需求是 110,平滑常數(shù) a= 個月的 預(yù)測值 是 Ft=Ft1+a(At1Ft1)=100+(110100)=103 但 ,沒有 過 去 資 料 時 根據(jù)定性技 術(shù) ,預(yù)測值 做 為 最初的 預(yù)測值一次指數(shù) 平滑法 45時間序列平滑模型 一次指數(shù)平滑法的連續(xù)展開期間 1:A1,F1(F1已知 ,期間 1末期值可以知道 A1 )期間 2:F2=Aa1+(1a)F1期間 3:F3=aA2+(1a)F2 =aA2+a(1a)A1+(1a)2F1(F2代入式子整理 )期間 4:F4=aA3+(1a)F3 =aA3+(1a)A2+a(1a)2A1+(1a)3F1(F3代入式子整理 )因此一般 Ft+1用如下公式表示[公式 ]Ft+1=aAt+a(1a)At1+a(1a)2At2 +……+a(1a) t1A1+(1a)tF1指數(shù)加 權(quán)值 的合 總 是 1?平滑常數(shù)（ a)的 值 越大 預(yù)測值對 需 求變 化反 應(yīng) 越大，越小平滑的 穩(wěn)定性 越 好。?實際 需求 穩(wěn) 定 時 （例 ： 食品）， 為 減小 短期 /偶然性 變 化的效果減小 a的 值 ；?為維 持 預(yù)測值 的 穩(wěn) 定性一般從 ~中 設(shè) 定 。46例 ：某公司的月銷售額記錄如表 33所示，試取 a=,F1=,計算一次指數(shù)平滑預(yù)測值。月份 At(千元 ) a At1(千元 ) Ft1(千元 ) （ 1a） Ft1(千元 ) Ft(千元 )1 10 112 12 4 11 3 13 4 16 5 19 6 23 7 26 8 30 9 28 12 10 18 11 16 12 14 4748時間序列分解模型因此需求 Y可用下列函數(shù)表示Y=f(T,S,C,R)并且根據(jù)構(gòu)成要素的結(jié)合形態(tài)乘法模型 Y=T*S*C*R加法模型 Y=T+S+C+R01234需求時間 系列和它的構(gòu)成要素時間 （年）時 間 系列趨勢季 節(jié) 性變 化周期因素不 規(guī)則變 化時間系列的 4個構(gòu)成要素趨勢 (T) 需求以一定的比率增
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1