生產(chǎn)運作需求預測(編輯修改稿)
2025-03-12 15:42 本頁面
【文章內(nèi)容簡介】 – 因果模型： 用過去的資料揭示變量和需求的關系，進而預測未來的需求。預測方法時間序列模型? 時間序列 （ Time Series）： 按一定的時間間隔和事件發(fā)生的先后順序?qū)⑺占臄?shù)據(jù)排列起來所得到的序列。預測方法預測方法? 時間序列的構(gòu)成 ：– 趨勢成分： 隨時間的推移而表現(xiàn)出的一種傾向（上升、下降、平穩(wěn)）。– 季節(jié)成分： 特定周期時間里有規(guī)則的波動。如：– 每天有二次交通高峰；– 每周周末，影院的客流量較大；– 某些產(chǎn)品的季節(jié)性需求變化等。– 周期成分： 較長時間里（一般為數(shù)十年）有規(guī)則的波動。– 隨機成分： 沒有規(guī)則的上下波動。本章只討論 趨勢成分和季節(jié)成分時間序列的構(gòu)成示意圖周期時間序列的構(gòu)成示意圖隨機成分周期成分趨勢成分季節(jié)成分有四種典型的趨勢需求：（ 1）線性趨勢 —— 反映了數(shù)據(jù)呈連續(xù)的直線關系有四種典型的趨勢需求：（ 2） S型趨勢 —— 產(chǎn)品成長和成熟時期的需求有四種典型的趨勢需求：（ 3）漸進趨勢 —— 以優(yōu)質(zhì)產(chǎn)品大量投放市場時出現(xiàn)有四種典型的趨勢需求：（ 4）指數(shù)增長 —— 產(chǎn)品銷售勢頭特好的產(chǎn)品預測方法? 時間序列模型 ：– 時間序列平滑模型：通過多個數(shù)據(jù)的平均來消除和減少隨機成分 (干擾 )。常用的有 簡單移動平均、加權(quán)移動平均、一次指數(shù)平滑 。– 時間序列分解模型：時間序列模型 ：1）簡單移動平均 (Simple Moving Average)SMAt+1= (Xt + Xt1 +…+ X tN+1 )/N 預測值 =(前 N次實測值的平均值 )?當產(chǎn)品需求既不快增長也不快下降，且不存在季節(jié)性因素時，移動平均法能有效消除預測中的隨機波動。選擇移動平均的最佳區(qū)間很重要。?其主要缺點是在于每一因素都必須以數(shù)據(jù)表示。N— 平均值計算跨越期數(shù)Xt—— 實際觀測值預測方法（（ 20+21+23）） /3 = （（ 20+21+23+24）） /4 =22例：? 某電器公司電子原器件周銷售值記錄如下表所示。取 N=3和 N=9。? 試用簡單平均法預測第 16周的預測值。 解：? 計算見下表。 N=3和 N=9第 16周的預測
教學課件相關推薦
鄂ICP備17016276號-1