生產(chǎn)需求預(yù)測(cè)與管理課件-資料下載頁(yè)
2025-02-28 14:50本頁(yè)面
【正文】 48 59 71 84 95 109 12338解：衡量一元線形回歸方法偏差的兩個(gè)指標(biāo)：線形相關(guān)系數(shù) r和標(biāo)準(zhǔn)差 Syx 。39?時(shí)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+R0 1 2 3 4需求時(shí)間 系列和它的構(gòu)成要素時(shí)間 （年）時(shí) 間 系列趨勢(shì)季 節(jié) 性變 化周期因素不 規(guī)則變 化時(shí)間系列的 4個(gè)構(gòu)成要素趨勢(shì) (T) 需求以一定的比率增加或減少的傾向季節(jié)性變化 (S) 表示趨勢(shì)線上下的變化以 1年為單位反復(fù)周期因素 (C) 經(jīng)過(guò) 1年以上長(zhǎng)時(shí)間需求作上下有規(guī)則變動(dòng)不規(guī)則變化 /偶然變化(R)說(shuō)不出原因的變化 ,不能預(yù)計(jì)或控制 (例 :戰(zhàn)爭(zhēng) ,地震 … ）40圖 37 幾種可能的時(shí)間序列類型 41例 下表是某旅游服務(wù)點(diǎn)過(guò)去 3年各季度快餐的銷售記錄。試預(yù)測(cè)該公司未來(lái)一年各季度的銷售量。季度 季度序號(hào) t 銷售量 At 4個(gè)季度銷售總量 4個(gè)季度移動(dòng)平均 季度中點(diǎn)夏 1 11800秋 2 10404冬 3 8925春 4 10600 41729 夏 5 12285 42214 秋 6 11009 42819 冬 7 9213 43107 春 8 11286 43793 夏 9 13350 44858 秋 10 11270 45119 冬 11 10266 46172 春 12 12138 47042 42解：分三步進(jìn)行 （ 1） 求趨勢(shì)直線方程 。采用最小二乘法或目測(cè)法。先求得 a=10000(份 )，再求 b的值 : b=(1202310000)/12=167 Tt=10000+167t43(2)估算季節(jié)系數(shù)（ Seasonalindex,SI）t 1 2 3 4 5 6 7 8 9 10 11 12At/Tt SI(夏 )=（ A1/T1 + A5/T5 + A9/T9 ） /3=（ ++） /3=同樣可得， SI(秋 )=。 SI(冬 )=。 SI(春 )= 。(3)預(yù)測(cè)夏季： （ 10000+16713 ） =13997(份 )秋季：（ 10000+16714 ） =12338(份 )冬季：（ 10000+16715 ） =10629(份 )春季：（ 10000+16716 ） =12672(份 )44?其它模型計(jì)量經(jīng)濟(jì) ?用一系列相互關(guān)聯(lián)的回歸方程式預(yù)測(cè)各種經(jīng)濟(jì)活動(dòng)模型投入 產(chǎn)出 ?分析各產(chǎn)業(yè)部門(mén)間的產(chǎn)品及服務(wù)的流程預(yù)測(cè)需求模型先導(dǎo)指標(biāo)法 ?根據(jù)預(yù)測(cè)對(duì)象的先導(dǎo)指標(biāo)預(yù)測(cè)需求例 石油價(jià)格是大型 車 需求的先 導(dǎo) 指 標(biāo)Simulation?假 設(shè) 各種內(nèi)生 變 量和外生 變 量后 ,利用 電腦進(jìn) 行模 擬實(shí)驗(yàn) ,預(yù)測(cè) 需求的 動(dòng) 模型模型 例 價(jià)格上 漲 價(jià) 10% 時(shí) 需求的 變 化 ,國(guó)內(nèi) 經(jīng)濟(jì)蕭 條 時(shí) 需求的 變 化 45預(yù)測(cè)監(jiān)控? 預(yù)測(cè)精度測(cè)量? 預(yù)測(cè)監(jiān)控46預(yù)測(cè)精度（ Forecastaccuracy）測(cè)量? 平均絕對(duì)偏差（ Mean absolute deviation, MAD）? 平均平方誤差（ Mean square error, MSE）? 平均預(yù)測(cè)誤差（ Mean forecast error, MFE）? 平均絕對(duì)百分誤差（ Mean absolute percentage error, MAPE）47預(yù)測(cè)監(jiān)控 (Monitoringandcontrollingforecasts)? 將最近的實(shí)際值與預(yù)測(cè)值比較，看偏差是否在可接受的范圍內(nèi)? 應(yīng)用跟蹤信號(hào)（ Tracking signal, TS）484950本章小結(jié)? 需求是經(jīng)濟(jì)運(yùn)行的基點(diǎn)。如果需求預(yù)測(cè)錯(cuò)誤，就有投資的風(fēng)險(xiǎn)。? 市場(chǎng)需求每天都在變化，即便日常生產(chǎn)活動(dòng)中也要切實(shí)地把握最終需求的變動(dòng)。多階段生產(chǎn)系統(tǒng)中最終需求預(yù)測(cè)信息的共享尤其重要，生產(chǎn)廠家只根據(jù)上游廠商的訂貨信息來(lái)決定自己的生產(chǎn)計(jì)劃時(shí)，就會(huì)產(chǎn)生牛鞭效應(yīng)（ bullwhipeffect）。此時(shí)，不同企業(yè)之間合作進(jìn)行需求預(yù)測(cè)與制定生產(chǎn)計(jì)劃的 CPFR（ collaborativeplanningforecastingandreplenishment）戰(zhàn)略十分重要。? 牛鞭效應(yīng)是供應(yīng)鏈上的一種需求變異放大 (方差放大 )現(xiàn)象，是信息流從最終客戶端向原始供應(yīng)商端傳遞時(shí)，無(wú)法有效地實(shí)現(xiàn)信息的共享，使得信息扭曲而逐級(jí)放大，導(dǎo)致了需求信息出現(xiàn)越來(lái)越大的波動(dòng)。最下游的客戶端相當(dāng)于鞭子的根部，而最上游的供應(yīng)商端相當(dāng)于鞭子的梢部，在根部的一端只要有一個(gè)輕微的抖動(dòng)，傳遞到末梢端就會(huì)出現(xiàn)很大的波動(dòng)。在供應(yīng)鏈上，這種效應(yīng)越往上游，變化就越大，距終端客戶越遠(yuǎn)，影響就越大。這種信息扭曲如果和企業(yè)制造過(guò)程中的不確定因素疊加在一起，將會(huì)導(dǎo)致巨大經(jīng)濟(jì)損失。牛鞭效應(yīng)的示意圖如下圖所示。? 預(yù)測(cè)方法很重要，但收集和觀測(cè)收集到的需求數(shù)據(jù)更不能忽視。51習(xí)題 P953.解： （ 1） 求趨勢(shì)直線方程（ 2） 估算季節(jié)系數(shù) （ 3） 作出預(yù)測(cè)季度序號(hào)銷售量1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16Tt = + tAt/Tt, A1/T1 = ,……SI(春 ) = ?/4, ……春季 （ +） SI(春 ) =……, ……作圖目測(cè)法：截距 a=斜率 b=()/16= ……52季度 季度序號(hào) t 銷售量 At 4個(gè)季度銷售總量 4個(gè)季度移動(dòng)平均 季度中點(diǎn)春 1 夏 2 秋 3 冬 4 春 5 夏 6 秋 7 冬 8 春 9 夏 10 秋 11 冬 12 春 13 夏 14 秋 15 冬 16 53習(xí)題 P95求線性回歸方程b= (5x495126–)/() =a= (110683+)/5=23463YT=季度序號(hào) 需求 (At) 季度中點(diǎn)（ X）一年移動(dòng)平均值（ Y）X2 XY1 262092 214023 186774 24681 22742 568555 25390 22538 788836 19064 21953 987897 18173 21827 1202398 23866 21623 140550?X= ?Y=110683 ? X2 = ? XY=4951265. 解：計(jì)算每季季節(jié)指數(shù) (列表略 )第一年 1季度：Y1 = 23463+=23610第二年 1季度：Y5 = ..5=22431SI(1)=(26209/23610+25390/22431)/2=預(yù)測(cè)第 3年每季需求1季度： X=, Y=,A9=YxSI(1)==2380354演講完畢，謝謝觀
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1