生產(chǎn)運(yùn)作管理需求預(yù)測(cè)課件(參考版)
2025-02-13 23:26本頁(yè)面
【正文】 2023/3/22023/3/2March 2, 2023 1一個(gè)人即使已登上頂峰，也仍要自強(qiáng)不息。 2023年 3月 2日星期四 2023/3/22023/3/22023/3/2 1最具挑戰(zhàn)性的挑戰(zhàn)莫過(guò)于提升自我。勝人者有力，自勝者強(qiáng)。 2023/3/22023/3/22023/3/2Mar232Mar23 1越是無(wú)能的人，越喜歡挑剔別人的錯(cuò)兒。 2023/3/22023/3/2Thursday, March 2, 2023 閱讀一切好書(shū)如同和過(guò)去最杰出的人談話(huà)。 2023/3/22023/3/2March 2, 2023 1空山新雨后，天氣晚來(lái)秋。 2023年 3月 2日星期四 2023/3/22023/3/22023/3/2 1楚塞三湘接，荊門(mén)九派通。 2023/3/22023/3/22023/3/2Thursday, March 2, 2023 1不知香積寺，數(shù)里入云峰。 2023/3/22023/3/22023/3/23/2/2023 11:25:06 PM 1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 2023/3/22023/3/22023/3/22023/3/2 沒(méi)有失敗，只有暫時(shí)停止成功！。 2023年 3月 2023/3/22023/3/22023/3/23/2/2023 1行動(dòng)出成果，工作出財(cái)富。 2023/3/22023/3/22023/3/22023/3/23/2/2023 1他鄉(xiāng)生白發(fā)，舊國(guó)見(jiàn)青山。 2023/3/22023/3/22023/3/2Mar232Mar23 1故人江海別，幾度隔山川。 2023/3/22023/3/2Thursday, March 2, 2023 雨中黃葉樹(shù)，燈下白頭人。 定量預(yù)測(cè)方法 常用定量預(yù)測(cè)方法的特征比較 預(yù)測(cè)方法 所需數(shù)據(jù)量 數(shù)據(jù)特征 使用難度 一次指數(shù)平滑 5～ 10個(gè) 平穩(wěn) 簡(jiǎn)單 二次指數(shù)平滑 10～ 15個(gè) 有趨勢(shì)變動(dòng)，但不含季節(jié)性 稍復(fù)雜 因果回歸模型 每個(gè)獨(dú)立變量 10個(gè) 復(fù)雜的數(shù)據(jù) 復(fù)雜 時(shí)間序列分解模型 至少出現(xiàn) 2個(gè)波峰與波谷 復(fù)雜，季節(jié)性數(shù)據(jù) 簡(jiǎn)單 ? 預(yù)測(cè) ? 定性預(yù)測(cè)方法 ? 定量預(yù)測(cè)方法 ? 預(yù)測(cè)監(jiān)控 ? 預(yù)測(cè)誤差 ? 預(yù)測(cè)監(jiān)控 第三章 需求預(yù)測(cè) 預(yù)測(cè)誤差與監(jiān)控 一、預(yù)測(cè)誤差 （ forecast error） 含義 ： ? 預(yù)測(cè)值與實(shí)際值之間的偏差 ： AtFt, ? 無(wú)偏模型（ unbiased model）：正負(fù)概率大致相等； 計(jì)算方法 ： ? 平均絕對(duì)偏差（ mean absolute deviation, MAD） nFAnttt???? 1MAD? 平均平方誤差（ mean squared error, MSE） 預(yù)測(cè)誤差與監(jiān)控 ? 平均預(yù)測(cè)誤差（ mean forecast error, MFE） ………. ? 平均絕對(duì)百分誤差 ? ?nFAMFEnttt???? 1 ???? nt tttAFAM AP E1)100(? 注意： ? ?nFAMSEnttt???? 12反映預(yù)測(cè)精度 衡量無(wú)偏性 預(yù)測(cè)誤差滾動(dòng)和 Running sum of forecast errors， RSFE ? MAD和 MSE用于度量預(yù)測(cè)誤差的大小 ? MFE用于度量預(yù)測(cè)的無(wú)偏性 定量預(yù)測(cè)方法 預(yù)測(cè)值 實(shí)際值 實(shí)際值中線(xiàn) ? 練習(xí)： ? 試計(jì)算 MAD,MSE,MFE,MAPE 實(shí)際值 120 130 110 140 110 130 預(yù)測(cè)值 125 125 125 125 125 125 預(yù)測(cè)誤差與監(jiān)控 二、預(yù)測(cè)監(jiān)控 （ monitoring and controlling forecasts） 作用 ： ? 預(yù)測(cè) 檢驗(yàn)預(yù)測(cè)模型是否有效： 方法 ： ? 偏差（ 實(shí)際值－預(yù)測(cè)值 ）： 是否在可接受的范圍之內(nèi)； ? 跟蹤信號(hào)法 (Tracking signal) ? 跟蹤信號(hào)：誤差代數(shù)和與 MAD的比值 MAD?? Forecast)(ActualMADRSFE=TS 預(yù)測(cè)誤差與監(jiān)控 可接受誤差范圍 上限 下限 控制界限 MAD數(shù) 標(biāo)準(zhǔn)偏差相關(guān)數(shù) 落在控制界內(nèi)點(diǎn)數(shù)的百分比 ?1 ?2 ?3 預(yù)測(cè)誤差與監(jiān)控 例： 月份 需求預(yù)測(cè) 實(shí)際值 偏差 ?(AF) |AF| ?|AF| MAD TS 1 1000 950 50 50 50 50 50 2 1000 1070 70 20 70 120 60 3 1000 1100 100 120 100 220 4 1000 960 40 80 40 260 65 5 1000 1090 90 170 90 350 70 6 1000 1050 50 220 50 400 3MAD 2MAD 1MAD TS 0 1MAD 2MAD 3MAD 補(bǔ)充：用 EXCEL求解 移動(dòng)平均分析 ? 工具 ——數(shù)據(jù)分析（加載宏，分析數(shù)據(jù)庫(kù)） ——移動(dòng)平均 指數(shù)平滑分析 ： ? 工具 ——數(shù)據(jù)分析 ——指數(shù)平滑 ? 工具 ——數(shù)據(jù)分析 ——回歸 ? ＝ index(linest(y,x),true,false) 回歸分析 ： 思考題 課后題目 思考題 課后題目 思考題 課后題目 定量預(yù)測(cè)方法 練習(xí)： 年份 季節(jié)序列 t 實(shí)際值 At 2023 1 2 3 4 362 385 432 341 2023 5 6 7 8 382 409 498 387 2023 9 10 11 12 473 513 582 474 2023 13 14 15 16 544 582 681 557 利用過(guò)去 4年的歷史銷(xiāo)售數(shù)據(jù)預(yù)測(cè)未來(lái)一年的情況。 ? (2) 數(shù)據(jù)的可獲性與準(zhǔn)確性 ? (3) 預(yù)測(cè)人員對(duì)預(yù)測(cè)方法的掌握水平。 定量預(yù)測(cè)方法 ? (2)建立一元線(xiàn)性回歸方程，設(shè) y=a+bx ? (3)利用最小二乘法求解回歸系數(shù)，得到回歸模型。 ? 一元線(xiàn)性回歸模型 ： bxaYT ?? 22 )(?? ??? ??? xxn YXXYnb n XbYa ??YT為一元線(xiàn)性回歸預(yù)測(cè)值； α為截距 ,為 X為自變量 X=0時(shí)的預(yù)測(cè)值； b為斜率； n為變量數(shù)； X為自變量的取值； Y為因變量的取值； 定量預(yù)測(cè)方法 序號(hào) 年份 汽車(chē)產(chǎn)量 x 薄鋼板消耗量 y 1 1996 2 1997 3 1998 4 1999 5 2023 6 2023 7 2023 ? (1) 數(shù)據(jù)的直觀(guān)分析及散點(diǎn)圖描述 ? y隨著 x的增加而增加，故變量 y與 x是相關(guān)的。但
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1