资源描述
Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Visual,需求预测,Session 1,Forecasting Demand,课程目的,解释为什么预测是重要的(重要性);,通用的预测方法;,识别需求的特征;,介绍对预测数据需要考虑的事项;,概要地介绍了数据分解流程。,1-1,什么是预测,?,“,预测是对未来需求的估计。预测可以是应用数学方法对历史数据进行的客观分析,也可以是对非正式信息的主观判断,同时,预测也可以是两种方法和技术的结合。”,1-2,为什么需要预测,?,计划未来,减少不确定性;,预见和管理变化(革);,提升计划部门的沟通和整合;,预见库存和能力需求,管理前置期;,将运作成本计划在预算编制过程中;,通过降低成本,提升客户交货水平和反应速度,从而增加竞争力和生产力。,1-3,预测涉及的领域,?,投资决策;,资产设备决策;,库存规划;,能力规划;,运作预算;,前置期管理。,1-4,预测系统设计问题,决定哪些信息是需要预测的;,为预测赋予责任;,设置预测系统参数;,选择预测模型和技术;,数据收集;,测试模型;,记录实际需求;,报告预测的准确性;,确定变异的根本原因;,回顾预测系统,提升预测绩效;,1-5,通用的预测技术,定性技术,基于知觉和评估,专家意见,信息汇总,关注客户的团体,专家团体,智囊团,调查研究团体,应用,市场调研,定量调查设计的基础,1-6,通用的预测技术(,Cont.),定量技术,基于数据关联的计算;,历史需求是未来需求的一个很好的指示器;,依靠数学公式;,例子,:,移动平均,指数平滑,回归分析,时间序列,1-7,预测数据来源,内部,基于公司历史数据;,外部,基于公司外部的信息。,1-8,外部因素,S,社会(,Social),T,技术(,Technology,),E,环境规则,(,Environmental regulations,),E,经济(,Economic,),E,人的观念(,Ergonomics,),P,政治(,Political,),1-9,需求,对特定产品,部件和服务的需要。,1-10,需求的来源,需求的来源是多方面的,:,消费者,客户,经销商,分销商,内部公司,备件,1-11,需求特征,内部因素,产品促销,产品替代,外部因素,随即波动,季节性,趋势,经济循环,客户喜好和需求的变化,1-12,主生产计划在不同制造策略中的应用,ETO,没有,MPS,ATO,部件组装,MPS/Forecast/,装配计划,FAS,MTS MPS,以预测为主,MTO MPS,预测是可选的,对前置期长的部件,可以应用补货策略,Mass Customization,大量,多品种,稳定的需求,采用对物料进行预测的“拉式”生产方式,1-13,独立需求,Vs,相关需求,这种分类是基于公司内部的需求特点,独立需求,外部需求,交易,(,产成品,备件,内部需求,)MPS(,销售和需求预测,),相关需求,根据物料清单展开,非预测项目,1-14,季节性需求,1-15,季节性指数的计算,度量需求的季节性变化;,联系特定时区内的平均需求和整个时区内的平均需求的关系。,1-16,季节性指数=,整个时区内的平均需求,特定时区内的平均需求,某品牌冰淇淋的销售数据:,月份,2002,2003,合计,计算,季节指数,1,10,12,22,22/409,0.05,2,10,12,22,22/409,0.05,3,10,12,22,22/409,0.05,4,50,55,105,105/409,0.26,5,150,160,310,310/409,0.76,6,400,420,820,820/409,2.00,7,600,620,1220,1220/409,2.968,8,700,730,1430,1430/409,3.50,9,350,360,710,710/409,1.74,10,100,105,205,205/409,0.50,11,10,12,22,22/409,0.05,12,10,12,22,22/409,0.05,合计,2400,2510,4910,平均,409.1667,四舍五入,409,1-17,季节性指数的计算(,Cont.),经济循环,1-18,金字塔形的预测方法,产品的量,(单位),产品族的量,(单位,/,金额),总业务量,(金额),Roll up Actual Demand,Force down Forecasts,1-19,定性的,定量的,预测技术,金字塔形预测的例子,X,2,units4,845,price$10.00,units13,045,产品组平均,price$16.67,units15,000,ROLL-UP,X,1,X,2,产品层预测,X,1,units8,200,price$20.61,产品族层预测,产品组,-,调整的预测,FORCE-DOWN,1-20,金字塔形预测中销售收入的应用,A,B,C,D,E,F,X,1,X2,Totals,units,price,units,price,Qty,Revenue,1,8,200,$20.61,4,845,$10.00,13,045,$217,452,2,1.15,3,9,430,$20.61,5,572,$10.00,15,002,$250,000,4,$250.070,1-21,练习,历史需求,产品,A,产品,B,区域,1150,区域,1300,区域,2300,区域,2450,单价,$4.50,单价,$8.50,管理层已经决定,下一年的总需求将达到,$10,000.,计算产品,A,和,B,分别在区域1和2的预计需求量。,1-22,定量技术,移动平均;,指数平滑;,回归分析;,适应性平滑;,图示法;,计量经济模型;,生命周期模型。,1-23,移动平均预测方法,优点,简单的计算方法,可以过滤随即变异,时间越长,需求越平滑,限制,如果存在需求趋势,很难察觉;,移动平均相对趋势是滞后的,1-24,预测(新),=,a,x,实际需求,+(1-,a,)x,预测(老),预测(新),=,预测(老),+,a,X(,实际需求,预测(老),),指数平滑,提供了更新产品预测的常规方法;,对需求要素来说,,a,是一个权重因数;,适合相当稳定需求产品的预测;,适合短期预测;,滞后需求趋势,不能察觉趋势。,1-25,1-26,平滑因数,参照,a,因数的定义,决定了历史数据在预测中的权重;,调整预测对需求变化的反应度,范围,1-27,平滑因数,(Cont.),确定了预测过程中需要考虑的实际需求的期数(,n);,1.00=1 period,0.50=3 periods,0.29=6 periods,0.15=12 periods,0.10=19 periods,0.1,低权重,非常平滑,0.9,高权重,接近实际,指数平滑因数,a,不同,预测需求的趋势变化,实际销售,1-28,1-29,指数平滑(例子),预测(新),=,预测(老),+,移动因数(,a,),x(,实际销售,预测(老),例子,:,预测(老),=160,实际,=200,a,=0.1,预测(新),=160+(0.1 x(200 160),=160+(0.1 x 40)=,164,例子,:,预测(老),=160,实际,=200,a,=0.8,预测(新),=160+(0.8 x(200 160),=160+(0.8 x 40)=,192,定性技术,专家意见,市场调研,聚焦团体,历史推理,Delphi,方法,座谈会,1-30,内部(内在),因数,产品生命周期管理;,计划价格变更;,销售能力变化;,资源约束,市场营销和促销,广告,1-31,外部(外在)因数,竞争,新客户,主要客户计划,政府政策,其他调整,经济条件,环境问题,全球趋势,1-32,先行指数,Indicators,(,原因要素,),房地产投资,出生率,网站的点击率,健康趋势,更健康的生活方式,影响,建筑材料,家具,婴儿产品,电子商务销售,医药供应,营养产品,适宜产品,1-33,1-34,新产品,每个新产品/服务都存在预计的风险。,每个新产品/服务的上市都有可能出现以下状况:,扭转市场颓势;,强烈地刺激市场,市场份额急剧扩大;,损失,灾难,无尽的责任和义务,BCG Matrix,波士顿矩阵,1-35,相对市场份额,明星(,Star),问号(,Question Mark),瘦狗(,Dog),现金牛(,Cash Cow),高,市场增长率,低,小,大,1-36,聚焦预测,假设,离现在越近的数据,越能更好地预见未来的需求;,选择更好的预测模型;,方法,所有预测模型得到的结果都需要最近的销售数据进行比较;,最接近结果的预测模型将作为这一次的预测模型;,下次可能会选择不同的预测模型。,预测数据问题,数据的有效性,数据的一致性,需求的历史数据量,预测频率,模型选择的频率,成本和时间,记录真实的需求,订单日起,vs.,出货日期,产品单位,vs.,财务单位,数据集合的层次,客户,1-37,计划范围和时区,时区,(周数),预测时间范围,短,中,长,周,月,季度,1 2 3 4 5 6 7 8 9 10111213 17 21 26 30 34 39 43 47 52 65 78 91 104,计划范围,1-38,数据准备和收集,销售数据记录和预测数据的周期相同(天,周,月);,监控需求,而不是销售和出货;,记录异常需求的环境详情;,记录需求时要分单独的客户群和市场单元。,1-39,异常数据的处理,1-40,0,5,10,15,20,25,J,F,M,A,M,J,J,A,S,O,N,D,J,F,M,A,M,J,J,A,S,O,N,D,500,505,Outlier(outside the range),何谓“异常”,在一定的时间范围内,某一点的数据和前后数据有明显的差异,这就是异常。,例如,某个产品的平均需求10个单元每个月,但是,某个月它的需求达到了500个单位,这个销售点可能会认为是一个异常点。,1-41,如何处理这些“异常”,在应用预测技术时将这些“异常”去掉。,现实中,:,促销的结果,循环发生的可能性,1-42,1-43,数据的分解,净化数据,调整数据,取得基线,鉴别需求的组成,趋势,季节性,非年度循环,随机误差,测量随机误差,设计系列,重新安排,
展开阅读全文