供应链管理：理论与实践包兴Ch9供应链环境下的需求预测

《供应链管理：理论与实践包兴Ch9供应链环境下的需求预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第九章供应链环境下的需求预测学习目标Outline供应链需求预测1需求预测的数学方法2供应链环境性下的CPFR策略3第一节供应链需求预测一、预测在供应链中的作用二、预测的特点三、预测的方法一、预测在供应链中的作用可口可乐今年夏天的销售量？气温有影响吗？惠普这一季度的销售量？电池门事件？沃尔沃今年的销售量？吉利并购？预测的作用准确的需求预测降低库存成本为企业带来丰厚的利润改善运输管理有效安排生产预测的作用预测的作用为供应链运作计划提供依据.为供应链战略决策提供参考预测的作用1、为供应链决策提供参考2、为供应链

2、运作计划提供依据供应链中的推动流程和拉动流程，不管是推或拉，供应链管理者必须进行的第一步都是预测顾客需求将是多少，需求预测影响着供应链决策，对供应链管理者来说，做好预测工作起着至关重要的作用苏尼尔·乔普拉（SunilChopra）战略决策的前提是对市场当前和未来发展趋势需要有一个明确的判断当当网创始人俞渝（左）及其丈夫李国庆（右）二、预测的特点预测通常是不准确的长期预测通常没有短期预测准确综合预测通常要比独立预测准确得多越靠近上游或距离顾客越远，预测误差越大特点预测的特点预测是根据现在推知未来，而未来的变化

3、总是充满着不确定性，除非极端巧合，否则误差是不可避免的，或多或少总会存在。对于供应链管理者而言，预测的目的之一在于降低对未来需求的不确定。（1）随着时间的推移，不确定因素会更多；（2）数学上也证明了根据短期预测结果进行长期预测会造成误差逐渐累积，长期预测的偏离度也会加大；（3）越来越多产品的生命周期极短，很多都不会发生第二次销售，对其进行长期预测的结果当然会造成极大的误差。1、预测通常是不准确的2、长期预测通常没有短期预测准确预测的特点（1）综合定性的宏观分析预测和微观预测模型，对市场需求转向和产品需求量比

4、较可靠；（2）通过联合供应链上下游企业的预测数据，对市场具体需求预测进行修正需求预测误差的累积最终会造成供应链各个环节上会频繁出现库存积压或者缺货的现象，会极大影响供应链的运营绩效3、综合预测通常要比独立预测准确得多4、越靠近上游或距离顾客越远，预测误差越大三、预测方法的选择Text5时间序列预测法因果关系预测法仿真模拟法智能预测法常用预测方法定性法预测方法的选择第二节需求预测的数学方法一、时间序列预测法二、回归分析预测法三、预测误差的度量时间序列预测法1、简单移动平均法n：是用于销售预测的历史数据长度：是

5、第i期的实际销售量：是第t+1期的销售预测值时间序列预测法例：某一商场2000~2009年出售空调的数量如下表9-1所示。根据前2000年到2003年空调销售情况，利用移动平均法预测出第2004年的销售情况。解：根据公式，2004年的空调销售预测值（台）时间序列预测法时期需求时期需求20001100200523002001130020062200200216002007280020032100200831002004190020093300空调10年销售数据（单位：台）时间序列预测法2、加权移动平均法：是第

6、i期销售量的影响权重时间序列预测法例：根据上题中提供的数据，商场空调销售量在2000~2003年的影响权重分别为0.1，0.2，0.3，0.4，则利用加权平均法预测2004年的空调销量为多少？解：根据公式得：（台）时间序列预测法3、指数平滑法指数平滑法是一种特殊的加权平均法，对当期需求水平的预测值是所有历史需求观测值的加权平均或：移动加权系数时间序列预测法解：根据公式得：（台）（台）（台）例：根据上题中提供的数据，应用指数平滑法，预测第2004年空调的销售量。时间序列预测法4、趋势调整后的指数平滑法趋势调整

7、后的指数平滑预测可用下式来表示：：第t期指数平滑预测的结果：第t期的趋势调整项时间序列预测法和分别满足：：第t-1期的真实需求:为移动加权系数:为趋势平滑系数（时间序列预测法例：根据上题中提供的数据，利用趋势调整后的指数平滑方法预测2004年空调的销售情况，其中假设2000年指数平滑的趋势为200台，α=0.8，β=0.1解：根据公式得：趋势调整后的2004年空调销量预测结果为：回归分析预测法1、一元线性回归：是预测值或因变量：自变量：直线在Y轴的截距：直线的斜率回归分析预测法假设已经获得n组数据，则可求得

8、偏差平方和Q值:根据极值定理，要使Q为最小，则必须满足一阶导数为零：回归分析预测法整理得：（1）（2）代入（2）式得：（1）式两边同除以n，得：回归分析预测法例：假设啤酒的销售量仅受气温的影响，表9-2为某小区便利店在2010年夏天每天啤酒销售量与气温（气温高于34摄氏度时）的关系。试建立一元线性回归模型分析气温为35.5摄氏度时啤酒的销售量。气温x（摄氏度）啤酒销售量Y（箱）351036123716382239