供应链环境下的生产计划与控制.ppt

《供应链环境下的生产计划与控制.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第四章供应链管理环境下的生产计划和控制本章要点：1、供应链需求预测方法；2、掌握传统的MRP生产计划与控制的原理和应用；3、了解MRPII的原理和特点；4、了解ERP的原理和特点。企业经营活动是以顾客需求驱动的、以生产计划与控制为中心而展开的。生产计划的制定依据是一定的决策信息，计划决策的信息来自两个方面，一方面是需求信息，另一方面是资源信息。需求信息来自两个方面，一个是用户订单，另一个是需求预测。资源信息是生产计划决策的约束条件。第一节供应链需求预测一、预测在供应链中的作用对未来顾客需求的预测是所有供应链的设计和规划决策的基础。这些决策包括：工厂和设备投资、生产计划、销售人员配置和雇员

2、计划。二、预测方法（一）定性预测方法是主观的预测方法，依赖于人们的判断和意见做出预测。适用范围：缺少历史数据或专家关于市场的见解对于预测十分重要的情况。定性预测法种类一般人员意见法（1）经理人员意见法（2）销售人员意见法（3）顾客意见法专家意见法（1）专家会议法（2）专家小组法，也称德尔菲法基本程序：由企业外的见识广博，学有专长的专家作市场预测。先请一组专家（10～50人）独立地对需要预测的问题提出意见，公司主持人把各人意见综合，整理后又反馈给每个人，使他们有机会比较一下他人不同的意见。如仍坚持自己的意见，可进一步说明理由，再寄给主持人。主持人整理后再次反馈给每个人，如此重复三四次后，一般

3、可得出一个比较一致的意见。定性预测法种类主观概率法是一种以个人经验为主，对专家的意见进行分析评定而预测的方法。分别征求一些专家的意见，然后根据个人的经验，对专家的不同意见的可靠性进行评定（可以用百分比表示，也就是“主观概率”），然后对专家的意见加以综合，以使预测值更加切合实际。例如，请四位专家根据目前市场情况，来预测某地区来年对手表的需求量，甲预测为15万只，乙预测为12万只，丙预测为8万只，丁预测为5万只，一个最有经验的并且最了解目前情况的人认为，各人预测均有一定根据，评定甲的概率为0.5，乙和丙的概率均为0.2，丁的概率为0.1。按这个概率计算来年该地区手表的预测需求量为：15×0.5

4、＋12×0.2＋8×0.2＋5×0.1＝12（万只）（二）时间序列法——定量预测方法时间序列：指在一个给定的时期内按照固定时间间隔（例如，1小时、一周或一月等）把某种变量的数值依时间先后顺序排列而成的序列。基于时间序列的预测方法总是假设通过过去的数值可估计它们未来的数值。（1）长期趋势。（2）季节变动。（3）循环变动。（4）不规则变动。（5）随机变动。1、平均方法通过对历史数据作平均运算，序列中偏高或偏低的数据可相互抵消，因此平均法可以平滑数据序列中的波动。一般有四种平均方法。（1）简单预测法任何一个时期的简单预测值均等于前一个时期的实际值，需求稳定的产品可以使用这一预测方法。优点：成本低

5、；不需分析数据，因而既快捷又容易。缺点：预测精度不高。用途：也可用于预测呈现季节性变动或长期变动的时间序列。平均方法（2）滑动平均法利用过去一系列的实际数值进行预测，将距离预测期最近几期的实际数值的平均值作为预测值。计算公式为：式中：i——序时项数；n——滑动平均中的总序时项数；Ai——第i期的实际数值；MAn——滑动平均数。优点：便于计算，易于理解。缺点：赋予各期相同的权重，如果在时间序列中发生了非随机性变动，滑动平均预测法对这种变化的反应不敏感。平均方法（3）加权平均法与滑动平均法相似，不同的是赋予时间序列中距离预测期较近数据以较大的权重。例：某商场家电产品在前四周的需求量依次为12、

6、17、15、13，给最近一期数据赋予权重0.4，上一期数据赋予权重0.3，上上一期数据分配权重0.2，距离预测期最远一期数据分配权重0.1。则加权平均值为：MAn＝0.4×13＋0.3×15＋0.2×17＋0.1×12＝15优点：对最近一期的实际情况反应灵敏。难点：一个是移动间隔期的确定，企业没有办法知道多久以前的需求对预测期的需求没有影响；另一个是赋予每一期的权重没有科学的确定方法，只能依靠主观的经验进行判断。平均方法（4）指数平滑法具体做法：上一期预测值加上时间序列该期实际与预测值差额的一定百分数即得新的预测值。即式中：Ft——第t期的预测值；Ft-1——第t-1期的预测值；a——平滑

7、系数；At-1——第t-1期的实际需求量或销售量。上式可变形为：平滑常数a决定了预测对偏差调整的快慢。a的值越接近于0，预测对偏差的调整就越慢（即预测对时间序列做出了更大的平滑）。反之，a的值越趋于1，预测对偏差的调整就越迅速，同时平滑效果就越差。2、长期趋势方法时间序列长期趋势分布反映了所有长期因素对时间序列数据的影响。可通过建立一个合适的数学模型对长期趋势进行分析。长期趋势预测一般具有如下形式：式中：t——代表时间序