F6=
5+4+3+5 4
=
17
4
= 4.25
± í 6-1 ¼ ò µ ¥ Ò Æ ¶ ¯ Æ ½ ¾ ù ² ¨Ô ¤² â  ² Ô Ý 1 2 3 4 5 6 7 8 9 10 11 12 µ ¼ Ê Ê Ï ú Á ¿ (° Ù Ì ¨) 20.00 21.00 23.00 24.00 25.00 27.00 26.00 25.00 26.00 28.00 27.00 29.00 21.33 22.67 24.00 25.33 26.00 26.00 25.67 26.33 27.00 21.75 23.33 24.75 25.50 25.75 26.00 26.25 26.50 n=3(° Ù Ì ¨) n=4(° Ù Ì ¨)
（一）时间序列平滑模型
二次指 数平滑
2、指数平滑法
[公式] Ft+1=SAt+Tt
式中：Ft+1——第t+1期二次指数平滑值； Tt为t期平滑趋势值， T0事先给定； SAt为t期平滑平均值，又称之为“基数”， SA0事先给定。
SA 1 )(SA t A t ( t 1 Tt 1 )
销售人员意见汇集法
历史类推法
追踪类似产品在过去市场中需求的成长过程 类推 属于新产品,以前没有资料的情况
*其它定性技术:Scenario分析法,trend外插法…
第三节
定量预测方法
• 一、时间序列模型
• 二、因果模型
（一）时间序列平滑模型
简单移动 平均法 [公式] 通过移动平均消除偶然变化
第六章
• • • • 第一节 第二节 第三节 第四节
需求预测
预测 定性预测方法 定量预测方法 预测监控
第一节
• • • • •
预测
一、预测及其分类 二、影响需求预测的因素 三、需求预测的方法 四、预测的一般步骤 五、预测中应注意的几个问题
一、预测及其分类
预测作用
过去依赖于预测者的经验/主观判断 各种生产决策时的基资料 适合于库存生产(计划生产),订货生产 最近开发数学统计技术 确保生产能力,原材料及制定有关经营战略的必须因素
（一）时间序列平滑模型
加权移动 平均法
1、移动平均法
在用于预测之前N期间资料值乘上合为1的加权值,求出移动平均 *简单移动平均的情况,在N期间的各资料值乘上同一的1/N的加权值
[公式]
Ft+1=WtAt+Wt-1At-1+……+Wt+1-NAt+1-N tN Ft+1:t+1的预测值，At:t的实际需求，Wt:赋予t的加权值， Wi 1
预测值是Ft=Ft-1+a(At-1-Ft-1)=100+0.3(110-100)=103
（一）时间序列平滑模型
一次指数平滑法的连续展开 期间1:A1,F1(F1已知,期间1末期值可以知道A1 ) 期间2:F2=aA1+(1-a)F1 期间3:F3=aA2+(1-a)F2
2、指数平滑法
平滑常数（a)的值越大预测值对需求
÷Ê Ç Æ ³ É ² Ö
¾ ½ ¼ Ú ³ É ² Ö
Ü Æ Ö Ú ³ É ² Ö æ » Ë ú ² ¨¶ ¯ ³ É ² Ö
1）因此需求Y可用下列函数表示
Y=f(T,S,C,I)
2)并且根据构成要素的结合形态
Y=T*S*C*I 加法模型 Y=T+S+C+I
剩法模型
图3-7
几种可能的时间序列类型
*预测的类型 对象 科学预测：对科学发展情况的预计与推测 技术预测:预测技术进步率,开发新产品/新制造技术,由技订领域专家去执行 经济预测:预测经济状况,制定中长期经营计划,由经济专家去执行 需求预测:预测产品及服务的需求,决策生产 社会预测：对社会未来的发展状况的预计和推测 短期预测:6个月以内,月别/周别/日别 中期预测:6个月-2年 长期预测:2年以上
成长期ቤተ መጻሕፍቲ ባይዱ衰退期 投入期 时间
三.需求预测方法
定性方法
由个人的主观/判断,或综合多数意见后预测需求 过去的资料不充分或不可信赖时
1、类型
代表方法:Delphi方法,用户调查方法,主管人员意见法,销售人员意见汇集法，
历史类推法 中长期预测
定量方法 时系列 模 型
过去的需求模式一直持续到未来的假设下,分析过去资料投影未来 代表方法:
-1.21
-3.67
14.08
（二）时间序列分解模型
– 趋势成分（Trend ）- 数据长期变化趋势 – 季节性成分（Seasonality） - 数据随季节有规律的波动 – 周期成分（Cyclicity variations）- 周期因素引起的波动 – 不规则变化/随机波动（ Irregular variations ）- 随机因素引起的波动
周别销售额,月别销售量…)有趋势,季节因素,循环等模式.
四、预测的一般步骤
“预测”
6 对预测进行监控 5 准备预测 4 收集和分析数据
3 选择预测的方法
2 确定预测的时间范围 1 确定预测的目的
五、预测中应注意的几个问题
（一）判断在预测中的作用
1、判断在选择预测方法中的作用； 2、判断在辨别信息中的作用；
3、判断在取舍预测结果时的作用；
（二）预测精度与成本 （三）预测的时间范围和更新频率 （四）稳定性与响应性
第二节
Delphi法
定性预测方法
选择对象专家团提问/答案整理/反馈(3-4回)最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备,新产品,市场战略的长期预测或技术预测
(F3代入式子整理)
因此一般Ft+1用如下公式表示 [公式] Ft+1=aAt+a(1-a)At-1+a(1-a)2At-2
+……+a(1-a)t-1A1+(1-a)tF1
<指数加权值的合总是1>
例3.1：某公司的月销售额记录如表3-3所示，试取a= 0.4,F1=11.00,计算 一次指数平滑预测值。 月份 1 2 3 4 5 6 7 8 9 10 11 12 At(千元) a³At-1(千元) Ft-1(千元) 10 12 13 16 19 23 26 30 28 18 16 14 4 4.8 5.2 6.4 7.6 9.2 10.4 12 11.2 7.6 6.4 11 10.60 11.16 11.90 13.54 15.72 18.63 21.58 24.95 26.17 22.90 6.6 6.36 6.7 7.14 8.12 9.43 11.18 12.95 14.97 15.70 13.74 （1-a）³Ft-1(千元) Ft(千元) 11 10.60 11.16 11.90 13.54 15.72 18.63 21.58 24.95 26.17 22.90 20.14
7.08
6.91 7.35 7.94 9.35 11.33 13.97 16.6 19.42
11.08
11.71 12.55. 14.34 16.95 20.53 24.37 28.60 30.62
0.40
0.22 0.27 0.35 0.63 0.97 1.38 1.65 1.89
0.44
0.54 0.69 1.25 1.94 2.76 3.30 3.77 2.90
=aA2+a(1-a)A1+(1-a)2F1
(F2代入式子整理) 期间4:F4=aA3+(1-a)F3
变化反应越大，越小平滑的稳定性越好; 实际需求稳定时（例：食品），为减 小短期/偶然性变化的效果减小a的值； 为维持预测值的稳定性一般从0.1~0.3 中设定。
=aA3+(1-a)A2+a(1-a)2A1+(1-a)3F1
11.52
12.25 13.24 15.59 18.89 23.29 27.67 32.37 33.52
10
11
18 7.2
16 6.4
20.11
16.27
27.31
22.67
-1.65
-2.32
1.45
-0.10
-0.20
-2.42
27.11
20.25
12
14 5.6
12.15
17.75
-2.46
11
β (SAt-SAt-1) (1- β )Tt-1 0.04
0.32 0.42 0.90 1.31 1.79 1.92 2.12 1.01
Tt
0.80
Ft+1
11.80
1
2 3 4 5 6 7 8 9
10 4
12 4.8 13 5.2 16 6.4 19 7.6 23 9.2 26 10.4 30 12 28 11.2
At (1 ) Ft
Tt (SAt SAt 1 ) (1 )Tt 1
β ——斜率偏差的平滑系数。 例3-2：对例3.1提供的数据，设α =0.4, β =0.5, SA0 =11.00, T0 =0.80,求二
次指数平滑预测值。
t
0
At
α At
(1-α )Ft SAt
例3.4 表3-6是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司 未来一年各季度的销售量。
季度 季度序号t 销售量At 4个季度销售总 量 4个季度移动平 均 季度中点
夏
秋 冬
1
2 3
11800
10404 8925
春
i t 1

<例>实际需求如下 月（t）
1
2
3