12預測運營管理原理課程組2015版人類的愿望：未卜先知白菜的困境世界杯的商機2025/4/832025/4/8企業中的預測預測什么？主要是需求對競爭對手的反應預測屬于博弈論。為何要預測？根本目的：應對變化的需求，使供求平衡。好處一：減少庫存，節約庫存成本好處二：及時滿足需求，減少缺貨現象如何預測？以歷史為鑒，以統計技術為法2025/4/84預測的分類三種基本類型：定性預測、時間序列分析和因果關系分析定性預測：基于估計和評價，主觀判斷時間序列分析：假定需求的變化趨勢將在未來持續一段時間（基于過去需求的歷史數據預測未來），用于短期預測因果關系分析：假定需求與某些內在因素或周圍環境的外部因素有關系，用于長期預測企業選用哪一種預測模型主要取決于下列因素：預測的時間跨度相關數據的獲取預測精度的要求預測預算的大小合格的預測人員2025/4/86定性方法基于專家意見和直覺的非定量的預測技術。多用于沒有現成可得數據的時候。德爾菲法（背對背的專家意見）市場調研（通過問卷調查、上門訪談等方法收集顧客數據，通常用于長期預測和新產品銷售預測）歷史類比（與類似產品相聯系，利用其歷史數據來進行預測，可用于新產品開發）德爾菲法的步驟組成專家小組專家人數的多少，可根據預測課題的大小和涉及面的寬窄而定，一般不超過20人。向所有專家提出所要預測的問題及有關要求，并附上有關這個問題的所有背景材料，同時請專家提出還需要什么材料。然后，由專家做書面答復。各個專家根據他們所收到的材料，提出自己的預測意見，并說明自己是怎樣利用這些材料并提出預測值的。將各位專家第一次判斷意見匯總整理，再分發給各位專家，讓專家比較自己同他人的不同意見，修改自己的意見和判斷。將所有專家的修改意見收集起來，匯總，再次分發給各位專家，以便做第二次修改。收集意見和信息反饋一般要經過三、四輪，直到每一個專家不再改變自己的意見為止。對專家的意見進行綜合處理。

2025/4/88時間序列分析基于以往事件隨時間出現而形成的歷史記錄可以預測未來移動平均法（簡單移動平均、加權移動平均）：對某時間段所包含的數據點求均值（權重可等，可不等）指數平滑法：權重隨數據的老化而下降（越新的數據權重越高）線性回歸分析：將歷史記錄按數據隨時間的變化擬合為一條直線趨勢外推：使得出的趨勢曲線與數據點匹配，并推至未來2025/4/89因果分析試圖弄清預測對象的基礎和環境情況，找出出現某種規律的原因回歸分析：其他事件的發生影響了預測結果。投入/產出模型（從客戶采購量變化角度預測銷售量）先行指標(antecedentindex)：油價汽車銷量預測方法的比較預測方法時間跨度模型復雜程度數據需求德爾菲法長高高移動平均法短較低低指數平滑法短低較低線性回歸法長較高高回歸分析長非常高高2025/4/811需求的構成需求可以分解為5部分：一段時間內的平均需求、趨勢、周期性需求、季節性需求、隨機偏差2025/4/812趨勢分析趨勢分析是預測的起點，然后根據周期性、季節性和其他因素進行調整。線性趨勢S型趨勢拐點2025/4/813趨勢分析漸進趨勢指數趨勢2025/4/814時間序列分析以歷史數據為基礎預測未來三種常用方法：簡單移動平均加權移動平均指數平滑方法的選擇：利用歷史數據繪制散點圖數據點分布均勻：移動平均法、指數平滑數據點分布呈現一定趨勢：趨勢性指數平滑15簡單移動平均適用于：既不快速增長也不快速下降，且不存在季節性因素（可消除預測中的隨機波動）計算公式：Ft=(At-1+At-2+…+At-n)/nFt為下一期的預測值At-1為前一期的實際值n為移動步長(移動平均的時期區間數)缺點：數據要逐個給出2025/4/816簡單移動平均合理選擇移動步長非常重要：移動步長越長，對隨即擾動因素的平滑性就越好，但如果數據中隱含有某種趨勢時，移動平均法的結果會滯后于這種趨勢。2025/4/817簡單移動平均2025/4/818加權移動平均基本方法與簡單移動平均相同，只是對于每個時期的數據賦予不同的權重（假定不同時期對于未來的影響是不一樣的）計算公式：Ft=wt-1At-1+wt-2At-2+…+wt-nAt-nFt為下一期的預測值At-1為前一期的實際值wt-1為第t-1期數據數據的權重（可以為0，權重順序不定，但所有時期權重之和必須為1）n為移動步長(移動平均的時期區間數)2025/4/819加權移動平均一家商場利用當月銷售額的40%、倒數第2個月的30%、倒數第3個月的20%、倒數第4個月的10%可以預測下一個月Month1：100Month2：90Month3：105Month4：95Month5：？有的時期可以省略（權重為零），權重設置可以為任何順序，但所有權重之和必須為1。97.52025/4/820指數平滑法在多數情況下，最近發生的情況比久遠的情況更能預測未來；數據越遠，其重要性越低平滑系數α(0~1):每靠前一期，重要性降低1-α最近一期權重＝α前一期的權重＝α(1-α)1前兩期的權重＝α(1-α)2指數平滑可以完成移動平均的所有功能實際需求穩定，選用較小的α，與移動平均中取較大步長同樣效果。實際需求波動幅度大，選用較大α，與移動平均中取較小步長同樣效果。權重（α＝0.20）權重（α＝0.80）最近一期權重＝α0.20000.8000前一期的權重＝α(1-α)10.16000.1600前兩期的權重＝α(1-α)20.12800.0320前兩期的權重＝α(1-α)30.10240.00642025/4/822指數平滑法平滑系數的值取決于產品本身和管理者對快速響應率內涵的理解成長期－快速響應－近期經驗重要－α大簡單移動平均指數平滑法α可近似取值為2/(n+1)其中n為步長指數平滑法需要三個數據即可預測：最近期的預測值、最近期的實際需求量和平滑系數（α）2025/4/823指數平滑法單一指數平滑的計算公式：Ft為第t期預測值，Ft-1為第t-1期預測值At-1為第t-1期實際值，α為平滑系數2025/4/824指數平滑法指數平滑法廣受歡迎的原因：指數模型的精確度非常高建立指數模型相對容易用戶能了解模型如何運行使用模型無需過多計算使用歷史數據有限2025/4/825實例預測本周的客流量:使用移動步長為3周的移動平均法平滑指數為0.7的指數平滑法平滑指數為0.3的指數平滑法周周日周一周二周三周四周五周六實際量上3周138183182188207277388上2周143194191200213292401上周157196204193226313408預測量上周1551911921982042863962025/4/826實例下一周的實際量如下表:以上三種方法中哪種方法更合適?

平均絕對偏差(MAD)衡量預測誤差，MAD小，意味著誤差較小周周日周一周二周三周四周五周六實際量本周1602041972102153004212025/4/827平滑指數法接近實際情況2025/4/828指數平滑中的趨勢因素除平滑指數α外，還應該考慮趨勢平滑系數δ其中，FIT為趨勢性預測值

T為指數平滑趨勢（第一次使用時人工給定趨勢值）2025/4/829線性回歸分析線性回歸方程：Y=a+bＸ在時間序列分析中，Ｘ代表時間在因果關系分析中，X代表某一變量假設：歷史數據和未來預測值都落在一條直線上2025/4/8303年(12季度)銷售情況（預測值?和實際值y）最小二乘法：通過最小化誤差的平方和尋找數據的最佳函數匹配2025/4/831判斷回歸線與數據相符程度的指標：標準誤差（standarderrorofestimate,SYX）()212?--=?=nniiiYXyyS2025/4/832時間序列分析中的預測誤差誤差：預測值與實際結果的偏差只要預測值位于置信區間內，就不算真正的誤差誤差的來源：將過去的趨勢直接外推至未來誤差分為偏移誤差和隨機誤差偏移誤差：預測總是偏高或偏低未包含正確變量變量間關系定義錯誤趨勢曲線使用不正確季節性需求偏離正常軌跡未被發現的趨勢隨機誤差：無法解釋的誤差項（噪音）2025/4/833誤差測量標準差（均方差/方差的平方根）平均絕對偏差（meanabsolutedeviation，MAD）跟蹤信號（TS）：預測值是否能與實際需求增長或減少的變化步調保持一致TS=累計預測誤差RSFE/平均絕對偏差MAD2025/4/834因果關系預測原因現象2025/4/835預測可靠性：決定系數因變量變化多大程度上是由自變量的變化引起的決定系數（coefficientofdetermination,r2）：因變量可以被自變量解釋的比例，計算公式為：2025/4/836希望r2越大越好，即Σ(yi-?i)2越小越好自變量因變量誤差總方差2025/4/837預測方法在服務業中的應用實時收集數據供決策者參考（節假日公園的人流：世博園指定日）減少庫存和浪費（快餐店對顧客流的預測）減少人員安排（靈活用工）減少生產能力浪費（促銷）制定產能決策（產能提升、收縮）討論參照表9-2，針對下列情況你會選擇哪種預測模型：（a）浴衣