《精编》物流需求预测概述课件

第三章物流需求预测 大纲 第三节物流需求预测 第一节需求与预测概述 第二节物流供给与需求 第四节物流需求预测方法 第五节物流需求预测实例 第一节需求与预测概述 一 需求的定义和特性1 需求的时间性和空间性2 需求的规律性3 需求模式的稳定性4 一次性需求和长期需求5 派生需求与独立需求 第一节需求与预测概述 二 需求的可预测性有规律需求 具有高度可预测性 无规律需求 但数学统计特征持续 统一 无规律需求 且不可预测 第一节需求与预测概述 三 预测的定义所谓预测就是对未来状况的预想 日常生活里 我们每天都要接触预测 如天气预报 股票走势 预测几乎无处不在 经济生活中 在制定多数经济计划之前 我们也都会对未来一定时间内的社会环境状况进行估计 对相关经济指标的走向进行判断 而这种估计或判断也是预测 当然 现实中做出这样的估计或判断有相当的难度 且估计的准确性也参差不齐 但它们都是进行计划之前所必须进行的步骤 是制定经济计划的前奏 第一节需求与预测概述 四 预测的原理 第一节需求与预测概述 五 预测的原则预测总会有误差对一族或一组产品的需求预测比对单一产品的需求预测更准确近期预测更准确 第一节需求与预测概述 六 预测的分类1 长期预测长期预测的期限一般为五年或五年以上 主要是根据企业的长远发展战略和市场的需求发展趋势进行预测分析 2 中期预测中期预测的期限一般为一至三年左右 主要是围绕企业的经营战略 新产品的研究与开发等方面进行预测 3 短期预测短期预测期限一般以月为时间单位 大致三个月至一年 4 近期预测近期预测的期限一般以周 旬为时间单位 主要是对企业内部的各个环节进行预测 第二节物流供给与需求 一 物流供给与需求的定义和特点1 物流供给与需求的定义物流供给 指在一定时期内社会能够向市场提供有效物流服务的能力或资源 它包括量和质两方面的内容 物流需求 指在一定时期内社会能够通过市场交换而消费的物流服务的数量 第二节物流供给与需求 2 物流供给的特点 1 物流供给只能以资源或能力要素的形式存储 而不能以现实的产品储备待用 2 供给结构的合理性对物流供给效能的发挥起决定性作用 3 供给弹性小 4 短缺性 5 替代性强 3 物流需求的特点不平衡性可转移性弹性小可化解性 第二节物流供给与需求 二 物流需求的内涵1 现代物流需求包括物流需求量和物流需求结构两个方面2 物流系统的需求具有时间和空间特征3 对物流系统需求的分析应包括物流系统各作业项目的分析4 物流需求同时包含独立需求和派生需求 第二节物流供给与需求 三 影响物流供给的因素1 物流服务价格2 物流能力资源要素的供给状况和价格3 国家政策4 管理体制5 物流技术和管理水平6 自然环境7 物流秩序 第二节物流供给与需求 四 影响物流需求的因素1 国民经济的规模和结构2 物流价格3 社会化大生产分工的深度4 对外经济关系5 企业管理水平 特别是库存管理技术高低6 物流供给者的服务水平 第三节物流需求预测 一 物流需求预测概述物流需求预测 就是指根据物流市场过去和现在的需求状况 以及影响物流市场需求变化的因素之间的关系 利用一定的经验判断 技术方法和预测模型 应用适合的科学方法对有关反映市场需求指标的变化以及发展的趋势进行预测 第三节物流需求预测 1 物流市场需求的特征表现 1 季节性需求指产品的需求量随着季节的转换而发生较大的变化 2 周期性需求指产品的需求量随着时间的推移而呈现周期性的变化 3 趋向性需求指产品的需求量随着时间的推移而朝着某一个方向有规律地运动 没有出现较大的剧烈波动 4 随机性需求指产品的需求量由于需求的偶然变动而呈现无规则的变化趋势 2 物流需求预测的作用 l 物流需求预测是物流管理的重要手段 2 物流需求预测是制定物流发展战略目标的依据 3 物流需求预测是物流管理的重要环节 第三节物流需求预测 二 物流需求预测步骤明确预测对象收集相关的资料数据选择合适的预测方法预测与结果评价提交预测报告 第三节物流需求预测 图3 1物流需求预测过程 第四节物流需求预测方法 一 定性预测方法1 主管人员意见法2 销售人员意见法3 市场调查法4 德尔菲法5 类比法 第四节物流需求预测方法 二 定量预测方法 第四节物流需求预测方法 1 移动平均法此方法就是从时间序列的第一项数值开始 选取一定的项数求得序列的平均数 这样就可以得到一个下期的预测值 然后逐项移动 边移动边平均 在进行一次新预测时 必须加进一个新数据和剔除一个最早的数据 这样进行下去 就可以得到一个由移动平均数 即各期的预测值 组成的新的时间序列 移动平均法的使用比较广泛 主要适用于这样一些情况 数值的变化没有明显的上升或下降的趋势 比较平稳 没有受到明显的季节性变化的影响 移动平均法可分为简单移动平均法加权移动平均法 第四节物流需求预测方法 1 简单移动平均法在简单移动平均法中 将构成移动平均的各期数据都看做是具有相同的作用 具体操作是将最近几个时期的数据综合起来 它们的平均数就是下一个时期的预测数 应用简单移动平均法进行预测时 本期的预测值等于过去各期的实际发生量之和除以预测期数 其计算公式为 式中 At 第t期的实际值 MAt 1 第 t 1 期预测值 n 移动平均的时间段数 n t 第四节物流需求预测方法 2 加权移动平均法根据实际值距离预测期远近的不同 分别赋予它们不同的权数 依次来提高预测的可靠性 计算公式为 式中Wt 第t期的权数值 其他各字母含义同前 第四节物流需求预测方法 2 指数平滑法此方法是利用过去的数据资料 使用平滑指数来进行预测的一种方法 对最近期的数据观察值赋予最大的权重 而对以前各期的数据观察值则顺序地赋予递减的权重 而不是给所有的数据以同等的重要性 这样的处理显得较为合理 因为最近期的观察值已经包含了最多的未来情况的信息 相对于移动平均法而言 指数平滑法大大减少了对历史数据存储量的需求 其计算公式为 或 式中Ft 第期的预测值 Ft 1 第t 1期的预测值 At 1 第期的实际值 平滑指数 0 1 第四节物流需求预测方法 3 回归预测法此方法就是找出预测对象 因变量 与影响预测对象的各种因素 自变量 之间的关系 并建立相应的回归方程式 然后代入自变量的数值 求得因变量的方法 回归预测法是一个十分有用的预测方法 尤其适用于长期预测 主要的不足在于 想要进行可靠的预测 就需要大量的数据资料 在回归预测中 所选定的因变量是指需要求得预测结果的那个变量 即预测对象 自变量则是指影响预测对象变化的 与因变量有密切关系的变量 在实际操作中 选择一个变量为因变量 而将其余的变量作为自变量 然后根据有关的历史统计数据 研究测定因变量与自变量之间的关系 根据这些变量之间的相互关系拟合一定的曲线 这条曲线就叫做回归曲线 表达这条曲线的数学公式就叫做回归方程式 第四节物流需求预测方法 3 回归预测法下面将重点介绍一元线性回归预测法一元线性回归法也叫最小二乘法 它是用来处理两个变量之间具有线性关系的一种方法 这种方法的特点是 先根据 X Y 现有的实际数据和统计资料 把 X Y 作为已知数 再寻找合适的 a b 回归系数 并根据回归系数来确定回归方程 然后利用已求得的回归方程 得出一条趋势变动直线 并使此直线上的各点到实际资料对应点之间的距离最小 从而使这条直线最能代表实际数据的变动 并作为预测的依据 第四节物流需求预测方法 3 回归预测法 设X Y 两变量满足趋势变动直线方程 Y a bX式中X 自变量 Y 因变量或预测量 a b 回归系数 现有数据资料 Xi Yi i 1 2 3 n 经整理 可得回归系数a b 为 公式简化 公式简化 第四节物流需求预测方法 三 物流需求预测误差1 产生误差的原因 1 用于预测的信息与资料引起的误差 2 预测方法及预测参数引起的误差 3 预测期间的长短引起的误差 4 预测者的主观判断引起的误差 2 误差的一般计算方法 1 平均误差 2 平均绝对误差 3 相对误差平均值 4 相对误差绝对值平均值 6 标准差 5 均方差 第五节物流需求预测实例 一 简单移动平均法例 3 1某百货商店在 1999 年前三个月的风扇实际销售量分别为 300 220 230 台 试用移动平均法预测四月份的销售数量 解由式 3 1 可知 四月份的销售数量为 采用这种方法 我们以三个月为基准 n 3 不断引进新数据来消除偶然因素的影响 逐月预测的结果见表 3 1 所示 如果改变基准 使 n 值增加 从表中可以看出 误差则相对增大 对干扰的敏感性降低 第五节物流需求预测实例 表3 1预测数据表 第五节物流需求预测实例 二 加权移动平均法例3 2根据例 3 1 试用加权移动平均法预测四月份的销售数量 解首先 根据实际值距离预测期远近的不同 分别赋予各月的权数为 0 2 0 3 0 5 由式 3 2 可知 四月份的销售数量为 以三个月为基准 逐月预测的结果见表 3 2 所示 从中不难看出 与简单移动平均法的预测结果相比 这种方法的精确性要相对高一些 第五节物流需求预测实例 表3 2预测数据表 第五节物流需求预测实例 三 一次指数平滑法例3 3根据例 3 1 试用一次指数平滑法预测四月份的销售数量 解由式 3 3 可知 平滑指数分别取0 6和0 4 计算结果见表 3 3 第五节物流需求预测实例 表3 3计算结果表 第五节物流需求预测实例 四 季节性预测模型例 3 4某公司厨具 2003 年四个季度的销售数量分别为 300 200 220 530 套 2004 年四个季度的销售数量分别为 520 420 400 700 套 具有较大的波动性 试利用季节指数来预测其 2005 年各个季度的需求量 解首先利用最小二乘法或其他方法求出趋势方程 得到 然后 利用趋势方程计算 2003 2004 年各个季度的历史数据 并将之与实际值进行比较 得出它们各自的季节指数 如表3 4所示 第五节物流需求预测实例 表3 4季节指数表 第五节物流需求预测实例 根据表 3 4 的计算结果 可求出用于预测的季节指数如下 一季度 1 33 1 17 2 1 25二季度 0 71 0 84 2 0 78三季度 0 66 0 72 2 0 69四季度 1 36 1 15 2 1 26最后 利用季节指数将趋势方程进行修正 预测未来 2005 年的需求量 一季度 170 55 9 1 26 831二季度 170 55 10 0 78 562三季度 170 55 11 0 69 535四季度 170 55 12 1 26 1 046 第五节物流需求预测实例 五 回归分析例 3 5某公司维修时间 千小时 与费用 万元 的资料如表 3 6 所示 试预测其下一年度维修时间增加到 140 千小时时的维修费用 解根据式 3 4 为方便起见 采用表格计算形式 如表3 6所示 则回归系数为 第五节物流需求预测实例 表3 6计算数据表 第五节物流需求预测实例 回归方程为 检验回归方程 为节省篇幅 此处从略 预测 当维修时间增加到140千小时时 则 以上各种预测方法对实际的物流企业来说 还需要根据需求性质 判断是独立需求还是派生需求 以便进行必要的分解 并且 还要根据物流运输条件加以换算 以形成适合物流企业自己使用 管理的单位形式 如将产品数量换算为运输车辆数 运输次数等 这样才能真正有效地管理物流 配置资源 ThankYou