第四章物流仓储管理方案设计计.ppt.ppt

* 定量预测方法之四： 加权移动平均 （Weighted moving average） 加权移动平均预测法是在移动平均预测法的基础上，进一步赋予时间序列中各期实际值以不同的权重，距离预测期较近的数据以较大的权重。 为实际需求的权系数。 * 月份 实际销量（百台） n=3 1 20 2 21 3 23 4 24 (0.5×20+1.0×21+1.5×23)/3=21.83 5 25 (0.5×21+1.0×23+1.5×24)/3=23.17 6 27 24.33 7 26 25.83 8 25 26.17 9 26 25.67 10 28 25.67 11 27 26.83 12 29 27.17 若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法的结果要小。 近期数据的权重越大，则预测的稳定性就越差，响应性就越好。 可以同时改变n和α。 简单移动平均和加权移动平均需要的数据量大，计算量非常大，当产品很多时计算工作繁重。 * [公式] Ft+1=aAt+(1-a)Ft 定量预测方法之五：指数平滑法 （Single exponential smoothing） α值的确定 选择α，一个总的原则是使预测值与实际观察值之间的误差最小。从理论上讲，α取0–1之间的任意数据均可以。具体如何选择，要视时间序列的变化趋势来定。 （1）当时间序列呈较稳定的水平趋势时，应取小一些，如0.1–0.3，以减小修正幅度，突出以往资料中长期趋势对预测值的影响。 （2）当时间序列波动较大时，宜选择居中的α值，如0.3–0.5。 （3）当时间序列波动很大，呈现明显且迅速的上升或下降趋势时，α应取大些，如0.6–0.8，以加重近期实际观察值对预测值的影响，使预测模型灵敏度高些，能迅速跟上数据的变化。 （4）在实际预测中，可取几个α值进行试算，比较预测误差（MSE），选择误差较小的那个α值。  [例1]某公司2001年前8个月销售额资料见表5–11，用指数平滑法进行长期趋势分析。已知1月份预测值为150.8万元，α分别取0.2和0.8。 表5–11 某公司2000年各月销售额预测表 （单位：万元） 月份 实际销售额 一次指数平滑预测数 α＝0.2 α＝0.8 1 2 3 4 5 6 7 8 9 154 148 142 151 145 154 157 151 － 150.80 0.2×154+（1–0.2）×150.8＝151.44 0.2×148+（1–0.2）×151.44=150.75 0.2×142+（1–0.2）×150.75=149.00 0.2×151+（1–0.2）×149.00=149.40 148.52 149.62 151.10 151.08 150.80 153.36 149.07 143.41 149.48 145.90 152.38 156.08 152.02 从例1中可看出，α值和初始值的确定是关键，它们直接影响着趋势值误差的大小。 定量预测方法之六： 季节性预测 时段 第一年 第二年 第三年 3年总和 占全年% 第1季度 125 140 183 448 21.43 第2季度 270 245 295 810 38.76 第3季度 186 174 190 550 26.32 第4季度 84 96 102 282 13.49 总计 665 655 770 2090 100.00 假设下年度总需求预测值为830, 那么下年度各季度的需求预测值应是多少？ * 第1季度的需求预测值=830 X 448/2090=830 X 21.43%=178 第2季度的需求预测值=830 X 810/2090=830 X 38.76%=322 第3季度的需求预测值=830 X 550/2090=830 X 26.32%=218 第4季度的需求预测值=830 X 282/2090=830 X 13.49%=112 * 　　　　定量预测方法之七：一元回归模型 YT为一元线性回归预测值； α为截距,为X为自变量X=0时的预测值； b为斜率； X为自变量的取值； * 回归分析 ?需求作为函数,影响需求的因素作为变量来预测 ?单一变量:单一线形回归分析,2个以上变量:多重线形回归分析 单一线形回归分析 [公式] Y=函数Y的推定值(即,回归线上值)