電話: 0769-23664995
傳真: 0769-22701961
郵箱: 956561100@qq.com
手機: 13713125042 章先生?
? 13827271547 劉先生
地址: 東莞市高埗鎮環城北路百茂物流城B區一街十二棟
您現在的位置: 首頁 - 新聞中心 - 行業知識 - 物流需求預測的一般步驟和技術---安泰物流
物流需求預測的一般步驟和技術---安泰物流
  1. 共查閱:[ 1711 ]
  2. [ 2012-12-30 ]
物流需求預測是為了制定物流管理計劃,而對需求時間、地點、庫存單位、裝運流量等
所進行的預示或估計。精確的需求預測可以促進物流信息系統和生產設施能力的計劃和協
調。并且通過物流需求預測可以確定產品是如何向配送中心和倉庫或者零售商進行分配的。
為明確責任,衡量需求預測的效果,開展物流需求預測需要建立一套包括組織、程序、動機
以及人事等方面的完善的預測的行政管理體制,以支持預測活動的順利開展,在此基礎上選
擇預測技術,實施預測過程并對其過程實行有效監控。
一、物流需求預測的一般步驟
1、確定需求性質
經預測的需求可以分為從屬需求和獨立需求。從屬需求具有垂直順序特征,如采購和制
造情況,零部件的采購為了裝配成制成品,此時零部件的需求取決于制成品的裝配計劃。水
平從屬需求是一種特別情況,需求的項目并非完成制造過程所需要,而有可能是完成營銷過
程所需要,如在每個裝運項目中包括了附屬物、促銷項目或經營者手冊等,那么對附屬物的
需求預測就取決于裝運項目的計劃。因此,對如零部件等的從屬需求的預測可直接通過基本
項目的需求估計來確定而無需分別進行預測。
獨立需求預測則是兩個項目的需求毫無關系,如對洗衣機的需求有可能對洗衣粉的需
求無關,洗衣粉的預測對改善洗衣機預測將不起任何作用。這類項目主要包括大多數最終消
費品和工業物資,必須單獨預測。
2、確定預測目標
明確預測的目標是進行有效預測的前提。有了明確具體的預測目標,才能有的放矢的收
集資料,否則就無法確定調查什么,向誰調查,更談不上怎樣進行預測。并且預測目標的確
定應盡量明細化、數量化,以利于預測工作的順利開展。
3、確定預測內容,收集資料進行初步分析
預測內容即影響物流需求的因素,一般包括:某時期的基本需求水平、季節因素、趨勢
值、周期因素、促銷因素以及不規則因素六個方面。預測者必須認識到不同因素對物流需求
所具有的潛在影響,并能適當的予以處理,對于特定項目具有重大意義的成分必須予以識別、
分析并與適當的預測技術相結合。
某時期的基本需求水平是以整個展延時間內的平均值表示的,是對沒有季節因素、周期
因素和促銷因素等成分的項目的適當預測。
季節因素通常建立在年度基礎上,對消費零售層而言,在某幾個季度,某物品的需求量
較大,而在另幾個季度,需求量較小的規律運動。而對批發層次而言,這種季節因素先于消
費需求大約一個季度。
趨勢值是指在一個展延的時期內,定期銷售的長期一般運動。它可以為正、為負或不確
定方向,人口或消費類型的變化決定趨勢值的增減,銷售量隨時間而增加是正的趨勢值,反
之,則為負的趨勢值。而通常情況下,由于人們消費習慣的變化,趨勢方向會改變許多次。
周期因素如商業周期,一般來說,每隔3——5 年就有一次經濟從衰退到擴張的波動,許多
大宗商品需求就與商業周期聯系緊密。
促銷因素,在某些行業,廠商的市場營銷活動會引發需求波動,對銷售量具有很大影響。
促銷期間銷售量增加,此后隨著利用促銷逐漸售出庫存后銷售量下降。從預測的角度,有規
則的促銷因素類似季節因素,而不規則的促銷因素則必須對它進行跟蹤并結合時期進行分
析。
不規則因素,是隨機的或無法預測的因素。在展開一項預測的過程中,其目標是要通過
跟蹤和預計其他因素,使隨機因素降低到最小程度。
在了解預測內容的基礎上,根據預測目標收集資料進行初步分析,觀察資料結構及其性
質,并以此作為選擇適當預測方法的依據。
4、選擇預測方法
在需求預測中有兩種方法,即經驗判斷和數學模型法。經驗判斷法由預測者根據所掌握
的資料進行數據分析,憑借其專業知識和經驗進行預測,這種方法多在掌握資料不夠全面,
預測準確度要求不搞時使用,在更多情況下,使用的是建立數學模型的方法,一般包括時間
序列建模和相關性建模兩種方法。這種預測相對經驗判斷法更準確一些。對于這些方法將在
下一節中進行具體介紹。
5、計算并做出預測
以預測目標為導向,根據選定的預測方法,利用掌握的資料,就可以具體研究,進行定
性或定量分析,預測物流的需求狀況。
6、分析預測誤差
根據現實的資料對未來進行預測,其中產生誤差是難免的。誤差的大小反映預測的準確
程度,如果預測誤差過大,其預測結果就會偏離實際太遠,從而失去參考價值。因此對預測
可能出現的誤差進行分析是十分必要的,一方面要分析誤差產生的原因,另一方面要檢查預
測方法的合理性??傊诡A測誤差降到最小。
二、預測技術
在預測過程中,預測技術的選擇對于預測準確度的提高有重要影響。一般所采用的預測
技術有兩種,即定性預測和定量預測。
(一)定性預測技術
定性預測通過調查、座談和協商會議來展開,主要依賴專家意見或判斷預測。這種方法
只能對未來的發展變化提供一個大致趨勢,而無法準確量化。在具體的物流預測實踐中,有
幾種常見的方法,現簡單介紹如下:
1、特爾菲法
主要采用函詢的方式,依靠專家背靠背的判斷,使專家的不同意見能夠充分發表,經過
客觀分析和多次征詢反饋,使各種不同意見逐步趨向一致,從而得出較為符合事物發展規律
的預測結果。它的主要過程包括:
首先,根據預測的目標和要求,擬定意見征詢表。
其次,選擇那些從事與預測題目相關的專業工作、精通專業并具有預見性和分析能力的
專家作為征詢對象。
再次,多次反復征詢專家意見。
最后,做出預測結論。
這種方法優點是集思廣益,有助于預測的全面和可靠,并且采取的匿名反饋有助于預測
人員獨立思考,減少心理因素的干擾。但缺點是主要依靠主觀判斷,缺乏客觀標準。
2、業務人員評估法
預測時,召集所屬物流各環節,如計劃、采購、倉儲和運輸等的業務人員對未來某種物
流需求做出估計,然后把大家的推斷數據綜合處理,形成對未來的預測。
這種方法的優點是業務人員最了解物流需求情況和市場動態,所提供的情況和預測的數
值比較接近實際。缺點是某些業務人員的自身素質較低,思想狹隘,所作的預測長忽略整個
經濟形勢和市場需求變化趨勢,并且業務人員出于自己的業務考慮做出估計一般比較保守。
(二)定量預測技術
這是一種比較準確的預測方法,包括兩種:一是時間序列技術,二是回歸分析技術。前
者通過分析歷史模式和模式的變化來預測,后者使用明確并且特定的有關變量的信息來開展
預測。
1、時間序列技術
時間序列技術是利用過去一段時間的銷售量數據或其他一組數據,運用一定的數學方
法,通過現有的需求數據預測未來的發展變化趨勢及需求量,這種技術首先要分析確定歷史
數據的類型和動態,其次選定具體的預測方法,并進行計算,最后結合判斷與量化的數據確
定未來的預測值。
時間序列技術包括三種:(1)移動平均法,(2)指數修正法,(3)外延平滑技術。
(1)移動平均法
根據歷史統計數據的變化規律,使用最近時期數據的平均數,利用上一個或幾個時期的
數據產生下一期的預測。移動平均數很容易計算,用數學公式表達為:
Xt=ΣXt-i/n
Xt — 第t時期的預測值
Xt-I — 第t-i時期的實際值
n — 總時期次數
例如,1,2,3 月份的銷售量為:220,210,260,則4 月份的移動平均值為:
X4=(220+210+260)/3
=230
這種方法很容易計算,但n 值的選取是預測準確度的關鍵所在,如果n 值取得大,則不
僅需要大量的歷史數據來計算預測,而且對這許多數據起伏變化的敏感性差,容易產生“滯
后現象”;如果n 值取得很小,則對變化靈敏度高,對某些因隨機因素造成的變化難以判斷,
一旦數據資料大起大落,預測失誤就會增多。因此,應根據長期預測時間中的經驗合理選取
n 值。
移動平均預測最大的缺陷是:產生的時滯現象和對歷史時期數據的一視同仁,造成預測
誤差較大。而加權移動平均法中給每一時期數據賦以權重,使近期數據對移動平均數影響增
大,從而可以增加預測值的準確度。
數學表達式為:
Xt=(a1Xt-1+a2Xt-2+?anXt-n)/n
Xt — 第t時期的加權移動平均數
an — 加權系數(Σai=n)
n — 總時期次數
如上例中,設a1=0.5,a2=1,a3=1.5,n=3,則
Xt=(0.5*220+1*210+1.5*260)/3
=337
(2)指數修正
這種方法是根據以前時期的實際數值和預測值的加權平均數來估計未來的預測值。數學
表達式為:
X》
t=Xt+α(Xt-Xt-1)
Xt — 第t時期的預測值
Xt-1 — 第t-1 時期的預測值
Xt-1 — 第t-1 時期的實際值
α— 平滑系數(0≤α≤1)
即:下一時期的預測值等于本期預測值再加上一個修正值。修正值是平滑系數與本期預
測值和實際值的誤差之積。
這種方法關鍵在α,當α=0 時,Xt等于Xt-1, 即幾乎是一種簡單的移動平均。當α=1 時,
Xt=Xt-1,即用最近時期的數據作下一時期的預測值。合理選取平滑系數,當時間序列波動較大,
不具備長期穩定趨勢時,平滑系數可取得大一些;當時間序列變化緩慢,起伏波動不大時,
平滑系數可取得小一些。
(3)外延平滑技術
即考慮趨勢值和季節波動對預測值的影響,這類技術分別被稱為具有趨勢值的指數平滑
和具有季節因數的指數平滑。
外延平滑的計算類似于基本平滑模型的計算,可以用最低限度的記錄保存,迅速地計算
新的預測。做出反應的技術能力取決于平滑常數值。較高的數值提供快速的反應,但會導致
過度反應。外延技術的主要特點是,它們直接考慮趨勢值和季節因數成分,但常常被認為過
分敏感,因為它沒有能力正確地細分每一預測成分。這種過分的敏感會導致預測的精度問題。
2、回歸分析技術
這種預測技術建立在事物變化的因果關系基礎上,研究兩個以上變量之間的關系,所以
又叫因果分析法。如果預測基于一個單一因素,只涉及兩個變量,叫做一元回歸分析;如果
使用一個以上的因素,就稱為多元回歸分析。
因果分析法的步驟如下:
(1)通過對歷史資料和現實調查資料的分析,找出變量之間的因果關系,確定預測目
標以及因變量和自變量。因變量即預測的內容,自變量就是引起預測目標變化的各種影響因
素。
(2)根據變量之間的因果關系模型,選擇數學模型,并建立預測模型。
(3)對預測模型進行檢驗,測定誤差,確定預測值。一元回歸分析法是處理兩個變量
之間線性相關關系的一種方法,它描述一個自變量x 與另一個因變量y 之間的相關關系。
一元回歸分析法的通式為:
Yt=a+bX
Yt — 因變量,即在時間段t的預測值
X — 自變量,即引起因變量Yt變化的某種影響因素
a,b—回歸系數
回歸預測能夠有效地考慮外部因素和事件,因此,因果分析技術更適合于長期預測或總
量預測。例如,他們常被用來做出年度的或全國的銷售預測。
三、預測誤差控制
預測的精確度是指相應的預測與實際預測之間的差異。要提高預測的精確度,必須衡量
和分析預測誤差。
首先,誤差大小的衡量決定改善和控制預測的前提。雖然預測誤差的一般定義是實際值
與預測需求量之間的差異,但更精確的定義需要進行計算和比較,在誤差絕對數或相對數基
礎上使用各種方法進行衡量。如按年份計算誤差平均數,計算絕對誤差及由此產生的平均絕
對離差等方法,用不同的方法表現出的預測精度是不一樣的。
其次,分析誤差產生的原因,為控制減小誤差提供基礎。預測誤差的產生可能源于外部
預測因素,如促銷、罷市、價格變化、產品線變化、競爭性活動以及經濟條件等的影響;也
可能由于預測技術的選擇不當所造成。
第三,建立預測反饋機制,根據誤差衡量和誤差原因分析的結果,通過識別主要的誤差
來源,開發技術,建立高效的信息傳導機制,降低誤差。如改善有關諸如價格變化、促銷和
包裝變化等之類的營銷活動的通信傳輸,有可能大大減小預測誤差。
安泰物流,東莞危險品運輸,惠州危險品運輸,深圳危險品運輸,廣州危險品運輸,東莞到上海危險品運輸公司,東莞到北京危險品運輸公司,http://www.7980m.com
Copyright (C) 2010 All rights Reserved. 粵ICP備16106806號   技術支持:光速東莞網站建設  后臺管理
日本亚洲欧美高清专区vr专区,日本口工漫画,中文字字幕在线中文乱码不卡,日本女同 网站地图