第5章 计划供应链的需求与供给阳明明5.1 供应链中的需求管理预测供应链中预测的意义v预测是为了更好地计划生产、运输、供应等v每个环节独立进行预测，往往出现需求与供给之间的不匹配v拥有稳定需求的成熟产品最容易预测，而高新技术产品及时尚类产品则相反v精确的预测可以让供应链更好地响应和服务客户预测的特点v预测通常是不准确的，但误差区间是可以估计的v长期预测的准确性不如短期预测v综合预测通常比分解预测要准确v越接近下游，信息越真实，预测越准确需求预测的基本步骤v定量预测法的注意要素：明确预测目标计划与预测相结合分析影响需求预测的主要因素理解和明确消费者细分市场选择合适的预测方法竞争者采取的行动定性预测v五大定性预测方法v一般预测法:一线销售员预测,逐级上报分析;v市场调研法:问卷/面谈/收集数据,适合R&D;v小组共识法:高级经理/销售经理/顾客代表头脑风暴;v历史类比法:类似产品历史销售数据类比,适合R&D;v德尔菲法 :专家问答收集汇总,闭环重复基本定量预测方法汇总及比较方法简介预测期移动平均法movingaverage时间序列上移动平均的每一点都是一系列连续点的算术平均数或加权平均数，选择若干数据点以消除季节性等影响。
短期指数平滑Exponential smoothing 类似于移动平均法，只是对更近期的点给予更大的权数，来调整季节等不确定短期博克斯詹金斯法Box-Jenkins 通过计算机建成自回归的、综合的移动平均模型，调整季节性和趋势性权重中短期基本定量预测方法汇总及比较方法简介预测期时间序列分解法Time seriesdecomposition将时间序列分解成季节性、趋势性和规律性因素等方法在判断转折点时非常有用，是中期（3-12个月）预测的好方法中短期趋势映射法Trendprojection 用数学方程拟合趋势曲线，考虑如下几个变形：斜率、多项式、对数等中短期集中预测法Focusforecasting 在未来的三个月内，通过计算机模拟测试几个简单的决策方法，看哪个更精确中期基本定量预测方法汇总及比较方法简介预测期回归模型Regression model通过计算机统计将需求与其他变量或解释变量联系在一起，用回归模型来预测中短期计量经济模型Econometricmodel 是一组相互依赖的回归方程组，比普通的回归方程更好地解释因果，能更好地预测转折点中短期购买意向和预期调查intention-to-buy anti-cipation surveys对普通公众调查决定购买意向，但可能会得到错误的反馈信息，因此应不断加以跟踪校正。
中期基本定量预测方法汇总及比较方法简介预测期神经网络法neutral networks该模型可以学习新数据，对不连贯的时间序列，该模型比其他时间序列模型预测得更准确短期生命周期分析Life-cycle analysis根据S曲线分析，预测新产品的增长，在不同阶段，产品可分别被创新者、早期接受者等人们所接受中长期动态模拟Dynamicsimulation利用计算机模拟不同时间最终产品销售情况，对分拨和供给渠道不同点需求的影响需求由ss/pp/采购政策表示出来中短期移动平均法v移动平均法根据时间序列逐项移动，依次计算包含一定项数的平均数，形成平均数时间序列，并据此对预测对象进行预测v移动平均可以消除或减少时间序列数据受偶然性因素干扰而产生的随机变动影响v移动平均法在短期预测中较准确，长期预测中效果较差v移动平均法可以分为：一次移动平均法 二次移动平均法移动平均法v一次移动平均法适用于具有明显线性趋势的时间序列数据的预测v一次移动平均法只能用来对下一期进行预测，不能用于长期预测v必须选择合理的移动跨期，跨期越大对预测的平滑影响也越大，移动平均数滞后于实际数据的偏差也越大跨期太小则又不能有效消除偶然因素的影响。
跨期取值可在320间选取v一次移动平均数的计算公式如下：nxxxxMxntttttt)1(21)1(1.指数平滑法v指数平滑法来自于移动平均法，是一次移动平均法的延伸指数平滑法是对时间数据给予加工平滑，从而获得其变化规律与趋势v根据平滑次数的不同，指数平滑法可以分为：v 一次指数平滑法v 二次指数平滑法v 三次指数平滑法一次指数平滑)1(1221)1(1)1()1(.)1()1()1(tttttttttxxxxSxS一次指数平滑预测模型 当时间序列数据大于50时，初始值S0(1）对St(1)计算结果影响极小，可以设定为x1；当时间序列数据小于50时，初始值S0(1）对St(1)计算结果影响较大，应取前几项的平均值实例例：有关数据的计算见下表()8.0观察年份时 序观察值St(1)St(2)199614041.53442.655199724745.90645.256199835653.98152.236199946562.79660.684200057068.55966.984200167573.71272.366200278280.34278.747计算结果TTbaxSSbSSaT38.6937.8138.6)747.78342.80(8.018.0)(1937.81747.78342.8022777)2(7)1(77)2(7)1(77时间序列分解预测法v基本思路：以历史数据作为预测基础v适应范围：内外部环境基本稳定，基本的销售模式在年与年之间无明显变动，未来需求与历史数据有较强的相关性。
v类型：静态(static),动态(adaptive)观察值系统变量观察值系统变量+随机变量随机变量系统参数：预期值，包括需求水平（level），长期趋势（trend），季节系数（seasonality）等；随机变量：无法解释的因素，也是预测与真实值差别的主要原因，因此要尽量减少随机变量的大小；不同的三种模型v因子关系（multiplicative）：level X trend X seasonal factorv和关系（additive）：level+trend+seasonal factorv混合关系（mixed）：（level+trend）X seasonal factor时间序列预测模型及步骤v确定合适的模型（因子型，相加型，混合型）v预测发展水平和长期趋势（运用移动平均，回归方程等）v预测季节性因素v得出模型的基本参数，建立预测模型时间序列分解法的实例演算观察年分时序（t）观察值（x）t2tx趋势值趋势比率（TI）199913213225.091.2821843626.210.6932196327.330.774391615628.451.3720005362518029.371.226213612630.690.687244916831.810.758446435232.931.3420019398135134.051.15102510025035.170.71112812130836.290.77124814457637.411.28合计783756502598趋势图计算过程第一步：估计需求水平和需求趋势值 假定各季度销售量呈直线趋势变化，根据最小二乘法建立直线趋势预测模型 ，利用上表中数据可求得：直线趋势预测数学模型btaxt97.23127812.11237512.1786501237578259812)(222 ntbnxattnxttxnbtxt12.197.23计算过程第二步：根据直线趋势预测模型计算各期趋势值89.411612.197.2377.401512.197.2365.391412.197.2353.381312.197.2381.31712.197.2321.26212.197.2309.25112.197.2316151413721xxxxxxx第三步：计算各期趋势比率28.141.374877.029.362877.033.272169.021.261828.109.2532121212111111333222111xxTIxxTIxxTIxxTIxxTIxxTIiii所以有:趋势比率的计算公式是第四步：计算季节指数33.1328.134.137.176.0377.075.077.069.0371.068.069.022.1315.122.128.14321SISISISI季节指数等于同月（季）趋势比率和与资料年份数的比第五步：进行预测v根据上述计算结果，根据上述计算结果，2002年各季度的销售量预测年各季度的销售量预测值如下：值如下：7.5533.189.41)(0.3176.077.40)(4.2769.065.39)(0.4722.153.38)()(4164431533214221131112SIxSIbtaXSIxSIbtaXSIxSIbtaXSIxSIbtaXSIxSIbtaXiiii所以有 预测公式为：第六步：预测结果季度序号趋势比率平均趋势比率2002年趋势值2002年预测值19992000200111.28 1.221.151.2238.5347.020.690.680.710.6939.6527.430.770.750.770.7640.7731.041.37 1.341.281.3341.8955.7回归模型（最小二乘法）v最小二乘法即适用于直线趋势的预测，也适用于曲线趋势的预测。
v最小二乘法直线趋势预测模型为：xbyxbynaxxnxyyxnbbxay)(1)(其中22广州市货运物流量预测值年份年份时序时序广州市国民生产广州市国民生产总值总值(亿元亿元)199912063.37200022375.91200132684.83200243001.48200353496.88200464115.81200575115.75200686048.41Dependent Variable:HYMethod:Least SquaresDate:03/30/09 Time:17:41Sample:1999 2006Included observations:8VariableCoefficientStd.Errort-StatisticProb.C4688.516717.28066.5365160.0006GDP3.1877200.18673117.071200.0000R-squared0.979827 Mean dependent var16205.13Adjusted R-squared0.976465 S.D.dependent var4492.546S.E.of regression689.2109 Akaike info criterion16.12129Sum squared resid2850070.Schwarz criterion16.14115Log likelihood-62.48516 F-statistic291.4259Durbin-Watson stat1.295049 Prob(F-statistic)0.000003预测3.18774688.5yx分析预测误差v判定现行预测方法能否准确预测需求的系统成分v判断预测的上下区间，及早做准备v判断一种预测方法是否合适极差（最大预测值与最小值之差）均方差（所有期预测误差平方和之平均）平均绝对偏差（所有期预测误差绝对值之平均）标准差（均方差之平方根）离散系数（标准差与所有期平均值之比）5.2 供应链中的综合计划Outlinev供应链总体计划的作用v总体计划问题v总体计划战略v利用线性模型制定总体计划vExcel中的总体计划v总体计划的实施供应链总体计划的作用v拥有任何能力都需要成本v企业生产经营活动存在提前期v总体计划 公司通过它决定一定时期内的生产能力、生产安排、转包、库存水平、促销以及定价问题目标是最大化利润关于全局的决策而不仅仅是某个部分决策的周期一般是3到18个月公司怎样利用现有的设施供应链总体计划的参数生产率劳动力数量加班量机器产能水平转包 延期交货需求现有库存v供应链的战略应该是制定一个能使供应链业绩最大化的供应链总体计划总体计划的重要问题v目标：在计划期内，给定预测水平，确定生产水平、库存水平、生产能力以使公司利润最大化v计划期内每个周期的需求预测v生产成本v正常时间的劳动力成本和加班时间的劳动力成本v转包生产成本v产能变更成本v单位产品需要的劳动力工时/机器台时v库存持有成本v约束条件v 加班限制，解雇的限制，可用资本的限制v缺货与延期交货的限制v从供应商到企业的约束总体计划需要的信息v规定时间的产量、加班时间的产量和转包生产的数量v库存v库存积压或库存缺货的数量v雇用或解雇工人数量v机器生产能力的增加或减少总体计划战略v决策的关键：权衡生产能力、库存成本与决策的关键：权衡生产能力、库存成本与延期交货的销售损失延期交货的销售损失v三种策略：三种策略：追逐战略-将生产能力作为杠杆将利用率作为杠杆-工人人数或产能的时间柔性战略平稳战略-将库存作为杠杆追逐战略v通过改变设备和雇用工人数量调整产能v现实中短期内很难改变产能和工人数量v当改变产能成本高昂时，该战略总成本较高v对工人影响较大v带来较低的库存水平v适用环境：库存成本较高而改变生产能力和工人人数成本较低时使用时间柔性战略v如果设备具有剩余生产能力时可以使用v工人数量保持不变，但工作时间随需求量比东v运用加班和弹性工作表调整v比追逐战略更加人性化v较低的库存水平，同时较低的设备利用率v适用环境：库存成本较高或改变生产能力代价较小时使用水平战略v维持劳动力人数和及产能v产品短缺或过剩影响库存v根据预测提前建立库存；从旺季转入淡季时处理库存v工人稳定 v可能积累较大的库存v当库存成本和积压产品成本相对较低时使用“红西红柿工具”案例（表5-1）MonthDemand ForecastJanuary1,600February3,000March3,200April3,800May2,200June2,200公司的成本（表5-2）ItemCostMaterials$10/unitInventory holding cost$2/unit/monthMarginal cost of a stockout$5/unit/monthHiring and training costs$300/workerLayoff cost$500/workerLabor hours required4/unitRegular time cost$4/hourOver time cost$6/hourCost of subcontracting$30/unit决策变量Wt=Workforce size for month t,t=1,.,6Ht=Number of employees hired at the beginning of month t,t=1,.,6Lt=Number of employees laid off at the beginning of month t,t=1,.,6Pt=Production in month t,t=1,.,6It=Inventory at the end of month t,t=1,.,6St=Number of units stocked out at the end of month t,t=1,.,6Ct=Number of units subcontracted for month t,t=1,.,6Ot=Number of overtime hours worked in month t,t=1,.,6成本的组成v日常劳动力成本v加班时的劳动力成本v雇佣和解雇的成本v保有库存的成本v缺货成本v原材料成本v转包成本目标函数61616161616161613010526500300640ttttttttttttttttCPSIOLHWMin约束条件v工人总数、雇用员工和解雇员工之间的限制条件.80,6,.,10,011WwheretforLHWWorLHWWtttttttt限制条件v生产能力限制条件.6,.,1,0440,440tforPOWOWPtttttt限制条件v库存平衡限制条件.500,0,000,1,6,.,1,0,6001111IandSIwheretforSISDCPISISDCPItttttttttttttt限制条件v加班时间限制条件.6,.,1,010,10tforOWWOtttt总体计划的预测误差v将加班作为安全生产能力的一种形式v永久性的雇用多余的工人，以此作为安全生产能力的一种形式v将转包生产作为安全生产能力的一种形式v修建更多的仓库，保留更多的库存，以此作为安全生产能力的一种形式v从开放市场或即期市场购买生产能力或产品，以此作为安全生产能力的一种形式实施综合计划的实践v超越公司范围考察整个供应链v制定有弹性的计划，因为预测总是不准确的v当新数据出现时，重新制定总计划v当设备利用率提高时，使用综合计划v案例阅读案例阅读v秦池酒厂的前身是1940年成立的山东临朐县酒厂.doc供应链中的供给和需求规划：控制可预测变量Outlinev对供应链中可预测变量的反应v供给管理v需求管理v控制可预测变量方案的实施思考v当某种产品是季节性产品，如果你作为品牌经理，请选择vA 在销售旺季促销vB 在淡季促销v请做出选择，并说明原因对供应链中可预测变量的反应v如果需求稳定，可以通过总体计划满足需求v可预测变量是指可以预测到的需求量的变动v可预测变量的存在，会增加供应链的成本及降低供应链的反应能力v一个企业可以通过两种方法管理可预测变量利用生产能力、库存、转包生产和积压来掌握供给利用短期价格折扣和促销来掌握需求供给管理v生产能力管理工人的弹性工作时间利用季节工人利用转包合同利用双重设施-专用设施和弹性设施在生产过程的设计中融入产品弹性v库存管理利用多种产品的通用零部件为高需求产品或可预测需求的产品建立库存库存/生产能力之间的转换v库存水平的设定取决于季节性需求v为了保持较低的库存水平，需要生产能力随着季节性需求波动而变动，或者企业具备足够强大的生产能力以满足最高需求需求管理v促销v定价v适时选择促销或价格变动是非常重要的v需求的增加可以由以下三个因素综合决定:市场增长(increased sales,increased market size)抢占市场份额(increased sales,same market size)提前消费(same sales,same market size)非需求高峰(January)折扣from$40 to$39MonthDemand ForecastJanuary3,000February2,400March2,560April3,800May2,200June2,200Cost=$421,915,Revenue=$643,400,Profit=$221,485需求高峰期(April)折扣from$40 to$39MonthDemand ForecastJanuary1,600February3,000March3,200April5,060May1,760June1,760Cost=$438,857,Revenue=$650,140,Profit=$211,283January 折扣:100%增长需求,销售价格=$40($39)MonthDemand ForecastJanuary4,440February2,400March2,560April3,800May2,200June2,200Off-peak discount:Cost=$456,750,Revenue=$699,560高峰(April)折扣:100%增长消费,销售价格=$40($39)MonthDemand ForecastJanuary1,600February3,000March3,200April8,480May1,760June1,760Peak discount:Cost=$536,200,Revenue=$783,520不同假设的综合对比Regular Price Promotion Price Promotion Period Percent increase in demand Percent forward buy Profit Average Inventory$40$40 NA NA NA$217,725 895$40$39 January 10%20%$221,485 523$40$39 April 10%20%$211,283 938$40$39 January 100%20%$242,810 208$40$39 April 100%20%$247,320 1,492$31$31 NA NA NA$73,725 895$31$30 January 100%20%$84,410 208$31$30 April 100%20%$69,120 1,492 需求管理v如果在旺季促销，平均库存会增加，如果在淡季促销，平均库存会减少v如果需求增长大部分来自提前购买，在需求旺季促销会降低整体营利水平v如果提前购买只占一小部分，在旺季促销的营利性更大v由于产品边际收益率递减，旺季的促销会使利润下降需求管理v将供应链中的预测、定价和总体计划协调起来v影响折扣的因素产品边际收益消费变动提前购买影响促销的时机因素FactorFavored timingHigh forward buyingLow demand periodHigh stealing shareHigh demand periodHigh growth of marketHigh demand periodHigh marginHigh demand periodLow marginLow demand periodHigh holding costLow demand periodLow flexibilityLow demand period影响折扣时机的因素v折扣引起的消费量的增加v折扣引起的提前购买量的变化v产品边际收益控制可预测变量方案的实施v市场营销和生产运营部门协同行动v在制定战略决策时将可预测变量考虑进来v先发制人并不仅仅影响可预测变量Summaryv面对可预测变量，控制供给以增进供应链的协调性v面对可预测变量，控制需求以增进供应链的协调性v面对可预测变量，利用总体计划以实现利润最大化演讲完毕，谢谢观看！。