產(chǎn)品預(yù)測方法
作者: 來源: 文字大小:[大][中][小]
預(yù)測方法有許多不同類型，有些為定性的，依賴于管理意見和輿論，但有些為定量的，則要求通過專業(yè)預(yù)測分析。最常用的定性方法包括管理意見、主管或?qū)＜乙庖娪懻摲ê弯N售組合法。定量方法包括移動平均法、指數(shù)平滑法、回歸模式、時間序列分解法，以及更先進(jìn)的自動回歸移動平均( Autoregressive Moving Average，ARIMA)模式。定量方法要求收集資料以建立模式。簡單的分析要求至少12個月的時間，季節(jié)性模式則要求至少36個月的時間。定量方法最為廣泛地用于預(yù)測需求，將做進(jìn)一步的研討。開發(fā)預(yù)測模式之前，重要的是了解預(yù)測的目的，包括做出預(yù)測的單元和預(yù)測時間幅度。
這些先進(jìn)的模式采用了多個自變量，而非時間序列的歷史模式（即滯后應(yīng)變量和預(yù)測誤差期）。這些自變量包含有助于解釋“應(yīng)變量”需求模式的信息。例如，有數(shù)據(jù)顯示歷史產(chǎn)品銷售情況依賴于實(shí)際可支配的收入和雇用水平及預(yù)先銷售水平（滯后應(yīng)變量組成部分）。相較于僅依靠需求歷史，該信息可幫助建立更準(zhǔn)確的模式。由于每一種物項(xiàng)和定位都有一個獨(dú)立需求模式，因此模式的數(shù)目則根據(jù)產(chǎn)品和定位而定。
為了更有效管理大批量的模式，建議使用基于需求變量系數(shù)（平均需求劃分的需求標(biāo)準(zhǔn)偏差數(shù)）和二級度量指標(biāo)，如單元量銷售，對整體產(chǎn)品數(shù)量進(jìn)行分層。該方法如圖所示。
分層使得預(yù)測分析有的放矢，對量大（或另一相對重要的標(biāo)準(zhǔn)）、對需求變動小的時間序列進(jìn)行有效管理。需求變動小是指可建立好的模式，但是需求變動大卻難以成為模型。MRPⅡ系統(tǒng)采用最小、最大庫存系統(tǒng)模式自動管理數(shù)量及變動小的物項(xiàng)的需求。另一方面，如果對時間序列而言，需求變動大于平均需求，則應(yīng)開發(fā)特殊模式用于預(yù)測需求。總體而言，定量時間序列模式可用于采用靜態(tài)需求模式開發(fā)的產(chǎn)品，但是在其他情況下，還需要特殊模式技術(shù)。
時間序列方法可用于建立模式。預(yù)測單個變量時，應(yīng)結(jié)合前期的需求和預(yù)測誤差。舉例說明，可建立一個模式，基于本月實(shí)現(xiàn)的銷售與前期月份的對比的不同，預(yù)測下一月份的銷售數(shù)額。時間序列法不要求復(fù)雜的分析，因?yàn)樵撓到y(tǒng)軟件優(yōu)化該模式是基于歷史需求的加權(quán)參數(shù)。其可最小化關(guān)于模式適合性和歷史基線相比的結(jié)果性預(yù)測誤差。在一定程度上，指數(shù)平滑法用于該類模式。另外，大多數(shù)機(jī)構(gòu)采用平滑指數(shù)法以自動預(yù)測產(chǎn)品銷售。如果產(chǎn)品不存在趨勢或季節(jié)性模式，則采用帶有單獨(dú)加權(quán)參數(shù)的“簡單平滑指數(shù)法”模式建立預(yù)測模式。如果時間序列具有明顯的趨勢，但是不帶有季節(jié)性模式，則采用雙重加權(quán)參數(shù)（“雙重指數(shù)平滑”亦稱為霍特指數(shù)平滑法）建議使用三項(xiàng)加權(quán)參數(shù)的預(yù)測模式。
“移動平均法”可用于預(yù)測一段時間內(nèi)的平均產(chǎn)品需求，但是該方法不適用于預(yù)測季節(jié)性需求。“時間序列分解”法也可以類似于三重指數(shù)平滑法的方式把時間序列分解為其趨勢和季節(jié)性組成部分。因ARIMA模式復(fù)雜，一般不適用于預(yù)測產(chǎn)品銷售情況。
基于回歸的方法通常建立使用一個或多個自變量的模式，以及在某些情況下使用應(yīng)變量的自動回歸組成部分。舉例來說，未來的銷售量可能需要參考前期的銷售情況（自動回歸部分）和一個或多個自變量，如參考收入及消費(fèi)者市場的狀況。有些自變量為主導(dǎo)變量，有些為滯后變量。主導(dǎo)變量為當(dāng)前我們所知的變量以及已顯示將在未來對應(yīng)變量產(chǎn)生影響的變量。舉個例子，油價可作為未來機(jī)動車輛銷售的主導(dǎo)指標(biāo)。在該例中，用戶應(yīng)獲得關(guān)于主導(dǎo)指標(biāo)的信息以進(jìn)行更準(zhǔn)確的預(yù)測。
若想正確地創(chuàng)建和分析預(yù)測模式，則需要經(jīng)驗(yàn)和學(xué)習(xí)。一些機(jī)構(gòu)使用高階預(yù)測方法，如使用計(jì)量經(jīng)濟(jì)學(xué)變量（即主導(dǎo)經(jīng)濟(jì)指標(biāo)、滯后經(jīng)濟(jì)指標(biāo)和多個自變量）建立的回歸模式，但是，大多數(shù)生產(chǎn)機(jī)構(gòu)傾向于使用較簡單的時間序列勝予基于回歸的方法預(yù)測產(chǎn)品銷售情況。基于時間序列預(yù)測的產(chǎn)品銷售情況可于每月由預(yù)測系統(tǒng)通過定位對所有產(chǎn)品或所有產(chǎn)品物項(xiàng)的日常銷售量進(jìn)行計(jì)算。在這些時間序列模式中，預(yù)測模式以迭代方式建立，使用參數(shù)以消除歷史需求。有三個基本概念用于定義及建立一個時間序列模式。第一個概念為預(yù)測時間帶，即為運(yùn)轉(zhuǎn)設(shè)計(jì)的預(yù)測時期；第二個概念為準(zhǔn)備預(yù)測的預(yù)測交付周期或時間單位（即月或年）；第三個概念為按時間順序排列的歷史要求結(jié)果，即基于交付周期，。從最原始到最近的要求觀測結(jié)論。使用該信息，一個預(yù)測模式便可建成，用于預(yù)測未來產(chǎn)品需求。
近年來，信息科技被廣泛用于供應(yīng)鏈中，為供應(yīng)鏈的各個部分實(shí)時提供需求信息。舉例來說，在零售供應(yīng)鏈中，由于每項(xiàng)物品都在結(jié)賬柜臺進(jìn)行掃描，因此可實(shí)時記錄需求信息。每天，該類已記錄的需求信息都會發(fā)送至供應(yīng)基地，因而無須以相關(guān)的預(yù)測錯誤信息建立預(yù)測模式，可根據(jù)該類需求信息安排進(jìn)貨產(chǎn)品物項(xiàng)。該類系統(tǒng)的更先進(jìn)之處在于供應(yīng)商可使用該類信息在消費(fèi)者所在地實(shí)時管理庫存。在這種情況下，供應(yīng)商可分析外部消費(fèi)者需求及與其相對的可用庫存，提供適量產(chǎn)品以供銷售以最大化銷售及運(yùn)轉(zhuǎn)利潤。