目录
一、供应链中预测的作用
需求预测是所有供应链计划的基础。首先来回顾一下。供应链中的所有推动流程(push process)都是基于对未来顾客需求的预测进行的。然而,所有拉动流程(pull process)则是基于对实际顾客需求的反应进行的。对于推动流程,供应链管理者必须对生产、运输或外包等活动的预期水平进行计划;对于拉动流程,供应链管理者必须计划可用产能和库存水平,而不是要执行的实际数量。但是,不管是推动流程还是拉动流程,供应链管理者必须做的首要工作都是对未来顾客的需求进行预测。
当供应链中的每一环节都独立进行预测时,期预测结果质检往往存在很大差异,从而导致需求与供给不匹配。当供应链的各个环节彼此合作进行协同预测时,预测结果将会准确得多。由此带来的预测精度提升使供应链能够更好地响应并更高效地服务于顾客。
在对供应链需求预测地组成和预测方法进行深入讨论之前,首先简要介绍预测的特点,这是管理者有效设计和管理供应链所必须了解的。
1.预测通常使不准确的,因此预测应包括两方面的内容,也就是预测的期望值和预测误差的测量。
2.长期预测的精度往往比短期预测低。
3.集中预测往往比分散预测更准确。
4.一般来说,企业越靠近供应链的上游,其接收到的信息失真就越大。
二、预测的组成及预测方法
企业必须了解一下与需求预测相关的因素:
-过去的需求
-产品补货提前期
-广告计划或营销活动
-价格促销计划
-经济状况
-竞争企业采取的行动
必须注意的是,过去的需求和过去的销售是不一样的。企业通常会犯这样的错误,将历史销售数据假设为历史实际需求。然而,要获得真正的实际需求数据,还需要考虑到由于缺货而为满足的需求、竞争对手行为、定价和促销等因素,从而对预测值进行调整。如果不进行调整的话,可能导致预测值无法代表当前的实际情况。同样,企业在选择合适的预测方法之前,必须考虑所有可能影响需求的因素。
预测方法可以分为以下四大类:
1.定性预测法:定性预测法主要依赖于人的主观判断。当可用的历史数据很少或当专家掌握可能影响预测的关键市场情报时,采用定性预测方法最适合。定性预测方法同样适用于对一个新产业未来几年的需求进行预测。
2.时间序列预测法:时间序列预测法运用历史需求数据对未来需求进行预测。时间序列预测法基于这样一个假设——过去的需求数据是预测未来需求的良好参考指标。时间序列预测法尤其适用于每年的基本需求模式变化不大的情况。
3.因果关系预测法:因果关系预测法假定需求预测与某些环境因素高度相关,因果关系预测法可以找到需求与这些环境因素质检的相关性,利用这些环境因素的估计值对未来需求进行预测。
4.模拟预测法:模拟预测通过模拟消费者的选择来预测需求。
企业通常很难确定使用哪种预测方法最合适。实际上,组合使用多种预测方法得到的综合预测值将比使用单独任何一种预测方法更为有效。
本文主要介绍时间序列预测方法。
任何观测到的需求都可以分解为系统成分和随机成分。
观测到的需求(O)=系统成分(S)+随机成分(R)
系统成分(systematic component)度量的是需求的期望值,它由以下几部分组成:需求水平(level),即剔除季节性因素影响后的当前需求;需求趋势(trend),即需求在下一期的增长或下降的速度;季节性因素(seasonality),即需求中可预测的季节性波动。
随机成分(random component)是指预测中偏离系统需求的那部分。预测的目的就在于提出随即成分(噪声),并对系统成分进行估计。预测误差(forecast error)度量的是预测值与实际需求之间的差异。
为了有效地进行预测,企业必须将以下五点纳入其预测过程:
1.理解预测的目标。
2.整合整个供应链的需求计划和预测。
3.识别影响需求预测的主要因素。
4.以合适的集中水平进行预测。
5.建立预测的绩效和误差度量指标。
三、时间序列预测法
任何预测方法的目标都是预测需求的系统成分并对随机成分的期望值进行估计。就其最一般的形式,需求数据的系统成分包含需求水平、需求趋势和季节性因素。需求的系统成分计算公式可以有多种形式。
·乘法型:系统成分=需求水平*需求趋势*季节性因素
·加法型:系统成分=需求水平+需求趋势+季节性因素
·混合型:系统成分=(需求水平+需求趋势)*季节性因素
适用于某一特定预测的系统成分的具体表示形式,取决于需求的特性。具体的预测模型请看补充内容(下篇文章)。