1 / 15
文档名称:

供应链一体化-预测.pdf

格式:pdf   页数:15
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

供应链一体化-预测.pdf

上传人:管理资源吧 2011/11/6 文件大小:0 KB

下载得到文件列表

供应链一体化-预测.pdf

文档介绍

文档介绍:下载
第七章
■预测
预测可以推动物流信息系统的计划和协调。预测是对生产、装运或销售等方面有
可能产生的流量或单位数的一种预示或估计。预测可以具体到某种单位或某种货币,
也可以具体到个别产品、顾客,或是若干个产品和顾客的集合。物流预测通常是每周
或每月对从配送中心装运的某一产品进行的一种预计。预测也可能要对几个时期的资
料进行汇总,作出分析和报告。
计划和协调生产设施能力需要精确的预测。这类预测和由此产生的计划可以使
物流经理积极地分配资源,而不需用昂贵的代价对生产能力或库存需求作出反应。
精确的预测可以使经理们平衡资源需求,以期最大程度地降低库存能力和代价昂贵
的存货。预测可以通过交换信息、协调信息,而不是通过增加库存,来提高物流效
率。先进的通信技术已使经理们有更多的机会与顾客和企业内大量的预测用户分享
预测成果。根据战略目标预测,经理们可以计划现金流量和商业活动;通过能力预
测则可约束生产需求和设施能力需求。此外,通过物流需求预测可以确定产品是如
何向配送中心和仓库进行分配的,发展到一定程度时,还应包括向零售商分配。制
造需求预测会影响生产计划,并因此将确定采购需求。显而易见,要实现供应链一
体化,就需要通过共同预测来推动所有的活动。例如,物流需求应考虑大规模的营
销和促销活动,以便使物流能够在生产能力约束之内进行作业。过去,每一种活动
通常都各自开发自己的预测,所以彼此间很难进行传输并发展成为共同预测。然而,
降低库存的要求和信息技术的进步,都在努力超越厂商之间的障碍促进预测向遍及
整个供应链的一体化发展。显然,结合金融、营销、销售、生产和物流理念来开发
预测程序已势在必行。本章将讨论一般预测的考虑因素,然后对综合预测过程的概
念性结构进行描述。
第七章将致力于探讨如何把预测活动与物流信息要求结合起来的问题。第一节将
展开一般预测需要考虑的因素。一开始,它将回顾需求的典型性质,然后将这些性质
与预测内容和预测方法联系起来。
接下来一节将说明如何展开有效的预测过程,并将讨论如何选择和支持预测技术,
而整个预测过程的行政管理则是有效预测的一个重要方面。
最后一节把注意力更多地集中在预测技术方面,介绍和讨论具体的技术。该节结
束时将讨论预测误差的校准和衡量。总之,第七章把预测的作用看成是满足物流信息
要求的一个组成部分。
下载第七章预测 175
第一节一般预测应考虑的因素
预测是为了计划物流作业,而对需求地点、库存单位( S K U )以及时间进行的预计。
要展开一项综合预测过程,物流管理部门就必须考虑所有可能的信息来源以及可能的
系统用户。在确定一项预测过程前,了解需求的性质和需求的主要内容是很重要的。
现逐一讨论如下。
一、需求性质
经预测的需求可以被分类成从属需求或独立需求。以从属需求( d e p e n d e n t
d e m a n d )作为例子,它具有垂直顺序特征,如采购和制造情况。垂直从属需求可以以
零部件为例,诸如轮胎,它们可以被装配成制成品,诸如汽车。在这种从属需求的情
况下,轮胎的需求取决于汽车装配计划。垂直从属可以通过几个渠道分层次地展开,
诸如原材料供应商、零部件制造商、装配作业和配送商等。水平从属需求是一种特别
情况,它在每一个装运项目中包括了附属物、促销项目或经营者手册等。水平从属需
求可以为了促销而对羽毛球进行的预测为例,购买一副羽毛球拍就免费提供羽毛球。
在这一个例中,羽毛球的预测取决于羽毛球拍的预测。在水平需求的情况下,需求的
项目并非完成制造过程所需要的,而有可能是完成营销过程所需要的。
重要的一点是,对基本项目的需求估计最初是通过使用预测、存货状况和需求计划
来确定的。然而,一旦采购或制造计划被确定,对零部件的需求或界入(例如,在先前
例子中的轮胎和羽毛球)便可以直接进行计算,不需要分别地进行预测。因此,零部件
项目的预测可以直接产生于基本项目的预测。如果基本项目的需求发生了实质性的变化,
那么就有必要调整零部件的需求。但是,这种从属需求关系并不会改变。通常说来没有
必要对一种从属需求项目进行预测,因为它的活动水平最好还是通过基本项目来确定。
如果一个给定项目的需求是独立的,这时它与另一个项目的需求毫无关系。例如,
对冰箱的需求有可能与对牛奶的需求无关。所以,预测中的牛奶对改善冰箱预测将不
起任何作用。独立需求项目,它包括大多数终端使用的消费品和工业物资,必须单独
地进行预测。
预测既强调时间,也强调数据。然而,当存在从属需求时,预测者应该利用这种
情况