您好,欢迎访问三七文档
战略运营管理第二章 21-2.4运营绩效的衡量——生产率¨ 生产率是评价一个国家、行业或企业的资源(或生产要素)使用效率的一种常用指标。¤ 从广义上说,生产率可以定义为:¤ 生产率=产出/投入¨ 生产率是一个相对指标,比较生产率有两种方法¤ 一个企业可以与同行业类似企业比较¤ 对同一运作组织不同时期的生产率进行比较¨ 生产率的计算方法¤ 单因素计算法、多因素计算法、全要素计算法31-生产率的计算方法!!!!!!!!!!!!第三章预测51-学习目标Ø 理解需求预测的作用Ø 识别需求的基本组成成分:平均需求、趋势成分、季节成分和随机成分Ø 说明如何运用移动平均法、指数平滑法和回归法进行时间序列预测Ø 当存在趋势成分和季节成分时,运用时间序列分解模型进行预测Ø 掌握德尔菲法、协同预测等常见的一些定性预测技术Ø 说明如何测量预测误差61-3.1预测的类型预测对所有商业组织和每一项重要管理决策来说,都是至关重要的。预测是企业制定计划的基础,包括战略预测和战术预测。Ø 生产运作人员使用预测来制定各种涉及供应商选择、工艺选择、产能计划、设备布置等方面的周期性决策,以及采购、生产计划、作业计划和库存等方面的连续性决策。Ø 对于财务和会计部门来说,预测是编制预算和成本控制的基础。Ø 营销部门依靠销售预测来制定新产品计划、为销售人员支付报酬以及作出其他关键决策。71-3.1预测的类型Ø 定性预测是基于估计的主观的、判断性的预测方法。Ø 时间序列分析(timeseriesanalysis)是基于这样一种思想:与过去需求相关的数据可以用来预测未来的需求。Ø 因果关系预测假定需求与某些内在因素或周围环境的外部因素有关。Ø 仿真模型允许预测者对预测环境进行一系列的假设,然后对需求的变化进行模拟。81-3.2预测中的定性方法Ø 定性预测方法一般需要借助于专家知识,并需要大量主观判断。Ø 通常,定性预测方法对参与预测人员的参加过程进行了清晰的定义。Ø 定性预测方法尤其适用于新产品或缺乏经验的新市场的销售预测。Ø 定性预测的方法• 市场调研法• 小组共识法• 历史类比法• 德尔菲法91-3.2.1市场调研法Ø 市场调研法主要用于产品研究以获得开发新产品的创意,了解顾客对现有产品的好恶以及在某一具体产品类别中顾客偏好哪些竞争性商品等。Ø 另外,收集数据的方法主要有:l 问卷调查l 访谈101-3.2.2小组共识法Ø 小组共识法是通过开放式的会议来进行预测的,来自不同层次的管理者和个人畅所欲言、各抒己见,在讨论中交换各自意见,在讨论中达成对事物的一致看法。Ø 这种方法昀大的不足在于:开放式会议上,低级别的员工会被较高层管理人员的意见所左右。Ø 当预测决策涉及范围更广、层次更高时,通常会采用部门主管集体讨论法(executivejudgment)。顾名思义,就是更高级别的管理者集体决策。111-3.2.3历史类比法Ø 在预测新产品的需求时,如果有现有产品或类似产品作为类比的基础,将是比较理想的。Ø 可以用很多方法来对这种类比进行分类:互补产品、替代产品或竞争性产品、随收入而变化的产品等Ø 一个简单的例子就是烤面包机和咖啡壶。一家原来生产烤面包机的企业打算生产咖啡壶,那么可以使用烤面包机的历史数据建立适合的需求增长模型。121-3.2.4德尔菲法Ø 德尔菲法(Delphimethod)隐去了参与研究的各成员的身份。对每个人的意见都赋予同样的权重。Ø 操作过程是:Ø 操作过程是:由主持人设计调查问卷并发给每个参与者,各个成员的意见经汇总后和新一轮问卷一起,再反馈给小组各成员。131-3.2.4德尔菲法Ø 德尔菲法的具体步骤如下:1.选择参与的专家,专家组成员应包括来自不同领域的学识渊博人士。2.通过问卷调查(或电子邮件),从各个专家处获得预测信息(以及预测的条件和限制)。3.汇总调查结果,重新发给所有专家,同时提出新的问题。4.再次汇总,提炼预测结果和条件,再次提出新的问题。5.如有必要,重复第4步。将昀终结果发给所有专家。经过上述三轮反复后,德尔菲法通常能得到满意的结果。141-3.3时间序列分析时间序列分析模型根据历史数据来预测未来的需求。• 利于衡量当前需求的变化倾向,从而对设定安全库存水平、估计服务企业高峰需求非常有用短期(short-term)——3个月以下• 有利于捕捉到季节性影响中期(medium-term)——3个月至2年• 有利于发现大的趋势,尤其有助于识别重要的拐点。长期(long-term)——超过2年151-3.3时间序列分析企业可以根据以下因素选择预测模型。 Ø 预测的时间范围 Ø 数据的可获性 Ø 要求的预测精度 Ø 预测预算的多少 Ø 是否有合格的预测人员 在选择预测模型时,还要考虑其他一些问题,比如企业的柔性(快速应对变化的能力越强,所需的预测精度越低)和不良预测带来的后果。如果要基于某个预测作出大规模投资决策,则对预测精度要求较高。161-3.3.1简单移动平均法移动平均法(movingaverage)就是对最近几期的需求进行简单移动平均。在移动平均法中,时段长度的选择取决于预测的用途。简单移动平均法的公式:式中,Ft为下一时段的预测值;n为移动平均采用的时段个数;At-1为上一时段的实际值;At-2,At-3,At-n为2时段前,3时段前,…,直至n时段前的实际值。Ft=t−1A+t−2A+t−3A+...+t−nAn171-3.3.1简单移动平均法当产品需求既没有快速增长也没有快速下降,且不存在季节性因素时,移动平均法能有效消除需求中的随机波动。尽管对于移动平均法来说,选择最佳时段长度是重要的,但是在预测时所采用的时段的数量对预测精度也有重要的影响。Ø 预测的时间跨度越长、移动平均时段个数越多,则预测波动性越大,越能反映需求变动的趋势;Ø 反之,较长的时间跨度可以更好地平滑随机扰动项,但结果往往滞后于趋势。181-3.3.1简单移动平均法周需求量3周9周周需求量3周9周1 800 1617002200181121400 1718002000180031000 18220018331811415001067 19190019001911515001300 20240019671933613001333 21240021672011718001433 22260022332111817001533 23200024672144913001600 24250023332111101700160013672526002367216711170015671467262200236722671215001567150027220024332311132300163315562825002333231114230018331644292400230023781520002033173330210023672378基于3周简单移动平均法和9周简单移动平均法的需求预测值191-3.3.1简单移动平均法基于3周简单移动平均法和9周简单移动平均法的需求预测值201-3.3.2加权移动平均法简单移动平均法给移动平均数据库中的每个数据都赋以相同的权重,而加权移动平均法(weightedmovingaverage)则允许给予每个数据不同的权重,所有权重之和应等于1。加权移动平均法的计算公式为: Ft=w1At-1+w2At-2+…+wnAt-n 式中,w1为第t-1期实际值的权重;w2为第t-2期实际值的权重;wn为第t-n期实际值的权重;n为预测时所选用的时段个数。 211-3.3.2加权移动平均法权重的选择:Ø 经验法和试错法是选择权重最简单的方法。Ø 一般来说,最近期数据是预测未来情况的最重要参考数据,因此应该赋予更大的权重。Ø 如果数据具有季节性,那么也应该按情况分配相应的权重。 221-3.3.3指数平滑法简单移动平均法和加权移动平均法的主要缺点是必须不断收集大量的历史数据。指数平滑法是运用最为广泛的预测技术,因为:Ø 利用指数模型进行预测相当准确。 Ø 构造一个指数模型相对来说比较简单。 Ø 使用者很容易理解模型的工作过程。 Ø 使用该模型所需计算量较小。 Ø 由于所需历史数据比较少,因此对计算机的存储空间要求较低。 Ø 检测模型执行精度运算容易。 231-3.3.3指数平滑法在许多应用中与较远期的数据相比,最近期的数据更能预示未来。指数平滑法中仅需要三种数据就可以对未来进行预测:Ø 最近一期的预测值Ø 最近一期的实际值Ø 平滑系数α(smoothingconstantalpha,α)• 平滑系数决定了平滑水平以及对预测值和实际值之间差异的反应速率。• 平滑系数的取值与产品本身的特性和管理者对良好反应速率内涵的理解有关。 241-3.3.3指数平滑法简单指数平滑法的计算公式:式中,Ft为第t时段的指数平滑预测值;Ft-1为前一时段的指数平滑预测值;At-1为前一时段的实际值;α为期望的反应速度或平滑系数。tF=t−1F+α(t−1A−t−1F)251-3.3.3指数平滑法简单指数平滑法的缺点在于,预测值通常滞后于需求的变化。 左图显示:当需求上升或下降时,预测值落后于需求的变化;而当需求变化的方向发生改变时,预测值却超前于该变化。我们还可以观察到,α取值越高,预测值越接近实际值。调整α的取值也会有助于精确预测,这称为自适应预测产品需求的指数平滑预测值和实际值261-3.3.4线性回归分析Ø 回归(regression)可定义为两个或以上相互关联的变量之间的函数关系。它根据一个已知变量推测另一个变量。 Ø 线性回归(linearregression)是指变量呈直线关系的一种特殊回归形式。 Ø 线性回归方程:Y=a+btY是要求解的因变量,a为Y轴的截距,b为直线的斜率,t表示时段。 b=ty−nt•y∑2t−nt2∑a=y−bt271-最小二乘法昀小二乘法试图根据数据点拟合出一条直线,使各数据点与它在回归直线上的对应点之间的垂直距离平方和昀小。线性回归昀小二乘法的公式为: Y=a+bt (y1-Y1)2+(y2-Y2)2+…+(y12-Y12)2使得该平方和昀小的直线就是昀佳拟合直线281-Ø 线性回归适用于重大事件和综合计划的预测。Ø 运用线性回归法(linearregressionforecasting)进行预测的昀大局限性就在于,历史数据和未来预测值都被假设服从一种直线关系。Ø 线性回归既可用于时间序列预测,也可用于因果关系预测291-3.4因果关系预测Ø 因果关系预测(causalrelationshipforecasting):指使用除时间以外的其他独立变量来预测未来的需求。Ø 为使预测有意义,我们首先要确定先行指标,即直接影响需求变化的因素。• 先行指标间不存在因果关系。• 如果发现先行指标间存在因果关系,则可能间接说明有其他一些情况发生。301-利用因果关系进行预测地毯城商店的运作经理相信,如果已知当年的新房开工许可数,那么对销售量进行预测就是可能的。年度新房开工许可数销售量(单位:平方码)118130002151200031211000410100005201400062816000735190008301700092013000311-利用因果关系进行预测由于散点图看起来像是直线,因此,管理人员决定使用线性关系Y=a+bx进行预测。321-利用因果关系进行预测解:解决这个问题的简单方法就是利用Excel中的SLOPE函数和INTERCEPT函数。输入表中给出的数据,经计算可得,回归直线方程的斜率为344.2211,截距为6698.492。管理人员将斜率解释为该区域内每建一套新房所能销售出的平均地毯数量。因此,预测方程如下: Y=6698.492+344.2211x现在假设来年新房开工许可数为25,那么来年的销售预测为
本文标题:运营管理--4
链接地址:https://www.777doc.com/doc-758848 .html